Hermes Agent lokal: mit Ollama oder LM Studio nutzen
Hermes Agent lokal mit Ollama oder LM Studio: Er braucht mindestens 64.000 Token Kontext, ein Modell mit Werkzeugaufrufen und genug Speicher.
Stand: 2026-09-25
Hermes Agent ist ein quelloffener KI-Agent von Nous Research. Er arbeitet über die Kommandozeile, eine Desktop-App oder Chat-Programme wie Telegram, Discord, Slack, WhatsApp und Signal, führt Befehle aus, liest und schreibt Dateien, durchsucht das Netz und erledigt Aufgaben nach Zeitplan. Als Besonderheit nennt das Projekt eine eingebaute Lernschleife: Hermes legt aus Erfahrung eigene Fähigkeiten an, sogenannte Skills, und verbessert sie im Gebrauch. Er steht unter der MIT-Lizenz; beim Schreiben dieses Textes war Version 0.21.5 vom 24. September 2026 die neueste.
Mit Nous' eigenen Sprachmodellen gleichen Namens ist der Agent nicht zu verwechseln, und als Antrieb eignen sich gerade diese Modelle nicht: Hermes Agent warnt selbst, dass Hermes 3 und 4 Werkzeuge nicht verlässlich aufrufen. Welches Modell ihn antreibt, wählen Sie, und das kann ein Modell auf Ihrer eigenen Hardware sein. Dieser Text zeigt, was dafür nötig ist.
Hermes Agent installieren
Unter macOS, Linux und in WSL2 unter Windows installiert ein Skript Hermes Agent aus der Kommandozeile:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
In der PowerShell unter Windows:
iex (irm https://hermes-agent.nousresearch.com/install.ps1)
Offiziell unterstützt Hermes unter macOS nur Macs mit Apple-Chip. Welches Modell er nutzt, legen Sie danach mit hermes model fest.
Die wichtigste Grenze: 64.000 Token Kontext
Ein Agent schickt dem Modell bei jedem Schritt eine lange Anweisung mit, dazu die Beschreibung aller Werkzeuge und den bisherigen Verlauf. Hermes verlangt deshalb ein großes Kontextfenster, also viel Platz für Text, den das Modell auf einmal verarbeitet:
„Hermes Agent requires at least 64,000 tokens of context for agent use with tools. Smaller windows are rejected at startup because the system prompt, tool schemas, and working conversation state need enough room for reliable multi-step workflows.“
Das hat zwei Folgen. Erstens scheiden Modelle aus, deren Fenster kleiner ist. In unserem Katalog betrifft das etwa Qwen3 4B, 8B und 14B mit 40.960 Token, EuroLLM mit 32.768 und Teuken 7B mit 4.096.
Zweitens stellen die lokalen Programme das Fenster oft kleiner ein, als das Modell kann. Ollama nimmt von sich aus 4.096 Token unterhalb von 24 GB Grafikspeicher und 32.768 Token unterhalb von 48 GB; beides reicht nicht. Erst ab 48 GB stellt es 262.144 Token ein. Auf dem Mac zählt dabei nicht der verbaute Arbeitsspeicher, sondern der kleinere Teil, den macOS der Grafik zuteilt. Hermes schickt die Kontextlänge zwar bei jeder Anfrage mit, aber über die nachgebildete Schnittstelle von OpenAI, und dort übergeht Ollama diese Angabe. Ollama bleibt dann bei seiner eigenen Einstellung und schneidet die Anweisungen ohne Meldung ab. Die Länge muss deshalb in Ollama selbst eingestellt sein. Ein größeres Fenster braucht außerdem mehr Speicher: Ein Modell, das beim kurzen Ausprobieren gerade passt, kann mit 65.536 Token nicht mehr passen.
Hermes Agent mit Ollama
Hermes spricht jeden Server an, der die Schnittstelle von OpenAI nachbildet. Stellen Sie das Kontextfenster an zwei Stellen ein. Erstens beim Start von Ollama:
OLLAMA_CONTEXT_LENGTH=65536 ollama serve
Läuft Ollama unter Linux als Dienst, setzen Sie die Variable mit sudo systemctl edit ollama.service. In der Ollama-App auf Mac und Windows stellen Sie die Kontextlänge stattdessen in den Einstellungen mit dem Schieberegler ein. Ob es gewirkt hat, zeigt ollama ps in der Spalte CONTEXT. Zweitens in der Einstellungsdatei ~/.hermes/config.yaml, zusammen mit der Adresse; einen Schlüssel braucht Ollama nicht:
model:
default: "gemma4:31b"
provider: "custom"
base_url: "http://localhost:11434/v1"
context_length: 65536
Wer lieber geführt einrichtet, wählt bei hermes model den Eintrag Custom endpoint, trägt dieselbe Adresse ein und gibt bei der Frage nach der Kontextlänge 65536 an; leer gelassen, liest Hermes wieder die Höchstlänge des Modells. Entscheidend ist außerdem, dass das Modell Werkzeuge aufrufen kann:
„Models without tool-call support can only chat; they can't take actions.“
Ob ein Modell das kann, zeigt die Ollama-Bibliothek mit dem Hinweis „tools“, auf Ihrem Rechner der Befehl ollama show <modell>; Gemma 4 und Qwen3.5 gehören dazu. Die Ollama-Anleitung von Hermes arbeitet mit Gemma 4 31B. Unser Katalog rechnet es mit 21,9 GB Speicherbedarf beim kurzen Ausprobieren. Mit 65.536 Token Kontext braucht es deutlich mehr, weil der Kontext selbst Speicher belegt; ob es auf Ihr Gerät passt, zeigt welche.ai, wenn Sie auf der Geräteseite unter „Mit anderer Kontextlänge rechnen“ 65.536 Token wählen. Mit dieser Kontextlänge läuft es auf 113 von 891 geführten Geräten flüssig. Die Mac-Anleitung von Hermes empfiehlt für den Einstieg Qwen3.5 9B; es läuft mit derselben Kontextlänge auf 573 von 891 Geräten flüssig.
Hermes Agent mit LM Studio und anderen Servern
Für LM Studio gibt es einen eigenen Anbieter in Hermes; laut Dokumentation funktionieren Werkzeugaufrufe ab LM Studio 0.3.6. Stellen Sie beim Laden des Modells die Kontextlänge in LM Studio auf mindestens 64.000 Token, auf der Kommandozeile etwa mit lms load <modell> --context-length 64000. Welches der beiden verbreiteten Programme zu Ihnen passt, vergleicht unser Ratgeber Ollama oder LM Studio.
Auch llama.cpp, vLLM, SGLang und MLX auf dem Mac sind in der Dokumentation beschrieben. Bei älteren Ausgaben von llama.cpp muss der Server mit dem Schalter --jinja starten, sonst gibt es keine Werkzeugaufrufe; neuere schalten das von selbst ein.
Hermes Desktop: die App mit eigenen lokalen Modellen
Die Desktop-App gibt es für macOS, Windows und Linux, und ein Konto brauchen Sie dafür nicht:
„No account is needed to run the base app.“
Die App kann ein lokales Modell selbst verwalten: Sie lädt llama.cpp und ein passendes Modell herunter und richtet alles ein. Laut Quelltext der Version 0.21.7 vom 12. Oktober 2026 ist das unter macOS, unter Windows und unter Linux auf Rechnern mit x64- oder ARM64-Prozessor eingeschaltet. Die Dokumentation nennt die Funktion dagegen nur für Vorabversionen (Canary) eingeschaltet. Fehlt sie bei Ihnen, starten Sie die App mit dem Schalter --local, aus der Befehlszeile mit hermes desktop --local. Für ihre eigene Modellauswahl nennt die Dokumentation 8 GB Grafikspeicher für kleine Modelle und 16 GB für Modelle mit 27 bis 35 Milliarden Parametern; was nicht in den Grafikspeicher passt, legt die App in den Arbeitsspeicher, und das kostet Tempo.
Was Hermes Agent ins Netz schickt
Für diese verwaltete lokale Einrichtung verspricht die Dokumentation:
„Nothing leaves your computer: no account, no API key, and no network access after a model is downloaded.“
Nutzungsdaten sammelt und sendet Hermes in der Grundeinstellung nicht; beides müssen Sie ausdrücklich einschalten. Ganz ohne Netz bleibt Hermes aber auch lokal nicht. Laut Quelltext ruft er Modelldaten von models.dev ab und frischt sie alle paar Stunden auf, und beim Start fragt er bei GitHub, ob es eine neue Version gibt; abschalten lässt sich das mit updates.check: false. Die Websuche schickt Ihre Suchanfragen ohne eigene Einstellung an die kostenlosen Zugänge der Dienste Exa, Parallel, Firecrawl und Keenable.
Für Nebenaufgaben wie Zusammenfassungen und die Prüfung riskanter Befehle nutzt Hermes in der Grundeinstellung das Hauptmodell. Ausweichen darf er laut Quelltext nur auf Anbieter, die Sie selbst als Ersatz eintragen. Die Ollama-Anleitung von Hermes schlägt einen solchen Ersatz in der Cloud vor; lassen Sie ihn weg, wenn nichts das Haus verlassen soll.
Sicherheit
Hermes führt Befehle in der Grundeinstellung direkt auf Ihrem Rechner aus, nicht in einem abgeschotteten Bereich. Erkennt er einen riskanten Befehl, bewertet ihn ein Hilfsmodell, lokal meist dasselbe Modell: Harmloses gibt es selbst frei, Gefährliches lehnt es ab, nur im Zweifel fragt Hermes Sie. Mit dem Schalter --yolo entfallen diese Prüfungen. Das Projekt ist dabei ehrlich über die Grenzen:
„The only security boundary against an adversarial LLM is the operating system.“
Wer Hermes mit Werkzeugen betreibt, sollte ihn deshalb unter einem eigenen Benutzerkonto, in einer virtuellen Maschine oder in einem Container laufen lassen. Skills aus fremden Quellen führen beim Laden Python-Code aus; lesen Sie sie vor der Installation. Zwischen Mai und Juni 2026 wurden zehn Schwachstellen in Hermes Agent veröffentlicht. Für acht nennt die Datenbank von GitHub eine berichtigte Version. Bei zweien, eine davon betrifft nur die Anbindung an den Chatdienst Feishu, nennt sie keine; als betroffen führt sie dort nur Versionen bis 0.19.0.
Hermes Agent oder OpenClaw?
Beide sind quelloffene Agenten, die über Chat-Programme erreichbar sind und mit lokalen Modellen laufen. Der größte praktische Unterschied beim lokalen Betrieb ist der Kontext: Mit Ollama rechnet OpenClaw mit 32.768 Token, Hermes verlangt mindestens 64.000 und braucht damit für dasselbe Modell mehr Speicher. Über LM Studio oder den selbst verwalteten Server arbeitet auch OpenClaw mit rund 64.000. Wer von OpenClaw umsteigt, übernimmt Einstellungen mit dem Befehl hermes claw migrate. Wie OpenClaw mit lokalen Modellen eingerichtet wird, zeigt unser Ratgeber OpenClaw lokal.
Wofür ein lokales Modell reicht
Die Dokumentation ordnet selbst ein, wo lokale Modelle an ihre Grenzen kommen: Sehr verwickelte Aufgaben mit vielen Schritten gelingen mit Modellen ab 70 Milliarden Parametern oder in der Cloud spürbar besser. Nach unserer Einschätzung genügt für Zusammenfassungen, Recherchen im eigenen Ordner, wiederkehrende Berichte und einfache Automatisierungen oft ein Modell, das in rund 20 GB Grafikspeicher passt, etwa auf einer Grafikkarte mit 24 GB oder einem Mac mit 32 GB. Welche Modelle es gibt und was sie brauchen, zeigt der Ratgeber Lokale KI-Modelle.
Quellen: Hermes Agent auf GitHub (README, LICENSE, SECURITY.md, Releases, Quelltext unter anderem hermes_cli/config_defaults.py, agent/model_metadata.py, agent/auxiliary_client.py, zur Desktop-App apps/desktop/electron/feature-flags.ts), Dokumentation von Hermes Agent zu Installation, Providers, Ollama, Local models, Run Local LLMs on Mac und Security, Hermes Desktop, Ollama zur Kontextlänge, GitHub Advisory Database zu hermes-agent, alle gelesen 2026-09-25; feature-flags.ts und die Seite Local models erneut am 2026-10-13.
Kurz gesagt
Hermes Agent ist ein quelloffener KI-Agent von Nous Research unter der MIT-Lizenz, den ein Modell auf Ihrer eigenen Hardware antreiben kann. Die wichtigste Grenze ist der Kontext: Hermes verlangt mindestens 64.000 Token, und bei Ollama muss diese Länge in Ollama selbst eingestellt sein, weil Ollama die Angabe von Hermes übergeht; außerdem muss das Modell Werkzeuge aufrufen können. Befehle führt Hermes ab Werk direkt auf Ihrem Rechner aus; betreiben Sie ihn deshalb unter einem eigenen Benutzerkonto, in einer virtuellen Maschine oder in einem Container. Ganz ohne Netz bleibt er auch lokal nicht. Sehr verwickelte Aufgaben mit vielen Schritten gelingen laut Dokumentation mit Modellen ab 70 Milliarden Parametern oder in der Cloud spürbar besser.
Häufige Fragen
Was kostet Hermes Agent?
Das Programm selbst nichts: Es steht unter der MIT-Lizenz, und die Desktop-App läuft ohne Konto. Kosten entstehen beim Modellanbieter, wenn Sie Hermes mit einem Modell aus der Cloud betreiben; mit einem lokalen Modell rechnet Ihre eigene Hardware.
Quellen: Hermes Agent, Lizenz · Hermes Desktop
Läuft Hermes Agent in Docker?
Ja, auf zwei Arten. Der Agent kann selbst in einem Container laufen und legt dann Einstellungen, Schlüssel, Sitzungen und Skills in einem Ordner ab, den Sie vom Rechner einbinden; oder er läuft auf dem Rechner und führt nur seine Befehle in einem Docker-Container aus, was zum Abschnitt „Sicherheit“ passt.
Quelle: Hermes Agent, Docker
Läuft Hermes Agent unter Windows?
Ja. Sie installieren ihn entweder direkt in der PowerShell mit dem Befehl aus dem Abschnitt „Hermes Agent installieren“, in WSL2 mit dem Skript für Linux, oder als Desktop-App über das Installationspaket von der Hermes-Seite.
Quelle: Hermes Agent, Installation
Hermes Agent oder OpenClaw?
Beim lokalen Betrieb entscheidet vor allem der Kontext: Hermes verlangt mindestens 64.000 Token und lehnt kleinere Fenster beim Start ab, OpenClaw begrenzt den Kontext bei Ollama in der Regel auf 32.768 Token und kommt damit mit weniger Speicher aus. Den ganzen Vergleich zeigt der Abschnitt „Hermes Agent oder OpenClaw?“.
Quellen: Hermes Agent, Anbieter · OpenClaw, Ollama
Welche Alternativen gibt es zu Hermes Agent?
Der Ratgeber KI-Agenten lokal vergleicht zwölf Agenten, die mit einem lokalen Modell laufen, darunter OpenClaw, OpenCode, Goose und Cline, mit Lizenz, Anbindung und Kontextbedarf.
Quelle: Ratgeber KI-Agenten lokal
Weitere Ratgeber
- Sprachassistent selber bauen: lokal mit Whisper, Ollama und PiperEin Sprachassistent ohne Cloud braucht drei Modelle: Whisper hört zu, ein Sprachmodell antwortet, Piper liest vor. Speicher, gemessenes Tempo und unsere Grenzen.
- Whisper lokal: Interviews und Besprechungen auf dem eigenen Rechner transkribierenWhisper lokal installieren und nutzen, mit Programm oder im Terminal: Welches Modell für deutsche Aufnahmen passt, wie viel Speicher es braucht und wo die Grenzen liegen.
- KI-Agenten mit lokalem Modell: zwölf Werkzeuge im VergleichOpenClaw, Hermes Agent, DeepSeek Harness und neun weitere Agenten mit einem Modell auf dem eigenen Rechner: was jeder verlangt, was Ihr Gerät hergibt und welcher zu Ihnen passt.
- DeepSeek Harness installieren und lokal nutzenDeepSeek Harness ist der quelloffene Programmier-Agent von DeepSeek. Wie Sie ihn installieren, mit einem lokalen Modell verbinden und was an DeepSeek geht.
- KI auf dem eigenen PC installieren: Reicht Ihr Rechner, oder müssen Sie etwas kaufen?Zum Ausprobieren brauchen Sie meist weder neue Hardware noch das Terminal. Was mit 8 und 16 GB Arbeitsspeicher läuft, welche Programme ohne Befehle auskommen und wann sich ein Kauf lohnt.
- Lokale KI: Was das heißt, was Sie brauchen, was sie kannLokale KI heißt, dass die Modelldatei auf Ihrem Gerät liegt und die Rechenarbeit dort stattfindet. Was Sie dafür brauchen, was heute gut funktioniert und wo die Grenzen liegen.
- Qwen lokal betreiben: welche Fassung auf welches GerätQwen gibt es in vielen Größen. Die kleinste aktuelle Fassung in unserem Katalog, Qwen3.5 4B, braucht 4,4 GB und läuft damit auf praktisch jedem Rechner, Qwen3.8 27B flüssig auf 261 von 891 Geräten. Welche Fassung zu Ihrem Rechner passt und wie Sie sie starten.
- Qwen-Image: KI-Bilder lokal erzeugen und die richtige Fassung wählenQwen-Image erzeugt Bilder auf dem eigenen Rechner. Die neue Fassung 2.1 ist nur für Forschung und Erprobung freigegeben, für Unternehmen ist 2512 die Fassung. Was beide an Speicher brauchen und wie lange ein Bild auf unserer Karte dauerte.
- DSGVO-konforme KI: Welche Daten verlassen bei welchem Aufbau Ihr Haus?Lokal heißt nicht telemetriefrei, und eine EU-Zusage hängt am Bereitstellungstyp. Was bei vier gängigen Aufbauten wirklich übertragen wird, mit Zitaten aus den Datenschutzerklärungen der Anbieter.
- KI für Berufsgeheimnisträger: Was § 203 StGB bei ChatGPT & Co. verlangtHat ChatGPT eine Schweigepflicht? Worauf Anwälte, Ärzte, Steuerberater und Psychotherapeuten bei KI achten müssen, was die Kammern sagen und warum lokale KI die einfachste Antwort ist.
- KI lokal betreiben, ohne Terminal: So läuft ein Sprachmodell auf Ihrem RechnerLokale KI-Modelle brauchen auf Mac und Windows keine Befehlszeile mehr. Was Sie an Hardware brauchen, wie die Einrichtung Schritt für Schritt gelingt und wo die Grenzen liegen.
- Lokale KI-Modelle: Welches läuft auf Ihrer Hardware?Ob ein lokales KI-Modell auf Ihrem Rechner läuft, entscheidet der Speicher. Wie Sie die richtige Zahl finden und was die Stufen hinter dem Namen bedeuten.
- Mac mini für lokale KI: Welche Ausstattung reicht und wann es der Mac Studio sein mussBeim Mac zählt der Arbeitsspeicher, nicht die ganze Zahl. Was der Mac mini mit M4, M5 Pro und M6 trägt, wann es der Mac Studio sein muss und was gebraucht zählt.
- Deutsche und europäische KI-Modelle: Welche es gibt und was davon lokal läuftTeuken aus Deutschland, EuroLLM aus einem EU-Projekt, Mistral aus Paris, Apertus aus der Schweiz. Lizenz, Größe und auf wie vielen der 891 Geräte sie flüssig laufen.
- gpt-oss: OpenAIs offenes Modell auf dem eigenen Rechnergpt-oss gibt es in zwei Größen. Die kleine läuft auf 478 von 891 geführten Geräten flüssig, die große auf 80. Was Sie brauchen und wo das Modell nicht passt.
- Grafikkarte für KI: Worauf es bei lokalen Modellen ankommtFür KI zählt an einer Grafikkarte zuerst der Speicher, dann das Tempo. Welche Speicherklasse wie viele Modelle trägt und was der Schritt von 16 auf 24 GB bringt.
- KI selbst hosten: Was sich ändert, sobald mehrere zugreifenSelbst hosten heißt, dass einer betreibt und mehrere nutzen. Was dafür nötig ist, warum die Voreinstellungen dafür nicht gemacht sind und welche Fragen ab dem zweiten Nutzer keine Technikfragen mehr sind.
- Open Source KI: Welche Modelle wirklich offen sindDie meisten Modelle, die „Open Source KI“ heißen, geben nur die fertigen Modelldateien frei, nicht den Weg dorthin. Was der Begriff bedeutet, welche Familien es gibt und was davon auf eigener Hardware läuft.
- OpenClaw lokal: mit Ollama oder LM Studio einrichtenOpenClaw mit einem lokalen Modell über Ollama oder LM Studio: installieren, einrichten, passende Modelle wählen und wissen, was trotzdem ins Netz geht.
- Ornith 1.5: Welche der drei Größen auf Ihrem Rechner läuftOrnith 1.5 in drei Größen: Die kleinste läuft beim Ausprobieren auf 576 von 891 Geräten flüssig, die größte auf 9. Was jede braucht und wann ein Verbund hilft.
- Ollama oder LM Studio: Was ist der Unterschied, und welches passt zu Ihnen?Beide laden offene Sprachmodelle auf Ihren Rechner und rechnen mit demselben Unterbau. Was sie wirklich unterscheidet, was sie kosten und welche Daten dabei Ihr Haus verlassen.
- Was ist Ollama, und welche Alternativen gibt es?Ollama, LM Studio, llama.cpp und vLLM tauchen in vielen Anleitungen für lokale KI auf. Was jedes davon ist, wie die vier zusammenhängen und welches Sie wofür brauchen.
- Was kostet ChatGPT wirklich, und ab wann lohnt sich eigene Hardware?Die Rechnung hat vier Posten, und drei davon stehen auf keiner Preisliste. Was ein Modell über die Schnittstelle kostet, was eigene Hardware dagegenstellt, und ab welchem Punkt sich der Wechsel rechnet.