60+ Top-KI-GitHub-Repos in 2026 (nur aktiv gepflegte)

Hinweis: Diese Anleitung enthält Referral-Links. Wenn du darüber kaufst, erhalte ich möglicherweise eine Provision – ohne zusätzliche Kosten für dich.

GitHub ist voller KI-Repos. Die meisten sind Forks, dünne Wrapper oder Dinge, zu denen seit sechs Monaten niemand mehr committed hat. Diese Seite ist die kurze Liste, die ich tatsächlich nutze und empfehle: Projekte mit echter Pflege, klaren Aufgaben und genug Community-Gewicht, dass du nicht auf eine Wochenend-Demo wettest.

Dieselbe Idee wie mein Docker-Container-für-Home-Server-Katalog, nur für KI-Tools statt Self-Hosted-Apps. Ich sortiere hart aus. Wenn ein Projekt eingeschlafen ist oder die Firma den Laden dichtgemacht hat (Coqui TTS, Bark, AUTOMATIC1111 SD WebUI, Zep, Flowise-Freeze, Helicone im Maintenance-Mode), steht es nicht hier.

Star-Zahlen sind ungefähre Werte, Stand Ende Juli 2026, und bewegen sich schnell. Behandle sie als Momentum-Signal, nicht als Qualitäts-Ranking.

So nutzt du diese Seite

1. Wähl eine Spur in der Tabelle unten (lokale KI, Assistenten, Coding, Frameworks usw.).
2. Star eine Shortlist – drei bis fünf Repos pro Kategorie reichen völlig.
3. Öffne eine Sektion, die dich interessiert. Jede hat eine Quick-Pick-Tabelle, dann kurze Notizen zu den wichtigsten.
4. Wo ich auf bitdoze einen vollen Guide habe, verlinke ich ihn.

Wähl deine Kategorie

Was sich 2026 geändert hat (kurz)

• OpenClaw ging von einem Nischen-Self-Hosted-Assistenten auf ~385K Stars hoch. Local-first, viele Chat-Kanäle, Skills, die sich selbst erweitern. Der Creator ist zu OpenAI; das Projekt bewegte sich Richtung Foundation-Eigentumsmodell. Ich betreibe es weiterhin – mit einem Security-Review.
• Hermes Agent von Nous Research (~223K Stars) ist der andere Schwergewichts-Personal-Agent. Eingebaute Learning-Loop, Skill-Erstellung aus Erfahrung, OpenClaw-Migrationspfad. Voller Artikel: Hermes-Setup-Guide.
• OpenCode (~191K Stars unter anomalyco/opencode) und Pi Agent (earendil-works/pi) sind die offenen Terminal-Coding-Agenten, die ich wirklich installiere. Pi bleibt minimal; Skills und Extensions fügst du selbst hinzu.
• Open-Weight-Coding-Modelle (DeepSeek-V4, Kimi K3, GLM-5.2, MiniMax M3 und Freunde) machten günstige Agents praxistauglich. Voller Roundup: beste Open-Source-LLMs als Claude-Alternativen.
• Buzz von Block (Juli 2026) ist der neue Workspace-Play: Menschen und Agents teilen Kanäle, Git und Workflows auf einem self-hostbaren Nostr-Relay. Guide: Buzz-Docker-Setup.
• Skills und Playbooks wurden eine echte Kategorie: Spec Kit, superpowers, pi-skills, Token-Sparer, Deploy-Skills. Agents ohne Skills sind nur Chat mit Tools.
• Agent-Memory ist jetzt eine eigene Kategorie – Mem0, Cognee, Hindsight, Letta. Leute haben aufgehört, „das Context Window” als Langzeitgedächtnis zu behandeln.
• MCP hat sich als gemeinsamer Weg durchgesetzt, Tools in Agents zu stecken. Die Awesome-Liste ist der Index.
• Tote oder eingeschlafene Projekte sind absichtlich von dieser Seite verschwunden. Nur lebendiger Code.

---

Lokale KI & Modell-Runner

Modelle auf deiner CPU, GPU oder Apple Silicon laufen lassen. Kein API-Key für den Happy Path nötig.

Quick Picks

Ollama ist immer noch der Einstieg für die meisten. ollama run zieht ein Modell und serviert es. Desktop-Apps gibt es für macOS und Windows. Kombiniere es mit Open WebUI für ein komplettes Self-Hosted-Chat-Produkt. Die Installation habe ich in Ollama mit Docker behandelt und die Anbindung an OpenClaw in OpenClaw + Ollama.

Open WebUI ist das Dashboard: Chat-UI, RAG, Multi-User-Optionen, Voice-Kram. Wenn Ollama der Motor ist, ist das hier das Cockpit.

llama.cpp ist die Library, auf der fast jeder für lokale Inferenz aufbaut. Vielleicht clonst du es nie, aber es steht in deinem Dependency-Baum, wenn dich GGUF auf Consumer-Hardware interessiert.

vLLM ist das, wonach du greifst, wenn „läuft auf meinem Laptop” zu „wir brauchen Tokens pro Sekunde auf einer GPU-Maschine” wird.

---

Open-Weight-KI-Modelle

Dieser Katalog ist überwiegend Tools und Harnesses. Für Modell-Picks (Preise, Benchmarks, wann welches) nutze die vollen Guides:

• Beste Open-Source-LLMs als Claude-Alternativen – Kimi K3, GLM-5.2, Qwen 3.6 Plus, MiniMax M3, MiMo V2.5 Pro, Mistral Medium 3.5 vs. Opus 5 / Fable 5 / GPT-5.6
• Beste Open-Source-Modelle für OpenClaw – praktisches OpenClaw-Primary + Fallback
• Beste günstige Modelle für Hermes – Agent-Preise und DeepSeek-V4 im günstigen 1M-Context-Stack

Quick Picks (Modelle, auf die ich Leute tatsächlich zeige)

DeepSeek-V4 ist die 2026er-Open-Weight-Linie, die man beim Namen kennen sollte: Pro für schwere Arbeit, Flash, wenn Kosten und Latenz zählen. Weights liegen auf Hugging Face; die API ist für beide live.

Der Rest der Tabelle ist die Shortlist aus dem Claude-Alternativen-Artikel. Star nicht acht Modellkarten und nenn es Recherche – nimm ein Primary und ein Fallback für den Agent, den du laufen hast, und lies dann den vollen Vergleich, wenn Rechnung oder Qualität nicht stimmen.

---

Persönliche KI-Assistenten

Always-on-Agents, die auf deiner Maschine oder deinem VPS leben, über Chat-Apps reden und Arbeit für dich erledigen.

Quick Picks

OpenClaw ist die Standard-Antwort, wenn jemand sagt: „Ich will meinen eigenen KI-Assistenten auf einem VPS.” Messaging-Integrationen (Telegram, Slack, Discord, WhatsApp und mehr), Shell- und Browser-Tools, Skills-Marketplace und eine riesige Community. Es braucht auch Sorgfalt: Breite Permissions und Community-Skills heißen, du solltest OpenClaw-Security lesen, bevor du es an Produktivsysteme lässt. Setup: OpenClaw-Guide. Alternativen: OpenClaw-Alternativen.

Hermes Agent ist der, den ich absichtlich neben OpenClaw stelle. Nous Research hat eine Learning-Loop gebaut: Skills aus abgeschlossener Arbeit, Recall über Sessions hinweg, User-Modeling. Es kann OpenClaw-Config und -Erinnerungen migrieren. Wenn du einen Agent willst, der sich verbessert statt nur einem statischen Prompt-Pack zu folgen, starte hier. Guides: Hermes-Setup, Hermes-Dashboards, günstige Modelle für Hermes.

AutoGPT hat den Autonomous-Agent-Hype 2023 begründet und hat immer noch eine riesige Star-Zahl. Besser als Plattform für langlaufende Automatisierung denn als „chatte mit mir auf Telegram”-Daily-Driver.

Buzz (buzz.xyz) ist anders genug, dass Leute es falsch einsortieren. Block hat es als Open-Source-Workspace veröffentlicht, in dem Agents Mitglieder erster Klasse mit kryptografischen Identitäten sind – keine Bots, die an Slack rangeschraubt wurden. Kanäle, DMs, Git-Hosting, Workflows, Desktop-App, self-hostbares Relay. Früh (pre-1.0), aber schon nützlich, wenn dein Problem „Team + Agents an einem Ort” ist. Voller Pfad: Buzz mit Docker self-hosten.

---

KI-Coding-Agenten & Tools

Agents, die im Terminal oder in der IDE leben, das Repo lesen und mehrstufige Aktionen ausführen.

Quick Picks

OpenCode ist mein Batteries-included-Pick. Multi-Provider, starke TUI, Plan Mode, kein Single-Vendor-Lock-in. Das Repo lebt bei anomalyco/opencode (das alte sst/opencode redirectet). Guides: OpenCode-Setup, OpenCode-Go-Plan.

Pi Agent ist der minimale, den ich neben OpenCode halte. Nur Core-Tools (read, write, edit, bash); Memory, MCP, Sub-Agents und Themes kommen aus Extensions und Skills, die du wählst. Gebaut von Mario Zechner, jetzt unter Earendil (earendil-works/pi). Install via pi.dev oder npm. Voller Pfad: Pi-Coding-Agent-Setup. Side-by-Side: OpenCode vs. Pi.

OpenHands ist der Ansatz „Agent in einer Box, der einen Browser bedienen und seine eigenen Fehler fixen kann”. Schwerer, mehr Autonomie, wenn du sie willst.

Cline, wenn du den Agenten in VS Code willst, mit Terminal- und Browser-Kontrolle.

Herdr ist kein Coding-Modell. Es ist der Runtime/Multiplexer, wenn du mehrere Agents gleichzeitig laufen lässt und sehen musst, welcher blockiert ist. Review: Herdr-Agent-Multiplexer.

Skills, die sich in diese Agents einklinken (Spec Kit, superpowers, pi-skills etc.), liegen in der Skills-Sektion unten.

---

Agent-Skills & Playbooks

Wiederverwendbare Skills, Methodiken und Skill-Packs. So bekommen moderne Agents Domänenverhalten, ohne den Harness neu zu schreiben.

Quick Picks

superpowers ist sowohl ein Skill-Pack als auch eine Art, mit Coding-Agents zu arbeiten (strukturierte Workflows, Sub-Agents, Brainstorming-Protokolle). Riesige Star-Zahl, weil die Leute das freie Vibe-Coding satt hatten.

Spec Kit ist GitHubs offizielles SDD-Kit: erst das PRD/Spec schreiben, dann den Agent dagegen implementieren lassen. Gehört hierhin, mehr als unter „Coding-Agents”.

caveman und claude-mem sind praktische Schmerzmittel: weniger Tokens in der Antwort und Memory, das Session-Neustarts überlebt.

pi-skills und pi-config installiere ich nach Pi selbst. LazyPi bündelt ein größeres Skill-Pack in einem Befehl, wenn du ein kuratiertes Starter-Set willst (siehe Pi-Setup-Guide).

Für Home-Lab-Deploy-Automatisierung habe ich außerdem einen wiederverwendbaren docker-deploy-Skill geschrieben, den du in OpenClaw, OpenCode oder einen Custom-Agent legen kannst.

---

KI-Agent-Frameworks

Code-first-Libraries, wenn du Produkte baust, nicht nur mit einem Assistenten chattest.

Quick Picks

LangChain sitzt weiterhin im Zentrum vieler Tutorials und Integrationen. Kombiniere es mit LangGraph, wenn du Zyklen und dauerhaften State brauchst.

CrewAI, AutoGen und MetaGPT nehmen verschiedene Multi-Agent-Winkel: Rollen und Tasks, Multi-Agent-Chat und eine komplette „virtuelle Software-Firma”-Pipeline.

Agno ist das Python-Framework, das ich für echte Bots weiterempfehle (Discord, Teams, Knowledge Bases). Guides: Agno Getting Started, Discord-Bot mit Agno, Agno-Squads, Agno-MCP-Tools.

Mastra ist die TypeScript-Option, wenn dein Stack schon Node/Bun ist. Agents, Zod-Tools, Memory, Schedules, Studio-UI. Guides: einen Agent mit Mastra bauen, Mastra-Tools vs. MCP, Mastra vs. Eve.

---

Workflow-Orchestrierung

Visuelle Builder, wenn Nicht-Entwickler (oder du an einem Freitag) Pipelines ohne eine volle Custom-App brauchen.

Quick Picks

n8n ist das, was ich zuerst installiere für „wenn X passiert, ruf ein LLM auf und tu Y”. Fair-Code, riesige Integrationsliste, solide Self-Host-Story. Guide: n8n self-host.

Langflow ist besser, wenn das Produkt der Agent-Graph ist (Prompts, Retriever, Tools auf einer Canvas). Guide: Langflow Docker.

Dify sitzt dazwischen: KI-Apps mit Workflows, Knowledge Bases und Monitoring ausliefern, ohne bei einem leeren Python-Repo anzufangen.

Flowise ist nicht auf dieser Liste. Development-Freezes und Sunset-Gerede machen es zu einem schlechten Default für neue Arbeit.

---

KI-Memory & RAG

Gib Agents etwas Längeres als das aktuelle Context Window.

Quick Picks

Mem0 ist der einfache „Memory hinzufügen”-Default für viele Apps.

Cognee baut einen strukturierten Knowledge Graph. Ich self-hoste es: Cognee self-host.

Hindsight zielt auf Agents, die aus Erfahrung lernen, statt Transkripte abzuspielen. Deploy-Notizen: Hindsight Docker. Head-to-Head: Cognee vs. Hindsight.

Letta (früher MemGPT) ist immer noch die forschungsverwurzelte Stateful-Agent-Plattform.

Firecrawl und RAGFlow decken die Dokument-/Web-Seite ab: saubere Daten rein, dann mit Zitaten antworten.

---

Vektordatenbanken

Wo Embeddings für RAG und semantische Suche wohnen.

Quick Picks

Wenn du schon Postgres laufen hast, ist pgvector die langweilige richtige Wahl. Ich nutze es so. Milvus oder Qdrant, wenn Skalierung oder reine Vektor-Workloads einen weiteren Dienst rechtfertigen. Verwandt: pgvector + pgAdmin in Docker.

---

Multimodal & Generierung

Quick Picks

ComfyUI ist die Default-Werkbank für Bilder (und zunehmend Video), nachdem AUTOMATIC1111 eingeschlafen ist. Node-Graphen, riesiges Ökosystem, bewegt sich weiter.

Remotion ist der React-Pfad für Video: Compositions als Components, rendern mit Node/Lambda, volle Kontrolle über Timeline und Daten. Gute Wahl, wenn Agents oder Scripts Motion Graphics und Explainer komponieren sollen statt nur eine Black-Box-Video-API aufzurufen. Firma-freundliche Lizenz für kommerzielle Nutzung (für Produktion deren Lizenzbedingungen prüfen).

HyperFrames ist näher an „HTML schreiben, ein Video bekommen” für Agent-Pipelines. Nimm Remotion, wenn du eine echte React-Codebase willst; HyperFrames, wenn der Agent HTML-Frames ausliefern soll.

Voice: F5-TTS und OpenVoice decken die meisten lokalen Cloning-Bedürfnisse ab. Coqui und Bark sind raus, weil die Upstream-Stories geendet haben.

---

Observability & Gateways

Quick Picks

LiteLLM ist der Klebstoff, wenn du nicht willst, dass jeder Service ein anderes SDK hardcoded. Cost-Tracking, Fallback, Load-Balancing. Guide: LiteLLM Docker.

OmniRoute ist das Free-Tier-freundliche Gateway: ein Endpoint, eine riesige Provider-Liste (inklusive kostenloser), Token-Kompression und smartes Fallback. Nützlich, wenn Coding-Agents (Claude Code, Codex, Cursor, OpenCode, Pi) weiterarbeiten sollen, ohne dass du jedes Mal Configs umschreibst, wenn ein Free-Endpoint stirbt. MIT, aktiv gepflegt.

Langfuse ist das, wonach ich greife, um Traces und Kosten zu sehen. Guide: Langfuse Docker.

promptfoo ist für „besteht dieser Prompt noch die Suite?“, bevor du shipst.

---

MCP & Tool-Anbindung

MCP (Model Context Protocol) ist, wie Agents mit Tools reden, ohne dass jeder Vendor ein privates Plugin-Format erfindet.

Quick Picks

Wenn du neu beim Protokoll bist, starte mit MCP für Anfänger. Für konkretes Wiring in Agents siehe die Agno- und Mastra-MCP-Artikel, die oben verlinkt sind.

---

Lernen & Referenz

Quick Picks

Nutze die Kurse zum Lernen. Nutze die Prompt-Repos, um Struktur zu klauen, nicht, um blind in Produktions-Agents zu pasten.

---

Default-Picks nach Anwendungsfall

Erste Schritte (ein Wochenende)

1. Lokaler Chat – ollama run + Open WebUI in Docker (Guide).
2. Assistent – OpenClaw oder Hermes auf einem kleinen VPS (OpenClaw, Hermes).
3. Coding – OpenCode oder Pi gegen ein echtes Repo (OpenCode, Pi).
4. Skills – Spec Kit oder pi-skills hinzufügen statt riesige System-Prompts zu pasten.
5. Automatisierung – ein n8n-Workflow, der ein LLM aufruft (n8n).
6. Memory – Mem0 oder Cognee auf etwas, das du schon laufen hast (Cognee).
7. Observability – Langfuse, wenn du über Demos hinaus bist (Langfuse).

Star nicht die ganze Seite an Tag eins. Nimm eine Zeile aus der Tabelle, ship etwas, dann erweitere.

---

Guides auf dieser Seite (verwandt)

---

FAQ

Warum ist Projekt X nicht auf dieser Liste?

Meistens einer dieser Gründe: aufgegeben oder code-gefriert, purer Hype ohne Pflege, Duplikat von etwas Besserem auf der Liste oder zu schmal für einen „Top-Dogs”-Katalog. Die Star-Zahl allein bringt dich nicht rein. OpenClaw und Hermes stehen hier, weil Leute sie täglich betreiben, nicht nur, weil sie trenden.

Soll ich OpenClaw oder Hermes Agent nutzen?

OpenClaw, wenn du das größte Ökosystem, Kanäle und die Skills-Community willst. Hermes, wenn dir die Learning-Loop und der Ansatz von Nous Research wichtiger sind. Viele betreiben beide. Fang mit einem an, migriere später bei Bedarf – Hermes hat einen OpenClaw-Migrationspfad.

Wo passt Buzz rein?

Buzz ist kein Drop-in-OpenClaw-Klon. Es ist ein Collaboration-Workspace (Chat + Git + Workflows), in dem Agents Identitäten erster Klasse haben. Nutze es, wenn das Problem Multi-Human-, Multi-Agent-Kollaboration ist. Self-hosten mit dem Buzz-Docker-Guide.

OpenCode oder Pi Agent?

OpenCode, wenn du eine volle TUI, Plan Mode und viel eingebaut willst. Pi, wenn du einen kleinen Core willst und gerne Skills/Extensions selbst zusammenbaust. Ich nutze beide. Details: OpenCode vs. Pi.

Python- oder TypeScript-Frameworks?

Python hat immer noch mehr Agent-Framework-Fläche (LangChain, CrewAI, Agno). TypeScript ist ok und oft besser, wenn dein Produkt schon Node/Bun ist – nimm Mastra. Schreib nicht deinen ganzen Stack um, nur um eine Framework-Sprache zu matchen.

Wie oft wird diese Seite aktualisiert?

Wenn große Projekte aufsteigen, sterben oder den Besitzer wechseln. Die 2026er-Story hat schon einige frühere „must install”-Tools gekillt oder ins Abseits gestellt. Wenn ein Repo auf dieser Seite dunkel wird, fliegt es raus.

---

Fazit

Der Großteil von GitHubs KI-Sektion ist Rauschen. Der nützliche Kern ist klein:

• Modelle laufen lassen: Ollama, Open WebUI, llama.cpp, vLLM
• Open Weights: DeepSeek-V4, Kimi K3, GLM-5.2, MiniMax M3 (voller Guide)
• Persönliche Assistenten: OpenClaw, Hermes Agent
• Team-+-Agents-Workspace: Buzz
• Coding-Agents: OpenCode, Pi Agent, Cline, OpenHands
• Skills: Spec Kit, superpowers, pi-skills, claude-mem
• Produkte bauen: LangChain, Agno, Mastra, CrewAI
• Workflows: n8n, Dify, Langflow
• Multimodal: ComfyUI, Remotion, HyperFrames
• Memory / RAG: Mem0, Cognee, Hindsight, RAGFlow, pgvector oder Qdrant/Milvus
• Ops: LiteLLM, OmniRoute, Langfuse, MCP-Verzeichnis

Star, was zu deinem nächsten Projekt passt. Ignoriere den Rest, bis du einen echten Grund hast, dich zu kümmern.