Das nächste große Ding, da sind sich Tech-Größen wie Bill Gates oder Sam Altman einig, sind KI-Agenten. Die gehen über Chatbots wie Claude oder ChatGPT hinaus, indem sie direkt auf verschiedene Datenquellen zugreifen, die dann wiederum von einer oder mehreren großen Sprachmodellen weiterverarbeitet werden. Am Ende steht dann ein vollständig oder zumindest in Teilen automatisierter Workflow.

Mittlerweile gibt es eine ganze Reihe an Tools und Frameworks, mit denen ihr eigene KI-Agenten bauen könnt. Eine besonders komfortable Möglichkeit dazu bietet Langflow. Mit Langflow könnt ihr eure Agenten nach Vorbild eines Flussdiagramms zusammenklicken. Programmierkenntnisse sind dafür nicht notwendig, wer mag, kann aber auch den zugrundeliegenden Code jederzeit bearbeiten.

Langflow war zunächst nur als Web-App verfügbar, die ihr wiederum entweder lokal ausführen oder als Cloud-Anwendung nutzen konntet. Seit Kurzem gibt es aber zumindest für macOS auch eine Desktop-App. Die befindet sich zwar noch in einer frühen Entwicklungsphase, funktionierte bei unseren Versuchen aber ohne Probleme.

KI-Workflows für eure Agenten baut ihr in Langflow, indem ihr vorgefertigte Blöcke in euer Projekt zieht und dann mit einem Klick miteinander verbindet. Auf die Art könnt ihr beispielsweise eine Datenbankabfrage starten, die dann wiederum auf Basis eines festgelegten Prompts per KI ausgewertet wird.

Zur Verfügung stehen euch dabei eine Vielzahl vorgefertigter Blöcke, die eurem Agenten Zugriff auf unterschiedliche Webdienste oder Fähigkeiten geben. Auch bei der Auswahl der gewünschten KI-Modelle stehen euch im Grunde alle bekannten Cloud-Anbieter – wie etwa OpenAI, Anthropic, Google oder xAI – zur Verfügung.

Aber auch lokale KI-Modelle lassen sich einfach einbinden. Dazu bietet Langflow vorgefertigte Brücken zu Ollama und LM Studio. Wer bereits auf lokal ausgeführte KI-Modelle mit einem der beiden Tools setzt, der muss im Grunde nur das entsprechende Modul auswählen, und kann sofort loslegen.

Zum Einstieg bietet euch Langflow eine ganze Reihe an Vorlagen an. Darunter beispielsweise ein „Research Agent“, der Informationen zu einem bestimmten Thema aus dem Web zusammensucht und dann in mehreren Schritten per KI aufbereitet. Oder aber ein KI-gestützter Finanzberater, der KI nutzt, um öffentlich zugängliche Unternehmensdaten für euch auszuwerten.

Indem ihr euch durch die Vorlagen klickt, bekommt ihr schnell einen Überblick, wie Langflow funktioniert. Wirklich ohne Änderungen ausprobieren könnt ihr aber vermutlich die wenigsten Vorlagen, da meist ein spezieller KI-Anbieter in die Vorlage integriert ist und ihr vermutlich nicht bei sämtlichen verfügbaren Cloud-Diensten über einen meist kostenpflichtigen API-Schlüssel verfügt.

Unser Tipp an der Stelle: Wer nicht auf lokale KI-Modelle setzt und zunächst nur ein wenig mit Langflow experimentieren möchte, der kann Googles Gemini-Modelle zu Testzwecken kostenfrei nutzen. Dazu müsst ihr lediglich einen API-Schlüssel über das Google AI Studio erzeugen. Anschließend könnt ihr Gemini 2.5 Flash und mit gemini-2.5-pro-exp-03-25 immerhin eine Variante von Gemini 2.5 Pro in Langflow einsetzen, ohne dafür bezahlen zu müssen.

Schon dank der Vorlagen ist es tatsächlich überraschend einfach, eigene KI-Workflows mit Langflow zu erstellen. Wenn euch die verfügbaren Komponenten nicht ausreichen, könnt außerdem auch eigene schreiben. Denn unter der Haube bestehen alle Komponenten aus Python-Code. Der könnt ihr auch direkt in Langflow anpassen – oder eben gleich eigene Komponenten für den Einsatz mit dem Tool erstellen.

Das Unternehmen hinter dem Open-Source-Tool arbeitet zudem an einem Community-Marktplatz. Darüber sollen Entwickler:innen zukünftig auch Komponenten teilen können.

Dieser Artikel wurde ursprünglich am 14.05.2025 veröffentlicht, interessiert jedoch immer noch sehr viele unserer Leser:innen. Deshalb haben wir ihn hier nochmals zur Verfügung gestellt.