Warum ich Openclaw nicht mehr nutze: Was mein persönliches Dashboard zeigte

Ein persönliches Dashboard wird dann wirklich nützlich, wenn es einem etwas zeigt, das man lieber nicht zugeben würde.

Ich baue mein eigenes Dashboard für die persönliche und unternehmerische Steuerung: keine dekorative Sammlung von Kennzahlen, sondern eine Möglichkeit zu sehen, was ich plane, was ich abschließe und was meine Woche immer wieder übernimmt. Eines der Diagramme vergleicht die Abschlussrate meiner geplanten Sprint-Aufgaben mit dem Anteil der Arbeit, die zu Beginn der Woche nicht geplant war.

Das Diagramm machte eine auffallend klare Veränderung sichtbar. In 2026-W16 lag mein Anteil ungeplanter Arbeit bei 42%. In 2026-W17 - der Woche vom 20. bis 26. April 2026, in der ich mein gehostetes Openclaw-Setup nicht mehr als tägliches Werkzeug nutzte - fiel er auf 0%.

Eine Woche beweist keine Kausalität. Die folgenden Wochen reichten aber aus, um das Muster ernsthaft zu untersuchen.

Was das Dashboard tatsächlich zeigte

Vor der Umstellung, zwischen den Wochen 12 und 16, betrug der durchschnittliche Anteil ungeplanter Arbeit ungefähr 39%. Von Woche 17 bis 21 lag er bei ungefähr 9%. Er blieb nicht dauerhaft bei null, und das wäre auch keine realistische Erwartung: Echte Unternehmen haben Unterbrechungen. Die Veränderung ist dennoch erheblich.

Ein weiteres Detail ist wichtig. Der Abschluss geplanter Arbeit brach nach dem Toolwechsel nicht ein. In den meisten folgenden Wochen blieb er ungefähr im mittleren 60-Prozent-Bereich. Das Dashboard zeigte also nicht, dass ich Leistung gegen Ruhe eingetauscht hatte. Es zeigte einen ähnlichen Rhythmus geplanter Arbeit mit deutlich weniger reaktiver Arbeit dazwischen.

Auch mit Openclaw erledigte ich viele Aufgaben. Aktivität allein kann jedoch eine irreführende Produktivitätskennzahl sein. Wenn ein relevanter Teil der Aufgaben entsteht, weil das eigentlich hilfreiche System gewartet, debuggt, deployed oder überwacht werden muss, ist eine lange Liste erledigter Aufgaben nicht zwingend ein Erfolg.

Genau deshalb messe ich ungeplante Arbeit. Sie trennt Fortschritt an der von mir gewählten Arbeit von der Zeit, die ich für unbeabsichtigt übernommene Komplexität aufwende.

Ein gutes technisches Setup kann trotzdem das falsche Setup sein

Meine Openclaw-Bereitstellung war nicht leichtfertig aufgebaut. Ich hatte ein angemessen sicheres Setup auf AWS erstellt, das in einem eigenen Docker-Container lief und so vorbereitet war, dass bei Bedarf später weitere Nutzer aufgenommen werden könnten.

Als technisches Projekt war das sinnvoll. Als Werkzeug für meine tägliche Arbeit verlangte es zunehmend das Falsche von mir.

Ein gehostetes System bringt eine operative Oberfläche mit sich: Infrastrukturentscheidungen, Deployments, Konfiguration, Fehlersuche, Sicherheitsfragen und die Versuchung, etwas weiter auszubauen, weil es später vielleicht ein Produkt werden könnte. Für eine Anwendung, die Kunden oder einem Team dient, können diese Kosten gerechtfertigt sein. Für einen persönlichen Workflow, der mich schlicht bei der Ausführung unterstützen sollte, wurden sie zu operativem Lärm.

Dies ist eine leichte Falle für technische Gründer und ambitionierte kleine Unternehmen. Wir können das aufwendigere System bauen und nehmen deshalb an, es müsse die professionellere Wahl sein. Manchmal stimmt das. Manchmal verwandelt es eine einfache Anforderung unbemerkt in eine interne Plattform, die nun jemand betreiben muss.

In diesem Fall war dieser Jemand ich.

Die einfachere Alternative

Ich wechselte zu einer deutlich einfacheren Lösung: Codex läuft auf meinem persönlichen Computer, in einem Workflow, den ich auch über mein Telefon steuern kann.

Diese Architektur ist nicht so ambitioniert wie der Betrieb meiner eigenen gehosteten Assistenten-Umgebung. Genau das ist der Vorteil. Ich habe direkte Kontrolle, wenn ich sie brauche, ohne ein separates Cloud-Deployment als Teil meiner normalen Arbeitswoche tragen zu müssen.

Für meinen aktuellen Bedarf sind die von mir genutzten USD-20-Abonnementstufen von OpenAI und Anthropic mehr als ausreichend. Außerdem setze ich Tokens bewusster ein, weil dieser Workflow mir mehr Sichtbarkeit und Kontrolle gibt als die vorherige Lösung. Ich verbringe weniger Zeit damit, ein autonomes System zu füttern, und mehr Zeit damit, genau zu entscheiden, wo Unterstützung hilfreich ist.

Die wichtige Lektion lautet nicht, dass lokale Tools immer besser als gehostete sind oder dass ein KI-Produkt alle anderen ersetzen sollte. Die Lektion lautet: Das beste Werkzeug ist dasjenige, dessen operativer Aufwand zur Aufgabe passt.

Wenn ich einen stets verfügbaren Dienst für mehrere Nutzer, formale Zugriffsgrenzen, gemeinsame Workflows oder Verfügbarkeit für Kunden benötigte, könnte eine gehostete Architektur wieder die richtige Antwort sein. Für diesen Anwendungsfall brauchte ich das nicht. Ich brauchte gezielte Unterstützung, die nicht selbst zu einem weiteren zu wartenden System wurde.

Warum persönliche Dashboards wichtig sind

Ohne das Dashboard hätte ich die Änderung vor allem als Gefühl beschrieben: weniger Kopfschmerzen, weniger Ablenkungen, weniger Reibung durch Infrastruktur. Gefühle sind nützliche Signale, aber sie lassen sich leicht ignorieren, besonders wenn ein technisch interessantes System beteiligt ist.

Ein Satz, der häufig Warren Buffett zugeschrieben wird, fasst den Punkt gut zusammen: “Wer die Anzeigetafel nicht lesen kann, kennt den Spielstand nicht. Wer den Spielstand nicht kennt, kann Gewinner und Verlierer nicht unterscheiden.” Ich habe keine Primärquelle gefunden, die diese Zuschreibung bestätigt, aber das operative Prinzip stimmt: Messung verwandelt einen vagen Eindruck in eine überprüfbare Entscheidung.

Das Dashboard ermöglichte mir eine bessere Diskussion mit mir selbst. Es machte sichtbar, dass:

• Durchsatz allein nicht ausreichte, um das Tool zu beurteilen;
• ungeplante Arbeit ein Preis meiner Technologieentscheidung war;
• ein einfacherer Workflow Ausführung bewahren und Unterbrechungen reduzieren konnte;
• der richtige Zeitpunkt zur Vereinfachung kommt, bevor Wartung zu normalem Hintergrundrauschen wird.

Eine solche Messung erfordert kein Enterprise-Analytics-Programm. Ein hilfreiches Dashboard für persönliche oder betriebliche Abläufe kann mit einigen disziplinierten Fragen beginnen:

• Was wollten wir diese Woche erledigen?
• Was haben wir tatsächlich abgeschlossen?
• Wie viel ungeplante Arbeit ist hinzugekommen?
• Was verursachte diese Arbeit: Kunden, Vertrieb, Defekte, Infrastruktur oder Tool-Wartung?
• Hat eine Prozess- oder Technologieänderung diese Belastung über mehrere Wochen reduziert?

Eine zusätzliche Praxis macht das Diagramm deutlich wertvoller: operative Änderungen annotieren. Ein neues Tool, ein Deployment, eine Prozessumgestaltung, ein neuer Kundenworkflow. Andernfalls ist selbst eine sichtbare Verbesserung später schwer zu erklären.

Die Frage zur KI-Einführung, die viele Unternehmen überspringen

Wenn Unternehmen KI erwägen, beginnt das Gespräch oft mit Fähigkeiten: Was kann dieses Tool? Kann es eine Aufgabe automatisieren? Kann es Agenten ausführen? Kann es sich mit unseren Systemen verbinden?

Diese Fragen sind wichtig. Sie reichen nicht aus.

Die fehlende Frage lautet: Welche neue Arbeit wird dieses Tool für uns erzeugen?

Dazu gehören Einrichtung, Governance, Monitoring, Schulung, Ausnahmebehandlung, Zugriffskontrolle, Sicherheit, Wartung und die menschliche Aufmerksamkeit, die einen vertrauenswürdigen Workflow erhält. Ein Tool kann in einer Demonstration beeindrucken und dennoch operativ schlecht passen. Es kann sichtbare Aufgaben automatisieren und gleichzeitig unsichtbare produzieren.

Für KMU ist dies besonders relevant. Kleine Teams haben selten überschüssige Kapazität für interne Infrastrukturexperimente, die langsam zu dauerhaften Verpflichtungen werden. Die nützliche KI-Wahl ist nicht immer diejenige mit dem größten Versprechen. Es ist diejenige, die die echte Woche verbessert: weniger wiederholte Aufgaben, weniger vermeidbare Unterbrechungen, klarere Kontrolle und messbar zurückgewonnene Zeit für das Unternehmen.

Mein Dashboard sagte mir nicht, ich solle aufhören, mit KI zu experimentieren. Es sagte mir, ich solle selektiver damit umgehen, welche Komplexität ich im Tausch dafür akzeptiere.

Dieses Ergebnis nutze ich in meiner eigenen Arbeit, und diesen Grundsatz bringe ich noch stärker in mein KI-Coaching ein: Technologie nicht allein nach Begeisterung auswählen. Die Aufgabe definieren, die operativen Kosten messen und das einfachste Setup behalten, das einen echten Vorteil schafft.

Wenn Sie KI-Werkzeuge für Ihr Unternehmen prüfen und nützliche Hebelwirkung von kostspieliger Ablenkung unterscheiden möchten, unterstütze ich Teams genau bei solchen Entscheidungen mit meinen KI-Coaching- und Beratungsleistungen.