Hermes Agent ist ein selbstlernender, Open Source KI Agent von Nous Research, der im Februar 2026 unter MIT Lizenz veröffentlicht wurde. Anders als klassische Chatbot Wrapper oder IDE gebundene Copiloten lebt Hermes Agent dauerhaft auf dem eigenen Server, merkt sich Kontext über Sessions hinweg und wird mit jeder Interaktion leistungsfähiger. Die Software unterstützt Telegram, Discord, Slack, WhatsApp, Signal und CLI über ein einziges Gateway.

Das Projekt liegt inzwischen bei über 224.000 GitHub Stars und ist damit eines der am schnellsten wachsenden Open Source KI Projekte 2026. Hermes Agent kombiniert persistentes Memory, ein autonomes Skills System und MCP Integration in einem einzigen, selbst gehosteten Paket. Für Unternehmen, die KI Agenten lokal und DSGVO konform betreiben wollen, ist Hermes Agent eine ernstzunehmende Alternative zu Cloud basierten Lösungen.

Neu dazugekommen ist Bot Mode. Damit werden aus den Hermes Profilen benannte Bots mit eigener Rolle, eigenem Modell, eigenem Memory und eigenem Bild. Bots erledigen wiederkehrende Routinen, sitzen zusammen in Gruppenchats und schicken sich gegenseitig Nachrichten. Ausgeliefert wird das Feature fest eingebaut in Hermes Desktop, standardmäßig aktiv ab Version 0.20.3.

Davor kam am 3. August 2026 das Herald Release in Version 0.20.0. Es bringt gesprochene Dialoge, das A2A Protokoll für die Kommunikation mit fremden Agenten, signierte Webhooks nach außen und belegte Recherche. Details stehen weiter unten im eigenen Abschnitt.

Hermes Agent basiert auf der Hermes Modellfamilie (aktuell Hermes 4.3 auf ByteDance Seed 36B), kann aber mit jedem OpenAI kompatiblen Endpoint betrieben werden: Nous Portal, OpenRouter, OpenAI, DeepSeek, Qwen oder lokale Modelle via Ollama. Der Wechsel zwischen Providern erfolgt ohne Code Änderungen über einen einzigen CLI Befehl.

Hermes Agent unterscheidet sich von klassischen KI Assistenten durch drei Kernmechanismen, die zusammen einen geschlossenen Lernkreislauf bilden: persistentes Memory, autonome Skill Erstellung und Selbstoptimierung via GEPA.

Persistentes Memory: Hermes Agent nutzt FTS5 Volltextsuche mit LLM Zusammenfassungen für sitzungsübergreifende Erinnerung. Das System speichert Projekte, Präferenzen und Arbeitskontext dauerhaft. Zusätzlich unterstützt Hermes modulare Memory Backends wie Honcho, Mem0, Hindsight oder RetainDB. Je länger der Agent läuft, desto besser kennt er den Nutzer und dessen Arbeitsweise.

Autonome Skill Erstellung: Nach Abschluss komplexer Aufgaben (typischerweise ab fünf Tool Calls) synthetisiert Hermes Agent die Erfahrung automatisch in ein wiederverwendbares Skill Dokument. Diese Skills folgen dem offenen agentskills.io Standard, sind durchsuchbar, teilbar und verbessern sich bei jeder Nutzung selbst. Der Agent erstellt, aktualisiert und löscht Skills während laufender Sessions.

GEPA Self Evolution: Das begleitende GEPA System (ICLR 2026 Oral Acceptance) analysiert Ausführungsprotokolle, erkennt Ineffizienzen und optimiert Prompts sowie Prozeduren über DSPy. Wenn eine Aufgabe 47 Tool Calls benötigt, aber in 12 lösbar wäre, identifiziert GEPA diese Lücke und passt den Skill entsprechend an.

Bot Mode macht aus den Profilen von Hermes Agent ein Roster benannter Bots. Jeder Bot hat eine eigene Rolle, ein eigenes Modell, eigenes Memory, eigene Skills und ein eigenes Bild. Nous Research hat das Feature zuerst als eintägige Public Beta über ein separates Desktop Plugin getestet. Inzwischen ist Bot Mode fest in Hermes Desktop eingebaut und ab Version 0.20.3 standardmäßig aktiv. Das eigenständige Repository ist archiviert, die Entwicklung läuft im Hauptprojekt weiter.

Ein Bot ist ein Profil. Es gibt kein neues Konzept zu lernen. Bot Mode ist eine Oberfläche über den bestehenden Hermes Profilen unter ~/.hermes/profiles/. Config, Memory, Skills, Zugangsdaten und Chatverlauf bleiben pro Bot sauber getrennt. Alles bleibt aus dem Terminal erreichbar: hermes -p bot chat öffnet denselben Agenten, den man im Desktop anklickt. Keine Core Patches, keine zusätzlichen Daemons, kein extra Storage.

Angelegt ist ein Bot in Sekunden. Name, Titel, Beschreibung reichen, danach stellt sich der Bot in seinem eigenen Chat selbst vor. Wer mehr braucht, öffnet den Advanced Bereich: klonen aus einem bestehenden Profil, Model Pin auf einen beliebigen Provider, eigene SOUL.md als Persona, gezielte Freigabe einzelner Skills, Toolsets und MCP Server. Verschiedene Bots laufen parallel auf verschiedenen Modellen. Ein Rechercheur auf einem großen Modell, ein Routinebot auf einem kleinen lokalen Modell über Ollama.

Routines hängen wiederkehrende Aufgaben an den Bot, der sie erledigt. Die Zusammenfassung der Mails am Morgen liegt beim Mailbot, der Report am Freitag beim Reportbot. Technisch sind das normale Hermes Cron Jobs mit dem Namensschema [bot:name]. Sie tauchen weiter in hermes cron list auf, und die Ergebnisse landen im Chat des jeweiligen Bots. Wer Skills sauber nach SKILL.md Standard pflegt, baut sich damit Spezialisten, die man einmal einrichtet und dauerhaft nutzt.

Bots lassen sich in Gruppen sortieren. Jede Gruppe bekommt eine eigene Zeile im Roster und einen gemeinsamen Raum für zwei bis sechs Bots. Eine Nachricht löst maximal drei serielle Runden aus. Wer per @Name angesprochen wird, antwortet. Ist niemand genannt, kommt jeder einmal dran und darf auch passen. Harte Grenzen von zehn Nachrichten pro Senden und drei Runden verhindern, dass sich ein Raum aufschaukelt.

Braucht der Raum eine menschliche Entscheidung, holt ein Bot mit @user den Nutzer dazu und die Gruppenzeile markiert das. Jedes Mitglied behält dabei seine eigene Session zum Raum. Der Kontext überlebt also wie in jedem anderen Chat. Das Muster kennen Teams aus dem Agentic Coding und aus Frameworks wie CrewAI oder LangGraph, hier sitzt es aber direkt in der Desktop Oberfläche.

Direkte Übergaben laufen über @Mentions in jedem beliebigen Chat. Der aktive Bot reicht die Nachricht weiter, wartet auf die Antwort und meldet zurück. Das Protokoll dafür schreibt Hermes automatisch in den kanonischen Bot Chat, steuerbar über agent.bot_mode_protocol in der config.yaml. Über Rechnergrenzen hinweg funktioniert das mit registrierten Peers:

Wichtig für die Erwartungshaltung: Die Zustellung passiert pro Aufruf. Ein Bot nimmt die Nachricht auf, wenn er das nächste Mal läuft. Ein laufendes Gespräch lässt sich nicht unterbrechen. Wer harte Echtzeit braucht, bleibt bei einer klassischen Queue.

Der Gewinn liegt im Zuschnitt. Ein Bot mit enger Persona, drei freigegebenen Skills und einem passenden Modell arbeitet sauberer als ein Generalist, der alles kann und deshalb nichts richtig. Genau das ist auch die Antwort auf ein bekanntes Problem: Je schmaler der Auftrag, desto weniger Ballast schleppt der Agent im Context Window mit sich herum.

Die Kehrseite sind die Kosten. Mehr Bots heißen mehr parallele Kontexte, und ein Gruppenchat mit drei Runden vervielfacht die Aufrufe pro Nachricht. Wer produktiv damit arbeitet, sollte den Verbrauch messen und Limits setzen, etwa über LiteLLM als Proxy mit Budget Limits. Die Regeln aus dem Beitrag weniger Tokens brauchen gelten für ein Bot Team stärker als für einen einzelnen Agenten.

Beim Datenschutz gilt die NCA Regel: Coding aus der Cloud, Datenverarbeitung im eigenen Netz. Bots teilen sich standardmäßig einen Token Pool mit dem Hauptprofil, deshalb bekommt jeder Bot nur die Skills, Toolsets und MCP Server, die er wirklich braucht. Modelle, die nicht auf eigener Infrastruktur laufen, arbeiten gegen lokale Entwicklungsumgebungen mit Fake Daten, nie gegen echte Bestände. Für dauerhaft laufende Routinen eignen sich kleine Modelle über Ollama, alles Weitere gehört in eine bewusst gewählte Architektur für self hosted KI im Unternehmen und in die Compliance Bewertung lokaler KI.

Ehrlich bleibt: Bot Mode ist eine Oberfläche, kein neuer Motor. Profile, Cron Jobs und Skills gab es vorher. Wer ausschließlich über CLI und Gateway arbeitet, gewinnt wenig. Wer dagegen mehrere Spezialisten betreut, gewinnt Übersicht, klare Übergaben und ein Roster, das über mehrere Rechner hinweg zusammenhält. Das Feature ist jung, entsprechend gehört es in eine Testumgebung, bevor es an produktive Zugänge darf.

Wo Bot Mode an seine Grenze kommt, fängt das Board an. Sobald Aufgaben voneinander abhängen, parallel laufen sollen oder über Tage nachvollziehbar bleiben müssen, ist Hermes Kanban das passende Werkzeug. Kurz gesagt: Bot Mode ist das Team, Kanban ist das Projekt.

Version 0.20.0 vom 3. August 2026 heißt Herald Release und ist der größte Sprung seit dem Start. Hermes spricht, redet mit fremden Agenten, meldet Ereignisse nach außen und belegt seine Recherche. Vier Bausteine, die zusammen aus einem Textassistenten eine Komponente im System machen.

Gesprochene Dialoge. Die Antwort wird satzweise gesprochen, während sie noch entsteht. Wer dazwischenredet, unterbricht den Agenten wirklich: Hermes hört auf, hört zu und bekommt mitgeteilt, dass der Nutzer eingegriffen hat. Weckwörter erkennt das System auf dem Gerät, es verlässt also kein Audio den Rechner, solange gewartet wird. Sprachnachrichten funktionieren auch über die Gateways, von WhatsApp bis LINE.

A2A Protokoll in Version 1.0. Ein mitgeliefertes Plugin bringt das Agent to Agent Protokoll. Hermes findet andere kompatible Agenten, spricht mit ihnen und lässt sich von ihnen steuern. Damit gibt es einen Standard für gemischte Landschaften, in denen nicht jeder Agent aus demselben Framework kommt. Wer heute schon mit CrewAI oder LangGraph arbeitet, kennt das Problem und musste es bisher selbst lösen.

Signierte Webhooks nach außen. Bisher lief Integration nur in eine Richtung: pollen oder auf einer Plattform lauschen. Jetzt schickt Hermes Ereignisse aktiv an jeden HTTP Endpunkt, den man registriert. Sessionaktivität, abgeschlossene Turns, Tool Events. Jedes Paket trägt eine HMAC Signatur, der Empfänger prüft die Echtheit selbst. Für Workflow Automation mit n8n, für CI Pipelines oder Dashboards ist das der praktischste Punkt am ganzen Release.

Belegte Recherche. Der Skill grounded-citations prüft jedes Zitat gegen den tatsächlichen Seitentext, statt es aus dem Modellgedächtnis zu erzeugen. Quellenangaben zeigen auf die konkrete Stelle. Ein Fact Checking Modus wendet dieselbe Mechanik auf fremde Dokumente an und trennt sauber in belegt, widerlegt und nicht prüfbar. Wer KI für Recherche einsetzt, bekommt damit den Unterschied zwischen klingt richtig und ist belegt.

Dazu kommt eine Welle an Kleinigkeiten, die im Alltag mehr bringen als die Schlagzeilen. Mit !befehl läuft ein Shell Kommando, ohne einen Modellzug zu verbrauchen. /init scannt das Projekt und schreibt eine AGENTS.md. /context zeigt, was das Context Window füllt. Korrekturen mitten im Turn lenken den laufenden Auftrag um, statt ihn abzubrechen. Und das Limit für Tool Aufrufe pro Auftrag stieg von 90 auf 500, lange autonome Läufe rennen also nicht mehr gegen eine künstliche Wand.

Die Installation von Hermes Agent erfolgt über einen einzigen Terminal Befehl auf Linux, macOS oder WSL2. Der Installer erkennt das Betriebssystem automatisch und richtet alle Abhängigkeiten ein. Für Windows gibt es seit dem Foundation Release eine native Beta, stabil bleibt der Weg über WSL2. Android Nutzer installieren Hermes über Termux.

Wichtig seit dem Herald Release: Node 26 ist Pflicht, und die Installationskanäle wurden zusammengestrichen. Homebrew und die pip beziehungsweise PyPI Wheels sind raus. Unterstützt bleiben der Shell Installer, Docker und Nix. Wer noch über brew oder pip installiert hat, wechselt beim nächsten Update den Kanal.

Nach der Installation konfiguriert hermes setup den Model Provider und verbindet Messaging Plattformen. Der Wizard bietet drei Modi: Quick Setup über das Nous Portal ohne API Key, Full Setup mit allen Optionen und seit Juni den Blank Slate Modus. Blank Slate startet nur mit Provider, Modell, Dateizugriff und Terminal. Alles andere bleibt aus und wird bewusst einzeln zugeschaltet. Für Teams mit Guardrails Anspruch ist das der richtige Einstieg.

Hermes Agent unterstützt über 200 Modelle via OpenRouter, dazu Nous Portal, OpenAI, DeepSeek, Qwen, Kimi, MiniMax und beliebige OpenAI kompatible Endpoints. Für den vollständig lokalen Betrieb eignet sich die Kombination mit Ollama und einem lokalen Modell wie Hermes 4.3 oder Qwen. Das Gateway verbindet Telegram, Discord, Slack, WhatsApp, Signal und Mail über einen einzigen Prozess, der eingebaute Cron Scheduler erledigt Aufgaben nach Zeitplan.

Die Debatte zwischen Hermes Agent und OpenClaw bestimmt die KI Agent Community im Frühjahr 2026. Beide Projekte verfolgen unterschiedliche Philosophien: OpenClaw setzt auf ein breites Ökosystem mit über 44.000 Community Skills und einem Gateway GUI für Einsteiger. Hermes Agent konzentriert sich auf kognitive Tiefe: selbstlernende Skills, persistentes Memory und autonome Selbstverbesserung.

Architektur: OpenClaw basiert auf TypeScript/Node.js mit einem zentralen Controller, der alle Aufgaben orchestriert. Hermes Agent ist in Python geschrieben und organisiert sich um einen wiederholbaren Zyklus aus Ausführen, Lernen und Verbessern. In Praxistests reagiert Hermes Agent schneller auf Tool Calls und zeigt niedrigere Latenz, was an der leichtgewichtigen Terminal Architektur liegt.

Migration: Hermes Agent bietet mit hermes claw migrate ein dediziertes Migrationstool, das SOUL.md Persona Dateien, Memory Einträge, Skills, Messaging Konfigurationen und API Schlüssel in einem interaktiven Prozess mit Dry Run Vorschau importiert. Das Tool erkennt automatisch bestehende OpenClaw, ClawdBot und MoltBot Installationen. Beide Agents können parallel betrieben und über das Agent Communication Protocol (ACP) miteinander kommunizieren.

Wann OpenClaw, wann Hermes: Teams, die ein großes Ökosystem vorgefertigter Skills und einfachen Einstieg bevorzugen, sind mit OpenClaw gut bedient. Wer einen KI Agenten sucht, der sich langfristig an individuelle Arbeitsweisen anpasst, Skills autonom erstellt und sich dabei stetig verbessert, findet in Hermes Agent die zukunftsfähigere Architektur.

Für europäische Unternehmen ist die DSGVO Konformität von KI Agenten eine zentrale Anforderung. Hermes Agent bietet hier klare Vorteile: Die Software läuft vollständig selbst gehostet, enthält keine Telemetrie, kein Tracking und keinen Cloud Lock in. Alle Daten bleiben auf der eigenen Infrastruktur.

In Kombination mit lokalen Modellen über Ollama entsteht ein vollständig offline fähiger KI Agent ohne externe API Calls. Hermes 4.3 (35B A3B Mixture of Experts) läuft auf Apple Silicon mit 32 GB RAM komfortabel und erreicht auf M3 Max etwa 35 Tokens pro Sekunde. Damit ist ein produktiver, DSGVO konformer Betrieb ohne Cloud Abhängigkeit möglich.

Die sechs unterstützten Terminal Backends (Lokal, Docker, SSH, Daytona, Singularity, Modal) ermöglichen flexible Deployment Szenarien: vom 5 Dollar VPS bis zur Serverless Cloud Infrastruktur. Für Unternehmen, die sensible Daten verarbeiten oder regulatorische Anforderungen wie CMMC, HIPAA oder branchenspezifische Compliance Frameworks erfüllen müssen, ist das Self Hosting Modell von Hermes Agent die sicherste Wahl.

Never Code Alone begleitet Unternehmen bei der Auswahl, Einrichtung und Integration von KI Agent Frameworks. Unsere praktische Erfahrung umfasst den produktiven Einsatz verschiedener Tools aus dem KI Agent Ökosystem: von OpenClaw als autonomem Assistenten über Paperclip für die Orchestrierung von KI Agenten Teams bis zu Agentic Coding Workflows im Alltag.

Bei der Bewertung neuer Frameworks wie Hermes Agent achten wir auf drei Kriterien: DSGVO Konformität durch Self Hosting und lokale Modelle, Integration in bestehende Infrastruktur über MCP Server und Standard APIs sowie langfristige Wartbarkeit durch aktive Community und klare Lizenzierung. Hermes Agent erfüllt alle drei Kriterien und bietet mit dem MIT lizenzierten, selbstlernenden Ansatz einen echten Mehrwert gegenüber statischen Agent Frameworks.

Für Teams heißt Einordnung vor allem: Welches Feature löst ein echtes Problem und welches erzeugt nur Betrieb. Bot Mode gewinnt, wer mehrere Spezialisten pflegt. Das A2A Protokoll gewinnt, wer heterogene Agenten koppeln muss. Webhooks gewinnen, wer Hermes in bestehende Pipelines und Prozesse hängen will. Alles andere darf warten, bis der Bedarf da ist.

Die wichtigsten Fragen und Antworten rund um Hermes Agent von Nous Research: Installation, Kosten, Sicherheit, Vergleich mit OpenClaw und DSGVO konformer Betrieb.