Plattform für den Bau eigener KI-Anwendungen — Chatbots, RAG-Pipelines, Agenten-Workflows mit visuellem Editor. Version 1.14.0 (29.04.2026). Sandbox kostenlos / Pro 59 USD / Team 159 USD pro Workspace/Monat.
Dify
Dify ist eine Plattform für den Bau eigener KI-Anwendungen — von einfachen Chatbots bis zu mehrstufigen Agenten-Workflows mit RAG, Tool-Calling und eigenem UI. Der Unterschied zu Zapier oder Make: Dify ist kein App-Verbinder, sondern eine Umgebung um LLM-basierte Produkte zu bauen. Self-Hosting ist möglich, Cloud-Version auch.
Wofür du das nutzt
- Eigenen KI-Chatbot mit eigenen Dokumenten bauen. Du lädst Seminar-Unterlagen, Skripte oder Lernmaterial hoch, Dify macht daraus eine durchsuchbare Knowledge Base. Dein Chatbot antwortet dann nur auf Basis deiner Quellen.
- RAG-Prototyp entwickeln. Dify hat alle RAG-Bausteine eingebaut: Chunking, Embedding, Retrieval, Reranking — ohne dass du selbst Vektordatenbanken konfigurieren musst.
- Agenten-Workflows testen. Mehrere LLM-Schritte hintereinander, mit Conditions und Tool-Calls — Dify macht das als visueller Workflow-Editor. Gut für Prototypen die zeigen sollen, was ein KI-Agent kann.
- Verschiedene Modelle vergleichen. Dify unterstützt dutzende LLM-Anbieter (OpenAI, Anthropic, Mistral, Google, Ollama) in einer Oberfläche. Du kannst denselben Chatbot mit verschiedenen Modellen testen ohne Code-Änderungen.
- Produktionsnahe LLM-Apps deployen. Dify bietet eingebettete Web-Widget-Links, API-Endpunkte und eine eigene Chat-UI — du kannst eine fertige Anwendung teilen ohne eigenes Frontend zu bauen.
Stärken im Detail
- Vollständige RAG-Pipeline out of the box. Vom PDF-Upload bis zur zitierten Antwort ist alles da — Chunking-Strategie wählbar, Embedding-Modell wählbar, Retrieval-Methode einstellbar. Für Studis die RAG verstehen wollen, ist das eine ausgezeichnete Lernumgebung.
- Self-Hosting mit Apache-2.0-basierter Lizenz. Dify Community Edition ist Open Source und kann auf eigenem Server betrieben werden — Daten verlassen deinen Server nicht. Lizenz erlaubt persönliche und kommerzielle Nutzung (kein Multi-Tenant-SaaS ohne Genehmigung).
- Visueller Workflow-Editor für Agenten. Trigger, LLM-Knoten, Tool-Knoten, Conditions, Loops — als Drag-and-Drop ohne Code. Für Builder-Studis der schnellste Weg von der Idee zum Demo.
- Modell-Unabhängigkeit. Du bist nicht an einen Provider gebunden — OpenAI heute, Ollama lokal morgen, Anthropic übermorgen. Der Rest des Flows bleibt unverändert.
Grenzen & wo's hakt
- Kein Tool für Nicht-Techniker. Dify richtet sich an Builder mit zumindest Basis-Technikkenntnissen. Wer einfach Apps verbinden will ohne LLM-Kontext, ist mit Zapier oder Make besser beraten.
- Sandbox-Tier sehr begrenzt. 200 Message Credits kostenlos — damit kannst du testen, aber keine echte Nutzung aufbauen. Pro startet bei 59 USD/Monat.
- Self-Hosting braucht Docker-Kenntnisse. Die Community Edition läuft als Docker-Compose-Stack — wer das noch nie gemacht hat, braucht einen halben Tag Einarbeitung.
- Produktions-Zuverlässigkeit erfordert Betriebsdisziplin. Self-Hosted Dify ist kein Set-and-Forget — Updates, Backups und Monitoring liegen bei dir. Ohne diese Basis-Ops laufen Anwendungen irgendwann in Probleme.
- Lizenz-Einschränkung für SaaS. Du darfst Dify nicht nutzen um selbst einen Multi-Tenant-KI-Dienst zu betreiben und zu verkaufen — ohne schriftliche Genehmigung von Dify.
Pricing (Stand 05/2026)
- Sandbox (kostenlos) — 200 Message Credits, 1 Team-Mitglied, 5 Apps, 50 Knowledge-Dokumente, 50 MB Speicher. Für erste Tests ausreichend.
- Professional (59 USD/Workspace/Monat) — 5.000 Credits/Monat, 3 Team-Mitglieder, 50 Apps, 500 Knowledge-Dokumente, 5 GB Speicher.
- Team (159 USD/Workspace/Monat) — 10.000 Credits/Monat, 50 Team-Mitglieder, 200 Apps, 20 GB Speicher.
- Enterprise — Custom Pricing, erweiterte Rollen, dedizierter Support.
- Self-Hosted Community Edition — kostenlos, kein Credit-Limit, volle Funktionalität (außer Enterprise-Features). Nur Infrastruktur-Kosten.
Praxis-Workflow
- Sandbox-Account anlegen. dify.ai → Registrieren → kostenloses Sandbox-Konto.
- Knowledge Base anlegen. 2–3 PDFs hochladen, Chunking-Strategie auf Standard lassen, Embedding-Modell wählen.
- Chatbot-App erstellen. "Create App" → "Chatbot" → Knowledge Base verknüpfen.
- Testen. Im eingebauten Chat: Fragen stellen die im Dokument beantwortet werden können. Checken ob die Quellen korrekt zitiert werden.
- Agenten-Steps ergänzen. Wenn der simple Chatbot funktioniert: "Workflow"-App erstellen, Agenten-Nodes und Tool-Calls dazugeben.
- Mit Composio oder n8n verbinden. Dify-API-Endpoint als Webhook-Ziel in n8n nutzen, oder Composio für externe App-Aktionen ansteuern.
Datenschutz (kurz)
Dify Cloud läuft auf Servern in den USA. Self-Hosting gibt dir vollständige Datensouveränität — nichts verlässt deinen Server. Die Community Edition sendet keine Telemetrie ohne Zustimmung. Für DACH-Studis gilt: Echte personenbezogene Daten, Klausurinhalte oder vertrauliche Projekt-Dokumente gehören entweder in eine Self-Hosted-Instanz oder gar nicht in KI-Systeme.