# Langflow Visueller Baukasten, mit dem du KI-Agenten und Abläufe per Drag-and-drop zusammensetzt und als API oder MCP-Server bereitstellst. Kanonisches Profil: https://ki-agentenkompass.de/agenten/langflow/ Redaktion: [Michael Meierhoff](https://ki-agentenkompass.de/ueber-mich/) Quellenabgleich: 2026-11-05 Basis: Anbieter-Dokumentation. Praxisbeispiele sind redaktionelle Vorschläge, keine eigenen Produkttests. ## Einordnung Langflow ist ein quelloffenes Projekt. Ein Blogbeitrag vom 25. Februar 2025 nennt DataStax als Mutterfirma und kündigt die geplante Übernahme von DataStax durch IBM an; DataStax führt IBM inzwischen im Namen, den Abschluss belegen die geprüften Anbieterseiten nicht. - Anbieter: Langflow - Produktfamilie: Langflow - Profiltyp: Baukasten für Agenten und Abläufe - Umgebung: Langflow Desktop (macOS, Windows), Python-Paket, Docker-Image oder Quellcode; Bedienung im Browser - Verbindungen: Modellanbieter, MCP-Server und -Client, Webhooks, REST-API, eigene Python-Komponenten - Einrichtung: Desktop-App, uv-Paket oder Docker installieren, einen Modellanbieter mit API-Schlüssel hinterlegen und einen Ablauf aus einer Vorlage wie Simple Agent aufbauen. - Kostenmodell: Quelloffen unter MIT-Lizenz. Für Modelle brauchst du einen eigenen Anbieterzugang. Ein gehostetes Angebot war nicht auffindbar. ## Kernfunktionen ### Visueller Ablauf-Editor Komponenten werden per Drag-and-drop verbunden. Mit Python lassen sich eigene Komponenten ergänzen. Quelle: https://www.langflow.org ### Agenten mit Werkzeugen Die Agent-Komponente kann laut Dokumentation jede Komponente als Werkzeug nutzen, auch andere Agenten und MCP-Server. Dazu schaltest du bei der Komponente den Tool-Modus ein. Quelle: https://docs.langflow.org/agents ### Als API und MCP-Server bereitstellen Abläufe lassen sich als API bereitstellen. Jedes Projekt erhält einen eigenen MCP-Server, dessen Werkzeuge MCP-Clients nutzen. Ein Ablauf braucht dafür eine Chat-Output-Komponente. Quelle: https://docs.langflow.org/mcp-server ### MCP-Werkzeuge einbinden Die Komponente MCP Tools bindet externe MCP-Server per STDIO, HTTP/SSE oder JSON-Konfiguration ein. Quelle: https://docs.langflow.org/mcp-client ### Webhook-Auslöser Ein POST an den Webhook-Endpunkt startet einen Ablauf. Die Antwort bestätigt nur den Start, nicht das Ergebnis. Standardmäßig ist ein Langflow-API-Schlüssel nötig. Quelle: https://docs.langflow.org/webhook ### Eingebauter Chat-Speicher Die Agent-Komponente hat standardmäßig einen Chat-Speicher, gruppiert nach Sitzungs-ID. Standard ist eine SQLite-Datenbank; eine andere Datenbank lässt sich einstellen. Quelle: https://docs.langflow.org/memory ### Versionsverlauf für Abläufe Du speicherst Zwischenstände eines Ablaufs als Version, siehst sie schreibgeschützt ein und stellst sie wieder her. Die Versionen liegen in der Datenbank der Installation. Quelle: https://docs.langflow.org/concepts-flows ## Redaktionelle Praxisbeispiele ### Agent mit Werkzeugen als API bereitstellen - Du gibst vor: Ein Ablauf aus der Vorlage Simple Agent mit einem konfigurierten Modellanbieter. - Mögliches Ergebnis: Der Agent beantwortet Anfragen im Playground und lässt sich als API aufrufen. - Das prüfst du: Im Playground testen, Nachrichtenprotokoll lesen und Modellkosten im Blick behalten. ### Ablauf per Webhook starten - Du gibst vor: Ein Ablauf mit Webhook-Komponente, die JSON von einer externen Anwendung erhält. - Mögliches Ergebnis: Jeder POST startet einen Lauf; die Daten wandelt eine Parser-Komponente in Text um. - Das prüfst du: Ergebnisse im Ablauf prüfen, weil die Antwort nur den Start bestätigt. ## Voraussetzungen und Grenzen ### Modellzugang nötig Voraussetzung: Der Schnellstart nutzt einen OpenAI-Schlüssel als Beispiel. Pro Anbieter lässt sich nur ein Schlüssel hinterlegen, und das Konto braucht ausreichend Guthaben. Quelle: https://docs.langflow.org/get-started-quickstart ### Python und uv für die Paketinstallation Voraussetzung: Das Python-Paket braucht Python 3.10 bis 3.14 und uv. Mindestens ein Dual-Core-Prozessor und 2 GB RAM, empfohlen sind mehr Kerne und mindestens 4 GB. Quelle: https://docs.langflow.org/get-started-installation ### Desktop ohne Shareable Playground und Sprachmodus Einschränkung: Laut Installationsseite fehlen in Langflow Desktop einige Funktionen, etwa der Shareable Playground und der Sprachmodus. Quelle: https://docs.langflow.org/get-started-installation ### Rollenbasierte Zugriffsrechte nur per Plugin Einschränkung: Rollenbasierte Zugriffskontrolle braucht ein registriertes Autorisierungs-Plugin, das Langflow nicht mitbringt. Ohne Plugin darf jeder angemeldete Nutzer alles. Quelle: https://docs.langflow.org/authentication-overview ### MCP-Server ohne Authentifizierung ist öffentlich Einschränkung: Ist für ein Projekt keine Authentifizierung gesetzt, kann jeder den MCP-Server ohne Zugangsdaten nutzen. Die Dokumentation rät dazu nur in vertrauenswürdigen Umgebungen. Quelle: https://docs.langflow.org/mcp-server ### Webhook liefert kein Ergebnis Einschränkung: Die Antwort auf den Webhook-Aufruf zeigt nur, dass der Ablauf gestartet wurde. Zeitpläne beschreibt die Webhook-Seite nicht. Quelle: https://docs.langflow.org/webhook ### Gehostetes Angebot entfernt Einschränkung: Laut DataStax wurde das gehostete Langflow am 9. April 2026 aus Astra entfernt. Die Langflow-Startseite erwähnt weiter ein kostenloses Cloud-Konto, eine Anmeldung dafür oder ein anderes gehostetes Angebot war nicht auffindbar. Quelle: https://docs.datastax.com/en/langflow/index.html ## Passt, wenn … - du Agenten und Abläufe visuell bauen und als API oder MCP-Server bereitstellen willst - du die Software selbst betreiben und Modellanbieter frei wählen möchtest - du eigene Python-Komponenten und externe MCP-Werkzeuge in einen Ablauf einbinden willst ## Passt eher nicht, wenn … - du feste Rollen und Rechte ohne zusätzliches Plugin erwartest - du Zeitpläne oder Freigaben vor Werkzeugaufrufen fertig eingebaut brauchst - du eine vom Anbieter gehostete Lösung suchst Redaktionelle Einschätzung auf Basis der Anbieterangaben. Kein Produkttest. ## Nutzbare KI-Modelle Frei wählbar Du hinterlegst in den Einstellungen eigene Schlüssel je Anbieter und wählst das Modell im Agenten. Standardmäßig dabei sind unter anderem Anthropic, OpenAI, Google, IBM, Cohere, Ollama und ein OpenAI-kompatibler Endpunkt. Mistral, DeepSeek, xAI, OpenRouter und LiteLLM kommen über Zusatzpakete. - Genannte Modellfamilien: Anthropic (Claude), OpenAI (GPT), Google (Gemini), IBM (Granite), Cohere, Mistral, DeepSeek, xAI (Grok) · Weitere Modelle frei anbindbar - Modellwahl: Du wählst - Eigener API-Schlüssel: Ja - Router oder eigener Endpunkt: Ja - Lokale Modelle: Ja Belegt · Quellen abgerufen am: 2026-11-05 - [Langflow: Use agents](https://docs.langflow.org/agents) - [Langflow: Language Model](https://docs.langflow.org/components-models) - [Langflow: Bundle list](https://docs.langflow.org/extensions-bundle-list) ## Europa & regionale Verfügbarkeit Website, Dokumentation und Telemetrie-Seite geprüft. Eine Länderfreigabe oder Angaben zu Datenregionen nennen sie nicht. Geprüfter Umfang: Selbst betriebene Software; Modellanbieter separat Sichtung am: 2026-11-05 ### Europa: keine Angaben des Anbieters Verfügbarkeit noch ungeklärt Beim Selbstbetrieb liegen Abläufe und Chatverlauf standardmäßig in einer lokalen SQLite-Datenbank. Die geprüften Seiten äußern sich nicht zu Europa oder zu Regionen des Cloud-Angebots. Zur Telemetrie nennt die Dokumentation das Abschalten mit DO_NOT_TRACK=True; den Standardwert nennt sie nicht ausdrücklich. Sie führt unter anderem Laufzeiten und Versionsdaten auf, in der Desktop-Version zusätzlich die registrierte E-Mail-Adresse. Betroffene Region: EU/EWR, Vereinigtes Königreich und Schweiz Belegter Grund: Die geprüften Quellen nennen dafür keine Länderfreigabe. Offizielle Quelle: https://docs.langflow.org/memory Offizielle Quelle: https://docs.langflow.org/contributing-telemetry Offizielle Quelle: https://www.langflow.org ## Konten & Berechtigungen Angaben aus Anbieter-Dokumentation. Rechte hängen von Konto, Integration und Organisationsrichtlinien ab. Prüfe vor dem Einsatz die tatsächlich angeforderten Berechtigungen. Betrachtete Konfiguration: Selbst betriebene Langflow-Installation mit eigenem Modellzugang Quellenstand: 2026-11-05 ### Verwendetes Konto Dokumentiert: Die eingebaute Anmeldung mit Benutzername und Passwort ist laut Dokumentation immer verfügbar und Standard; sie stellt kurzlebige Sitzungstoken aus. Alternativ übernimmt ein Identitätsanbieter über einen Proxy die Anmeldung. Den Schlüssel zum Modellanbieter hinterlegst du in den Einstellungen unter Model Providers. Nachweis: https://docs.langflow.org/authentication-overview Nachweis: https://docs.langflow.org/get-started-quickstart ### Admin-Freigabe Dokumentiert: Rollenbasierte Zugriffskontrolle braucht ein Autorisierungs-Plugin, das Langflow nicht mitbringt. Ohne Plugin erlaubt Langflow jedem angemeldeten Nutzer alles. Nachweis: https://docs.langflow.org/authentication-overview ### Datenzugriff & Teamfreigaben Bedingt dokumentiert: Die Reichweite hängt von der Konfiguration ab. Webhooks verlangen standardmäßig einen API-Schlüssel; ohne Authentifizierung gelten Aufrufe als vom Flow-Besitzer gesendet. Ein MCP-Server ohne Authentifizierung ist öffentlich erreichbar. Der Shareable Playground ist nur zum Testen gedacht und macht den Playground eines Ablaufs über eine öffentliche Adresse ohne Installation und API-Schlüssel nutzbar. Nachweis: https://docs.langflow.org/webhook Nachweis: https://docs.langflow.org/mcp-server Nachweis: https://docs.langflow.org/concepts-playground ## Preise und enthaltene Nutzung Preisstand: 2026-11-05 Langflow ist unter der MIT-Lizenz zum Selbstbetrieb verfügbar. Modellkosten richten sich nach deinem Anbieter. Das gehostete Langflow wurde laut DataStax am 9. April 2026 entfernt. ### Langflow (Open Source) Keine Softwaregebühr genannt Quelloffene Software zum Selbstbetrieb unter MIT-Lizenz. Preisquelle: https://github.com/langflow-ai/langflow Eine Preisseite unter www.langflow.org/pricing war nicht abrufbar (404). Preise und Tarifdetails: https://www.langflow.org ## Betrieb & Betreuungsbedarf Basis: öffentliche Anbieter-Dokumentation. Einschätzungen sind redaktionelle Ableitungen aus den genannten Eigenschaften. Tatsächlicher Zeitaufwand und Zuverlässigkeit wurden nicht gemessen. Betrachtete Betriebsform: Selbst betriebene Installation (Desktop, Paket oder Docker) Quellenstand: 2026-11-05 ### Dateien und Arbeitsstand Dokumentiert: Abläufe, gespeicherte Versionen und Chatnachrichten liegen standardmäßig in der Datenbank der Installation (SQLite); mit LANGFLOW_DATABASE_URL lässt sich eine andere Datenbank wählen. Nachweis: https://docs.langflow.org/concepts-flows Nachweis: https://docs.langflow.org/memory ### Anmeldungen Bedingt dokumentiert: Offizielle Release-Pakete und getaggte Quellarchive schalten die automatische Anmeldung standardmäßig ab, Entwicklungszweige nicht. Für neue Installationen des Python-Pakets nennt der Schnellstart LANGFLOW_AUTO_LOGIN=false mit starkem Superuser-Passwort; Docker-Images verlangen standardmäßig Anmeldung. Zur Lebensdauer von Sitzungen nennen die geprüften Seiten nur, dass Token kurzlebig sind. Nachweis: https://github.com/langflow-ai/langflow Nachweis: https://docs.langflow.org/get-started-quickstart Nachweis: https://docs.langflow.org/authentication-overview ### Start weiterer Läufe Bedingt dokumentiert: Du startest Abläufe im Playground, per API oder per Webhook-POST. Die Antwort des Webhooks bestätigt nur den Start. Einen allgemeinen Zeitplan beschreiben die geprüften Seiten nicht. Knoten werden nacheinander gebaut und ausgeführt. Nachweis: https://docs.langflow.org/webhook Nachweis: https://docs.langflow.org/concepts-flows Nachweis: https://docs.langflow.org/environment-variables ### Menschliche Eingriffe In geprüften Quellen offen: Eine eingebaute Freigabe durch Menschen vor einzelnen Werkzeugaufrufen beschreiben die geprüften Seiten nicht. Als Prüfstelle nennen sie den Playground zum Testen. Nachweis: https://docs.langflow.org/agents Nachweis: https://docs.langflow.org/concepts-playground ### Fehler erkennen Bedingt dokumentiert: Logs gehen standardmäßig auf stdout, mit Stufe ERROR als Standard; eine Datei lässt sich einstellen. Die Log-Abfrage per Endpunkt ist standardmäßig aus. Der MCP-Server beendet Werkzeugaufrufe nach 180 Sekunden. Eine Parser-Komponente kann fehlschlagen, wenn sie keine oder fehlerhafte Daten erhält. Eine Benachrichtigung bei Fehlern beschreiben die Seiten nicht. Nachweis: https://docs.langflow.org/logging Nachweis: https://docs.langflow.org/mcp-server Nachweis: https://docs.langflow.org/webhook ### Nach Fehlern fortsetzen Bedingt dokumentiert: Gespeicherte Versionen eines Ablaufs lassen sich wiederherstellen, optional mit Sicherung des aktuellen Entwurfs. Wurde ein Ablauf an anderer Stelle gespeichert, verweigert Langflow das Speichern und bietet Aktualisieren, Duplizieren oder Neuladen an. Das Fortsetzen eines unterbrochenen Laufs beschreiben die geprüften Seiten nicht. Nachweis: https://docs.langflow.org/concepts-flows ### Redaktionelle Einschätzung Du betreibst Langflow selbst und bist für Anmeldung, Datenbank und Logs verantwortlich. Stelle die Authentifizierung für Webhooks und MCP-Server bewusst ein und plane eigene Freigaben und Fehlerüberwachung ein. ## Gedächtnis und Gesprächskontinuität Geltungsbereich: Chat-Speicher der Agent-Komponente und der Message-History-Komponente Quellen abgerufen: 2026-11-05 Chatverläufe liegen standardmäßig in der Langflow-Datenbank, gruppiert nach Sitzungs-ID, und lassen sich im Playground einsehen, bearbeiten und löschen. ### Speicherort und Umfang Belegt: Standardmäßig speichert Langflow in einer SQLite-Datenbank, Nachrichten in der Tabelle messages. Mit LANGFLOW_DATABASE_URL lässt sich eine andere Datenbank einsetzen, auch nur für den Chat-Speicher. - [Langflow: Memory](https://docs.langflow.org/memory) ### Auswahl und Speicherzeitpunkt Teilweise belegt: Die Agent-Komponente hat einen Chat-Speicher, der standardmäßig aktiv ist, und holt eine begrenzte Zahl früherer Nachrichten; die Anzahl ist einstellbar, ein Standardwert steht nicht auf der Seite. Wie Inhalte für dauerhafte Erinnerung ausgewählt werden, beschreiben die Seiten nicht. - [Langflow: Agents](https://docs.langflow.org/agents) - [Langflow: Memory](https://docs.langflow.org/memory) ### Einsicht, Bearbeiten und Löschen Belegt: Im Playground öffnest du über die Optionen einer Sitzung das Nachrichtenprotokoll, bearbeitest oder löschst einzelne Nachrichten und löschst ganze Sitzungen. Die Bearbeitung ändert die Tabelle messages. - [Langflow: Playground](https://docs.langflow.org/concepts-playground) ### Agenten- und Kanalgrenzen Teilweise belegt: Verläufe sind nach Sitzungs-ID gruppiert; die Standard-ID ist die Ablauf-ID. Für mehrere Nutzer schlägt die Dokumentation eigene Sitzungs-IDs vor. Die Seite zeigt nicht, ob Nachrichten projektübergreifend getrennt sind. - [Langflow: Memory](https://docs.langflow.org/memory) ### Wiederabruf Belegt: Der Agent kann frühere Nachrichten derselben Sitzung abrufen. Die Komponente Message History liest Daten auch außerhalb eines Chats. Für semantische Suche über Sitzungen hinweg verweist die Seite auf eine Memory Base statt auf den Chat-Speicher. - [Langflow: Memory](https://docs.langflow.org/memory) ### Session-Reset und Compaction Teilweise belegt: Eine andere Sitzungs-ID, im Editor oder per API, startet eine getrennte Sitzung. Der Agent arbeitet laut Dokumentation mit einem rollierenden Kontextfenster je Sitzung. Eine Schaltfläche für neuen Chat oder eine Verdichtung beschreiben die geprüften Seiten nicht. - [Langflow: Playground](https://docs.langflow.org/concepts-playground) - [Langflow: Agents](https://docs.langflow.org/agents) ## Rahmen Ein Modellanbieter-Schlüssel und ein einzelner Ablauf zum Testen. Rollenbasierte Zugriffsrechte brauchen ein Plugin, das Langflow nicht mitbringt; ein MCP-Server ohne Authentifizierung ist öffentlich erreichbar. Website, Dokumentation, Blog und Repository des Anbieters geprüft. Eine Preisseite war nicht abrufbar. Funktionsbeschreibungen stammen vom Anbieter; Beispielaufträge sind redaktionell. Eigene Praxistests stehen aus. ## Offene Punkte Europa, Verfügbarkeit noch ungeklärt: - Europa: keine Angaben des Anbieters ## Quellen - https://github.com/langflow-ai/langflow - https://www.langflow.org - https://docs.langflow.org - https://docs.langflow.org/get-started-installation - https://docs.langflow.org/get-started-quickstart - https://docs.langflow.org/agents - https://docs.langflow.org/mcp-server - https://docs.langflow.org/mcp-client - https://docs.langflow.org/webhook - https://docs.langflow.org/memory - https://docs.langflow.org/concepts-flows - https://docs.langflow.org/concepts-playground - https://docs.langflow.org/authentication-overview - https://docs.langflow.org/deployment-overview - https://docs.langflow.org/logging - https://docs.langflow.org/environment-variables - https://docs.langflow.org/contributing-telemetry - https://www.langflow.org/blog/big-news-for-langflow - https://docs.datastax.com/en/langflow/index.html ## Anbieter Das Projekt wird im Repository langflow-ai/langflow unter MIT-Lizenz entwickelt. Der Blog nennt DataStax als Mutterfirma (Stand Februar 2025). - Betreiber: Langflow - Organisation: Open-Source-Projekt - Website: https://www.langflow.org - Stand: 2026-11-05 - Repository: https://github.com/langflow-ai/langflow - GitHub-Stars: 156355 (2026-11-05) - Lizenz: MIT - Anbieterquelle: https://www.langflow.org - Anbieterquelle: https://github.com/langflow-ai/langflow - Anbieterquelle: https://www.langflow.org/blog/big-news-for-langflow [Quellen und Methode](https://ki-agentenkompass.de/quellen/)