Gilt für OpenClaw v2026.2 | Dieser Artikel setzt voraus, dass die Grundkonfiguration abgeschlossen ist und du die Modellauswahl oder Kostensteuerung optimieren möchtest.

TL;DR: OpenClaw unterstützt mehrere Modelle: Claude Opus/Sonnet/Haiku, GPT-4o, Gemini, lokale Modelle (Ollama). Mit "agent": {"model": "anthropic/claude-opus-4-6"} wechselst du das Modell. Failover wechselt automatisch zum Backup-Modell: "fallback": [{"model": "claude-sonnet-4", "condition": "rate_limit"}]. Empfohlen: Claude Opus für komplexe Aufgaben, Haiku für hochfrequente einfache Aufgaben.

Unterstützte Modellanbieter

Anbieterübersicht

Modell-Fähigkeitsvergleich

Grundlegende Modellkonfiguration

Anthropic Claude

{
  "agent": {
    "model": "anthropic/claude-opus-4-6",
    "thinkingLevel": "high"
  },
  "models": {
    "anthropic": {
      "apiKey": "${ANTHROPIC_API_KEY}",
      "baseUrl": "https://api.anthropic.com"
    }
  }
}

Claude-Modell-Empfehlungen:

OpenAI GPT

{
  "agent": {
    "model": "openai/gpt-4o"
  },
  "models": {
    "openai": {
      "apiKey": "${OPENAI_API_KEY}",
      "baseUrl": "https://api.openai.com/v1",
      "organization": "org-xxx"
    }
  }
}

GPT-Modell-Empfehlungen:

Google Gemini

{
  "agent": {
    "model": "google/gemini-2.0-flash"
  },
  "models": {
    "google": {
      "apiKey": "${GOOGLE_API_KEY}",
      "baseUrl": "https://generativelanguage.googleapis.com/v1beta"
    }
  }
}

Lokale Modelle (Ollama)

{
  "agent": {
    "model": "ollama/llama3.1:70b"
  },
  "models": {
    "ollama": {
      "baseUrl": "http://localhost:11434"
    }
  }
}

Ollama-Installation und -Start:

# Ollama installieren
curl -fsSL https://ollama.com/install.sh | sh

# Modell herunterladen
ollama pull llama3.1:70b
ollama pull codellama:34b

# Dienst starten
ollama serve

API-Weiterleitungsdienste

{
  "agent": {
    "model": "anthropic/claude-opus-4-6"
  },
  "models": {
    "anthropic": {
      "apiKey": "${PROVIDER_API_KEY}",
      "baseUrl": "https://api.your-provider.com/v1"
    }
  }
}

Modellformat-Erklärung

Modell-Identifikator-Format

{provider}/{model-name}

Benutzerdefinierte Modell-Aliase

{
  "models": {
    "aliases": {
      "smart": "anthropic/claude-opus-4-6",
      "fast": "anthropic/claude-sonnet-4",
      "cheap": "anthropic/claude-haiku-3.5",
      "local": "ollama/llama3.1:70b"
    }
  },
  "agent": {
    "model": "smart"
  }
}

Alias verwenden:

# Im Chat wechseln
/model fast

# Oder vollständigen Namen verwenden
/model anthropic/claude-sonnet-4

Failover-Strategie

Was ist Failover?

Wenn das Hauptmodell nicht verfügbar ist (z.B. Rate-Limit, Dienstausfall), wird automatisch auf ein Backup-Modell gewechselt.

flowchart TB
    REQ[Anfrage empfangen] --> PRIMARY{Hauptmodell verfügbar?}
    PRIMARY -->|Ja| EXEC1[Hauptmodell verwenden]
    PRIMARY -->|Nein| CHECK{Failover-Bedingung}
    CHECK -->|Rate-Limit| SECONDARY1[Backup-Modell 1]
    CHECK -->|Dienstausfall| SECONDARY2[Backup-Modell 2]
    CHECK -->|Timeout| SECONDARY3[Backup-Modell 3]
    SECONDARY1 --> EXEC2[Anfrage ausführen]
    SECONDARY2 --> EXEC2
    SECONDARY3 --> EXEC2
    EXEC1 --> RES[Ergebnis zurückgeben]
    EXEC2 --> RES

Failover konfigurieren

{
  "agent": {
    "model": "anthropic/claude-opus-4-6"
  },
  "models": {
    "fallback": [
      {
        "model": "anthropic/claude-sonnet-4",
        "condition": "rate_limit"
      },
      {
        "model": "openai/gpt-4o",
        "condition": "error"
      },
      {
        "model": "ollama/llama3.1:70b",
        "condition": "timeout"
      }
    ]
  }
}

Failover-Bedingungen

Erweiterte Failover-Konfiguration

{
  "models": {
    "fallback": [
      {
        "model": "anthropic/claude-sonnet-4",
        "condition": "rate_limit",
        "maxRetries": 3,
        "retryDelay": 1000
      },
      {
        "model": "openai/gpt-4o",
        "condition": "error",
        "maxRetries": 2
      },
      {
        "model": "ollama/llama3.1:70b",
        "condition": "always"
      }
    ],
    "fallbackPolicy": {
      "retryPrimaryAfter": 60000,
      "logFallbacks": true,
      "notifyUser": true
    }
  }
}

Szenariobasierter Modellwechsel

Nach Sitzungstyp wechseln

Verschiedene Sitzungstypen verwenden verschiedene Modelle:

{
  "agents": {
    "defaults": {
      "model": "anthropic/claude-sonnet-4"
    },
    "byChannel": {
      "telegram": {
        "model": "anthropic/claude-haiku-3.5"
      },
      "discord": {
        "model": "anthropic/claude-sonnet-4"
      }
    },
    "bySessionType": {
      "main": {
        "model": "anthropic/claude-opus-4-6"
      },
      "group": {
        "model": "anthropic/claude-haiku-3.5"
      }
    }
  }
}

Nach Aufgabentyp wechseln

{
  "agents": {
    "taskModels": {
      "code": "anthropic/claude-opus-4-6",
      "reasoning": "anthropic/claude-opus-4-6",
      "chat": "anthropic/claude-sonnet-4",
      "simple": "anthropic/claude-haiku-3.5"
    }
  }
}

Dynamischer Modellwechsel

Zur Laufzeit das Modell wechseln:

# CLI-Wechsel
openclaw agent --model anthropic/claude-opus-4-6 --message "Komplexe Aufgabe"

# Im Chat wechseln
/model anthropic/claude-opus-4-6
Jetzt Claude Opus 4.6, geeignet für komplexe Reasoning-Aufgaben

/model anthropic/claude-haiku-3.5
Gewechselt zu Haiku 3.5, schnelle Antworten für einfache Aufgaben

Kostenoptimierungsstrategien

Modell-Kostenvergleich

Kostenoptimierungskonfiguration

{
  "agents": {
    "defaults": {
      "model": "anthropic/claude-sonnet-4",
      "costOptimization": {
        "enabled": true,
        "rules": [
          {
            "condition": "context_length > 50000",
            "model": "anthropic/claude-sonnet-4"
          },
          {
            "condition": "simple_query",
            "model": "anthropic/claude-haiku-3.5"
          },
          {
            "condition": "code_generation",
            "model": "anthropic/claude-opus-4-6"
          }
        ]
      }
    }
  }
}

Token-Verbrauchsüberwachung

# Aktuelle Sitzungsnutzung anzeigen
/status

# Beispielausgabe:
# Session: main
# Model: anthropic/claude-opus-4-6
# Tokens: 12,345 input / 2,456 output
# Cost: $0.21

# Nutzungsanzeige aktivieren
/usage full

Nutzungsanzeige konfigurieren

{
  "usageTracking": {
    "enabled": true,
    "showInResponse": true,
    "trackBySession": true,
    "trackByChannel": true,
    "alertThreshold": 10.00
  }
}

Denkniveau-Konfiguration

Thinking Level Erklärung

Denkniveau konfigurieren

{
  "agent": {
    "model": "anthropic/claude-opus-4-6",
    "thinkingLevel": "high"
  }
}

Dynamisch wechseln

# Im Chat wechseln
/think high
Jetzt im hohen Denkmodus, geeignet für komplexes Reasoning

/think minimal
Gewechselt zu minimalem Denken, schnelle Antworten

Lokale Modelle im Detail

Ollama-Konfiguration

{
  "agent": {
    "model": "ollama/llama3.1:70b"
  },
  "models": {
    "ollama": {
      "baseUrl": "http://localhost:11434",
      "options": {
        "temperature": 0.7,
        "num_ctx": 32768,
        "num_predict": 4096
      }
    }
  }
}

Empfohlene lokale Modelle

Hardware-Empfehlungen

Multi-Anbieter-Lastverteilung

Round-Robin-Strategie

{
  "models": {
    "loadBalancing": {
      "strategy": "round_robin",
      "providers": [
        {
          "model": "anthropic/claude-sonnet-4",
          "weight": 1
        },
        {
          "model": "openai/gpt-4o",
          "weight": 1
        }
      ]
    }
  }
}

Gewichtete Strategie

{
  "models": {
    "loadBalancing": {
      "strategy": "weighted",
      "providers": [
        {
          "model": "anthropic/claude-sonnet-4",
          "weight": 70
        },
        {
          "model": "openai/gpt-4o",
          "weight": 20
        },
        {
          "model": "ollama/llama3.1:70b",
          "weight": 10
        }
      ]
    }
  }
}

Kostenbasierte Strategie

{
  "models": {
    "loadBalancing": {
      "strategy": "cost_optimized",
      "dailyBudget": 10.00,
      "providers": [
        {
          "model": "anthropic/claude-opus-4-6",
          "maxBudget": 5.00,
          "useFor": ["complex", "reasoning"]
        },
        {
          "model": "anthropic/claude-sonnet-4",
          "maxBudget": 3.00,
          "useFor": ["chat", "code"]
        },
        {
          "model": "anthropic/claude-haiku-3.5",
          "maxBudget": 2.00,
          "useFor": ["simple", "high_frequency"]
        }
      ]
    }
  }
}

Best Practices für Modellkonfiguration

1. Schichtung nach Szenario

{
  "agents": {
    "defaults": {
      "model": "anthropic/claude-sonnet-4",
      "thinkingLevel": "medium"
    },
    "byUseCase": {
      "coding": {
        "model": "anthropic/claude-opus-4-6",
        "thinkingLevel": "high"
      },
      "chat": {
        "model": "anthropic/claude-haiku-3.5",
        "thinkingLevel": "minimal"
      },
      "research": {
        "model": "anthropic/claude-opus-4-6",
        "thinkingLevel": "xhigh"
      }
    }
  }
}

2. Vernünftiges Budget setzen

{
  "budget": {
    "daily": 20.00,
    "weekly": 100.00,
    "monthly": 400.00,
    "alertThreshold": 0.8,
    "hardLimit": true
  }
}

3. Überwachung und Analyse

{
  "analytics": {
    "trackUsage": true,
    "trackCosts": true,
    "trackPerformance": true,
    "exportPath": "~/.openclaw/analytics",
    "retentionDays": 30
  }
}

4. Testen und Verifizieren

# Modellverbindung testen
openclaw doctor --check models

# Bestimmtes Modell testen
openclaw agent --model anthropic/claude-opus-4-6 --message "Testnachricht"

# Modellantworten vergleichen
openclaw benchmark --models "anthropic/claude-opus-4-6,openai/gpt-4o" --prompt "Komplexe Frage"

Fehlerbehebung

Modellverbindung fehlgeschlagen

# API Key prüfen
openclaw config get models.anthropic.apiKey

# Verbindung testen
curl -X POST https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "claude-sonnet-4", "max_tokens": 10, "messages": [{"role": "user", "content": "hi"}]}'

# Netzwerk prüfen
ping api.anthropic.com

Rate-Limit

# Nutzung anzeigen
openclaw usage --today

# Beispielausgabe:
# Date: 2026-02-26
# Total tokens: 123,456
# Cost: $1.23
# Requests: 89

# Rate-Limit-Behandlung konfigurieren
openclaw config set models.anthropic.rateLimitHandling auto_retry

Probleme mit lokalen Modellen

# Ollama-Dienst prüfen
curl http://localhost:11434/api/tags

# Prüfen ob Modell geladen ist
ollama list

# Modell manuell laden
ollama run llama3.1:70b

# GPU-Nutzung prüfen
nvidia-smi

Fazit

Multi-Modell-Konfiguration ist eine der leistungsstarken Funktionen von OpenClaw:

• Flexibler Wechsel: Das passende Modell je nach Aufgabe wählen
• Failover-Schutz: Automatische Behandlung bei Modell-Nichtverfügbarkeit
• Kostenoptimierung: Vernünftige Budgetverteilung, Verschwendung vermeiden
• Lokale Unterstützung: Lokale Modelle für datenschutzsensible Szenarien

Durch vernünftige Modellkonfiguration findest du die beste Balance zwischen Leistung, Kosten und Datenschutz.

Zusammenfassung dieses Artikels:

• Konfigurationsmethoden verschiedener Modellanbieter beherrscht
• Failover-Strategie und Konfiguration verstanden
• Szenariobasierten dynamischen Modellwechsel erlernt
• Kostenoptimierungsstrategien und Überwachungsmethoden kennengelernt
• Konfiguration und Nutzung lokaler Modelle beherrscht

Änderungsprotokoll:

• 2026-02-26: Erstveröffentlichung, basierend auf OpenClaw v2026.2

Seriennavigation:

• ← Vorheriger Artikel: Gateway-Kernkonzepte
• → Nächster Artikel: Skills-System im Detail