Die Open-Source-Plattform für Workflow-Automatisierung, AI Agents, Datenpipelines, Dashboards und vollständige Anwendungen. No-Code bis Pro-Code. Für Einzelpersonen kostenlos — für immer.
Solution Engineering bedeutet: Du beschreibst, was du brauchst — wir kümmern uns um den Rest.
Du konzentrierst dich auf deine Geschäftslogik. Flow-Like übernimmt den Rest.
Desktop, Cloud, Edge, Air-Gapped — überall mit einem Klick deployen.
WASM-Sandboxing, SBOM, null Telemetrie, vollständiger Audit-Trail inklusive.
Jede Ausführung protokolliert. Jede AI-Entscheidung nachvollziehbar. Jede Kostenposition erfasst.
Typisierte Verbindungen zwischen Nodes. Fehler werden vor der Ausführung erkannt, nicht danach.
Freigabe-Gates, Versionskontrolle, rollenbasierter Zugriff. Enterprise-ready ab Werk.
Vom Raspberry Pi bis zum Produktionscluster. Gleicher Workflow, gleiche Engine.
Flow-Like ist kein anderes Tool je nach Anwendungsfall — es ist dieselbe Workflow-Automatisierungs-Engine, unterschiedlich eingesetzt. So sieht das bei echten Teams aus.
Onboarding über 5 Systeme hinweg an einem Tag automatisieren
HR sendet ein Formular. Flow-Like erstellt Konten in Azure AD, weist Jira-Boards zu, lädt in Slack-Channels ein und benachrichtigt den Vorgesetzten — alles in einem visuellen Workflow, den jeder im Team lesen und ändern kann.
Flow-Like befindet sich noch in der Alpha-Phase. Enterprise-Support und SLAs sind verfügbar, aber rechne damit, ein Early Adopter zu sein, kein Late-Majority-Käufer.
Baue ETL-Pipelines, die dein Business-Team wirklich lesen kann
Ziehe tägliche Verkaufsdaten aus Postgres, bereinige und validiere sie, aggregiere nach Region und pushe auf ein Live-BI-Dashboard. Jede Verbindung ist typgeprüft — Schema-Konflikte werden erkannt, bevor die Datenpipeline läuft, nicht um 3 Uhr nachts.
Wenn du tiefe Integration mit dbt, Airflow oder dem Spark-Ökosystem brauchst, prüfe zuerst die Node-Bibliothek. Die Abdeckung ist breit (1.000+ Nodes), aber nicht jedes Nischen-Tool hat bereits einen Node.
Agents mit Guardrails und voller Observability ausliefern
Baue einen Support-Agent: Nutzernachricht → PII-Erkennung → Claude mit RAG → Qualitäts-Gate → Antwort. Jeder Prompt, jede Token-Anzahl, Latenz und Kosten werden automatisch protokolliert. Modelle tauschen oder Guardrails hinzufügen — ohne Code anzufassen.
Wenn du tief im LangChain/LangGraph-Ökosystem steckst, ist Flow-Like ein anderes Paradigma (visueller DAG vs. Code-First). Leistungsstark, aber ein anderes Denkmodell.
Baue, was du brauchst, ohne ein Engineering-Ticket zu erstellen
Ziehe jeden Montag offene Deals aus deinem CRM. Lass eine AI Trends und Risiken zusammenfassen. Pushe einen visuellen Report in einen Slack-Channel. Alles auf der Drag-and-Drop-Canvas gebaut, kein Code, kein Warten auf einen Sprint-Slot.
Komplexe Integrationen erfordern möglicherweise noch einen Entwickler für einen Custom Node. Flow-Like macht die Zusammenarbeit einfach, ersetzt aber nicht die technische Hilfe bei Grenzfällen.
Baue ein Smart-Home-Dashboard kostenlos auf einem Pi
Verbinde MQTT-Sensoren, transformiere Stromverbrauchsdaten in kWh, erkenne Anomalien und zeige alles auf einem mobilen Dashboard an. Läuft lokal auf einem Raspberry Pi. Keine Cloud. Kein Abo. Kein Konto.
Die Community wächst noch (200+ Discord-Mitglieder). Vielseitiger und weniger Smart-Home-spezifisch als Home Assistant — aber leistungsstärker, wenn du IoT mit Datenpipelines, AI Agents oder Custom UIs kombinieren willst.
Apps in Stunden ausliefern, nicht in Sprints
Baue einen Feature-Request-Tracker: Custom-Formular-UI → AI-Kategorisierung → Manager-Freigabe-Gate → automatisches Jira-Ticket. Das interne Tool, das du an einem Vormittag gebaut hast, ist dasselbe, das sechs Monate später in Produktion läuft.
Der UI-Builder von Flow-Like wurde in v0.0.8 eingeführt. Er ist leistungsfähig, aber neuer als die Workflow-Engine. Für pixelgenaue Custom UIs brauchst du möglicherweise noch einen Designer, der Custom Components neben der Canvas erstellt.
"Wir haben drei separate Tools ersetzt und unsere Deployment-Zeit um 80 % reduziert."
"Unsere Business-Analysten bauen Automatisierungen, die früher einen vollen Sprint gebraucht hätten."
"Läuft auf meinem Pi. Keine Cloud. Kein Abo. So sollte Open Source sein."
1.000+ integrierte Nodes für das gesamte Spektrum. Von Datenpipelines und ETL bis zu kundenorientierten Anwendungen — mit unbegrenzten Erweiterungsmöglichkeiten über unser Developer SDK.
Interaktive Dashboards aus beliebigen Datenquellen — Echtzeit, eingebettet oder standalone. Eine moderne BI-Alternative auf Basis deiner Workflow-Engine.
"Wir haben drei Tableau-Lizenzen durch ein Flow-Like-Projekt ersetzt."
Entdecken →Ersetze fragile Skripte und RPA-Bots durch visuelle, fehlerbehandelte Workflows, die jeder im Team nachvollziehen kann.
"HR-Onboarding ging von 3 Stunden manueller Arbeit auf einen Klick."
Entdecken →Baue mehrstufige AI-Agent-Systeme auf der visuellen Canvas. Jeder Prompt, Token, Kosten und jede Entscheidung wird mit voller Observability protokolliert.
"Volle Observability — wir wissen genau, warum der Agent jede Entscheidung getroffen hat."
Entdecken →Visueller ETL/ELT-Pipeline-Builder mit typsicheren Verbindungen. Einlesen, transformieren, katalogisieren — kein Code erforderlich.
"Unser Data-Team baut Pipelines. Das Business liest sie. Keine Übersetzung nötig."
Entdecken →Liefere Web-, Desktop- oder Mobile-Oberflächen zusammen mit deiner Geschäftslogik aus — aus demselben Projekt. Kein separates Frontend-Tool.
"Wir haben ein internes Tool an einem Tag ausgeliefert, für das Engineering zwei Sprints gebraucht hätte."
Entdecken →Verbinde Kafka, MQTT, ERPs, CRMs, REST APIs und hunderte mehr. Der Integrations-Hub für dein gesamtes Ökosystem.
"ERP mit Slack mit Jira verbunden — an einem Nachmittag."
Nicht sechs Tools zusammengestöpselt — ein Projekt, ein Deployment. Baue eine Datenpipeline, die einen AI Agent speist, der ein Dashboard in einer kundenorientierten App antreibt. Das ist Solution Engineering.
Business-Analysten, Citizen Developer, Engineers und Designer — ein gemeinsamer Workspace, in dem jeder in seiner eigenen Sprache zur Lösung beiträgt.
Definiere Anforderungen visuell. Annotiere Workflows, setze Freigabe-Gates, validiere Logik — kein Code nötig. Ob Citizen Developer oder Fachexperte, dein Wissen treibt die Lösung. FlowPilot AI hilft dir, das zu bauen, was du in einfacher Sprache beschreibst.
Schreibe Custom Nodes in 15+ Sprachen. Definiere Typverträge, konfiguriere Infrastruktur, kontrolliere die Ausführungsschicht — mit dem vollen Rust SDK. Low-Code für Geschwindigkeit, Pro-Code für Kontrolle.
Gestalte Frontend-Oberflächen, die direkt mit der Workflow-Automatisierungs-Engine verbunden sind. Liefere Dashboards, Formulare und Apps mit Live-Daten von Tag eins.
Die Demo, die du am Montag baust, geht am Freitag live. Die Workflow-Engine erzwingt korrekte Architektur, Compliance und Performance ab dem ersten Node. Kein Umschreiben nötig.
Ziehen, verbinden, ausführen. In Sekunden validieren.
Fehlerbehandlung, Tests und Governance hinzufügen.
Ein Klick. Gleicher Workflow. Keine Übersetzung.
"Die Architektur, die du auslieferst, ist die Architektur, die du prototypisiert hast. Die Engine erzwingt Typsicherheit, Compliance und Performance ab Node eins. Null Übersetzungsschicht. Null Umschreiben."
Jede Lösung, die du entwickelst — Dashboard, AI-Agent-Pipeline oder vollständige Anwendung — läuft auf derselben typgeprüften, hochperformanten Rust-Workflow-Engine.
Typsicheres Drag-and-Drop-Building
Ziehe Nodes auf die Canvas, verbinde sie mit typisierten Pins, und der visuelle Workflow-Editor validiert jede Verbindung, bevor du ausführst. Nicht übereinstimmende Datentypen? Sofort erkannt — nicht nachdem deine Demo abstürzt.
Eingebaute Versionshistorie ermöglicht Branching, Merging und Rollback. Jede Änderung nachvollziehbar, jeder Mitarbeiter sichtbar. No-Code für Business-User, Pro-Code für Engineers — auf derselben Canvas.
Ein vollständiges Typsystem, das sicherstellt, dass deine Lösung Sinn ergibt, bevor du jemals auf Ausführen klickst.
AI Copilot für Workflow-Automatisierung
Beschreibe, was du brauchst, in einfacher Sprache. FlowPilot, der eingebaute AI-Assistent für Workflow-Erstellung, übersetzt deine Absicht in typisierte, verbundene Workflows — und hilft dir beim Debuggen, Optimieren und Dokumentieren.
Kontextbewusst: FlowPilot kennt die Nodes, Typen und Datenquellen deines Projekts. Frag ihn, einen Flow zu erklären, Verbesserungen vorzuschlagen oder neue Workflow-Abschnitte zu generieren.
Weniger Chatbot, mehr Kollege, der die Doku schon gelesen hat.
~0,6 ms Ausführung, 244k Events/Sekunde
Kompilierte Rust-Workflow-Engine mit typisiertem DAG und Protobuf-Serialisierung. Dateibasierte Projekte auf einer Object-Store-Abstraktion — lokales Dateisystem, S3, R2, GCP oder Azure Blob.
~0,6 ms pro Ausführung. 244k Events/Sekunde. Deine Infrastrukturkosten sinken — oder du brauchst kaum Infrastruktur.
Custom Nodes laufen in WebAssembly (WASM)-Sandboxes für Isolation und Sicherheit. Der visuelle Editor ist dein Einstieg, aber es gibt keine Obergrenze.
→ Architektur-Deep-Dive für CTOs & Tech LeadsNicht „Open Core" mit den interessanten Teilen hinter einer Paywall. Die gesamte Codebasis ist offen, Governance ist eingebaut, und du kannst alles inspizieren. Selbst hosten auf deiner Infrastruktur mit voller Datenhoheit.
Rollenbasierte Berechtigungen mit Freigabe-Workflows. Definiere, wer anzeigen, bearbeiten, genehmigen und deployen darf — teamübergreifend.
Vollständiger Execution-Trace bei jedem Workflow-Lauf. Eingaben, Ausgaben, Entscheidungspfade, Zeitstempel, Nutzerkontext.
2.073 Abhängigkeiten, alle erfasst. Vollständige Software Bill of Materials mit jedem Release.
Überprüfen →Überall selbst hosten. Null Telemetrie. Deine Daten bleiben auf deiner Infrastruktur.
Überprüfen →SOC 2-konform, TISAX-Controls, Prowler-geprüft. Kontinuierliche Bewertung, kein Stichtagsaudit.
Überprüfen →EU-Unternehmen, München. Europäische Infrastruktur. Vollständige Datenlöschung auf Anfrage.
Überprüfen →Wir hatten 14 Python-Skripte auf Cron-Jobs, die niemand verstand. Alle als visuelle Pipelines in Flow-Like neu gebaut. Das Business-Team kann jetzt die Logik lesen, und wir hatten seit 4 Monaten keinen 3-Uhr-nachts-Slack-Alert.
Data Engineer bei einem Series-B-Fintech
Wir haben einen Kundensupport-Agent mit voller Observability ausgeliefert — jeder Prompt, jedes Token, jede Kostenposition protokolliert. Wenn ein Kunde fragt ‚warum hat die AI das gesagt', können wir den exakten Entscheidungspfad zeigen. Versuch das mal mit LangChain.
AI Product Lead bei einem Enterprise-SaaS
Air-Gapped-Deployment auf unserer Infrastruktur. Null Telemetrie. Vollständige SBOM. Das ist das einzige Open-Source-Automatisierungstool, das unser Security-Review ohne Änderungen bestanden hat.
CISO, öffentlicher Auftragnehmer
Unser Onboarding-Workflow dauerte früher 3 Stunden manuelle Arbeit über 5 Systeme. Jetzt ein Klick. Das IT-Team hat es gebaut, aber ich kann es lesen und Änderungen freigeben. Das ist das Entscheidende.
VP Operations, Fertigung (2.000+ Mitarbeiter)
Wir hatten 14 Python-Skripte auf Cron-Jobs, die niemand verstand. Alle als visuelle Pipelines in Flow-Like neu gebaut. Das Business-Team kann jetzt die Logik lesen, und wir hatten seit 4 Monaten keinen 3-Uhr-nachts-Slack-Alert.
Data Engineer bei einem Series-B-Fintech
Wir haben einen Kundensupport-Agent mit voller Observability ausgeliefert — jeder Prompt, jedes Token, jede Kostenposition protokolliert. Wenn ein Kunde fragt ‚warum hat die AI das gesagt', können wir den exakten Entscheidungspfad zeigen. Versuch das mal mit LangChain.
AI Product Lead bei einem Enterprise-SaaS
Air-Gapped-Deployment auf unserer Infrastruktur. Null Telemetrie. Vollständige SBOM. Das ist das einzige Open-Source-Automatisierungstool, das unser Security-Review ohne Änderungen bestanden hat.
CISO, öffentlicher Auftragnehmer
Unser Onboarding-Workflow dauerte früher 3 Stunden manuelle Arbeit über 5 Systeme. Jetzt ein Klick. Das IT-Team hat es gebaut, aber ich kann es lesen und Änderungen freigeben. Das ist das Entscheidende.
VP Operations, Fertigung (2.000+ Mitarbeiter)
Ich wollte ein Dashboard für meine Solarpanels, Wärmepumpe und Stromverbrauch. Flow-Like läuft auf meinem Raspberry Pi, komplett offline. Ich habe keinen Cent bezahlt.
Solo-Maker, Smart-Home-Projekt
Ich habe FlowPilot in einfacher Sprache beschrieben, was ich will. Er hat den Workflow gebaut. Ich habe zwei Nodes angepasst. Es funktioniert. Ich verstehe nicht, was ein ‚Typed DAG' ist, und muss es auch nicht.
Business-Analystin, nicht-technisch
Einen persönlichen Finanz-Tracker mit AI-Kategorisierung an einem Samstagnachmittag gebaut. Dasselbe Projekt läuft als Desktop-App und Web-App. Keine einzige Zeile Backend-Code geschrieben.
Hobby-Entwickler, Wochenendprojekt
Ich versehe Flow-Like-Projekte für meine Kunden mit Whitelabel. Sie bekommen ein gebrandetes Automatisierungstool, ich wiederkehrende Einnahmen. Das OEM-Lizenzmodell macht das möglich.
Freelance-Entwickler, baut für Kunden
Ich wollte ein Dashboard für meine Solarpanels, Wärmepumpe und Stromverbrauch. Flow-Like läuft auf meinem Raspberry Pi, komplett offline. Ich habe keinen Cent bezahlt.
Solo-Maker, Smart-Home-Projekt
Ich habe FlowPilot in einfacher Sprache beschrieben, was ich will. Er hat den Workflow gebaut. Ich habe zwei Nodes angepasst. Es funktioniert. Ich verstehe nicht, was ein ‚Typed DAG' ist, und muss es auch nicht.
Business-Analystin, nicht-technisch
Einen persönlichen Finanz-Tracker mit AI-Kategorisierung an einem Samstagnachmittag gebaut. Dasselbe Projekt läuft als Desktop-App und Web-App. Keine einzige Zeile Backend-Code geschrieben.
Hobby-Entwickler, Wochenendprojekt
Ich versehe Flow-Like-Projekte für meine Kunden mit Whitelabel. Sie bekommen ein gebrandetes Automatisierungstool, ich wiederkehrende Einnahmen. Das OEM-Lizenzmodell macht das möglich.
Freelance-Entwickler, baut für Kunden
// Define a custom node in Rust — 15 lines use flow_like::prelude::*; #[derive(Node)] pub struct SentimentAnalyzer { #[input] text: String, #[output] score: f64, #[output] label: String, } impl Execute for SentimentAnalyzer { async fn run(&self, ctx: &Context) -> Result<()> { let result = ctx.analyze(&self.text).await?; self.score.set(result.score); self.label.set(result.label); Ok(()) } }
# Define a custom node in Python — 12 lines from flow_like import Node, Input, Output, Context class SentimentAnalyzer(Node): text: Input[str] score: Output[float] label: Output[str] async def run(self, ctx: Context): result = await ctx.analyze(self.text) self.score.set(result.score) self.label.set(result.label)
// Define a custom node in TypeScript — 14 lines import { Node, Input, Output, Context } from '@flow-like/sdk'; export class SentimentAnalyzer extends Node { @Input() text: string; @Output() score: number; @Output() label: string; async run(ctx: Context): Promise<void> { const result = await ctx.analyze(this.text); this.score.set(result.score); this.label.set(result.label); } }
// Define a custom node in Go — 20 lines package nodes import "github.com/tm9657/flow-like-sdk-go" type SentimentAnalyzer struct { Text flowlike.Input[string] Score flowlike.Output[float64] Label flowlike.Output[string] } func (n *SentimentAnalyzer) Run(ctx *flowlike.Context) error { result, err := ctx.Analyze(n.Text.Get()) if err != nil { return err } n.Score.Set(result.Score) n.Label.Set(result.Label) return nil }
Dein Laptop, das Rechenzentrum eines Kunden, Edge-Geräte oder jede Cloud. Offline-first, synchronisieren bei Verbindung. Multi-Cloud-Deployment mit einer einzigen Workflow-Definition.
Rust, Python, TypeScript, Go, Java, C#, Kotlin, C++ und mehr. Deine Sprache, deine Nodes.
Supported languages and frameworks
Build once, deploy anywhere — from a single binary to a full cloud cluster.
It's here! Our first major release of the year, refining self-hosting capabilities, adding a UI-Builder, Web-App access, and BI features.
Read →The self-hosting release. Kubernetes & Docker-Compose setups with observability, multi-cloud blob storage, backend-agnostic desktop apps, and substantial UX, DX, and core improvements.
Read →From "wouldn't it be nice" to "holy cow, it works" in one rotation of the earth.
Read →Our biggest update yet. Introducing FlowPilot, a dedicated Agent Builder, Real-Time Collaboration, and a massive library of new nodes for Microsoft Office, Google Workspace, GitHub, and more.
Read →An honest comparison of Dify and Flow-Like—two powerful platforms that excel in different scenarios. Learn when to use Dify's GenAI focus versus Flow-Like's typed automation.
Read →No more manual schemas: define pins on your functions and the agent interface does the rest. Reuse functions for deterministic calls, MCP tools supported, more built-ins coming.
Read →Kein Spam — nur Releases, Deep-Dives und gelegentliche Workflow-Tipps. Jederzeit abbestellbar.
Ja. Kostenlos für Einzelpersonen mit unbegrenzter lokaler Ausführung — kein Konto erforderlich, keine Ausführungslimits, funktioniert komplett offline. Pro-Tarife für Teams via SaaS oder Self-Hosting. Enterprise erhält Festpreise pro Anwendungsfall, unbegrenzte Nutzer, unbegrenzte Ausführungen.
Nein. Der visuelle Drag-and-Drop-Workflow-Builder ermöglicht es dir, komplette Lösungen durch Verbinden von Nodes auf einer Canvas zu bauen. No-Code für Business-User, Pro-Code wenn Engineers erweitern wollen. Programmieren ist möglich, aber nie erforderlich.
Ja. Flow-Like ist offline-first. Das Desktop-Studio funktioniert komplett ohne Internetverbindung. Selbst gehostete Deployments können vollständig air-gapped betrieben werden. Synchronisieren bei Verbindung — oder nie verbinden.
Ja. Flow-Like ist ein visueller AI-Agent-Builder mit eingebautem RAG, Vektorsuche, PII-Erkennung, modellagnostischen LLM-Nodes und voller Observability. Baue mehrstufige Agent-Systeme mit Guardrails auf der Canvas.
OpenAI, Anthropic Claude, Google Gemini und lokale Modelle via llama.cpp — alles als Drag-and-Drop-Canvas-Nodes. Bringe deine eigenen API-Keys mit oder laufe komplett lokal. Modellagnostisch by Design.
Ja. Konzipiert für On-Premise-, Air-Gapped-, Private-Cloud- oder Hybrid-Deployments. Selbst hosten auf deiner Infrastruktur — deine Daten müssen nie das Haus verlassen.
Jeder LLM-Aufruf wird mit Eingaben, Ausgaben, Token-Anzahl, Kosten und Timing protokolliert. Erzwinge Freigabe-Gates, Rate Limits und Modell-Allowlists auf Workflow-Ebene. Vollständiger Audit-Trail bei jeder AI-Agent-Ausführung.
Jede Workflow-Ausführung generiert einen vollständigen Trace: Eingaben, Ausgaben, Entscheidungspfade, Zeitstempel und Nutzerkontext. Export in Standardformaten für Compliance-Teams. SOC 2-konform, TISAX-Controls, kontinuierliche Prowler-Bewertung.
Beide sind Open-Source-Workflow-Automatisierungstools. Flow-Like unterscheidet sich in drei Punkten: eine Rust-basierte Engine (~0,6 ms vs. Node.js-Ausführung), ein vollständiges Typsystem, das Verbindungen vor der Laufzeit validiert, und die Möglichkeit, nicht nur Automatisierungen, sondern auch BI-Dashboards, AI Agents, Datenpipelines und vollständige Anwendungen in einem Projekt zu bauen. n8n ist hervorragend für eventgesteuerte Automatisierung; Flow-Like ist eine Solution-Engineering-Plattform für Teams, die komplexere Systeme bauen.
Zapier und Make sind Cloud-only-SaaS-Automatisierungstools. Flow-Like ist Open Source, selbst hostbar und läuft offline. Es geht auch über Automatisierung hinaus: Du kannst BI-Dashboards, AI Agents, Datenpipelines und vollständige Anwendungen auf derselben Canvas bauen. Wenn du eine kostenlose, selbst gehostete Alternative mit mehr Power suchst, lohnt sich die Evaluierung von Flow-Like.
Ja. Unser Onboarding umfasst Migrationsunterstützung für RPA-Bots, Python-Skripte und Orchestrierungstools. Wir auditieren, dokumentieren und konvertieren deine wertvollsten Workflows.
Lade das Studio herunter und starte — lokal, offline, kein Konto erforderlich. Oder springe direkt in die Web-App. Kostenlose Workflow-Automatisierung für Einzelpersonen, für immer.
