langflow Test

Langflow ist ein Low-Code-Builder für agentenbasierte und RAG-Anwendungen. Sie erstellen einen Flow, indem Sie Komponenten (Modelle, Prompts, Vektorspeicher, Tools, Agenten) auf eine Arbeitsfläche ziehen und miteinander verbinden, und testen ihn anschließend in einem integrierten Playground. Jede Komponente ist im Kern Python, sodass Sie den Code jeder einzelnen öffnen und ändern können. Ein fertiger Flow kann als REST-API aufgerufen, als Agent ausgeführt werden, dem andere Komponenten als Tools zur Verfügung stehen, oder über den MCP-Server von Langflow bereitgestellt werden, sodass MCP-Clients Ihre Flows als Tools nutzen können; Langflow kann zudem als MCP-Client für externe Server agieren. Die Startseite nennt Integrationen unter anderem mit OpenAI, Anthropic, Amazon Bedrock, Azure, Groq, Mistral, Ollama, Hugging Face, NVIDIA, Pinecone, Qdrant, Weaviate, Milvus, MongoDB, Redis, Supabase, Notion, Slack, Gmail, Google Drive und Confluence.

Das Projekt liegt auf GitHub unter der MIT-Lizenz und gehört inzwischen zu IBM (die Website, die Datenschutzlinks und die IBM-Langflow-Produktseite stammen von IBM). Sie können es auf drei Wegen betreiben: Langflow Desktop für macOS 13 oder neuer und Windows (der Download setzt ein kurzes Formular mit Name und E-Mail-Adresse voraus), das Python-Paket (uv pip install langflow, Python 3.10 bis 3.14) oder das offizielle Docker-Image. Die aktuelle Version ist Langflow 1.13, die Audit-Logging, wiederverwendbare Verbindungen für Google Workspace, Microsoft 365 und Slack sowie einen Schutz bei gleichzeitiger Bearbeitung ergänzt hat; zudem ist Auto-Login standardmäßig deaktiviert, sodass bei Neuinstallationen zuerst ein Superuser-Passwort festgelegt werden muss. Die von DataStax gehostete Version von Langflow auf Astra wurde am 9. April 2026 entfernt, und DataStax verweist Nutzer stattdessen auf Langflow OSS.

Langflow selbst hat keinen kostenpflichtigen Tarif, keine Gebühr pro Nutzer und kein Nutzungslimit. Die tatsächlichen Kosten entstehen durch den Server, auf dem Sie es hosten, sowie durch die Modell- und API-Anbieter, die Ihre Flows aufrufen (OpenAI, Anthropic usw.) und die diese Anbieter abrechnen. Die Startseite von langflow.org besagt weiterhin, Sie könnten sich „für ein kostenloses Cloud-Konto anmelden“, doch die Anmeldeschaltflächen führen zum Desktop-Download, die Langflow-Seite von IBM nennt keine Cloud-Anmeldung, und DataStax hat sein gehostetes Langflow am 9. April 2026 entfernt. Betrachten Sie Self-Hosting oder Desktop als den heutigen Weg, Langflow zu betreiben. Professional Services und Premier Support werden über das Kontaktformular angeboten.

Preise geprüft auf der Preisseite des Anbieters am 10. November 2026. Langflow hat keine eigene Preisseite; siehe langflow.org, die IBM-Langflow-Seite und die MIT-Lizenz auf GitHub.

Was die eigene Website und die Dokumentation von Langflow aufführen:

Langflow eignet sich für Entwickler und technische Teams, die RAG-Pipelines und Agenten visuell prototypisch umsetzen, die Möglichkeit behalten wollen, auf Python zurückzugreifen, und ihr Deployment selbst verantworten möchten. Es passt gut, wenn Sie einen MCP-Server aus Ihren eigenen Flows aufbauen möchten oder wenn Ihr Unternehmen bereits bei IBM einkauft und Flows später in watsonx Orchestrate ausführen könnte. Da der Anbieter kein verwaltetes Hosting mehr anbietet, sollten Sie einplanen, dass jemand den Betrieb, die Absicherung und die Upgrades übernimmt.

Wenn Sie einen ähnlichen visuellen Open-Source-Builder mit JavaScript-Stack suchen, vergleichen Sie Flowise. Wenn Sie lieber Code schreiben, als Knoten zu verbinden, bieten LangGraph oder CrewAI direkt Agenten-Frameworks. Teams, die eine gehostete Plattform mit Automatisierungen für Business-Apps wünschen, sollten sich n8n oder Relevance AI ansehen.

Der Test von MakerStack (ein Verzeichnis, das teilweise durch Sponsoring und Affiliate-Links finanziert wird) bewertet es mit 8.2/10 und nennt es „das umfassendste kostenlose Tool, um KI-Agenten und RAG-Anwendungen visuell zu erstellen“. Gelobt werden das Fehlen von Paywalls, Flows als APIs und die Python-Anpassung; gewarnt wird, dass Upgrades und komplexe Flows fehlerhaft sein können, große Arbeitsflächen schwer zu handhaben sind und der Produktiveinsatz nun, da die DataStax-Cloud weggefallen ist, echten Entwicklungsaufwand erfordert. SelectHub nennt schnelles Low-Code-Prototyping und wiederverwendbare Komponenten als Stärken sowie Stabilitätsbedenken, die Abhängigkeit von externen APIs und eine eingeschränkte Produktionsreife als Nachteile. Der gemeinsame Nenner: Rezensenten schätzen es, um Ideen schnell zu entwickeln und zu testen, und raten dazu, Entwicklungszeit einzuplanen, bevor man sich im Produktivbetrieb darauf verlässt.