Was Flowise ist
Flowise ist eine Open-Source-Plattform zum visuellen Bauen generativer KI-Anwendungen, LLM-Abläufe und Agenten. Ein Team verbindet Modelle, Prompts, Retriever, Dokumentenspeicher, Werkzeuge, APIs und Kontroll-Nodes auf einer Oberfläche und stellt das Ergebnis anschließend über Chat, Embed oder Prediction API bereit. Es läuft auf eigener Infrastruktur oder über Flowise Cloud.
Der Unterschied ist wichtig. Flowise ist eine Orchestrierungsschicht, kein Modell und keine vollständige Datenschutzgrenze. Ein Ablauf kann Daten an einen Modellanbieter senden, Embeddings in einer externen Vektordatenbank speichern, hochgeladene Dateien in lokalem oder Cloud-Objektspeicher aufbewahren, verbundene Geschäftssysteme aufrufen und Analysen anderswohin senden. Die visuelle Oberfläche erleichtert die Kombination; sie beseitigt weder Kosten, Rechte, Fehlerarten noch Bedingungen.
Agentflow V2 und Ablaufdesign
Agentflow V2 ist Flowises neuere native Orchestrierungsarchitektur. Eigenständige Nodes machen Verzweigungen, Schleifen, Iteration, LLM- und Werkzeugaufrufe, Retrieval, Agenten, Unterabläufe und Zustandsbewegung ausdrücklich sichtbar. Ein Supervisor kann an Worker-Agenten delegieren; Nodes können deklarierten Flow-Zustand lesen oder ändern. Die Plattform unterstützt außerdem MCP-Werkzeuge und Streaming über Server-Sent Events.
Human-in-the-Loop-Kontrollen sind für folgenreiche Arbeit nützlich. Ein Human-Input-Node kann die Ausführung für Freigabe oder Feedback pausieren und aus einem gespeicherten Checkpoint fortsetzen, auch nach App-Neustart. Einzelne Agentenwerkzeuge können vor Ausführung menschliche Eingabe verlangen. Diese Mechanismen reduzieren Risiko nur, wenn Prüfer genügend Kontext sehen, die Aktion verstehen und kein anderer Weg sie umgeht.
Machen Sie nicht jede Aufgabe zu einem autonomen Agenten. Nutzen Sie deterministische Nodes für feste Transformationen und Validierung, rufen Sie nur autorisierte Quellen ab, geben Sie Agenten eine enge Werkzeugliste und setzen Sie Freigabe vor irreversible Aktionen. Fixieren Sie Versionen und testen Sie Migrationen: Die Dokumentation bezeichnet Agentflow V1 als auslaufend; V2-Verhalten kann sich zwischen Releases ändern.
Cloud-Preise und reale Self-Hosting-Kosten
Die öffentliche Preistabelle von Flowise Cloud führt Starter für 35 US-Dollar monatlich mit unbegrenzten Flows und Assistenten, 10.000 Predictions pro Monat, 1 GB Speicher und Community-Support auf. Pro kostet 65 US-Dollar monatlich für 50.000 Predictions, 10 GB, unbegrenzte Workspaces, fünf Nutzer, Rollen und Rechte sowie Priority Support; zusätzliche Nutzer kosten je 15 US-Dollar monatlich. Enterprise ist individuell und wirbt mit On-Premises- oder Air-Gapped-Bereitstellung, SSO/SAML, LDAP/RBAC, Versionierung, Auditlogs, 99,99-Prozent-Uptime-SLA und persönlichem Support.
Das Community-Repository ist ein getrenntes Kostenmodell. Sein Quellcode wird als Apache-2.0-lizenziert beschrieben, Enterprise-Code als kommerziell. Self-Hosting vermeidet das Cloud-Abo, ergänzt aber Compute, Datenbank, Speicher, Load Balancing, Secrets, TLS, Backups, Upgrades, Monitoring, Incident Response und Personal. Modelltoken, Embeddings, Reranking, OCR, Vektorsuche, externe APIs und Egress können in beiden Varianten die Rechnung dominieren.
Vergleichen Sie Kosten pro genehmigtem Ergebnis, nicht nur pro Prediction. Lasttesten Sie realistische Dokumente und Parallelität, messen Sie Latenz und Modellwiederholungen und bepreisen Sie erfolgreiche wie fehlgeschlagene Ausführungen. Bestätigen Sie vertragliche Cloud- oder Enterprise-Ansprüche; beispielsweise ist die Evaluierungsfunktion als nur für Cloud und Enterprise dokumentiert.
Zugriffskontrolle und Risiko öffentlicher Flows
Die offizielle Flow-Autorisierungsseite enthält einen kritischen Standard: Nach Bau eines Chatflows oder Agentflows ist er öffentlich. Jeder mit seiner ID kann über Embed oder API Predictions ausführen, bis ein Flow-API-Key zugewiesen wird. Eine schwer erratbare ID ist keine Zugriffskontrolle.
Schützen Sie jeden nichtöffentlichen Flow, bevor Sie echte Zugangsdaten oder Dokumente ergänzen. Nutzen Sie Flow-Keys, Instanz-Authentifizierung, Netzwerkbeschränkungen, minimal berechtigte Dienstkonten, Origin-Kontrollen, Secret-Rotation, Anfragegrößenlimits und getestete Rate Limits. Flowise weist darauf hin, dass Proxykonfiguration IP-basierte Limits beeinflusst. Trennen Sie Build-, Test- und Produktionsinstanzen und verhindern Sie, dass ein eingebettetes Frontend ein wiederverwendbares Geheimnis offenlegt.
Die Prediction API unterstützt Sitzungsspeicher, Dateien, Streaming und Konfigurationsüberschreibungen. Dynamische Overrides sind aus Sicherheitsgründen standardmäßig deaktiviert; beschränken Sie sie auf eine Allowlist. Behandeln Sie Prompts, Uploads, abgerufenen Text, Webergebnisse und Connector-Inhalte als nicht vertrauenswürdig. Testen Sie Prompt Injection, Manipulation von Werkzeugargumenten, Datenexfiltration, sitzungsübergreifendes Gedächtnis, übergroße Dateien, Wiederholungsschleifen und Kostenerschöpfung.
Zugangsdaten, Speicher und Löschgrenzen
Flowise speichert API-Keys von Drittanbietern als verschlüsselte Zugangsdaten. Standardmäßig erzeugt und speichert es einen lokalen Verschlüsselungsschlüssel; die Dokumentation warnt, dass Änderung oder Neuerzeugung Zugangsdaten unentschlüsselbar machen kann. Produktionsteams brauchen stabiles Secret-Management und Rotation, beschränkten Dateisystemzugriff, eine getrennte Sicherung des Schlüssels und gegebenenfalls unterstütztes externes Secret-Management.
Die Standarddatenbank kann lokales SQLite sein, Produktionsbereitstellungen können PostgreSQL oder MySQL verwenden. Hochgeladene Dokumente, Bilder, Audio und andere Dateien können lokal oder im konfigurierten Objektspeicher liegen. Dokument-Embeddings können in einer separaten Vektordatenbank liegen. Das Löschen einer Flowise-Dokumentenspeicher-Konfiguration oder von Chunks löscht nicht zwingend Einträge im externen Speicher; ein vertretbarer Löschprozess muss App-Datenbank, Objektspeicher, Vektorindex, Logs, Backups, Modellanbieter und jedes verbundene System abdecken.
Flowises Datenschutzerklärung sagt, Cloud nutze unter anderem PostHog und Stripe, speichere Cloud-Daten in der Region US East und bewahre Informationen nach Bedarf auf; anonymisierte Daten können unbegrenzt bleiben. Bei Self-Hosting sende Flowise keine Metriken oder Daten. Das bedeutet nicht, dass ein selbst gehosteter Ablauf offline ist: gewählte Modell-, Vektor-, Analyse- und Connector-Dienste können weiterhin Daten erhalten.
Laut Bedingungen behalten Nutzer Eigentum an User Content und lizenzieren Flowise Hosting und Verarbeitung für Betrieb und Verbesserung; anonymisierte aggregierte Nutzung kann die Plattform verbessern. Öffentliche Seiten geben keine universelle detaillierte Zusage zu Prompt-Training und -Aufbewahrung über alle Cloud-Funktionen und Modellanbieter. Sensible Käufer sollten DPA, Unterauftragsverarbeiter- und Modellliste, Aufbewahrungsplan, Region, Löschzusagen, Incident-Bedingungen, Auditnachweise und No-Training-Zusagen im maßgeblichen Vertrag festhalten.
Fazit
Flowise ist eine leistungsfähige Brücke zwischen codeintensiven Agentenframeworks und geschlossenen No-Code-Produkten. Technische Teams können Retrieval- und Werkzeugssysteme visuell zusammenbauen, praktische APIs nutzen und einen Self-Hosting-Weg behalten. Die ausdrücklichen Kontrollen und menschlichen Checkpoints von Agentflow V2 sind besonders nützlich, wenn Abläufe über eine lineare Kette hinausgehen.
Die Flexibilität schafft Betriebsverantwortung. Wichtigster Bereitstellungsfakt ist, dass Flows ohne Schutz öffentlich per ID aufrufbar sind. Wichtigster Datenschutzfakt ist, dass Daten mehrere Dienste jenseits von Flowise durchqueren können. Beginnen Sie mit einem nicht sensiblen Read-only-Ablauf, schützen Sie ihn vor dem Verbinden von Zugangsdaten, erstellen Sie eine End-to-End-Datenkarte, testen Sie gegnerische Eingaben und Löschung und ergänzen Sie Werkzeuge sowie Autonomie erst bei funktionierendem Monitoring und verantwortlicher Freigabe.
