Flowise-Alternativen nach der Archivierung des Repositorys

Die gepflegten Alternativen zu Flowise sind Dify, n8n und Langflow – und der Grund für den Wechsel ist, dass das Flowise-Repository archiviert und schreibgeschützt ist, nicht dass die Software nicht mehr läuft. Beide Hälften dieses Satzes sind wichtig, denn die Abwicklung hat nicht alles auf einmal abgeschaltet: Das Open-Source-Projekt ist abgeschlossen, die veröffentlichten Pakete lassen sich weiterhin ohne Warnung installieren, und die gehostete Cloud veröffentlicht weiterhin Preise, ohne ein Enddatum anzugeben. Welche dieser drei Tatsachen auf Sie zutrifft, entscheidet, ob dies eine dringende oder eine geplante Migration ist.

Zwei Namensverwechslungen müssen zunächst geklärt werden. flowise.io ist ein völlig anderes Unternehmen – eine Beratung für Arbeitsmanagement –, daher beziehen sich dort gefundene Preise auf dieses Unternehmen. Und Langflow ist nicht Flowise: nahezu identischer Name, ähnliches Canvas, aber eine völlig andere Geschichte hinsichtlich Eigentümerschaft, Lizenz und Hosting. Übertragen Sie keine Tatsache vom einen auf das andere.

Was tatsächlich eingestellt wurde – und was nicht

Der Anbieter veröffentlichte eine Meilensteintabelle auf seiner Sunset-Seite, und der angegebene Grund ist es wert, zitiert statt paraphrasiert zu werden: „Entwickler verlassen sich zunehmend auf neue Coding-Agents wie Claude Code/OpenClaw, um komplexe Aufgaben zu erledigen. Der typische starre Low-Code-Ansatz stößt bei Komplexität schnell an seine Grenzen.“ Die Meilensteine sind der 29. Juli 2026 für Ankündigung und Code-Freeze, die Archivierung des Repositorys im August und der 31. August 2026 für das Ende der offiziellen Präsenz des Kernteams.

Das Archivierungsdatum weicht zwischen zwei offiziellen Quellen ab. Die Sunset-Tabelle nennt den 10. August 2026; sowohl der Diskussions-Thread „The Future of Flowise“ als auch der letzte Push des Repositorys sind auf den 13. August 2026 datiert. Verwenden Sie für Ihre eigenen Aufzeichnungen den 13. August und vermerken Sie, dass die Anbieterseite etwas anderes angibt.

Eine Korrektur zur Lizenz, bevor jemand forkt. In der Ankündigung heißt es: „Der unter Apache 2.0 lizenzierte Code kann von Ihnen weiterentwickelt werden“, aber LICENSE.md nimmt alles unter packages/server/src/enterprise sowie Dateien mit ausdrücklichem Urheberrechtshinweis aus; diese unterliegen einer kommerziellen Lizenz, die für die Nutzung in der Produktion ein gültiges Enterprise-Abonnement erfordert und die Weiterverbreitung verbietet. Ein Fork ist Apache 2.0 abzüglich dieses Verzeichnisses – von einem Anbieter, der seine Tätigkeit einstellt. Unter dem eigenen Namen des Projekts ist kein Nachfolger aufgetaucht: Eine GitHub-Repository-Suche, beschränkt auf Repositories mit „flowise“ im Namen, die seit dem 20. August 2026 gepusht wurden, liefert nichts mit mehr als einem Stern. Ein in etwas anderes umbenannter Fork würde in dieser Suche nicht erscheinen; lesen Sie das daher als „kein offensichtlicher Nachfolger“, nicht als Beweis, dass es keinen gibt.

Welche Alternative zu welchem Flowise-Workflow passt

Wählen Sie nach der Form dessen, was Sie bereits erstellt haben, nicht nach der Anzahl der Sterne. Alle drei unten wurden am 19. September 2026 geprüft und sind aktiv; bei allen gab es am 18. September Pushes.

Langflow bringt seine eigene Warnung mit, und es ist dieselbe Warnung, die Flowise gerade geliefert hat. Es wurde im April 2024 von DataStax übernommen, IBM kündigte im Februar 2025 seine Absicht an, DataStax zu übernehmen, und das gehostete Angebot ist bereits verschwunden – eine DataStax-Versionsnotiz vom 9. April 2026 lautet: „DataStax Langflow aus Astra entfernt. Als Alternative können Sie Langflow OSS verwenden.“ Heute lässt sich Langflow installieren als Desktop-App, Docker-Image, Python-Paket oder aus dem Quellcode; die Seitennavigation enthält keine Preisseite. Wählen Sie es wegen des MIT-lizenzierten Codes, den Sie selbst hosten, nicht wegen eines Anbieters, von dem Sie Hosting kaufen können.

Was migriert wird, was nicht und wie Sie zurückgehen

Flowises Exporter-Quellcode definiert genau fünfzehn Datensatztypen: Agent-Flows (beide Generationen), vier Arten von Assistenten, Chat-Flows, Chat-Nachrichten, Nachrichtenfeedback, benutzerdefinierte Vorlagen, Dokumentenspeicher, Dateiblöcke von Dokumentenspeichern, Ausführungen, Tools und Variablen. Die Routen stellen export, import und chatflow-messages als zugriffsbeschränkte POST-Endpunkte bereit, sodass ein Dump des gesamten Arbeitsbereichs skriptgesteuert statt per Klick erstellt werden kann.

Drei Grenzen bestimmen, wie lange dies dauert.

• Anmeldedaten werden nicht übertragen. Der offizielle Leitfaden zur Cloud-Migration sagt dies direkt: „Anmeldedaten werden nicht exportiert. Sie müssen neue Anmeldedaten erstellen und diese in den Flows und Assistenten verwenden“ – und der Exporter bestätigt es: Das Wort credential erscheint in dieser Datei null Mal. Jeder Schlüssel, jedes Datenbankpasswort und jedes OAuth-Token muss manuell erneut eingegeben werden.
• IDs bleiben erhalten, URLs ändern sich. Derselbe Leitfaden weist darauf hin, dass exportierte IDs unverändert bleiben; eine Anwendung, die einen Flow anhand der ID aufruft, muss daher nur ihre Basis-URL aktualisieren. Das ist der einzige Umstand, der einen Wechsel von Flowise zu Flowise kostengünstig macht – und beim Wechsel zu einem anderen Produkt bringt er Ihnen nichts.
• Nichts in diesen drei Repositories liest das Format. Eine GitHub-Codesuche über langgenius/dify, n8n-io/n8n und langflow-ai/langflow liefert in keinem davon Treffer für „flowise“; keines der drei Produkte enthält also einen Importer oder Konverter. Die Suche umfasst den indizierten Standard-Branch, nicht Plugins von Drittanbietern. Verwenden Sie den Export als schriftliche Spezifikation und erstellen Sie jeden Flow neu.

Erstellen Sie davor eine Momentaufnahme des Zustands. Bei einer standardmäßigen selbst gehosteten Installation befindet sich die SQLite-Datenbank unter ~/.flowise und der Blob-Speicher unter ~/.flowise/storage, gemäß der Referenz der Umgebungsvariablen – der Schlüssel zur Verschlüsselung der Anmeldedaten liegt jedoch außerhalb der Datenbank; ohne ihn sind diese Anmeldedaten dauerhaft verloren.

# Default self-hosted layout: the SQLite database and the blob storage
# folder both live under one directory. Snapshot it before you touch anything.
cp -a ~/.flowise ~/flowise-backup-$(date +%F)

# The encryption key is NOT inside that database. If it does not travel with
# the data, every stored credential is unrecoverable.
#   SECRETKEY_STORAGE_TYPE  local | aws
#   SECRETKEY_PATH          default: Flowise/packages/server
#   FLOWISE_SECRETKEY_OVERWRITE  replaces the file-based key entirely

# Pin the final release rather than tracking a floating tag, so a future
# registry change cannot move the image under you.
docker pull flowiseai/flowise:3.1.4

Ein Rollback ist dann einfach – genau deshalb sollte es zuerst erfolgen: Lassen Sie den alten Stack bestehen, aber inaktiv, statt ihn zu löschen, bis die Ersatzlösung Ihren echten Datenverkehr einen vollständigen Abrechnungszyklus lang verarbeitet hat, und rotieren Sie die vom alten Stack gehaltenen Schlüssel erst nach dessen Außerbetriebnahme.

Was die Ersatzlösungen kosten und wohin das Geld tatsächlich fließt

Zwei Hinweise zu dieser Tabelle. Dify und n8n rendern serverseitig nur ihre Werte für jährliche Abrechnung; die monatlichen Umschalter sind clientseitig, und diese Zahlen wurden nicht erfasst – leiten Sie daraus daher keinen monatlichen Preis ab. Und die Zeile zu Flowise Cloud beschreibt hier den Markt, ist keine Kaufempfehlung – es handelt sich um einen bepreisten Tarif auf einer Website, deren eigenes Banner eine Sunset-Ankündigung enthält.

Jeder dieser Preise kauft den Builder. Die Modell-Token werden separat an dem Endpunkt abgerechnet, auf den Sie verweisen, und machen bei realem Volumen den größten Anteil aus. Nehmen Sie die selbst veröffentlichte Quote des Starter-Tarifs als Ausgangspunkt: 10,000 Antworten in einem Monat, wobei jede Antwort voraussichtlich 8,000 Eingabe-Token für Prompt plus abgerufenen Kontext sendet und 600 Ausgabe-Token zurückgibt. Diese Annahmen sind beispielhaft und nicht gemessen; die Preise sind die aktuellen Preise des Kunavo-Katalogs pro einer Million Token.

Dies ist Token-Arithmetik, keine gemessenen Aufgabenkosten und keine Abrechnungshöchstgrenze. Die entscheidende Aussage: Unter diesen Annahmen reicht die Modellposition von ungefähr $77 bis $231 pro Monat gegenüber einem Plattformabonnement von $35; daher ist „Welcher Builder ist am günstigsten?“ selten die erste Frage. Die Modellauswahl und die Promptgröße verändern die Rechnung stärker als die Plattform. Ein weiterer separat einzuplanender Posten: Eine Retrieval-App bettet Dokumente bei der Aufnahme ein und fragt sie beim Lesen ab, und Kunavo stellt kein Embedding-Modell bereit – dieser Schritt läuft lokal oder über einen externen Anbieter und wird dort, nicht hier, abgerechnet.

Der Katalogbetrag von Kunavo ist eine Abrechnungsuntergrenze und keine Obergrenze: Wenn der Upstream seine Kosten meldet, entspricht die Rechnung dem höheren Wert aus den Katalogkosten und den Upstream-Kosten multipliziert mit dem anwendbaren Aufschlag. Die Mindestaufladung beträgt $10 als Prepaid-Guthaben; dies ist ein Mindestbetrag zur Finanzierung, keine Gebühr pro Aufgabe und kein Abonnement – siehe Abrechnungsdetails. Nachdem Sie einen Builder ausgewählt haben, erstellen Sie ein Kunavo-Konto und folgen Sie der Referenz zu Chat Completions für Basis-URL und Schlüssel-Format. Das allgemeine Muster, das alle drei Builder verwenden, finden Sie unter OpenAI-kompatible API; für die Retrieval-Seite unter RAG-Implementierung.

Wenn Sie vorerst bei Flowise bleiben, korrigieren Sie zuerst die Modellliste

Flowises OpenAI-kompatible Route ist weiterhin im letzten Release vorhanden, und im Quellcode enthält sie weder eine Lizenz- noch eine Tarifprüfung: Der ChatOpenAI-Knoten wird im Apache-2.0-packages/components-Baum ausgeliefert, außerhalb der packages/server/src/enterprise-Ausnahme. Öffnen Sie im ChatOpenAI-Knoten Additional Parameters und setzen Sie Base Path (Feldname basepath, beschrieben als Überschreibung der standardmäßigen Basis-URL) und optional Base Options, ein JSON-Objekt mit Standard-Headern. Im Quellcode des Knotens werden diese direkt auf den Client als baseURL und defaultHeaders abgebildet. Der API-Schlüssel wird als gewöhnlicher ChatOpenAI-Zugangsnachweis hinterlegt.

Die Falle ist der Modellname. Im normalen ChatOpenAI-Knoten ist er ein asynchrones Optionsfeld, das von einer listModels-Methode geladen wird, die eine models.json-Datei liest – niemals den eigenen GET /v1/models-Endpunkt. Die Standardquelle ist eine Raw-Datei im Main-Branch des archivierten Repositorys; daher ist dieses Dropdown nun dauerhaft eingefroren: Bei der Prüfung am 19. September 2026 reichte es bei Anthropic bis claude-opus-4-7 und bei OpenAI bis gpt-5.5 und wird nie einen neueren Namen erhalten. Wenn Sie nur Base Path setzen, wählen Sie weiterhin aus einer Liste, die im August nicht mehr aktualisiert wurde.

Zwei dokumentierte Auswege. Verwenden Sie den separaten ChatOpenAI Custom-Knoten, dessen Model Name ein Freitextfeld ist und der denselben Base Path und dieselben Base Options übernimmt; oder setzen Sie MODEL_LIST_CONFIG_JSON auf Ihre eigene Datei oder URL, wodurch die Quelle des Dropdown-Menüs global ersetzt wird.

{
  "chat": [
    {
      "name": "chatOpenAI",
      "models": [
        {
          "label": "claude-sonnet-4-6",
          "name": "claude-sonnet-4-6",
          "input_cost": 0.0000021000,
          "output_cost": 0.0000105000
        },
        {
          "label": "claude-haiku-4-5",
          "name": "claude-haiku-4-5",
          "input_cost": 0.0000007000,
          "output_cost": 0.0000035000
        }
      ]
    }
  ]
}

Drei Einschränkungen auf diesem Weg, alle am 19. September 2026 direkt aus den Quellen gelesen. Der Custom-Knoten führt eine Deny-List-Prüfung gegen den Base Path durch, und die standardmäßige Deny-Liste blockiert unter anderem localhost, 127.0.0.0/8, 10.0.0.0/8, 172.16.0.0/12, 192.168.0.0/16, 169.254.0.0/16, ::1 und fc00::/7 mit „Access to this host is denied by policy“ — ein öffentlich erreichbarer HTTPS-Endpunkt ist davon nicht betroffen, ein Proxy auf localhost oder einer LAN-Adresse hingegen schon, und HTTP_SECURITY_CHECK und HTTP_DENY_LIST steuern dieses Verhalten. Der einfache ChatOpenAI-Knoten führt diese Prüfung nicht durch. Außerdem hat das Anthropic-Messages-Protokoll auf dem Knoten, der es spricht, kein Base-URL-Feld: das Verzeichnis der Chat-Model-Knoten enthält einen Anthropic-Messages-Knoten, ChatAnthropic, und dessen Quellcode definiert keine Eingabe für Base-URL, Base-Path oder API-URL. Über diesen Knoten ist ein Anthropic-Messages-Endpunkt daher nicht adressierbar und muss stattdessen über den OpenAI-kompatiblen Weg genutzt werden — siehe die Dokumentation zur Anthropic-Basis-URL, um zu sehen, wo dieses Protokoll verfügbar ist. Eine dokumentarische Eigenheit beim Lesen: Die offizielle Seite mit dem Titel „ChatOpenAI“ wird über einen URL-Slug ausgeliefert, der „azure“ enthält, und ist die maßgebliche Base-Path-Referenz für den einfachen Knoten, nicht Azure-Dokumentation.

Ein Vorbehalt zu all dem, in derselben Weise formuliert wie das Verzeichnis der KI-Agent-APIs: Kunavo hat Flowise, Dify, n8n oder Langflow nicht zur Laufzeit gegen seinen Endpunkt getestet. Jede Konfigurationsaussage hier wurde aus der Dokumentation des Anbieters und dem Repository-Quellcode übernommen, nicht Ende-zu-Ende gemessen. Halten Sie eine funktionierende Route bereit, führen Sie eine begrenzte Aufgabe aus und lesen Sie die Belastung, die Ihr eigenes Konto dafür aufgezeichnet hat.

Eine gestaffelte Umstellung, die Sie rückgängig machen können

1. Sichern Sie das Datenverzeichnis und den Verschlüsselungsschlüssel wie oben und pinnen Sie das Image auf 3.1.4.
2. Exportieren Sie jetzt jeden Workspace, solange die Instanz läuft. Wenn Cloud Ihre Bereitstellung ist, tun Sie dies zuerst — es ist keine Exportfrist veröffentlicht, was nicht dasselbe bedeutet wie eine nicht vorhandene Frist.
3. Notieren Sie sich vor jeder Rotation jedes Zugangsdaten und wofür es verwendet wird. Keines davon wird übernommen.
4. Bauen Sie im Zielsystem einen repräsentativen Flow manuell nach, und zwar nur einen. Dabei erfahren Sie, was das Zielsystem nicht ausdrücken kann.
5. Betreiben Sie beide Stacks mit denselben Eingaben und vergleichen Sie die Ausgaben über einen Zeitraum, den Sie im Voraus festlegen.
6. Leiten Sie den Datenverkehr um. Lassen Sie den alten Stack für einen vollständigen Abrechnungszeitraum stillgelegt, aber nicht gelöscht, bestehen.
7. Nehmen Sie den alten Stack außer Betrieb und rotieren Sie anschließend die Schlüssel, die er enthielt.

Wenn die Schlussfolgerung aus Schritt 4 lautet, dass Sie überhaupt keinen visuellen Builder benötigen — genau das war der vom Anbieter selbst genannte Grund für die Einstellung —, dann ist der lesenswerte Vergleich KI-Gateway und KI-Kostenoptimierung statt einer weiteren Zeichenfläche.

Häufig gestellte Fragen

Für diese Seite am 19. September 2026 direkt gelesen: die Flowise-README, models.json, LICENSE.md, die Quellen der Knoten ChatOpenAI, ChatOpenAI Custom und ChatAnthropic, der Quellcode des Export-Import-Dienstes, das Dokument im npm-Registry, das Dokument des Docker-Hub-Repositorys, flowiseai.com und flowiseai.com/sunset. Am 21. September 2026 erneut geprüft: das Archiv-Flag und das Datum des letzten Pushs, der Ankündigungs-Thread, der Repository-Status, die Releases und Lizenzen von Dify, n8n und Langflow, die Preisseiten von Dify und n8n, die DataStax-Astra-Release-Note, die Flowise-Nutzungsbedingungen sowie die Anthropic-Zugangsdaten- oder Komponentendefinitionen in n8n, Dify und Langflow. Die Star-Zahlen wurden am 19. September gelesen und ändern sich täglich. Die Kunavo-Tokenpreise stammen aus dem Live-Katalog, und jeder Dollarbetrag im durchgerechneten Beispiel ist eine beispielhafte Token-Arithmetik.