Dify
Eine quelloffene Plattform, um KI-Anwendungen zu bauen und zu betreiben: Chatbots, Assistenten und Workflows per Oberfläche zusammenstellen — inklusive Dokumenten-Wissen und Veröffentlichung als App oder API.
Eine quelloffene Plattform, um KI-Anwendungen zu bauen und zu betreiben: Chatbots, Assistenten und Workflows per Oberfläche zusammenstellen — inklusive Dokumenten-Wissen und Veröffentlichung als App oder API.
Für wen: Wer vom Prototyp zur echten, betreibbaren KI-Anwendung will, ohne alles selbst zu programmieren.
Installation
Per Docker Compose (Anleitung im Repo):
git clone https://github.com/langgenius/dify
cd dify/docker && cp .env.example .env
docker compose up -dDanach die lokale Adresse öffnen; Modelle lokal (Ollama) oder Cloud.
Erste Schritte
In Dify eine neue App anlegen (Chatbot oder Workflow), das Modell wählen, optional eigene Dokumente als Wissensbasis anbinden — und die App per Knopfdruck als Web-Chat oder API veröffentlichen. Aus der Idee wird so in Minuten ein nutzbares Werkzeug.
Plattformen: Docker
Im Detail
Dify ist eine Open-Source-Plattform (self-hosted via Docker) zum Bauen kompletter KI-Anwendungen über eine visuelle Oberfläche statt reinem Code. Anders als reine Flow-Builder wie Flowise oder Langflow bringt Dify direkt Bausteine für RAG (Dokumenten-Upload und Wissensdatenbanken), Prompt-Orchestrierung, mehrere LLM-Backends und fertige App-Veröffentlichung als Chat-Widget oder REST-API mit. Das macht es besonders für Teams interessant, die nicht nur experimentieren, sondern eine KI-Anwendung produktiv betreiben und Endnutzern zugänglich machen wollen. Wer volle Kontrolle über Infrastruktur und Daten will (z. B. wegen Datenschutz), profitiert vom Self-Hosting. Der Einstieg ist einfacher als bei n8n, aber bei komplexer Business-Logik jenseits von Chat/RAG stößt man schneller an Grenzen.
Voraussetzungen
- Docker für das Self-Hosting
- API-Zugang zu mindestens einem LLM-Backend
Beispiel aus der Praxis
Ein Team lädt seine internen Handbücher als Wissensdatenbank hoch und baut darüber einen Support-Chatbot, den es anschließend über die REST-API in die eigene Website einbindet – ohne dafür eigenen Code für RAG oder Prompt-Orchestrierung zu schreiben.
Praxis-Tipp
Für einen internen Support-Bot ein PDF-Handbuch als Wissensdatenbank hochladen und die App direkt als Chat-Widget in die eigene Website einbetten.
Stolperfallen
Der einfache Einstieg täuscht darüber hinweg, dass Dify bei Business-Logik jenseits von Chat und RAG schnell an Grenzen stößt – für komplexere Automatisierung ist ein Flow-Builder wie n8n oft passender. Wer Self-Hosting wegen Datenschutz wählt, sollte auch das angebundene LLM-Backend daraufhin prüfen, sonst verlassen die Daten trotzdem die eigene Infrastruktur.
Siehe auch
Lizenz & Quelle
Erfahrungen & Kommentare.
Funktioniert der Tool bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.
Lade Kommentare …
Passt dazu.
Flowise
Ein visueller Baukasten für KI-Anwendungen: Bausteine per Maus verbinden statt programmieren — vom einfachen Chatbot bis zum dokumentengestützten Assistenten.
Langflow
Ein visueller Editor für KI-Abläufe auf Basis von LangChain — Flüsse per Drag-and-drop bauen, testen und als API bereitstellen.
n8n
Workflow-Automatisierung zum Selbst-Hosten: Dienste, Daten und KI-Modelle per Baukasten verbinden — die Alternative zu Zapier, bei der alles auf dem eigenen Server bleibt.