LangGraph ist ein Open-Source-Framework für die Orchestrierung von KI-Agenten, entwickelt vom US-Unternehmen LangChain. Es beschreibt Agenten-Abläufe als Graphen aus Knoten und Kanten, speichert jeden Zwischenzustand dauerhaft und macht damit aus experimentellen KI-Skripten kontrollierbare, wiederaufsetzbare Geschäftsprozesse.
Seit dem Release der Version 1.0 im Oktober 2025 ist LangGraph das Fundament des LangChain-Ökosystems und nach Downloadzahlen eines der meistgenutzten Agenten-Frameworks weltweit. Produktiv im Einsatz ist es unter anderem bei Uber, LinkedIn und Klarna.
Was LangGraph anders macht
Einfache KI-Agenten folgen einer Schleife: Modell aufrufen, Werkzeug nutzen, wiederholen. Das funktioniert für Demos — und bricht in der Praxis, sobald ein Prozess zwanzig Schritte hat, ein API-Aufruf fehlschlägt oder ein Mensch zwischendurch freigeben muss.
LangGraph löst das mit drei Kernkonzepten:
- Graph statt Schleife: Der Ablauf wird explizit modelliert — welcher Schritt wann kommt, wo verzweigt wird, wann abgebrochen wird. Das macht Agenten-Verhalten vorhersagbar und prüfbar.
- Persistenter Zustand: Jeder Zwischenschritt wird gespeichert (Checkpointing). Stürzt ein Prozess ab oder pausiert tagelang, läuft er an derselben Stelle weiter statt von vorn.
- Human-in-the-Loop: Der Graph kann an definierten Punkten anhalten und auf menschliche Freigabe warten — etwa bevor ein Agent eine E-Mail versendet oder eine Bestellung auslöst.
Dazu kommen Streaming für Echtzeit-Ausgaben, Langzeit-Memory über Sitzungsgrenzen hinweg und Multi-Agenten-Setups, in denen ein Supervisor-Agent Teilaufgaben an Spezialisten verteilt — das Kernthema der KI-Orchestrierung.
Preise und Lizenz
Das Framework ist MIT-lizenziert und kostenlos, auch kommerziell. Bezahlt wird an anderer Stelle: für die LLM-Aufrufe der Agenten (OpenAI, Anthropic, Mistral oder ein lokales Modell) und optional für LangSmith, die Betriebsplattform von LangChain für Monitoring, Auswertung und Hosting. Dort ist der Developer-Plan gratis (1 Sitz), der Plus-Plan kostet 39 US-Dollar pro Sitz und Monat, Enterprise-Konditionen gibt es auf Anfrage. Das frühere Hosting-Angebot „LangGraph Platform” wurde 2025 in LangSmith Deployment umbenannt — ältere Artikel verwenden noch beide Namen.
Datenschutz und DSGVO
LangGraph selbst ist unkritisch: Es ist Code, der dort läuft, wo Sie ihn installieren — im eigenen Rechenzentrum, bei einem EU-Hoster oder On-Premise. Die datenschutzrechtliche Frage verlagert sich auf zwei Punkte: Welches Sprachmodell rufen die Agenten auf, und wohin fließen die Betriebsdaten? Mit einem lokal betriebenen Open-Source-Modell bleibt alles im Haus; bei US-Modellanbietern gelten die üblichen Anforderungen an Auftragsverarbeitung. Für LangSmith bietet LangChain eine EU-Instanz an, im Enterprise-Plan auch Self-Hosting. Wer Observability komplett vermeiden will, betreibt LangGraph schlicht ohne LangSmith.
LangGraph, CrewAI oder n8n?
| Kriterium | LangGraph | CrewAI | n8n |
|---|---|---|---|
| Ansatz | Expliziter Graph, volle Kontrolle | Rollenbasierte Agenten-Teams | Visueller Workflow-Builder |
| Zielgruppe | Entwicklerteams | Entwickler, schnelle Prototypen | Fachabteilungen, Low-Code |
| Zustand/Persistenz | Kernfunktion (Checkpointing) | Vorhanden, weniger tief | Über Workflow-Logik |
| Human-in-the-Loop | Nativ im Graph | Eingeschränkt | Über Warteschritte/Formulare |
| Lizenzkosten | 0 € (MIT) | 0 € (Open Source, Cloud kostenpflichtig) | 0 € self-hosted, Cloud ab Tarif |
| Typischer Einsatz | Komplexe, kritische Agenten-Prozesse | Multi-Agenten-Experimente | Automatisierung mit KI-Bausteinen |
CrewAI kommt schneller zum ersten Ergebnis, LangGraph trägt weiter, wenn der Prozess geschäftskritisch wird. n8n spielt in einer anderen Liga: Es ist kein Framework, sondern ein visuelles Werkzeug — für viele Mittelständler der bessere Einstieg, bevor überhaupt Code geschrieben wird.
Einordnung für den Mittelstand
LangGraph ist ein Profi-Werkzeug. Es setzt Python- oder TypeScript-Kenntnisse voraus und lohnt sich dort, wo Agenten echte Verantwortung übernehmen: mehrstufige Angebotsprozesse, Dokumentenprüfung mit Freigabeschleifen, Kundenanfragen, die über mehrere Systeme laufen. Genau die Persistenz- und Kontrollfunktionen, die im Demo-Stadium übertrieben wirken, entscheiden im Betrieb über Zuverlässigkeit.
Für Geschäftsführer heißt das: LangGraph ist keine Software, die man kauft und bedient, sondern die technische Basis, auf der ein Dienstleister oder das eigene Team maßgeschneiderte Agenten baut. Wer noch keine Entwicklungskapazität hat, startet besser mit Workflow-Automatisierung und wechselt auf LangGraph, wenn die Anforderungen wachsen — beides lässt sich kombinieren.
Häufige Fragen
Was ist LangGraph?
LangGraph ist ein Open-Source-Framework des US-Unternehmens LangChain für die Orchestrierung von KI-Agenten. Es modelliert Agenten-Abläufe als Graphen mit Knoten und Kanten, speichert Zwischenzustände dauerhaft und erlaubt menschliche Freigabeschritte mitten im Prozess. Seit Oktober 2025 liegt es in Version 1.0 vor und gilt als eines der meistgenutzten Agenten-Frameworks.
Was kostet LangGraph?
Das Framework selbst ist MIT-lizenziert und kostenlos — auch im kommerziellen Einsatz. Kosten entstehen erst durch die LLM-API-Aufrufe der Agenten und optional durch die Betriebsplattform LangSmith: Der Developer-Plan ist gratis (1 Sitz), der Plus-Plan liegt bei 39 US-Dollar pro Sitz und Monat, Enterprise auf Anfrage.
Ist LangGraph DSGVO-konform?
LangGraph ist Code, den Sie selbst betreiben — auf eigenen Servern oder in einer EU-Cloud. Datenschutzrechtlich entscheidend ist, welches Sprachmodell die Agenten aufrufen: Mit einem lokalen Modell oder einem EU-gehosteten Anbieter bleibt die Verarbeitung in Europa. Für die Monitoring-Plattform LangSmith bietet LangChain eine EU-Instanz sowie Self-Hosting im Enterprise-Plan an.
LangGraph oder CrewAI — was ist besser?
LangGraph bietet feinere Kontrolle: Jeder Schritt, jede Verzweigung und jeder Zustand wird explizit definiert — gut für Prozesse, die nachvollziehbar und belastbar sein müssen. CrewAI abstrahiert stärker über Rollen-Teams und liefert schneller einen Prototyp, gibt aber weniger Kontrolle über den Ablauf. Für produktive Geschäftsprozesse ist LangGraph meist die robustere Wahl.
Für wen eignet sich LangGraph?
Für Unternehmen mit eigenem Entwicklerteam oder einem Dienstleister, die KI-Agenten in ernsthafte Prozesse bringen wollen — etwa Angebotserstellung, Dokumentenprüfung oder mehrstufige Kundenanfragen. Ohne Python- oder TypeScript-Kenntnisse ist LangGraph nichts; dann sind Low-Code-Werkzeuge wie n8n der praktikablere Einstieg.