OpenChamber: Der Kontrollraum für KI-Coding-Agenten

KI-Agenten schreiben inzwischen nicht mehr nur einzelne Codezeilen, sie bearbeiten ganze Tickets. Tools wie OpenCode arbeiten im Terminal, lesen das Repository, führen Befehle aus und liefern fertige Änderungen. Das ist produktiv, hat aber einen Haken: Im Terminal sieht man wenig. Mehrere parallele Sessions, lange Diffs und die Frage, was der Agent eigentlich gerade tut, werden schnell unübersichtlich.

Genau hier setzt OpenChamber an. Das Projekt versteht sich als „Agentic Development Environment“: eine grafische Arbeitsumgebung rund um OpenCode, in der man Agenten beobachtet, lenkt und ihre Ergebnisse prüft. Wir haben uns angesehen, was OpenChamber kann und wo es sich in der Praxis lohnt.

Was ist OpenChamber?

OpenChamber ist ein Open-Source-Projekt unter MIT-Lizenz. Technisch baut es auf dem OpenCode SDK auf. OpenCode ist also Voraussetzung, OpenChamber liefert die Oberfläche und die Workflows darum herum. Wichtig: Es handelt sich um ein unabhängiges Projekt, das nicht vom OpenCode-Team stammt.

Das Tool selbst ist kostenlos. Bezahlt werden nur die genutzten KI-Modelle, und zwar direkt beim jeweiligen Anbieter mit den eigenen API-Schlüsseln. Man bleibt also bei den Modellen, die man ohnehin verwendet.

OpenChamber gibt es in mehreren Varianten:

• Desktop-App für macOS, Windows und Linux
• Web-App, die per CLI gestartet wird und sich als PWA installieren lässt
• Erweiterung für VS Code sowie Cursor, Windsurf und Trae
• Mobile App (derzeit Beta)

Das Architekturprinzip: Die Instanz läuft dort, wo Sie es wollen

Der eigentliche Kern von OpenChamber ist eine Instanz, die auf einem Rechner unter eigener Kontrolle läuft: dem Entwickler-Mac, einer Linux-Workstation oder einem eigenen Server. Diese Instanz führt die Agenten aus und hält alle Sessions vor, auch wenn die App geschlossen wird.

Standardmäßig lauscht sie nur auf localhost. Für den Fernzugriff gibt es zwei Wege:

1. Private Relay: Ein Gerät wird einmalig per QR-Code gekoppelt. Die Verbindung ist Ende-zu-Ende-verschlüsselt, es muss kein Port geöffnet werden, und gekoppelte Geräte lassen sich jederzeit widerrufen.
2. Tunnel mit UI-Passwort: Für den einfachen Browserzugriff.

Praktisch bedeutet das: Ein Agent startet auf dem Server im Büro, und die Session lässt sich später am Laptop oder unterwegs am Smartphone fortsetzen.

Die Vorteile für die Entwicklung

OpenChamber gliedert jede Aufgabe in drei Phasen: Starten, Ausführen, Prüfen. In jeder Phase bringt das Tool eigene Funktionen mit.

1. Starten: Aufgaben direkt aus dem Backlog

• GitHub und Linear: Eine Session lässt sich direkt aus einem GitHub-Issue, einem Pull Request oder einem Linear-Ticket starten. Der Agent erhält den Diskussionsverlauf und den Diff gleich mit. GitLab-Unterstützung ist laut Projekt in Arbeit.
• Session Goals: Statt Schritt für Schritt nachzuprompten, wird ein Ziel definiert. Nach jedem Durchlauf prüft OpenChamber den Fortschritt und arbeitet weiter, bis das Ziel erreicht ist, der Agent blockiert oder ein gesetztes Limit greift.
• Geplante Aufgaben: Aufgaben lassen sich einmalig oder wiederkehrend terminieren, etwa für nächtliche Routinearbeiten.

2. Ausführen: Mehrere Modelle im direkten Vergleich

• Multi-run: Eine Aufgabe läuft parallel auf bis zu fünf Modellen, jedes in einem eigenen Git-Worktree. Die Ergebnisse kommen sich also nicht in die Quere.
• Fusion: Aus den Ergebnissen wird das beste übernommen, oder die stärksten Teile mehrerer Lösungen werden zusammengeführt.
• Browser Use: Die laufende Anwendung wird im integrierten Browser angezeigt. Der Agent kann sie selbst bedienen, sieht Fehlermeldungen und überprüft seine eigene Arbeit.

Dazu kommen Terminal, Dateibrowser, Notizen, Todos und wiederverwendbare Projektaktionen direkt neben dem Chat. Außerdem zeigt OpenChamber Tokenverbrauch, Anbieterlimits und Kosten pro Session an.

3. Prüfen: Der Review wird zum strukturierten Ablauf

• Changes Walkthrough: Große Diffs werden in geordnete Schritte gegliedert, die erklären, wie die Änderung zusammenhängt. Das ist gerade bei umfangreichen Agent-Änderungen ein echter Gewinn.
• Fehlgeschlagene Checks zurückgeben: Ein roter CI-Lauf geht direkt an den Agenten zurück, der den Code geschrieben hat, und dieser liefert die Korrektur.
• Mergen ohne Fensterwechsel: Commit, Push, Pull Request, Antworten auf Review-Kommentare und Merge erfolgen im selben Fenster.

Datenschutz by Design

OpenChamber erhebt nach eigener Aussage keine Projektnamen, Pfade, Prompts, Code, Diffs oder Session-Inhalte. Code und Sessions bleiben auf dem eigenen Rechner. Da das Projekt Open Source ist, lässt sich das im Quellcode nachprüfen.

Wie lässt sich OpenChamber gewinnbringend einsetzen?

Ein neues Tool rechnet sich nur, wenn es Zeit spart, Qualität verbessert oder Kosten senkt. Aus unserer Sicht gibt es fünf Szenarien, in denen OpenChamber genau das leistet.

Modellwahl nach Daten statt nach Bauchgefühl

Welches Modell ist für welche Aufgabe gut genug? Mit Multi-run lässt sich das an echten Tickets aus dem eigenen Code testen. Zeigt sich, dass ein günstigeres Modell bei Routineaufgaben gleichwertige Ergebnisse liefert, sinken die laufenden KI-Kosten spürbar. Die Kostenanzeige pro Session macht den Vergleich transparent. Teure Modelle werden dann gezielt dort eingesetzt, wo sie ihren Preis wert sind.

Routinearbeit automatisieren

Viele Aufgaben sind wiederkehrend und gut beschreibbar: Abhängigkeiten aktualisieren, Testabdeckung erhöhen, Übersetzungsdateien pflegen, veraltete APIs ersetzen oder ein Test-Framework auf eine neue Hauptversion heben. Mit geplanten Aufgaben und Session Goals laufen solche Arbeiten nachts auf dem Server. Am Morgen liegt ein Pull Request zur Prüfung bereit. Entwickler konzentrieren sich auf die Arbeit, die tatsächlich Erfahrung und Urteilsvermögen verlangt.

Kleine Tickets vom Backlog in den Pull Request

Jedes Team kennt die Liste kleiner Issues, die nie Priorität bekommen. Da Sessions direkt aus GitHub-Issues oder Linear-Tickets starten, lässt sich dieser Rückstand systematisch abarbeiten. Der Mensch bleibt Reviewer, der Agent übernimmt die Umsetzung.

Den Review-Engpass entschärfen

Wenn Agenten schneller Code produzieren, wird das Review zum Flaschenhals. Der Changes Walkthrough und die Rückgabe fehlgeschlagener CI-Checks an den Agenten reduzieren den Aufwand pro Pull Request deutlich. Das ist oft der größere Hebel als die reine Codegenerierung.

Agenten auf eigener Infrastruktur betreiben

Für Unternehmen und Behörden mit hohen Anforderungen an Datenhoheit ist das Betriebsmodell interessant: Die Instanz läuft auf einem eigenen Server, der Zugriff erfolgt über ein verschlüsseltes Relay ohne offene Ports. Kombiniert mit Modellen, die über OpenCode angebunden und bei Bedarf selbst betrieben werden, entsteht eine KI-Entwicklungsumgebung, die sich sauber in bestehende Sicherheitskonzepte einfügen lässt. Auch die Modernisierung älterer Fachanwendungen lässt sich so agentengestützt vorantreiben, ohne dass Quellcode unkontrolliert das Haus verlässt.

Worauf Sie achten sollten

So überzeugend das Konzept ist, einige Punkte gehören in jede Bewertung:

• Datenfluss zum Modellanbieter: OpenChamber selbst sendet keine Daten, aber die Prompts und Codeausschnitte gehen an den gewählten Modellanbieter. Für DSGVO und Geheimhaltung ist also die Wahl des Anbieters entscheidend.
• Kosten im Blick behalten: Multi-run mit fünf Modellen bedeutet bis zu fünffache Kosten pro Aufgabe. Das lohnt sich für Vergleiche und kritische Änderungen, nicht für jedes Ticket.
• Agenten isolieren: Coding-Agenten führen Befehle aus. Worktrees schützen den Hauptzweig, eine separate Umgebung (etwa ein eigener Server oder Container) schützt das System.
• Remote-Zugriff absichern: UI-Passwort setzen, Private Relay bevorzugen, nicht mehr benötigte Geräte und Tunnel widerrufen.
• Junges Projekt: OpenChamber entwickelt sich schnell. Das bringt laufend neue Funktionen, verlangt aber auch Aufmerksamkeit bei Updates. Zudem besteht eine Abhängigkeit von OpenCode.
• Verantwortung bleibt beim Team: Kein Walkthrough ersetzt ein fachkundiges Review.

Der Einstieg in drei Schritten

1. OpenCode installieren:

bash

   curl -fsSL https://opencode.ai/install | bash

2. OpenChamber installieren:

bash

   curl -fsSL https://raw.githubusercontent.com/openchamber/openchamber/main/scripts/install.sh | bash

3. OpenChamber mit UI-Passwort starten und die ausgegebene URL (meist http://localhost:3000) im Browser öffnen:

bash

   openchamber --ui-password ihr-sicheres-passwort

Alternativ stehen die Desktop-App und die Editor-Erweiterung zur Verfügung.

Fazit

OpenChamber löst ein Problem, das mit dem Erfolg von KI-Coding-Agenten entsteht: Die Arbeit wird schneller, aber unübersichtlicher. Das Tool macht Agenten sichtbar, erlaubt den direkten Modellvergleich, automatisiert Routinearbeit und strukturiert das Review. Da es kostenlos, quelloffen und auf eigener Infrastruktur betreibbar ist, ist die Einstiegshürde gering.

Der wirtschaftliche Nutzen entsteht allerdings nicht durch das Tool allein, sondern durch passende Prozesse: klare Ziele für Agenten, eine bewusste Modellwahl und ein sauberes Sicherheitskonzept.

Sie möchten KI-Agenten in Ihre Entwicklung integrieren, sicher und auf eigener Infrastruktur? sevmatic unterstützt Sie bei Konzeption, Einrichtung und Einführung. Sprechen Sie uns an.