Mit Paperclip AI lassen sich KI-Agenten erstmals wie echte Unternehmens-Mitarbeiter organisieren – mit Organigramm, Zielen, Budget und Governance. Wer heute mehrere KI-Agenten gleichzeitig koordiniert, kennt das Problem: 20 offene Claude-Code-Tabs, keiner weiß mehr, welcher Agent gerade was tut, und beim Neustart ist der Kontext weg. Paperclip AI löst genau dieses Problem mit einem vollständigen Unternehmens-Betriebssystem für autonome KI-Belegschaften.
Was ist Paperclip AI?
Paperclip AI ist eine Open-Source-Plattform zur Orchestrierung von KI-Agenten. Das Projekt beschreibt sich selbst treffend: „If OpenClaw is an employee, Paperclip is the company.“ Paperclip AI schafft eine vollständige Unternehmensstruktur für KI-Agenten – mit Organigramm, Rollen, Budgets, Governance und Aufgabenmanagement. Wo andere Tools einzelne Agenten konfigurieren, baut Paperclip AI das Unternehmen drumherum.
Das System basiert auf einem Node.js-Server und einem React-Frontend. Es ist MIT-lizenziert, vollständig selbst hostbar und benötigt keinen externen Cloud-Account. Eine eingebettete PostgreSQL-Datenbank wird beim ersten Start automatisch eingerichtet – kein kompliziertes Datenbanksetup erforderlich. Wer Paperclip AI auf einem eigenen Server betreiben will, kann es innerhalb weniger Minuten aufsetzen.
Das Kernkonzept: Von Tools zu echten Mitarbeitern
Der entscheidende konzeptionelle Unterschied zu anderen KI-Werkzeugen: Paperclip AI betrachtet Agenten nicht als Tools, sondern als Mitarbeiter mit echten Verantwortlichkeiten. Jeder Agent bekommt eine Rolle und einen Titel – CEO, CTO, CMO, Content Writer, SEO Analyst, Support-Spezialist. Er hat einen direkten Vorgesetzten im Organigramm und Mitarbeiter, die er führt. Er hat ein monatliches Token-Budget mit einem harten Ausgabenlimit. Er erhält Tickets, arbeitet sie ab und kann weitere Tasks an andere Agenten delegieren.
Diese Denkweise verändert, wie man über KI im Unternehmenskontext nachdenkt. Statt „Ich prompte eine KI und hoffe auf ein gutes Ergebnis“ denkt man „Ich führe ein Unternehmen aus KI-Mitarbeitern, die auf ein gemeinsames Ziel hinarbeiten.“ Der Perspektivwechsel klingt zunächst abstrakt, hat aber konkrete Auswirkungen: Man definiert Unternehmensziele, die jeder Agent kennt. Aufgaben entstehen nicht aus dem Nichts, sondern tragen immer einen Kontext, der bis zum übergeordneten Unternehmensziel zurückverfolgbar ist.
Heartbeats: Wie Agenten autonom arbeiten
Ein zentrales Feature von Paperclip AI ist das Heartbeat-System. Agenten wachen auf einem konfigurierbaren Zeitplan auf, überprüfen ihre offenen Tickets und handeln. Sie müssen nicht manuell gestartet werden – sie arbeiten, auch wenn kein Mensch gerade am Rechner sitzt. Die Delegation fließt dabei automatisch durch das Organigramm: Ein CEO-Agent prüft die strategischen Ziele und delegiert operative Tasks an den CMO oder CTO. Der CMO delegiert Content-Aufgaben an den Content-Writer-Agenten und SEO-Aufgaben an den SEO-Analysten.
In der Praxis sehen Heartbeats so aus: Ein Content-Writer-Agent wird alle vier Stunden aktiv, prüft seine offenen Aufgaben, erstellt Blogartikel-Entwürfe, überarbeitet zugewiesene Texte und veröffentlicht fertige Beiträge gebündelt. Ein SEO-Analyst-Agent läuft alle acht Stunden, führt Crawl-Audits durch, recherchiert neue Keywords und trackt Rankings. Ein Social-Media-Manager-Agent postet jeden Tag, antwortet auf Erwähnungen und analysiert die Performance der letzten 24 Stunden. Das gesamte System läuft autonom, ohne dass jemand manuell Befehle geben muss.
Tickets können dabei auch ereignisbasiert ausgelöst werden: Wenn jemand einen Agenten direkt per @-Mention anschreibt oder ihm ein Task zugewiesen wird, wacht der Agent sofort auf und beginnt die Arbeit. Das macht Paperclip AI nicht nur für geplante wiederkehrende Aufgaben interessant, sondern auch für On-Demand-Workflows.
Welche KI-Agenten werden unterstützt?
Paperclip AI ist bewusst provider-agnostisch. Das Prinzip lautet „Bring Your Own Agent“: Wenn ein Agent einen Heartbeat-Signal empfangen kann, kann er eingestellt werden. Die Plattform selbst gibt keine bestimmte KI vor. Konkret funktioniert Paperclip AI mit OpenClaw über einen HTTP/Webhook-Adapter, mit Claude Code als Anthropics Coding-Agenten, mit OpenAI Codex für Entwicklungs-Tasks, mit Cursor Agent als IDE-basiertem KI-Assistent, mit dem Hermes-Agenten sowie mit beliebigen Bash- und CLI-Agenten. Auch HTTP-Webhooks zu externen Diensten können als Agenten registriert werden.
Das Provider-agnostische Design hat einen wichtigen praktischen Vorteil: Teams, die bereits verschiedene KI-Tools einsetzen, müssen nicht auf eine einzige Plattform wechseln. Man kann OpenClaw-Agenten für Content-Aufgaben und Claude-Code-Instanzen für Entwicklungsaufgaben parallel in derselben Paperclip-Unternehmensstruktur betreiben. Ein einzelner Paperclip-Deploy kann dabei mehrere vollständig getrennte Unternehmen verwalten – mit komplettem Data-Isolation zwischen den Mandanten.
Governance und Kostenkontrolle im Detail
Was Paperclip AI von einfachen Automations-Tools unterscheidet, ist der starke Fokus auf Kontrolle, Nachvollziehbarkeit und Governance. Diese Aspekte sind keine nachträgliche Ergänzung, sondern von Grund auf ins System eingebaut.
Das Budget-System funktioniert auf Agenten-Ebene: Jeder Agent erhält ein monatliches Token- und Kosten-Budget. Bei 80 Prozent Auslastung erhalten die verantwortlichen Menschen eine Warnung. Bei 100 Prozent wird der Agent automatisch pausiert, neue Tasks werden blockiert. Das verhindert unkontrollierten Token-Verbrauch, der bei autonomen Agenten schnell in die Hunderte von Dollar gehen kann. Das Board – also der menschliche Administrator – kann das Limit jederzeit anpassen und den Agenten wieder aktivieren.
Das Ticket-System bietet vollständige Transparenz: Jede Anweisung an einen Agenten wird als Ticket erfasst. Jede Antwort, jeder Tool-Call und jede Entscheidung wird protokolliert. Das Audit-Log ist immutabel – keine nachträglichen Änderungen möglich. Compliance-Anforderungen lassen sich so erfüllen, weil lückenlos nachweisbar ist, welcher Agent wann welche Aktion durchgeführt hat.
Die Governance-Schicht stellt sicher, dass Agenten nicht autonom handeln, ohne dass Menschen es genehmigt haben. Agenten können keine neuen Agenten einstellen, ohne eine Board-Genehmigung einzuholen. Der CEO-Agent kann keine Strategie ausführen, die der menschliche Administrator nicht freigegeben hat. Jeder Agent lässt sich jederzeit pausieren, neustarten oder terminieren. Die Autonomie der Agenten ist ein Privileg, das der Mensch vergibt und jederzeit entziehen kann.
Technische Architektur und Module
Unter der Haube ist Paperclip AI eine vollständige Control-Plane-Implementierung mit klar getrennten Modulen. Identity und Access verwaltet alle Authentifizierung: Board-User, Agent-API-Keys, kurzlebige Run-JWTs, Company-Memberships und Invite-Flows. Das Work-and-Task-System handhabt Issues mit vollständiger Goal-Ancestry, atomarem Checkout mit Execution-Locks und Blocker-Dependencies. Das Heartbeat-Execution-Modul betreibt die DB-basierte Wakeup-Queue mit Budget-Checks, Workspace-Resolution und Adapter-Invokation. Workspaces und Runtime managen projektbezogene Arbeitsumgebungen inklusive Git-Worktrees und Preview-URLs. Das Plugin-System erlaubt Erweiterungen ohne Eingriff in den Core-Code.
Die Portierbarkeit ganzer Unternehmen ist ebenfalls eingebaut: Teams können vollständige Organisationen exportieren und importieren, inklusive Agenten, Skills, Projekten, Routinen und Issues. Sensitive Werte werden beim Export automatisch bereinigt. Das macht es einfach, Konfigurationen zwischen Umgebungen zu übertragen oder als Template für andere Teams bereitzustellen.
Quickstart: In wenigen Minuten starten
Der Einstieg in Paperclip AI ist bewusst einfach gehalten. Ein einziger Befehl startet den interaktiven Setup-Prozess, der durch Datenbankeinrichtung, Authentifizierungskonfiguration und die erste Company-Anlage führt:
Das Setup richtet automatisch eine eingebettete PostgreSQL-Datenbank ein und startet die API auf Port 3100. Für eine LAN– oder Tailscale-Verbindung, die nützlich ist, wenn man Paperclip AI auch mobil verwalten will, gibt es entsprechende Bind-Optionen:
Alternativ kann man das Repository manuell klonen und über pnpm starten. Systemvoraussetzungen sind Node.js 20+ und pnpm 9.15+. Für Cloud-Deployments können die eigenen Agenten durch das mitgelieferte Paperclip-SKILL.md-Template die Migration selbst durchführen.
Wer sollte Paperclip AI einsetzen?
Paperclip AI eignet sich für Teams, die bereits mit fünf oder mehr KI-Agenten arbeiten und feststellen, dass die Koordination zur echten Herausforderung wird. Wer 20 Claude-Code-Tabs gleichzeitig verwaltet und keinen Überblick mehr hat, findet in Paperclip AI die gesuchte Struktur. Das System ist außerdem interessant für Teams mit Compliance-Anforderungen, die lückenlose Protokollierung aller KI-Aktionen brauchen, sowie für IT-Dienstleister, die mehrere Kunden-KI-Deployments unter einem Dach verwalten wollen.
Wer dagegen erst mit dem ersten KI-Agenten startet, braucht Paperclip AI noch nicht. Die Plattform entfaltet ihren Wert erst ab einer gewissen Komplexitätsstufe: wenn die Anzahl der Agenten, Projekte und parallelen Aufgaben so groß wird, dass ohne strukturierte Orchestrierung der Überblick verloren geht.
Roadmap und Community
Das Projekt ist aktiv in Entwicklung. Plugin-System, OpenClaw-Integration, Skill-Manager, Scheduled Routines und Agent-Review-Workflows sind bereits implementiert. Auf der Roadmap stehen Cloud- und Sandbox-Agenten, Artifacts und Work Products, Memory und Knowledge Management, Enforced Outcomes, Deep Planning, Work Queues, Self-Organization und eine Desktop-App. Die Community ist aktiv auf Discord und Twitter/X (@papercliping). Das Projekt ist MIT-lizenziert und nimmt Contributions via GitHub entgegen.
Wir bei Biteno haben Paperclip AI in der Praxis getestet. Unsere Erfahrungen und den direkten Vergleich mit der Alternative Multica AI lest ihr in unserem Vergleichsartikel Paperclip vs. Multica.
Paperclip AI im Vergleich zu klassischen Orchestrierungs-Ansätzen
Viele Teams, die heute mit mehreren KI-Agenten arbeiten, greifen zu einfachen Behelfslösungen: Sie zeigen ihre Agenten in Trello-Boards, tracken Aufgaben in Notion oder koordinieren über Slack-Kanäle. Das funktioniert bis zu einer gewissen Komplexitätsstufe, stößt aber schnell an Grenzen. Wenn Agenten asynchron arbeiten, wenn Kosten pro Agenten schwer nachvollziehbar sind und wenn der Kontext eines laufenden Tasks beim Neustart verloren geht, werden diese Behelfslösungen zur Bremse.
Paperclip AI geht hier fundamental weiter. Statt einen bestehenden Task-Manager mit KI-Hooks zu erweitern, wurde das System von Grund auf für Multi-Agenten-Orchestrierung gebaut. Die Konsequenz ist spürbar: Kontextverlust bei Neustarts gibt es nicht mehr, weil Agenten ihren Taskkontext persistent speichern. Doppelarbeit durch zwei Agenten, die denselben Task gleichzeitig bearbeiten, wird durch atomares Task-Checkout verhindert. Und das vollständige Audit-Log macht nachvollziehbar, was wann warum passiert ist – etwas, das in klassischen Ticket-Systemen schlicht nicht vorhanden ist.
Ein weiterer Vorteil gegenüber einfachen Integrationen: Paperclip AI versteht die Hierarchie zwischen Agenten. Wenn ein CMO-Agent eine Content-Strategie entwickelt, kann er automatisch Aufgaben an den Content-Writer-Agenten und den SEO-Analysten-Agenten delegieren. Der CEO-Agent wiederum kann die Strategie des CMO reviewen und entweder freigeben oder zur Überarbeitung zurückschicken. Diese Art von hierarchischer Delegation ist in keinem klassischen Task-Manager nativ vorhanden.
Sicherheitsaspekte bei autonomen KI-Agenten
Wer autonome KI-Agenten einsetzt, muss über Sicherheit nachdenken. Paperclip AI adressiert diesen Aspekt explizit. Agenten arbeiten in isolierten Workspaces und haben nur Zugriff auf die Secrets, die für ihre aktuelle Aufgabe explizit freigegeben wurden. Sensible Informationen – API-Keys, Passwörter, Zugangsdaten – werden nie pauschal in Prompts injiziert, sondern nur dann, wenn ein laufender Run sie explizit anfordert und der Scope das erlaubt.
Das Company-Export-Feature scrubbt beim Export automatisch alle Secrets. Wenn man eine Organisations-Konfiguration als Template teilt oder in eine andere Umgebung überträgt, sind keine versehentlichen Credential-Leaks möglich. Für Teams, die in regulierten Branchen arbeiten oder strenge interne Security-Policies haben, ist das ein wichtiger Aspekt bei der Toolwahl.
Weitere Informationen: paperclip.ing | GitHub
