Wichtigste Erkenntnisse
- MaxKB ist quelloffen unter GPL-3.0; das Quell-Repository ist github.com/1Panel-dev/MaxKB
- Bereitstellung mit einem einzigen Docker-Befehl — keine separate Datenbank- oder Python-Umgebungseinrichtung für die Basisinstallation nötig
- Verbindung zu lokalen Modellen durch Hinzufügen von Ollama als Modell-Provider (Serveradresse + Modellname); über Ollama bereitgestellte DeepSeek-, Qwen- und Llama-Modelle funktionieren auf diese Weise
- Verbindet sich außerdem mit Cloud-Anbietern — OpenAI, Claude (Anthropic), Gemini und weiteren — über denselben Modell-Einstellungsbildschirm
- Kostenlose Community-Edition: begrenzt auf 2 Benutzer, 5 Anwendungen und 50 Wissensdatenbanken
- Kostenpflichtige Professional-Edition hebt diese Grenzen auf; MaxKBs eigene Preisseite nennt die Abo-Lizenz mit 1.920 $ pro Jahr
- Entwickelt von 1Panel-dev, dem Team hinter dem quelloffenen Server-Verwaltungspanel 1Panel
- Zum Zeitpunkt dieser Review rund 22.700 GitHub-Sterne, mit neuen Releases alle paar Wochen laut der GitHub-Releases-Seite
📍 In einem Satz
MaxKB ist eine quelloffene, selbst gehostete RAG- und Agenten-Plattform (GPL-3.0), die per Docker bereitgestellt wird und sich über einen Ollama-Provider-Eintrag mit lokalen DeepSeek- oder Qwen-Modellen verbindet, oder über denselben Einstellungsbildschirm mit Cloud-Modellen.
💬 In einfachen Worten
Statt pro API-Aufruf an einen Cloud-Anbieter zu zahlen, betreiben Sie MaxKB auf dem eigenen Server und richten es auf ein lokales Modell aus, das bereits über Ollama läuft — Wissensdatenbank, Chat-Oberfläche und Agenten-Logik bleiben auf Infrastruktur, die Sie kontrollieren.
📌Hinweis: Diese Review ist der vertiefende Begleittext zu MaxKBs Eintrag im Local LLM Software Directory — dort sehen Sie auf einen Blick, wie MaxKB im Vergleich zu Dutzenden anderer lokaler KI-Tools abschneidet.
Was ist MaxKB?
MaxKB — laut eigener GitHub-Beschreibung kurz für "Max Knowledge Brain" — ist eine quelloffene Plattform zum Erstellen von RAG-Anwendungen und Agenten, die Sie selbst hosten. Sie bündelt Dokumenten-Ingestion, eine Retrieval-Pipeline, einen Agenten-/Workflow-Builder und Unterstützung für das Model Context Protocol (MCP) in einer per Docker bereitgestellten Anwendung, statt eine Vektordatenbank, eine Embedding-Pipeline und ein Chat-Frontend separat zusammenstellen zu müssen.
- Kernfunktion: Dokumente in eine Wissensdatenbank aufnehmen und Fragen dazu über eine Chat-Oberfläche, ein einbettbares Widget oder eine API beantworten
- Agenten-Ebene: Retrieval-Schritte, Tool-Aufrufe und bedingte Logik zu mehrstufigen Workflows verketten, nicht nur einfache Frage-Antwort-Interaktionen
- Modellzugriff: laut eigener Dokumentation "modellagnostisch" — verbindet sich mit privaten Modellen (DeepSeek, Llama, Qwen und weiteren) sowie öffentlichen Cloud-Modellen (OpenAI, Claude, Gemini und weiteren)
- Entwickler: 1Panel-dev, auch bekannt für das quelloffene Linux-Server-Verwaltungspanel 1Panel
- Kanonisches Repository: github.com/1Panel-dev/MaxKB — die aktive Heimat von MaxKBs Quellcode, Issue-Tracker und Release-Notizen
Wie hostet man MaxKB per Docker selbst?
MaxKBs dokumentierte Schnellinstallation ist ein einziger Docker-Befehl, der die gesamte Anwendung inklusive integrierter Datenbank startet. Für einen ersten Durchlauf ist keine separate Python-Umgebung oder Datenbankserver-Einrichtung nötig.
- 1Docker auf Ihrem Server oder Arbeitsplatzrechner installieren (Linux, macOS oder Windows mit WSL2).
Why it matters: MaxKB wird als Container-Image ausgeliefert; Docker ist die einzige zwingende Voraussetzung für die Basisinstallation. - 2Ausführen:
docker run -d --name=maxkb --restart=always -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data -v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages 1panel/maxkb
Why it matters: Dieser eine Befehl lädt das offizielle Image `1panel/maxkb`, mappt Port 8080 und speichert sowohl die Datenbank als auch die Python-Sandbox-Pakete dauerhaft im Dateisystem des Hosts, sodass die Daten einen Container-Neustart überstehen. - 3Sobald der Container als betriebsbereit gemeldet wird,
http://<ihre-server-ip>:8080im Browser öffnen.
Why it matters: Dies lädt den Ersteinrichtungsbildschirm, auf dem Sie ein Administratorkonto anlegen. - 4In den Systemeinstellungen einen Modell-Provider hinzufügen — entweder Ollama (für lokale Modelle) oder einen Cloud-Anbieter (API-Schlüssel erforderlich).
Why it matters: MaxKB besitzt keine eigene Inferenz-Engine; jedes Modell, ob lokal oder Cloud, wird als separater Provider-Eintrag hinzugefügt, bevor Sie eine Wissensdatenbank oder einen Agenten aufbauen können. - 5Eine Wissensdatenbank anlegen, Dokumente hochladen, dann eine Anwendung erstellen, die auf diese Wissensdatenbank und das gewählte Modell verweist.
Why it matters: Dies ist der minimale Weg von einer frischen Installation zu einem funktionierenden RAG-Chatbot.
Wie verbindet sich MaxKB mit lokalen DeepSeek- und Qwen-Modellen?
MaxKB führt keine Modell-Inferenz selbst aus — es verbindet sich über einen Modell-Provider-Eintrag in den Einstellungen mit einem separat laufenden lokalen Inferenz-Server, meist Ollama. Um ein lokales DeepSeek- oder Qwen-Modell zu nutzen, laden Sie dieses Modell zunächst in Ollama herunter und registrieren es anschließend in MaxKB.
- In den Modelleinstellungen von MaxKB "Modell hinzufügen" wählen und den Provider Ollama auswählen
- Einen Anzeigenamen für das Modell vergeben (beliebige Bezeichnung) sowie den Basismodellnamen eingeben, der dem entspricht, was Ollama bereitstellt (zum Beispiel ein DeepSeek- oder Qwen-Modell-Tag)
- Die Ollama-API-Domain eingeben — die Adresse des Ollama-Servers, zum Beispiel
http://127.0.0.1:11434für eine lokale Installation, oder eine LAN-/Remote-Adresse, falls Ollama auf einer anderen Maschine läuft - Einen beliebigen Wert in das API-Schlüssel-Feld eintragen, falls Ollama keine Authentifizierung per API-Schlüssel erfordert — Ollamas Standardeinrichtung erzwingt keine
- Nach dem Hinzufügen erscheint das Modell in derselben Modellauswahl wie jedes verbundene Cloud-Modell, sodass eine Wissensdatenbank oder ein Agent es identisch nutzen kann
Was lässt sich mit MaxKB bauen?
MaxKBs Funktionsumfang dreht sich darum, eine Dokumentensammlung in eine abfragbare Wissensdatenbank zu verwandeln und diese optional zu einem Agenten zu erweitern, der Tools aufrufen kann. Details stammen aus MaxKBs eigenem GitHub-README und der Dokumentation.
- Wissensdatenbank-Ingestion — Dokumente hochladen (gängige Office- und Textformate) oder eine Website crawlen; MaxKB zerlegt, embedded und indiziert den Inhalt für das Retrieval
- RAG-Chat-Anwendungen — eine Chat-Anwendung erstellen, die auf einer oder mehreren Wissensdatenbanken basiert, bereitstellbar als gehostete Chat-Seite, einbettbares Website-Widget oder API-Endpunkt
- Agenten-/Workflow-Builder — Retrieval, Tool-Aufrufe und bedingte Verzweigungen zu mehrstufigen Workflows verketten statt einfacher Frage-Antwort-Interaktionen
- Unterstützung für das Model Context Protocol (MCP) — MaxKB mit MCP-kompatiblen Tools und Datenquellen für agentenartige, werkzeugnutzende Workflows verbinden
- Modellagnostische Modelleinstellungen — lokale Modelle (via Ollama) und Cloud-Modelle (OpenAI, Claude, Gemini und weitere) nebeneinander hinzufügen und das von einer Anwendung genutzte Modell ohne Neubereitstellung wechseln
- Mehrbenutzerzugriff (Professional-Edition) — Benutzerkonten und Berechtigungen jenseits der 2-Benutzer-Grenze der Community-Edition
MaxKB Preise: Community vs. Professional
Die MaxKB Community-Edition ist dauerhaft kostenlos, aber auf 2 Benutzer, 5 Anwendungen und 50 Wissensdatenbanken begrenzt; die kostenpflichtige Professional-Edition hebt diese Grenzen auf. Laut MaxKBs eigener Preisseite wird die Professional-Edition als jährliche Abo-Lizenz verkauft.
Edition | Preis | Benutzer | Apps | Wissensdatenbanken |
|---|---|---|---|---|
| Community | Kostenlos | 2 | 5 | 50 |
| Professional | 1.920 $/Jahr | Unbegrenzt | Unbegrenzt | Unbegrenzt |
Preise laut maxkb.pro zum Zeitpunkt dieser Review — MaxKB bietet auf Anfrage kurze Testlizenzen für die Professional-Edition an; prüfen Sie die offizielle Preisseite direkt vor der Budgetplanung, da sich Anbieterpreise ohne Vorankündigung ändern können.
Für wen eignet sich MaxKB?
MaxKB eignet sich für Teams, die eine selbst gehostete RAG- und Agenten-Plattform wollen, die sie auf ein lokales Modell ausrichten können, ohne Vektordatenbank und Chat-Frontend aus Einzelteilen zusammenzusetzen.
MaxKB vs. RAGFlow, Dify und AnythingLLM
MaxKB überschneidet sich mit mehreren anderen selbst gehosteten RAG- und Agenten-Plattformen — der Unterschied liegt in Lizenzierung, Tiefe der Dokumentenanalyse und dem Umfang, in dem der Stack in einem Produkt gebündelt ist.
Tool | Oberfläche | Lizenz | Am besten für |
|---|---|---|---|
| MaxKB | Web-UI + RAG + Agenten | GPL-3.0 | Per Docker bereitgestellte RAG-/Agenten-Plattform mit lokaler Modellunterstützung |
| RAGFlow | Web-UI + Dokumentenanalyse | Apache 2.0 | Zitierfähiges Retrieval bei komplexen Dokumenten (Tabellen, Fußnoten) |
| Dify | Visuell + RAG + Agenten | Modifiziertes Apache 2.0 | All-in-one Workflow-, RAG- und Agenten-Plattform |
| AnythingLLM | Chat + RAG | MIT | Schlanker, selbst gehosteter Dokumenten-Chat |
Alle vier Tools können vollständig gegen lokale Modelle laufen: MaxKB und AnythingLLM fügen beide Ollama als Modell-Provider hinzu; RAGFlow und Dify verbinden sich mit jedem OpenAI-API-kompatiblen lokalen Endpunkt.
Häufige Fehler bei der Bewertung von MaxKB
Häufig gestellte Fragen
Ist MaxKB kostenlos?
Die Community-Edition ist kostenlos und quelloffen unter GPL-3.0, begrenzt auf 2 Benutzer, 5 Anwendungen und 50 Wissensdatenbanken. Eine kostenpflichtige Professional-Edition hebt diese Grenzen auf; MaxKBs eigene Preisseite nennt sie als Abo-Lizenz mit 1.920 $ pro Jahr.
Welche Lizenz verwendet MaxKB?
GPL-3.0, laut der LICENSE-Datei im offiziellen GitHub-Repository (github.com/1Panel-dev/MaxKB). GPL-3.0 ist Copyleft — die Weitergabe einer modifizierten Version erfordert in der Regel, die eigenen Änderungen unter derselben Lizenz zu veröffentlichen.
Unterstützt MaxKB lokale Modelle wie DeepSeek und Qwen?
Ja. MaxKB verbindet sich mit lokalen Modellen, indem Ollama als Modell-Provider in den Einstellungen hinzugefügt wird — Sie geben die Ollama-Serveradresse und einen Modellnamen an, und MaxKB leitet Anfragen an das Modell weiter, das Ollama bereitstellt, einschließlich DeepSeek, Qwen und Llama.
Braucht MaxKB eine GPU?
MaxKB selbst benötigt keine GPU — es orchestriert das Retrieval und ruft den von Ihnen konfigurierten Modell-Provider auf. Eine GPU ist nur relevant, wenn Sie separat Ollama (oder einen anderen lokalen Inferenz-Server) mit einem GPU-beschleunigten Modell betreiben.
Wie installiert man MaxKB?
Mit einem einzigen Docker-Befehl: docker run -d --name=maxkb --restart=always -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data -v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages 1panel/maxkb. Dies startet die gesamte Anwendung inklusive integrierter Datenbank auf jedem Host mit Docker.
Wer entwickelt MaxKB?
1Panel-dev, das Team, das auch für das quelloffene Linux-Server-Verwaltungspanel 1Panel bekannt ist. Das MaxKB-Quell-Repository ist github.com/1Panel-dev/MaxKB.
Wie verbreitet ist MaxKB?
MaxKBs GitHub-Repository zeigt zum Zeitpunkt dieser Review rund 22.700 Sterne, mit neuen Releases alle paar Wochen laut der GitHub-Releases-Seite.
Was sind die wichtigsten Alternativen zu MaxKB?
RAGFlow (Apache 2.0, zitierfähige Dokumentenanalyse), Dify (modifiziertes Apache 2.0, breitere Workflow-/Agenten-Plattform) und AnythingLLM (MIT, schlankerer selbst gehosteter Dokumenten-Chat) sind die nächstliegenden selbst gehosteten RAG-/Agenten-Alternativen.
Muss ich bei der Verwendung von MaxKB die DSGVO beachten?
Da MaxKB selbst gehostet wird, verlassen Dokumente und Anfragen Ihre eigene Infrastruktur nicht, solange Sie ausschließlich lokale Modelle über Ollama verwenden — das erleichtert die Einhaltung von DSGVO-Artikel 28 (Auftragsverarbeitung) und BSI-Grundschutz-Vorgaben, da keine Verarbeitung durch Dritte stattfindet. Sobald Sie einen Cloud-Modell-Provider hinzufügen, gelten für diesen Anbieter separate Datenschutzprüfungen.
Ist MaxKB für den deutschen Mittelstand geeignet?
Die kostenlose Community-Edition mit 2 Benutzern eignet sich eher für einen einzelnen Piloten als für ein ganzes Mittelstandsteam; für den produktiven Einsatz in mehreren Abteilungen ist meist die kostenpflichtige Professional-Edition mit unbegrenzten Benutzern nötig. Die Docker-basierte Selbsthosting-Option passt gut zu Mittelstandsunternehmen, die bereits eigene Linux-Server betreiben.