KI-Agent zum Mitnehmen: OpenClaw auf dem Raspberry Pi Zero

Der Entwickler sebastianvkl hat den KI-Agenten OpenClaw in eine Kiste gepackt, die kleiner ist als eine Streichholzschachtel. Die Kommunikation läuft über Push-to-Talk, die Antwort erscheint auf einem kleinen Farb-LCD oder wird optional als Audio ausgegeben. Je nach Ausstattung liegen die Kosten bei rund 100 Euro. Der Code steht unter MIT-Lizenz. Außerdem ist es dem Projekt gelungen, innerhalb weniger Wochen bereits 470 Sterne bei GitHub einzusammeln (Stand: 25. Mai 2026). Spannend ist aber nicht die Hardware selbst, sondern die Architektur dahinter.

Was sebastianvkl gebaut hat

Das Projekt trägt den Namen pizero-openclaw und wurde unter der MIT-Lizenz veröffentlicht. Pizero macht aus einem Raspberry Pi Zero 2 W ein Sprachfrontend für einen OpenClaw-Agenten. Die Bedienung ist bewusst einfach gehalten.

Knopf gedrückt halten, sprechen, loslassen. Das Gerät schickt die Aufnahme an OpenAI Whisper. Das Transkript geht an ein OpenClaw-Gateway, die Streaming-Antwort wird live auf dem Display gerendert. Wort für Wort, mit pixelgenauem Zeilenumbruch. Wer möchte, lässt sich die Antwort zusätzlich über einen kleinen Lautsprecher vorlesen.

Im Ruhezustand zeigt das Display die Uhrzeit, das aktuelle Datum, den Akku-Stand sowie den WLAN-Status an. Das Device hält den Kontext über mehrere Gespräche hinweg. Der Standardwert liegt bei den letzten fünf Wortwechseln pro Anfrage. Eine eingebaute Spracherkennung verwirft leere Aufnahmen, bevor sie an die Transkriptions-API geschickt werden.

sebastianvkl liefert die entscheidende Einordnung gleich mit. Der Pi ist nicht der Agent. Er dient als Ohren und Augen für einen Agenten, der woanders läuft.

Anzeige

Die Architektur trennt Frontend und Inferenz sauber

Auf dem Pi Zero läuft keine Sprachmodell-Inferenz. Seine Aufgaben lassen sich präzise auflisten:

• Audio-Aufnahme über ALSA mit 16 kHz Sample-Rate auf plughw:1,0
• Stille-Erkennung über einen RMS-Schwellwert von 200
• HTTP-Aufruf an die OpenAI-Transkriptions-API
• HTTP-Aufruf an den OpenClaw-Gateway unter der konfigurierten URL
• Streaming-Empfang der Gateway-Antwort, Live-Rendering auf das LCD
• Optional: Text-to-Speech über OpenAI und Wiedergabe via aplay

Der Default für den Gateway-Endpunkt ist http://localhost:18789. Genau dort startet ein lokal installierter OpenClaw-Agent seinen HTTP-Prozess. Läuft der Agent auf einem stärkeren Gerät im LAN, genügt dessen LAN-Adresse. Das Sprachmodell läuft dann nicht auf dem Pi.

Genau hier liegt die Grenze. Der Pi Zero 2 W hat einen Quad-Core-ARM mit 1 GHz und 512 MB RAM. Damit lässt sich weder Claude Opus 4.6 noch ein lokales 7B-Modell vernünftig betreiben. Für ein Voice-Frontend reicht die Leistung aber aus. OpenClaw läuft grundsätzlich auf dem Raspberry Pi, aber für die LLM-Last sollte der Pi 5 mit acht GB RAM genutzt werden. Der Pi Zero spielt in einer anderen Klasse.

Welche Module den Stack tragen

Der Code des Projekts ist überschaubar und besteht fast vollständig aus Python. Die zentralen Module sind sauber getrennt und haben jeweils eine klar definierte Aufgabe.

• main.py ist der Orchestrator, die State Machine zwischen Knopf, Aufnahme, API-Calls und Display
• record_audio.py realisiert die ALSA-Aufnahme und das Silence-Gate
• transcribe_openai.py ist der Whisper-Client für die Speech-to-Text-Strecke
• openclaw_client.py postet an den /v1/responses-Endpunkt des Gateways und hält die Conversation-History
• tts_openai.py holt das Audio bei OpenAI und verstärkt es über sox um 9 dB
• display.py rendert Statuszeilen, Antworten, den Idle-Screen und Spinner

Wenn der OpenAI-Key fehlt, schaltet das Projekt automatisch in einen Dry-Run-Modus. Die Transkription liefert dann einen Platzhalter, die restliche Pipeline läuft normal. Ein praktisches Detail für Entwickler ist, dass sich Display- und Knopf-Verhalten testen lassen, ohne API-Calls auszulösen.