chore(i18n): refresh de translations

2026-04-15 14:50:17 +00:00 · 2026-04-15 14:50:17 +00:00 · 3be1fcaf9b
commit 3be1fcaf9b
parent 07cbfee8c6
12 changed files with 1942 additions and 1878 deletions
--- a/docs/de/concepts/dreaming.md
+++ b/docs/de/concepts/dreaming.md
@ -1,47 +1,47 @@
 ---
 read_when:
-    - Sie möchten, dass die Speicherhochstufung automatisch ausgeführt wird.
-    - Sie möchten verstehen, was jede Dreaming-Phase bewirkt.
-    - Sie möchten die Konsolidierung abstimmen, ohne `MEMORY.md` zu überladen.
-summary: Hintergrund-Konsolidierung des Gedächtnisses mit leichten, tiefen und REM-Phasen sowie einem Traumtagebuch
-title: Dreaming (experimentell)
+    - Sie möchten, dass die Gedächtnisförderung automatisch ausgeführt wird
+    - Sie möchten verstehen, was jede Dreaming-Phase bewirkt
+    - Sie möchten die Konsolidierung abstimmen, ohne `MEMORY.md` zu verunreinigen
+summary: Hintergrundkonsolidierung des Gedächtnisses mit leichten, tiefen und REM-Phasen sowie einem Traumtagebuch
+title: Dreaming
 x-i18n:
-    generated_at: "2026-04-15T06:21:28Z"
+    generated_at: "2026-04-15T14:40:29Z"
    model: gpt-5.4
    provider: openai
-    source_hash: 5882a5068f2eabe54ca9893184e5385330a432b921870c38626399ce11c31e25
+    source_hash: a5bcaec80f62e7611ed533094ef1917bd72c885f57252824db910e1f0496adc6
    source_path: concepts/dreaming.md
    workflow: 15
 ---

-# Dreaming (experimentell)
+# Dreaming

 Dreaming ist das Hintergrundsystem zur Gedächtniskonsolidierung in `memory-core`.
-Es hilft OpenClaw dabei, starke kurzfristige Signale in dauerhaftes Gedächtnis zu überführen und
-den Prozess dabei nachvollziehbar und überprüfbar zu halten.
+Es hilft OpenClaw dabei, starke kurzfristige Signale in dauerhaftes Gedächtnis zu überführen, während
+der Prozess nachvollziehbar und überprüfbar bleibt.

 Dreaming ist **optional** und standardmäßig deaktiviert.

 ## Was Dreaming schreibt

-Dreaming verwaltet zwei Arten von Ausgaben:
+Dreaming speichert zwei Arten von Ausgaben:

- **Maschinenzustand** in `memory/.dreams/` (Recall-Speicher, Phasensignale, Ingestion-Prüfpunkte, Sperren).
- **Menschenlesbare Ausgabe** in `DREAMS.md` (oder vorhandener `dreams.md`) und optionale Phasenberichtdateien unter `memory/dreaming/<phase>/YYYY-MM-DD.md`.
+- **Maschinenstatus** in `memory/.dreams/` (Recall-Speicher, Phasensignale, Ingestion-Prüfpunkte, Sperren).
+- **Menschenlesbare Ausgabe** in `DREAMS.md` (oder vorhandener `dreams.md`) und optionalen Phasenberichtdateien unter `memory/dreaming/<phase>/YYYY-MM-DD.md`.

-Die langfristige Hochstufung schreibt weiterhin nur nach `MEMORY.md`.
+Die langfristige Überführung schreibt weiterhin nur in `MEMORY.md`.

 ## Phasenmodell

-Dreaming verwendet drei zusammenarbeitende Phasen:
+Dreaming verwendet drei kooperative Phasen:

-| Phase | Zweck                                      | Dauerhafter Schreibvorgang |
-| ----- | ------------------------------------------ | -------------------------- |
-| Light | Kürzliches kurzfristiges Material sortieren und vorbereiten | Nein                       |
-| Deep  | Dauerhafte Kandidaten bewerten und hochstufen | Ja (`MEMORY.md`)           |
+| Phase | Zweck                                     | Dauerhafter Schreibvorgang |
+| ----- | ----------------------------------------- | -------------------------- |
+| Light | Aktuelles kurzfristiges Material sortieren und vorbereiten | Nein                       |
+| Deep  | Dauerhafte Kandidaten bewerten und überführen | Ja (`MEMORY.md`)           |
 | REM   | Über Themen und wiederkehrende Ideen reflektieren | Nein                       |

-Diese Phasen sind interne Implementierungsdetails, keine separaten vom Benutzer konfigurierten
+Diese Phasen sind interne Implementierungsdetails, keine separaten benutzerkonfigurierbaren
 „Modi“.

 ### Light-Phase
@ -49,19 +49,19 @@ Diese Phasen sind interne Implementierungsdetails, keine separaten vom Benutzer
 Die Light-Phase nimmt aktuelle tägliche Gedächtnissignale und Recall-Spuren auf, dedupliziert sie
 und bereitet Kandidatenzeilen vor.

- Liest aus dem kurzfristigen Recall-Zustand, aktuellen täglichen Gedächtnisdateien und redigierten Sitzungs-Transkripten, sofern verfügbar.
+- Liest aus dem kurzfristigen Recall-Status, aktuellen täglichen Gedächtnisdateien und redigierten Sitzungsprotokollen, wenn verfügbar.
 - Schreibt einen verwalteten Block `## Light Sleep`, wenn der Speicher Inline-Ausgabe enthält.
- Zeichnet Verstärkungssignale für das spätere Deep-Ranking auf.
- Schreibt niemals nach `MEMORY.md`.
+- Zeichnet Verstärkungssignale für spätere Deep-Bewertung auf.
+- Schreibt niemals in `MEMORY.md`.

 ### Deep-Phase

-Die Deep-Phase entscheidet, was Teil des Langzeitgedächtnisses wird.
+Die Deep-Phase entscheidet, was zum Langzeitgedächtnis wird.

- Ordnet Kandidaten mithilfe gewichteter Bewertung und Schwellenwert-Gates.
- Erfordert, dass `minScore`, `minRecallCount` und `minUniqueQueries` erfüllt werden.
- Hydriert Snippets vor dem Schreiben aus Live-Tagesdateien erneut, sodass veraltete oder gelöschte Snippets übersprungen werden.
- Hängt hochgestufte Einträge an `MEMORY.md` an.
+- Bewertet Kandidaten mithilfe gewichteter Scores und Schwellenwerte.
+- Erfordert, dass `minScore`, `minRecallCount` und `minUniqueQueries` erfüllt sind.
+- Stellt Snippets vor dem Schreiben aus aktiven Tagesdateien wieder her, sodass veraltete/gelöschte Snippets übersprungen werden.
+- Hängt überführte Einträge an `MEMORY.md` an.
 - Schreibt eine Zusammenfassung `## Deep Sleep` in `DREAMS.md` und schreibt optional `memory/dreaming/deep/YYYY-MM-DD.md`.

 ### REM-Phase
@ -70,55 +70,55 @@ Die REM-Phase extrahiert Muster und reflektierende Signale.

 - Erstellt Themen- und Reflexionszusammenfassungen aus aktuellen kurzfristigen Spuren.
 - Schreibt einen verwalteten Block `## REM Sleep`, wenn der Speicher Inline-Ausgabe enthält.
- Zeichnet REM-Verstärkungssignale auf, die vom Deep-Ranking verwendet werden.
- Schreibt niemals nach `MEMORY.md`.
+- Zeichnet REM-Verstärkungssignale auf, die bei der Deep-Bewertung verwendet werden.
+- Schreibt niemals in `MEMORY.md`.

-## Ingestion von Sitzungs-Transkripten
+## Aufnahme von Sitzungsprotokollen

-Dreaming kann redigierte Sitzungs-Transkripte in den Dreaming-Korpus aufnehmen. Wenn
-Transkripte verfügbar sind, werden sie zusammen mit täglichen
-Gedächtnissignalen und Recall-Spuren in die Light-Phase eingespeist. Persönliche und sensible Inhalte werden
-vor der Ingestion redigiert.
+Dreaming kann redigierte Sitzungsprotokolle in den Dreaming-Korpus aufnehmen. Wenn
+Protokolle verfügbar sind, werden sie zusammen mit täglichen
+Gedächtnissignalen und Recall-Spuren in die Light-Phase eingespeist. Persönliche und sensible Inhalte werden vor
+der Aufnahme redigiert.

 ## Traumtagebuch

 Dreaming führt außerdem ein erzählerisches **Traumtagebuch** in `DREAMS.md`.
-Sobald nach jeder Phase genügend Material vorhanden ist, führt `memory-core` im Hintergrund nach bestem Bemühen
-einen Subagent-Durchlauf aus (unter Verwendung des Standard-Runtime-Modells) und fügt einen kurzen Tagebucheintrag an.
+Sobald nach jeder Phase genügend Material vorhanden ist, führt `memory-core` im Hintergrund
+einen Best-Effort-Subagent-Durchlauf aus (unter Verwendung des Standard-Laufzeitmodells) und hängt einen kurzen Tagebucheintrag an.

-Dieses Tagebuch ist für Menschen in der Dreams-UI gedacht, nicht als Quelle für Hochstufungen.
+Dieses Tagebuch ist für Menschen zum Lesen in der Dreams-UI gedacht, nicht als Quelle für Überführungen.
 Von Dreaming erzeugte Tagebuch-/Berichtsartefakte sind von der kurzfristigen
-Hochstufung ausgeschlossen. Nur fundierte Gedächtnis-Snippets kommen für die Hochstufung nach
+Überführung ausgeschlossen. Nur fundierte Gedächtnis-Snippets kommen für eine Überführung in
 `MEMORY.md` infrage.

-Es gibt außerdem einen fundierten historischen Backfill-Pfad für Überprüfungs- und Wiederherstellungsarbeiten:
+Es gibt außerdem einen fundierten historischen Backfill-Pfad für Prüf- und Wiederherstellungsarbeiten:

- `memory rem-harness --path ... --grounded` zeigt eine Vorschau fundierter Tagebuchausgabe aus historischen `YYYY-MM-DD.md`-Notizen.
+- `memory rem-harness --path ... --grounded` zeigt fundierte Tagebuchausgaben aus historischen Notizen `YYYY-MM-DD.md` als Vorschau an.
 - `memory rem-backfill --path ...` schreibt reversible fundierte Tagebucheinträge in `DREAMS.md`.
 - `memory rem-backfill --path ... --stage-short-term` stellt fundierte dauerhafte Kandidaten in denselben kurzfristigen Evidenzspeicher bereit, den die normale Deep-Phase bereits verwendet.
- `memory rem-backfill --rollback` und `--rollback-short-term` entfernen diese bereitgestellten Backfill-Artefakte, ohne gewöhnliche Tagebucheinträge oder den aktiven kurzfristigen Recall zu berühren.
+- `memory rem-backfill --rollback` und `--rollback-short-term` entfernen diese bereitgestellten Backfill-Artefakte, ohne gewöhnliche Tagebucheinträge oder aktiven kurzfristigen Recall zu berühren.

-Die Control UI stellt denselben Tagebuch-Backfill-/Reset-Ablauf bereit, sodass Sie die
+Die Control UI stellt denselben Backfill-/Zurücksetzen-Ablauf für das Tagebuch bereit, sodass Sie die
 Ergebnisse in der Dreams-Szene prüfen können, bevor Sie entscheiden, ob die fundierten Kandidaten
-eine Hochstufung verdienen. Die Szene zeigt außerdem einen eigenen fundierten Pfad, damit Sie sehen können,
-welche bereitgestellten kurzfristigen Einträge aus historischem Replay stammen, welche hochgestuften
-Elemente fundiert gesteuert waren, und nur fundiert bereitgestellte Einträge löschen können, ohne
-den gewöhnlichen aktiven kurzfristigen Zustand zu berühren.
+eine Überführung verdienen. Die Szene zeigt außerdem einen separaten fundierten Pfad, damit Sie sehen können,
+welche bereitgestellten kurzfristigen Einträge aus historischer Wiederholung stammen, welche überführten
+Elemente fundiert geführt waren, und nur fundierte bereitgestellte Einträge löschen können, ohne
+den gewöhnlichen aktiven kurzfristigen Status zu berühren.

-## Deep-Ranking-Signale
+## Deep-Bewertungssignale

-Das Deep-Ranking verwendet sechs gewichtete Basissignale plus Phasenverstärkung:
+Die Deep-Bewertung verwendet sechs gewichtete Basissignale plus Phasenverstärkung:

-| Signal              | Gewicht | Beschreibung                                     |
-| ------------------- | ------ | ------------------------------------------------ |
-| Frequency           | 0.24   | Wie viele kurzfristige Signale der Eintrag angesammelt hat |
-| Relevance           | 0.30   | Durchschnittliche Abrufqualität für den Eintrag  |
-| Query diversity     | 0.15   | Unterschiedliche Abfrage-/Tageskontexte, in denen er aufgetaucht ist |
-| Recency             | 0.15   | Zeitlich abklingender Aktualitätswert            |
-| Consolidation       | 0.10   | Stärke des mehrtägigen Wiederauftretens          |
-| Conceptual richness | 0.06   | Dichte der Konzept-Tags aus Snippet/Pfad         |
+| Signal              | Gewicht | Beschreibung                                   |
+| ------------------- | ------ | ---------------------------------------------- |
+| Häufigkeit          | 0.24   | Wie viele kurzfristige Signale der Eintrag gesammelt hat |
+| Relevanz            | 0.30   | Durchschnittliche Abrufqualität für den Eintrag |
+| Abfragevielfalt     | 0.15   | Unterschiedliche Abfrage-/Tageskontexte, in denen er aufgetaucht ist |
+| Aktualität          | 0.15   | Zeitlich abklingender Frische-Score            |
+| Konsolidierung      | 0.10   | Stärke des mehrtägigen Wiederauftretens        |
+| Konzeptioneller Reichtum | 0.06   | Dichte der Konzept-Tags aus Snippet/Pfad      |

-Treffer aus der Light- und REM-Phase fügen einen kleinen, zeitlich abklingenden Boost aus
+Treffer in der Light- und REM-Phase fügen einen kleinen, nach Aktualität abklingenden Boost aus
 `memory/.dreams/phase-signals.json` hinzu.

 ## Zeitplanung
@ -126,7 +126,7 @@ Treffer aus der Light- und REM-Phase fügen einen kleinen, zeitlich abklingenden
 Wenn aktiviert, verwaltet `memory-core` automatisch einen Cron-Job für einen vollständigen Dreaming-Durchlauf.
 Jeder Durchlauf führt die Phasen der Reihe nach aus: light -> REM -> deep.

-Standardverhalten für die Ausführungsfrequenz:
+Standardverhalten für die Taktung:

 | Einstellung         | Standard    |
 | ------------------- | ----------- |
@ -152,7 +152,7 @@ Dreaming aktivieren:
 }
 ```

-Dreaming mit benutzerdefinierter Durchlauf-Frequenz aktivieren:
+Dreaming mit einer benutzerdefinierten Durchlauf-Taktung aktivieren:

 ```json
 {
@ -181,9 +181,9 @@ Dreaming mit benutzerdefinierter Durchlauf-Frequenz aktivieren:
 /dreaming help
 ```

-## CLI-Ablauf
+## CLI-Workflow

-Verwenden Sie die CLI-Hochstufung für Vorschau oder manuelles Anwenden:
+Verwenden Sie die CLI-Überführung für Vorschau oder manuelle Anwendung:

 ```bash
 openclaw memory promote
@ -192,18 +192,18 @@ openclaw memory promote --limit 5
 openclaw memory status --deep
 ```

-Das manuelle `memory promote` verwendet standardmäßig die Schwellenwerte der Deep-Phase, sofern sie
-nicht mit CLI-Flags überschrieben werden.
+Das manuelle `memory promote` verwendet standardmäßig die Schwellenwerte der Deep-Phase, sofern sie nicht
+mit CLI-Flags überschrieben werden.

-Erklären, warum ein bestimmter Kandidat hochgestuft würde oder nicht:
+Erklären, warum ein bestimmter Kandidat überführt würde oder nicht:

 ```bash
 openclaw memory promote-explain "router vlan"
 openclaw memory promote-explain "router vlan" --json
 ```

-REM-Reflexionen, Kandidatenwahrheiten und Deep-Hochstufungsausgabe in der Vorschau anzeigen, ohne
-etwas zu schreiben:
+REM-Reflexionen, Kandidatenwahrheiten und Deep-Überführungsausgabe in der Vorschau anzeigen, ohne
+irgendetwas zu schreiben:

 ```bash
 openclaw memory rem-harness
@ -222,23 +222,22 @@ Alle Einstellungen befinden sich unter `plugins.entries.memory-core.config.dream
 Phasenrichtlinie, Schwellenwerte und Speicherverhalten sind interne Implementierungsdetails
 (keine benutzerseitige Konfiguration).

-Siehe [Referenz zur Memory-Konfiguration](/de/reference/memory-config#dreaming-experimental)
-für die vollständige Schlüsselliste.
+Die vollständige Liste der Schlüssel finden Sie unter [Referenz zur Gedächtniskonfiguration](/de/reference/memory-config#dreaming).

 ## Dreams-UI

 Wenn aktiviert, zeigt der Gateway-Tab **Dreams** Folgendes an:

- aktuellen Aktivierungsstatus von Dreaming
- Status auf Phasenebene und Vorhandensein verwalteter Durchläufe
- Zählwerte für kurzfristige, fundierte, Signal- und heute hochgestufte Einträge
+- aktuellen Dreaming-Aktivierungsstatus
+- Status auf Phasenebene und Vorhandensein eines verwalteten Durchlaufs
+- Zähler für kurzfristig, fundiert, Signal und heute überführt
 - Zeitpunkt des nächsten geplanten Durchlaufs
- einen eigenen fundierten Szenenpfad für bereitgestellte historische Replay-Einträge
- einen ausklappbaren Leser für das Traumtagebuch, gestützt durch `doctor.memory.dreamDiary`
+- einen separaten fundierten Szenenpfad für bereitgestellte historische Wiederholungseinträge
+- einen ausklappbaren Leser für das Traumtagebuch, der von `doctor.memory.dreamDiary` gestützt wird

 ## Verwandt

- [Memory](/de/concepts/memory)
- [Memory Search](/de/concepts/memory-search)
+- [Gedächtnis](/de/concepts/memory)
+- [Gedächtnissuche](/de/concepts/memory-search)
 - [memory CLI](/cli/memory)
- [Referenz zur Memory-Konfiguration](/de/reference/memory-config)
+- [Referenz zur Gedächtniskonfiguration](/de/reference/memory-config)
--- a/docs/de/concepts/experimental-features.md
+++ b/docs/de/concepts/experimental-features.md
@ -0,0 +1,56 @@
+---
+read_when:
+    - Sie sehen einen Konfigurationsschlüssel `.experimental` und möchten wissen, ob er stabil ist
+    - Sie möchten Vorschau-Laufzeitfunktionen ausprobieren, ohne sie mit normalen Standardeinstellungen zu verwechseln
+    - Sie möchten eine zentrale Stelle finden, an der die derzeit dokumentierten experimentellen Flags aufgeführt sind
+summary: Was experimentelle Flags in OpenClaw bedeuten und welche derzeit dokumentiert sind
+title: Experimentelle Funktionen
+x-i18n:
+    generated_at: "2026-04-15T14:40:30Z"
+    model: gpt-5.4
+    provider: openai
+    source_hash: 2d1c7b3d4cd56ef8a0bdab1deb9918e9b2c9a33f956d63193246087f8633dcf3
+    source_path: concepts/experimental-features.md
+    workflow: 15
+---
+
+# Experimentelle Funktionen
+
+Experimentelle Funktionen in OpenClaw sind **optionale Vorschau-Oberflächen**. Sie
+stehen hinter expliziten Flags, weil sie noch Praxiserfahrung unter realen
+Bedingungen brauchen, bevor sie eine stabile Standardeinstellung oder einen
+langlebigen öffentlichen Vertrag verdienen.
+
+Behandeln Sie sie anders als normale Konfiguration:
+
+- Lassen Sie sie **standardmäßig deaktiviert**, sofern die zugehörige Dokumentation Sie nicht auffordert, eine auszuprobieren.
+- Rechnen Sie damit, dass sich **Form und Verhalten** schneller ändern als bei stabiler Konfiguration.
+- Bevorzugen Sie zuerst den stabilen Pfad, wenn bereits einer existiert.
+- Wenn Sie OpenClaw breit ausrollen, testen Sie experimentelle Flags zunächst in einer kleineren Umgebung, bevor Sie sie in eine gemeinsame Baseline übernehmen.
+
+## Derzeit dokumentierte Flags
+
+| Oberfläche              | Schlüssel                                                  | Verwenden Sie ihn, wenn                                                                                         | Mehr                                                                                          |
+| ----------------------- | ---------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------- |
+| Laufzeit für lokale Modelle | `agents.defaults.experimental.localModelLean`             | ein kleineres oder strengeres lokales Backend an der vollständigen Standard-Tool-Oberfläche von OpenClaw scheitert | [Lokale Modelle](/de/gateway/local-models)                                                       |
+| Speichersuche           | `agents.defaults.memorySearch.experimental.sessionMemory`  | Sie möchten, dass `memory_search` frühere Sitzungsprotokolle indexiert und nehmen die zusätzlichen Speicher- und Indexierungskosten in Kauf | [Referenz zur Speicherkonfiguration](/de/reference/memory-config#session-memory-search-experimental) |
+| Strukturiertes Planungstool | `tools.experimental.planTool`                             | Sie möchten das strukturierte Tool `update_plan` für die Nachverfolgung mehrstufiger Arbeiten in kompatiblen Laufzeiten und UIs verfügbar machen | [Referenz zur Gateway-Konfiguration](/de/gateway/configuration-reference#toolsexperimental)      |
+
+## Lean-Modus für lokale Modelle
+
+`agents.defaults.experimental.localModelLean: true` ist ein Entlastungsventil
+für schwächere Setups mit lokalen Modellen. Es entfernt umfangreiche
+Standard-Tools wie `browser`, `cron` und `message`, damit die Prompt-Struktur
+kleiner und für Backends mit kleinem Kontext oder strengere
+OpenAI-kompatible Backends weniger fragil ist.
+
+Das ist absichtlich **nicht** der normale Pfad. Wenn Ihr Backend die vollständige
+Laufzeit sauber verarbeiten kann, lassen Sie dies deaktiviert.
+
+## Experimentell bedeutet nicht verborgen
+
+Wenn eine Funktion experimentell ist, sollte OpenClaw das in der Dokumentation
+und im Konfigurationspfad selbst klar sagen. Was es **nicht** tun sollte, ist,
+Vorschauverhalten in einen stabil wirkenden Standard-Schalter hineinzuschmuggeln
+und so zu tun, als wäre das normal. So werden Konfigurationsoberflächen
+unübersichtlich.
--- a/docs/de/concepts/memory-search.md
+++ b/docs/de/concepts/memory-search.md
@ -3,13 +3,13 @@ read_when:
    - Sie möchten verstehen, wie `memory_search` funktioniert
    - Sie möchten einen Embedding-Anbieter auswählen
    - Sie möchten die Suchqualität optimieren
-summary: Wie die Speichersuche mit Embeddings und hybrider Retrieval relevante Notizen findet
+summary: Wie die Speichersuche mithilfe von Embeddings und hybrider Suche relevante Notizen findet
 title: Speichersuche
 x-i18n:
-    generated_at: "2026-04-12T23:28:14Z"
+    generated_at: "2026-04-15T14:40:34Z"
    model: gpt-5.4
    provider: openai
-    source_hash: 71fde251b7d2dc455574aa458e7e09136f30613609ad8dafeafd53b2729a0310
+    source_hash: f5757aa8fe8f7fec30ef5c826f72230f591ce4cad591d81a091189d50d4262ed
    source_path: concepts/memory-search.md
    workflow: 15
 ---
@ -17,21 +17,22 @@ x-i18n:
 # Speichersuche

 `memory_search` findet relevante Notizen aus Ihren Speicherdateien, auch wenn
-die Formulierung vom ursprünglichen Text abweicht. Dazu wird der Speicher in
-kleine Abschnitte indexiert und diese mithilfe von Embeddings, Schlüsselwörtern oder
-beidem durchsucht.
+die Formulierung vom Originaltext abweicht. Dazu wird der Speicher in kleine
+Abschnitte indexiert und diese mit Embeddings, Schlüsselwörtern oder beidem
+durchsucht.

 ## Schnellstart

-Wenn Sie einen OpenAI-, Gemini-, Voyage- oder Mistral-API-Schlüssel konfiguriert haben, funktioniert die
-Speichersuche automatisch. Um einen Anbieter explizit festzulegen:
+Wenn Sie ein GitHub Copilot-Abonnement oder einen konfigurierten API-Schlüssel
+für OpenAI, Gemini, Voyage oder Mistral haben, funktioniert die Speichersuche
+automatisch. Um einen Anbieter explizit festzulegen:

 ```json5
 {
  agents: {
    defaults: {
      memorySearch: {
-        provider: "openai", // or "gemini", "local", "ollama", etc.
+        provider: "openai", // oder "gemini", "local", "ollama" usw.
      },
    },
  },
@ -43,66 +44,76 @@ node-llama-cpp).

 ## Unterstützte Anbieter

-| Anbieter | ID        | API-Schlüssel erforderlich | Hinweise                                             |
-| -------- | --------- | ------------------------- | ---------------------------------------------------- |
-| OpenAI   | `openai`  | Ja                        | Automatisch erkannt, schnell                         |
-| Gemini   | `gemini`  | Ja                        | Unterstützt Bild-/Audio-Indexierung                  |
-| Voyage   | `voyage`  | Ja                        | Automatisch erkannt                                  |
-| Mistral  | `mistral` | Ja                        | Automatisch erkannt                                  |
-| Bedrock  | `bedrock` | Nein                      | Automatisch erkannt, wenn die AWS-Anmeldeinformationskette aufgelöst wird |
-| Ollama   | `ollama`  | Nein                      | Lokal, muss explizit festgelegt werden               |
-| Local    | `local`   | Nein                      | GGUF-Modell, Download von ca. 0,6 GB                 |
+| Anbieter        | ID               | API-Schlüssel erforderlich | Hinweise                                              |
+| ---------------- | ---------------- | ------------------------- | ----------------------------------------------------- |
+| Bedrock          | `bedrock`        | Nein                      | Automatisch erkannt, wenn die AWS-Anmeldedatenkette aufgelöst wird |
+| Gemini           | `gemini`         | Ja                        | Unterstützt Bild-/Audio-Indexierung                   |
+| GitHub Copilot   | `github-copilot` | Nein                      | Automatisch erkannt, verwendet das Copilot-Abonnement |
+| Local            | `local`          | Nein                      | GGUF-Modell, Download von ca. 0,6 GB                  |
+| Mistral          | `mistral`        | Ja                        | Automatisch erkannt                                   |
+| Ollama           | `ollama`         | Nein                      | Lokal, muss explizit festgelegt werden                |
+| OpenAI           | `openai`         | Ja                        | Automatisch erkannt, schnell                          |
+| Voyage           | `voyage`         | Ja                        | Automatisch erkannt                                   |

 ## So funktioniert die Suche

-OpenClaw führt zwei Retrieval-Pfade parallel aus und führt die Ergebnisse zusammen:
+OpenClaw führt zwei Abrufpfade parallel aus und führt die Ergebnisse zusammen:

 ```mermaid
 flowchart LR
-    Q["Query"] --> E["Embedding"]
-    Q --> T["Tokenize"]
-    E --> VS["Vector Search"]
-    T --> BM["BM25 Search"]
-    VS --> M["Weighted Merge"]
+    Q["Abfrage"] --> E["Embedding"]
+    Q --> T["Tokenisieren"]
+    E --> VS["Vektorsuche"]
+    T --> BM["BM25-Suche"]
+    VS --> M["Gewichtete Zusammenführung"]
    BM --> M
-    M --> R["Top Results"]
+    M --> R["Beste Ergebnisse"]
 ```

- **Vektorsuche** findet Notizen mit ähnlicher Bedeutung („gateway host“ passt zu
-  „the machine running OpenClaw“).
- **BM25-Schlüsselwortsuche** findet exakte Übereinstimmungen (IDs, Fehlerzeichenfolgen, Konfigurations-
+- **Vektorsuche** findet Notizen mit ähnlicher Bedeutung („Gateway-Host“ passt
+  zu „der Rechner, auf dem OpenClaw läuft“).
+- **BM25-Schlüsselwortsuche** findet exakte Treffer (IDs, Fehlerzeichenfolgen, Konfigurations-
  schlüssel).

-Wenn nur ein Pfad verfügbar ist (keine Embeddings oder kein FTS), wird der andere allein ausgeführt.
+Wenn nur ein Pfad verfügbar ist (keine Embeddings oder kein FTS), läuft der
+andere allein.

-Wenn Embeddings nicht verfügbar sind, verwendet OpenClaw weiterhin lexikalisches Ranking über FTS-Ergebnisse, statt nur auf eine rohe Reihenfolge nach exakter Übereinstimmung zurückzufallen. Dieser degradierte Modus hebt Abschnitte mit stärkerer Abdeckung der Suchbegriffe und relevanten Dateipfaden hervor, wodurch der Recall auch ohne `sqlite-vec` oder einen Embedding-Anbieter nützlich bleibt.
+Wenn keine Embeddings verfügbar sind, verwendet OpenClaw weiterhin ein
+lexikalisches Ranking über FTS-Ergebnisse, anstatt nur auf die rohe Reihenfolge
+exakter Treffer zurückzufallen. Dieser eingeschränkte Modus hebt Abschnitte mit
+stärkerer Abdeckung der Abfragebegriffe und relevanten Dateipfaden hervor,
+wodurch der Recall auch ohne `sqlite-vec` oder einen Embedding-Anbieter
+nützlich bleibt.

 ## Suchqualität verbessern

-Zwei optionale Funktionen helfen, wenn Sie einen großen Notizverlauf haben:
+Zwei optionale Funktionen helfen, wenn Sie eine lange Notizenhistorie haben:

-### Zeitlicher Zerfall
+### Zeitlicher Verfall

-Alte Notizen verlieren schrittweise an Ranking-Gewicht, sodass aktuelle Informationen zuerst angezeigt werden.
-Mit der Standard-Halbwertszeit von 30 Tagen erreicht eine Notiz vom letzten Monat 50 %
-ihres ursprünglichen Gewichts. Dauerhaft relevante Dateien wie `MEMORY.md` unterliegen nie einem Zerfall.
+Alte Notizen verlieren schrittweise an Ranking-Gewicht, sodass neuere
+Informationen zuerst angezeigt werden. Mit der Standard-Halbwertszeit von 30
+Tagen erreicht eine Notiz vom letzten Monat 50 % ihres ursprünglichen Gewichts.
+Evergreen-Dateien wie `MEMORY.md` unterliegen nie dem Verfall.

 <Tip>
-Aktivieren Sie den zeitlichen Zerfall, wenn Ihr Agent tägliche Notizen über mehrere Monate hat und veraltete
-Informationen wiederholt aktuellerem Kontext vorgezogen werden.
+Aktivieren Sie den zeitlichen Verfall, wenn Ihr Agent monatelange tägliche
+Notizen hat und veraltete Informationen immer wieder höher eingestuft werden als
+aktueller Kontext.
 </Tip>

 ### MMR (Diversität)

-Verringert redundante Ergebnisse. Wenn fünf Notizen alle dieselbe Router-Konfiguration erwähnen, sorgt MMR
-dafür, dass die obersten Ergebnisse unterschiedliche Themen abdecken, statt sich zu wiederholen.
+Verringert redundante Ergebnisse. Wenn fünf Notizen dieselbe Router-Konfiguration
+erwähnen, sorgt MMR dafür, dass die besten Ergebnisse unterschiedliche Themen
+abdecken, anstatt sich zu wiederholen.

 <Tip>
-Aktivieren Sie MMR, wenn `memory_search` immer wieder nahezu doppelte Ausschnitte aus
-verschiedenen täglichen Notizen zurückgibt.
+Aktivieren Sie MMR, wenn `memory_search` immer wieder nahezu identische Snippets
+aus verschiedenen täglichen Notizen zurückgibt.
 </Tip>

-### Beides aktivieren
+### Beide aktivieren

 ```json5
 {
@ -124,29 +135,30 @@ verschiedenen täglichen Notizen zurückgibt.
 ## Multimodaler Speicher

 Mit Gemini Embedding 2 können Sie Bilder und Audiodateien zusammen mit
-Markdown indexieren. Suchanfragen bleiben Text, aber sie werden mit visuellen und Audio-Inhalten abgeglichen. Siehe die [Referenz zur Speicherkonfiguration](/de/reference/memory-config) für
-die Einrichtung.
+Markdown indexieren. Suchanfragen bleiben Text, gleichen aber mit visuellen und
+Audioinhalten ab. Informationen zur Einrichtung finden Sie in der
+[Referenz zur Speicherkonfiguration](/de/reference/memory-config).

-## Sitzungsspeichersuche
+## Suche im Sitzungsspeicher

-Sie können optional Sitzungsprotokolle indexieren, damit `memory_search`
-frühere Gespräche abrufen kann. Dies ist ein Opt-in über
-`memorySearch.experimental.sessionMemory`. Weitere Details finden Sie in der
+Sie können Sitzungsprotokolle optional indexieren, damit `memory_search`
+frühere Gespräche abrufen kann. Dies ist per Opt-in über
+`memorySearch.experimental.sessionMemory` verfügbar. Details finden Sie in der
 [Konfigurationsreferenz](/de/reference/memory-config).

 ## Fehlerbehebung

-**Keine Ergebnisse?** Führen Sie `openclaw memory status` aus, um den Index zu prüfen. Wenn er leer ist, führen Sie
-`openclaw memory index --force` aus.
+**Keine Ergebnisse?** Führen Sie `openclaw memory status` aus, um den Index zu
+prüfen. Falls er leer ist, führen Sie `openclaw memory index --force` aus.

-**Nur Schlüsselworttreffer?** Ihr Embedding-Anbieter ist möglicherweise nicht konfiguriert. Prüfen Sie
-`openclaw memory status --deep`.
+**Nur Schlüsselworttreffer?** Ihr Embedding-Anbieter ist möglicherweise nicht
+konfiguriert. Prüfen Sie `openclaw memory status --deep`.

 **CJK-Text wird nicht gefunden?** Erstellen Sie den FTS-Index mit
 `openclaw memory index --force` neu.

 ## Weiterführende Informationen

- [Active Memory](/de/concepts/active-memory) -- Sub-Agent-Speicher für interaktive Chat-Sitzungen
- [Speicher](/de/concepts/memory) -- Dateilayout, Backends, Tools
+- [Active Memory](/de/concepts/active-memory) -- Unteragenten-Speicher für interaktive Chat-Sitzungen
+- [Memory](/de/concepts/memory) -- Dateilayout, Backends, Tools
 - [Referenz zur Speicherkonfiguration](/de/reference/memory-config) -- alle Konfigurationsoptionen
--- a/docs/de/concepts/memory.md
+++ b/docs/de/concepts/memory.md
@ -1,109 +1,83 @@
 ---
 read_when:
    - Sie möchten verstehen, wie der Speicher funktioniert
-    - Sie möchten wissen, welche Speicherdateien geschrieben werden
-summary: Wie OpenClaw Dinge sitzungsübergreifend behält
-title: Überblick über den Speicher
+    - Sie möchten wissen, welche Speicherdateien geschrieben werden sollen
+summary: Wie OpenClaw sich Dinge sitzungsübergreifend merkt
+title: Speicherübersicht
 x-i18n:
-    generated_at: "2026-04-09T01:27:46Z"
+    generated_at: "2026-04-15T14:40:27Z"
    model: gpt-5.4
    provider: openai
-    source_hash: 2fe47910f5bf1c44be379e971c605f1cb3a29befcf2a7ee11fb3833cbe3b9059
+    source_hash: ad1adafe1d81f1703d24f48a9c9da2b25a0ebbd4aad4f65d8bde5df78195d55b
    source_path: concepts/memory.md
    workflow: 15
 ---

-# Überblick über den Speicher
+# Speicherübersicht

-OpenClaw merkt sich Dinge, indem es **einfache Markdown-Dateien** im Workspace
-Ihres Agenten schreibt. Das Modell „erinnert“ sich nur an das, was auf der
-Festplatte gespeichert wird – es gibt keinen verborgenen Zustand.
+OpenClaw merkt sich Dinge, indem es **einfache Markdown-Dateien** im Workspace Ihres Agenten schreibt. Das Modell „erinnert“ sich nur an das, was auf der Festplatte gespeichert wird -- es gibt keinen versteckten Zustand.

 ## So funktioniert es

-Ihr Agent verfügt über drei speicherbezogene Dateien:
+Ihr Agent hat drei speicherbezogene Dateien:

- **`MEMORY.md`** – Langzeitspeicher. Dauerhafte Fakten, Präferenzen und
-  Entscheidungen. Wird zu Beginn jeder DM-Sitzung geladen.
- **`memory/YYYY-MM-DD.md`** – tägliche Notizen. Laufender Kontext und
-  Beobachtungen. Die Notizen von heute und gestern werden automatisch geladen.
- **`DREAMS.md`** (experimentell, optional) – Traumtagebuch und
-  Zusammenfassungen der Dreaming-Durchläufe zur menschlichen Überprüfung,
-  einschließlich fundierter historischer Backfill-Einträge.
+- **`MEMORY.md`** -- Langzeitspeicher. Dauerhafte Fakten, Präferenzen und Entscheidungen. Wird zu Beginn jeder DM-Sitzung geladen.
+- **`memory/YYYY-MM-DD.md`** -- tägliche Notizen. Laufender Kontext und Beobachtungen. Die Notizen von heute und gestern werden automatisch geladen.
+- **`DREAMS.md`** (optional) -- Dream Diary und Zusammenfassungen von Dreaming-Durchläufen zur menschlichen Überprüfung, einschließlich fundierter historischer Backfill-Einträge.

-Diese Dateien befinden sich im Agent-Workspace (standardmäßig `~/.openclaw/workspace`).
+Diese Dateien befinden sich im Agent-Workspace (Standard: `~/.openclaw/workspace`).

 <Tip>
-Wenn Sie möchten, dass sich Ihr Agent etwas merkt, sagen Sie es ihm einfach:
-„Merke dir, dass ich TypeScript bevorzuge.“ Er schreibt es in die passende
-Datei.
+Wenn Sie möchten, dass Ihr Agent sich etwas merkt, sagen Sie es ihm einfach: „Merke dir, dass ich TypeScript bevorzuge.“ Er schreibt es in die passende Datei.
 </Tip>

 ## Speicher-Tools

-Der Agent hat zwei Tools für die Arbeit mit Speicher:
+Der Agent verfügt über zwei Tools für die Arbeit mit Speicher:

- **`memory_search`** – findet relevante Notizen mithilfe semantischer Suche,
-  auch wenn die Formulierung vom Original abweicht.
- **`memory_get`** – liest eine bestimmte Speicherdatei oder einen
-  Zeilenbereich.
+- **`memory_search`** -- findet relevante Notizen mithilfe semantischer Suche, auch wenn die Formulierung vom Original abweicht.
+- **`memory_get`** -- liest eine bestimmte Speicherdatei oder einen bestimmten Zeilenbereich.

-Beide Tools werden vom aktiven Speicher-Plugin bereitgestellt
-(Standard: `memory-core`).
+Beide Tools werden vom aktiven Memory-Plugin bereitgestellt (Standard: `memory-core`).

-## Begleit-Plugin „Memory Wiki“
+## Begleit-Plugin Memory Wiki

-Wenn sich dauerhafter Speicher eher wie eine gepflegte Wissensdatenbank als
-nur wie rohe Notizen verhalten soll, verwenden Sie das gebündelte Plugin
-`memory-wiki`.
+Wenn sich dauerhafter Speicher eher wie eine gepflegte Wissensdatenbank als nur wie rohe Notizen verhalten soll, verwenden Sie das gebündelte Plugin `memory-wiki`.

-`memory-wiki` kompiliert dauerhaftes Wissen in einen Wiki-Vault mit:
+`memory-wiki` kompiliert dauerhaftes Wissen in einen Wiki-Tresor mit:

 - deterministischer Seitenstruktur
 - strukturierten Aussagen und Belegen
- Verfolgung von Widersprüchen und Aktualität
+- Widerspruchs- und Aktualitätsverfolgung
 - generierten Dashboards
- kompilierten Digests für Agent-/Runtime-Konsumenten
+- kompilierten Übersichten für Agent-/Laufzeit-Consumer
 - wiki-nativen Tools wie `wiki_search`, `wiki_get`, `wiki_apply` und `wiki_lint`

-Es ersetzt nicht das aktive Speicher-Plugin. Das aktive Speicher-Plugin ist
-weiterhin für Abruf, Promotion und Dreaming zuständig. `memory-wiki` fügt
-daneben eine wissensreiche Ebene mit Herkunftsnachweisen hinzu.
+Es ersetzt nicht das aktive Memory-Plugin. Das aktive Memory-Plugin bleibt weiterhin für Abruf, Überführung und Dreaming zuständig. `memory-wiki` ergänzt daneben eine wissensschicht mit reicher Herkunftsnachverfolgbarkeit.

 Siehe [Memory Wiki](/de/plugins/memory-wiki).

 ## Speichersuche

-Wenn ein Embedding-Provider konfiguriert ist, verwendet `memory_search` eine
-**hybride Suche** – eine Kombination aus Vektorähnlichkeit (semantische
-Bedeutung) und Schlüsselwortabgleich (exakte Begriffe wie IDs und Codesymbole).
-Das funktioniert sofort, sobald Sie einen API-Schlüssel für einen
-unterstützten Provider haben.
+Wenn ein Embedding-Provider konfiguriert ist, verwendet `memory_search` **hybride Suche** -- eine Kombination aus Vektorähnlichkeit (semantische Bedeutung) und Schlüsselwortabgleich (exakte Begriffe wie IDs und Code-Symbole). Das funktioniert sofort, sobald Sie einen API-Schlüssel für einen unterstützten Provider haben.

 <Info>
-OpenClaw erkennt Ihren Embedding-Provider automatisch anhand verfügbarer
-API-Schlüssel. Wenn Sie einen konfigurierten Schlüssel für OpenAI, Gemini,
-Voyage oder Mistral haben, wird die Speichersuche automatisch aktiviert.
+OpenClaw erkennt Ihren Embedding-Provider automatisch anhand verfügbarer API-Schlüssel. Wenn Sie einen OpenAI-, Gemini-, Voyage- oder Mistral-Schlüssel konfiguriert haben, ist die Speichersuche automatisch aktiviert.
 </Info>

-Einzelheiten dazu, wie die Suche funktioniert, zu Abstimmungsoptionen und zur
-Provider-Einrichtung finden Sie unter
-[Memory Search](/de/concepts/memory-search).
+Einzelheiten dazu, wie die Suche funktioniert, zu Abstimmungsoptionen und zur Provider-Einrichtung finden Sie unter [Memory Search](/de/concepts/memory-search).

 ## Speicher-Backends

 <CardGroup cols={3}>
 <Card title="Integriert (Standard)" icon="database" href="/de/concepts/memory-builtin">
-SQLite-basiert. Funktioniert sofort mit Schlüsselwortsuche, Vektorähnlichkeit
-und hybrider Suche. Keine zusätzlichen Abhängigkeiten.
+SQLite-basiert. Funktioniert sofort mit Schlüsselwortsuche, Vektorähnlichkeit und hybrider Suche. Keine zusätzlichen Abhängigkeiten.
 </Card>
 <Card title="QMD" icon="search" href="/de/concepts/memory-qmd">
-Lokaler Sidecar mit Reranking, Query-Erweiterung und der Möglichkeit,
-Verzeichnisse außerhalb des Workspace zu indizieren.
+Local-first-Sidecar mit Reranking, Query-Erweiterung und der Möglichkeit, Verzeichnisse außerhalb des Workspace zu indexieren.
 </Card>
 <Card title="Honcho" icon="brain" href="/de/concepts/memory-honcho">
-KI-nativer sitzungsübergreifender Speicher mit Benutzermodellierung,
-semantischer Suche und Multi-Agent-Unterstützung. Plugin-Installation.
+KI-native sitzungsübergreifende Erinnerung mit Benutzermodellierung, semantischer Suche und Multi-Agent-Bewusstsein. Plugin-Installation.
 </Card>
 </CardGroup>

@ -111,58 +85,39 @@ semantischer Suche und Multi-Agent-Unterstützung. Plugin-Installation.

 <CardGroup cols={1}>
 <Card title="Memory Wiki" icon="book" href="/de/plugins/memory-wiki">
-Kompiliert dauerhaften Speicher in einen herkunftsreichen Wiki-Vault mit
-Aussagen, Dashboards, Bridge-Modus und Obsidian-freundlichen Workflows.
+Kompiliert dauerhaften Speicher in einen Wiki-Tresor mit reichhaltiger Herkunftsnachverfolgbarkeit, mit Aussagen, Dashboards, Bridge-Modus und Obsidian-freundlichen Workflows.
 </Card>
 </CardGroup>

 ## Automatische Speicherleerung

-Bevor [Kompaktierung](/de/concepts/compaction) Ihre Unterhaltung zusammenfasst,
-führt OpenClaw einen stillen Turn aus, der den Agenten daran erinnert,
-wichtigen Kontext in Speicherdateien zu speichern. Dies ist standardmäßig
-aktiviert – Sie müssen nichts konfigurieren.
+Bevor [Compaction](/de/concepts/compaction) Ihre Unterhaltung zusammenfasst, führt OpenClaw einen stillen Turn aus, der den Agenten daran erinnert, wichtigen Kontext in Speicherdateien zu speichern. Dies ist standardmäßig aktiviert -- Sie müssen nichts konfigurieren.

 <Tip>
-Die Speicherleerung verhindert Kontextverlust während der Kompaktierung. Wenn
-Ihr Agent wichtige Fakten in der Unterhaltung hat, die noch nicht in eine Datei
-geschrieben wurden, werden sie automatisch gespeichert, bevor die
-Zusammenfassung erfolgt.
+Die Speicherleerung verhindert Kontextverlust während der Compaction. Wenn Ihr Agent wichtige Fakten in der Unterhaltung hat, die noch nicht in eine Datei geschrieben wurden, werden sie automatisch gespeichert, bevor die Zusammenfassung erfolgt.
 </Tip>

-## Dreaming (experimentell)
+## Dreaming

-Dreaming ist ein optionaler Hintergrunddurchlauf zur Konsolidierung von
-Speicher. Es sammelt kurzfristige Signale, bewertet Kandidaten und überführt nur
-qualifizierte Elemente in den Langzeitspeicher (`MEMORY.md`).
+Dreaming ist ein optionaler Hintergrunddurchlauf zur Konsolidierung von Speicher. Dabei werden kurzfristige Signale gesammelt, Kandidaten bewertet und nur qualifizierte Elemente in den Langzeitspeicher (`MEMORY.md`) übernommen.

-Es wurde entwickelt, um den Langzeitspeicher signalstark zu halten:
+Es ist darauf ausgelegt, den Langzeitspeicher signalstark zu halten:

 - **Opt-in**: standardmäßig deaktiviert.
- **Geplant**: wenn aktiviert, verwaltet `memory-core` automatisch einen
-  wiederkehrenden Cron-Job für einen vollständigen Dreaming-Durchlauf.
- **Schwellenwertbasiert**: Promotions müssen Gates für Punktzahl,
-  Abruffrequenz und Abfragevielfalt bestehen.
- **Überprüfbar**: Phasenzusammenfassungen und Tagebucheinträge werden zur
-  menschlichen Überprüfung in `DREAMS.md` geschrieben.
+- **Geplant**: wenn aktiviert, verwaltet `memory-core` automatisch einen wiederkehrenden Cron-Job für einen vollständigen Dreaming-Durchlauf.
+- **Schwellenwertbasiert**: Übernahmen müssen Grenzwerte für Punktzahl, Abruffrequenz und Query-Diversität erfüllen.
+- **Überprüfbar**: Phasenzusammenfassungen und Tagebucheinträge werden zur menschlichen Überprüfung in `DREAMS.md` geschrieben.

-Details zum Phasenverhalten, zu Bewertungssignalen und zum Traumtagebuch finden
-Sie unter [Dreaming (experimental)](/de/concepts/dreaming).
+Weitere Informationen zum Phasenverhalten, zu Bewertungssignalen und zu Dream-Diary-Details finden Sie unter [Dreaming](/de/concepts/dreaming).

-## Fundiertes Backfill und Live-Promotion
+## Fundierter Backfill und Live-Überführung

-Das Dreaming-System hat jetzt zwei eng verwandte Überprüfungspfade:
+Das Dreaming-System verfügt jetzt über zwei eng verwandte Prüfpfade:

- **Live Dreaming** arbeitet mit dem kurzfristigen Dreaming-Speicher unter
-  `memory/.dreams/` und wird von der normalen tiefen Phase verwendet, wenn
-  entschieden wird, was in `MEMORY.md` übernommen werden kann.
- **Fundiertes Backfill** liest historische Notizen aus
-  `memory/YYYY-MM-DD.md` als eigenständige Tagesdateien und schreibt
-  strukturierten Überprüfungsausgabe in `DREAMS.md`.
+- **Live Dreaming** arbeitet mit dem kurzfristigen Dreaming-Speicher unter `memory/.dreams/` und wird von der normalen Deep-Phase verwendet, wenn entschieden wird, was in `MEMORY.md` übernommen werden kann.
+- **Fundierter Backfill** liest historische Notizen aus `memory/YYYY-MM-DD.md` als eigenständige Tagesdateien und schreibt strukturierte Prüfausgaben in `DREAMS.md`.

-Fundiertes Backfill ist nützlich, wenn Sie ältere Notizen erneut durchlaufen und
-prüfen möchten, was das System für dauerhaft hält, ohne `MEMORY.md` manuell zu
-bearbeiten.
+Fundierter Backfill ist nützlich, wenn Sie ältere Notizen erneut abspielen und prüfen möchten, was das System für dauerhaft hält, ohne `MEMORY.md` manuell zu bearbeiten.

 Wenn Sie Folgendes verwenden:

@ -170,17 +125,13 @@ Wenn Sie Folgendes verwenden:
 openclaw memory rem-backfill --path ./memory --stage-short-term
 ```

-werden die fundierten dauerhaften Kandidaten nicht direkt übernommen. Sie werden
-in denselben kurzfristigen Dreaming-Speicher eingestuft, den die normale tiefe
-Phase bereits verwendet. Das bedeutet:
+werden die fundierten dauerhaften Kandidaten nicht direkt übernommen. Sie werden in denselben kurzfristigen Dreaming-Speicher eingestuft, den die normale Deep-Phase bereits verwendet. Das bedeutet:

 - `DREAMS.md` bleibt die Oberfläche für die menschliche Überprüfung.
 - der kurzfristige Speicher bleibt die maschinenseitige Oberfläche für das Ranking.
- `MEMORY.md` wird weiterhin nur durch tiefe Promotion geschrieben.
+- `MEMORY.md` wird weiterhin nur durch Deep-Überführung geschrieben.

-Wenn Sie entscheiden, dass die Wiederholung nicht nützlich war, können Sie die
-bereitgestellten Artefakte entfernen, ohne gewöhnliche Tagebucheinträge oder den
-normalen Abrufstatus zu berühren:
+Wenn Sie entscheiden, dass das erneute Abspielen nicht nützlich war, können Sie die eingestuften Artefakte entfernen, ohne gewöhnliche Tagebucheinträge oder den normalen Abrufzustand zu verändern:

 ```bash
 openclaw memory rem-backfill --rollback
@ -192,18 +143,17 @@ openclaw memory rem-backfill --rollback-short-term
 ```bash
 openclaw memory status          # Indexstatus und Provider prüfen
 openclaw memory search "query"  # Über die Befehlszeile suchen
-openclaw memory index --force   # Den Index neu erstellen
+openclaw memory index --force   # Den Index neu aufbauen
 ```

 ## Weiterführende Informationen

- [Builtin Memory Engine](/de/concepts/memory-builtin) – Standard-Backend mit SQLite
- [QMD Memory Engine](/de/concepts/memory-qmd) – erweiterter lokaler Sidecar
- [Honcho Memory](/de/concepts/memory-honcho) – KI-nativer sitzungsübergreifender Speicher
- [Memory Wiki](/de/plugins/memory-wiki) – kompilierter Wissens-Vault und wiki-native Tools
- [Memory Search](/de/concepts/memory-search) – Suchpipeline, Provider und
-  Abstimmung
- [Dreaming (experimental)](/de/concepts/dreaming) – Hintergrund-Promotion
+- [Builtin Memory Engine](/de/concepts/memory-builtin) -- standardmäßiges SQLite-Backend
+- [QMD Memory Engine](/de/concepts/memory-qmd) -- fortgeschrittener Local-first-Sidecar
+- [Honcho Memory](/de/concepts/memory-honcho) -- KI-native sitzungsübergreifende Erinnerung
+- [Memory Wiki](/de/plugins/memory-wiki) -- kompilierter Wissenstresor und wiki-native Tools
+- [Memory Search](/de/concepts/memory-search) -- Suchpipeline, Provider und Abstimmung
+- [Dreaming](/de/concepts/dreaming) -- Hintergrundüberführung
  vom kurzfristigen Abruf in den Langzeitspeicher
- [Referenz zur Speicherkonfiguration](/de/reference/memory-config) – alle Konfigurationsoptionen
- [Kompaktierung](/de/concepts/compaction) – wie Kompaktierung mit Speicher interagiert
+- [Referenz zur Speicherkonfiguration](/de/reference/memory-config) -- alle Konfigurationsoptionen
+- [Compaction](/de/concepts/compaction) -- wie Compaction mit Speicher interagiert
--- a/docs/de/gateway/configuration-reference.md
+++ b/docs/de/gateway/configuration-reference.md
--- a/docs/de/gateway/local-models.md
+++ b/docs/de/gateway/local-models.md
@ -1,28 +1,28 @@
 ---
 read_when:
-    - Sie möchten Modelle von Ihrer eigenen GPU-Maschine bereitstellen.
-    - Sie richten LM Studio oder einen OpenAI-kompatiblen Proxy ein.
-    - Sie benötigen die sicherste Anleitung für lokale Modelle.
+    - Du möchtest Modelle von deiner eigenen GPU-Maschine bereitstellen.
+    - Du richtest LM Studio oder einen OpenAI-kompatiblen Proxy ein.
+    - Du benötigst die sicherste Anleitung für lokale Modelle.
 summary: OpenClaw auf lokalen LLMs ausführen (LM Studio, vLLM, LiteLLM, benutzerdefinierte OpenAI-Endpunkte)
 title: Lokale Modelle
 x-i18n:
-    generated_at: "2026-04-15T06:21:28Z"
+    generated_at: "2026-04-15T14:40:32Z"
    model: gpt-5.4
    provider: openai
-    source_hash: 8778cc1c623a356ff3cf306c494c046887f9417a70ec71e659e4a8aae912a780
+    source_hash: 7a506ff83e4c2870d3878339f646c906584454a156ecd618c360f592cf3b0011
    source_path: gateway/local-models.md
    workflow: 15
 ---

 # Lokale Modelle

-Lokal ist machbar, aber OpenClaw erwartet ein großes Kontextfenster + starke Abwehr gegen Prompt-Injection. Kleine Karten kürzen den Kontext und schwächen die Sicherheit. Setzen Sie hoch an: **≥2 voll ausgestattete Mac Studios oder ein vergleichbares GPU-Setup (~30.000 $+)**. Eine einzelne **24-GB**-GPU funktioniert nur für leichtere Prompts mit höherer Latenz. Verwenden Sie die **größte / vollwertige Modellvariante, die Sie ausführen können**; stark quantisierte oder „kleine“ Checkpoints erhöhen das Prompt-Injection-Risiko (siehe [Sicherheit](/de/gateway/security)).
+Lokal ist machbar, aber OpenClaw erwartet großen Kontext und starke Abwehrmechanismen gegen Prompt-Injection. Kleine Grafikkarten beschneiden den Kontext und schwächen die Sicherheit. Setze hoch an: **≥2 voll ausgestattete Mac Studios oder ein vergleichbares GPU-System (~30.000 $+)**. Eine einzelne **24-GB**-GPU funktioniert nur für leichtere Prompts bei höherer Latenz. Verwende die **größte / vollwertige Modellvariante, die du ausführen kannst**; stark quantisierte oder „kleine“ Checkpoints erhöhen das Prompt-Injection-Risiko (siehe [Sicherheit](/de/gateway/security)).

-Wenn Sie die lokale Einrichtung mit der geringsten Reibung möchten, beginnen Sie mit [LM Studio](/de/providers/lmstudio) oder [Ollama](/de/providers/ollama) und `openclaw onboard`. Diese Seite ist der meinungsstarke Leitfaden für leistungsstärkere lokale Stacks und benutzerdefinierte OpenAI-kompatible lokale Server.
+Wenn du die lokale Einrichtung mit der geringsten Reibung möchtest, beginne mit [LM Studio](/de/providers/lmstudio) oder [Ollama](/de/providers/ollama) und `openclaw onboard`. Diese Seite ist der meinungsstarke Leitfaden für leistungsstärkere lokale Stacks und benutzerdefinierte OpenAI-kompatible lokale Server.

 ## Empfohlen: LM Studio + großes lokales Modell (Responses API)

-Der derzeit beste lokale Stack. Laden Sie ein großes Modell in LM Studio (zum Beispiel einen vollwertigen Qwen-, DeepSeek- oder Llama-Build), aktivieren Sie den lokalen Server (Standard: `http://127.0.0.1:1234`) und verwenden Sie die Responses API, um das Reasoning vom endgültigen Text getrennt zu halten.
+Der derzeit beste lokale Stack. Lade ein großes Modell in LM Studio (zum Beispiel einen vollwertigen Qwen-, DeepSeek- oder Llama-Build), aktiviere den lokalen Server (Standard: `http://127.0.0.1:1234`) und verwende die Responses API, damit das Reasoning vom finalen Text getrennt bleibt.

 ```json5
 {
@ -61,16 +61,16 @@ Der derzeit beste lokale Stack. Laden Sie ein großes Modell in LM Studio (zum B

 **Checkliste für die Einrichtung**

- Installieren Sie LM Studio: [https://lmstudio.ai](https://lmstudio.ai)
- Laden Sie in LM Studio den **größten verfügbaren Modell-Build** herunter (vermeiden Sie „small“-/stark quantisierte Varianten), starten Sie den Server und bestätigen Sie, dass `http://127.0.0.1:1234/v1/models` das Modell auflistet.
- Ersetzen Sie `my-local-model` durch die tatsächliche Modell-ID, die in LM Studio angezeigt wird.
- Halten Sie das Modell geladen; ein Kaltstart erhöht die Startlatenz.
- Passen Sie `contextWindow`/`maxTokens` an, falls Ihr LM-Studio-Build davon abweicht.
- Für WhatsApp sollten Sie bei der Responses API bleiben, damit nur der endgültige Text gesendet wird.
+- Installiere LM Studio: [https://lmstudio.ai](https://lmstudio.ai)
+- Lade in LM Studio den **größten verfügbaren Modell-Build** herunter (vermeide „small“-/stark quantisierte Varianten), starte den Server und bestätige, dass `http://127.0.0.1:1234/v1/models` ihn auflistet.
+- Ersetze `my-local-model` durch die tatsächliche Modell-ID, die in LM Studio angezeigt wird.
+- Halte das Modell geladen; Kaltstarts erhöhen die Startlatenz.
+- Passe `contextWindow`/`maxTokens` an, wenn sich dein LM-Studio-Build unterscheidet.
+- Für WhatsApp solltest du bei der Responses API bleiben, damit nur der finale Text gesendet wird.

-Behalten Sie gehostete Modelle auch dann konfiguriert, wenn Sie lokal ausführen; verwenden Sie `models.mode: "merge"`, damit Fallbacks verfügbar bleiben.
+Lass gehostete Modelle auch dann konfiguriert, wenn du lokal ausführst; verwende `models.mode: "merge"`, damit Fallbacks verfügbar bleiben.

-### Hybride Konfiguration: gehostet primär, lokal als Fallback
+### Hybride Konfiguration: gehostet als primär, lokal als Fallback

 ```json5
 {
@ -113,16 +113,16 @@ Behalten Sie gehostete Modelle auch dann konfiguriert, wenn Sie lokal ausführen

 ### Lokal zuerst mit gehostetem Sicherheitsnetz

-Tauschen Sie die Reihenfolge von Primärmodell und Fallbacks; behalten Sie denselben Providers-Block und `models.mode: "merge"` bei, damit Sie auf Sonnet oder Opus zurückgreifen können, wenn die lokale Maschine ausfällt.
+Tausche die Reihenfolge von primärem Modell und Fallback aus; behalte denselben Provider-Block und `models.mode: "merge"` bei, damit du auf Sonnet oder Opus zurückfallen kannst, wenn die lokale Maschine ausfällt.

 ### Regionales Hosting / Datenrouting

- Gehostete MiniMax-/Kimi-/GLM-Varianten gibt es auch auf OpenRouter mit regional gebundenen Endpunkten (z. B. in den USA gehostet). Wählen Sie dort die regionale Variante, um den Datenverkehr in Ihrer gewünschten Rechtsordnung zu halten und gleichzeitig `models.mode: "merge"` für Anthropic-/OpenAI-Fallbacks zu verwenden.
- Nur lokal bleibt der stärkste Weg für Datenschutz; regionales gehostetes Routing ist der Mittelweg, wenn Sie Provider-Funktionen benötigen, aber die Kontrolle über den Datenfluss behalten möchten.
+- Gehostete MiniMax-/Kimi-/GLM-Varianten gibt es auch auf OpenRouter mit regional festgelegten Endpunkten (z. B. in den USA gehostet). Wähle dort die regionale Variante, damit der Datenverkehr in deiner gewählten Jurisdiktion bleibt, und nutze weiterhin `models.mode: "merge"` für Anthropic-/OpenAI-Fallbacks.
+- Nur lokal bleibt der stärkste Weg für Datenschutz; gehostetes regionales Routing ist der Mittelweg, wenn du Provider-Funktionen brauchst, aber den Datenfluss kontrollieren möchtest.

 ## Andere OpenAI-kompatible lokale Proxys

-vLLM, LiteLLM, OAI-proxy oder benutzerdefinierte Gateways funktionieren, wenn sie einen OpenAI-ähnlichen `/v1`-Endpunkt bereitstellen. Ersetzen Sie den obigen Providers-Block durch Ihren Endpunkt und Ihre Modell-ID:
+vLLM, LiteLLM, OAI-proxy oder benutzerdefinierte Gateways funktionieren, wenn sie einen OpenAI-artigen `/v1`-Endpunkt bereitstellen. Ersetze den obigen Provider-Block durch deinen Endpunkt und deine Modell-ID:

 ```json5
 {
@ -150,45 +150,46 @@ vLLM, LiteLLM, OAI-proxy oder benutzerdefinierte Gateways funktionieren, wenn si
 }
 ```

-Behalten Sie `models.mode: "merge"` bei, damit gehostete Modelle als Fallbacks verfügbar bleiben.
+Behalte `models.mode: "merge"` bei, damit gehostete Modelle als Fallbacks verfügbar bleiben.

-Hinweis zum Verhalten für lokale/proxied `/v1`-Backends:
+Verhaltenshinweis für lokale/proxied `/v1`-Backends:

- OpenClaw behandelt diese als proxyartige OpenAI-kompatible Routen, nicht als native
-  OpenAI-Endpunkte
- natives nur-für-OpenAI Request-Shaping gilt hier nicht: kein
-  `service_tier`, kein Responses-`store`, kein OpenAI-Reasoning-Kompatibilitäts-Payload-
-  Shaping und keine Prompt-Cache-Hinweise
- versteckte OpenClaw-Zuordnungs-Header (`originator`, `version`, `User-Agent`)
-  werden bei diesen benutzerdefinierten Proxy-URLs nicht eingefügt
+- OpenClaw behandelt diese als proxyartige OpenAI-kompatible Routen, nicht als native OpenAI-Endpunkte
+- natives, nur für OpenAI geltendes Request-Shaping greift hier nicht: kein
+  `service_tier`, kein Responses-`store`, kein OpenAI-Reasoning-kompatibles Payload-Shaping
+  und keine Prompt-Cache-Hinweise
+- versteckte OpenClaw-Attributions-Header (`originator`, `version`, `User-Agent`)
+  werden auf diesen benutzerdefinierten Proxy-URLs nicht injiziert

 Kompatibilitätshinweise für strengere OpenAI-kompatible Backends:

- Einige Server akzeptieren bei Chat Completions nur String-`messages[].content`, nicht
-  strukturierte Content-Part-Arrays. Setzen Sie
+- Einige Server akzeptieren bei Chat Completions nur `messages[].content` als String, nicht
+  strukturierte Content-Part-Arrays. Setze
  `models.providers.<provider>.models[].compat.requiresStringContent: true` für
  diese Endpunkte.
 - Einige kleinere oder strengere lokale Backends sind mit der vollständigen
-  Prompt-Struktur der OpenClaw-Agent-Laufzeit instabil, insbesondere wenn Tool-Schemata enthalten sind. Wenn das
-  Backend für winzige direkte `/v1/chat/completions`-Aufrufe funktioniert, aber bei normalen
-  OpenClaw-Agent-Turns fehlschlägt, versuchen Sie zuerst
-  `agents.defaults.localModelMode: "lean"`, um schwergewichtige Standard-Tools
-  wie `browser`, `cron` und `message` wegzulassen; wenn das weiterhin fehlschlägt, versuchen Sie
+  Prompt-Form des OpenClaw-Agent-Runtimes instabil, insbesondere wenn Tool-Schemas enthalten sind. Wenn das
+  Backend für kleine direkte `/v1/chat/completions`-Aufrufe funktioniert, aber bei normalen
+  OpenClaw-Agent-Turns fehlschlägt, probiere zuerst
+  `agents.defaults.experimental.localModelLean: true`, um schwergewichtige
+  Standard-Tools wie `browser`, `cron` und `message` zu entfernen; dies ist ein experimentelles
+  Flag, keine stabile Einstellung für den Standardmodus. Siehe
+  [Experimentelle Funktionen](/de/concepts/experimental-features). Wenn das weiterhin fehlschlägt, versuche
  `models.providers.<provider>.models[].compat.supportsTools: false`.
- Wenn das Backend weiterhin nur bei größeren OpenClaw-Läufen fehlschlägt,
-  liegt das verbleibende Problem in der Regel an der Kapazität des Upstream-Modells/Servers
-  oder an einem Backend-Fehler, nicht an der Transportschicht von OpenClaw.
+- Wenn das Backend weiterhin nur bei größeren OpenClaw-Läufen fehlschlägt, liegt das verbleibende Problem
+  in der Regel an der Upstream-Modell-/Server-Kapazität oder an einem Backend-Fehler, nicht an der
+  Transportebene von OpenClaw.

 ## Fehlerbehebung

- Kann das Gateway den Proxy erreichen? `curl http://127.0.0.1:1234/v1/models`.
- LM-Studio-Modell entladen? Laden Sie es erneut; Kaltstart ist eine häufige Ursache für „Hängenbleiben“.
- OpenClaw warnt, wenn das erkannte Kontextfenster unter **32k** liegt, und blockiert unter **16k**. Wenn Sie auf diese Vorabprüfung stoßen, erhöhen Sie das Kontextlimit des Servers/Modells oder wählen Sie ein größeres Modell.
- Kontextfehler? Verringern Sie `contextWindow` oder erhöhen Sie Ihr Serverlimit.
+- Kann Gateway den Proxy erreichen? `curl http://127.0.0.1:1234/v1/models`.
+- Modell in LM Studio entladen? Lade es erneut; Kaltstart ist eine häufige Ursache für „Hängenbleiben“.
+- OpenClaw warnt, wenn das erkannte Kontextfenster unter **32k** liegt, und blockiert unter **16k**. Wenn du auf diese Vorabprüfung triffst, erhöhe das Kontextlimit des Servers/Modells oder wähle ein größeres Modell.
+- Kontextfehler? Verringere `contextWindow` oder erhöhe dein Serverlimit.
 - OpenAI-kompatibler Server gibt `messages[].content ... expected a string` zurück?
-  Fügen Sie `compat.requiresStringContent: true` zu diesem Modelleintrag hinzu.
- Direkte kleine `/v1/chat/completions`-Aufrufe funktionieren, aber `openclaw infer model run`
-  schlägt bei Gemma oder einem anderen lokalen Modell fehl? Deaktivieren Sie zuerst Tool-Schemata mit
-  `compat.supportsTools: false`, und testen Sie dann erneut. Wenn der Server weiterhin nur
-  bei größeren OpenClaw-Prompts abstürzt, behandeln Sie das als Einschränkung des Upstream-Servers/Modells.
- Sicherheit: Lokale Modelle überspringen providerseitige Filter; halten Sie Agents eng gefasst und lassen Sie Compaction aktiviert, um den Wirkungsbereich von Prompt-Injection zu begrenzen.
+  Füge `compat.requiresStringContent: true` bei diesem Modelleintrag hinzu.
+- Kleine direkte `/v1/chat/completions`-Aufrufe funktionieren, aber `openclaw infer model run`
+  schlägt bei Gemma oder einem anderen lokalen Modell fehl? Deaktiviere zuerst Tool-Schemas mit
+  `compat.supportsTools: false` und teste dann erneut. Wenn der Server weiterhin nur
+  bei größeren OpenClaw-Prompts abstürzt, behandle das als Einschränkung des Upstream-Servers/Modells.
+- Sicherheit: Lokale Modelle überspringen providerseitige Filter; halte Agenten eng gefasst und Compaction aktiviert, um den Schadensradius von Prompt-Injection zu begrenzen.
--- a/docs/de/help/testing.md
+++ b/docs/de/help/testing.md
--- a/docs/de/providers/github-copilot.md
+++ b/docs/de/providers/github-copilot.md
@ -1,14 +1,14 @@
 ---
 read_when:
-    - Sie möchten GitHub Copilot als Modell-Provider verwenden
-    - Sie benötigen den `openclaw models auth login-github-copilot`-Ablauf
-summary: Bei GitHub Copilot aus OpenClaw mit dem Device Flow anmelden
+    - Sie möchten GitHub Copilot als Modellanbieter verwenden
+    - Sie benötigen den Ablauf `openclaw models auth login-github-copilot`
+summary: Melden Sie sich über den Gerätefluss von OpenClaw bei GitHub Copilot an
 title: GitHub Copilot
 x-i18n:
-    generated_at: "2026-04-12T23:30:58Z"
+    generated_at: "2026-04-15T14:40:26Z"
    model: gpt-5.4
    provider: openai
-    source_hash: 51fee006e7d4e78e37b0c29356b0090b132de727d99b603441767d3fb642140b
+    source_hash: b8258fecff22fb73b057de878462941f6eb86d0c5f775c5eac4840e95ba5eccf
    source_path: providers/github-copilot.md
    workflow: 15
 ---
@ -16,19 +16,19 @@ x-i18n:
 # GitHub Copilot

 GitHub Copilot ist GitHubs KI-Coding-Assistent. Er bietet Zugriff auf Copilot-
-Modelle für Ihr GitHub-Konto und Ihren Tarif. OpenClaw kann Copilot auf zwei verschiedene Arten als Modell-
-Provider verwenden.
+Modelle für Ihr GitHub-Konto und Ihren Tarif. OpenClaw kann Copilot auf zwei
+verschiedene Arten als Modellanbieter verwenden.

 ## Zwei Möglichkeiten, Copilot in OpenClaw zu verwenden

 <Tabs>
-  <Tab title="Built-in provider (github-copilot)">
-    Verwenden Sie den nativen Device-Login-Ablauf, um ein GitHub-Token zu erhalten, und tauschen Sie es dann
-    beim Ausführen von OpenClaw gegen Copilot-API-Token aus. Dies ist der **Standard** und der einfachste Weg,
-    weil dafür kein VS Code erforderlich ist.
+  <Tab title="Integrierter Anbieter (github-copilot)">
+    Verwenden Sie den nativen Geräteanmeldefluss, um ein GitHub-Token zu erhalten, und tauschen Sie es dann gegen
+    Copilot-API-Token aus, wenn OpenClaw ausgeführt wird. Dies ist der **Standard** und der einfachste Weg,
+    da dafür kein VS Code erforderlich ist.

    <Steps>
-      <Step title="Run the login command">
+      <Step title="Führen Sie den Anmeldebefehl aus">
        ```bash
        openclaw models auth login-github-copilot
        ```
@ -36,7 +36,7 @@ Provider verwenden.
        Sie werden aufgefordert, eine URL aufzurufen und einen einmaligen Code einzugeben. Lassen Sie das
        Terminal geöffnet, bis der Vorgang abgeschlossen ist.
      </Step>
-      <Step title="Set a default model">
+      <Step title="Legen Sie ein Standardmodell fest">
        ```bash
        openclaw models set github-copilot/gpt-4o
        ```
@ -53,13 +53,13 @@ Provider verwenden.

  </Tab>

-  <Tab title="Copilot Proxy plugin (copilot-proxy)">
+  <Tab title="Copilot Proxy Plugin (copilot-proxy)">
    Verwenden Sie die VS Code-Erweiterung **Copilot Proxy** als lokale Brücke. OpenClaw kommuniziert mit
    dem `/v1`-Endpunkt des Proxys und verwendet die Modellliste, die Sie dort konfigurieren.

    <Note>
    Wählen Sie dies, wenn Sie Copilot Proxy bereits in VS Code ausführen oder den Datenverkehr
-    darüber leiten müssen. Sie müssen das Plugin aktivieren und die VS Code-Erweiterung weiterhin ausführen.
+    darüber leiten müssen. Sie müssen das Plugin aktivieren und die VS Code-Erweiterung weiter ausführen.
    </Note>

  </Tab>
@ -67,10 +67,10 @@ Provider verwenden.

 ## Optionale Flags

-| Flag            | Beschreibung                                        |
-| --------------- | --------------------------------------------------- |
-| `--yes`         | Die Bestätigungsabfrage überspringen                |
-| `--set-default` | Zusätzlich das empfohlene Standardmodell des Providers anwenden |
+| Flag            | Beschreibung                                      |
+| --------------- | ------------------------------------------------- |
+| `--yes`         | Überspringt die Bestätigungsaufforderung          |
+| `--set-default` | Wendet außerdem das empfohlene Standardmodell des Anbieters an |

 ```bash
 # Bestätigung überspringen
@ -81,58 +81,98 @@ openclaw models auth login --provider github-copilot --method device --set-defau
 ```

 <AccordionGroup>
-  <Accordion title="Interactive TTY required">
-    Der Device-Login-Ablauf erfordert ein interaktives TTY. Führen Sie ihn direkt in einem
-    Terminal aus, nicht in einem nicht interaktiven Skript oder einer CI-Pipeline.
+  <Accordion title="Interaktives TTY erforderlich">
+    Der Geräteanmeldefluss erfordert ein interaktives TTY. Führen Sie ihn direkt in einem
+    Terminal aus, nicht in einem nicht-interaktiven Skript oder einer CI-Pipeline.
  </Accordion>

-  <Accordion title="Model availability depends on your plan">
+  <Accordion title="Die Modellverfügbarkeit hängt von Ihrem Tarif ab">
    Die Verfügbarkeit von Copilot-Modellen hängt von Ihrem GitHub-Tarif ab. Wenn ein Modell
    abgelehnt wird, versuchen Sie eine andere ID (zum Beispiel `github-copilot/gpt-4.1`).
  </Accordion>

-  <Accordion title="Transport selection">
+  <Accordion title="Transportauswahl">
    Claude-Modell-IDs verwenden automatisch den Anthropic-Messages-Transport. GPT-,
    o-series- und Gemini-Modelle verwenden weiterhin den OpenAI-Responses-Transport. OpenClaw
-    wählt den richtigen Transport anhand der Modell-Referenz aus.
+    wählt den richtigen Transport basierend auf der Modell-Ref aus.
  </Accordion>

-  <Accordion title="Resolution order of environment variables">
+  <Accordion title="Auflösungsreihenfolge der Umgebungsvariablen">
    OpenClaw löst die Copilot-Authentifizierung aus Umgebungsvariablen in der folgenden
    Prioritätsreihenfolge auf:

-    | Priorität | Variable               | Hinweise                         |
-    | --------- | ---------------------- | -------------------------------- |
+    | Priorität | Variable              | Hinweise                         |
+    | --------- | --------------------- | -------------------------------- |
    | 1         | `COPILOT_GITHUB_TOKEN` | Höchste Priorität, Copilot-spezifisch |
-    | 2         | `GH_TOKEN`             | GitHub-CLI-Token (Fallback)      |
-    | 3         | `GITHUB_TOKEN`         | Standard-GitHub-Token (niedrigste Priorität) |
+    | 2         | `GH_TOKEN`            | GitHub-CLI-Token (Fallback)      |
+    | 3         | `GITHUB_TOKEN`        | Standard-GitHub-Token (niedrigste Priorität) |

-    Wenn mehrere Variablen gesetzt sind, verwendet OpenClaw die Variable mit der höchsten Priorität.
-    Der Device-Login-Ablauf (`openclaw models auth login-github-copilot`) speichert
-    sein Token im Authentifizierungsprofil-Speicher und hat Vorrang vor allen Umgebungs-
+    Wenn mehrere Variablen gesetzt sind, verwendet OpenClaw die mit der höchsten Priorität.
+    Der Geräteanmeldefluss (`openclaw models auth login-github-copilot`) speichert
+    sein Token im Auth-Profil-Speicher und hat Vorrang vor allen Umgebungs-
    variablen.

  </Accordion>

-  <Accordion title="Token storage">
-    Die Anmeldung speichert ein GitHub-Token im Authentifizierungsprofil-Speicher und tauscht es
-    beim Ausführen von OpenClaw gegen ein Copilot-API-Token aus. Sie müssen das
+  <Accordion title="Tokenspeicherung">
+    Die Anmeldung speichert ein GitHub-Token im Auth-Profil-Speicher und tauscht es
+    aus, wenn OpenClaw ausgeführt wird, gegen ein Copilot-API-Token aus. Sie müssen das
    Token nicht manuell verwalten.
  </Accordion>
 </AccordionGroup>

 <Warning>
-Erfordert ein interaktives TTY. Führen Sie den Login-Befehl direkt in einem Terminal aus, nicht
-innerhalb eines Headless-Skripts oder CI-Jobs.
+Erfordert ein interaktives TTY. Führen Sie den Anmeldebefehl direkt in einem Terminal aus,
+nicht in einem headless Skript oder CI-Job.
 </Warning>

+## Einbettungen für die Speicher-Suche
+
+GitHub Copilot kann auch als Einbettungsanbieter für die
+[Speicher-Suche](/de/concepts/memory-search) dienen. Wenn Sie ein Copilot-Abonnement haben und
+angemeldet sind, kann OpenClaw es für Einbettungen ohne separaten API-Schlüssel verwenden.
+
+### Automatische Erkennung
+
+Wenn `memorySearch.provider` `"auto"` ist (der Standard), wird GitHub Copilot
+mit Priorität 15 versucht – nach lokalen Einbettungen, aber vor OpenAI und anderen
+kostenpflichtigen Anbietern. Wenn ein GitHub-Token verfügbar ist, erkennt OpenClaw verfügbare
+Einbettungsmodelle über die Copilot-API und wählt automatisch das beste aus.
+
+### Explizite Konfiguration
+
+```json5
+{
+  agents: {
+    defaults: {
+      memorySearch: {
+        provider: "github-copilot",
+        // Optional: das automatisch erkannte Modell überschreiben
+        model: "text-embedding-3-small",
+      },
+    },
+  },
+}
+```
+
+### So funktioniert es
+
+1. OpenClaw löst Ihr GitHub-Token auf (aus Umgebungsvariablen oder dem Auth-Profil).
+2. Tauscht es gegen ein kurzlebiges Copilot-API-Token aus.
+3. Fragt den Copilot-`/models`-Endpunkt ab, um verfügbare Einbettungsmodelle zu erkennen.
+4. Wählt das beste Modell aus (bevorzugt `text-embedding-3-small`).
+5. Sendet Einbettungsanfragen an den Copilot-`/embeddings`-Endpunkt.
+
+Die Modellverfügbarkeit hängt von Ihrem GitHub-Tarif ab. Wenn keine Einbettungsmodelle
+verfügbar sind, überspringt OpenClaw Copilot und versucht den nächsten Anbieter.
+
 ## Verwandt

 <CardGroup cols={2}>
  <Card title="Modellauswahl" href="/de/concepts/model-providers" icon="layers">
-    Auswahl von Providern, Modell-Referenzen und Failover-Verhalten.
+    Auswahl von Anbietern, Modell-Refs und Failover-Verhalten.
  </Card>
  <Card title="OAuth und Authentifizierung" href="/de/gateway/authentication" icon="key">
-    Authentifizierungsdetails und Regeln zur Wiederverwendung von Anmeldedaten.
+    Details zur Authentifizierung und Regeln zur Wiederverwendung von Anmeldedaten.
  </Card>
 </CardGroup>
--- a/docs/de/providers/ollama.md
+++ b/docs/de/providers/ollama.md
@ -1,24 +1,24 @@
 ---
 read_when:
-    - Sie möchten OpenClaw über Ollama mit Cloud- oder lokalen Modellen ausführen
-    - Sie benötigen Anleitungen für Einrichtung und Konfiguration von Ollama
+    - Sie möchten OpenClaw mit Cloud- oder lokalen Modellen über Ollama ausführen
+    - Sie benötigen Anleitungen zur Einrichtung und Konfiguration von Ollama
 summary: OpenClaw mit Ollama ausführen (Cloud- und lokale Modelle)
 title: Ollama
 x-i18n:
-    generated_at: "2026-04-12T23:32:07Z"
+    generated_at: "2026-04-15T14:40:47Z"
    model: gpt-5.4
    provider: openai
-    source_hash: ec796241b884ca16ec7077df4f3f1910e2850487bb3ea94f8fdb37c77e02b219
+    source_hash: 098e083e0fc484bddb5270eb630c55d7832039b462d1710372b6afece5cefcdf
    source_path: providers/ollama.md
    workflow: 15
 ---

 # Ollama

-Ollama ist eine lokale LLM-Laufzeit, mit der Sie Open-Source-Modelle einfach auf Ihrer Maschine ausführen können. OpenClaw integriert sich mit der nativen API von Ollama (`/api/chat`), unterstützt Streaming und Tool-Calling und kann lokale Ollama-Modelle automatisch erkennen, wenn Sie dies mit `OLLAMA_API_KEY` (oder einem Auth-Profil) aktivieren und keinen expliziten Eintrag `models.providers.ollama` definieren.
+OpenClaw integriert sich mit Ollamas nativer API (`/api/chat`) für gehostete Cloud-Modelle und lokale/selbstgehostete Ollama-Server. Sie können Ollama in drei Modi verwenden: `Cloud + Local` über einen erreichbaren Ollama-Host, `Cloud only` gegen `https://ollama.com` oder `Local only` gegen einen erreichbaren Ollama-Host.

 <Warning>
-**Benutzer von Remote-Ollama**: Verwenden Sie nicht die OpenAI-kompatible URL `/v1` (`http://host:11434/v1`) mit OpenClaw. Dadurch wird Tool-Calling beschädigt, und Modelle können rohes Tool-JSON als Klartext ausgeben. Verwenden Sie stattdessen die native Ollama-API-URL: `baseUrl: "http://host:11434"` (ohne `/v1`).
+**Remote-Ollama-Benutzer**: Verwenden Sie die OpenAI-kompatible URL `/v1` (`http://host:11434/v1`) nicht mit OpenClaw. Das beeinträchtigt Tool-Aufrufe, und Modelle können rohe Tool-JSON als Klartext ausgeben. Verwenden Sie stattdessen die native Ollama-API-URL: `baseUrl: "http://host:11434"` (ohne `/v1`).
 </Warning>

 ## Erste Schritte
@ -27,7 +27,7 @@ Wählen Sie Ihre bevorzugte Einrichtungsmethode und Ihren Modus.

 <Tabs>
  <Tab title="Onboarding (empfohlen)">
-    **Am besten geeignet für:** den schnellsten Weg zu einer funktionierenden Ollama-Einrichtung mit automatischer Modellerkennung.
+    **Am besten geeignet für:** den schnellsten Weg zu einer funktionierenden Ollama-Cloud- oder lokalen Einrichtung.

    <Steps>
      <Step title="Onboarding ausführen">
@ -35,25 +35,24 @@ Wählen Sie Ihre bevorzugte Einrichtungsmethode und Ihren Modus.
        openclaw onboard
        ```

-        Wählen Sie **Ollama** aus der Provider-Liste aus.
+        Wählen Sie **Ollama** aus der Anbieterliste aus.
      </Step>
-      <Step title="Ihren Modus auswählen">
-        - **Cloud + Lokal** — Cloud-gehostete Modelle und lokale Modelle zusammen
-        - **Lokal** — nur lokale Modelle
-
-        Wenn Sie **Cloud + Lokal** wählen und nicht bei ollama.com angemeldet sind, öffnet das Onboarding einen Browser-Anmeldefluss.
+      <Step title="Ihren Modus wählen">
+        - **Cloud + Local** — lokaler Ollama-Host plus Cloud-Modelle, die über diesen Host weitergeleitet werden
+        - **Cloud only** — gehostete Ollama-Modelle über `https://ollama.com`
+        - **Local only** — nur lokale Modelle
      </Step>
      <Step title="Ein Modell auswählen">
-        Das Onboarding erkennt verfügbare Modelle und schlägt Standardwerte vor. Es zieht das ausgewählte Modell automatisch, wenn es lokal nicht verfügbar ist.
+        `Cloud only` fordert `OLLAMA_API_KEY` an und schlägt gehostete Cloud-Standardwerte vor. `Cloud + Local` und `Local only` fragen nach einer Ollama-Basis-URL, erkennen verfügbare Modelle und laden das ausgewählte lokale Modell automatisch herunter, wenn es noch nicht verfügbar ist. `Cloud + Local` prüft außerdem, ob dieser Ollama-Host für den Cloud-Zugriff angemeldet ist.
      </Step>
-      <Step title="Prüfen, ob das Modell verfügbar ist">
+      <Step title="Überprüfen, ob das Modell verfügbar ist">
        ```bash
        openclaw models list --provider ollama
        ```
      </Step>
    </Steps>

-    ### Nicht interaktiver Modus
+    ### Nicht-interaktiver Modus

    ```bash
    openclaw onboard --non-interactive \
@ -74,37 +73,35 @@ Wählen Sie Ihre bevorzugte Einrichtungsmethode und Ihren Modus.
  </Tab>

  <Tab title="Manuelle Einrichtung">
-    **Am besten geeignet für:** vollständige Kontrolle über Installation, Modell-Pulls und Konfiguration.
+    **Am besten geeignet für:** volle Kontrolle über die Cloud- oder lokale Einrichtung.

    <Steps>
-      <Step title="Ollama installieren">
-        Herunterladen von [ollama.com/download](https://ollama.com/download).
+      <Step title="Cloud oder lokal wählen">
+        - **Cloud + Local**: Ollama installieren, mit `ollama signin` anmelden und Cloud-Anfragen über diesen Host weiterleiten
+        - **Cloud only**: `https://ollama.com` mit einem `OLLAMA_API_KEY` verwenden
+        - **Local only**: Ollama von [ollama.com/download](https://ollama.com/download) installieren
      </Step>
-      <Step title="Ein lokales Modell ziehen">
+      <Step title="Ein lokales Modell herunterladen (nur lokal)">
        ```bash
        ollama pull gemma4
-        # or
+        # oder
        ollama pull gpt-oss:20b
-        # or
+        # oder
        ollama pull llama3.3
        ```
      </Step>
-      <Step title="Für Cloud-Modelle anmelden (optional)">
-        Wenn Sie auch Cloud-Modelle möchten:
-
-        ```bash
-        ollama signin
-        ```
-      </Step>
      <Step title="Ollama für OpenClaw aktivieren">
-        Setzen Sie einen beliebigen Wert für den API-Schlüssel (Ollama benötigt keinen echten Schlüssel):
+        Verwenden Sie für `Cloud only` Ihren echten `OLLAMA_API_KEY`. Für hostgestützte Setups funktioniert jeder Platzhalterwert:

        ```bash
-        # Set environment variable
+        # Cloud
+        export OLLAMA_API_KEY="your-ollama-api-key"
+
+        # Nur lokal
        export OLLAMA_API_KEY="ollama-local"

-        # Or configure in your config file
-        openclaw config set models.providers.ollama.apiKey "ollama-local"
+        # Oder in Ihrer Konfigurationsdatei konfigurieren
+        openclaw config set models.providers.ollama.apiKey "OLLAMA_API_KEY"
        ```
      </Step>
      <Step title="Ihr Modell prüfen und festlegen">
@ -113,7 +110,7 @@ Wählen Sie Ihre bevorzugte Einrichtungsmethode und Ihren Modus.
        openclaw models set ollama/gemma4
        ```

-        Oder den Standardwert in der Konfiguration setzen:
+        Oder den Standardwert in der Konfiguration festlegen:

        ```json5
        {
@ -133,94 +130,99 @@ Wählen Sie Ihre bevorzugte Einrichtungsmethode und Ihren Modus.
 ## Cloud-Modelle

 <Tabs>
-  <Tab title="Cloud + Lokal">
-    Mit Cloud-Modellen können Sie Cloud-gehostete Modelle zusammen mit Ihren lokalen Modellen ausführen. Beispiele sind `kimi-k2.5:cloud`, `minimax-m2.7:cloud` und `glm-5.1:cloud` -- diese erfordern **kein** lokales `ollama pull`.
+  <Tab title="Cloud + Local">
+    `Cloud + Local` verwendet einen erreichbaren Ollama-Host als Steuerungspunkt sowohl für lokale als auch für Cloud-Modelle. Dies ist Ollamas bevorzugter Hybrid-Workflow.

-    Wählen Sie während der Einrichtung den Modus **Cloud + Lokal**. Der Assistent prüft, ob Sie angemeldet sind, und öffnet bei Bedarf einen Browser-Anmeldefluss. Wenn die Authentifizierung nicht verifiziert werden kann, fällt der Assistent auf Standardwerte für lokale Modelle zurück.
+    Verwenden Sie während der Einrichtung **Cloud + Local**. OpenClaw fragt nach der Ollama-Basis-URL, erkennt lokale Modelle von diesem Host und prüft, ob der Host mit `ollama signin` für den Cloud-Zugriff angemeldet ist. Wenn der Host angemeldet ist, schlägt OpenClaw auch gehostete Cloud-Standardwerte wie `kimi-k2.5:cloud`, `minimax-m2.7:cloud` und `glm-5.1:cloud` vor.

-    Sie können sich auch direkt unter [ollama.com/signin](https://ollama.com/signin) anmelden.
-
-    OpenClaw schlägt derzeit diese Cloud-Standardwerte vor: `kimi-k2.5:cloud`, `minimax-m2.7:cloud`, `glm-5.1:cloud`.
+    Wenn der Host noch nicht angemeldet ist, behält OpenClaw die Einrichtung als nur lokal bei, bis Sie `ollama signin` ausführen.

  </Tab>

-  <Tab title="Nur lokal">
-    Im Modus „nur lokal“ erkennt OpenClaw Modelle von der lokalen Ollama-Instanz. Keine Cloud-Anmeldung erforderlich.
+  <Tab title="Cloud only">
+    `Cloud only` läuft gegen Ollamas gehostete API unter `https://ollama.com`.
+
+    Verwenden Sie während der Einrichtung **Cloud only**. OpenClaw fordert `OLLAMA_API_KEY` an, setzt `baseUrl: "https://ollama.com"` und initialisiert die gehostete Cloud-Modellliste. Dieser Pfad erfordert **keinen** lokalen Ollama-Server und kein `ollama signin`.
+
+  </Tab>
+
+  <Tab title="Local only">
+    Im Modus nur lokal erkennt OpenClaw Modelle von der konfigurierten Ollama-Instanz. Dieser Pfad ist für lokale oder selbstgehostete Ollama-Server gedacht.

    OpenClaw schlägt derzeit `gemma4` als lokalen Standardwert vor.

  </Tab>
 </Tabs>

-## Modellerkennung (impliziter Provider)
+## Modellerkennung (impliziter Anbieter)

-Wenn Sie `OLLAMA_API_KEY` (oder ein Auth-Profil) setzen und **nicht** `models.providers.ollama` definieren, erkennt OpenClaw Modelle von der lokalen Ollama-Instanz unter `http://127.0.0.1:11434`.
+Wenn Sie `OLLAMA_API_KEY` (oder ein Auth-Profil) festlegen und **nicht** `models.providers.ollama` definieren, erkennt OpenClaw Modelle von der lokalen Ollama-Instanz unter `http://127.0.0.1:11434`.

 | Verhalten            | Detail                                                                                                                                                                |
 | -------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
 | Katalogabfrage       | Fragt `/api/tags` ab                                                                                                                                                  |
-| Capability-Erkennung | Verwendet Best-Effort-Abfragen an `/api/show`, um `contextWindow` auszulesen und Capabilities zu erkennen (einschließlich Vision)                                   |
-| Vision-Modelle       | Modelle mit einer von `/api/show` gemeldeten `vision`-Capability werden als bildfähig markiert (`input: ["text", "image"]`), sodass OpenClaw Bilder automatisch in den Prompt injiziert |
-| Reasoning-Erkennung  | Markiert `reasoning` mit einer Modellnamen-Heuristik (`r1`, `reasoning`, `think`)                                                                                    |
-| Token-Limits         | Setzt `maxTokens` auf die von OpenClaw verwendete Standardobergrenze für Ollama-Max-Token                                                                            |
+| Fähigkeitserkennung  | Verwendet Best-Effort-Abfragen von `/api/show`, um `contextWindow` zu lesen und Fähigkeiten zu erkennen (einschließlich Vision)                                     |
+| Vision-Modelle       | Modelle mit einer von `/api/show` gemeldeten `vision`-Fähigkeit werden als bildfähig markiert (`input: ["text", "image"]`), sodass OpenClaw Bilder automatisch in den Prompt einfügt |
+| Reasoning-Erkennung  | Markiert `reasoning` mit einer Modellnamens-Heuristik (`r1`, `reasoning`, `think`)                                                                                   |
+| Token-Limits         | Setzt `maxTokens` auf die von OpenClaw verwendete standardmäßige maximale Ollama-Token-Obergrenze                                                                    |
 | Kosten               | Setzt alle Kosten auf `0`                                                                                                                                             |

-Damit werden manuelle Modelleinträge vermieden, während der Katalog mit der lokalen Ollama-Instanz abgestimmt bleibt.
+Dadurch werden manuelle Modeleinträge vermieden, während der Katalog mit der lokalen Ollama-Instanz abgestimmt bleibt.

 ```bash
-# See what models are available
+# Anzeigen, welche Modelle verfügbar sind
 ollama list
 openclaw models list
 ```

-Um ein neues Modell hinzuzufügen, ziehen Sie es einfach mit Ollama:
+Um ein neues Modell hinzuzufügen, laden Sie es einfach mit Ollama herunter:

 ```bash
 ollama pull mistral
 ```

-Das neue Modell wird automatisch erkannt und steht zur Verwendung bereit.
+Das neue Modell wird automatisch erkannt und steht zur Verfügung.

 <Note>
-Wenn Sie `models.providers.ollama` explizit setzen, wird die automatische Erkennung übersprungen und Sie müssen Modelle manuell definieren. Siehe den Abschnitt zur expliziten Konfiguration unten.
+Wenn Sie `models.providers.ollama` explizit festlegen, wird die automatische Erkennung übersprungen und Sie müssen Modelle manuell definieren. Siehe den Abschnitt zur expliziten Konfiguration unten.
 </Note>

 ## Konfiguration

 <Tabs>
  <Tab title="Einfach (implizite Erkennung)">
-    Der einfachste Weg, Ollama zu aktivieren, ist über eine Umgebungsvariable:
+    Der einfachste Aktivierungspfad nur für lokal erfolgt über eine Umgebungsvariable:

    ```bash
    export OLLAMA_API_KEY="ollama-local"
    ```

    <Tip>
-    Wenn `OLLAMA_API_KEY` gesetzt ist, können Sie `apiKey` im Provider-Eintrag weglassen, und OpenClaw ergänzt ihn für Verfügbarkeitsprüfungen.
+    Wenn `OLLAMA_API_KEY` gesetzt ist, können Sie `apiKey` im Anbietereintrag weglassen, und OpenClaw ergänzt ihn für Verfügbarkeitsprüfungen.
    </Tip>

  </Tab>

  <Tab title="Explizit (manuelle Modelle)">
-    Verwenden Sie eine explizite Konfiguration, wenn Ollama auf einem anderen Host/Port läuft, Sie bestimmte Kontextfenster oder Modelllisten erzwingen möchten oder vollständig manuelle Modelldefinitionen möchten.
+    Verwenden Sie eine explizite Konfiguration, wenn Sie ein gehostetes Cloud-Setup möchten, Ollama auf einem anderen Host/Port läuft, Sie bestimmte Kontextfenster oder Modelllisten erzwingen möchten oder vollständig manuelle Modelldefinitionen wünschen.

    ```json5
    {
      models: {
        providers: {
          ollama: {
-            baseUrl: "http://ollama-host:11434",
-            apiKey: "ollama-local",
+            baseUrl: "https://ollama.com",
+            apiKey: "OLLAMA_API_KEY",
            api: "ollama",
            models: [
              {
-                id: "gpt-oss:20b",
-                name: "GPT-OSS 20B",
+                id: "kimi-k2.5:cloud",
+                name: "kimi-k2.5:cloud",
                reasoning: false,
-                input: ["text"],
+                input: ["text", "image"],
                cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
-                contextWindow: 8192,
-                maxTokens: 8192 * 10
+                contextWindow: 128000,
+                maxTokens: 8192
              }
            ]
          }
@ -232,7 +234,7 @@ Wenn Sie `models.providers.ollama` explizit setzen, wird die automatische Erkenn
  </Tab>

  <Tab title="Benutzerdefinierte Basis-URL">
-    Wenn Ollama auf einem anderen Host oder Port läuft (explizite Konfiguration deaktiviert die automatische Erkennung, daher Modelle manuell definieren):
+    Wenn Ollama auf einem anderen Host oder Port läuft (explizite Konfiguration deaktiviert die automatische Erkennung, daher müssen Modelle manuell definiert werden):

    ```json5
    {
@ -240,8 +242,8 @@ Wenn Sie `models.providers.ollama` explizit setzen, wird die automatische Erkenn
        providers: {
          ollama: {
            apiKey: "ollama-local",
-            baseUrl: "http://ollama-host:11434", // No /v1 - use native Ollama API URL
-            api: "ollama", // Set explicitly to guarantee native tool-calling behavior
+            baseUrl: "http://ollama-host:11434", // Kein /v1 - native Ollama-API-URL verwenden
+            api: "ollama", // Explizit setzen, um natives Tool-Calling-Verhalten sicherzustellen
          },
        },
      },
@ -249,7 +251,7 @@ Wenn Sie `models.providers.ollama` explizit setzen, wird die automatische Erkenn
    ```

    <Warning>
-    Fügen Sie der URL kein `/v1` hinzu. Der Pfad `/v1` verwendet den OpenAI-kompatiblen Modus, in dem Tool-Calling nicht zuverlässig ist. Verwenden Sie die Basis-Ollama-URL ohne Pfadsuffix.
+    Fügen Sie der URL kein `/v1` hinzu. Der Pfad `/v1` verwendet den OpenAI-kompatiblen Modus, in dem Tool-Aufrufe nicht zuverlässig sind. Verwenden Sie die Ollama-Basis-URL ohne Pfadsuffix.
    </Warning>

  </Tab>
@ -257,7 +259,7 @@ Wenn Sie `models.providers.ollama` explizit setzen, wird die automatische Erkenn

 ### Modellauswahl

-Sobald die Konfiguration eingerichtet ist, sind alle Ihre Ollama-Modelle verfügbar:
+Nach der Konfiguration sind alle Ihre Ollama-Modelle verfügbar:

 ```json5
 {
@ -274,15 +276,15 @@ Sobald die Konfiguration eingerichtet ist, sind alle Ihre Ollama-Modelle verfüg

 ## Ollama Web Search

-OpenClaw unterstützt **Ollama Web Search** als gebündelten `web_search`-Provider.
+OpenClaw unterstützt **Ollama Web Search** als gebündelten `web_search`-Anbieter.

-| Eigenschaft | Detail                                                                                                               |
-| ----------- | -------------------------------------------------------------------------------------------------------------------- |
-| Host        | Verwendet Ihren konfigurierten Ollama-Host (`models.providers.ollama.baseUrl`, falls gesetzt, andernfalls `http://127.0.0.1:11434`) |
-| Auth        | Ohne Schlüssel                                                                                                       |
-| Voraussetzung | Ollama muss laufen und Sie müssen mit `ollama signin` angemeldet sein                                              |
+| Eigenschaft | Detail                                                                                                              |
+| ----------- | ------------------------------------------------------------------------------------------------------------------- |
+| Host        | Verwendet Ihren konfigurierten Ollama-Host (`models.providers.ollama.baseUrl`, wenn gesetzt, andernfalls `http://127.0.0.1:11434`) |
+| Auth        | Ohne Schlüssel                                                                                                      |
+| Voraussetzung | Ollama muss laufen und mit `ollama signin` angemeldet sein                                                       |

-Wählen Sie **Ollama Web Search** während `openclaw onboard` oder `openclaw configure --section web` oder setzen Sie:
+Wählen Sie **Ollama Web Search** während `openclaw onboard` oder `openclaw configure --section web`, oder setzen Sie:

 ```json5
 {
@ -297,15 +299,15 @@ Wählen Sie **Ollama Web Search** während `openclaw onboard` oder `openclaw con
 ```

 <Note>
-Einrichtung und Verhaltensdetails finden Sie unter [Ollama Web Search](/de/tools/ollama-search).
+Die vollständigen Details zur Einrichtung und zum Verhalten finden Sie unter [Ollama Web Search](/de/tools/ollama-search).
 </Note>

 ## Erweiterte Konfiguration

 <AccordionGroup>
-  <Accordion title="Veralteter OpenAI-kompatibler Modus">
+  <Accordion title="Legacy OpenAI-kompatibler Modus">
    <Warning>
-    **Tool-Calling ist im OpenAI-kompatiblen Modus nicht zuverlässig.** Verwenden Sie diesen Modus nur, wenn Sie das OpenAI-Format für einen Proxy benötigen und nicht von nativem Tool-Calling-Verhalten abhängig sind.
+    **Tool-Aufrufe sind im OpenAI-kompatiblen Modus nicht zuverlässig.** Verwenden Sie diesen Modus nur, wenn Sie das OpenAI-Format für einen Proxy benötigen und nicht auf natives Tool-Calling-Verhalten angewiesen sind.
    </Warning>

    Wenn Sie stattdessen den OpenAI-kompatiblen Endpunkt verwenden müssen (zum Beispiel hinter einem Proxy, der nur das OpenAI-Format unterstützt), setzen Sie `api: "openai-completions"` explizit:
@ -317,7 +319,7 @@ Einrichtung und Verhaltensdetails finden Sie unter [Ollama Web Search](/de/tools
          ollama: {
            baseUrl: "http://ollama-host:11434/v1",
            api: "openai-completions",
-            injectNumCtxForOpenAICompat: true, // default: true
+            injectNumCtxForOpenAICompat: true, // Standard: true
            apiKey: "ollama-local",
            models: [...]
          }
@ -326,9 +328,9 @@ Einrichtung und Verhaltensdetails finden Sie unter [Ollama Web Search](/de/tools
    }
    ```

-    Dieser Modus unterstützt möglicherweise nicht gleichzeitig Streaming und Tool-Calling. Möglicherweise müssen Sie Streaming mit `params: { streaming: false }` in der Modellkonfiguration deaktivieren.
+    Dieser Modus unterstützt möglicherweise nicht gleichzeitig Streaming und Tool-Aufrufe. Möglicherweise müssen Sie Streaming mit `params: { streaming: false }` in der Modellkonfiguration deaktivieren.

-    Wenn `api: "openai-completions"` mit Ollama verwendet wird, injiziert OpenClaw standardmäßig `options.num_ctx`, damit Ollama nicht stillschweigend auf ein Kontextfenster von 4096 zurückfällt. Wenn Ihr Proxy/Upstream unbekannte Felder `options` ablehnt, deaktivieren Sie dieses Verhalten:
+    Wenn `api: "openai-completions"` mit Ollama verwendet wird, fügt OpenClaw standardmäßig `options.num_ctx` ein, damit Ollama nicht stillschweigend auf ein Kontextfenster von 4096 zurückfällt. Wenn Ihr Proxy/Upstream unbekannte `options`-Felder ablehnt, deaktivieren Sie dieses Verhalten:

    ```json5
    {
@ -349,9 +351,9 @@ Einrichtung und Verhaltensdetails finden Sie unter [Ollama Web Search](/de/tools
  </Accordion>

  <Accordion title="Kontextfenster">
-    Für automatisch erkannte Modelle verwendet OpenClaw das von Ollama gemeldete Kontextfenster, wenn verfügbar; andernfalls fällt es auf das von OpenClaw verwendete Standard-Kontextfenster für Ollama zurück.
+    Bei automatisch erkannten Modellen verwendet OpenClaw das von Ollama gemeldete Kontextfenster, sofern verfügbar, andernfalls greift es auf das von OpenClaw verwendete Standard-Kontextfenster für Ollama zurück.

-    Sie können `contextWindow` und `maxTokens` in der expliziten Provider-Konfiguration überschreiben:
+    Sie können `contextWindow` und `maxTokens` in der expliziten Anbieterkonfiguration überschreiben:

    ```json5
    {
@ -380,7 +382,7 @@ Einrichtung und Verhaltensdetails finden Sie unter [Ollama Web Search](/de/tools
    ollama pull deepseek-r1:32b
    ```

-    Es ist keine zusätzliche Konfiguration erforderlich -- OpenClaw markiert sie automatisch.
+    Keine zusätzliche Konfiguration erforderlich -- OpenClaw markiert sie automatisch.

  </Accordion>

@ -388,17 +390,17 @@ Einrichtung und Verhaltensdetails finden Sie unter [Ollama Web Search](/de/tools
    Ollama ist kostenlos und läuft lokal, daher sind alle Modellkosten auf $0 gesetzt. Das gilt sowohl für automatisch erkannte als auch für manuell definierte Modelle.
  </Accordion>

-  <Accordion title="Speicher-Embeddings">
-    Das gebündelte Ollama-Plugin registriert einen Provider für Speicher-Embeddings für
-    [Memory Search](/de/concepts/memory). Er verwendet die konfigurierte Ollama-Basis-URL
+  <Accordion title="Memory-Einbettungen">
+    Das gebündelte Ollama-Plugin registriert einen Einbettungsanbieter für
+    [Speichersuche](/de/concepts/memory). Es verwendet die konfigurierte Ollama-Basis-URL
    und den API-Schlüssel.

-    | Eigenschaft   | Wert                |
-    | ------------- | ------------------- |
-    | Standardmodell | `nomic-embed-text` |
-    | Auto-Pull     | Ja — das Embedding-Modell wird automatisch gezogen, wenn es lokal nicht vorhanden ist |
+    | Eigenschaft    | Wert                |
+    | -------------- | ------------------- |
+    | Standardmodell | `nomic-embed-text`  |
+    | Auto-Pull      | Ja — das Einbettungsmodell wird automatisch heruntergeladen, wenn es lokal nicht vorhanden ist |

-    Um Ollama als Embedding-Provider für Memory Search auszuwählen:
+    So wählen Sie Ollama als Einbettungsanbieter für die Speichersuche aus:

    ```json5
    {
@ -413,10 +415,10 @@ Einrichtung und Verhaltensdetails finden Sie unter [Ollama Web Search](/de/tools
  </Accordion>

  <Accordion title="Streaming-Konfiguration">
-    Die Ollama-Integration von OpenClaw verwendet standardmäßig die **native Ollama-API** (`/api/chat`), die Streaming und Tool-Calling gleichzeitig vollständig unterstützt. Es ist keine besondere Konfiguration erforderlich.
+    Die Ollama-Integration von OpenClaw verwendet standardmäßig die **native Ollama-API** (`/api/chat`), die Streaming und Tool-Aufrufe gleichzeitig vollständig unterstützt. Es ist keine besondere Konfiguration erforderlich.

    <Tip>
-    Wenn Sie den OpenAI-kompatiblen Endpunkt verwenden müssen, siehe oben im Abschnitt „Veralteter OpenAI-kompatibler Modus“. Streaming und Tool-Calling funktionieren in diesem Modus möglicherweise nicht gleichzeitig.
+    Wenn Sie den OpenAI-kompatiblen Endpunkt verwenden müssen, siehe den Abschnitt „Legacy OpenAI-kompatibler Modus“ oben. In diesem Modus funktionieren Streaming und Tool-Aufrufe möglicherweise nicht gleichzeitig.
    </Tip>

  </Accordion>
@ -425,14 +427,14 @@ Einrichtung und Verhaltensdetails finden Sie unter [Ollama Web Search](/de/tools
 ## Fehlerbehebung

 <AccordionGroup>
-  <Accordion title="Ollama wird nicht erkannt">
-    Stellen Sie sicher, dass Ollama läuft und dass Sie `OLLAMA_API_KEY` (oder ein Auth-Profil) gesetzt haben und **keinen** expliziten Eintrag `models.providers.ollama` definiert haben:
+  <Accordion title="Ollama nicht erkannt">
+    Stellen Sie sicher, dass Ollama läuft, dass Sie `OLLAMA_API_KEY` (oder ein Auth-Profil) gesetzt haben und dass Sie **keinen** expliziten Eintrag `models.providers.ollama` definiert haben:

    ```bash
    ollama serve
    ```

-    Prüfen Sie, ob die API erreichbar ist:
+    Überprüfen Sie, ob die API erreichbar ist:

    ```bash
    curl http://localhost:11434/api/tags
@ -441,13 +443,13 @@ Einrichtung und Verhaltensdetails finden Sie unter [Ollama Web Search](/de/tools
  </Accordion>

  <Accordion title="Keine Modelle verfügbar">
-    Wenn Ihr Modell nicht aufgeführt ist, ziehen Sie das Modell entweder lokal oder definieren Sie es explizit in `models.providers.ollama`.
+    Wenn Ihr Modell nicht aufgeführt ist, laden Sie das Modell entweder lokal herunter oder definieren Sie es explizit in `models.providers.ollama`.

    ```bash
-    ollama list  # See what's installed
+    ollama list  # Anzeigen, was installiert ist
    ollama pull gemma4
    ollama pull gpt-oss:20b
-    ollama pull llama3.3     # Or another model
+    ollama pull llama3.3     # Oder ein anderes Modell
    ```

  </Accordion>
@ -456,10 +458,10 @@ Einrichtung und Verhaltensdetails finden Sie unter [Ollama Web Search](/de/tools
    Prüfen Sie, ob Ollama auf dem richtigen Port läuft:

    ```bash
-    # Check if Ollama is running
+    # Prüfen, ob Ollama läuft
    ps aux | grep ollama

-    # Or restart Ollama
+    # Oder Ollama neu starten
    ollama serve
    ```

@ -473,14 +475,14 @@ Weitere Hilfe: [Fehlerbehebung](/de/help/troubleshooting) und [FAQ](/de/help/faq
 ## Verwandt

 <CardGroup cols={2}>
-  <Card title="Modell-Provider" href="/de/concepts/model-providers" icon="layers">
-    Überblick über alle Provider, Modell-Referenzen und Failover-Verhalten.
+  <Card title="Modellanbieter" href="/de/concepts/model-providers" icon="layers">
+    Überblick über alle Anbieter, Modellreferenzen und das Failover-Verhalten.
  </Card>
  <Card title="Modellauswahl" href="/de/concepts/models" icon="brain">
-    Wie Sie Modelle auswählen und konfigurieren.
+    So wählen und konfigurieren Sie Modelle.
  </Card>
  <Card title="Ollama Web Search" href="/de/tools/ollama-search" icon="magnifying-glass">
-    Vollständige Einrichtungs- und Verhaltensdetails für Ollama-gestützte Websuche.
+    Vollständige Einrichtungs- und Verhaltensdetails für die von Ollama unterstützte Websuche.
  </Card>
  <Card title="Konfiguration" href="/de/gateway/configuration" icon="gear">
    Vollständige Konfigurationsreferenz.
--- a/docs/de/reference/memory-config.md
+++ b/docs/de/reference/memory-config.md
@ -1,97 +1,99 @@
 ---
 read_when:
-    - Sie möchten Provider für die Speichersuche oder Embedding-Modelle konfigurieren
+    - Sie möchten Anbieter für die Speicher-Suche oder Einbettungsmodelle konfigurieren
    - Sie möchten das QMD-Backend einrichten
-    - Sie möchten Hybridsuche, MMR oder zeitlichen Zerfall optimieren
-    - Sie möchten multimodale Speicherindizierung aktivieren
-summary: Alle Konfigurationsoptionen für Memory-Suche, Embedding-Provider, QMD, Hybridsuche und multimodale Indizierung
+    - Sie möchten die hybride Suche, MMR oder den zeitlichen Zerfall optimieren
+    - Sie möchten die multimodale Speicherindizierung aktivieren
+summary: Alle Konfigurationsoptionen für Speicher-Suche, Einbettungsanbieter, QMD, hybride Suche und multimodale Indizierung
 title: Referenz zur Speicherkonfiguration
 x-i18n:
-    generated_at: "2026-04-12T23:34:00Z"
+    generated_at: "2026-04-15T14:41:00Z"
    model: gpt-5.4
    provider: openai
-    source_hash: 299ca9b69eea292ea557a2841232c637f5c1daf2bc0f73c0a42f7c0d8d566ce2
+    source_hash: 334c3c4dac08e864487047d3822c75f96e9e7a97c38be4b4e0cd9e63c4489a53
    source_path: reference/memory-config.md
    workflow: 15
 ---

 # Referenz zur Speicherkonfiguration

-Diese Seite listet alle Konfigurationsoptionen für die OpenClaw-Speichersuche auf. Für
+Diese Seite listet alle Konfigurationsoptionen für die OpenClaw-Speicher-Suche auf. Für
 konzeptionelle Übersichten siehe:

- [Speicherüberblick](/de/concepts/memory) -- wie Speicher funktioniert
- [Builtin Engine](/de/concepts/memory-builtin) -- Standard-SQLite-Backend
- [QMD Engine](/de/concepts/memory-qmd) -- lokaler Sidecar mit lokalem Fokus
- [Speichersuche](/de/concepts/memory-search) -- Suchpipeline und Optimierung
+- [Speicherübersicht](/de/concepts/memory) -- wie Speicher funktioniert
+- [Integrierte Engine](/de/concepts/memory-builtin) -- Standard-SQLite-Backend
+- [QMD-Engine](/de/concepts/memory-qmd) -- lokaler Sidecar mit Local-First-Ansatz
+- [Speicher-Suche](/de/concepts/memory-search) -- Suchpipeline und Optimierung
 - [Active Memory](/de/concepts/active-memory) -- Aktivieren des Speicher-Sub-Agenten für interaktive Sitzungen

-Alle Einstellungen für die Speichersuche befinden sich unter `agents.defaults.memorySearch` in
+Alle Einstellungen für die Speicher-Suche befinden sich unter `agents.defaults.memorySearch` in
 `openclaw.json`, sofern nicht anders angegeben.

-Wenn Sie nach dem Feature-Schalter für **Active Memory** und der Konfiguration des Sub-Agenten suchen,
-finden Sie diese unter `plugins.entries.active-memory` statt unter `memorySearch`.
+Wenn Sie nach dem **Active Memory**-Funktionsschalter und der Sub-Agent-Konfiguration suchen,
+befinden sich diese unter `plugins.entries.active-memory` statt unter `memorySearch`.

-Active Memory verwendet ein Modell mit zwei Gates:
+Active Memory verwendet ein Modell mit zwei Voraussetzungen:

-1. Das Plugin muss aktiviert sein und auf die aktuelle Agent-ID zielen
-2. Die Anfrage muss eine geeignete interaktive persistente Chat-Sitzung sein
+1. das Plugin muss aktiviert sein und auf die aktuelle Agent-ID zielen
+2. die Anfrage muss eine geeignete interaktive persistente Chat-Sitzung sein

 Siehe [Active Memory](/de/concepts/active-memory) für das Aktivierungsmodell,
-die Plugin-eigene Konfiguration, die Persistenz von Transkripten und ein sicheres Rollout-Muster.
+die Plugin-eigene Konfiguration, die Transkriptpersistenz und ein sicheres Einführungsmodell.

 ---

-## Providerauswahl
+## Anbieterauswahl

-| Schlüssel  | Typ       | Standard         | Beschreibung                                                                                 |
-| ---------- | --------- | ---------------- | -------------------------------------------------------------------------------------------- |
-| `provider` | `string`  | automatisch erkannt | Embedding-Adapter-ID: `openai`, `gemini`, `voyage`, `mistral`, `bedrock`, `ollama`, `local` |
-| `model`    | `string`  | Provider-Standard | Name des Embedding-Modells                                                                   |
-| `fallback` | `string`  | `"none"`         | Fallback-Adapter-ID, wenn der primäre fehlschlägt                                            |
-| `enabled`  | `boolean` | `true`           | Speichersuche aktivieren oder deaktivieren                                                    |
+| Schlüssel  | Typ       | Standard         | Beschreibung                                                                                                  |
+| ---------- | --------- | ---------------- | ------------------------------------------------------------------------------------------------------------- |
+| `provider` | `string`  | automatisch erkannt | Einbettungsadapter-ID: `bedrock`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai`, `voyage` |
+| `model`    | `string`  | Anbieterstandard | Name des Einbettungsmodells                                                                                   |
+| `fallback` | `string`  | `"none"`         | Fallback-Adapter-ID, wenn der primäre Adapter fehlschlägt                                                     |
+| `enabled`  | `boolean` | `true`           | Aktiviert oder deaktiviert die Speicher-Suche                                                                 |

 ### Reihenfolge der automatischen Erkennung

-Wenn `provider` nicht gesetzt ist, wählt OpenClaw den ersten verfügbaren:
+Wenn `provider` nicht gesetzt ist, wählt OpenClaw den ersten verfügbaren Anbieter:

 1. `local` -- wenn `memorySearch.local.modelPath` konfiguriert ist und die Datei existiert.
-2. `openai` -- wenn ein OpenAI-Schlüssel aufgelöst werden kann.
-3. `gemini` -- wenn ein Gemini-Schlüssel aufgelöst werden kann.
-4. `voyage` -- wenn ein Voyage-Schlüssel aufgelöst werden kann.
-5. `mistral` -- wenn ein Mistral-Schlüssel aufgelöst werden kann.
-6. `bedrock` -- wenn die AWS-SDK-Credential-Chain aufgelöst wird (Instance Role, Access Keys, Profile, SSO, Web Identity oder Shared Config).
+2. `github-copilot` -- wenn ein GitHub-Copilot-Token aufgelöst werden kann (Umgebungsvariable oder Auth-Profil).
+3. `openai` -- wenn ein OpenAI-Schlüssel aufgelöst werden kann.
+4. `gemini` -- wenn ein Gemini-Schlüssel aufgelöst werden kann.
+5. `voyage` -- wenn ein Voyage-Schlüssel aufgelöst werden kann.
+6. `mistral` -- wenn ein Mistral-Schlüssel aufgelöst werden kann.
+7. `bedrock` -- wenn die AWS-SDK-Anmeldedatenkette aufgelöst wird (Instanzrolle, Zugriffsschlüssel, Profil, SSO, Web-Identität oder freigegebene Konfiguration).

-`ollama` wird unterstützt, aber nicht automatisch erkannt (explizit setzen).
+`ollama` wird unterstützt, aber nicht automatisch erkannt (setzen Sie es explizit).

 ### Auflösung von API-Schlüsseln

-Remote-Embeddings erfordern einen API-Schlüssel. Bedrock verwendet stattdessen die
-standardmäßige AWS-SDK-Credential-Chain (Instance Roles, SSO, Access Keys).
+Remote-Einbettungen erfordern einen API-Schlüssel. Bedrock verwendet stattdessen die
+Standard-Anmeldedatenkette des AWS SDK (Instanzrollen, SSO, Zugriffsschlüssel).

-| Provider | Env-Variable                   | Konfigurationsschlüssel          |
-| -------- | ------------------------------ | -------------------------------- |
-| OpenAI   | `OPENAI_API_KEY`               | `models.providers.openai.apiKey` |
-| Gemini   | `GEMINI_API_KEY`               | `models.providers.google.apiKey` |
-| Voyage   | `VOYAGE_API_KEY`               | `models.providers.voyage.apiKey` |
-| Mistral  | `MISTRAL_API_KEY`              | `models.providers.mistral.apiKey` |
-| Bedrock  | AWS-Credential-Chain          | Kein API-Schlüssel erforderlich  |
-| Ollama   | `OLLAMA_API_KEY` (Platzhalter) | --                               |
+| Anbieter       | Umgebungsvariable                                 | Konfigurationsschlüssel           |
+| -------------- | ------------------------------------------------- | --------------------------------- |
+| Bedrock        | AWS-Anmeldedatenkette                             | Kein API-Schlüssel erforderlich   |
+| Gemini         | `GEMINI_API_KEY`                                  | `models.providers.google.apiKey`  |
+| GitHub Copilot | `COPILOT_GITHUB_TOKEN`, `GH_TOKEN`, `GITHUB_TOKEN` | Auth-Profil über Geräteanmeldung  |
+| Mistral        | `MISTRAL_API_KEY`                                 | `models.providers.mistral.apiKey` |
+| Ollama         | `OLLAMA_API_KEY` (Platzhalter)                    | --                                |
+| OpenAI         | `OPENAI_API_KEY`                                  | `models.providers.openai.apiKey`  |
+| Voyage         | `VOYAGE_API_KEY`                                  | `models.providers.voyage.apiKey`  |

-Codex OAuth gilt nur für Chat/Completions und erfüllt Embedding-
-Anfragen nicht.
+Codex OAuth deckt nur Chat/Completions ab und erfüllt keine Einbettungs-
+anfragen.

 ---

-## Konfiguration von Remote-Endpunkten
+## Remote-Endpunktkonfiguration

-Für benutzerdefinierte OpenAI-kompatible Endpunkte oder zum Überschreiben von Provider-Standards:
+Für benutzerdefinierte OpenAI-kompatible Endpunkte oder zum Überschreiben von Anbieterstandards:

-| Schlüssel         | Typ      | Beschreibung                                  |
-| ----------------- | -------- | --------------------------------------------- |
-| `remote.baseUrl`  | `string` | Benutzerdefinierte API-Basis-URL              |
-| `remote.apiKey`   | `string` | API-Schlüssel überschreiben                   |
-| `remote.headers`  | `object` | Zusätzliche HTTP-Header (mit Provider-Standards zusammengeführt) |
+| Schlüssel         | Typ      | Beschreibung                                      |
+| ----------------- | -------- | ------------------------------------------------- |
+| `remote.baseUrl`  | `string` | Benutzerdefinierte API-Basis-URL                  |
+| `remote.apiKey`   | `string` | API-Schlüssel überschreiben                       |
+| `remote.headers`  | `object` | Zusätzliche HTTP-Header (mit Anbieterstandards zusammengeführt) |

 ```json5
 {
@ -114,22 +116,22 @@ Für benutzerdefinierte OpenAI-kompatible Endpunkte oder zum Überschreiben von

 ## Gemini-spezifische Konfiguration

-| Schlüssel               | Typ      | Standard               | Beschreibung                                 |
-| ----------------------- | -------- | ---------------------- | -------------------------------------------- |
+| Schlüssel               | Typ      | Standard               | Beschreibung                                |
+| ----------------------- | -------- | ---------------------- | ------------------------------------------ |
 | `model`                 | `string` | `gemini-embedding-001` | Unterstützt auch `gemini-embedding-2-preview` |
-| `outputDimensionality`  | `number` | `3072`                 | Für Embedding 2: 768, 1536 oder 3072         |
+| `outputDimensionality`  | `number` | `3072`                 | Für Embedding 2: 768, 1536 oder 3072       |

 <Warning>
-Das Ändern von `model` oder `outputDimensionality` löst eine automatische vollständige Neuindizierung aus.
+Das Ändern von Modell oder `outputDimensionality` löst automatisch eine vollständige Neuindizierung aus.
 </Warning>

 ---

-## Bedrock-Embedding-Konfiguration
+## Bedrock-Einbettungskonfiguration

-Bedrock verwendet die standardmäßige AWS-SDK-Credential-Chain -- keine API-Schlüssel erforderlich.
-Wenn OpenClaw auf EC2 mit einer Bedrock-fähigen Instance Role läuft, setzen Sie einfach
-Provider und Modell:
+Bedrock verwendet die Standard-Anmeldedatenkette des AWS SDK -- keine API-Schlüssel erforderlich.
+Wenn OpenClaw auf EC2 mit einer Bedrock-aktivierten Instanzrolle ausgeführt wird, setzen Sie einfach
+Anbieter und Modell:

 ```json5
 {
@ -144,44 +146,43 @@ Provider und Modell:
 }
 ```

-| Schlüssel               | Typ      | Standard                     | Beschreibung                    |
-| ----------------------- | -------- | ---------------------------- | ------------------------------- |
-| `model`                 | `string` | `amazon.titan-embed-text-v2:0` | Beliebige Bedrock-Embedding-Modell-ID |
-| `outputDimensionality`  | `number` | Modellstandard              | Für Titan V2: 256, 512 oder 1024 |
+| Schlüssel               | Typ      | Standard                       | Beschreibung                    |
+| ----------------------- | -------- | ------------------------------ | ------------------------------- |
+| `model`                 | `string` | `amazon.titan-embed-text-v2:0` | Beliebige Bedrock-Einbettungsmodell-ID |
+| `outputDimensionality`  | `number` | Modellstandard                 | Für Titan V2: 256, 512 oder 1024 |

 ### Unterstützte Modelle

-Die folgenden Modelle werden unterstützt (mit Familienerkennung und Standardwerten
-für Dimensionen):
+Die folgenden Modelle werden unterstützt (mit Familienerkennung und Standarddimensionen):

-| Modell-ID                                  | Provider   | Standard-Dimensionen | Konfigurierbare Dimensionen |
-| ------------------------------------------ | ---------- | -------------------- | --------------------------- |
-| `amazon.titan-embed-text-v2:0`             | Amazon     | 1024                 | 256, 512, 1024              |
-| `amazon.titan-embed-text-v1`               | Amazon     | 1536                 | --                          |
-| `amazon.titan-embed-g1-text-02`            | Amazon     | 1536                 | --                          |
-| `amazon.titan-embed-image-v1`              | Amazon     | 1024                 | --                          |
-| `amazon.nova-2-multimodal-embeddings-v1:0` | Amazon     | 1024                 | 256, 384, 1024, 3072        |
-| `cohere.embed-english-v3`                  | Cohere     | 1024                 | --                          |
-| `cohere.embed-multilingual-v3`             | Cohere     | 1024                 | --                          |
-| `cohere.embed-v4:0`                        | Cohere     | 1536                 | 256-1536                    |
-| `twelvelabs.marengo-embed-3-0-v1:0`        | TwelveLabs | 512                  | --                          |
-| `twelvelabs.marengo-embed-2-7-v1:0`        | TwelveLabs | 1024                 | --                          |
+| Modell-ID                                  | Anbieter   | Standard-Dims | Konfigurierbare Dims |
+| ------------------------------------------ | ---------- | ------------- | -------------------- |
+| `amazon.titan-embed-text-v2:0`             | Amazon     | 1024          | 256, 512, 1024       |
+| `amazon.titan-embed-text-v1`               | Amazon     | 1536          | --                   |
+| `amazon.titan-embed-g1-text-02`            | Amazon     | 1536          | --                   |
+| `amazon.titan-embed-image-v1`              | Amazon     | 1024          | --                   |
+| `amazon.nova-2-multimodal-embeddings-v1:0` | Amazon     | 1024          | 256, 384, 1024, 3072 |
+| `cohere.embed-english-v3`                  | Cohere     | 1024          | --                   |
+| `cohere.embed-multilingual-v3`             | Cohere     | 1024          | --                   |
+| `cohere.embed-v4:0`                        | Cohere     | 1536          | 256-1536             |
+| `twelvelabs.marengo-embed-3-0-v1:0`        | TwelveLabs | 512           | --                   |
+| `twelvelabs.marengo-embed-2-7-v1:0`        | TwelveLabs | 1024          | --                   |

 Varianten mit Durchsatzsuffix (z. B. `amazon.titan-embed-text-v1:2:8k`) übernehmen
 die Konfiguration des Basismodells.

 ### Authentifizierung

-Bedrock-Auth verwendet die standardmäßige Reihenfolge der AWS-SDK-Credential-Auflösung:
+Die Bedrock-Authentifizierung verwendet die Standardreihenfolge zur Auflösung von AWS-SDK-Anmeldedaten:

 1. Umgebungsvariablen (`AWS_ACCESS_KEY_ID` + `AWS_SECRET_ACCESS_KEY`)
 2. SSO-Token-Cache
-3. Credentials über Web-Identity-Token
-4. Gemeinsame Credentials- und Konfigurationsdateien
-5. ECS- oder EC2-Metadaten-Credentials
+3. Anmeldedaten für Web-Identitätstoken
+4. Freigegebene Anmeldedaten- und Konfigurationsdateien
+5. ECS- oder EC2-Metadaten-Anmeldedaten

-Die Region wird aus `AWS_REGION`, `AWS_DEFAULT_REGION`, der
-`amazon-bedrock`-`baseUrl` des Providers ermittelt oder fällt standardmäßig auf `us-east-1` zurück.
+Die Region wird aus `AWS_REGION`, `AWS_DEFAULT_REGION`, der `baseUrl` des
+Anbieters `amazon-bedrock` aufgelöst oder standardmäßig auf `us-east-1` gesetzt.

 ### IAM-Berechtigungen

@ -195,7 +196,7 @@ Die IAM-Rolle oder der IAM-Benutzer benötigt:
 }
 ```

-Für Least-Privilege beschränken Sie `InvokeModel` auf das konkrete Modell:
+Für Least-Privilege beschränken Sie `InvokeModel` auf das jeweilige Modell:

 ```
 arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0
@ -203,44 +204,44 @@ arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0

 ---

-## Konfiguration lokaler Embeddings
+## Lokale Einbettungskonfiguration

 | Schlüssel              | Typ      | Standard               | Beschreibung                    |
 | ---------------------- | -------- | ---------------------- | ------------------------------- |
-| `local.modelPath`      | `string` | automatisch heruntergeladen | Pfad zur GGUF-Modelldatei  |
-| `local.modelCacheDir`  | `string` | `node-llama-cpp`-Standard | Cache-Verzeichnis für heruntergeladene Modelle |
+| `local.modelPath`      | `string` | automatisch heruntergeladen | Pfad zur GGUF-Modelldatei   |
+| `local.modelCacheDir`  | `string` | node-llama-cpp-Standard | Cache-Verzeichnis für heruntergeladene Modelle |

 Standardmodell: `embeddinggemma-300m-qat-Q8_0.gguf` (~0,6 GB, wird automatisch heruntergeladen).
-Erfordert einen nativen Build: `pnpm approve-builds` und dann `pnpm rebuild node-llama-cpp`.
+Erfordert nativen Build: `pnpm approve-builds` und dann `pnpm rebuild node-llama-cpp`.

 ---

-## Konfiguration der Hybridsuche
+## Konfiguration der hybriden Suche

 Alles unter `memorySearch.query.hybrid`:

-| Schlüssel              | Typ       | Standard | Beschreibung                         |
-| ---------------------- | --------- | -------- | ------------------------------------ |
-| `enabled`              | `boolean` | `true`   | Hybride BM25- + Vektorsuche aktivieren |
-| `vectorWeight`         | `number`  | `0.7`    | Gewicht für Vektor-Scores (0-1)      |
-| `textWeight`           | `number`  | `0.3`    | Gewicht für BM25-Scores (0-1)        |
+| Schlüssel              | Typ       | Standard | Beschreibung                       |
+| ---------------------- | --------- | -------- | ---------------------------------- |
+| `enabled`              | `boolean` | `true`   | Hybride BM25- und Vektorsuche aktivieren |
+| `vectorWeight`         | `number`  | `0.7`    | Gewichtung für Vektorscores (0-1)  |
+| `textWeight`           | `number`  | `0.3`    | Gewichtung für BM25-Scores (0-1)   |
 | `candidateMultiplier`  | `number`  | `4`      | Multiplikator für die Größe des Kandidatenpools |

 ### MMR (Diversität)

-| Schlüssel      | Typ       | Standard | Beschreibung                             |
-| -------------- | --------- | -------- | ---------------------------------------- |
-| `mmr.enabled`  | `boolean` | `false`  | MMR-Re-Ranking aktivieren                |
+| Schlüssel      | Typ       | Standard | Beschreibung                            |
+| -------------- | --------- | -------- | --------------------------------------- |
+| `mmr.enabled`  | `boolean` | `false`  | MMR-Neu-Ranking aktivieren              |
 | `mmr.lambda`   | `number`  | `0.7`    | 0 = maximale Diversität, 1 = maximale Relevanz |

 ### Zeitlicher Zerfall (Aktualität)

-| Schlüssel                     | Typ       | Standard | Beschreibung                     |
-| ----------------------------- | --------- | -------- | -------------------------------- |
-| `temporalDecay.enabled`       | `boolean` | `false`  | Aktualitäts-Boost aktivieren     |
-| `temporalDecay.halfLifeDays`  | `number`  | `30`     | Score halbiert sich alle N Tage  |
+| Schlüssel                     | Typ       | Standard | Beschreibung                    |
+| ----------------------------- | --------- | -------- | ------------------------------- |
+| `temporalDecay.enabled`       | `boolean` | `false`  | Aktualitäts-Boost aktivieren    |
+| `temporalDecay.halfLifeDays`  | `number`  | `30`     | Score halbiert sich alle N Tage |

-Immergrüne Dateien (`MEMORY.md`, nicht datierte Dateien in `memory/`) unterliegen nie einem Zerfall.
+Evergreen-Dateien (`MEMORY.md`, nicht datierte Dateien in `memory/`) unterliegen nie einem Zerfall.

 ### Vollständiges Beispiel

@ -267,9 +268,9 @@ Immergrüne Dateien (`MEMORY.md`, nicht datierte Dateien in `memory/`) unterlieg

 ## Zusätzliche Speicherpfade

-| Schlüssel   | Typ        | Beschreibung                                  |
-| ----------- | ---------- | --------------------------------------------- |
-| `extraPaths` | `string[]` | Zusätzliche Verzeichnisse oder Dateien zur Indizierung |
+| Schlüssel   | Typ        | Beschreibung                              |
+| ----------- | ---------- | ----------------------------------------- |
+| `extraPaths`| `string[]` | Zusätzliche Verzeichnisse oder Dateien zur Indizierung |

 ```json5
 {
@ -284,18 +285,18 @@ Immergrüne Dateien (`MEMORY.md`, nicht datierte Dateien in `memory/`) unterlieg
 ```

 Pfade können absolut oder relativ zum Workspace sein. Verzeichnisse werden
-rekursiv nach `.md`-Dateien durchsucht. Die Behandlung von Symlinks hängt vom aktiven Backend ab:
-Die Builtin Engine ignoriert Symlinks, während QMD dem Verhalten des zugrunde liegenden QMD-
-Scanners folgt.
+rekursiv nach `.md`-Dateien durchsucht. Die Behandlung symbolischer Links hängt
+vom aktiven Backend ab: Die integrierte Engine ignoriert symbolische Links, während QMD
+dem Verhalten des zugrunde liegenden QMD-Scanners folgt.

-Für agentenspezifische agentenübergreifende Transkriptsuche verwenden Sie
+Für agentenbezogene agentenübergreifende Transkriptsuche verwenden Sie
 `agents.list[].memorySearch.qmd.extraCollections` statt `memory.qmd.paths`.
-Diese zusätzlichen Collections folgen derselben Form `{ path, name, pattern? }`, werden jedoch
+Diese zusätzlichen Collections verwenden dieselbe Form `{ path, name, pattern? }`, werden jedoch
 pro Agent zusammengeführt und können explizite gemeinsame Namen beibehalten, wenn der Pfad
 außerhalb des aktuellen Workspace liegt.
 Wenn derselbe aufgelöste Pfad sowohl in `memory.qmd.paths` als auch in
-`memorySearch.qmd.extraCollections` erscheint, behält QMD den ersten Eintrag und überspringt das
-Duplikat.
+`memorySearch.qmd.extraCollections` erscheint, behält QMD den ersten Eintrag bei und überspringt
+das Duplikat.

 ---

@ -303,13 +304,13 @@ Duplikat.

 Indizieren Sie Bilder und Audio zusammen mit Markdown mit Gemini Embedding 2:

-| Schlüssel                   | Typ        | Standard   | Beschreibung                           |
-| --------------------------- | ---------- | ---------- | -------------------------------------- |
-| `multimodal.enabled`        | `boolean`  | `false`    | Multimodale Indizierung aktivieren     |
-| `multimodal.modalities`     | `string[]` | --         | `["image"]`, `["audio"]` oder `["all"]` |
-| `multimodal.maxFileBytes`   | `number`   | `10000000` | Maximale Dateigröße für die Indizierung |
+| Schlüssel                  | Typ        | Standard   | Beschreibung                          |
+| -------------------------- | ---------- | ---------- | ------------------------------------- |
+| `multimodal.enabled`       | `boolean`  | `false`    | Multimodale Indizierung aktivieren    |
+| `multimodal.modalities`    | `string[]` | --         | `["image"]`, `["audio"]` oder `["all"]` |
+| `multimodal.maxFileBytes`  | `number`   | `10000000` | Maximale Dateigröße für die Indizierung |

-Gilt nur für Dateien in `extraPaths`. Standard-Speicher-Roots bleiben nur für Markdown.
+Gilt nur für Dateien in `extraPaths`. Standard-Speicherwurzeln bleiben auf Markdown beschränkt.
 Erfordert `gemini-embedding-2-preview`. `fallback` muss `"none"` sein.

 Unterstützte Formate: `.jpg`, `.jpeg`, `.png`, `.webp`, `.gif`, `.heic`, `.heif`
@ -317,66 +318,67 @@ Unterstützte Formate: `.jpg`, `.jpeg`, `.png`, `.webp`, `.gif`, `.heic`, `.heif

 ---

-## Embedding-Cache
+## Einbettungs-Cache

 | Schlüssel           | Typ       | Standard | Beschreibung                         |
 | ------------------- | --------- | -------- | ------------------------------------ |
-| `cache.enabled`     | `boolean` | `false`  | Chunk-Embeddings in SQLite cachen    |
-| `cache.maxEntries`  | `number`  | `50000`  | Maximale Anzahl gecachter Embeddings |
+| `cache.enabled`     | `boolean` | `false`  | Chunk-Einbettungen in SQLite cachen  |
+| `cache.maxEntries`  | `number`  | `50000`  | Maximale Anzahl zwischengespeicherter Einbettungen |

-Verhindert das erneute Erzeugen von Embeddings für unveränderten Text bei Neuindizierung oder Transkript-Updates.
+Verhindert die erneute Einbettung unveränderten Texts bei Neuindizierung oder Transkriptaktualisierungen.

 ---

 ## Batch-Indizierung

-| Schlüssel                    | Typ       | Standard | Beschreibung                   |
-| ---------------------------- | --------- | -------- | ------------------------------ |
-| `remote.batch.enabled`       | `boolean` | `false`  | Batch-Embedding-API aktivieren |
-| `remote.batch.concurrency`   | `number`  | `2`      | Parallele Batch-Jobs           |
-| `remote.batch.wait`          | `boolean` | `true`   | Auf Abschluss des Batch warten |
-| `remote.batch.pollIntervalMs`| `number`  | --       | Polling-Intervall              |
-| `remote.batch.timeoutMinutes`| `number`  | --       | Batch-Timeout                  |
+| Schlüssel                      | Typ       | Standard | Beschreibung                |
+| ------------------------------ | --------- | -------- | --------------------------- |
+| `remote.batch.enabled`         | `boolean` | `false`  | Batch-Einbettungs-API aktivieren |
+| `remote.batch.concurrency`     | `number`  | `2`      | Parallele Batch-Jobs        |
+| `remote.batch.wait`            | `boolean` | `true`   | Auf Batch-Abschluss warten  |
+| `remote.batch.pollIntervalMs`  | `number`  | --       | Abfrageintervall            |
+| `remote.batch.timeoutMinutes`  | `number`  | --       | Batch-Timeout               |

-Verfügbar für `openai`, `gemini` und `voyage`. OpenAI-Batches sind in der Regel
-am schnellsten und günstigsten für große Backfills.
+Verfügbar für `openai`, `gemini` und `voyage`. OpenAI-Batches sind für große Backfills in der Regel
+am schnellsten und kostengünstigsten.

 ---

-## Sitzungs-Speichersuche (experimentell)
+## Sitzungs-Speicher-Suche (experimentell)

-Indizieren Sie Sitzungs-Transkripte und stellen Sie sie über `memory_search` bereit:
+Indiziert Sitzungsprotokolle und stellt sie über `memory_search` bereit:

-| Schlüssel                    | Typ        | Standard      | Beschreibung                              |
-| ---------------------------- | ---------- | ------------- | ----------------------------------------- |
-| `experimental.sessionMemory` | `boolean`  | `false`       | Sitzungsindizierung aktivieren            |
-| `sources`                    | `string[]` | `["memory"]`  | `"sessions"` hinzufügen, um Transkripte einzubeziehen |
-| `sync.sessions.deltaBytes`   | `number`   | `100000`      | Byte-Schwelle für Neuindizierung          |
-| `sync.sessions.deltaMessages`| `number`   | `50`          | Nachrichten-Schwelle für Neuindizierung   |
+| Schlüssel                    | Typ        | Standard     | Beschreibung                              |
+| ---------------------------- | ---------- | ------------ | ----------------------------------------- |
+| `experimental.sessionMemory` | `boolean`  | `false`      | Sitzungsindizierung aktivieren            |
+| `sources`                    | `string[]` | `["memory"]` | `"sessions"` hinzufügen, um Transkripte einzuschließen |
+| `sync.sessions.deltaBytes`   | `number`   | `100000`     | Byte-Schwellenwert für Neuindizierung     |
+| `sync.sessions.deltaMessages`| `number`   | `50`         | Nachrichten-Schwellenwert für Neuindizierung |

-Die Sitzungsindizierung ist Opt-in und läuft asynchron. Ergebnisse können leicht
-veraltet sein. Sitzungslogs liegen auf dem Datenträger, daher sollte der Dateisystemzugriff als Vertrauensgrenze betrachtet werden.
+Die Sitzungsindizierung ist optional und läuft asynchron. Ergebnisse können leicht
+veraltet sein. Sitzungsprotokolle werden auf der Festplatte gespeichert, daher sollte der Dateisystemzugriff als Vertrauensgrenze
+behandelt werden.

 ---

-## SQLite-Vektorbeschleunigung (`sqlite-vec`)
+## SQLite-Vektorbeschleunigung (sqlite-vec)

-| Schlüssel                     | Typ       | Standard | Beschreibung                          |
-| ----------------------------- | --------- | -------- | ------------------------------------- |
-| `store.vector.enabled`        | `boolean` | `true`   | `sqlite-vec` für Vektorabfragen verwenden |
-| `store.vector.extensionPath`  | `string`  | gebündelt | Pfad zu `sqlite-vec` überschreiben   |
+| Schlüssel                     | Typ       | Standard | Beschreibung                        |
+| ----------------------------- | --------- | -------- | ----------------------------------- |
+| `store.vector.enabled`        | `boolean` | `true`   | sqlite-vec für Vektorabfragen verwenden |
+| `store.vector.extensionPath`  | `string`  | gebündelt | sqlite-vec-Pfad überschreiben      |

-Wenn `sqlite-vec` nicht verfügbar ist, fällt OpenClaw automatisch auf In-Process-Kosinus-
-Ähnlichkeit zurück.
+Wenn sqlite-vec nicht verfügbar ist, fällt OpenClaw automatisch auf Cosinus-
+ähnlichkeit im Prozess zurück.

 ---

-## Indexspeicherung
+## Indexspeicher

-| Schlüssel              | Typ      | Standard                              | Beschreibung                                  |
-| ---------------------- | -------- | ------------------------------------- | --------------------------------------------- |
-| `store.path`           | `string` | `~/.openclaw/memory/{agentId}.sqlite` | Speicherort des Index (unterstützt Token `{agentId}`) |
-| `store.fts.tokenizer`  | `string` | `unicode61`                           | FTS5-Tokenizer (`unicode61` oder `trigram`)   |
+| Schlüssel            | Typ      | Standard                              | Beschreibung                                  |
+| -------------------- | -------- | ------------------------------------- | --------------------------------------------- |
+| `store.path`         | `string` | `~/.openclaw/memory/{agentId}.sqlite` | Speicherort des Indexes (unterstützt Token `{agentId}`) |
+| `store.fts.tokenizer`| `string` | `unicode61`                           | FTS5-Tokenizer (`unicode61` oder `trigram`)   |

 ---

@ -385,50 +387,50 @@ Wenn `sqlite-vec` nicht verfügbar ist, fällt OpenClaw automatisch auf In-Proce
 Setzen Sie `memory.backend = "qmd"`, um es zu aktivieren. Alle QMD-Einstellungen befinden sich unter
 `memory.qmd`:

-| Schlüssel                 | Typ       | Standard | Beschreibung                                  |
-| ------------------------- | --------- | -------- | --------------------------------------------- |
-| `command`                 | `string`  | `qmd`    | Pfad zur QMD-Executable                       |
-| `searchMode`              | `string`  | `search` | Suchbefehl: `search`, `vsearch`, `query`      |
-| `includeDefaultMemory`    | `boolean` | `true`   | `MEMORY.md` + `memory/**/*.md` automatisch indizieren |
-| `paths[]`                 | `array`   | --       | Zusätzliche Pfade: `{ name, path, pattern? }` |
-| `sessions.enabled`        | `boolean` | `false`  | Sitzungs-Transkripte indizieren               |
-| `sessions.retentionDays`  | `number`  | --       | Aufbewahrung von Transkripten                 |
-| `sessions.exportDir`      | `string`  | --       | Exportverzeichnis                             |
+| Schlüssel               | Typ       | Standard | Beschreibung                                 |
+| ----------------------- | --------- | -------- | -------------------------------------------- |
+| `command`               | `string`  | `qmd`    | Pfad zur QMD-Executable                      |
+| `searchMode`            | `string`  | `search` | Suchbefehl: `search`, `vsearch`, `query`     |
+| `includeDefaultMemory`  | `boolean` | `true`   | `MEMORY.md` + `memory/**/*.md` automatisch indizieren |
+| `paths[]`               | `array`   | --       | Zusätzliche Pfade: `{ name, path, pattern? }` |
+| `sessions.enabled`      | `boolean` | `false`  | Sitzungsprotokolle indizieren                |
+| `sessions.retentionDays`| `number`  | --       | Aufbewahrung von Transkripten                |
+| `sessions.exportDir`    | `string`  | --       | Exportverzeichnis                            |

-OpenClaw bevorzugt die aktuellen QMD-Collection- und MCP-Abfrageformen, hält
-aber ältere QMD-Releases funktionsfähig, indem bei Bedarf auf veraltete `--mask`-Collection-Flags
-und ältere MCP-Tool-Namen zurückgefallen wird.
+OpenClaw bevorzugt die aktuellen Formen für QMD-Collections und MCP-Abfragen, hält jedoch
+ältere QMD-Versionen funktionsfähig, indem bei Bedarf auf Legacy-Collection-Flags `--mask`
+und ältere MCP-Toolnamen zurückgegriffen wird.

-QMD-Modell-Overrides bleiben auf der QMD-Seite, nicht in der OpenClaw-Konfiguration. Wenn Sie
+QMD-Modellüberschreibungen bleiben auf der QMD-Seite, nicht in der OpenClaw-Konfiguration. Wenn Sie
 QMD-Modelle global überschreiben müssen, setzen Sie Umgebungsvariablen wie
 `QMD_EMBED_MODEL`, `QMD_RERANK_MODEL` und `QMD_GENERATE_MODEL` in der Gateway-
 Laufzeitumgebung.

-### Update-Zeitplan
+### Aktualisierungsplan

-| Schlüssel                  | Typ       | Standard | Beschreibung                              |
-| -------------------------- | --------- | -------- | ----------------------------------------- |
-| `update.interval`          | `string`  | `5m`     | Aktualisierungsintervall                  |
-| `update.debounceMs`        | `number`  | `15000`  | Entprellung für Dateiveränderungen        |
-| `update.onBoot`            | `boolean` | `true`   | Beim Start aktualisieren                  |
+| Schlüssel                  | Typ       | Standard | Beschreibung                               |
+| -------------------------- | --------- | -------- | ------------------------------------------ |
+| `update.interval`          | `string`  | `5m`     | Aktualisierungsintervall                   |
+| `update.debounceMs`        | `number`  | `15000`  | Entprellung für Dateiänderungen            |
+| `update.onBoot`            | `boolean` | `true`   | Beim Start aktualisieren                   |
 | `update.waitForBootSync`   | `boolean` | `false`  | Start blockieren, bis Aktualisierung abgeschlossen ist |
-| `update.embedInterval`     | `string`  | --       | Separate Embedding-Taktung                |
-| `update.commandTimeoutMs`  | `number`  | --       | Timeout für QMD-Befehle                   |
-| `update.updateTimeoutMs`   | `number`  | --       | Timeout für QMD-Update-Vorgänge           |
-| `update.embedTimeoutMs`    | `number`  | --       | Timeout für QMD-Embedding-Vorgänge        |
+| `update.embedInterval`     | `string`  | --       | Separater Einbettungstakt                  |
+| `update.commandTimeoutMs`  | `number`  | --       | Timeout für QMD-Befehle                    |
+| `update.updateTimeoutMs`   | `number`  | --       | Timeout für QMD-Aktualisierungsvorgänge    |
+| `update.embedTimeoutMs`    | `number`  | --       | Timeout für QMD-Einbettungsvorgänge        |

-### Limits
+### Grenzen

-| Schlüssel                  | Typ      | Standard | Beschreibung                    |
-| -------------------------- | -------- | -------- | ------------------------------- |
-| `limits.maxResults`        | `number` | `6`      | Maximale Suchergebnisse         |
-| `limits.maxSnippetChars`   | `number` | --       | Snippet-Länge begrenzen         |
-| `limits.maxInjectedChars`  | `number` | --       | Insgesamt eingefügte Zeichen begrenzen |
-| `limits.timeoutMs`         | `number` | `4000`   | Such-Timeout                    |
+| Schlüssel                  | Typ      | Standard | Beschreibung                      |
+| -------------------------- | -------- | -------- | --------------------------------- |
+| `limits.maxResults`        | `number` | `6`      | Maximale Suchergebnisse           |
+| `limits.maxSnippetChars`   | `number` | --       | Snippet-Länge begrenzen           |
+| `limits.maxInjectedChars`  | `number` | --       | Gesamte eingefügte Zeichen begrenzen |
+| `limits.timeoutMs`         | `number` | `4000`   | Such-Timeout                      |

 ### Geltungsbereich

-Steuert, welche Sitzungen QMD-Suchergebnisse erhalten können. Gleiches Schema wie
+Steuert, welche Sitzungen QMD-Suchergebnisse empfangen können. Gleiches Schema wie
 [`session.sendPolicy`](/de/gateway/configuration-reference#session):

 ```json5
@ -444,19 +446,19 @@ Steuert, welche Sitzungen QMD-Suchergebnisse erhalten können. Gleiches Schema w
 }
 ```

-Der mitgelieferte Standard erlaubt direkte Sitzungen und Kanalsitzungen, verweigert aber weiterhin
+Der mitgelieferte Standard erlaubt Direkt- und Kanalsitzungen, verweigert aber weiterhin
 Gruppen.

-Standard ist nur DM. `match.keyPrefix` vergleicht mit dem normalisierten Sitzungsschlüssel;
-`match.rawKeyPrefix` mit dem rohen Schlüssel einschließlich `agent:<id>:`.
+Standard ist nur DM. `match.keyPrefix` gleicht den normalisierten Sitzungsschlüssel ab;
+`match.rawKeyPrefix` gleicht den rohen Schlüssel einschließlich `agent:<id>:` ab.

-### Zitate
+### Quellenangaben

 `memory.citations` gilt für alle Backends:

 | Wert             | Verhalten                                           |
 | ---------------- | --------------------------------------------------- |
-| `auto` (Standard) | `Source: <path#line>`-Fußzeile in Snippets einfügen |
+| `auto` (Standard)| Fußzeile `Source: <path#line>` in Snippets einfügen |
 | `on`             | Fußzeile immer einfügen                             |
 | `off`            | Fußzeile weglassen (Pfad wird intern weiterhin an den Agenten übergeben) |

@ -483,22 +485,22 @@ Standard ist nur DM. `match.keyPrefix` vergleicht mit dem normalisierten Sitzung

 ---

-## Dreaming (experimentell)
+## Dreaming

 Dreaming wird unter `plugins.entries.memory-core.config.dreaming` konfiguriert,
 nicht unter `agents.defaults.memorySearch`.

-Dreaming läuft als ein geplanter Sweep und verwendet interne Light-/Deep-/REM-Phasen als
+Dreaming läuft als ein geplanter Durchlauf und verwendet interne Light-/Deep-/REM-Phasen als
 Implementierungsdetail.

-Für konzeptionelles Verhalten und Slash-Befehle siehe [Dreaming](/de/concepts/dreaming).
+Zum konzeptionellen Verhalten und zu Slash-Befehlen siehe [Dreaming](/de/concepts/dreaming).

 ### Benutzereinstellungen

-| Schlüssel    | Typ       | Standard      | Beschreibung                                      |
-| ------------ | --------- | ------------- | ------------------------------------------------- |
-| `enabled`    | `boolean` | `false`       | Dreaming vollständig aktivieren oder deaktivieren |
-| `frequency`  | `string`  | `0 3 * * *`   | Optionaler Cron-Takt für den vollständigen Dreaming-Sweep |
+| Schlüssel    | Typ       | Standard    | Beschreibung                                      |
+| ------------ | --------- | ----------- | ------------------------------------------------- |
+| `enabled`    | `boolean` | `false`     | Dreaming vollständig aktivieren oder deaktivieren |
+| `frequency`  | `string`  | `0 3 * * *` | Optionaler Cron-Takt für den vollständigen Dreaming-Durchlauf |

 ### Beispiel

@ -521,6 +523,6 @@ Für konzeptionelles Verhalten und Slash-Befehle siehe [Dreaming](/de/concepts/d

 Hinweise:

- Dreaming schreibt Maschinenstatus nach `memory/.dreams/`.
- Dreaming schreibt menschenlesbare narrative Ausgabe nach `DREAMS.md` (oder in eine vorhandene `dreams.md`).
- Die Richtlinien und Schwellenwerte für Light-/Deep-/REM-Phasen sind internes Verhalten, keine benutzerseitige Konfiguration.
+- Dreaming schreibt Maschinenzustand nach `memory/.dreams/`.
+- Dreaming schreibt menschenlesbare narrative Ausgabe nach `DREAMS.md` (oder in vorhandene `dreams.md`).
+- Die Richtlinie und Schwellenwerte für Light-/Deep-/REM-Phasen sind internes Verhalten, keine benutzerseitige Konfiguration.
--- a/docs/de/reference/wizard.md
+++ b/docs/de/reference/wizard.md
@ -1,16 +1,16 @@
 ---
 read_when:
-    - Einen bestimmten Onboarding-Schritt oder ein bestimmtes Flag nachschlagen
-    - Onboarding mit dem nicht interaktiven Modus automatisieren
+    - Nach einem bestimmten Onboarding-Schritt oder Flag suchen
+    - Onboarding mit dem nicht-interaktiven Modus automatisieren
    - Onboarding-Verhalten debuggen
 sidebarTitle: Onboarding Reference
-summary: 'Vollständige Referenz für CLI-Onboarding: jeder Schritt, jedes Flag und jedes Konfigurationsfeld'
+summary: 'Vollständige Referenz für das CLI-Onboarding: jeder Schritt, jedes Flag und jedes Konfigurationsfeld'
 title: Onboarding-Referenz
 x-i18n:
-    generated_at: "2026-04-07T06:19:53Z"
+    generated_at: "2026-04-15T14:40:54Z"
    model: gpt-5.4
    provider: openai
-    source_hash: a142b9ec4323fabb9982d05b64375d2b4a4007dffc910acbee3a38ff871a7236
+    source_hash: 1db3ff789422617634e6624f9d12c18b6a6c573721226b9c0fa6f6b7956ef33d
    source_path: reference/wizard.md
    workflow: 15
 ---
@ -24,77 +24,76 @@ Eine allgemeine Übersicht finden Sie unter [Onboarding (CLI)](/de/start/wizard)

 <Steps>
  <Step title="Erkennung vorhandener Konfiguration">
-    - Wenn `~/.openclaw/openclaw.json` vorhanden ist, wählen Sie **Keep / Modify / Reset**.
-    - Ein erneutes Ausführen des Onboardings löscht nichts, außer Sie wählen ausdrücklich **Reset**
+    - Wenn `~/.openclaw/openclaw.json` vorhanden ist, wählen Sie **Behalten / Ändern / Zurücksetzen**.
+    - Das erneute Ausführen des Onboardings löscht **nichts**, es sei denn, Sie wählen ausdrücklich **Zurücksetzen**
      (oder übergeben `--reset`).
    - CLI-`--reset` verwendet standardmäßig `config+creds+sessions`; verwenden Sie `--reset-scope full`,
      um zusätzlich den Workspace zu entfernen.
    - Wenn die Konfiguration ungültig ist oder veraltete Schlüssel enthält, stoppt der Assistent und fordert
-      Sie auf, `openclaw doctor` auszuführen, bevor Sie fortfahren.
-    - Beim Zurücksetzen wird `trash` verwendet (niemals `rm`) und es werden diese Bereiche angeboten:
+      Sie auf, vor dem Fortfahren `openclaw doctor` auszuführen.
+    - Beim Zurücksetzen wird `trash` verwendet (niemals `rm`) und es werden folgende Bereiche angeboten:
      - Nur Konfiguration
      - Konfiguration + Anmeldedaten + Sitzungen
      - Vollständiges Zurücksetzen (entfernt auch den Workspace)
  </Step>
  <Step title="Modell/Auth">
-    - **Anthropic-API-Schlüssel**: verwendet `ANTHROPIC_API_KEY`, wenn vorhanden, oder fragt nach einem Schlüssel und speichert ihn dann für die Nutzung durch den Daemon.
+    - **Anthropic-API-Schlüssel**: verwendet `ANTHROPIC_API_KEY`, falls vorhanden, oder fordert zur Eingabe eines Schlüssels auf und speichert ihn dann für die Daemon-Nutzung.
    - **Anthropic-API-Schlüssel**: bevorzugte Anthropic-Assistentenwahl in Onboarding/Konfiguration.
-    - **Anthropic-Setup-Token**: weiterhin in Onboarding/Konfiguration verfügbar, obwohl OpenClaw jetzt die Wiederverwendung von Claude CLI bevorzugt, wenn verfügbar.
-    - **OpenAI Code (Codex)-Abonnement (Codex CLI)**: wenn `~/.codex/auth.json` vorhanden ist, kann das Onboarding es wiederverwenden. Wiederverwendete Codex-CLI-Anmeldedaten werden weiterhin von Codex CLI verwaltet; bei Ablauf liest OpenClaw zuerst erneut aus dieser Quelle und schreibt aktualisierte Anmeldedaten, wenn der Provider sie erneuern kann, zurück in den Codex-Speicher, statt selbst die Kontrolle zu übernehmen.
-    - **OpenAI Code (Codex)-Abonnement (OAuth)**: Browser-Flow; fügen Sie `code#state` ein.
-      - Setzt `agents.defaults.model` auf `openai-codex/gpt-5.4`, wenn kein Modell gesetzt ist oder `openai/*` verwendet wird.
-    - **OpenAI-API-Schlüssel**: verwendet `OPENAI_API_KEY`, wenn vorhanden, oder fragt nach einem Schlüssel und speichert ihn dann in Auth-Profilen.
-      - Setzt `agents.defaults.model` auf `openai/gpt-5.4`, wenn kein Modell gesetzt ist, `openai/*` oder `openai-codex/*`.
-    - **xAI (Grok)-API-Schlüssel**: fragt nach `XAI_API_KEY` und konfiguriert xAI als Modell-Provider.
-    - **OpenCode**: fragt nach `OPENCODE_API_KEY` (oder `OPENCODE_ZEN_API_KEY`, erhältlich unter https://opencode.ai/auth) und lässt Sie den Zen- oder Go-Katalog auswählen.
-    - **Ollama**: fragt nach der Ollama-Basis-URL, bietet den Modus **Cloud + Local** oder **Local** an, erkennt verfügbare Modelle und zieht das ausgewählte lokale Modell bei Bedarf automatisch.
-    - Mehr Details: [Ollama](/de/providers/ollama)
+    - **Anthropic-Setup-Token**: weiterhin in Onboarding/Konfiguration verfügbar, obwohl OpenClaw jetzt, wenn verfügbar, die Wiederverwendung der Claude CLI bevorzugt.
+    - **OpenAI Code (Codex)-Abonnement (Codex CLI)**: wenn `~/.codex/auth.json` vorhanden ist, kann das Onboarding es wiederverwenden. Wiederverwendete Codex-CLI-Anmeldedaten bleiben von der Codex CLI verwaltet; bei Ablauf liest OpenClaw diese Quelle zuerst erneut und schreibt bei entsprechender Refresh-Unterstützung des Providers die aktualisierten Anmeldedaten zurück in den Codex-Speicher, anstatt selbst die Verwaltung zu übernehmen.
+    - **OpenAI Code (Codex)-Abonnement (OAuth)**: Browser-Ablauf; fügen Sie `code#state` ein.
+      - Setzt `agents.defaults.model` auf `openai-codex/gpt-5.4`, wenn das Modell nicht gesetzt ist oder `openai/*` verwendet.
+    - **OpenAI-API-Schlüssel**: verwendet `OPENAI_API_KEY`, falls vorhanden, oder fordert zur Eingabe eines Schlüssels auf und speichert ihn dann in Auth-Profilen.
+      - Setzt `agents.defaults.model` auf `openai/gpt-5.4`, wenn das Modell nicht gesetzt ist, `openai/*` oder `openai-codex/*` verwendet.
+    - **xAI (Grok)-API-Schlüssel**: fordert `XAI_API_KEY` an und konfiguriert xAI als Modell-Provider.
+    - **OpenCode**: fordert `OPENCODE_API_KEY` (oder `OPENCODE_ZEN_API_KEY`, erhältlich unter https://opencode.ai/auth) an und lässt Sie den Zen- oder Go-Katalog auswählen.
+    - **Ollama**: bietet zuerst **Cloud + Local**, **Nur Cloud** oder **Nur lokal** an. `Nur Cloud` fordert `OLLAMA_API_KEY` an und verwendet `https://ollama.com`; die hostgestützten Modi fragen nach der Ollama-Basis-URL, erkennen verfügbare Modelle und laden das ausgewählte lokale Modell bei Bedarf automatisch herunter; `Cloud + Local` prüft außerdem, ob dieser Ollama-Host für den Cloud-Zugriff angemeldet ist.
+    - Weitere Details: [Ollama](/de/providers/ollama)
    - **API-Schlüssel**: speichert den Schlüssel für Sie.
-    - **Vercel AI Gateway (Multi-Model-Proxy)**: fragt nach `AI_GATEWAY_API_KEY`.
-    - Mehr Details: [Vercel AI Gateway](/de/providers/vercel-ai-gateway)
-    - **Cloudflare AI Gateway**: fragt nach Account ID, Gateway ID und `CLOUDFLARE_AI_GATEWAY_API_KEY`.
-    - Mehr Details: [Cloudflare AI Gateway](/de/providers/cloudflare-ai-gateway)
-    - **MiniMax**: Konfiguration wird automatisch geschrieben; gehosteter Standard ist `MiniMax-M2.7`.
-      Die Einrichtung mit API-Schlüssel verwendet `minimax/...`, die OAuth-Einrichtung
-      verwendet `minimax-portal/...`.
-    - Mehr Details: [MiniMax](/de/providers/minimax)
-    - **StepFun**: Konfiguration wird automatisch für StepFun Standard oder Step Plan auf China- oder globalen Endpunkten geschrieben.
-    - Standard enthält derzeit `step-3.5-flash`, und Step Plan enthält zusätzlich `step-3.5-flash-2603`.
-    - Mehr Details: [StepFun](/de/providers/stepfun)
-    - **Synthetic (Anthropic-kompatibel)**: fragt nach `SYNTHETIC_API_KEY`.
-    - Mehr Details: [Synthetic](/de/providers/synthetic)
-    - **Moonshot (Kimi K2)**: Konfiguration wird automatisch geschrieben.
-    - **Kimi Coding**: Konfiguration wird automatisch geschrieben.
-    - Mehr Details: [Moonshot AI (Kimi + Kimi Coding)](/de/providers/moonshot)
-    - **Überspringen**: noch keine Authentifizierung konfiguriert.
-    - Wählen Sie aus den erkannten Optionen ein Standardmodell aus (oder geben Sie `provider/model` manuell ein). Für beste Qualität und ein geringeres Risiko durch Prompt-Injection wählen Sie das stärkste Modell der neuesten Generation, das in Ihrem Provider-Stack verfügbar ist.
-    - Onboarding führt eine Modellprüfung aus und warnt, wenn das konfigurierte Modell unbekannt ist oder Auth fehlt.
-    - Der Speichermodus für API-Schlüssel verwendet standardmäßig Klartextwerte in Auth-Profilen. Verwenden Sie `--secret-input-mode ref`, um stattdessen env-gestützte Refs zu speichern (zum Beispiel `keyRef: { source: "env", provider: "default", id: "OPENAI_API_KEY" }`).
-    - Auth-Profile befinden sich unter `~/.openclaw/agents/<agentId>/agent/auth-profiles.json` (API-Schlüssel + OAuth). `~/.openclaw/credentials/oauth.json` dient nur noch dem Import aus Altbeständen.
-    - Mehr Details: [/concepts/oauth](/de/concepts/oauth)
+    - **Vercel AI Gateway (Multi-Modell-Proxy)**: fordert `AI_GATEWAY_API_KEY` an.
+    - Weitere Details: [Vercel AI Gateway](/de/providers/vercel-ai-gateway)
+    - **Cloudflare AI Gateway**: fordert Account-ID, Gateway-ID und `CLOUDFLARE_AI_GATEWAY_API_KEY` an.
+    - Weitere Details: [Cloudflare AI Gateway](/de/providers/cloudflare-ai-gateway)
+    - **MiniMax**: Die Konfiguration wird automatisch geschrieben; gehosteter Standard ist `MiniMax-M2.7`.
+      Die Einrichtung mit API-Schlüssel verwendet `minimax/...`, und die OAuth-Einrichtung verwendet
+      `minimax-portal/...`.
+    - Weitere Details: [MiniMax](/de/providers/minimax)
+    - **StepFun**: Die Konfiguration wird automatisch für StepFun Standard oder Step Plan auf China- oder globalen Endpunkten geschrieben.
+    - Standard umfasst derzeit `step-3.5-flash`, und Step Plan umfasst außerdem `step-3.5-flash-2603`.
+    - Weitere Details: [StepFun](/de/providers/stepfun)
+    - **Synthetic (Anthropic-kompatibel)**: fordert `SYNTHETIC_API_KEY` an.
+    - Weitere Details: [Synthetic](/de/providers/synthetic)
+    - **Moonshot (Kimi K2)**: Die Konfiguration wird automatisch geschrieben.
+    - **Kimi Coding**: Die Konfiguration wird automatisch geschrieben.
+    - Weitere Details: [Moonshot AI (Kimi + Kimi Coding)](/de/providers/moonshot)
+    - **Überspringen**: Noch keine Authentifizierung konfiguriert.
+    - Wählen Sie ein Standardmodell aus den erkannten Optionen aus (oder geben Sie Provider/Modell manuell ein). Für die beste Qualität und ein geringeres Risiko für Prompt Injection wählen Sie das stärkste aktuelle Modell, das in Ihrem Provider-Stack verfügbar ist.
+    - Das Onboarding führt eine Modellprüfung aus und warnt, wenn das konfigurierte Modell unbekannt ist oder Auth fehlt.
+    - Der Speichermodus für API-Schlüssel verwendet standardmäßig Klartextwerte in Auth-Profilen. Verwenden Sie `--secret-input-mode ref`, um stattdessen env-gestützte Referenzen zu speichern (zum Beispiel `keyRef: { source: "env", provider: "default", id: "OPENAI_API_KEY" }`).
+    - Auth-Profile befinden sich unter `~/.openclaw/agents/<agentId>/agent/auth-profiles.json` (API-Schlüssel + OAuth). `~/.openclaw/credentials/oauth.json` dient nur noch als veraltete Importquelle.
+    - Weitere Details: [/concepts/oauth](/de/concepts/oauth)
    <Note>
-    Tipp für Headless-/Server-Systeme: Schließen Sie OAuth auf einem Rechner mit Browser ab und kopieren Sie dann
-    die `auth-profiles.json` dieses Agenten (zum Beispiel
+    Tipp für Headless-/Server-Umgebungen: Schließen Sie OAuth auf einem Rechner mit Browser ab und kopieren Sie dann die `auth-profiles.json` dieses Agenten (zum Beispiel
    `~/.openclaw/agents/<agentId>/agent/auth-profiles.json` oder den entsprechenden
    Pfad unter `$OPENCLAW_STATE_DIR/...`) auf den Gateway-Host. `credentials/oauth.json`
-    ist nur noch eine Altquelle für den Import.
+    ist nur eine veraltete Importquelle.
    </Note>
  </Step>
  <Step title="Workspace">
    - Standard `~/.openclaw/workspace` (konfigurierbar).
-    - Legt die für das Bootstrap-Ritual des Agenten benötigten Workspace-Dateien an.
-    - Vollständiges Workspace-Layout + Backup-Leitfaden: [Agent-Workspace](/de/concepts/agent-workspace)
+    - Legt die Workspace-Dateien an, die für das Bootstrap-Ritual des Agenten benötigt werden.
+    - Vollständiges Workspace-Layout + Backup-Anleitung: [Agent workspace](/de/concepts/agent-workspace)
  </Step>
  <Step title="Gateway">
-    - Port, Bind, Auth-Modus, Tailscale-Exponierung.
+    - Port, Bind, Auth-Modus, Tailscale-Exposition.
    - Auth-Empfehlung: Behalten Sie **Token** auch für Loopback bei, damit sich lokale WS-Clients authentifizieren müssen.
-    - Im Token-Modus bietet die interaktive Einrichtung:
-      - **Generate/store plaintext token** (Standard)
-      - **Use SecretRef** (Opt-in)
-      - Quickstart verwendet vorhandene `gateway.auth.token`-SecretRefs der Provider `env`, `file` und `exec` für Onboarding-Probe/Dashboard-Bootstrap erneut.
-      - Wenn dieses SecretRef konfiguriert ist, aber nicht aufgelöst werden kann, schlägt das Onboarding frühzeitig mit einer klaren Meldung zur Behebung fehl, statt die Laufzeit-Authentifizierung stillschweigend zu verschlechtern.
-    - Im Passwortmodus unterstützt die interaktive Einrichtung ebenfalls Klartext- oder SecretRef-Speicherung.
-    - Nicht interaktiver Token-SecretRef-Pfad: `--gateway-token-ref-env <ENV_VAR>`.
+    - Im Token-Modus bietet das interaktive Setup:
+      - **Klartext-Token generieren/speichern** (Standard)
+      - **SecretRef verwenden** (Opt-in)
+      - Quickstart verwendet vorhandene SecretRefs in `gateway.auth.token` für die Provider `env`, `file` und `exec` erneut für Onboarding-Probe/Dashboard-Bootstrap.
+      - Wenn diese SecretRef konfiguriert ist, aber nicht aufgelöst werden kann, schlägt das Onboarding frühzeitig mit einer klaren Fehlermeldung fehl, statt die Laufzeit-Authentifizierung stillschweigend abzuschwächen.
+    - Im Passwortmodus unterstützt das interaktive Setup ebenfalls die Speicherung als Klartext oder SecretRef.
+    - Nicht-interaktiver Token-SecretRef-Pfad: `--gateway-token-ref-env <ENV_VAR>`.
      - Erfordert eine nicht leere Umgebungsvariable in der Prozessumgebung des Onboardings.
      - Kann nicht mit `--gateway-token` kombiniert werden.
    - Deaktivieren Sie Auth nur, wenn Sie jedem lokalen Prozess vollständig vertrauen.
@ -106,35 +105,35 @@ Eine allgemeine Übersicht finden Sie unter [Onboarding (CLI)](/de/start/wizard)
    - [Discord](/de/channels/discord): Bot-Token.
    - [Google Chat](/de/channels/googlechat): Service-Account-JSON + Webhook-Audience.
    - [Mattermost](/de/channels/mattermost) (Plugin): Bot-Token + Basis-URL.
-    - [Signal](/de/channels/signal): optionale `signal-cli`-Installation + Kontokonfiguration.
+    - [Signal](/de/channels/signal): optionale Installation von `signal-cli` + Kontokonfiguration.
    - [BlueBubbles](/de/channels/bluebubbles): **empfohlen für iMessage**; Server-URL + Passwort + Webhook.
    - [iMessage](/de/channels/imessage): veralteter `imsg`-CLI-Pfad + DB-Zugriff.
-    - DM-Sicherheit: Standard ist Kopplung. Die erste DM sendet einen Code; genehmigen Sie ihn mit `openclaw pairing approve <channel> <code>` oder verwenden Sie Allowlists.
+    - DM-Sicherheit: Standard ist Pairing. Die erste DM sendet einen Code; genehmigen Sie ihn mit `openclaw pairing approve <channel> <code>` oder verwenden Sie Allowlists.
  </Step>
  <Step title="Websuche">
-    - Wählen Sie einen unterstützten Provider wie Brave, DuckDuckGo, Exa, Firecrawl, Gemini, Grok, Kimi, MiniMax Search, Ollama Web Search, Perplexity, SearXNG oder Tavily (oder überspringen Sie den Schritt).
-    - API-gestützte Provider können für die Schnelleinrichtung Umgebungsvariablen oder bestehende Konfiguration verwenden; schlüssellose Provider nutzen stattdessen ihre providerspezifischen Voraussetzungen.
+    - Wählen Sie einen unterstützten Provider wie Brave, DuckDuckGo, Exa, Firecrawl, Gemini, Grok, Kimi, MiniMax Search, Ollama Web Search, Perplexity, SearXNG oder Tavily (oder überspringen Sie diesen Schritt).
+    - API-gestützte Provider können für eine schnelle Einrichtung Umgebungsvariablen oder vorhandene Konfiguration verwenden; schlüssellose Provider nutzen stattdessen ihre providerspezifischen Voraussetzungen.
    - Mit `--skip-search` überspringen.
    - Später konfigurieren: `openclaw configure --section web`.
  </Step>
  <Step title="Daemon-Installation">
    - macOS: LaunchAgent
-      - Erfordert eine angemeldete Benutzersitzung; für Headless-Systeme verwenden Sie einen benutzerdefinierten LaunchDaemon (nicht mitgeliefert).
-    - Linux (und Windows über WSL2): systemd-Benutzereinheit
+      - Erfordert eine angemeldete Benutzersitzung; für Headless-Umgebungen verwenden Sie einen benutzerdefinierten LaunchDaemon (nicht mitgeliefert).
+    - Linux (und Windows über WSL2): systemd-User-Unit
      - Das Onboarding versucht, Lingering über `loginctl enable-linger <user>` zu aktivieren, damit das Gateway nach dem Abmelden weiterläuft.
-      - Kann nach sudo fragen (schreibt nach `/var/lib/systemd/linger`); zunächst wird es ohne sudo versucht.
-    - **Laufzeitauswahl:** Node (empfohlen; erforderlich für WhatsApp/Telegram). Bun ist **nicht empfohlen**.
-    - Wenn Token-Auth ein Token erfordert und `gateway.auth.token` über SecretRef verwaltet wird, validiert die Daemon-Installation es, speichert aber keine aufgelösten Klartext-Tokenwerte in den Umgebungsmetadaten des Supervisor-Dienstes.
-    - Wenn Token-Auth ein Token erfordert und das konfigurierte Token-SecretRef nicht aufgelöst werden kann, wird die Daemon-Installation mit umsetzbaren Hinweisen blockiert.
-    - Wenn sowohl `gateway.auth.token` als auch `gateway.auth.password` konfiguriert sind und `gateway.auth.mode` nicht gesetzt ist, wird die Daemon-Installation blockiert, bis der Modus explizit gesetzt wird.
+      - Kann nach sudo fragen (schreibt nach `/var/lib/systemd/linger`); es wird zunächst ohne sudo versucht.
+    - **Laufzeitauswahl:** Node (empfohlen; erforderlich für WhatsApp/Telegram). Bun wird **nicht empfohlen**.
+    - Wenn Token-Auth ein Token erfordert und `gateway.auth.token` per SecretRef verwaltet wird, validiert die Daemon-Installation dieses, speichert jedoch keine aufgelösten Klartext-Tokenwerte in den Umgebungsmetadaten des Supervisor-Dienstes.
+    - Wenn Token-Auth ein Token erfordert und die konfigurierte Token-SecretRef nicht aufgelöst ist, wird die Daemon-Installation mit umsetzbaren Hinweisen blockiert.
+    - Wenn sowohl `gateway.auth.token` als auch `gateway.auth.password` konfiguriert sind und `gateway.auth.mode` nicht gesetzt ist, wird die Daemon-Installation blockiert, bis der Modus explizit gesetzt ist.
  </Step>
  <Step title="Integritätsprüfung">
    - Startet das Gateway (falls nötig) und führt `openclaw health` aus.
-    - Tipp: `openclaw status --deep` erweitert die Statusausgabe um die Live-Gateway-Integritätsprüfung, einschließlich Kanal-Probes, sofern unterstützt (erfordert ein erreichbares Gateway).
+    - Tipp: `openclaw status --deep` fügt der Statusausgabe die Live-Integritätsprüfung des Gateways hinzu, einschließlich Kanalprüfungen, sofern unterstützt (erfordert ein erreichbares Gateway).
  </Step>
  <Step title="Skills (empfohlen)">
    - Liest die verfügbaren Skills und prüft die Anforderungen.
-    - Lässt Sie einen Node-Manager auswählen: **npm / pnpm** (Bun nicht empfohlen).
+    - Lässt Sie einen Node-Manager auswählen: **npm / pnpm** (bun nicht empfohlen).
    - Installiert optionale Abhängigkeiten (einige verwenden Homebrew unter macOS).
  </Step>
  <Step title="Abschluss">
@ -143,11 +142,11 @@ Eine allgemeine Übersicht finden Sie unter [Onboarding (CLI)](/de/start/wizard)
 </Steps>

 <Note>
-Wenn keine GUI erkannt wird, gibt das Onboarding SSH-Port-Forwarding-Anweisungen für die Control UI aus, anstatt einen Browser zu öffnen.
+Wenn keine GUI erkannt wird, gibt das Onboarding SSH-Portweiterleitungsanweisungen für die Control UI aus, anstatt einen Browser zu öffnen.
 Wenn die Assets der Control UI fehlen, versucht das Onboarding, sie zu bauen; Fallback ist `pnpm ui:build` (installiert UI-Abhängigkeiten automatisch).
 </Note>

-## Nicht interaktiver Modus
+## Nicht-interaktiver Modus

 Verwenden Sie `--non-interactive`, um das Onboarding zu automatisieren oder zu skripten:

@ -165,7 +164,7 @@ openclaw onboard --non-interactive \

 Fügen Sie `--json` für eine maschinenlesbare Zusammenfassung hinzu.

-Gateway-Token-SecretRef im nicht interaktiven Modus:
+Gateway-Token-SecretRef im nicht-interaktiven Modus:

 ```bash
 export OPENCLAW_GATEWAY_TOKEN="your-token"
@ -179,13 +178,13 @@ openclaw onboard --non-interactive \
 `--gateway-token` und `--gateway-token-ref-env` schließen sich gegenseitig aus.

 <Note>
-`--json` impliziert **nicht** den nicht interaktiven Modus. Verwenden Sie für Skripte `--non-interactive` (und `--workspace`).
+`--json` impliziert **nicht** den nicht-interaktiven Modus. Verwenden Sie für Skripte `--non-interactive` (und `--workspace`).
 </Note>

 Providerspezifische Befehlsbeispiele finden Sie unter [CLI Automation](/de/start/wizard-cli-automation#provider-specific-examples).
 Verwenden Sie diese Referenzseite für die Semantik der Flags und die Reihenfolge der Schritte.

-### Agent hinzufügen (nicht interaktiv)
+### Agent hinzufügen (nicht-interaktiv)

 ```bash
 openclaw agents add work \
@ -196,12 +195,12 @@ openclaw agents add work \
  --json
 ```

-## Gateway-Assistenten-RPC
+## Gateway-Wizard-RPC

 Das Gateway stellt den Onboarding-Ablauf über RPC bereit (`wizard.start`, `wizard.next`, `wizard.cancel`, `wizard.status`).
-Clients (macOS-App, Control UI) können Schritte rendern, ohne die Onboarding-Logik erneut implementieren zu müssen.
+Clients (macOS-App, Control UI) können Schritte darstellen, ohne die Onboarding-Logik erneut implementieren zu müssen.

-## Signal-Einrichtung (signal-cli)
+## Signal-Einrichtung (`signal-cli`)

 Das Onboarding kann `signal-cli` aus GitHub-Releases installieren:

@ -220,15 +219,15 @@ Hinweise:
 Typische Felder in `~/.openclaw/openclaw.json`:

 - `agents.defaults.workspace`
- `agents.defaults.model` / `models.providers` (wenn Minimax ausgewählt wurde)
- `tools.profile` (lokales Onboarding setzt standardmäßig `"coding"`, wenn nicht gesetzt; vorhandene explizite Werte bleiben erhalten)
+- `agents.defaults.model` / `models.providers` (wenn MiniMax ausgewählt wurde)
+- `tools.profile` (lokales Onboarding verwendet standardmäßig `"coding"`, wenn kein Wert gesetzt ist; vorhandene explizite Werte bleiben erhalten)
 - `gateway.*` (Modus, Bind, Auth, Tailscale)
- `session.dmScope` (Verhaltensdetails: [CLI Setup Reference](/de/start/wizard-cli-reference#outputs-and-internals))
+- `session.dmScope` (Verhaltensdetails: [CLI-Setup-Referenz](/de/start/wizard-cli-reference#outputs-and-internals))
 - `channels.telegram.botToken`, `channels.discord.token`, `channels.matrix.*`, `channels.signal.*`, `channels.imessage.*`
- Kanal-Allowlists (Slack/Discord/Matrix/Microsoft Teams), wenn Sie ihnen während der Eingabeaufforderungen zustimmen (Namen werden, wenn möglich, zu IDs aufgelöst).
+- Kanal-Allowlists (Slack/Discord/Matrix/Microsoft Teams), wenn Sie sich während der Eingabeaufforderungen dafür entscheiden (Namen werden, wenn möglich, in IDs aufgelöst).
 - `skills.install.nodeManager`
  - `setup --node-manager` akzeptiert `npm`, `pnpm` oder `bun`.
-  - In der manuellen Konfiguration kann weiterhin `yarn` verwendet werden, indem `skills.install.nodeManager` direkt gesetzt wird.
+  - Die manuelle Konfiguration kann weiterhin `yarn` verwenden, indem `skills.install.nodeManager` direkt gesetzt wird.
 - `wizard.lastRunAt`
 - `wizard.lastRunVersion`
 - `wizard.lastRunCommit`
@ -237,13 +236,13 @@ Typische Felder in `~/.openclaw/openclaw.json`:

 `openclaw agents add` schreibt `agents.list[]` und optionale `bindings`.

-WhatsApp-Anmeldedaten liegen unter `~/.openclaw/credentials/whatsapp/<accountId>/`.
+WhatsApp-Anmeldedaten werden unter `~/.openclaw/credentials/whatsapp/<accountId>/` gespeichert.
 Sitzungen werden unter `~/.openclaw/agents/<agentId>/sessions/` gespeichert.

-Einige Kanäle werden als Plugins bereitgestellt. Wenn Sie während der Einrichtung einen solchen auswählen,
-fordert das Onboarding Sie auf, ihn zu installieren (npm oder ein lokaler Pfad), bevor er konfiguriert werden kann.
+Einige Kanäle werden als Plugins bereitgestellt. Wenn Sie während der Einrichtung einen davon auswählen, fordert das Onboarding
+Sie auf, ihn zu installieren (npm oder ein lokaler Pfad), bevor er konfiguriert werden kann.

-## Verwandte Dokumente
+## Zugehörige Dokumentation

 - Onboarding-Übersicht: [Onboarding (CLI)](/de/start/wizard)
 - macOS-App-Onboarding: [Onboarding](/de/start/onboarding)
--- a/docs/de/start/wizard-cli-reference.md
+++ b/docs/de/start/wizard-cli-reference.md
@ -3,129 +3,129 @@ read_when:
    - Sie benötigen detailliertes Verhalten für `openclaw onboard`
    - Sie debuggen Onboarding-Ergebnisse oder integrieren Onboarding-Clients
 sidebarTitle: CLI reference
-summary: Vollständige Referenz für den CLI-Setup-Ablauf, Auth-/Modelleinrichtung, Ausgaben und Interna
-title: CLI-Setup-Referenz
+summary: Vollständige Referenz für den CLI-Einrichtungsablauf, die Authentifizierungs-/Modell-Einrichtung, Ausgaben und Interna
+title: CLI-Einrichtungsreferenz
 x-i18n:
-    generated_at: "2026-04-06T03:12:42Z"
+    generated_at: "2026-04-15T14:41:07Z"
    model: gpt-5.4
    provider: openai
-    source_hash: 92f379b34a2b48c68335dae4f759117c770f018ec51b275f4f40421c6b3abb23
+    source_hash: 61ca679caca3b43fa02388294007f89db22d343e49e10b61d8d118cd8fbb7369
    source_path: start/wizard-cli-reference.md
    workflow: 15
 ---

-# CLI-Setup-Referenz
+# CLI-Einrichtungsreferenz

 Diese Seite ist die vollständige Referenz für `openclaw onboard`.
-Die kurze Anleitung finden Sie unter [Onboarding (CLI)](/de/start/wizard).
+Die Kurzfassung finden Sie unter [Onboarding (CLI)](/de/start/wizard).

 ## Was der Assistent macht

-Der lokale Modus (Standard) führt Sie durch:
+Der lokale Modus (Standard) führt Sie durch Folgendes:

- Modell- und Auth-Setup (OAuth für OpenAI Code subscription, Anthropic Claude CLI oder API-Schlüssel sowie Optionen für MiniMax, GLM, Ollama, Moonshot, StepFun und AI Gateway)
+- Modell- und Authentifizierungs-Einrichtung (OpenAI Code-Abonnement-OAuth, Anthropic Claude CLI oder API-Schlüssel sowie Optionen für MiniMax, GLM, Ollama, Moonshot, StepFun und AI Gateway)
 - Workspace-Speicherort und Bootstrap-Dateien
- Gateway-Einstellungen (Port, Bind, Auth, Tailscale)
- Kanäle und Provider (Telegram, WhatsApp, Discord, Google Chat, Mattermost, Signal, BlueBubbles und andere gebündelte Kanal-Plugins)
- Daemon-Installation (LaunchAgent, systemd-User-Unit oder native Windows Scheduled Task mit Fallback auf den Startup-Ordner)
- Health-Check
- Skills-Setup
+- Gateway-Einstellungen (Port, Bind, Authentifizierung, Tailscale)
+- Kanäle und Anbieter (Telegram, WhatsApp, Discord, Google Chat, Mattermost, Signal, BlueBubbles und andere gebündelte Kanal-Plugins)
+- Daemon-Installation (LaunchAgent, `systemd`-Benutzereinheit oder native Windows-Aufgabe im Aufgabenplaner mit Fallback auf den Autostart-Ordner)
+- Integritätsprüfung
+- Skills-Einrichtung

-Der Remote-Modus konfiguriert diese Maschine so, dass sie sich mit einem Gateway an einem anderen Ort verbindet.
-Er installiert oder verändert nichts auf dem Remote-Host.
+Der Remote-Modus konfiguriert diesen Rechner für die Verbindung mit einem Gateway an einem anderen Ort.
+Dabei wird auf dem Remote-Host nichts installiert oder geändert.

-## Details des lokalen Ablaufs
+## Details zum lokalen Ablauf

 <Steps>
  <Step title="Erkennung vorhandener Konfiguration">
-    - Wenn `~/.openclaw/openclaw.json` existiert, wählen Sie Beibehalten, Ändern oder Zurücksetzen.
-    - Ein erneutes Ausführen des Assistenten löscht nichts, es sei denn, Sie wählen ausdrücklich Zurücksetzen (oder übergeben `--reset`).
+    - Wenn `~/.openclaw/openclaw.json` vorhanden ist, wählen Sie Beibehalten, Ändern oder Zurücksetzen.
+    - Das erneute Ausführen des Assistenten löscht nichts, außer Sie wählen ausdrücklich Zurücksetzen (oder übergeben `--reset`).
    - CLI-`--reset` verwendet standardmäßig `config+creds+sessions`; verwenden Sie `--reset-scope full`, um zusätzlich den Workspace zu entfernen.
-    - Wenn die Konfiguration ungültig ist oder veraltete Schlüssel enthält, stoppt der Assistent und fordert Sie auf, vor dem Fortfahren `openclaw doctor` auszuführen.
-    - Zum Zurücksetzen wird `trash` verwendet und folgende Bereiche werden angeboten:
+    - Wenn die Konfiguration ungültig ist oder Legacy-Schlüssel enthält, stoppt der Assistent und fordert Sie auf, vor dem Fortfahren `openclaw doctor` auszuführen.
+    - Beim Zurücksetzen wird `trash` verwendet und folgende Bereiche werden angeboten:
      - Nur Konfiguration
      - Konfiguration + Zugangsdaten + Sitzungen
      - Vollständiges Zurücksetzen (entfernt auch den Workspace)
  </Step>
-  <Step title="Modell und Auth">
-    - Die vollständige Optionsmatrix finden Sie unter [Auth- und Modelloptionen](#auth-and-model-options).
+  <Step title="Modell und Authentifizierung">
+    - Die vollständige Optionsmatrix finden Sie unter [Auth- und Modelloptionen](#auth-und-modelloptionen).
  </Step>
  <Step title="Workspace">
-    - Standardmäßig `~/.openclaw/workspace` (konfigurierbar).
+    - Standard `~/.openclaw/workspace` (konfigurierbar).
    - Legt die für das Bootstrap-Ritual beim ersten Start benötigten Workspace-Dateien an.
-    - Workspace-Layout: [Agent workspace](/de/concepts/agent-workspace).
+    - Workspace-Layout: [Agent-Workspace](/de/concepts/agent-workspace).
  </Step>
  <Step title="Gateway">
-    - Fragt nach Port, Bind, Auth-Modus und Tailscale-Exposition.
-    - Empfehlung: Lassen Sie Token-Auth auch für loopback aktiviert, damit sich lokale WS-Clients authentifizieren müssen.
-    - Im Token-Modus bietet das interaktive Setup:
-      - **Klartext-Token erzeugen/speichern** (Standard)
+    - Fragt Port, Bind, Authentifizierungsmodus und Tailscale-Freigabe ab.
+    - Empfohlen: Token-Authentifizierung auch bei local loopback aktiviert lassen, damit lokale WS-Clients sich authentifizieren müssen.
+    - Im Token-Modus bietet die interaktive Einrichtung:
+      - **Klartext-Token generieren/speichern** (Standard)
      - **SecretRef verwenden** (Opt-in)
-    - Im Passwortmodus unterstützt das interaktive Setup ebenfalls Klartext- oder SecretRef-Speicherung.
-    - Nicht interaktiver SecretRef-Pfad für Tokens: `--gateway-token-ref-env <ENV_VAR>`.
-      - Erfordert eine nicht leere Umgebungsvariable in der Umgebung des Onboarding-Prozesses.
+    - Im Passwortmodus unterstützt die interaktive Einrichtung ebenfalls die Speicherung als Klartext oder SecretRef.
+    - Nicht interaktiver Token-SecretRef-Pfad: `--gateway-token-ref-env <ENV_VAR>`.
+      - Erfordert eine nicht leere Umgebungsvariable in der Onboarding-Prozessumgebung.
      - Kann nicht mit `--gateway-token` kombiniert werden.
-    - Deaktivieren Sie Auth nur, wenn Sie jedem lokalen Prozess vollständig vertrauen.
-    - Nicht-loopback-Binds erfordern weiterhin Auth.
+    - Deaktivieren Sie die Authentifizierung nur, wenn Sie jedem lokalen Prozess vollständig vertrauen.
+    - Nicht-loopback-Binds erfordern weiterhin Authentifizierung.
  </Step>
  <Step title="Kanäle">
-    - [WhatsApp](/de/channels/whatsapp): optionaler QR-Login
+    - [WhatsApp](/de/channels/whatsapp): optionale QR-Anmeldung
    - [Telegram](/de/channels/telegram): Bot-Token
    - [Discord](/de/channels/discord): Bot-Token
-    - [Google Chat](/de/channels/googlechat): JSON für Dienstkonto + Webhook-Audience
+    - [Google Chat](/de/channels/googlechat): JSON des Dienstkontos + Webhook-Audience
    - [Mattermost](/de/channels/mattermost): Bot-Token + Basis-URL
    - [Signal](/de/channels/signal): optionale `signal-cli`-Installation + Kontokonfiguration
    - [BlueBubbles](/de/channels/bluebubbles): empfohlen für iMessage; Server-URL + Passwort + Webhook
-    - [iMessage](/de/channels/imessage): veralteter `imsg`-CLI-Pfad + DB-Zugriff
-    - DM-Sicherheit: Standard ist Pairing. Die erste DM sendet einen Code; genehmigen Sie ihn über
-      `openclaw pairing approve <channel> <code>` oder verwenden Sie Allowlists.
+    - [iMessage](/de/channels/imessage): Legacy-`imsg`-CLI-Pfad + DB-Zugriff
+    - Sicherheit bei Direktnachrichten: Standard ist Pairing. Die erste Direktnachricht sendet einen Code; bestätigen Sie ihn mit
+      `openclaw pairing approve <channel> <code>` oder verwenden Sie Zulassungslisten.
  </Step>
  <Step title="Daemon-Installation">
    - macOS: LaunchAgent
      - Erfordert eine angemeldete Benutzersitzung; für Headless-Betrieb verwenden Sie einen benutzerdefinierten LaunchDaemon (wird nicht mitgeliefert).
-    - Linux und Windows über WSL2: systemd-User-Unit
+    - Linux und Windows über WSL2: `systemd`-Benutzereinheit
      - Der Assistent versucht `loginctl enable-linger <user>`, damit das Gateway nach dem Abmelden weiterläuft.
-      - Möglicherweise wird sudo abgefragt (schreibt nach `/var/lib/systemd/linger`); zuerst wird es ohne sudo versucht.
-    - Natives Windows: zuerst Scheduled Task
-      - Wenn das Erstellen der Aufgabe verweigert wird, fällt OpenClaw auf ein Anmeldeelement im benutzerspezifischen Startup-Ordner zurück und startet das Gateway sofort.
-      - Scheduled Tasks bleiben bevorzugt, weil sie einen besseren Supervisor-Status bieten.
-    - Auswahl der Laufzeit: Node (empfohlen; erforderlich für WhatsApp und Telegram). Bun wird nicht empfohlen.
+      - Möglicherweise wird nach sudo gefragt (schreibt nach `/var/lib/systemd/linger`); zunächst wird es ohne sudo versucht.
+    - Natives Windows: zuerst Aufgabe im Aufgabenplaner
+      - Wenn das Erstellen der Aufgabe verweigert wird, weicht OpenClaw auf ein benutzerspezifisches Anmeldeobjekt im Autostart-Ordner aus und startet das Gateway sofort.
+      - Aufgaben im Aufgabenplaner bleiben bevorzugt, weil sie einen besseren Supervisor-Status bieten.
+    - Laufzeitauswahl: Node (empfohlen; erforderlich für WhatsApp und Telegram). Bun wird nicht empfohlen.
  </Step>
-  <Step title="Health-Check">
+  <Step title="Integritätsprüfung">
    - Startet das Gateway (falls nötig) und führt `openclaw health` aus.
-    - `openclaw status --deep` fügt der Statusausgabe die Live-Gateway-Health-Probe hinzu, einschließlich Kanal-Probes, wenn unterstützt.
+    - `openclaw status --deep` ergänzt die Statusausgabe um die Live-Gateway-Integritätsprüfung, einschließlich Kanalprüfungen, wenn unterstützt.
  </Step>
  <Step title="Skills">
    - Liest verfügbare Skills und prüft Anforderungen.
-    - Lässt Sie den Node-Manager wählen: npm, pnpm oder bun.
-    - Installiert optionale Abhängigkeiten (einige verwenden Homebrew unter macOS).
+    - Ermöglicht die Auswahl des Node-Managers: npm, pnpm oder bun.
+    - Installiert optionale Abhängigkeiten (einige verwenden Homebrew auf macOS).
  </Step>
-  <Step title="Fertigstellen">
+  <Step title="Abschluss">
    - Zusammenfassung und nächste Schritte, einschließlich Optionen für iOS-, Android- und macOS-Apps.
  </Step>
 </Steps>

 <Note>
-Wenn keine GUI erkannt wird, gibt der Assistent Anweisungen für SSH-Port-Forwarding zur Control UI aus, statt einen Browser zu öffnen.
-Wenn Assets der Control UI fehlen, versucht der Assistent, sie zu erstellen; Fallback ist `pnpm ui:build` (installiert UI-Abhängigkeiten automatisch).
+Wenn keine GUI erkannt wird, gibt der Assistent SSH-Portweiterleitungsanweisungen für die Control UI aus, anstatt einen Browser zu öffnen.
+Wenn Assets für die Control UI fehlen, versucht der Assistent, sie zu bauen; als Fallback dient `pnpm ui:build` (installiert UI-Abhängigkeiten automatisch).
 </Note>

 ## Details zum Remote-Modus

-Der Remote-Modus konfiguriert diese Maschine so, dass sie sich mit einem Gateway an einem anderen Ort verbindet.
+Der Remote-Modus konfiguriert diesen Rechner für die Verbindung mit einem Gateway an einem anderen Ort.

 <Info>
-Der Remote-Modus installiert oder verändert nichts auf dem Remote-Host.
+Im Remote-Modus wird auf dem Remote-Host nichts installiert oder geändert.
 </Info>

 Was Sie festlegen:

 - URL des Remote-Gateways (`ws://...`)
- Token, falls Auth des Remote-Gateways erforderlich ist (empfohlen)
+- Token, falls für die Remote-Gateway-Authentifizierung erforderlich (empfohlen)

 <Note>
- Wenn das Gateway nur über loopback erreichbar ist, verwenden Sie SSH-Tunneling oder ein Tailnet.
- Discovery-Hinweise:
+- Wenn das Gateway nur auf loopback lauscht, verwenden Sie SSH-Tunneling oder ein Tailnet.
+- Hinweise zur Erkennung:
  - macOS: Bonjour (`dns-sd`)
  - Linux: Avahi (`avahi-browse`)
 </Note>
@ -134,132 +134,134 @@ Was Sie festlegen:

 <AccordionGroup>
  <Accordion title="Anthropic-API-Schlüssel">
-    Verwendet `ANTHROPIC_API_KEY`, falls vorhanden, oder fragt nach einem Schlüssel und speichert ihn dann für die Verwendung durch den Daemon.
+    Verwendet `ANTHROPIC_API_KEY`, falls vorhanden, oder fordert zur Eingabe eines Schlüssels auf und speichert ihn anschließend für die Daemon-Nutzung.
  </Accordion>
-  <Accordion title="OpenAI Code subscription (Wiederverwendung der Codex CLI)">
-    Wenn `~/.codex/auth.json` existiert, kann der Assistent sie wiederverwenden.
-    Wiederverwendete Zugangsdaten der Codex CLI bleiben durch die Codex CLI verwaltet; nach Ablauf liest OpenClaw
-    diese Quelle zuerst erneut ein und schreibt die aktualisierten Zugangsdaten,
-    wenn der Provider sie aktualisieren kann, zurück in den Codex-Speicher,
-    statt die Verwaltung selbst zu übernehmen.
+  <Accordion title="OpenAI Code-Abonnement (Wiederverwendung von Codex CLI)">
+    Wenn `~/.codex/auth.json` vorhanden ist, kann der Assistent es wiederverwenden.
+    Wiederverwendete Codex CLI-Zugangsdaten bleiben von Codex CLI verwaltet; bei Ablauf liest OpenClaw
+    zuerst erneut diese Quelle und schreibt, wenn der Anbieter sie aktualisieren kann, die
+    aktualisierten Zugangsdaten zurück in den Codex-Speicher, anstatt
+    selbst die Verwaltung zu übernehmen.
  </Accordion>
-  <Accordion title="OpenAI Code subscription (OAuth)">
+  <Accordion title="OpenAI Code-Abonnement (OAuth)">
    Browser-Ablauf; fügen Sie `code#state` ein.

-    Setzt `agents.defaults.model` auf `openai-codex/gpt-5.4`, wenn kein Modell gesetzt ist oder `openai/*`.
+    Setzt `agents.defaults.model` auf `openai-codex/gpt-5.4`, wenn kein Modell gesetzt ist oder `openai/*` verwendet wird.

  </Accordion>
  <Accordion title="OpenAI-API-Schlüssel">
-    Verwendet `OPENAI_API_KEY`, falls vorhanden, oder fragt nach einem Schlüssel und speichert die Zugangsdaten dann in Auth-Profilen.
+    Verwendet `OPENAI_API_KEY`, falls vorhanden, oder fordert zur Eingabe eines Schlüssels auf und speichert die Zugangsdaten dann in Auth-Profilen.

-    Setzt `agents.defaults.model` auf `openai/gpt-5.4`, wenn kein Modell gesetzt ist, `openai/*` oder `openai-codex/*`.
+    Setzt `agents.defaults.model` auf `openai/gpt-5.4`, wenn kein Modell gesetzt ist, `openai/*` oder `openai-codex/*` verwendet wird.

  </Accordion>
  <Accordion title="xAI (Grok)-API-Schlüssel">
-    Fragt nach `XAI_API_KEY` und konfiguriert xAI als Modell-Provider.
+    Fordert `XAI_API_KEY` an und konfiguriert xAI als Modellanbieter.
  </Accordion>
  <Accordion title="OpenCode">
-    Fragt nach `OPENCODE_API_KEY` (oder `OPENCODE_ZEN_API_KEY`) und lässt Sie den Zen- oder Go-Katalog auswählen.
-    Setup-URL: [opencode.ai/auth](https://opencode.ai/auth).
+    Fordert `OPENCODE_API_KEY` (oder `OPENCODE_ZEN_API_KEY`) an und lässt Sie zwischen dem Zen- oder Go-Katalog wählen.
+    Einrichtungs-URL: [opencode.ai/auth](https://opencode.ai/auth).
  </Accordion>
  <Accordion title="API-Schlüssel (generisch)">
    Speichert den Schlüssel für Sie.
  </Accordion>
  <Accordion title="Vercel AI Gateway">
-    Fragt nach `AI_GATEWAY_API_KEY`.
+    Fordert `AI_GATEWAY_API_KEY` an.
    Weitere Details: [Vercel AI Gateway](/de/providers/vercel-ai-gateway).
  </Accordion>
  <Accordion title="Cloudflare AI Gateway">
-    Fragt nach Konten-ID, Gateway-ID und `CLOUDFLARE_AI_GATEWAY_API_KEY`.
+    Fordert Konto-ID, Gateway-ID und `CLOUDFLARE_AI_GATEWAY_API_KEY` an.
    Weitere Details: [Cloudflare AI Gateway](/de/providers/cloudflare-ai-gateway).
  </Accordion>
  <Accordion title="MiniMax">
-    Die Konfiguration wird automatisch geschrieben. Gehosteter Standard ist `MiniMax-M2.7`; das Setup mit API-Schlüssel verwendet
-    `minimax/...`, und das OAuth-Setup verwendet `minimax-portal/...`.
+    Die Konfiguration wird automatisch geschrieben. Der gehostete Standardwert ist `MiniMax-M2.7`; bei der Einrichtung mit API-Schlüssel wird
+    `minimax/...` verwendet, und bei OAuth-Einrichtung `minimax-portal/...`.
    Weitere Details: [MiniMax](/de/providers/minimax).
  </Accordion>
  <Accordion title="StepFun">
-    Die Konfiguration wird für StepFun Standard oder Step Plan auf China- oder globalen Endpunkten automatisch geschrieben.
+    Die Konfiguration wird automatisch für StepFun Standard oder Step Plan auf chinesischen oder globalen Endpunkten geschrieben.
    Standard umfasst derzeit `step-3.5-flash`, und Step Plan umfasst außerdem `step-3.5-flash-2603`.
    Weitere Details: [StepFun](/de/providers/stepfun).
  </Accordion>
  <Accordion title="Synthetic (Anthropic-kompatibel)">
-    Fragt nach `SYNTHETIC_API_KEY`.
+    Fordert `SYNTHETIC_API_KEY` an.
    Weitere Details: [Synthetic](/de/providers/synthetic).
  </Accordion>
  <Accordion title="Ollama (Cloud- und lokale offene Modelle)">
-    Fragt nach der Basis-URL (Standard `http://127.0.0.1:11434`) und bietet dann Cloud + Local oder den Modus Local an.
-    Ermittelt verfügbare Modelle und schlägt Standardwerte vor.
+    Fordert zuerst `Cloud + Local`, `Cloud only` oder `Local only` an.
+    `Cloud only` verwendet `OLLAMA_API_KEY` mit `https://ollama.com`.
+    Die hostgestützten Modi fragen nach der Basis-URL (Standard `http://127.0.0.1:11434`), erkennen verfügbare Modelle und schlagen Standardwerte vor.
+    `Cloud + Local` prüft außerdem, ob dieser Ollama-Host für den Cloud-Zugriff angemeldet ist.
    Weitere Details: [Ollama](/de/providers/ollama).
  </Accordion>
  <Accordion title="Moonshot und Kimi Coding">
    Konfigurationen für Moonshot (Kimi K2) und Kimi Coding werden automatisch geschrieben.
    Weitere Details: [Moonshot AI (Kimi + Kimi Coding)](/de/providers/moonshot).
  </Accordion>
-  <Accordion title="Benutzerdefinierter Provider">
+  <Accordion title="Benutzerdefinierter Anbieter">
    Funktioniert mit OpenAI-kompatiblen und Anthropic-kompatiblen Endpunkten.

-    Interaktives Onboarding unterstützt dieselben Speicheroptionen für API-Schlüssel wie andere API-Schlüssel-Abläufe für Provider:
+    Das interaktive Onboarding unterstützt dieselben Speicheroptionen für API-Schlüssel wie andere API-Schlüssel-Abläufe von Anbietern:
    - **API-Schlüssel jetzt einfügen** (Klartext)
-    - **Geheimnisreferenz verwenden** (Env-Ref oder konfigurierte Provider-Ref, mit Preflight-Validierung)
+    - **Geheimnisreferenz verwenden** (Umgebungsreferenz oder konfigurierte Anbieterreferenz, mit Vorabvalidierung)

    Nicht interaktive Flags:
    - `--auth-choice custom-api-key`
    - `--custom-base-url`
    - `--custom-model-id`
-    - `--custom-api-key` (optional; fällt auf `CUSTOM_API_KEY` zurück)
+    - `--custom-api-key` (optional; greift auf `CUSTOM_API_KEY` zurück)
    - `--custom-provider-id` (optional)
    - `--custom-compatibility <openai|anthropic>` (optional; Standard `openai`)

  </Accordion>
  <Accordion title="Überspringen">
-    Belässt Auth unkonfiguriert.
+    Lässt die Authentifizierung unkonfiguriert.
  </Accordion>
 </AccordionGroup>

 Modellverhalten:

- Wählen Sie ein Standardmodell aus den erkannten Optionen oder geben Sie Provider und Modell manuell ein.
- Wenn das Onboarding mit einer Provider-Auth-Auswahl beginnt, bevorzugt der Modell-Picker
-  diesen Provider automatisch. Für Volcengine und BytePlus entspricht diese Präferenz
-  auch ihren Varianten für Coding Plans (`volcengine-plan/*`,
+- Wählen Sie das Standardmodell aus den erkannten Optionen aus oder geben Sie Anbieter und Modell manuell ein.
+- Wenn das Onboarding mit einer Anbieter-Authentifizierungsoption beginnt, bevorzugt die Modellauswahl
+  diesen Anbieter automatisch. Bei Volcengine und BytePlus passt dieselbe Präferenz
+  außerdem zu ihren Coding-Plan-Varianten (`volcengine-plan/*`,
  `byteplus-plan/*`).
- Wenn dieser bevorzugte Provider-Filter leer wäre, fällt der Picker auf den vollständigen Katalog zurück, statt keine Modelle anzuzeigen.
- Der Assistent führt eine Modellprüfung aus und warnt, wenn das konfigurierte Modell unbekannt ist oder Auth fehlt.
+- Wenn dieser Filter für den bevorzugten Anbieter leer wäre, fällt die Auswahl auf
+  den vollständigen Katalog zurück, anstatt keine Modelle anzuzeigen.
+- Der Assistent führt eine Modellprüfung aus und warnt, wenn das konfigurierte Modell unbekannt ist oder die Authentifizierung fehlt.

 Pfade für Zugangsdaten und Profile:

 - Auth-Profile (API-Schlüssel + OAuth): `~/.openclaw/agents/<agentId>/agent/auth-profiles.json`
- Veralteter OAuth-Import: `~/.openclaw/credentials/oauth.json`
+- Legacy-OAuth-Import: `~/.openclaw/credentials/oauth.json`

 Speichermodus für Zugangsdaten:

- Das Standardverhalten des Onboardings speichert API-Schlüssel als Klartextwerte in Auth-Profilen.
- `--secret-input-mode ref` aktiviert den Referenzmodus statt Klartextspeicherung von Schlüsseln.
-  Im interaktiven Setup können Sie entweder Folgendes wählen:
-  - Referenz auf eine Umgebungsvariable (zum Beispiel `keyRef: { source: "env", provider: "default", id: "OPENAI_API_KEY" }`)
-  - konfigurierte Provider-Ref (`file` oder `exec`) mit Provider-Alias + ID
- Der interaktive Referenzmodus führt vor dem Speichern eine schnelle Preflight-Validierung aus.
-  - Env-Refs: validiert Variablennamen + nicht leeren Wert in der aktuellen Onboarding-Umgebung.
-  - Provider-Refs: validiert die Provider-Konfiguration und löst die angeforderte ID auf.
-  - Wenn der Preflight fehlschlägt, zeigt das Onboarding den Fehler an und lässt Sie es erneut versuchen.
- Im nicht interaktiven Modus ist `--secret-input-mode ref` nur Env-basiert.
-  - Setzen Sie die Provider-Umgebungsvariable in der Umgebung des Onboarding-Prozesses.
+- Das Standardverhalten im Onboarding speichert API-Schlüssel als Klartextwerte in Auth-Profilen.
+- `--secret-input-mode ref` aktiviert den Referenzmodus anstelle der Speicherung von Schlüsseln im Klartext.
+  In der interaktiven Einrichtung können Sie Folgendes wählen:
+  - Referenz auf Umgebungsvariable (zum Beispiel `keyRef: { source: "env", provider: "default", id: "OPENAI_API_KEY" }`)
+  - konfigurierte Anbieterreferenz (`file` oder `exec`) mit Anbieteralias + ID
+- Der interaktive Referenzmodus führt vor dem Speichern eine schnelle Vorabvalidierung aus.
+  - Umgebungsreferenzen: validiert Variablennamen + nicht leeren Wert in der aktuellen Onboarding-Umgebung.
+  - Anbieterreferenzen: validiert die Anbieterkonfiguration und löst die angeforderte ID auf.
+  - Wenn die Vorabprüfung fehlschlägt, zeigt das Onboarding den Fehler an und lässt Sie es erneut versuchen.
+- Im nicht interaktiven Modus ist `--secret-input-mode ref` nur umgebungsbasiert.
+  - Setzen Sie die Anbieter-Umgebungsvariable in der Onboarding-Prozessumgebung.
  - Inline-Schlüssel-Flags (zum Beispiel `--openai-api-key`) erfordern, dass diese Umgebungsvariable gesetzt ist; andernfalls schlägt das Onboarding sofort fehl.
-  - Für benutzerdefinierte Provider speichert der nicht interaktive `ref`-Modus `models.providers.<id>.apiKey` als `{ source: "env", provider: "default", id: "CUSTOM_API_KEY" }`.
-  - In diesem Fall für benutzerdefinierte Provider erfordert `--custom-api-key`, dass `CUSTOM_API_KEY` gesetzt ist; andernfalls schlägt das Onboarding sofort fehl.
- Gateway-Auth-Zugangsdaten unterstützen im interaktiven Setup Klartext- und SecretRef-Optionen:
-  - Token-Modus: **Klartext-Token erzeugen/speichern** (Standard) oder **SecretRef verwenden**.
+  - Für benutzerdefinierte Anbieter speichert der nicht interaktive `ref`-Modus `models.providers.<id>.apiKey` als `{ source: "env", provider: "default", id: "CUSTOM_API_KEY" }`.
+  - In diesem Fall für benutzerdefinierte Anbieter erfordert `--custom-api-key`, dass `CUSTOM_API_KEY` gesetzt ist; andernfalls schlägt das Onboarding sofort fehl.
+- Gateway-Authentifizierungsdaten unterstützen in der interaktiven Einrichtung Klartext- und SecretRef-Optionen:
+  - Token-Modus: **Klartext-Token generieren/speichern** (Standard) oder **SecretRef verwenden**.
  - Passwortmodus: Klartext oder SecretRef.
- Nicht interaktiver SecretRef-Pfad für Tokens: `--gateway-token-ref-env <ENV_VAR>`.
- Vorhandene Klartext-Setups funktionieren unverändert weiter.
+- Nicht interaktiver Token-SecretRef-Pfad: `--gateway-token-ref-env <ENV_VAR>`.
+- Bestehende Klartext-Konfigurationen funktionieren unverändert weiter.

 <Note>
-Tipp für Headless- und Server-Betrieb: Führen Sie OAuth auf einer Maschine mit Browser aus und kopieren Sie dann
-die `auth-profiles.json` dieses Agenten (zum Beispiel
+Tipp für Headless- und Server-Umgebungen: Schließen Sie OAuth auf einem Rechner mit Browser ab und kopieren Sie dann die `auth-profiles.json` dieses Agents (zum Beispiel
 `~/.openclaw/agents/<agentId>/agent/auth-profiles.json` oder den entsprechenden
 Pfad unter `$OPENCLAW_STATE_DIR/...`) auf den Gateway-Host. `credentials/oauth.json`
-ist nur eine veraltete Importquelle.
+ist nur eine Legacy-Importquelle.
 </Note>

 ## Ausgaben und Interna
@ -267,12 +269,12 @@ ist nur eine veraltete Importquelle.
 Typische Felder in `~/.openclaw/openclaw.json`:

 - `agents.defaults.workspace`
- `agents.defaults.model` / `models.providers` (falls Minimax gewählt wurde)
- `tools.profile` (lokales Onboarding setzt dies standardmäßig auf `"coding"`, wenn nicht gesetzt; vorhandene explizite Werte bleiben erhalten)
- `gateway.*` (Modus, Bind, Auth, Tailscale)
- `session.dmScope` (lokales Onboarding setzt dies standardmäßig auf `per-channel-peer`, wenn nicht gesetzt; vorhandene explizite Werte bleiben erhalten)
+- `agents.defaults.model` / `models.providers` (wenn Minimax ausgewählt wurde)
+- `tools.profile` (lokales Onboarding setzt standardmäßig `"coding"`, wenn kein Wert gesetzt ist; vorhandene explizite Werte bleiben erhalten)
+- `gateway.*` (Modus, Bind, Authentifizierung, Tailscale)
+- `session.dmScope` (lokales Onboarding setzt dies standardmäßig auf `per-channel-peer`, wenn kein Wert gesetzt ist; vorhandene explizite Werte bleiben erhalten)
 - `channels.telegram.botToken`, `channels.discord.token`, `channels.matrix.*`, `channels.signal.*`, `channels.imessage.*`
- Kanal-Allowlists (Slack, Discord, Matrix, Microsoft Teams), wenn Sie sich bei den Eingabeaufforderungen dafür entscheiden (Namen werden nach Möglichkeit in IDs aufgelöst)
+- Kanal-Zulassungslisten (Slack, Discord, Matrix, Microsoft Teams), wenn Sie dies während der Eingabeaufforderungen aktivieren (Namen werden nach Möglichkeit in IDs aufgelöst)
 - `skills.install.nodeManager`
  - Das Flag `setup --node-manager` akzeptiert `npm`, `pnpm` oder `bun`.
  - Die manuelle Konfiguration kann später weiterhin `skills.install.nodeManager: "yarn"` setzen.
@ -284,12 +286,11 @@ Typische Felder in `~/.openclaw/openclaw.json`:

 `openclaw agents add` schreibt `agents.list[]` und optionale `bindings`.

-WhatsApp-Zugangsdaten werden unter `~/.openclaw/credentials/whatsapp/<accountId>/` abgelegt.
+WhatsApp-Zugangsdaten werden unter `~/.openclaw/credentials/whatsapp/<accountId>/` gespeichert.
 Sitzungen werden unter `~/.openclaw/agents/<agentId>/sessions/` gespeichert.

 <Note>
-Einige Kanäle werden als Plugins ausgeliefert. Wenn sie während des Setups ausgewählt werden, fordert der Assistent
-zur Installation des Plugins auf (npm oder lokaler Pfad), bevor die Kanalkonfiguration erfolgt.
+Einige Kanäle werden als Plugins bereitgestellt. Wenn sie während der Einrichtung ausgewählt werden, fordert der Assistent Sie auf, das Plugin (npm oder lokaler Pfad) vor der Kanalkonfiguration zu installieren.
 </Note>

 Gateway-Assistent-RPC:
@ -299,19 +300,19 @@ Gateway-Assistent-RPC:
 - `wizard.cancel`
 - `wizard.status`

-Clients (macOS-App und Control UI) können Schritte rendern, ohne die Onboarding-Logik neu implementieren zu müssen.
+Clients (macOS-App und Control UI) können Schritte rendern, ohne die Onboarding-Logik erneut implementieren zu müssen.

-Verhalten beim Signal-Setup:
+Verhalten bei der Signal-Einrichtung:

 - Lädt das passende Release-Asset herunter
 - Speichert es unter `~/.openclaw/tools/signal-cli/<version>/`
 - Schreibt `channels.signal.cliPath` in die Konfiguration
 - JVM-Builds erfordern Java 21
 - Native Builds werden verwendet, wenn verfügbar
- Windows verwendet WSL2 und folgt dem Linux-Ablauf für signal-cli innerhalb von WSL
+- Windows verwendet WSL2 und folgt dem Linux-`signal-cli`-Ablauf innerhalb von WSL

-## Verwandte Docs
+## Zugehörige Dokumente

 - Onboarding-Hub: [Onboarding (CLI)](/de/start/wizard)
- Automatisierung und Skripte: [CLI Automation](/de/start/wizard-cli-automation)
+- Automatisierung und Skripte: [CLI-Automatisierung](/de/start/wizard-cli-automation)
 - Befehlsreferenz: [`openclaw onboard`](/cli/onboard)