KI-Werkzeuge

Langflow: KI-Abläufe visuell bauen und als Schnittstelle bereitstellen

Wer KI-Prototypen nicht nur ausprobieren, sondern geordnet in den Regelbetrieb bringen möchte, findet in Langflow eine grafische Arbeitsfläche, auf der Komponenten zu einem Flow verbunden werden. An diesem Tag installieren Sie Langflow, grenzen es gegen Flowise ab, binden Datenquellen an und veröffentlichen einen Flow als API. Anschließend entsteht ein Prototyp für einen Anwendungsfall aus Ihrem Haus, dessen Aufbau dokumentiert, versioniert und mit klarer Zuständigkeit übergeben wird.

Für wen

IT-Teams und entwicklungsnahe Fachbereiche, die KI-Anwendungen zunächst als Prototyp bauen und anschließend dem Regelbetrieb übergeben.

KI-Tool-Training · 1 Tag

Vom ersten Flow in Langflow bis zur dokumentierten Übergabe an den Betrieb

Das nehmen Sie mit

  • Eine lauffähige Langflow-Installation und Sicherheit beim Entwerfen, Testen und Veröffentlichen von Flows
  • Ein Prototyp für Ihren eigenen Anwendungsfall, dessen Aufbau für die Übergabe beschrieben ist
  • Eine begründete Wahl zwischen Langflow und Flowise für künftige Vorhaben
  • Klarheit über Versionierung, Abhängigkeiten, laufende Kosten, Rechtsrahmen und Ausstiegsweg

Ablauf

  1. Teil 1

    Einheit 1 – Orientierung: Komponenten, Modellaufruf und Abgrenzung zu Flowise

    • Komponenten wie Prompt, Modell, Dokumentenlader und Vektorspeicher: wie Ein- und Ausgänge ineinandergreifen
    • Welche Komponente die Anfrage an das Sprachmodell schickt und was vor und nach dem Modellaufruf geschieht
    • Langflow oder Flowise: Python-Basis gegen Node.js-Basis und welche Vorhaben zu welchem Werkzeug passen
  2. Teil 2

    Einheit 2 – Aufsetzen: Installation, Playground und Veröffentlichung per API

    • Langflow als Docker-Container oder Python-Paket installieren und die Arbeitsfläche in Ruhe erkunden
    • Einen Flow entwerfen, im Playground ausführen und die Ausgabe jeder Komponente einzeln ansehen
    • Datenquellen wie eine PDF-Ablage oder Datenbank anschließen und dem Modell Werkzeuge bereitstellen
    • Den fertigen Flow als API-Endpunkt freigeben, damit Fachanwendungen ihn aufrufen können
    • Übung: Installation prüfen, Eingabe, Prompt und Modell verdrahten und den Flow im Playground erproben
  3. Teil 3

    Einheit 3 – Prototyp: Ein Anwendungsfall aus Ihrem Haus als Langflow-Flow

    • Ihr mitgebrachter Fall, etwa Auskünfte aus internen Handbüchern, wird als Flow nachgebaut
    • Zwischenstände je Komponente kontrollieren, statt der Endantwort ungeprüft zu vertrauen
    • Den Aufbau für die Übergabe festhalten: Zweck jeder Komponente, gewähltes Modell, angeschlossene Quellen
    • Übung: Ihr Fall läuft als Flow, die Zwischenausgaben werden mit den erwarteten Ergebnissen verglichen
  4. Teil 4

    Einheit 4 – Absicherung: Änderungsstände, Abhängigkeiten, Recht und Ausgaben

    • Flows als JSON exportieren und versioniert ablegen, damit sich jede Änderung zurückverfolgen lässt
    • Abhängigkeiten überwachen: Modellanbieter, Token-Preise pro Aufruf, Updates einzelner Komponenten
    • Prototypen mit Personendaten: Mitbestimmungsrechte, Datenschutz und was die KI-Verordnung verlangt
    • Hosting und Modellaufrufe pro Monat beziffern, Ausstieg über exportierte Flows planen
  5. Teil 5

    Einheit 5 – Übergabe: Langflow-Prototypen dauerhaft im Haus führen

    • Klären, wer übergebene Flows pflegt, API-Schlüssel verwaltet und Störungsmeldungen annimmt
    • Gemeinsame Regeln sichern: Namensschema für Flows, wiederverwendbare Bausteine, fester Ablageort
    • Abbruchsignale: Antworten bleiben trotz Nachbesserung unzuverlässig oder Aufrufe kosten mehr, als sie sparen
    • Den Folgeprototyp festlegen und grob schätzen, wie viele Arbeitstage er bindet

VoraussetzungenEin Rechner, auf dem Docker oder Python läuft. Sie verstehen, wie Daten zwischen Systemen fließen; Programmiererfahrung erleichtert den Einstieg, wird aber nicht vorausgesetzt.

AbschlussTeilnahmezertifikat und digitales Badge

Thema anfragen