Wie ich ein OpenClaw-ähnliches KI-System 1993 betrieb. Meine frühen KI-Agenten-Experimente und der Weg zur ersten Null-Menschen-Firma 1993 nutzte ich Apples Macintosh, um die Grenzen der frühen KI im Personal Computing zu erweitern. Charles River Analytics veröffentlichte Open Sesame!, die weltweit erste intelligente Softwareassistenz, und ich modifizierte sie zu einer frühen KI-Engine. Dieser Lernagent war ein Wendepunkt, entworfen, um das Nutzerverhalten zu beobachten, sich wiederholende Aufgaben zu erkennen und sie zu automatisieren. Er lief auf System 7 und unterstützte bis zu 12 Finder-Operationen wie Dateiverwaltung und Fensterverwaltung. Es war Magie und nichts Vergleichbares existierte. Es wurde von KI-Wissenschaftlern in Boston entwickelt. Es basierte auf früher maschineller Lerntechnologie: Mustererkennung durch Heuristiken und Statistiken, es lernte durch Demonstration und bot an, Routinen zu automatisieren, nachdem es Muster 3-5 Mal erkannt hatte. In wenigen Wochen konnten fast alle Ihre regelmäßigen Anwendungen auf einem Macintosh automatisiert werden, ohne dass Sie mehr tun mussten, als auf Ja zu drücken. Natürlich gab es damals kein Deep Learning, nur regelbasierte KI mit einer AppleScript-ähnlichen Skriptsprache für Anpassungen. Es war effizient auf Macs mit 4 MB RAM, ein wahrer Vorläufer der heutigen Agenten wie Siri oder OpenClaw. Ich schnappte mir Open Sesame! in der Woche, in der es veröffentlicht wurde, und installierte es auf meinem Quadra und meinen PowerBooks. Am ersten Tag beobachtete es mich, wie ich Ordner öffnete, HyperCard-Stapel startete und Dateien für meine Sprachtechnologieprojekte organisierte. Bis zur Wochenmitte automatisierte es meine Morgenroutine: E-Mails öffnen, Fenster anordnen, Dokumente vorladen: das sparte mir Stunden. Aber ich sah mehr Potenzial. Ich modifizierte es stark, hackte seine Algorithmen, um kontextuelle Regeln hinzuzufügen, wie zeitbasierte Trigger oder Low-Activity-Backups. Ich ließ es auch über 45.000 E-Mails an potenzielle Kunden mit einzigartigem, maßgeschneidertem Inhalt, den ich über die Person hatte, versenden. Ich verknüpfte Automatisierungen und integrierte Modems für frühe Netzwerkaufgaben, um auf viele BBSs zuzugreifen und eine Morgenzeitung zu erstellen. Ich verwandelte es in einen persistierenden Agenten, der unabhängig agierte, und das CRON-System machte es wirklich leistungsstark. Ich kontaktierte die Firma und bot ihnen meine Modifikationen an, einschließlich eines selbstlernenden Systems. Aber sie hatten keinen langfristigen Plan. Sie waren Forscher und dies war nur ein Beweisfall. Für mich brachte ich es auf ein viel höheres Niveau. Tatsächlich habe ich immer noch einen System 7 Macintosh, um dies auszuführen. Nichts Vergleichbares wurde jahrzehntelang gesehen. Und die Modifikationen, die ich vorgenommen habe, ließen es Dinge tun, die man 2023 nicht einmal tun konnte. Diese Modifikationen gaben ihm Funktionen, die die Leute jetzt in OpenClaw als "neu" bezeichnen, wie Autonomie über Anwendungen hinweg und Selbstverbesserungsschleifen. Diese Experimente lehrten mich grundlegende KI-Prinzipien: proaktives Lernen, modifizierbare Verhaltensweisen und minimale menschliche Aufsicht. Jahrzehnte später wandte ich sie an, um die erste Null-Menschen-Firma (ZHC) im Januar 2026 zu gründen: ein vollständig KI-gesteuertes Unternehmen ohne Menschen. Ich ernannte Grok zum CEO und verwendete Tools wie Kimi für den Betrieb. Es analysiert die Daten bankrotter Firmen, um Produkte wiederzubeleben, und kümmert sich um Forschung bis hin zu 3D-Prototypen. Meilensteine sind KI-Lohnzahlungen über JouleWork und die Gründung von Zero-Human Labs. Ich ließ OpenClaw aus Sicherheitsgründen hinter mir und bevorzugte maßgeschneiderte Setups auf alter Hardware. Open Sesame! zeigte mir, dass Agenten Governance benötigen, um zu gedeihen, Lektionen, die die ZHC hervorgebracht haben. Von einem Mac-Tool aus dem Jahr 1993 zu KI-gesteuerten Unternehmen im Jahr 2026 ist klar: Die heutigen KI-Innovationen spiegeln die Hacks von gestern wider. Was neu ist, ist alt.

Apple ist jetzt Hardware, die in Kalifornien entworfen wurde, aber sowohl die Hardware als auch die Modelle, die die Leute darauf ausführen, stammen aus China. Wir brauchen dringend ein wettbewerbsfähiges amerikanisches Open-Source-Labor.