Das nächste ChatGPT? NVIDIAs neuer AI-Stack (NemoClaw) im Test

Jensen Huang von NVIDIA hat Nemo Claw als das potenzielle nächste ChatGPT angekündigt, was zu einem rasanten Anstieg der Nutzung von OpenClaw führte. Das Video stellt die Frage, ob dieser neue KI-Stack tatsächlich so revolutionär ist, wie von NVIDIA behauptet. Der Sprecher kündigt eine detaillierte Analyse der Funktionsweise sowie einen praktischen Selbsttest an. Ziel ist es herauszufinden, ob Nemo Claw die hohen Erwartungen der Branche erfüllen kann. Dieser Abschnitt setzt den Rahmen für die technologische Bedeutung der Ankündigung nach der GTC-Konferenz.

Nemo Claw adressiert die Sicherheitslücken von OpenClaw, indem es den Agenten in eine geschützte Umgebung namens OpenShell integriert. Die Steuerung erfolgt über "Blueprints", bei denen es sich im Wesentlichen um Master-Python-Skripte zur Orchestrierung des Agenten-Lebenszyklus handelt. Jede Aktion, wie Dateizugriffe oder Netzwerkanfragen, wird durch deklarative Richtlinien streng überwacht und bei Verstößen blockiert. Dies soll sicherstellen, dass KI-Agenten auch in sensiblen Enterprise-Workflows produktiv und sicher arbeiten können. Damit wird eine verwaltete Infrastrukturschicht hinzugefügt, die volle Kontrolle über die Autonomie der KI bietet.

Der Einstieg in Nemo Claw erfolgt idealerweise über die Cloud-GPU-Plattform Brev, auf der Treiber, CUDA und Docker bereits vorinstalliert sind. NVIDIA lockt Neukunden mit einem kleinen Gratis-Guthaben, um die ersten Deployments praktisch kostenlos zu testen. Im Test zeigt sich jedoch, dass das offizielle Installationsskript oft fehlschlägt und eine manuelle Installation von GitHub erforderlich macht. Der Nutzer muss zudem einen NVIDIA-API-Key konfigurieren und ein Inferenzmodell wie Nemotron auswählen. Abschließend wird die Verbindung zu einem Telegram-Bot hergestellt, um die Kommunikation mit dem Agenten zu ermöglichen.

Sobald das System läuft, treten im praktischen Test schnell die ersten technischen Hürden und Instabilitäten auf. Das Starten des Gateways für die Telegram-Kommunikation erweist sich als knifflig und erfordert oft das manuelle Beenden alter Prozesse. Besonders kritisch wird die extrem langsame Inferenzgeschwindigkeit bewertet, bei der Antworten teilweise bis zu zwei Minuten dauern. Fehlermeldungen wie der Code 255 bei der Telegram-Brücke erschweren die Nutzung zusätzlich. Der Sprecher betont, wie viel Zeit allein für die Einrichtung der absoluten Grundlagen investiert werden muss.

Beim Versuch, eine einfache Automatisierung wie einen Hacker-News-Cronjob einzurichten, zeigt sich die Kehrseite der strengen Sicherheit. Der Nutzer muss jede einzelne Netzwerkanfrage manuell in der OpenShell-TUI bestätigen, was die Autonomie des Agenten massiv einschränkt. Dieses ständige Hin- und Herwechseln zwischen Chat und Sicherheitskonsole wird als "Babysitting" bezeichnet und ist bei komplexen Workflows kaum praktikabel. Oft reagiert der Agent erst nach mehrfachen Aufforderungen auf die freigegebenen Ressourcen. Dies führt zu der Schlussfolgerung, dass die Sicherheitsschicht aktuell noch zu unflexibel für echte Produktivität ist.

Nemo Claw ist ein sehr frisches Projekt, das momentan noch zu instabil für den Einsatz in Produktionsumgebungen wirkt. Zwar gibt es Befehle zur Festlegung von Sicherheitsrichtlinien, doch diese sind derzeit noch stark begrenzt und wenig ausgefeilt. Der Sprecher hofft, dass NVIDIA den Stack im Laufe der Zeit stabilisiert und die Bedienbarkeit verbessert. Trotz der aktuellen Mängel bleibt das Konzept eines abgesicherten KI-Stacks für Unternehmen ein spannender Ansatz. Das Video endet mit einem Aufruf an die Community, eigene Erfahrungen in den Kommentaren zu teilen.