OpenHuman Installationsanleitung 2026 | Lokaler KI-Avatar von Null

Inhaltsverzeichnis

01 · Was ist OpenHuman?

OpenHuman ist eine lokal-first Open-Source-Agentenplattform von TinyHumans für macOS, Windows und Linux. Anders als ein Chatbot baut sie einen persistenten Memory Tree (SQLite): E-Mails, Kalender, Slack und Repos werden lokal strukturiert – jede Antwort nutzt diesen Kontext.

2026 bringt Meeting Agent, multimodales Kontextverständnis und Obsidian-Anbindung. Für Entwickler und Kreative ist es eher ein digitales Gegenstück als ein Werkzeug. Entscheidend: Kerndaten bleiben auf Ihrem Rechner, solange Sie keinen gehosteten Modell-Endpunkt setzen.

02 · Drei typische Installationsprobleme

Bevor Sie installieren, die drei häufigsten Stolpersteine:

Python-Konflikte. macOS bringt oft Python 2.7/3.8 mit; ohne venv landet pip install openhuman im falschen Interpreter mit Kettenfehlern. Erforderlich: Python 3.10+, empfohlen 3.11 per pyenv.
Modellgewichte. HuggingFace langsam/blockiert, Multi-GB ohne zuverlässiges Resume; ModelScope braucht Konto. Reihenfolge: ModelScope → HF-Spiegel → alternative Spiegel.
GPU-Backend. Windows: CUDA/PyTorch-Mismatch; Intel-Mac ohne CUDA; Apple Silicon: MPS, nicht CUDA installieren.

Dieser Guide liefert pro Plattform geprüfte Befehlsfolgen für alle drei Punkte.

03 · Hardware-Matrix

Die Tabelle fasst offizielle Mindestanforderungen und Installationswege 2026 zusammen. Für lokale LLMs zuerst RAM und SSD prüfen.

Punkt	Minimum	Empfohlen	Hinweis
OS	macOS 12 / Win 10 / Ubuntu 20.04	macOS 14+ / Win 11 / Ubuntu 22.04	Apple Silicon: macOS 13+
RAM	4 GB	16 GB+	Große Mailbox + lokales LLM
GPU	Keine (CPU)	NVIDIA RTX / Apple M	Inferenz ~5–10× schneller
Speicher	10 GB	50 GB+ SSD	Memory Tree wächst mit Daten
macOS	Homebrew brew install openhuman		Homebrew prüft Signaturen
Linux	apt signiertes apt oder AUR		Ubuntu 20.04 LTS+
Windows	MSI signiertes MSI		CUDA 12.x für GPU

📌 Drei harte Daten: ① Minimum 4 GB RAM, lokales Modell 16 GB+; ② erste Memory-Tree-Sync ~20 Min.; ③ MPS auf Apple Silicon typisch 5–8× schneller als CPU.

04 · Umgebung vorbereiten

Python-Versionen

OpenHuman benötigt Python 3.10+. Isolieren Sie mit pyenv oder conda.

                        # Verify Python

python3 --version   # 3.10+

# macOS: pyenv

brew install pyenv

pyenv install 3.11.9 && pyenv global 3.11.9

# venv

python3 -m venv openhuman_env

source openhuman_env/bin/activate   # Linux/macOS

openhuman_env\Scripts\activate       # Windows

Git prüfen

                        # Git-Version prüfen

git --version   # 2.x+

# macOS

brew install git

GPU-Hinweise

Apple Silicon (M1–M4): MPS automatisch, kein CUDA. NVIDIA unter Windows/Linux: CUDA 12.x und passendes PyTorch von pytorch.org zuerst installieren.

Unter Windows/Linux mit NVIDIA: CUDA 12.x und passendes PyTorch zuerst – falsche Kombinationen sind die häufigste GPU-Fehlerquelle.

05 · Fünf Installationsschritte

Schritt 1 — macOS: Homebrew

                        # Official tap

brew tap humansai/openhuman

brew install openhuman

# Verify

openhuman --version

Homebrew prüft Hashes und Abhängigkeiten. Start aus Applications oder Terminal.

Schritt 2 — Linux: apt-Repo

                        sudo apt-get install -y gnupg2 curl ca-certificates

curl -fsSL https://tinyhumansai.github.io/openhuman/apt/KEY.gpg \

  | sudo gpg --dearmor -o /etc/apt/keyrings/openhuman.gpg

echo "deb [signed-by=/etc/apt/keyrings/openhuman.gpg arch=amd64] \

  https://tinyhumansai.github.io/openhuman/apt stable main" \

  | sudo tee /etc/apt/sources.list.d/openhuman.list

sudo apt-get update && sudo apt-get install -y openhuman

Arch: yay -S openhuman-bin

Schritt 3 — Windows: MSI

Signiertes MSI von tinyhumans.ai/openhuman. Für GPU zuerst CUDA 12.x. Installer richtet Menü und Sync-Dienst ein.

Schritt 4 — Login & Rechte

Mit GitHub/Google anmelden. macOS fragt Bedienungshilfen und Eingabeüberwachung ab – in den Systemeinstellungen oder unter Einstellungen → Automation & Channels.

Für Self-Hosting: Custom / Local und Konfigurationsdatei bearbeiten:

                        # macOS: ~/Library/Application Support/openhuman/config.toml

[model]

provider = "custom"

base_url = "https://api.deepseek.com"

api_key  = "<YOUR_API_KEY>"

[memory]

backend  = "local"

Schritt 5 — Datenquellen & Memory Tree

Im Integrations-Panel drei wichtige Quellen per OAuth verbinden. Erste Vollsynchronisation ~20 Min. – App nicht beenden; danach Sekunden für Inkremente.

Für lokale Inferenz laden Sie Checkpoints über HuggingFace, ModelScope oder alternative Spiegel und tragen den Pfad in config.toml oder Integrations ein. Der erste Download kann 30+ Minuten dauern – parallel zur ~20-minütigen Memory-Tree-Sync.

06 · Erste Prüfung & Fehlertabelle

Test-Prompt über Web-UI oder API senden, Memory Tree im Knowledge-Panel prüfen. Keine Antwort? Zuerst provider/API-Key oder Ollama-Endpoint in config.toml checken.

Fehler	Ursache	Fix
ModuleNotFoundError: openhuman	pip in falschem venv	venv aktivieren, neu installieren
MPS not available	PyTorch ohne MPS	PyTorch 2.0+ arm64 für macOS
Memory DB locked	mehrere Instanzen	alle openhuman-Prozesse beenden
Integration OAuth failed	Systemuhr falsch	Zeit sync, OAuth erneut
Ingest timeout	zu viele Quellen beim Start	Integrationen stufenweise

07 · Fortgeschritten: Ollama & Web UI

Ollama für Offline

Für vollständig offline Ollama als Backend in config.toml setzen:

                        [model]

provider = "custom"

base_url = "http://localhost:11434"

model    = "deepseek-r1:14b"

Auf M4 ~18–25 tok/s mit 14B quantisiert – für Dialoge ausreichend. 70B+: Mac mini M4 64 GB+ oder Mac Studio.

Memory-Datenbankpfade

macOS: ~/Library/Application Support/openhuman/memory.db
Linux: ~/.local/share/openhuman/memory.db
Windows: %APPDATA%\openhuman\memory.db

Memory Tree mit Obsidian Vault verknüpfen – beliebt bei Forschung und Schreiben.

OpenClaw & OpenHuman auf gemietetem Mac mini M4

08 · Warum Mac-Miete oft schlauer ist

Eigene Hardware funktioniert – aber diese Reibung sollten Sie kennen:

Anschaffungskosten. Mac mini M4 16 GB ab ~600 USD; Mac Studio 512 GB >3.000 USD – für ein Wochenend-Test teuer.
Ressourcenkonflikt. Ollama + Sync auf dem Hauptrechner bremst Browser, Xcode, Design-Tools.
Windows/Linux-Komplexität. CUDA-Matrix, WSL2, Pfade – Stunden beim Erstsetup; sauberes macOS vermeidet viel davon.
Nicht aufrüstbarer RAM. Unified Memory ist verlötet – bei Wachstum ganzer Rechnertausch.

Tagesmiete Mac mini M4/Studio: sauberes macOS mit MPS, Workflow günstig validieren, dann langfristig mieten oder kaufen.

Web-UI und API testen

Starten Sie nach der Installation die Web-UI und senden Sie eine einfache Frage (z. B. Zusammenfassung ungelesener Mails der aktuellen Woche). Bei Ollama zuerst ollama pull deepseek-r1:14b ausführen. Empfohlen: zuerst Cloud-API testen, dann auf localhost:11434 umschalten – so trennen Sie Netzwerk- von Modellproblemen.

Während der ~20-minütigen Erstsynchronisation keine großen lokalen Modelle parallel starten. Unter Apple Silicon zeigt der Aktivitätsmonitor MPS-Last; unter Windows prüfen Sie im Task-Manager, ob CUDA-Prozesse laufen.

Drei Download-Kanäle im Vergleich

HuggingFace bietet das größte Modellangebot, kann in Europa aber langsam sein – Nacht-Downloads oder kabelgebundene Verbindung helfen. ModelScope ist in Asien oft schneller, erfordert Kontoregistrierung. Alternative Spiegel eignen sich für 20GB+ Checkpoints. Tragen Sie den finalen Pfad konsistent in config.toml und Integrations ein.

Logs unter macOS: ~/Library/Logs/openhuman/, Linux: ~/.local/state/openhuman/logs/. OAuth-Fehler: Systemzeit, Firmenproxy blockiert localhost-Callback, oder Popup-Blocker – Callback-URL zulassen.

Im Gegensatz zum OpenClaw-Doppelstack deckt dieser Artikel nur die Einzelinstallation ab – validieren Sie zuerst OpenHuman, dann Multi-Agent-Setups.

09 · FAQ

Ohne GPU?

Ja. Cloud-API reicht; Memory Tree braucht keine GPU. Lokale Inferenz langsamer (2–4× vs. MPS).

Apple Silicon nativ?

Ja. Homebrew arm64, MPS ab macOS 13 automatisch, deutlich schneller als Rosetta.

Langsame Downloads?

① ModelScope; ② HuggingFace mit HF_ENDPOINT-Spiegel; ③ große Dateien über alternative Mirrors. CLI mit Resume bevorzugen.

Update?

macOS: brew upgrade openhuman; Linux: apt install --only-upgrade openhuman; Windows: neues MSI drüber – Config/DB bleiben.

Kommerziell?

Kern MIT, privat frei. Kommerziell tinyhumans.ai prüfen; gehostete APIs ggf. separat lizenziert.

Hermes Agent Installationsanleitung 2026