KI-Agenten-Frameworks im Vergleich: n8n, LangGraph, CrewAI, Microsoft Agent Framework, Pydantic AI

KI-Agenten mit Freigaben und Protokoll einführen? WZ-IT baut Agenten mit definierten Werkzeugen, menschlicher Freigabe und Tracing und betreibt sie auf lokaler oder europäischer Infrastruktur, siehe KI-Agenten im KI-Hub. Termin vereinbaren

Ein KI-Agent ist schnell gebaut. Ein KI-Agent, der zwölf Monate lang zuverlässig Tickets anlegt, Freigaben einholt, jeden Schritt nachvollziehbar protokolliert und nach einem Sicherheitsupdate noch funktioniert, ist ein Betriebsthema. Die meisten Framework-Vergleiche bewerten Entwicklerkomfort und Multi-Agent-Muster. Dieser Beitrag bewertet die verbreiteten Optionen aus der Sicht dessen, der sie betreibt: Lizenz, Self-Hosting, Freigaben, Protokollierung, MCP, lokale Modelle, Update-Rhythmus und KI-Verordnung.

Verglichen werden die Workflow-Plattform n8n und vier Code-Frameworks: LangGraph, CrewAI, Microsoft Agent Framework und Pydantic AI. Alle Versionen, Lizenzen und Funktionen haben den Stand Ende September 2026 und sind mit der Dokumentation oder dem Repository des jeweiligen Projekts belegt.

Inhaltsverzeichnis

1. Die fünf Frameworks im Überblick
2. Lizenz und Self-Hosting
3. Freigaben und Human-in-the-loop
4. Protokollierung und Langfuse
5. MCP-Anbindung
6. Lokale Modelle statt Cloud-API
7. Betrieb: Updates, Zustand, Telemetrie
8. KI-Verordnung: Was das Framework leistet und was nicht
9. Welches Framework für welchen Fall
10. Unser Vorgehen bei WZ-IT
11. Weiterführende Guides

Die fünf Frameworks im Überblick

Quellen: n8n Releases, LangGraph auf PyPI, CrewAI auf PyPI, agent-framework auf PyPI, pydantic-ai auf PyPI.

Der grundlegende Unterschied liegt zwischen der ersten Zeile und dem Rest. n8n ist eine laufende Anwendung mit Oberfläche, Benutzerverwaltung, Datenbank und Ausführungshistorie. Die vier Code-Frameworks sind Bibliotheken: Sie werden in eine eigene Anwendung eingebaut, und Laufzeit, Datenbank, Authentifizierung und Oberfläche stellt der Betreiber selbst oder über eine kommerzielle Plattform des Herstellers.

Zwei Einordnungen zum Reifegrad: LangGraph erreichte Version 1.0 im Oktober 2025, CrewAI ebenfalls im Oktober 2025, Microsoft Agent Framework im April 2026, Pydantic AI Version 1.0 im September 2025 und Version 2.0 im Juni 2026 (Veröffentlichungsdaten laut PyPI). Microsofts Vorgänger AutoGen ist laut Repository im Wartungsmodus und erhält keine neuen Funktionen mehr.

Lizenz und Self-Hosting

Für den Betrieb im eigenen Rechenzentrum oder auf einem eigenen Server ist die Frage nicht nur, ob die Software frei verfügbar ist, sondern welche Teile für den Produktivbetrieb eine kommerzielle Lizenz brauchen.

Belege: Die Funktionen, die der n8n Community Edition fehlen, listet die Editionsübersicht. Die Grenzen der Sustainable Use License beschreibt der Lizenztext: Nutzung nur für eigene interne Geschäftszwecke oder nicht kommerziell, Weitergabe nur kostenlos und nicht kommerziell. Die License FAQ erlaubt ausdrücklich, Kunden für Workflow-Erstellung, Einrichtung und Wartung zu berechnen, und untersagt, n8n als Dienst zu hosten, in dem Kunden eigene Workflows bauen. Selbst gehostetes LangSmith ist laut LangChain-Dokumentation ein Zusatz zum Enterprise-Plan; der Standalone Agent Server verlangt einen Lizenzschlüssel sowie PostgreSQL und Redis.

Für den Betrieb heißt das:

• n8n ist für interne Agenten ohne Lizenzkosten nutzbar. Wer mehrere Teams mit getrennten Rechten, SSO oder einen Export der Ausführungslogs an ein SIEM braucht, landet bei Business oder Enterprise. Das sollte vor dem Projekt feststehen, nicht nach dem dritten Team.
• LangGraph ist frei, solange die Laufzeit selbst gebaut wird: eine eigene API, ein Worker, PostgreSQL als Checkpointer. Das ist machbar und verbreitet, aber Entwicklungsarbeit, die bei n8n entfällt.
• CrewAI, Microsoft Agent Framework und Pydantic AI sind reine Bibliotheken unter MIT. Die Betriebsplattform ist immer eine eigene Anwendung.

Freigaben und Human-in-the-loop

Ein Agent, der Mails versendet, Datensätze ändert oder Bestellungen auslöst, braucht Stellen, an denen ein Mensch zustimmt. Wie solche Freigabestellen fachlich gesetzt werden, beschreibt der Artikel zu Rechten und Freigaben für KI-Agenten. Technisch unterscheiden sich die Frameworks darin, wo die Pause gespeichert wird und wer die Freigabe zustellt.

Quellen: n8n Human-in-the-loop for tools, LangGraph Interrupts, CrewAI Human-in-the-Loop, Microsoft Agent Framework Tool Approval, Pydantic AI Deferred Tools.

Zwei Punkte sind im Betrieb wichtiger als die API:

• Asynchrone Freigaben brauchen Persistenz. Eine Freigabe, die erst am nächsten Morgen erteilt wird, muss einen Neustart des Servers überstehen. n8n und LangGraph mit PostgreSQL-Checkpointer leisten das ohne Zusatzaufwand. Bei Pydantic AI und Microsoft Agent Framework speichert die eigene Anwendung den Zustand; Pydantic AI bietet dafür zusätzlich Durable Execution mit Temporal, DBOS oder Prefect (Pydantic AI Durable Execution). Bei CrewAI ordnet die Dokumentation asynchrone, webhookbasierte Freigaben der kommerziellen Plattform zu; im Open-Source-Paket sind die Freigaben für synchrone Abläufe beschrieben.
• Die Freigabe muss an genau den angefragten Aufruf gebunden sein. Microsoft dokumentiert ausdrücklich, dass eine ungebundene Freigabeantwort ignoriert wird, weil sonst eine gefälschte oder wiederholte Antwort einen privilegierten Werkzeugaufruf freigeben könnte. Dieselbe Anforderung gilt für jede selbst gebaute Freigabe-Oberfläche.

Protokollierung und Langfuse

Für Fehleranalyse und Nachweis reicht es nicht zu wissen, dass ein Lauf stattfand. Gebraucht wird die Kette: Eingabe, abgerufener Kontext, gewähltes Werkzeug, Parameter, Ergebnis, Modellantwort, Freigabe. Langfuse zeichnet diese Kette als Trace auf und lässt sich selbst hosten. Der Kern steht unter MIT-Lizenz, einzelne Zusatzfunktionen benötigen einen Lizenzschlüssel; als Infrastruktur braucht Langfuse PostgreSQL, ClickHouse, Redis oder Valkey und einen S3-kompatiblen Speicher (Langfuse Self-Hosting).

Quellen: Langfuse und n8n, n8n OpenTelemetry, Langfuse und LangChain/LangGraph, Langfuse und CrewAI, Langfuse und Microsoft Agent Framework, Microsoft Agent Framework Observability, Langfuse und Pydantic AI.

Bei n8n ist die Lage zweigeteilt. Die OpenTelemetry-Spans beschreiben Workflow und Knoten (ID, Typ, Status, Anzahl der Elemente), nicht den Inhalt der Prompts. Für eine inhaltliche Nachverfolgung von KI-Schritten ist in n8n entweder eine zusätzliche Lösung nötig oder ein Gateway wie LiteLLM vor dem Modell, das jede Modellanfrage protokolliert. n8n kennzeichnet die OpenTelemetry-Unterstützung als Preview, die sich noch ändern kann.

Was ein Protokoll für die KI-Verordnung enthalten sollte und wie Langfuse dafür eingerichtet wird, beschreibt der Beitrag zu Langfuse und EU-AI-Act-Logging. Den Betrieb übernimmt WZ-IT als Managed Langfuse.

MCP-Anbindung

Das Model Context Protocol trennt die Werkzeuganbindung vom Framework: Ein MCP-Server für das Ticketsystem funktioniert mit jedem Client, der MCP spricht. Grundlagen und Risiken erklärt der Artikel MCP im Unternehmen.

Quellen: n8n MCP Client Tool, n8n MCP Server Trigger, LangChain MCP, CrewAI MCP, Pydantic AI MCP-Client.

MCP-Unterstützung ist bei allen fünf vorhanden und damit kein Unterscheidungsmerkmal mehr. Für den Betrieb zählen drei Regeln:

• stdio-Server sind Codeausführung. Ein per stdio gestarteter MCP-Server läuft als Prozess auf dem Host des Agenten. Er gehört in die gleiche Prüfung wie jede andere installierte Software.
• Ein MCP-Server sammelt Zugangsdaten. Wer zehn Systeme anbindet, bündelt zehn Zugänge an einer Stelle. Jeder Server bekommt ein eigenes technisches Konto mit minimalen Rechten.
• Werkzeugbeschreibungen sind Eingaben. Texte, die ein MCP-Server liefert, landen im Kontext des Modells und können Anweisungen enthalten. Schutzmaßnahmen beschreibt der Artikel zu Prompt Injection.

Wie schnell eine Integrationsschicht selbst zum Angriffsziel wird, zeigt die LiteLLM-Lücke vom September 2026, bei der eine Rechteausweitung über MCP-stdio bis zur Codeausführung reichte.

Lokale Modelle statt Cloud-API

Alle fünf Frameworks können OpenAI-kompatible Endpunkte ansprechen, wie sie vLLM oder Ollama bereitstellen. n8n hat zusätzlich eigene Knoten für Ollama, Microsoft Agent Framework führt Ollama in der Liste der Modellanbieter (Microsoft Agent Framework Overview). Damit ist ein Agent mit lokalem Modell technisch mit jedem Framework möglich.

Die Einschränkung liegt beim Modell, nicht beim Framework:

• Tool Calling muss zuverlässig sein. Ein Agent scheitert seltener an der Antwortqualität als an fehlerhaften Werkzeugaufrufen: falsches Werkzeug, ungültige Parameter, erfundene Felder. Das gewählte Modell sollte mit den eigenen Werkzeugen und Testfällen geprüft werden, bevor das Framework feststeht.
• Strukturierte Ausgaben senken die Fehlerquote. Pydantic AI validiert Werkzeugparameter und Ausgaben gegen Pydantic-Modelle, Microsoft Agent Framework arbeitet mit typisierten Funktionen. Ungültige Parameter werden damit vor der API des Zielsystems abgefangen.
• Ein Gateway entkoppelt Modell und Agent. Über LiteLLM lässt sich das Modell wechseln, ohne den Agenten anzufassen, und jede Anfrage wird zentral protokolliert.

Welche Modellgröße auf welche Hardware passt, behandelt der Artikel Welches LLM selbst hosten. WZ-IT betreibt Modelle auf dem AI Cube im eigenen Netz oder auf Managed GPU-Servern mit NVIDIA RTX PRO 4000 Blackwell (24 GB GDDR7 ECC) oder RTX PRO 6000 Blackwell Max-Q (96 GB GDDR7 ECC).

Betrieb: Updates, Zustand, Telemetrie

Update-Rhythmus. Alle fünf Projekte veröffentlichen in kurzen Abständen. n8n pflegt parallel einen stabilen Zweig, einen Beta-Zweig und den 1.x-Zweig; am 30. September 2026 erschienen 2.41.4, 2.42.1 (Beta) und 1.123.83 gleichzeitig (n8n Releases). Am selben Tag veröffentlichte n8n 14 Sicherheitsmeldungen (10 mit Schweregrad hoch, 4 mittel), die der Beitrag zum n8n-Sicherheitsupdate September 2026 einordnet. Pydantic AI pflegt neben Version 2 weiterhin den 1.x-Zweig (1.107.7 am 30.09.2026). Für Code-Frameworks gilt: Versionen pinnen, Abhängigkeiten über einen Lockfile festhalten, Updates gegen die eigenen Testfälle laufen lassen.

Angriffsfläche. n8n ist eine Webanwendung mit Login, Webhooks und gespeicherten Zugangsdaten und muss wie eine solche abgesichert werden: nicht öffentlich erreichbar, wo es nicht nötig ist, Webhooks gezielt freigeben, Updates zeitnah einspielen. Ein Code-Framework hat keine eigene Oberfläche, die Angriffsfläche entsteht durch die Anwendung, die der Betreiber darum baut.

Zustand und Wiederanlauf. Langlaufende Agenten brauchen einen Zustandsspeicher, der Neustarts überlebt. n8n speichert Ausführungen in seiner Datenbank, LangGraph in einem Checkpointer (LangGraph Persistence), CrewAI Flows speichern ihren Zustand mit @persist standardmäßig in SQLite (CrewAI Flows), Workflows im Microsoft Agent Framework unterstützen Checkpoints (Microsoft Agent Framework Checkpoints), Pydantic AI setzt für dauerhafte Läufe auf externe Durable-Execution-Systeme.

Telemetrie an den Hersteller. CrewAI sammelt standardmäßig anonyme Telemetrie: Tool-Namen, Agentenrollen, Versionen und Ausführungsmetadaten, laut Hersteller ohne Prompts. Mit share_crew werden zusätzlich Ziele, Backstories, Kontext und Ausgaben übertragen. Abschalten lässt sich das mit CREWAI_DISABLE_TELEMETRY=true oder OTEL_SDK_DISABLED=true (CrewAI Telemetry). In einer Umgebung mit personenbezogenen Daten gehört diese Einstellung in die Grundkonfiguration.

KI-Verordnung: Was das Framework leistet und was nicht

Die KI-Verordnung reguliert KI-Systeme nach ihrem Einsatzzweck, nicht die Bibliothek, mit der sie gebaut sind. Kein Framework ist "AI-Act-konform" oder nicht. Es liefert Bausteine, mit denen sich Pflichten technisch umsetzen lassen:

Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50; Details stehen im Beitrag zur KI-Kennzeichnungspflicht. Die meisten Unternehmensagenten fallen nicht unter Hochrisiko. Für Agenten in Bereichen wie Personalwesen gelten die Hochrisiko-Pflichten nach dem Digital Omnibus später, wie im Artikel zu Rechten und Freigaben und im Beitrag RAG und KI-Verordnung beschrieben. Diese Einordnung ist keine Rechtsberatung.

Welches Framework für welchen Fall

Zwei Hinweise aus der Praxis:

• Viele Vorhaben, die als Agent angefragt werden, sind Workflows. Wenn die Reihenfolge der Schritte feststeht und das Modell nur klassifiziert oder Felder füllt, ist ein Workflow in n8n die prüfbarere Lösung. Den Unterschied zwischen Workflow und Agent erklärt der Artikel KI-Agenten und Automatisierung.
• Mischformen sind üblich. Ein n8n-Workflow übernimmt Auslöser, Integrationen und Freigabe, ein Code-Agent die eigentliche Entscheidungslogik, angebunden per HTTP oder MCP.

Unser Vorgehen bei WZ-IT

1. Einordnung. Prozess, beteiligte Systeme, Datenarten, Risiken der möglichen Aktionen. Daraus ergibt sich, ob ein Workflow genügt oder ein Agent nötig ist.
2. Framework- und Modellwahl. Abgleich der Anforderungen an Freigaben, Protokollierung, Lizenz und Betriebsmodell mit den Optionen aus diesem Vergleich, Test des Modells mit den eigenen Werkzeugen.
3. Werkzeuge und Rechte. Jedes Werkzeug mit eigenem technischen Konto, minimalen Rechten und Schema-Validierung; freigabepflichtige Aktionen werden festgelegt und dokumentiert.
4. Protokollierung. Tracing mit Langfuse, Modellzugriff über LiteLLM, Aufbewahrung und Zugriff auf Protokolle geregelt.
5. Betrieb. Updates, Monitoring und Regressionstests vor Modell- oder Versionswechseln auf eigener oder europäischer Infrastruktur, mit Support, Beratung und Implementierung durch WZ-IT.

Für n8n übernimmt WZ-IT Einrichtung und Betrieb als Managed n8n. Wer vor der Umsetzung klären will, welcher Weg für einen Prozess passt, kann mit dem KI-Prozesscheck beginnen.

Weiterführende Guides

• KI-Agenten für Unternehmen, Agenten mit definierten Werkzeugen, Freigaben und Protokoll.
• KI-Agenten: Rechte und Freigaben, unter wessen Konto ein Agent handelt und wo ein Mensch zustimmen muss.
• MCP im Unternehmen, wie das Model Context Protocol funktioniert und welche Risiken es mitbringt.
• n8n-Sicherheitsupdate September 2026, betroffene Versionen und Härtung.
• Langfuse und EU-AI-Act-Logging, Tracing für LLM-Anwendungen selbst betreiben.
• Geschäftsprozesse mit n8n und KI-Agents automatisieren, Grundlagen zu KI-Agenten in n8n.
• KI-Lösungen von WZ-IT, der Hub mit allen Angeboten zu lokaler KI und LLM-Betrieb.

Agent oder Workflow? Wir prüfen Ihren Prozess, wählen Framework und Modell und bauen den Agenten mit Freigaben, Tracing und minimalen Rechten. Termin vereinbaren

Quellen

• n8n, Releases auf GitHub
• n8n, Security Advisories
• n8n, Lizenztext (Sustainable Use License)
• n8n, License FAQ
• n8n, Compare editions
• n8n, Human-in-the-loop for tools
• n8n, Trace executions with OpenTelemetry
• n8n, MCP Client Tool
• n8n, MCP Server Trigger
• LangGraph auf PyPI
• LangGraph, Interrupts
• LangGraph, Persistence
• LangChain, MCP
• LangSmith, Self-hosted
• LangSmith, Standalone Agent Server
• CrewAI, Flows
• CrewAI auf PyPI
• CrewAI, Human-in-the-Loop
• CrewAI, MCP
• CrewAI, Telemetry
• Microsoft Agent Framework, Overview
• Microsoft Agent Framework, Tool Approval
• Microsoft Agent Framework, Observability
• Microsoft Agent Framework, Checkpoints
• agent-framework auf PyPI
• AutoGen, Repository mit Hinweis zum Wartungsmodus
• pydantic-ai auf PyPI
• Pydantic AI, Deferred Tools
• Pydantic AI, Durable Execution
• Pydantic AI, MCP-Client
• Langfuse, Self-Hosting
• Langfuse, Integration mit n8n
• Langfuse, Integration mit LangChain und LangGraph
• Langfuse, Integration mit CrewAI
• Langfuse, Integration mit Microsoft Agent Framework
• Langfuse, Integration mit Pydantic AI