Paperclip - Agenten mit Orgchart, Budgets und Freigaben verwalten

Direkte Antwort

Paperclip ist eine quelloffene Anwendung unter MIT-Lizenz, die mehrere KI-Agenten als ein verantwortliches Team führt — mit Organigramm, Rollen, Berichtswegen, Budgets und Freigaben. Sie lässt sich vollständig selbst hosten, ohne Konto beim Anbieter.

Wichtig für die Einordnung auf dieser Seite: Paperclip ist keine Agenten-Umgebung und kein Sprachmodell. Es ist die Verwaltungsschicht über bestehenden Laufzeiten. Die Intelligenz kommt weiterhin von den Agenten, die darunter arbeiten.

Und damit die ehrliche Grenze gleich mit: Ein dokumentierter Support für lokale Modelle existiert nicht. Die Dokumentation beschreibt das Modell so, dass man eigene Modell-Schlüssel mitbringt und den Anbieter direkt bezahlt — das setzt einen Anbieter voraus. Von den vier Werkzeugen, die auf dieser Seite behandelt werden, hat Paperclip damit den schwächsten Bezug zum lokalen Betrieb.

Was Paperclip löst

Das Problem ist real, wenn man mehr als einen Agenten laufen hat. Jede Laufzeit hat eigene Konfiguration, eigene Kosten und eigene Protokolle. Wer drei davon parallel betreibt, verliert den Überblick darüber, was wie viel verbraucht hat und wer was freigegeben hat.

Paperclip legt darüber eine Struktur, die man aus Organisationen kennt: Rollen mit Zuständigkeiten, Berichtswege, Budgets pro Einheit und Freigaben für das, was nicht ohne Rückfrage passieren soll. Der Ansatz behandelt Agenten also nicht als Werkzeuge, sondern als Beteiligte, deren Handeln nachvollziehbar bleiben muss.

Technisch ist es ein Node.js-Server mit React-Oberfläche und PostgreSQL dahinter.

Selbst hosten

# Node 20 oder neuer; eingebettete PostgreSQL-Datenbank inklusive
npx paperclipai onboard

Alternativ gibt es ein Docker-Compose-Setup. Wer selbst hostet, behält die volle Kontrolle und übernimmt im Gegenzug Aktualisierung, Sicherung und Absicherung — dieselbe Rechnung wie bei jeder selbst betriebenen Software.

Die Selbsthosting-Option ist der Teil, der für DACH-Unternehmen zählt: Die Verwaltungsebene, in der Budgets, Freigaben und Protokolle liegen, bleibt im eigenen Haus. Was durch die Agenten selbst an Modelle geht, ist davon allerdings unberührt — siehe der nächste Abschnitt.

Wo der Bezug zu lokalen Modellen aufhört

Paperclip spricht über Adapter mit bestehenden Laufzeiten. Genannt werden unter anderem Claude Code, OpenAI Codex, Google Gemini, Cursor, OpenCode, Pi, OpenClaw und Hermes, dazu generische Adapter für Shell-Skripte und HTTP.

Zwei Namen in dieser Liste sind für diese Seite interessant: OpenClaw und Hermes. Beide haben einen echten lokalen Pfad — OpenClaw unterstützt ausdrücklich Ollama, LM Studio und vLLM, und Hermes ist ein Modell, das du selbst herunterlädst.

Daraus folgt der einzig belastbare lokale Weg: Der lokale Anteil liegt in der Laufzeit darunter, nicht in Paperclip. Bindest du OpenClaw mit lokalem Modell ein, läuft die Inferenz auf deiner Hardware, und Paperclip verwaltet lediglich Rollen, Budgets und Freigaben darüber.

Was ich nicht behaupten kann: dass Paperclip lokale Modelle als Funktion unterstützt. Die Doku spricht von mitgebrachten Modell-Schlüsseln und direkter Bezahlung des Anbieters. Der generische HTTP-Adapter könnte theoretisch auf localhost:11434 zeigen — aber das ist eine Ableitung aus der Architektur, keine dokumentierte Zusicherung, und wer produktiv damit plant, sollte es vorher selbst prüfen.

Ein Nebeneffekt, der zur Ehrlichkeit gehört: Budgets ergeben vor allem dort Sinn, wo Kosten pro Aufruf anfallen. Bei rein lokalem Betrieb liegen die API-Kosten bei null — dann verwaltet Paperclip ein Budget, das nicht verbraucht wird. Die Freigaben und Protokolle bleiben nützlich, das Kostenargument entfällt.

Was es ausdrücklich nicht ist

Die eigene Dokumentation ist an dieser Stelle erfreulich unaufgeregt und nennt zwei Abgrenzungen:

• Kein Agenten-Framework wie CrewAI oder AutoGen. Es baut keine Agenten, es verwaltet sie.
• Keine Firma, die sich selbst führt. Stand 2026 funktioniert es als betreutes Team — jemand schaut weiterhin darauf.

Das ist bemerkenswert, weil der Name und das Umfeld etwas anderes nahelegen. Wer eine Automatisierung erwartet, die ohne Aufsicht Ergebnisse liefert, wird enttäuscht — und zwar unabhängig davon, ob die Modelle lokal oder in der Cloud laufen. Warum lokale Modelle bei mehrstufigen Aufgaben zusätzlich früher aussteigen, steht unter Cloud vs. Lokal.

Wann Paperclip einen Blick wert ist

Sinnvoll, wenn du bereits mehrere Agenten-Laufzeiten parallel betreibst, den Überblick über Kosten und Freigaben verloren hast und diese Ebene selbst hosten willst.

Nicht sinnvoll, wenn du einen einzelnen Agenten betreibst — dann verwaltest du ein Team aus einer Person. Und nicht als Einstieg in lokale Sprachmodelle: Dafür ist es die falsche Ebene, drei Stockwerke über der Frage, welches Modell auf deiner Hardware läuft.

Nächster Schritt

Wenn dich an diesem Thema der lokale Teil interessiert, fang eine Ebene tiefer an: OpenClaw mit lokalem Modell beschreibt einen Agenten, der tatsächlich ohne Cloud-Anbieter auskommt — samt der Sicherheitsfragen, die dabei zu klären sind. Das passende Modell dazu steht unter Hermes lokal installieren.