Was ist MaxClaw? MinMax's Cloud-KI-Agent erklärt

Hey, alle zusammen. Was für ein schöner Tag! Ich bin eure alte Freundin, Dora.

In der vergangenen Woche bin ich in Entwicklerkreisen immer wieder auf MaxClaw gestoßen. Nicht auf laute Art – eher wie stille Erleichterung. Jemand erwähnte, dass er seinen Agenten in unter einer Minute zum Laufen gebracht hatte. Ein anderer schrieb, dass er aufgehört hatte, sein Docker-Setup zu pflegen. Solche Signale lassen mich aufhorchen.

Also habe ich es ausprobiert. Los geht’s!

Das Problem, das MaxClaw löst

Warum selbst gehostete Agenten die meisten Nutzer frustrieren

Ich habe einige Zeit mit OpenClaw verbracht. Es ist leistungsstark – wirklich leistungsstark – aber es verlangt etwas, das die meisten Menschen nicht geben wollen: anhaltende Aufmerksamkeit für die Infrastruktur.

OpenClaw wurde Ende Januar 2026 veröffentlicht und erzielte über 100.000 GitHub-Sterne, weil es bewies, dass KI-Agenten tatsächlich Dinge tun können, nicht nur chatten. Es konnte deinen Browser steuern, E-Mails senden, Dateien verwalten. Aber es lief lokal. Das bedeutete Node.js, Abhängigkeiten, WebSocket-Konfigurationen, Channel-Integrationen, die beim Ausliefern von Updates brachen.

Ich komme damit zurecht. Viele Menschen nicht.

Das Muster, das mir auffiel: Begeisterung beim Einrichten, Frustration bei der Wartung, Aufgabe nach der ersten Breaking Change. Nicht weil das Tool versagt hat – sondern weil das Leben hektisch wurde und das Betrieb am Laufen zu halten zur Arbeit wurde.

Die versteckten Kosten von DIY-API-Setups

Es gibt noch eine weitere Kostenkomponente, die in Tutorials nicht auftaucht.

Wenn du selbst hostest, bist du derjenige, der um 2 Uhr nachts debuggt, warum Telegram plötzlich nicht mehr antwortet. Du bist derjenige, der Fehlerprotokolle liest, die auf interne Architekturdetails verweisen, die du nie kennenlernen wolltest. Traditionelle API-basierte Agenten-Interaktionen sind zustandslos, aber persistente Agentenprozesse pflegen laufenden Zustand und können proaktiv Aktionen initiieren – was toll klingt, bis man merkt, dass man jetzt für diese Persistenz verantwortlich ist.

Ich sage das nicht, um vom Selbsthosting abzuraten. Ich sage es, weil es ehrlich ist. DIY-Setups tauschen Geld gegen Zeit und Aufmerksamkeit ein. Manche Menschen haben beides. Die meisten nicht.

Was genau ist MaxClaw?

MaxClaw ist ein cloud-gehosteter KI-Agent, der am 25. Februar 2026 offiziell von MiniMax gestartet wurde. Es nimmt das OpenClaw-Framework – dieselbe Agentenarchitektur, die viral ging – und betreibt es für dich in der Cloud.

Cloud-gehostet = null Einrichtungsaufwand

Ich habe am 28. Februar auf „Jetzt deployen” geklickt. Zehn Sekunden später hatte ich einen laufenden Agenten. Wenn du den genauen Onboarding-Ablauf Schritt für Schritt sehen möchtest, führt dieser kurze Leitfaden zur Einrichtung von MaxClaw durch den Prozess. Nicht ein Agent, der laufen würde, nachdem ich acht weitere Dinge konfiguriert hätte. Ein laufender Agent.

Keine Serverauswahl. Keine Docker-Befehle. Keine SSH-Schlüssel. Nur ein Deploy-Button und ein Telegram-Verbindungsbildschirm.

Das fühlte sich fast verdächtig einfach an. Ich wartete immer auf den Haken – den Teil, wo es mich bitten würde, etwas Komplexes zu konfigurieren. Er kam nie.

Aufgebaut auf OpenClaw, angetrieben von MiniMax M2.5 (229B MoE)

Die zugrundeliegende Architektur ist hier wichtig, also habe ich nachgesehen.

MaxClaw ist auf dem Open-Source-OpenClaw-Framework aufgebaut und wird vom MiniMax M2.5-Grundmodell angetrieben. M2.5 verwendet eine sogenannte Mixture-of-Experts-Architektur: 229 Milliarden Parameter insgesamt, aber nur 10 Milliarden werden pro Anfrage aktiviert.

In Benchmarks erreicht M2.5 80,2 % auf SWE-Bench Verified und entspricht dabei der Geschwindigkeit von Claude Opus 4.6 bei 10–20-fach geringeren Kosten. Diese Effizienzbehauptung hat meine Aufmerksamkeit erregt, da Agenten-Workloads Tokens schnell verbrauchen.

Ich habe es nicht selbst benchmarked, aber mir ist aufgefallen: Aufgaben, die sich bei anderen Modellen teuer angefühlt hätten, liefen, ohne Bedenken wegen API-Kosten auszulösen. Das ist keine technische Messung. Es ist einfach, wie sich die Nutzung anfühlte.

Langzeitgedächtnis – was das eigentlich bedeutet

Im Gegensatz zu zustandslosen Assistenten können MaxClaw-Agenten Nutzerpräferenzen und Arbeitsstile merken, Kontext über Tage oder Wochen hinweg aufrechterhalten und Wissen aus vergangenen Aufgaben ansammeln.

Ich testete dies, indem ich ihn bat, mir dienstags bei einer Rechercheaufgabe zu helfen, und donnerstags mit „mach weiter, wo wir aufgehört haben” wiederkam. Er tat es. Kein erneutes Erklären. Kein Neustart.

Das ist wichtiger, als es klingt. Die meisten Chatbots erfordern, dass du in jeder Sitzung den Kontext neu aufbaust. Für einmalige Fragen ist das in Ordnung. Für laufende Projekte ist es erschöpfend. MaxClaw hat sich einfach… erinnert.

Was MaxClaw von Haus aus kann

Eingebaute Tools (Websuche, Dateianalyse, Planung)

Die mit MaxClaw gelieferten Tools sind individuell nicht revolutionär. Websuche. Dateilesen. Zeitverarbeitung. Die Art von Fähigkeiten, die man erwarten würde.

Was mich überraschte, war, wie sie ohne mein Eingreifen zusammenarbeiteten.

Ich bat es, „aktuelle Diskussionen über Transformer-Alternativen zu prüfen und die wichtigsten Ansätze zusammenzufassen.” Es suchte, holte Inhalte, kreuzte Quellen und lieferte eine strukturierte Zusammenfassung. Keine separaten Tool-Aufrufe, die ich verwalten musste. Keine mehrstufigen Anweisungen.

Das ist es, was die Pressemitteilung „von der Absicht zum Ergebnis – ohne Reibung” nennt, und in diesem Fall stimmte die Marketingsprache mit der Erfahrung überein.

Native Integrationen: Telegram, Slack, Discord, WhatsApp

Ich habe primär Telegram verwendet, weil ich dort bereits Zeit verbringe. Das Einrichten dauerte vielleicht 90 Sekunden – der Großteil davon war das Warten auf ein Bot-Token.

Laut MiniMax-Dokumentation verbindet sich MaxClaw auch mit Slack, Discord, WhatsApp, Feishu und DingTalk. Ich habe nicht alle Kanäle getestet, aber das Prinzip gilt: Es trifft dich in Tools, die du bereits verwendest, anstatt dich zu bitten, etwas Neues einzuführen.

50+ vorgefertigte Experten-Agenten

MaxClaw bietet Zugang zu über 10.000 vorkonfigurierten Experten, die ein breites Funktionsspektrum abdecken, obwohl ich vermute, dass diese Zahl community-beigesteuerte Agenten einschließt, die nicht auf dieselbe Weise geprüft wurden wie Kernfunktionen.

Ich habe drei ausprobiert: einen Content-Researcher, einen technischen Texter und einen Code-Reviewer. Sie funktionierten. Nicht perfekt – es gab Momente, in denen Ausgaben Anpassungen benötigten – aber gut genug, dass ich sie weiter benutzte, anstatt zu meinem manuellen Workflow zurückzukehren.

Der Code-Reviewer hat insbesondere Dinge gefunden, die ich an müden Freitagsnachmittagen übersehen hätte.

Für wen ist MaxClaw?

Nicht-technische Nutzer, die heute einen funktionierenden KI-Agenten wollen

Wenn du über KI-Agenten gelesen hast, aber Docker nicht lernen möchtest, beseitigt MaxClaw diese Hürde vollständig.

Ich habe zugeschaut, wie jemand ohne Programmierkenntnisse seinen Agenten während eines Videoanrufs zum Laufen brachte. Sie folgten dem Onboarding-Assistenten, verbanden Telegram und begannen, Aufgaben zu delegieren. Fünfzehn Minuten, von Anfang bis Ende.

Das ist, glaube ich, der Zielnutzer. Menschen, die das Ergebnis wollen, nicht den Weg.

Teams, die bereits in Slack oder Telegram leben

Wenn dein Team bereits in Slack kommuniziert, bedeutet das Hinzufügen eines Agenten zu demselben Raum, dass er Teil des Workflows wird, anstatt ein separates Tool zu sein, an das man sich erinnern muss.

Aufgaben können über alltägliche Chat-Interfaces zugewiesen werden, was das Wechseln des Kontexts eliminiert. Das ist in der Praxis wichtig, weil Tools, die es erfordern, die aktuelle Umgebung zu verlassen, in hektischen Zeiten vergessen werden.

Entwickler, die es satt haben, Infra zu verwalten

Interessanterweise waren einige der frühen Anwender, die ich sah, Entwickler, die selbst hosten könnten, aber es nicht taten.

Die Rechnung schien eindeutig: Ihre Zeit war mehr wert als die monatlichen Kosten von MaxClaw. Sie zahlten lieber MiniMax, um Uptime, Updates und Skalierung zu verwalten, als Wochenendsunden damit zu verbringen, ihre eigene Instanz am Laufen zu halten.

MaxClaw vs. Aufbau eines eigenen Agenten-Stacks

Der Vergleich hängt vollständig davon ab, was du schätzt.

Wenn du volle Kontrolle willst – die Möglichkeit, Modelle zu wechseln, das Framework zu modifizieren, genau zu kontrollieren, wo Daten liegen – gibt dir Selbsthosten von OpenClaw oder Aufbauen mit LangChain das. Organisationen, die je nach Kosten, Fähigkeiten oder regulatorischen Anforderungen zwischen GPT-4o, Claude und Open-Weight-Modellen wechseln müssen, werden MaxClaws Abhängigkeit von einem einzigen Modell einschränkend finden.
Wenn du etwas schnell Funktionierendes willst ohne laufende Wartung, liefert MaxClaw das. Die Deployment-Zeit beträgt wirklich unter einer Minute. Kein Infrastrukturwissen erforderlich. Updates erfolgen automatisch.
Wenn Datensouveränität wichtig ist – wenn du mit Krankenakten, proprietärem Code oder irgendetwas arbeitest, das strenge Datenkontrolle erfordert – ist MaxClaw nicht die richtige Wahl. Die Daten liegen auf MiniMaxs Infrastruktur. Wenn dein Bedrohungsmodell Datensouveränität erfordert, ist MaxClaw nicht der richtige Weg.

Die Kostenstruktur unterscheidet sich ebenfalls. Always-on persistente Agenten verursachen kontinuierliche Rechenkosten, anders als anforderungsbasierte Preisgestaltung, bei der du pro API-Aufruf zahlst. Ich habe keine veröffentlichten Preisdetails für MaxClaw speziell gesehen, aber das zugrundeliegende M2.5-Modell kostet pro Token deutlich weniger als vergleichbare Modelle.

Die ehrliche Version: MaxClaw tauscht Flexibilität gegen Komfort. Das ist für viele Anwendungsfälle ein guter Tausch. Nicht für alle.

Was MaxClaw NICHT ist (ehrliche Einschränkungen)

Ich muss klar sein, was das nicht tut.

Es ist an ein Modell gebunden. Du verwendest MiniMax M2.5. Das war’s. Wenn M2.5 für deine spezifische Aufgabe nicht gut ist, kannst du nicht auf Claude oder GPT-4 wechseln. Für die meisten allgemeinen Agenten-Arbeiten funktioniert M2.5 gut. Aber Modell-Lock-in ist immer noch Lock-in.
Es ist nicht lokal. Die Daten liegen auf MiniMaxs Infrastruktur. Deine Gespräche, deine Aufgaben, deine Dateien – sie laufen durch MiniMaxs Server. Für viele Anwendungsfälle ist das in Ordnung. Für sensible Arbeit ist es ein No-Go.
Komplexe benutzerdefinierte Workflows sind begrenzt. Komplexe benutzerdefinierte Orchestrierungsmuster, die über das hinausgehen, was OpenClaw unterstützt – wie tief verschachtelte Multi-Agenten-Workflows oder domänenspezifische Reasoning-Chains – werden durch Frameworks wie LangChain oder AutoGen besser bedient.
Es gibt keine veröffentlichten SLA-Garantien. Es wurden keine spezifischen SLA-Prozentsätze oder Uptime-Garantien veröffentlicht. „Always-on” ist die Behauptung, aber es gibt keine vertragliche Grundlage für Produktionsanwendungsfälle, die spezifische Verfügbarkeitsanforderungen haben.
Es ist sehr neu. MaxClaw wurde zum Zeitpunkt, als ich das schreibe, vor weniger als einer Woche gestartet. Die Randbereiche wurden noch nicht gründlich von Tausenden von Nutzern in Produktionsszenarien getestet. Frühe Übernahme trägt immer dieses Risiko.

Ich nutze MaxClaw weiter, seit ich es eingerichtet habe. Nicht für alles – für bestimmte wiederkehrende Aufgaben, bei denen die Kombination aus Gedächtnis, Toolzugang und null Wartung tatsächlich Zeit spart.

Es fühlt sich nicht wie die Zukunft der KI oder eine große Aussage der Art an. Es fühlt sich an, als hätte jemand eine praktische Umsetzung einer Idee gebaut, die immer wieder demonstriert, aber selten geliefert wurde: ein Agent, der einfach funktioniert, ohne zu verlangen, dass man zuerst zum Infrastrukturexperten wird.

Ob das für dich wichtig ist, hängt vollständig davon ab, was du zu tun versuchst.