Dify

Dieser Dify-Testbericht befasst sich damit, wofür Dify verwendet wird, welche Hauptfunktionen es bietet, wie die Preise für die Cloud- und die selbst gehostete Version von Dify aussehen, ob es produktionsreif ist, wo seine Stärken und Schwächen liegen und wie es im Vergleich zu anderen Tools abschneidet. Dify ist eine Open-Source-Low-Code-Plattform von LangGenius zur Erstellung von LLM-Anwendungen: Chatbots, KI-Agenten, Agenten-Workflows und RAG-Pipelines auf Basis Ihrer eigenen Wissensdatenbanken. Sie entwerfen die Logik auf einer visuellen Arbeitsfläche mit einer Drag-and-Drop-Oberfläche, wählen ein Modell aus verschiedenen KI-Modellen aus (OpenAI, Anthropic, Gemini, offene Modelle und mehr), verbinden Wissensdatenbanken und Tools und veröffentlichen das Ergebnis als Web-App, eingebettetes Chat-Widget oder API. Die Bereitstellung ist flexibel: Nutzen Sie Dify Cloud oder betreiben Sie die Plattform selbst gehostet mit Docker auf Ihren eigenen Servern.

Wofür wird Dify verwendet?

Dify wird verwendet, um KI-Agenten zu erstellen, Workflows zu entwickeln und LLM-Anwendungen bereitzustellen, ohne für jeden Schritt Code schreiben zu müssen. Typische Projekte sind Chatbots für den Kundensupport, die auf Basis einer Wissensdatenbank antworten, interne Assistenten, die Unternehmensdokumente durchsuchen, Pipelines zur Content-Generierung, Dokumentenextraktion und -klassifizierung sowie KI-Workflows, die APIs und andere Tools aufrufen. Teams nutzen es, um innerhalb eines Tages einen Prototyp einer Idee zu erstellen, Prompts mit verschiedenen Modellen zu testen und denselben Agenten oder Workflow über eine API in die Produktion zu überführen. Für viele Teams wird es zur Plattform, auf der alle KI-Agenten des Unternehmens angesiedelt sind.

Es eignet sich für zwei Gruppen. Nicht-technische Nutzer und Produktteams können Workflows anhand von Vorlagen erstellen und die grundlegenden Konzepte in wenigen Stunden erlernen. Entwicklungs- und Technikteams nutzen Dify als Backend für LLM-Anwendungen: Es übernimmt die Verarbeitung von Eingabeaufforderungen, die Datenabfrage, die Modellverwaltung, die Protokollierung und die API, während ihr eigener Code den Rest übernimmt. Laut VentureBeat läuft Dify auf mehr als 1,4 Millionen Rechnern, und Unternehmen wie Maersk und Novartis setzen auf seine kommerziellen Versionen.

Wichtigste Funktionen

• Workflow- und Chatflow-Canvas: Ein Drag-and-Drop-Editor, in dem Sie LLM-Knoten, Wissensabruf, Bedingungen, Schleifen, Iterationen, Code, HTTP-Anfragen und Tools miteinander verbinden, um komplexe Workflows und agentenbasierte Workflows zu erstellen. Sie können einen Workflow innerhalb eines anderen aufrufen.
• Agenten: Erstellen Sie KI-Agenten, die mithilfe von Tool-Aufrufen und Schlussfolgerungen entscheiden, welche Tools ausgeführt werden sollen – vom einzelnen Agenten bis hin zu Multi-Agenten-Systemen und autonomen Agenten innerhalb eines Workflows.
• Wissensdatenbanken und RAG-Pipelines: Laden Sie Dokumente hoch oder synchronisieren Sie Datenquellen wie Notion und Websites in Wissensdatenbanken, wählen Sie Einstellungen für Chunking und Embedding und führen Sie Abfragen mittels Vektor-, Volltext- oder Hybrid-Suche durch. Dify arbeitet mit mehreren Vektordatenbanken zusammen.
• Modellverwaltung: Verbinden Sie verschiedene KI-Modelle von zahlreichen Anbietern, einschließlich selbst gehosteter Modelle über Ollama oder andere OpenAI-kompatible Endpunkte, und wechseln Sie das Modell pro Knoten.
• Prompt-IDE und Debugging: Testen Sie Prompts, vergleichen Sie Modelle nebeneinander und lesen Sie Schritt-für-Schritt-Ausführungsprotokolle sowie Fehlermeldungen für jeden Knoten.
• Plugins und MCP: Ein Plugin-Marktplatz für Modelle, Tools und Erweiterungen sowie Unterstützung für MCP-Server, damit Agenten externe Tools nutzen können.
• Veröffentlichung und API: Veröffentlichen Sie die Anwendung als Web-App, binden Sie ein Chat-Widget ein oder rufen Sie jede App über eine REST-API auf. Mit Anmerkungen können Sie Antworten korrigieren, und mithilfe von Protokollen können Sie die Nutzung überwachen.
• Code-Knoten: Fügen Sie benutzerdefinierten Code in Python oder JavaScript hinzu, wenn die integrierten Knoten nicht ausreichen.

Preise für Dify

Dify Cloud bietet einen kostenlosen Tarif und zwei kostenpflichtige Tarife. Die folgenden Angaben stammen von der Dify-Preisseite vom September 2026.

• Sandbox-Tarif (kostenlos): 200 Nachrichten-Credits, 1 Mitglied, 5 Apps, 50 Wissensdokumente, 50 MB Wissensspeicher und 30 Tage Protokollierung.
• Professional: 59 $ pro Monat oder 590 $ pro Jahr. 5.000 Nachrichten-Credits pro Monat, 3 Mitglieder, 50 Apps, 500 Dokumente, 5 GB Speicherplatz und unbegrenzte Protokolle.
• Team: 159 $ pro Monat oder 1.590 $ pro Jahr. 10.000 Nachrichten-Credits pro Monat, 50 Mitglieder, 200 Apps, 1.000 Dokumente und 20 GB Speicherplatz.
• Selbst gehostete Community: kostenlos, mit allen Kernfunktionen aus dem öffentlichen Repository in einem Arbeitsbereich.
• Enterprise: Individuelle Preisgestaltung für selbst gehostete Bereitstellungen mit mehreren Arbeitsbereichen, SSO und dediziertem Support.

Die Nutzungsmetrik bei Dify Cloud sind Nachrichten-Credits. Diese decken Aufrufe der von Dify bereitgestellten Modelle ab; Sie können auch eigene API-Schlüssel von Anbietern hinzufügen und bezahlen diese Aufrufe dann direkt beim Modellanbieter.

Was bei den Kosten oft überraschend ist: Das Abonnement macht nur einen Teil der Rechnung aus. Die Modellnutzung mit Ihren eigenen Schlüsseln wird von OpenAI, Anthropic oder einem anderen Anbieter in Rechnung gestellt, und ressourcenintensive RAG-Anwendungen benötigen zudem Speicherplatz und Kapazität für Wissensabfragen. Selbst gehostetes Dify ist kostenlos im Betrieb, aber Sie zahlen für Server, Updates und Backups; für mehrere Arbeitsbereiche oder das Entfernen des Dify-Brandings ist eine kommerzielle Lizenz erforderlich.

Selbst gehostetes Dify: Bereitstellung und die Open-Source-Lizenz

Dify wird mit Docker Compose unter Linux, macOS oder Windows mit WSL 2 selbst gehostet. Die Mindestanforderungen betragen 2 CPU-Kerne und 4 GB RAM; die Einrichtung erfolgt über einen Git-Klon, das Kopieren einer Umgebungsdatei und docker compose up -d (Dify-Dokumentation). Für eine Produktionsbereitstellung fügen Teams eine verwaltete Datenbank, Objektspeicher und eine Vektordatenbank hinzu und planen, wie sie die Plattform auf neue Releases aktualisieren werden. Community-Unterstützung erfolgt über GitHub-Issues und das Forum.

Der Code wird unter einer modifizierten Apache-2.0-Lizenz veröffentlicht. Sie dürfen ihn kommerziell nutzen, allerdings gelten dabei zwei Bedingungen: Sie dürfen Dify ohne schriftliche Genehmigung nicht als Multi-Tenant-Dienst betreiben (ein Mandant entspricht einem Arbeitsbereich), und Sie dürfen das Dify-Logo oder den Copyright-Hinweis nicht aus der Konsole und den Apps entfernen. Damit handelt es sich eher um eine „Source-Available“-Lizenz als um eine Standard-Open-Source-Lizenz, was von Bedeutung ist, wenn Sie Dify an viele Kunden weiterverkaufen möchten.

Ist Dify produktionsreif für KI-Agenten und KI-Workflows?

Für die meisten internen Assistenten, Support-Chatbots und KI-Workflows ja. Dify bietet versionierte Apps, Protokolle, Anmerkungen, API-Zugriff mit Schlüsseln und Unternehmensoptionen wie SSO. In der Finanzierungsrunde vom März 2026 werden Maersk, ETS, Anker Innovations und Novartis als Nutzer genannt. Die Grenzen zeigen sich in großen, maßgeschneiderten Systemen: Code-Knoten laufen in einer Sandbox, die einige Bibliotheken blockiert, sehr große Arbeitsflächen werden schwer lesbar, und die Versionskontrolle ist in Dify integriert und nicht in Git. Testen Sie Ihre eigene Arbeitslast, einschließlich Spitzenauslastung und Dokumentenvolumen, bevor Sie sich festlegen.

Dify vs. Microsoft Copilot Studio

Microsoft Copilot Studio ist die Low-Code-Agentenplattform, die am häufigsten mit Dify verglichen wird. Mit beiden lassen sich KI-Agenten auf einer Arbeitsfläche erstellen, auf Wissensdatenbanken stützen und in Chat-Kanälen veröffentlichen. Copilot Studio eignet sich für Teams, die bereits mit Microsoft 365 arbeiten: Es lässt sich nativ mit SharePoint, Dataverse, Teams und Power Automate verbinden und läuft ausschließlich in der Microsoft-Cloud. Dify ist die offenere KI-Plattform: Sie wählen ein beliebiges Modell aus, können es selbst hosten, und jeder Agent oder Workflow ist gleichzeitig eine API für Ihre eigenen Apps. Entscheiden Sie sich für Copilot Studio, wenn sich die Daten und Nutzer in Microsoft Office befinden; wählen Sie Dify, wenn Sie Modellauswahl, benutzerdefinierten Code oder eine eigene Bereitstellung wünschen.

Wo Dify glänzt – und wo es Schwächen zeigt

Stärken:

• Eine visuelle Arbeitsfläche mit Drag-and-Drop-Bearbeitung für KI-Agenten, RAG- und LLM-Workflows in einem Arbeitsbereich.
• Funktioniert mit fast jedem Modellanbieter, einschließlich selbst gehosteter Modelle.
• Open-Source-Code, den Sie selbst hosten können, mit einer kostenlosen Community-Edition.
• Eine integrierte API, sodass Entwickler Dify als Backend für ihre eigene App nutzen können.

Nachteile:

• Eine steilere Lernkurve für nicht-technische Nutzer, sobald die Workflows an Umfang zunehmen.
• Die Lizenz schränkt die Multi-Tenant- und White-Label-Nutzung ein.
• Code-Knoten in der Sandbox schränken benutzerdefinierten Code ein, und große Arbeitsbereiche erschweren die Nachverfolgung komplexer Arbeitsabläufe.
• Die Modellkosten fallen zusätzlich zum Abonnement an.

Wie Dify im Vergleich abschneidet

• n8n: Workflow-Automatisierung mit KI-Knoten, stärker bei der Anbindung von Geschäftsanwendungen; Dify ist stärker bei RAG und Agent-Anwendungen.
• Voiceflow: Dialog-Agenten sowie Chat- und Sprachdesign für Kundensupport-Teams.
• Make und Zapier: No-Code-Automatisierung über Tausende von Apps hinweg, mit KI-Schritten anstelle eines vollständigen LLM-App-Builders.
• AI Builder: Microsofts KI-Funktionen für die Power Platform. Für Teams, die mit Microsoft 365 arbeiten, ist Copilot Studio der Agent-Builder von Microsoft und die am ehesten vergleichbare Lösung; Dify punktet bei der Modellauswahl und beim Selbsthosting, Copilot Studio bei Daten aus Microsoft Office und SharePoint.
• Landbot, Chatfuel und ChatBot: Chatbot-Generatoren für Websites und Messaging-Kanäle, einfacher als Dify, aber weniger flexibel.

Lohnt sich Dify?

Dify lohnt sich für Teams, die schnell KI-Agenten, RAG-Chatbots und LLM-Apps erstellen, verschiedene Modelle testen und sich dennoch die Option des Selbsthostings offenhalten möchten. Der kostenlose Sandbox-Tarif und die kostenlose Community-Edition ermöglichen einen kostengünstigen Einstieg. Als KI-Plattform für die Entwicklung von Agenten und Workflows ist es eine der umfassendsten offenen Optionen. Es eignet sich weniger, wenn Sie tiefe Integrationen mit vielen Geschäftsanwendungen benötigen (n8n oder Make sind einfacher), wenn Sie ein Multi-Tenant-SaaS auf Basis von Dify planen oder wenn Ihr Team den gesamten Stack lieber in Code schreiben möchte. Wenn Sie Hilfe beim Erstellen von KI-Agenten oder Workflows auf Dify benötigen oder das System selbst gehostet in der Produktion betreiben möchten, können die Low-Code-Agenturen und Entwickler auf LowCodeDevs diese Aufgabe übernehmen.

Quellen

• Dify-Preise: Tarife, Nachrichtenguthaben und Limits.
• Dify-Dokumentation: Docker-Compose-Bereitstellung: Systemanforderungen und Einrichtung.
• Dify-Lizenz: die modifizierten Apache-2.0-Bedingungen.
• Dify sammelt 30 Millionen Dollar ein, VentureBeat: Einsatzzahlen und namentlich genannte Kunden.
• Dify-Testbericht 2026, DEV Community: Ein sechsmonatiger Nutzerbericht (die Angaben zu „5.000 Workflow-Ausführungen“ und 10 GB für den Professional-Tarif weichen von der Preisseite ab, auf der 5.000 Nachrichtenguthaben und 5 GB aufgeführt sind).
• Die 7 besten Dify-Alternativen, Testbericht zu Gumloop und Dify AI, GPTBots: Vergleiche (verfasst von Mitbewerbern).