Wichtigste Erkenntnisse
- MIT-Lizenz — permissiv, self-hostbar, ohne Multi-Tenant- oder Logo-Einschränkungen
- Ursprünglich von Logspace entwickelt; im April 2024 von DataStax übernommen, dann IBM-Übernahme von DataStax (abgeschlossen 28. Mai 2025)
- Über 150.000 GitHub-Sterne und aktive Commit-Historie, anders als das archivierte Flowise-Repository
- In Python entwickelt — näher am reinen LangChain als Flowises Node.js-/TypeScript-Stack
- Self-Hosting über Docker, pip/uv oder die Langflow-Desktop-App (Windows/macOS)
- Eine gehostete Cloud-Stufe, DataStax Langflow, läuft auf IBMs Astra-DB-Vektordatenbank
- Eine realistische Anlaufstelle für Flowise-Nutzer, die von einem archivierten, unbetreuten Tool wegmigrieren
📍 In einem Satz
Langflow ist ein quelloffener, MIT-lizenzierter, Python-basierter visueller Builder für LangChain-/LangGraph-Agenten und RAG-Pipelines, seit der IBM-Übernahme von DataStax 2025 im Besitz von IBM und weiterhin aktiv entwickelt.
💬 In einfachen Worten
Statt LangChain-Code von Hand zu schreiben, bietet Langflow eine Drag-and-drop-Oberfläche, um ein LLM, einen Dokumenten-Loader und eine Vektordatenbank zu verbinden — und ein Konzern (IBM) bezahlt weiterhin Leute für die Pflege.
📌Note: Langflow und Flowise sind nicht dasselbe Projekt. Beide erzeugen LangChain-/LangGraph-Konstrukte visuell, sind aber getrennte Codebasen mit getrennten Unternehmen dahinter.
Wem gehört Langflow, und wird es noch gepflegt?
IBM besitzt Langflow, und das Projekt wird aktiv gepflegt. Langflow begann als Open-Source-Projekt von Logspace, das DataStax im April 2024 übernahm, um sein KI-Anwendungs-Tooling auszubauen. IBM kündigte anschließend am 25. Februar 2025 die Übernahme von DataStax an; der Abschluss erfolgte am 28. Mai 2025 — damit wurden Langflow und die Vektordatenbank Astra DB von DataStax Teil von IBM.
Diese Eigentümerkette ist für die Langlebigkeit relevant, in einer Weise, die bei Flowise nicht galt: Flowise wurde von einem kleinen unabhängigen Unternehmen (FlowiseAI) gepflegt, das seinen eigenen Betrieb 2026 einstellte. IBM hat Langflow in sein watsonx.ai-Portfolio integriert, als Low-Code-Schicht zum Bau von Agenten auf Basis der IBM-Granite-Modelle und anderer Anbieter — das gibt IBM einen kommerziellen Grund, die Entwicklung weiter zu finanzieren.
Logspace → DataStax
- Datum:
- 2024-04
- Bedeutung:
- Langflows ursprünglicher Entwickler wird übernommen; DataStax wird zum pflegenden Unternehmen
IBM-DataStax-Deal angekündigt
- Datum:
- 2025-02-25
- Bedeutung:
- IBM kündigt die geplante Übernahme von DataStax inklusive Langflow an
Übernahme abgeschlossen
- Datum:
- 2025-05-28
- Bedeutung:
- DataStax und damit Langflow werden formal Teil von IBM
watsonx.ai-Integration
- Datum:
- laufend
- Bedeutung:
- IBM positioniert Langflow als Middleware zum Bau von Agenten innerhalb von watsonx.ai
📌Note: Das MIT-lizenzierte Kernprojekt bleibt vollständig quelloffen und self-hostbar, unabhängig davon, wem die Marke gehört — derselbe Code läuft, egal ob Sie jemals ein gehostetes Produkt von IBM oder DataStax nutzen.
Was ist Langflow?
Langflow ist eine Open-Source-Plattform (MIT-Lizenz, github.com/langflow-ai/langflow) für den Bau und die Bereitstellung von KI-Agenten und RAG-Anwendungen über eine visuelle, knotenbasierte, in Python entwickelte Oberfläche. Der Slogan lautet "Drag. Drop. Deploy.", und das Repository hat 150.000 GitHub-Sterne überschritten.
- Visuelle Oberfläche zum Zusammensetzen von LangChain- und LangGraph-Abläufen ohne handgeschriebene Chain-Logik
- Agenten-Unterstützung: Agenten können andere Komponenten auf der Oberfläche als Tools aufrufen, mit Multi-Agenten-Orchestrierung und Konversationsspeicher
- Python-Anpassung: Jeder Knoten lässt sich mit rohem Python-Code bearbeiten oder erweitern, für Logik, die die visuelle Bibliothek nicht abdeckt
- Bereitstellung als API-Endpunkt, exportierter JSON-Ablauf oder als MCP-Server (Model Context Protocol)
- Interaktiver Playground zum schrittweisen Testen eines Ablaufs vor der Bereitstellung
- Observability-Anbindung an LangSmith und LangFuse zur Nachverfolgung von Agenten-Läufen
Wie unterscheidet sich Langflow von Flowise?
Langflow und Flowise lösen dasselbe Problem — visuelle LangChain-/LangGraph-Orchestrierung — mit unterschiedlichen Codebasen, unterschiedlichen Sprachen und inzwischen sehr unterschiedlichen Pflegeaussichten. Langflow ist Python-basiert und bleibt näher an der reinen LangChain-Semantik; Flowise war Node.js-/TypeScript-basiert und ist Stand 2026 archiviert und unbetreut.
Unterstützt Langflow RAG und KI-Agenten?
Ja — RAG und Agenten-Orchestrierung sind Langflows Kernanwendungsfälle, keine Zusatzfunktionen. Die Plattform liefert eigene Komponentenkategorien für beides, und IBMs Mutterunternehmen DataStax baut seine eigene Vektordatenbank (Astra DB) direkt in die Komponentenbibliothek ein.
- RAG: Eine Vector-Store-RAG-Vorlage teilt Ingestion und Abfrage in zwei Abläufe auf — einer lädt eine Datei, zerlegt sie in Chunks, erzeugt Embeddings und indexiert sie; der andere embeddet eine Nutzeranfrage und ruft die nächstliegenden Treffer ab
- Vektordatenbanken: eigene Komponenten für Astra DB (DataStax/IBMs eigenes Produkt) sowie weitere gängige Vektordatenbanken, sodass RAG-Pipelines nicht an ein Backend gebunden sind
- Agenten: Jede Komponente auf der Oberfläche kann als Tool freigegeben werden, das ein Agent aufruft; Langflow unterstützt Multi-Agenten-Orchestrierung mit Konversationsspeicher über mehrere Runden
- Bereitstellung: Ein fertiger Ablauf wird zu einer aufrufbaren API, einer exportierbaren JSON-Datei oder einem MCP-Server, mit dem sich andere KI-Clients verbinden können
Wie hostet man Langflow selbst?
Self-Hosting von Langflow erfordert kein IBM- oder DataStax-Konto — das Open-Source-Paket läuft vollständig auf eigener Hardware. Docker ist der schnellste Weg; pip/uv und die Desktop-App sind die Alternativen.
- 1Prüfen Sie, ob Ihr Rechner die Mindestanforderungen erfüllt: Dual-Core-CPU und 2 GB RAM (empfohlen: 4 GB+ und Multi-Core-CPU), plus einen Chromium-basierten Browser, falls Sie nicht die Desktop-App nutzen.
- 2Für Docker:
docker run -p 7860:7860 langflowai/langflow:latestausführen und nach dem Start http://localhost:7860 öffnen. - 3Für pip/uv: Python 3.10–3.14 installieren, dann
uv pip install langflow -Ugefolgt vonuv run langflow run, um den lokalen Server zu starten. - 4Alternativ Langflow Desktop installieren (Windows oder macOS 13+) für eine gepackte App mit eigener Abhängigkeitsverwaltung — beachten Sie, dass dabei Shareable Playground und Voice Mode der Browser-Version fehlen.
- 5Einen Ablauf per Drag-and-drop aus Komponenten zusammenbauen: ein LLM-Knoten, ein Prompt und — für RAG — ein Dokumenten-Loader, ein Embedding-Modell und ein Vektordatenbank-Knoten, alle miteinander verbunden.
- 6Den fertigen Ablauf als API-Endpunkt bereitstellen, als JSON für die Versionskontrolle exportieren oder als MCP-Server freigeben, den andere KI-Tools aufrufen können.
Brauche ich ein DataStax- oder IBM-Konto, um Langflow selbst zu hosten?
Nein. Das Open-Source-Paket langflow auf GitHub und PyPI läuft unabhängig von jedem DataStax- oder IBM-Cloud-Konto. Konten werden nur für das gehostete Produkt DataStax Langflow oder die Nutzung von Astra DB als verwaltete Vektordatenbank benötigt.
Welche Mindest-Hardwareanforderungen hat Langflow?
Dokumentiert sind mindestens eine Dual-Core-CPU und 2 GB RAM, empfohlen werden eine Multi-Core-CPU und mindestens 4 GB RAM für reale Workloads. Für die pip/uv-Installation ist Python 3.10 bis 3.14 erforderlich.
Für wen eignet sich Langflow?
Langflow passt zu Entwicklern, die eine visuelle Schicht über LangChain wollen, ohne auf Python zu verzichten — und ist eine glaubwürdige Option für alle, die Flowise verlassen. Weniger geeignet ist es für Teams, die von Haus aus umfangreiches Multi-Tenant-SaaS-Hosting benötigen.
Langflow vs. Alternativen
Langflow konkurriert mit anderen visuellen und code-first-Tools zum Bau von LangChain-artigen Agenten und RAG-Pipelines. Der Pflegestatus ist der schärfste Unterschied speziell gegenüber Flowise.
| Tool | Oberfläche | Lizenz | Träger | Pflegestatus |
|---|---|---|---|---|
| Langflow | Visuell, Python-basiert | MIT | IBM (via DataStax) | Aktiv |
| Flowise | Visuell, Drag-and-drop | Apache 2.0 | Unabhängig (FlowiseAI) | Archiviert / keine |
| Dify | Visuell + Backend | Apache 2.0 + Einschränkungen | Unabhängig (LangGenius) | Aktiv |
| LlamaIndex | Python-/TS-Code | MIT | Unabhängig (LlamaIndex Inc.) | Aktiv |
| n8n | Visuell, Drag-and-drop | Fair-code / Sustainable Use | Unabhängig (n8n GmbH) | Aktiv |
Häufige Fehler bei der Bewertung von Langflow
Diese Fehler entstehen dadurch, Langflow mit Flowise zu verwechseln oder anzunehmen, ein Konzern-Eigentümer bedeute immer ein schlechteres Open-Source-Angebot.
Häufig gestellte Fragen
Wem gehört Langflow?
IBM besitzt Langflow. Es wurde ursprünglich von Logspace entwickelt, im April 2024 von DataStax übernommen, und DataStax wurde anschließend von IBM übernommen — der Deal wurde am 28. Mai 2025 abgeschlossen.
Ist Langflow Open Source?
Ja. Langflow wird unter der permissiven MIT-Lizenz auf GitHub (langflow-ai/langflow) veröffentlicht, ohne Multi-Tenant- oder Logo-Einschränkungen, wie sie bei manchen konkurrierenden Tools bestehen.
Wird Langflow noch aktiv gepflegt?
Ja. Anders als Flowise, das FlowiseAI 2026 einstellte, hat Langflow eine aktive Commit-Historie und wird von IBM als Agenten-Middleware für watsonx.ai positioniert.
Wie unterscheidet sich Langflow von Flowise?
Langflow ist Python-basiert und wird von einem Team entwickelt, das nun von IBM getragen wird; Flowise war Node.js-/TypeScript-basiert, wurde vom unabhängigen Unternehmen FlowiseAI entwickelt und ist inzwischen archiviert und unbetreut. Beide erzeugen LangChain-/LangGraph-artige Konstrukte visuell, sind aber getrennte Codebasen.
Kann ich Langflow ohne IBM- oder DataStax-Konto selbst hosten?
Ja. Das Open-Source-Paket langflow lässt sich über Docker, pip/uv oder die Langflow-Desktop-App installieren und läuft vollständig auf eigener Hardware. Ein IBM- oder DataStax-Konto wird nur für das gehostete Produkt DataStax Langflow oder verwaltetes Astra DB benötigt.
Unterstützt Langflow Retrieval-Augmented Generation (RAG)?
Ja. Eine Vector-Store-RAG-Vorlage teilt Ingestion (Datei laden, in Chunks zerlegen, embedden, indexieren) und Abfrage (Frage embedden, nächstliegende Treffer abrufen) in zwei Abläufe auf, mit austauschbaren Vektordatenbank-Komponenten inklusive Astra DB.
Unterstützt Langflow Multi-Agenten-Systeme?
Ja. Jede Komponente auf der Oberfläche kann als Tool freigegeben werden, das ein Agent aufruft; Langflow unterstützt Multi-Agenten-Orchestrierung mit über mehrere Runden gespeichertem Konversationsspeicher.
Welche Mindestsystemanforderungen hat Langflow?
Mindestens eine Dual-Core-CPU und 2 GB RAM, empfohlen eine Multi-Core-CPU und mindestens 4 GB RAM für reale Workloads. Für die pip/uv-Installation ist Python 3.10 bis 3.14 erforderlich.
Was ist DataStax Langflow, und unterscheidet es sich vom Open-Source-Langflow?
DataStax Langflow ist die gehostete Cloud-Version desselben Open-Source-Projekts von IBM/DataStax, integriert mit der Vektordatenbank Astra DB. Es läuft mit derselben Kernsoftware wie die selbst gehostete Version — der Unterschied ist, dass IBM das Hosting übernimmt und es standardmäßig mit Astra DB verbindet.
Ist Langflow eine gute Alternative für Nutzer, die Flowise verlassen?
Ja, mit einer Einschränkung: Die zugrunde liegenden Konzepte (visuelle LangChain-/LangGraph-Abläufe, RAG-Komponenten, Agenten-Tools) sind ähnlich genug, um Langflow zu einem sinnvollen Migrationsziel zu machen, aber es gibt keinen automatisierten Import — rechnen Sie mit manuellem Nachbau der Abläufe.
Kann Langflow als MCP-Server bereitgestellt werden?
Ja. Ein fertiger Langflow-Ablauf kann als Model-Context-Protocol-Server (MCP) freigegeben werden, sodass andere MCP-kompatible KI-Clients ihn als Tool aufrufen können — zusätzlich zur Bereitstellung als reiner API-Endpunkt oder als JSON-Export.
Muss ich bei Self-Hosting von Langflow die DSGVO beachten?
Bei Self-Hosting auf eigener Infrastruktur in der EU/DACH-Region verarbeiten Sie Daten selbst, was Artikel 28 DSGVO (Auftragsverarbeitung) grundsätzlich vereinfacht, solange keine externen LLM-APIs oder verwalteten Dienste außerhalb der EU eingebunden werden. Wird Astra DB als verwalteter Dienst genutzt, prüfen Sie den Serverstandort und den Auftragsverarbeitungsvertrag mit IBM/DataStax gesondert. Dies ist keine Rechtsberatung; lassen Sie die konkrete datenschutzrechtliche Einordnung für Ihren Anwendungsfall von einem Datenschutzbeauftragten oder einer Kanzlei prüfen.
Ist Langflow für den deutschen Mittelstand geeignet?
Grundsätzlich ja: Die MIT-Lizenz erlaubt uneingeschränktes Self-Hosting, und die aktive Pflege unter IBM senkt das Risiko eines unbetreuten Tools. Für IT-Sicherheitsstandards im Mittelstand (BSI-Grundschutz) spricht zusätzlich, dass ein etablierter Konzern hinter der Weiterentwicklung steht — anders als bei archivierten Projekten wie Flowise.