Wenn ein KI-Agent Routine entwickelt

Die meisten KI-Agenten haben ein eher kurzes Gedächtnis. Sie erledigen eine Aufgabe, liefern ein Ergebnis und starten beim nächsten Auftrag wieder weitgehend von vorne. Für einzelne Aufgaben reicht das oft aus. Bei wiederkehrenden Arbeitsprozessen wird es jedoch zur Begrenzung, wenn ein System keine Routinen entwickelt und frühere Arbeit nicht für spätere Aufgaben nutzbar macht.

Was passiert, wenn ein Agent sich tatsächlich erinnert? Wir haben das Open-Source-Framework Hermes Agent von Nous Research die letzten Tage in unseren Arbeitsalltag eingespannt.

Was Hermes anders macht

Hermes Agent ist ein im Februar 2026 von Nous Research veröffentlichtes Framework für autonome KI-Agenten, das unter MIT-Lizenz auf dem eigenen Server oder lokal läuft. Der zentrale Gedanke ist ein fest eingebauter Lernkreislauf, der parallel zur eigentlichen Arbeit mitläuft.

Nach einer konfigurierbaren Zahl von Tool-Iterationen (Standard = 15) stößt Hermes einen Skill-Review an. Dabei prüft der Agent, ob aus der laufenden Arbeit ein wiederverwendbarer Ablauf entstanden ist. Skills sind kleine Textdateien mit Handlungsanleitungen für bestimmte Aufgabentypen. Wenn ein bestehender Skill beim Einsatz nicht ausreicht oder ein besserer Ablauf gefunden wird, aktualisiert Hermes ihn für den nächsten Einsatz. Über die Zeit entsteht so eine Bibliothek, die sich mit wiederkehrender Nutzung weiterentwickelt.

Parallel pflegt Hermes zwei kompakte, bewusst zeichenbegrenzte Memory-Dateien: USER.md für persönliche Präferenzen und MEMORY.md für projektbezogene Fakten. Auch vollständige Session-Verläufe liegen zusätzlich in einer SQLite-Datenbank mit Volltextsuche und sind bei Bedarf abrufbar. Etwa alle zehn User-Turns prüft der Agent, was es wert ist, dauerhaft gespeichert zu werden. Über mehrere Sitzungen hinweg entsteht so ein wachsendes Nutzerprofil, das beim Start neuer Sessions wieder in den Kontext einfließt.

Im Ergebnis entsteht eine Architektur, in der wiederkehrende Arbeit zum Ausgangspunkt für Verbesserung wird. Der Fokus verschiebt sich von einmaliger Tool-Nutzung hin zu wiederkehrenden, lernenden Arbeitsprozessen.

Vereinfachte Übersicht des Self-Improvement-Loops von Hermes. Grafik erstellt mit Hilfe von GPT Image 2.

Unser Praxistest

In unserem Testbetrieb läuft unter Hermes ein News- und Research-Workflow. Der erste Baustein ist ein Tech-News-Scanner, der morgens relevante KI- und Technologiethemen aus verschiedenen Quellen filtert, verdichtet und als kuratierte Auswahl pünktlich per WhatsApp bereitstellt.

Der zweite Baustein ist ein tägliches „The-Decoder-Briefing“. Hermes erstellt daraus zunächst eine schriftliche Zusammenfassung mit den wichtigsten Punkten und erzeugt anschließend ein kurzes deutsches Audio-Briefing. Das Ergebnis landet als Sprachnachricht im WhatsApp-Kanal und ist damit direkt morgens nutzbar.

Ergänzend laufen kleinere Beobachtungskanäle für Reddit-AI-Trends und ein fortlaufendes LLM-Monitoring.

Spannender als die Workflows selbst ist allerdings, was dazwischen passiert.

Der spannende Teil: wachsendes Arbeitsgedächtnis

Nach einer komplexeren Aufgabe erscheint eine kurze Meldung dieser Art:

💾 Self-improvement review: Skill ‘pdf-report-generation’ created.

In diesem Fall hatten wir Hermes eine kleine Recherche gegeben und vorgegeben, das Ergebnis als PDF zurückzuliefern. Interessant war, was Hermes daraus als Skill ableitete: das allgemeinere Muster, aus einer Recherche einen strukturierten PDF-Report zu erzeugen. Damit liegt der wiederverwendbare Kern oberhalb des konkreten Recherchethemas. Beim nächsten Auftrag mit ähnlicher Anforderung kann der Agent darauf zurückgreifen. Über mehrere Sitzungen entsteht so eine Bibliothek, die sich an unsere Arbeitsweise anpasst, ohne dass wir jede Regel händisch pflegen müssen.

Genau darin sehen wir den interessanten Punkt: Ein Agent baut durch wiederkehrende Arbeit eine Art operatives Gedächtnis auf. Das ist sicherlich noch kein menschliches Lernen, aber es ist ein praktischer Schritt in Richtung agentischer Systeme, die ihre eigenen Arbeitsweisen mit der Zeit verbessern.

Oder anders formuliert: Du konfigurierst nicht mehr ein Tool, du arbeitest mit einem System, das mit dir wächst.

Hermes legt im Anschluss an die Aufgabe automatisch einen neuen Skill an: pdf-report-generation.

Audio: Hermes kann das Recherche-Ergebnis zusätzlich als Sprachnachricht liefern.

Wo Hermes aktuell noch Grenzen zeigt

Hermes ist noch ein recht junges Framework im Vergleich zu OpenClaw. Im Testbetrieb zeigt sich, dass einzelne Komponenten noch nicht durchgehend stabil wirken. In unserem Test mussten wir etwa das Gateway mehrmals neu starten. Auch öffentlich verfügbare Erfahrungsberichte und Community-Beispiele sind derzeit noch weniger zahlreich als bei OpenClaw.

Hermes eignet sich gut für schnelle Zusammenfassungen, wiederkehrende Abläufe und kompakte Outputs, vor allem bei kleineren, repetitiven Aufgaben. Für tiefe Long-Form-Ausarbeitungen braucht es derzeit noch zusätzliche Qualitätssicherung und manuelle Nacharbeit.

Für komplexe Multi-Agent-Setups mit mehreren spezialisierten Rollen bringt OpenClaw aktuell mehr native Werkzeuge mit. Wer solche Architekturen plant, sollte das Framework gezielt nach dem Szenario auswählen.

Vergleich von Hermes und OpenClaw, erstellt mit Hermes direkt aus WhatsApp heraus.

Setup-Hinweis

Hermes ist für den Dauereinsatz ausgelegt. Ein separater Rechner oder Server ist deshalb sinnvoll. Bei uns läuft das System auf einem Laptop mit Ubuntu 24.04. Als Sprachmodell nutzen wir GPT 5.5 über die ChatGPT-Codex-CLI; dadurch entstehen keine zusätzlichen API-Kosten.

Für den Einstieg kommen je nach Anspruch ein Mini-PC, ein separater Laptop oder ein kleiner VPS infrage, sodass das System in einer Sandbox läuft, sollte es doch mal autonom Fehlentscheidungen treffen. Projektseite und Setup-Anleitung finden sich unter hermes-agent.nousresearch.com, der Code liegt im GitHub-Repository von Nous Research.

Die Installation ist schnell angestoßen und führt Schritt für Schritt durch die Einrichtung. Nach rund 15 Minuten konnten wir mit der ersten Session starten.

Fazit

Spannend ist vor allem die Idee hinter Hermes Agent: Aus wiederkehrenden Aufgaben entstehen nach und nach wiederverwendbare Fähigkeiten.