Haystack (deepset)— Open-Source-AI-Orchestrierungs-Framework des Berliner Unternehmens deepset für produktionsreife RAG-Pipelines, semantische Suche und Agenten-Workflows.
Self-hosted DSGVO hoch
Beta — ohne Gewähr. Die Ergebnisse sind eine Orientierung, keine Beratung. Für Entscheidungen auf ihrer Grundlage übernehmen wir keine Haftung. Preise und Lizenzangaben stammen aus unserem Katalog (Stichtag je Tool) und können sich ändern.
Unsere Einschätzung
Haystack ergänzt die bestehende RAG-Pipeline (pgvector/Qdrant + LiteLLM) um ein ausgereiftes Orchestrierungs-Framework für mehrstufige Pipelines (Retrieval → Routing → Generation) und Agenten-Workflows, statt diese Logik selbst zu bauen. Sinnvoll, sobald die RAG-Anforderungen über eine einfache Vector-Suche hinausgehen (Multi-Source-Retrieval, Re-Ranking, komplexe Tool-Call-Ketten). Deutsches Unternehmen (deepset, Berlin) hinter dem Open-Source-Projekt, Apache2-lizenziert.
Fakten
| Hosting | Self-hosted · Vendor-Lock-in niedrig |
|---|---|
| DSGVO-Bewertung | hoch — Self-hosted Python-Framework, läuft vollständig in eigener Infrastruktur, keine Pflicht-Datenübertragung an Dritte (Stand 2026-07) |
| Lizenz | Apache2 · Open Source: ja |
| Kosten | ab 0 € / Monat · Modell kostenlos (Stand 2026-07) |
| Reife | Releases aktiv · Community gross (Stand 2026-07) |
| Betrieb | Infrastruktur mittel · Wartung mittel · Docker: ja |
| Integration | API hoch · LLM-integrierbar: ja |
| Lokalisierung | Deutsch: ja · GoBD: nein |
| Zielgröße | alle Größen |
Kernfunktionen
- Modulare RAG-Pipelines (Retrieval, Routing, Generation) als Code/YAML
- Native Anbindung an Qdrant, pgvector, Ollama, OpenAI u. a.
- Agenten-Unterstützung für mehrstufige Aufgaben
- Deutsches Unternehmen hinter dem Projekt (deepset, Berlin)
Deckt diese Prozesse ab
- RAG-Indizierung & Vector Store (voll)
- Tool-Call-Layer (Prozessintegration) (teilweise)
Angaben Stand 2026-07 (Preise) / 2026-07 (Reife), ohne Gewähr.
Passt Haystack (deepset) zu deinem Unternehmen?
Konfigurator starten — kostenlos in der Beta →