OpenClaw im Homelab: Ein (teures) Experiment mit autonomen AI-Agents

Oder: Wie ich $10 bei Grok verbrannte und lernte, dass AI-Agents nichts für arme Homelabber sind

TL;DR

✅ OpenClaw installiert auf Proxmox CT
❌ $10 bei Grok in wenigen Stunden verbrannt
⚠️ Gemini Free Tier (1.500 req/Tag) reicht nicht für autonome Agents
💡 Fazit: Für Homelab zu teuer, besser On-Demand nutzen

Die Idee: Ein autonomer AI-Agent für mein Homelab

Ich betreibe ein zweistufiges Proxmox-Cluster mit 15+ Services – von Paperless-NGX über OpenHAB bis hin zu einem kompletten AI Office Stack. Als ich von OpenClaw hörte (einem Open-Source autonomen AI-Agent), dachte ich: „Perfekt! Das könnte meine Infrastruktur noch smarter machen!“

Die Vision:

Automatische Log-Analysen
Smart Home Automationen via Natural Language
Dokumenten-Zusammenfassungen aus Paperless
Proaktive System-Überwachung

Klingt cool, oder? Spoiler: Ist es auch – aber teuer.

Die Installation: Überraschend einfach

OpenClaw lässt sich mit einem One-Liner installieren:

curl -fsSL https://openclaw.ai/install.sh | bash
Code-Sprache: JavaScript (javascript)

Ich habe einen neuen LXC Container (CT 115) auf meinem stärkeren Proxmox-Node (pve2) erstellt:

Specs:

CPU: 4 Cores (i5-7500)
RAM: 4 GB
Storage: 50 GB
OS: Ubuntu 24.04

Die Installation lief durch, OpenClaw startete drei Prozesse:

openclaw-gateway – WebSocket Gateway
openclaw – Haupt-Agent
openclaw-models – LLM Integration

Soweit, so gut! ✅

Der erste Schock: Token-Verbrauch

OpenClaw zeigte mir in der TUI:

tokens 36k/1.0m (3%)

36.000 Tokens pro Request?! Zum Vergleich: Ein normaler Chat mit ChatGPT verbraucht 100-500 Tokens.

Warum so viel?

OpenClaw sendet bei jedem Request:

Komplette Conversation History
Agent Memory
Workspace Context
System Prompts
Subagent-Contexts

Meine Config war schuld:

{
  "maxConcurrent": 4,
  "subagents": {
    "maxConcurrent": 8
  },
  "compaction": {
    "mode": "safeguard"  // Behält viel Context
  }
}
Code-Sprache: JSON / JSON mit Kommentaren (json)

Pro Task also potenziell 12 parallele Requests mit je 36k Tokens = 432k Tokens auf einmal! 💸

Der zweite Schock: Die Grok-Rechnung

Ich hatte während des Setups X.AI Grok 4 als LLM konfiguriert. Das Pricing:

Input:  $5.00 / 1M tokens
Output: $15.00 / 1M tokens
Code-Sprache: HTTP (http)

Nach ein paar Test-Sessions und etwas Debugging: $10 verbrannt.

Die Rechnung:

~3-4 komplexe Agent-Tasks mit Subagents
= ~40-50 Requests à 36k tokens
= ~2M Input + 500k Output tokens
= $10 + $7.50 = $17.50

Mein Credit-Guthaben: $10 → aufgebraucht 😱

Grok ist 28x teurer als Gemini Flash für die gleiche Arbeit!

Der Umzug zu Gemini: Free Tier als Rettung?

Ich schwenkte schnell auf Google Gemini 1.5 Flash um:

Input:  $0.075 / 1M tokens (67x günstiger!)
Output: $0.30 / 1M tokens (50x günstiger!)

Free Tier: 1.500 Requests/Tag
Code-Sprache: HTTP (http)

Das klang nach der Lösung! Aber…

Problem: Setup-Phase frisst das Limit

Am ersten Tag mit OpenClaw:

Onboarding Wizard: ~500 Requests
Config-Tests: ~300 Requests
Meine Experimente: ~700 Requests
Total: ~1.500 Requests = Limit erreicht ⚠️

Und das war nur ein Tag mit aktivem Testen!

Die Erkenntnis: Autonome Agents sind teuer

Warum OpenClaw so viele Requests verbraucht:

1. Subagents spawnen wie verrückt

Ein Task: "Check my emails and summarize"

Spawnt:
├─ Subagent 1: Email abrufen
├─ Subagent 2: Inhalte analysieren
├─ Subagent 3: Zusammenfassung erstellen
└─ Subagent 4: Formatierung

= 4-5 API Calls statt 1
Code-Sprache: JavaScript (javascript)

2. Lange Context History

OpenClaw behält ALLES im Context:
- Alle bisherigen Messages
- Agent Memory
- Workspace Files
- System State

→ 36k tokens pro Request
→ Schnell teuer bei vielen Requests

3. 24/7 Betrieb

Autonome Agents laufen kontinuierlich:
- Background Monitoring
- Scheduled Tasks
- Proaktive Checks
- Auto-Responses

→ 2.000+ Requests/Tag
→ Free Tier reicht nicht

Kostenvergleich: Was wäre wenn…?

Szenario: 100 Requests/Tag (moderate Nutzung)

Provider	Model	Monat	Faktor
Google	Gemini Flash	$0.81	1x
OpenAI	GPT-4o Mini	$1.62	2x
Anthropic	Haiku	$8.64	11x
X.AI	Grok 4	$22.50	28x

Mit meiner unoptimierter Config (36k tokens/Request):

Provider	Monat	Jahr
Gemini	$17	$204
Grok	$990	$11.880 💀

Grok wäre teurer als meine komplette Homelab-Stromrechnung!

Optimierungsversuche

Config-Tuning

Ich versuchte, den Token-Verbrauch zu reduzieren:

{
  "agents": {
    "defaults": {
      "compaction": {
        "mode": "aggressive",  // Statt "safeguard"
        "maxTokens": 8000
      },
      "maxConcurrent": 1,      // Statt 4
      "subagents": {
        "maxConcurrent": 1     // Statt 8
      }
    }
  }
}
Code-Sprache: JSON / JSON mit Kommentaren (json)

Problem: OpenClaw überschrieb meine Config immer wieder!

Die Lösung: Config-Commands nutzen statt manuelles Editieren:

openclaw config set agents.defaults.maxConcurrent 1
Code-Sprache: CSS (css)

Aber selbst dann: OpenClaw hat keine granularen Token-Limits wie ich sie wollte.

Die Alternativen-Recherche

1. Lokales Ollama?

Meine Hardware:

Intel i5-7500 (keine GPU)
31 GB RAM

Ollama Performance:

Llama 3.1 8B: 20-30 Sekunden pro Response 🐌
Bei Subagents: 60-90 Sekunden Wartezeit

Fazit: ❌ Zu langsam für einen autonomen Agent

2. Hugging Face Inference API?

Free Tier:

~30.000 tokens/Tag
~100 req/Stunde

Probleme:

❌ Keine native OpenClaw-Integration
❌ Schlechtere Tool-Use Fähigkeiten
❌ Instabil (Shared Infrastructure)
❌ Rate Limits zu niedrig

Fazit: ⚠️ Zu viel Aufwand für schlechteres Ergebnis

3. Gemini Free Tier richtig nutzen?

Das könnte funktionieren, WENN:

✅ Nur On-Demand statt 24/7
✅ Optimierte Config (1+1 concurrent)
✅ Web Search deaktiviert
✅ Keine autonomen Background-Tasks

Realistische Nutzung im Free Tier:

Morgens:   10 Requests (Email-Check, News)
Tagsüber:  20 Requests (Queries, Automationen)
Abends:    10 Requests (Reports)
────────────────────────────────────
Total:     40 Requests/Tag ✅

→ Unter 1.500 Limit
→ Kostenlos!

Hardware-Überlegung: DS916+ statt Proxmox?

Ich fragte mich: Sollte OpenClaw auf meiner Synology DS916+ laufen statt auf pve2?

DS916+ Specs:

CPU: Celeron N3060 (2 Cores @ 1.6 GHz)
RAM: 8 GB
Storage: 16.8 TB (!)

Pro:

✅ Unbegrenzter Storage (vs. 157 GB auf pve2)
✅ Läuft eh 24/7 (keine Extra-Stromkosten)
✅ Native Backup-Integration

Contra:

❌ CPU 2x schwächer als pve2
❌ Weniger RAM (8 vs. 31 GB)
❌ HDD statt NVMe (10-50x langsamer)

Fazit: Hybrid-Ansatz ist optimal:

Runtime auf pve2 (schnelle CPU/RAM)
Workspace/Logs auf DS916+ (viel Storage)

Mein Fazit nach 24 Stunden

Was ich gelernt habe:

1. Autonome AI-Agents sind (noch) zu teuer für Homelab

Für $10-30/Monat könnte ich:

Einen VPS mieten
Mehr Storage kaufen
Meine Stromrechnung bezahlen
10 Monate Netflix haben

2. Token-Verbrauch wird unterschätzt

36k tokens/Request klingt abstrakt, aber:

Bei 100 Requests/Tag = 3.6M tokens
Bei Gemini: $1/Tag = $30/Monat
Bei Grok: $18/Tag = $540/Monat 💀

3. Free Tiers sind für Testing, nicht Production

Gemini Free (1.5k/Tag) reicht für:

✅ Manuelle Queries
✅ Gelegentliche Automationen
❌ 24/7 autonome Agents

4. OpenClaw ist cool, aber…

…nicht für Homelab-Budgets optimiert:

Keine granularen Cost-Controls
Keine Token-Budgets pro Agent
Subagents spawnen unkontrolliert
Context-Compaction zu konservativ

Was ich jetzt mache

Option A: On-Demand statt 24/7

Statt OpenClaw kontinuierlich laufen zu lassen:

# Nur starten wenn ich es brauche:
openclaw gateway

# Spezifische Tasks:
openclaw agent --message "Fasse Paperless-Dokumente zusammen"
openclaw agent --message "Analysiere OpenHAB Logs"

# Dann wieder stoppen:
pkill -f openclaw
Code-Sprache: PHP (php)

Kosten: $0/Monat (im Free Tier)

Option B: Einfach lassen

OpenClaw installiert lassen
Nicht aktiv nutzen
Falls ich mal Bock habe: Da
Kostet nichts wenn nicht genutzt

Option C: Deinstallieren

openclaw uninstall
npm uninstall -g openclaw
rm -rf ~/.openclaw
pct destroy 115  # CT in Proxmox löschen
Code-Sprache: PHP (php)

Aktuell: Tendiere zu Option B – installiert lassen, aber nicht aktiv nutzen.

Empfehlungen für andere Homelabber

OpenClaw macht Sinn wenn:

✅ Du ein Business-Budget hast ($50-100/Monat OK)
✅ Du wirklich 24/7 Automationen brauchst
✅ Du bereit bist, Paid Tiers zu nutzen
✅ Du die Kosten monitoren und kontrollieren kannst

Besser für Homelab:

✅ Paperless-NGX + RAG (nur bezahlen wenn du fragst)
✅ OpenHAB Automationen (keine Cloud-Kosten)
✅ Cron-Jobs + Scripts (kostenlos, zuverlässig)
✅ Gemini Free für manuelle Queries (1.5k/Tag reicht)

Alternativen zu OpenClaw

Wenn du AI im Homelab willst, aber nicht $30/Monat ausgeben:

1. Paperless-NGX + LLM-Integration

Kosten: $1-3/Monat
Use Case: Dokumente durchsuchbar + AI-Queries
On-Demand: Nur bezahlen wenn du fragst
Code-Sprache: PHP (php)

2. Home Assistant + AI Voice

Kosten: $0 (lokal) oder $5/Monat (Cloud)
Use Case: Smart Home Steuerung
Besser integriert als OpenClaw
Code-Sprache: PHP (php)

3. n8n + AI Nodes

Kosten: $0 (self-hosted)
Use Case: Workflow-Automationen mit AI
Mehr Kontrolle über API Calls
Code-Sprache: PHP (php)

4. Ollama für Batch-Jobs

Kosten: $0 (nur Strom)
Use Case: Nächtliche Analysen
Egal ob 30 Sek oder 5 Min
Code-Sprache: PHP (php)

Die harte Wahrheit

Autonome AI-Agents sind die Zukunft – aber noch nicht für Homelab-Budgets.

Die Technologie ist da, aber:

Token-Preise sind für Business optimiert
Free Tiers sind zu limitiert für 24/7 Betrieb
Lokale LLMs (ohne GPU) sind zu langsam
Cost-Controls fehlen in den Tools

Meine Prognose:

In 2-3 Jahren: Günstigere/effizientere Models
Bessere lokale LLMs (NPU-Support)
Tools mit eingebauten Cost-Controls
Dann wird es für Homelab interessant

Bis dahin: On-Demand > Autonomous

Ressourcen & Links

OpenClaw: https://openclaw.ai
Mein Setup: Proxmox Cluster, 15+ Services, 16TB NAS
LLM Pricing Vergleich: https://artificialanalysis.ai/models
Gemini Free Tier: https://aistudio.google.com

Kommentare & Diskussion

Habt ihr ähnliche Erfahrungen mit AI-Agents im Homelab? Wie managed ihr die Kosten?

Teilt eure Setups in den Kommentaren! 👇

Geschrieben am 13. März 2026 nach 24 Stunden OpenClaw-Experiment

Tags: #homelab #ai #openclaw #llm #kostenoptimierung #proxmox #selfhosted