Was ist Dify?

Dify ist eine Open Source Plattform für die visuelle Entwicklung von Agentic AI Workflows, RAG Pipelines und Production grade LLM Anwendungen. Anstatt für jede KI Anwendung Boilerplate Code zu schreiben, verbinden Teams in Dify per Drag and Drop auf einer Canvas Modelle, Wissensquellen, Tools und Logik zu produktionsreifen Workflows.

Die Plattform ist 2023 von Luyu Zhang in Sunnyvale gegründet worden, läuft inzwischen auf über 1,4 Millionen Maschinen weltweit und gehört zu den meistgesternten Open Source Repositories auf GitHub. Mehr als 2000 Teams und 280 Unternehmen wie Maersk, ETS oder Novartis bauen auf der kommerziellen Edition.

Im Kern bringt Dify einen Workflow Builder, einen Prompt IDE, eine RAG Pipeline, ein Agent Framework und LLMOps Funktionen unter eine Oberfläche. Die fertigen Workflows lassen sich als API oder als MCP Server publizieren und in eigene Backends integrieren.

Wir bei NCA beobachten Agentic AI Plattformen seit ihrem Aufstieg 2024 und ordnen sie für unsere Kunden ein. Dify gehört dabei zu den ausgereiftesten visuellen Workflow Buildern und ist ein häufiger Kandidat in unseren Beratungsprojekten, wenn Teams ihre Idee schnell vom Prototyp in ein verlässliches Production Setup bringen wollen.

Unsere Stärke liegt in der Einordnung: wir helfen euch zu entscheiden, ob Dify oder unser LangChain Setup, LlamaIndex für RAG oder direkt unser eigener Stack mit Ollama und Paperclip der richtige Weg ist. Begleitend bieten wir Vibe Coding Consulting, DSGVO konformes Hosting und die Anbindung an bestehende PHP und Symfony Systeme aus einer Hand.

Dify denkt eine KI Anwendung als Workflow. Auf einer visuellen Canvas werden Knoten gezogen: ein LLM Call für die Klassifikation, ein Knowledge Lookup in der eingebauten RAG Pipeline, eine Verzweigung mit Condition, ein Tool Call gegen eine externe API, ein zweiter LLM Call für die Antwort. Jeder Knoten ist konfigurierbar, jedes Modell austauschbar.

Unterstützt werden Hunderte LLMs von OpenAI über Anthropic, Mistral, Llama 3 bis zu jedem OpenAI kompatiblen Endpoint, also auch lokal gehostete Modelle über Ollama oder vLLM. Genau dieser Mix aus Provider Auswahl und visueller Komposition macht Dify in Kombination mit europäischen Modellen und gehosteter Inferenz spannend für DSGVO sensible Projekte.

Wichtige Bausteine sind die Knowledge Base mit Konnektoren für PDF, DOCX, CSV und Web Crawler, der Prompt IDE für strukturierte Iterationen, das Agent Framework mit ReAct und Function Calling sowie das LLMOps Dashboard für Logs, Annotationen und Cost Tracking. Workflows lassen sich als REST API, Web App, eingebetteter Chat oder MCP Server publizieren.

Dify deckt mit einer einzigen Plattform die ganze Bandbreite von einfachen Chatbots bis zu komplexen Multi Agent Systemen ab. Die folgenden vier Stufen helfen, die richtige Konfiguration für den eigenen Use Case zu finden und zeigen, wie die Komplexität schrittweise wächst.

Dify ist kein Spielzeug mehr. Die Plattform wird in Production gefahren, hat ihre Series Pre A Finanzierung über 30 Millionen Dollar im März 2026 abgeschlossen und führt aktiv Features für Enterprise Workflows ein. Audit Logs, RBAC, SSO, Cross Workspace Collaboration und DSL Export für Workflows gehören zum Standard der kommerziellen Edition.

Die Community Edition ist Apache 2.0 lizenziert mit Einschränkungen für die kommerzielle Nutzung als Multi Tenant SaaS. Für interne Tools, eigene Production Setups oder Beratungsprojekte ist sie ohne Lizenzkosten nutzbar. Für regulierte Branchen empfehlen wir die On Premise Variante mit eigenem Hosting, default direkt über Ollama für Inferenz, bei Bedarf gehostete Inferenz über unseren Partner Conversis in Duisburg.

Was Dify nicht ersetzt: tiefe Code Integration in bestehende Backends, komplexe Custom Tools mit individueller Business Logik und Spezial Pipelines mit hohem Custom Code Anteil. Für solche Fälle bleibt die Kombination aus LangChain mit selbst geschriebenem Code oft die robustere Wahl.

Dify ist geeignet für Teams, die schnell MVPs für KI Anwendungen bauen wollen, für internen RAG basierten Wissens Self Service, für Customer Support Bots mit Eskalationspfaden, für Business Workflows mit klarer Struktur wie Invoice Auditing, Document Review oder Korrespondenz Drafting. Auch für gemischte Teams aus Entwicklern und Fachabteilungen funktioniert die visuelle Canvas gut, weil sie ein gemeinsames Verständnis schafft.

Dify hat Stärken bei Visualisierung komplexer Logik, schnellem Onboarding neuer Team Mitglieder, der Auswahl zwischen vielen Modellen ohne Code Änderung und Multi Tenant Setups mit Workspace Trennung. Die eingebaute LLMOps Schicht spart eigenes Monitoring aufzubauen.

Wir helfen Teams Dify einzuordnen, wenn es eng wird: bei sehr komplexer Custom Business Logik, bei Hochlast Szenarien mit 10000 plus Nutzern pro Org, bei tiefer Integration in bestehende PHP und Symfony Stacks oder wenn maximale Performance gefragt ist. Hier vergleichen wir Dify im Beratungsprojekt mit code first Frameworks und entscheiden gemeinsam pro Use Case.

Wir bei NCA setzen Dify nicht in unserer eigenen Production ein, sondern beraten und bewerten die Plattform für Kunden. In Beratungsprojekten sehen wir Dify regelmäßig als ersten Prototyp, der dann entweder zur kommerziellen Edition skaliert oder in einen code first Setup mit LangChain migriert wird, wenn die Anforderungen wachsen.

Was uns an Dify gefällt: die Geschwindigkeit, mit der Teams ihre erste KI Idee validieren können. Was wir kritisch begleiten: die Tendenz, bei wachsender Komplexität immer mehr Custom Code in Knoten zu packen, bis der Vorteil der visuellen Komposition verloren geht. Bei diesem Punkt setzen wir mit Vibe Coding Consulting und konkreter Refactoring Begleitung an.

Wenn du Dify für ein konkretes Projekt evaluierst und nicht sicher bist, ob die Plattform euren Use Case bis in die Production trägt, sprechen wir gerne kurz darüber. Ein Vergleich gegen LlamaIndex, Paperclip oder eine maßgeschneiderte Symfony Integration klärt oft schnell, wo die richtige Antwort liegt.

Antworten auf die Fragen, die uns in Beratungsprojekten zu Dify am häufigsten gestellt werden.