Zum Inhalt springen
KI KI für UN
Menü
Agents

Hermes Agent von Nous Research — Open-Source-Agentenframework

Hermes ist das Open-Source-Agentenframework von Nous Research. Was es kann, wann es im Mittelstand passt und wie du es self-hosted betreibst.

Was ist Hermes Agent

Hermes Agent ist ein Open-Source-Framework für persönliche KI-Assistenten. Entwickelt vom Forschungsteam Nous Research, das auch die Hermes-Modellfamilie (Hermes 3, Hermes 4) trainiert. Du findest das Projekt unter hermes-agent.nousresearch.com und auf GitHub.

Der Fokus liegt auf einem klaren Konzept: Du baust einen einzelnen Agenten, der Memory hat (Konversations- und Faktenspeicher), Tools nutzen kann (Funktionen aufrufen, APIs ansprechen, Daten abfragen) und in einer kontrollierten Interaktion mit dem Nutzer steht. Anders als Multi-Agent-Frameworks, die mehrere Agenten orchestrieren, ist Hermes ideal für 1:1-Setups.

Lizenz ist Apache 2.0 — kommerzielle Nutzung explizit erlaubt, kein Copy-Left-Risiko. Code-Basis ist Python-zentriert und vergleichsweise schlank, was Anpassungen für eigene Anforderungen erleichtert.

Wo es lohnt — Use-Cases im Mittelstand

Interne KI-Assistenten mit Geschäftslogik: Du baust einen Assistenten, der die Geschäftsführung beim Reporting unterstützt — der ERP, Datenbank und Confluence kennt, und persönliche Vorlieben (Format, Tiefe der Antworten) gespeichert hat. Hermes ist dafür sehr passend, weil Memory-Layer und Tool-Use sauber abgebildet sind.

Senior-Coaching-Bots: Ein interner Sparringspartner für Geschäftsführer, der Kontext über vergangene Strategiediskussionen behält. Kein Cloud-Tool, weil hochsensibel. Hermes self-hosted plus Claude 4 oder Llama 4 als Modell.

Vertriebs-Recherche-Assistenten: Pre-Sales-Agent, der für jeden Lead automatisch Recherche macht (LinkedIn, Webseite, Pressemeldungen) und im CRM dokumentiert. Mit Tool-Use direkt an Salesforce, HubSpot oder dein selbst gebautes CRM angebunden.

Custom-Agent-Entwicklung mit hoher Anpassungstiefe: Wenn du einen Agenten genau auf deinen Workflow zuschneiden willst, ist Hermes eine gute Basis. Code-Basis ist überschaubar, deine Entwickler verstehen sie in 1–2 Tagen.

Wo es nicht lohnt — Limitationen

Multi-Agent-Workflows mit komplexer Orchestrierung: Hermes ist Single-Agent-fokussiert. Wenn du mehrere Agenten parallel laufen lassen und koordinieren willst, ist OpenClaw oder LangChain die bessere Wahl.

No-Code/Low-Code: Hermes braucht Python-Entwicklung. Wer das nicht hat, ist mit fertigen Plattformen besser bedient.

Mainstream-Enterprise-Integration: Hermes hat keine vorgefertigten Konnektoren für SAP, Oracle, Microsoft Dynamics. Du baust diese selbst — was Aufwand, aber auch Kontrolle bedeutet.

Sehr große User-Konzurrenz (1.000+ parallele Nutzer): Hermes ist nicht primär für Massen-Concurrency optimiert. Für große interne Tools mit hunderten parallelen Sessions sind andere Stacks (z.B. fertige Plattformen mit Auto-Scaling) realistischer.

Datenschutz und Compliance

Hermes läuft self-hosted — das ist der Hauptvorteil aus DSGVO-Sicht. Wenn du Hermes auf deinem eigenen VPS oder deiner eigenen Hardware betreibst und die LLM-Inferenz lokal hältst (z.B. Hermes 4 70B oder Llama 4 70B auf eigener GPU), fließen keine Daten an Dritte.

Wer Hermes mit einem Cloud-LLM kombiniert (z.B. Hermes-Orchestrator lokal, aber Claude 4 als Modell hinten dran), hat wieder normale Cloud-KI-Anforderungen — siehe Cloud-KI · Azure.

Hosting-Tipp: Für Self-hosted-Setups eignen sich Hostinger VPS ab ~10 €/Monat (Affiliate-Link). Reicht für Hermes-Orchestrator und kleinere Modelle. Für Hermes-4-70B-Inferenz brauchst du GPU-Hardware (eigene NVIDIA L4/H100 oder GPU-Cloud).

Wie wir helfen

Hermes ist eines der Frameworks, mit denen wir Mittelständlern persönliche KI-Assistenten bauen. Konkret unterstützen wir bei:

Verwandte Themen

Häufige Fragen

Wer steht hinter Hermes?

Hermes wird von Nous Research entwickelt — einem Open-Source-fokussierten KI-Forschungsteam. Das Projekt liegt unter https://hermes-agent.nousresearch.com/ und im Repository github.com/nousresearch/hermes-agent. Lizenz ist permissive (Apache 2.0), kommerzielle Nutzung erlaubt.

Was unterscheidet Hermes von OpenClaw oder LangChain?

Hermes ist stärker auf autonome Single-Agent-Setups optimiert — eher persönlicher KI-Assistent als Multi-Agent-Orchester. Die Code-Basis ist sehr lesbar und gut für Eigenentwicklung. Wer kontrollierte 1:1-Interaktion mit Memory und Tool-Use braucht, ist mit Hermes oft schneller produktiv als mit Multi-Agent-Stacks.

Welche Modelle kann ich mit Hermes nutzen?

Hermes Agent ist primär für die Hermes-Modellfamilie von Nous Research optimiert (Hermes 3, Hermes 4 — Llama-Forks mit verbessertem Function-Calling). Funktioniert aber genauso mit Claude 4, GPT-4o oder anderen OpenAI-API-kompatiblen Modellen.

Lohnt sich Hermes für reine Endanwender?

Nicht direkt. Hermes ist eher für Entwickler-Teams, die einen eigenen Assistenten bauen wollen. Endanwender brauchen ein Frontend on-top — z.B. eine eigene Chat-UI oder Slack-Integration. Wer das nicht selbst entwickeln will, bleibt bei fertigen Tools wie Claude oder ChatGPT.

Wie ist die Performance auf einem normalen VPS?

Der Hermes-Orchestrator läuft auf jedem 4-vCPU-VPS. Die Modell-Inferenz ist die teure Komponente. Für Tests und kleinere Setups reicht ein Hetzner- oder Hostinger-VPS mit ~25 €/Monat. Für GPU-beschleunigte Inferenz mit Hermes 4 70B brauchst du dedizierte GPU-Ressourcen.

Wie ist der Stand der Doku?

Hermes-Dokumentation ist 2026 deutlich besser als noch 2024 — vollständiges Quickstart, API-Referenz, Tool-Use-Tutorials. Englisch only. Die Mittelstand-Hürde liegt eher beim DevOps-Wissen, das du für Self-Hosting brauchst.

Patrick — Senior Social Media & GEO Manager
Master of Contact

Patrick — Senior Social Media & GEO Manager

Patrick ist dein erster Ansprechpartner für KI-Beratung, Workshops und Implementierung. Er hört zu, fragt nach — und sortiert für dich, was wirklich Hebel hat.

30 Min · kostenfrei · unverbindlich

30 Min buchen