Was ist dograh?
dograh ist eine Plattform zum Bauen von "Voice Agents" – KI-Systeme, die Telefonanrufe entgegennehmen oder tätigen (oder webbasierte Sprachsitzungen abwickeln), zuhören, entscheiden und in Echtzeit eine Antwort sprechen. Das eigene GitHub-Repository beschreibt dograh als quelloffene, selbst gehostete Alternative zu Plattformen wie Vapi und Retell, gedacht für Teams, die dieselbe Produktkategorie nutzen möchten, ohne Gesprächsaudio und -transkripte standardmäßig einem Drittanbieter zu überlassen.
- Kernfunktion: ein visueller Workflow-Builder zum Gestalten mehrstufiger Sprachdialoge, verbunden mit einem Telefonie-Anbieter auf der einen und LLM-/STT-/TTS-Anbietern auf der anderen Seite
- Deployment-Modell: ein Docker-Compose-Stack, den Sie selbst betreiben – auf einem Laptop zur Entwicklung oder auf einem Server (dograhs eigene Dokumentation nennt mindestens 8 GB RAM und 4 vCPUs für ein Remote-Deployment) für den Produktivbetrieb
- Anbieter-Architektur: "Bring your own" LLM, STT und TTS – pro Workflow einen Cloud-API-Schlüssel, einen lokalen OpenAI-kompatiblen Endpunkt oder eines von dograhs eigenen gemanagten Modellen konfigurieren
- Entwickler: dograh-hq auf GitHub; die LICENSE-Datei des Repositorys nennt Zansat Technologies Private Limited als Urheberrechtsinhaber
- Kanonisches Repository: github.com/dograh-hq/dograh, laut GitHubs eigenen Repository-Metadaten im September 2025 erstellt
dograh installieren: selbst gehostetes Docker-Deployment
dograh wird per Docker Compose mit einem Einzeiler-Installationsskript bereitgestellt, laut eigener Deployment-Dokumentation. Es gibt keinen gepackten Desktop-Installer zum Herunterladen – Selbst-Hosting bedeutet, dieses Skript auf dem eigenen Rechner oder Server auszuführen.
- Die lokale/Entwicklungs-Installation öffnet die App unter
http://localhost:3010, sobald die Container gestartet sind, laut dograhs eigener Dokumentation - Windows nutzt ein entsprechendes PowerShell-Skript (
start_docker.ps1), das auf dieselbe Weise abgerufen wird, laut derselben Dokumentationsseite - Ein separates
setup_remote.sh-Skript richtet sich an ein Produktions-Server-Deployment und benötigt Root-/Sudo-Zugriff sowie bereits installiertes Docker und Docker Compose - dograhs eigene Dokumentation nennt für ein Remote-Server-Deployment mindestens 8 GB RAM und 4 vCPUs sowie eingehende TCP-Ports 80, 443, 3478 und 5349 sowie UDP-Ports 3478, 5349 und 49152–49200 für Telefonie-Verkehr (WebRTC/SIP)
- Der Betrieb mehrerer FastAPI-Worker hinter nginx für höheren Durchsatz ist separat in dograhs Scaling-Leitfaden dokumentiert
Lokale Installation (macOS/Linux)
In einem leeren Verzeichnis in einem Terminal ausführen:
curl -o docker-compose.yaml https://raw.githubusercontent.com/dograh-hq/dograh/main/docker-compose.yaml && curl -o start_docker.sh https://raw.githubusercontent.com/dograh-hq/dograh/main/scripts/start_docker.sh && chmod +x start_docker.sh && ./start_docker.shUnterstützung lokaler Modelle: LLM, STT und TTS
dograh benötigt keinen Cloud-KI-Anbieter – ein selbst gehostetes Deployment kann sein LLM, Speech-to-Text und Text-to-Speech vollständig auf eigener Hardware betreiben, auch wenn das etwas mehr Einrichtung erfordert als einen gehosteten API-Schlüssel einzutragen. dograhs eigene Dokumentation ist konkret dazu, wie das funktioniert, und PromptQuorum fand keine Angaben zu lokaler Unterstützung über das unten Dokumentierte hinaus – dies ist keine "unterstützt alles"-Plattform von Haus aus.
Lokales LLM: Ollama und vLLM
dograhs LLM-Konfigurationsdokumente nennen neben Cloud-Anbietern (OpenAI, Google AI Studio, Google Vertex AI, Azure OpenAI, AWS Bedrock, Groq, OpenRouter, Hugging Face und weiteren), dass dograh "OpenAI-kompatible Endpunkte wie Ollama und vLLM unterstützt" – jedes Modell, das Sie über eine OpenAI-kompatible API auf eigener Hardware bereitstellen können, über eines dieser beiden Projekte, kann als Reasoning-Modell eines dograh-Agenten fungieren.
Lokales STT und TTS: Speaches
dograhs eigene Voice- und Transcriber-Dokumentation nennt eine konkrete lokale, selbst gehostete Option sowohl für Speech-to-Text als auch Text-to-Speech: Speaches, in dograhs Dokumenten als "ein OpenAI-API-kompatibler Server" für Streaming-Transkription und Sprachsynthese beschrieben. Laut Speaches' eigener Projektseite basiert Speaches selbst auf faster-whisper für Transkription und auf Piper und Kokoro für Sprachsynthese – ein dograh-Deployment mit einer selbst gehosteten Speaches-Instanz nutzt also unter der Haube Whisper-basierte Transkription und Kokoro/Piper-Sprachsynthese, ohne dass eine Anfrage die eigene Infrastruktur verlässt.
Was dograhs Dokumentation nicht nennt
dograhs eigene Dokumentation listet keine konkreten lokalen LLM-Checkpoints auf (diese Wahl überlässt sie dem, was hinter Ollama oder vLLM läuft), und sie nennt weder Coqui TTS noch XTTS direkt – das sind keine dokumentierten dograh-Integrationen. Wer dograh gezielt für ein bestimmtes lokales Modell evaluiert, sollte den aktuellen Support vor einer Entscheidung gegen docs.dograh.com prüfen, da sich die Dokumentation für selbst gehostete KI-Werkzeuge zwischen Releases ändert.
Was können Sie mit dograh bauen?
dograhs Funktionsumfang konzentriert sich auf die End-to-End-Pipeline eines Voice Agents: Ein Anruf kommt herein, Sprache wird transkribiert, ein LLM entscheidet, was gesagt wird, Sprache wird synthetisiert, und der Anruf wird weitergeleitet oder beendet – mit einem visuellen Builder für die Logik dazwischen. Laut dograhs eigenem GitHub-README und Dokumentation.
- Visueller Workflow-Builder – mehrstufige Gesprächslogik gestalten (was der Agent fragt, wie er je nach Antwort verzweigt), ohne eine komplette State-Machine von Hand zu schreiben
- Telefonie-Anbindungen – integrierte Konnektoren für Twilio, Vonage, Telnyx, Plivo, Cloudonix, Exotel, Vobiz und Asterisk ARI, laut dograhs Integrationsdokumentation
- Bring-your-own LLM/STT/TTS – Anbieter pro Workflow konfigurieren, Cloud- und lokale/selbst gehostete Komponenten nach Bedarf mischen
- Speech-to-Speech-Modus – laut dograhs Konfigurationsdokumentation ein alternativer Pfad, der separate STT-/LLM-/TTS-Schritte zugunsten eines einzelnen Speech-to-Speech-Modells überspringt, sofern der zugrunde liegende Anbieter das unterstützt
- Call-Disposition-Tracking – seit dem Release v1.46.0 kann dograh eine strukturierte Anruf-Disposition (z. B. "gelöst", "weitergeleitet", "keine Antwort") direkt aus dem Gespräch ableiten
- Warme Übergabe an einen Menschen – einen Anruf mitten im Gespräch an einen menschlichen Agenten übergeben, mit konfigurierbaren Dispositionen nach erfolgreicher Übergabe
- MCP-native Werkzeugnutzung, laut dograhs eigener Repository-Beschreibung, zum Anbinden eines Agenten an externe Werkzeuge während eines Anrufs
- Authentifizierung und eigene Domains für Selbst-Hosting – dograhs eigene Deployment-Dokumentation behandelt die Einrichtung von Login und SSL für eine selbst gehostete Instanz, getrennt vom Managed-Cloud-Produkt
dograh-Preise: kostenlos selbst gehostet vs. Managed Cloud
dograh per Docker selbst zu hosten ist kostenlos, unter der BSD-2-Clause-Lizenz, ohne dass PromptQuorum eine Funktionssperre im quelloffenen Repository finden konnte. Ein separates Managed-Cloud-Produkt unter app.dograh.com existiert für Teams, die dieselbe Software ohne eigenen Server betreiben möchten.
Option | Kosten | Was enthalten ist |
|---|---|---|
| Selbst gehostet (Docker) | Kostenlos | Vollständige Plattform; BSD-2-Clause; eigener Server + API-Schlüssel/Modelle |
| Managed Cloud (app.dograh.com) | 0,01 $/Min. + Anbieterkosten | Gehostete Infrastruktur; LLM-/STT-/TTS-/Telefonie-Nutzung wird weiterhin separat berechnet |
Der Wert von 0,01 $/Minute und die Positionierung "Selbst-Hosting für immer kostenlos" stammen aus dograhs eigenem Verzeichniseintrag und öffentlichen Materialien – prüfen Sie die aktuellen Managed-Cloud-Preise direkt unter app.dograh.com, bevor Sie planen, da sich nutzungsbasierte Preise bei einem jungen Produkt ändern können. Anbieterkosten (ein separat abgerechneter Cloud-LLM-, STT-, TTS- oder Telefonie-Anbieter) fallen bei beiden Varianten an, sofern nicht vollständig lokale Modelle über Ollama/vLLM und Speaches genutzt werden.
Anwendungsbeispiele
Dies sind Workflows, die aus dograhs oben dokumentierten Funktionen aufgebaut sind, keine hypothetischen Anwendungsfälle.
Einen vollständig lokalen Voice Agent zum Testen betreiben
dograh mit dem Docker-Quick-Start bereitstellen, die LLM-Konfiguration auf ein lokal über Ollama bereitgestelltes Modell richten und Voice- sowie Transcriber-Einstellungen auf eine selbst gehostete Speaches-Instanz für TTS/STT konfigurieren. Während der Entwicklung muss kein Gesprächsaudio oder -transkript einen Drittanbieter erreichen.
Einen gehosteten Voice-Agent-Anbieter für eine Support-Hotline ersetzen
Eine Twilio-Nummer mit einem selbst gehosteten dograh-Deployment verbinden, die Anrufabwicklungslogik im visuellen Workflow-Builder gestalten und die warme Übergabe an einen menschlichen Agenten für nicht lösbare Anrufe konfigurieren, mit dem in v1.46.0 eingeführten Call-Disposition-Tracking zur Weiterleitung der Nacharbeit.
dograhs Managed Cloud nutzen, um Infrastruktur-Betrieb zu vermeiden
Für ein Team, das dograhs Workflow-Builder und Telefonie-Anbindungen ohne Docker im Produktivbetrieb möchte, vermeidet die minutenbasierte Preisgestaltung von app.dograh.com Selbst-Hosting bei gleicher zugrunde liegender Open-Source-Plattform.
Für wen eignet sich dograh?
Ob dograh passt, hängt davon ab, ob Sie speziell eine selbst hostbare Voice-Agent-Plattform benötigen und ob Ihr Team ein Docker-Deployment betreiben möchte.
Nutzen Sie dograh, wenn
- Sie eine Voice-Agent-Plattform (Telefon-Bot, IVR-Ersatz oder Ähnliches) auf eigener Infrastruktur statt bei einem geschlossenen gehosteten Anbieter betreiben möchten
- Sie die Möglichkeit möchten, LLM-, STT- und TTS-Komponenten vollständig lokal zu betreiben – über Ollama/vLLM und Speaches – für Gespräche, die die eigenen Server nie verlassen sollen
- Sie eine großzügige Open-Source-Lizenz (BSD-2-Clause) ohne Anbieterbindung im selbst gehosteten Pfad möchten
- Sie einen Docker-Compose-Stack betreiben und pflegen können, inklusive der laut eigener Dokumentation zu öffnenden Telefonie-Ports (WebRTC/SIP)
- Sie integrierte Telefonie-Anbindungen (Twilio, Vonage, Telnyx und weitere) statt einer Eigenentwicklung möchten
Warten Sie ab oder schauen Sie sich anders um, wenn
- Sie einen herunterladbaren Desktop-Sprachassistenten statt einer Plattform zum Bauen von Telefon-Agenten möchten – siehe Voxa oder Jarvis für Mac
- Sie nur isoliert Speech-to-Text oder Text-to-Speech benötigen, keine vollständige Agenten-/Telefonie-Plattform – siehe die dedizierten Reviews zu faster-whisper oder Whisper.cpp
- Sie ab Tag eins ein vollständig gemanagtes Zero-Ops-Produkt benötigen und Selbst-Hosting gar nicht erst evaluieren möchten – dograhs Managed Cloud existiert dafür, ist aber ein junges, nutzungsbasiert bepreistes Produkt statt eines etablierten Enterprise-SLA-Anbieters
- Sie eine große, langjährig etablierte Support-Organisation hinter dem Produkt benötigen – dograh ist ein junges Projekt (das GitHub-Repository wurde im September 2025 erstellt), Support läuft in der selbst gehosteten Stufe über GitHub Issues und Community-Kanäle
dograh vs. andere Voice-Agent- und Sprach-Tools
dograh bewegt sich im Segment der Echtzeit-Voice-Agenten, neben Tools, die sich auf Sprach-Ein-/Ausgabe statt auf vollständige Anrufabwicklungsplattformen konzentrieren. So schneidet es im Vergleich zu anderen Optionen in PromptQuorums Berichterstattung ab – siehe das lokale KI-Software-Verzeichnis für den vollständigen Katalog.
- Voxa – ein Echtzeit-Sprachassistent für den persönlichen/Desktop-Einsatz statt für Telefonie-Anrufabwicklung; siehe die Voxa-Review für einen dialogorientierten Sprachassistenten statt eines Telefon-Agenten-Builders.
- Jarvis für Mac – ein macOS-nativer Sprachassistent; siehe die Jarvis-Review für eine Desktop-first-Alternative zu dograhs server-basierter, telefonieorientierter Plattform.
- faster-whisper – die Transkriptionsengine, auf der Speaches (dograhs dokumentierte lokale STT/TTS-Option) selbst basiert; siehe die faster-whisper-Review, falls Sie nur lokales Speech-to-Text statt einer vollständigen Agenten-Plattform benötigen.
- Whisper.cpp – eine weitere lokale, selbst gehostete Speech-to-Text-Engine; siehe die Whisper.cpp-Review für eine leichtgewichtigere, reine Transkriptionsoption gegenüber dem vollständigen dograh-Stack.
Häufige Fehler bei der Bewertung von dograh
Die meiste Verwirrung um dograh entsteht dadurch, es als herunterladbare App zu behandeln oder anzunehmen, es funktioniere ohne jede Konfiguration vollständig offline.
Fehler 1: Nach einem Desktop-Installer suchen
dograh ist eine selbst gehostete Plattform, die per Docker Compose bereitgestellt wird, keine herunterladbare Endnutzer-Anwendung. Es gibt keinen Installer für macOS/Windows/Linux zum Anklicken – der Installationsweg ist das oben behandelte Docker-Quick-Start-Skript.
Fehler 2: Annehmen, Selbst-Hosting sei automatisch vollständig lokal/offline
Ein selbst gehostetes dograh-Deployment benötigt weiterhin konfigurierte LLM-, STT- und TTS-Anbieter – standardmäßig könnte das ein Cloud-API-Schlüssel sein. Vollständig lokaler Betrieb erfordert die ausdrückliche Konfiguration von Ollama/vLLM für das LLM und Speaches für STT/TTS, laut dograhs eigener Dokumentation.
Fehler 3: Selbst gehostete und Managed-Cloud-Stufe bei den Preisen verwechseln
dograh per Docker selbst zu hosten ist unter der BSD-2-Clause-Lizenz kostenlos. Die Gebühr von 0,01 $/Minute gilt nur für das separate Managed-Cloud-Produkt unter app.dograh.com, und die Anbieternutzung (LLM/STT/TTS/Telefonie) wird bei beiden Stufen separat abgerechnet, sofern nicht vollständig lokale Modelle genutzt werden.
Fehler 4: Annehmen, jeder lokale LLM-Checkpoint sei als unterstützt dokumentiert
dograhs eigene Dokumentation unterstützt lokale Inferenz über die Serving-Schichten Ollama und vLLM, nicht über eine feste Liste von Modellnamen. Ob ein bestimmtes lokales Modell als Echtzeit-Voice-Agent-Reasoning-Engine gut funktioniert, ist eine andere Frage als die, ob dograh sich technisch damit verbinden kann.
Häufig gestellte Fragen
Was ist dograh?
dograh (dograh.com, Quellcode unter github.com/dograh-hq/dograh) ist eine quelloffene, selbst gehostete Plattform zum Bauen von Voice-AI-Agenten – Telefon- oder webbasierten Konversationsbots –, positioniert als Alternative zu gehosteten Plattformen wie Vapi und Retell.
Ist dograh kostenlos?
dograh per Docker selbst zu hosten ist unter der BSD-2-Clause-Lizenz kostenlos. Ein separates Managed-Cloud-Produkt unter app.dograh.com kostet 0,01 $/Minute zuzüglich der Kosten der angebundenen LLM-/STT-/TTS-Anbieter.
Ist dograh Open Source? Welche Lizenz gilt?
Ja. Die eigene LICENSE-Datei des Repositorys ist die BSD-2-Clause-„Simplified"-Lizenz, Copyright Zansat Technologies Private Limited.
Unterstützt dograh lokale, offline laufende KI-Modelle?
Ja, für die LLM-Komponente verbindet sich dograh laut eigener Dokumentation mit jedem OpenAI-kompatiblen lokalen Endpunkt, ausdrücklich einschließlich Ollama und vLLM. Für lokales Speech-to-Text und Text-to-Speech bindet dograh Speaches an, einen quelloffenen lokalen Server, der selbst auf faster-whisper für Transkription und Piper/Kokoro für Sprachsynthese basiert.
Wie installiere ich dograh?
Führen Sie das offizielle Einzeiler-Docker-Compose-Installationsskript in einem Terminal aus: curl -o docker-compose.yaml https://raw.githubusercontent.com/dograh-hq/dograh/main/docker-compose.yaml && curl -o start_docker.sh https://raw.githubusercontent.com/dograh-hq/dograh/main/scripts/start_docker.sh && chmod +x start_docker.sh && ./start_docker.sh. Das lokale Deployment öffnet sich unter http://localhost:3010.
Welche Telefonie-Anbieter unterstützt dograh?
Integrierte Anbindungen für Twilio, Vonage, Telnyx, Plivo, Cloudonix, Exotel, Vobiz und Asterisk ARI, laut dograhs eigener Integrationsdokumentation.
Wie viele GitHub-Sterne hat dograh?
dograh hatte 5.636 Sterne und 1.398 Forks auf GitHub, verifiziert per GitHub-API am 12.09.2026. Prüfen Sie das Live-Repository für den aktuellen Stand, da sich Stern-Zahlen laufend ändern.
Was ist das aktuellste dograh-Release?
Stand 12.09.2026 war das aktuellste getaggte Release auf GitHub v1.46.0, datiert auf den 3. September 2026, das unter anderem die Ableitung von Call-Dispositionen aus dem Gesprächsinhalt und Cartesias Sonic-3.6-TTS-Modell einführte – prüfen Sie GitHub Releases für die aktuelle Version.
Welche Mindestanforderungen hat ein Server für selbst gehostetes dograh?
dograhs eigene Deployment-Dokumentation nennt für ein Remote-Server-Deployment mindestens 8 GB RAM und 4 vCPUs sowie eingehende TCP-Ports 80, 443, 3478 und 5349 sowie UDP-Ports 3478, 5349 und 49152–49200 für Telefonie-Verkehr.
Wer entwickelt dograh?
dograh wird von dograh-hq auf GitHub entwickelt; die LICENSE-Datei des Repositorys nennt Zansat Technologies Private Limited als Urheberrechtsinhaber. Das Repository wurde laut GitHubs eigenen Metadaten im September 2025 erstellt.