Tools für Wissensgraphen: Welches passt zu deinen Notizen, deinen Daten oder deiner KI?

Software für Wissensgraphen umfasst sehr unterschiedliche Produkte: Notiz-Apps, die deine Verknüpfungen visualisieren, Datenbanken, die Fragen über Millionen von Beziehungen hinweg beantworten, Desktop-Tools zur Netzwerkanalyse, KI-Pipelines, die Dokumente in Graphen umwandeln, und Memory-Server für KI-Agenten. Die sinnvolle Frage lautet also nicht, welches Tool das beste ist, sondern welche Aufgabe es für dich erledigen soll. Im Folgenden sind 18 Tools nach Aufgabenbereich sortiert. Lizenz, kostenlose Option, Preis und die Frage, ob du Code schreiben musst, wurden für alle am selben Stichtag geprüft. Danach folgen fünf Fragen zur Auswahl und drei Möglichkeiten, ein Tool mit deinen eigenen Daten auszuprobieren.

Fünf Aufgaben, die ein Tool für Wissensgraphen übernehmen kann

Ein Wissensgraph speichert Dinge als Knoten und die benannten Beziehungen zwischen ihnen als Kanten. So können Menschen und Software Verbindungen folgen, statt Texte zu durchsuchen. In unserem Leitfaden findest du einen kleinen Graphen zum Anklicken. Die Tools unterscheiden sich darin, welchen Teil der Arbeit sie übernehmen:

1. Stelle deine Notizen als Graph dar. Sieh dir die Verknüpfungen an, die du bereits zwischen Notizen, Seiten und Ideen herstellst: Was steht im Zentrum, was ist isoliert? Obsidian, Logseq, Anytype, InfraNodus, Kumu und IVGraph für Notion. Siehe Tools für deine Notizen.
2. Speichern und abfragen. Lade Datensätze in eine Datenbank und stelle Fragen, die mehreren Verknüpfungen folgen, etwa: „Welche Kunden haben Produkte gekauft, die mit Teilen dieses Lieferanten hergestellt wurden?“ Neo4j, Memgraph, FalkorDB, GraphDB, Amazon Neptune. Siehe Graphdatenbanken.
3. Visualisieren und analysieren. Stelle ein bestehendes Netzwerk dar, finde Cluster und stark vernetzte Knoten und miss die Zentralität der Knoten. Gephi, Cytoscape, yEd, Neo4j Bloom. Siehe Tools zur Visualisierung.
4. Mit KI Graphen aus Text erstellen. Lass ein Sprachmodell Entitäten und Beziehungen aus Dokumenten extrahieren. Neo4j LLM Knowledge Graph Builder, Microsoft GraphRAG, LightRAG. Siehe KI-Tools zum Erstellen von Graphen.
5. Ein Gedächtnis für einen Agenten bereitstellen. Gib einem KI-Agenten einen Graphen, in dem er Fakten speichert und in späteren Sitzungen wieder abruft. Der MCP-Gedächtnisserver, Graphiti, mem0. Siehe Gedächtnis für Agenten.

Die Aufgaben überschneiden sich: Neo4j speichert Graphen und bietet einen visuellen Explorer, und LightRAG erstellt aus Text einen Graphen, den du erkunden kannst. Wähle danach, welche Aufgabe du am dringendsten erledigen musst.

Tools für Wissensgraphen im Überblick

Das Muster: Notiztools kosten wenig und kommen ohne Code aus. Datenbanken und KI-Pipelines lassen sich oft kostenlos herunterladen, erfordern aber Abfragen oder Python. Für Hosting und Modellaufrufe zahlst du.

Open-Source-Tools für Wissensgraphen

Diese Projekte verwenden Lizenzen, die von der Open Source Initiative genehmigt wurden:

• Notizen: Logseq (AGPL-3.0).
• Datenbanken: Neo4j Community Edition (GPLv3) und ArcadeDB (Apache 2.0), eine Multi-Modell-Datenbank, die SQL-, Cypher- und Gremlin-Abfragen beantwortet.
• Visualisierung: Gephi und Gephi Lite (GPL-3.0), Cytoscape (LGPL-2.1) und für Entwickler Cytoscape.js und sigma.js (MIT).
• KI-Builder: der Neo4j LLM Knowledge Graph Builder (Apache 2.0), Microsoft GraphRAG und LightRAG (MIT).
• Gedächtnis für Agenten: Graphiti (Apache 2.0) und der MCP Memory Server, dessen Projekt die Lizenz seines Codes von MIT auf Apache 2.0 umstellt.

Memgraph und FalkorDB bezeichnen sich als Open Source, verwenden aber die Business Source License 1.1 bzw. die Server Side Public License. Anytype nutzt seine eigene Any Source Available License. Du kannst den Code lesen und ausführen; lies dir aber die Lizenz durch, bevor du darauf einen kommerziellen Dienst aufbaust. Noch eine Warnung: Kùzu, eine eingebettete Graphdatenbank, die in älteren Listen noch empfohlen wird, wurde am 10. Oktober 2025 archiviert. Graphiti kennzeichnet seinen Kùzu-Treiber inzwischen als veraltet. Starte damit keine neuen Projekte.

Für deine Notizen: Tools für persönliche Wissensgraphen

Ein persönlicher Wissensgraph besteht aus deinen eigenen Inhalten wie Notizen, Personen, Projekten, Quellen und Ideen, die du durch Links miteinander verbindest. Für die meisten ist die passende App für einen Wissensgraphen die Notiz-App, die sie bereits nutzen – solange sie diese Links als Graph darstellen kann. Die Apps unterscheiden sich vor allem darin, was als Link zählt.

Obsidian-Graph-Ansicht

Obsidian speichert Notizen als Markdown-Dateien in einem lokalen Ordner. Die Graph-Ansicht ist bereits integriert: Jede Notiz ist ein Knoten, jeder interne Link eine Linie. Der globale Graph zeigt den gesamten Vault, der lokale Graph die Notizen rund um die Notiz, die du gerade liest – mit einem Schieberegler für die Tiefe. Gruppen färben Notizen anhand von Suchabfragen wie path:Projects oder tag:#book ein. Die App ist kostenlos, auch für die berufliche Nutzung; Sync kostet bei jährlicher Abrechnung 4 $ pro Monat und Nutzer. Unser Leitfaden zur Graph-Ansicht in Obsidian erklärt jede Einstellung. Obsidian eignet sich für alle, die allein in lokalen Dateien schreiben.

Logseq

Logseq ist ein kostenloser Open-Source-Outliner (AGPL-3.0), bei dem tägliche Journale im Mittelpunkt stehen. Sein Graph verknüpft Seiten, nicht Blöcke: Erwähnt ein Journaleintrag zwei Seiten, werden beide mit diesem Tag verknüpft, nicht miteinander. Logseq 2.0 speichert Notizen in einer Datenbank statt in Markdown-Dateien und befindet sich in der Betaphase; Version 2.0.2 erschien am 7. Oktober 2026. Weitere Apps dieser Kategorie findest du unter Alternativen zu Obsidian.

Anytype

Anytype speichert deine Daten auf deinem Gerät und behandelt alles als Objekte mit einem bestimmten Typ, etwa Notizen, Aufgaben und Personen. Im Graphen ist jedes Objekt ein Knoten. Die Verbindungslinien entstehen durch Links im Text, durch Eigenschaften, die auf andere Objekte verweisen, und durch Backlinks; du kannst nach Objekttyp filtern. Der Code ist unter der Any Source Available License veröffentlicht. Der kostenlose Tarif enthält 100 MB Online-Speicher für die Synchronisierung; Plus kostet 4 $ pro Monat. Im Vergleich zu Notion: Anytype vs Notion.

InfraNodus

InfraNodus erstellt einen Graphen aus dem Text selbst statt aus deinen Links: Begriffe, die in deinem Text gemeinsam vorkommen, werden miteinander verbunden. Anschließend zeigt es thematische Cluster, die Begriffe, die sie zusammenhalten, und die Lücken zwischen den Clustern. Seine KI schlägt Forschungsfragen vor, die eine solche Lücke überbrücken könnten. Es lässt sich mit Texten, Dateien und Webquellen nutzen und ist als Obsidian-Plugin (InfraNodus AI Graph View) sowie über einen MCP-Server für Agenten verfügbar. Der kostenlose Tarif umfasst 3 Graphen; kostenpflichtige Tarife beginnen bei €12 pro Monat bei jährlicher Abrechnung und bieten eine Testphase von 14 Tagen. So erkennst du, worum es in deinen Notizen geht und was darin fehlt.

Kumu

Kumu ist eine Web-App für Beziehungsdiagramme, die du von Hand zeichnest oder aus einer Tabelle importierst und anschließend mit Gestaltungselementen, Filtern und Clusterbildung übersichtlich aufbereitest. Öffentliche Projekte sind kostenlos; ein privates Projekt kostet 9 $ im Monat. Kumu eignet sich eher für Diagramme, die du mit anderen teilst, als für private Notizen.

IVGraph für Notion

Notion hat keine integrierte Graph-Ansicht – genau diese Lücke schließen wir mit IVGraph. Es ist unser eigenes Produkt, also berücksichtige das bei der Bewertung dieser Karte. Du meldest dich mit Notion an und erteilst ausschließlich Lesezugriff. IVGraph stellt deinen Workspace dann als interaktiven 3D-Graphen dar: Seiten und Datenbanken sind Knoten; Erwähnungen, Backlinks, Datenbank-Relationen und übergeordnete Seiten bilden die Verbindungen. Du kannst zwischen den Ansichten 3D, Kugel, Radial und Flach wechseln, Seiten suchen und die Ergebnisse nach Datenbank gruppiert anzeigen lassen, Seiten mit PageRank nach Wichtigkeit sortieren, Seiten ohne eingehende Verbindungen erkennen und Seiten mit Stilregeln einfärben, ihre Größe ändern oder sie ausblenden. In den Tarifen Pro und Max können Claude oder dein eigenes Skript über eine API für KI-Agenten mit reinem Lesezugriff den Workspace durchsuchen, Seiten lesen und Verbindungen folgen.

Die App funktioniert nur mit Notion. Für einen Obsidian-Vault erstellt unser separates kostenloses Tool Obsidian Graph Online den Graphen in deinem Browser. IVGraph importiert weder CSV noch RDF und ist weder eine Datenbank noch eine Abfragesprache. Der Free-Tarif umfasst bis zu 500 Knoten; Plus kostet 5 $ pro Monat für 3.000 Knoten, Pro 10 $ für 10.000 Knoten und die API. Du kannst Pro eine Woche lang für 1,99 $ testen. Was Notion selbst bietet, erfährst du unter Hat Notion eine Graph-Ansicht?.

Graphdatenbanken: einen Wissensgraphen speichern und abfragen

Eine Datenbank für Wissensgraphen lohnt sich, wenn du nicht nur Daten ansehen, sondern auch Fragen stellen musst: Was hängt von diesem Dienst ab, oder welche Kunden sind über gemeinsam genutzte Geräte mit einem markierten Konto verknüpft? Du modellierst die Daten als Knoten und Beziehungen, lädst sie in die Datenbank und fragst sie mit einer Sprache wie Cypher oder SPARQL ab. Jede der hier vorgestellten Optionen setzt voraus, dass sich jemand mit Abfragen oder Code auskennt.

Neo4j

Neo4j speichert einen Property-Graphen und lässt sich mit Cypher abfragen, das Neo4j als GQL-konform beschreibt. Die Community Edition ist Open Source unter GPLv3 und lässt sich kostenlos auf deinem eigenen Server betreiben. In der Cloud erfordert AuraDB Free keine Zahlungsmethode und begrenzt die Anzahl der Knoten und Beziehungen; AuraDB Professional startet bei 0,09 $ pro GB-Stunde mit mindestens 1 GB, also rund 66 $ pro Monat für eine Instanz mit 1 GB. Auch Bloom und der LLM Knowledge Graph Builder, die weiter unten vorgestellt werden, stammen von Neo4j.

Memgraph

Memgraph hält den Graphen im Arbeitsspeicher, schreibt ihn zur dauerhaften Speicherung auf die Festplatte und unterstützt ebenfalls Cypher. Schon die kostenlose Community Edition enthält Replikation, Vektorsuche, Stream-Konnektoren für Kafka, Pulsar und Redpanda sowie die MAGE-Bibliothek mit Graphalgorithmen. Der Code steht unter der Business Source License 1.1, und Memgraph Lab ist die visuelle Oberfläche. Der Enterprise-Preis wird auf Anfrage anhand der Arbeitsspeichergröße ermittelt. Memgraph eignet sich für Daten, die als Streams eintreffen und sofort abgefragt werden müssen.

FalkorDB

FalkorDB basiert auf Redis und speichert Graphen mithilfe der GraphBLAS-Bibliothek als dünn besetzte Matrizen; Abfragen erfolgen mit openCypher. Die Datenbank ist auf GraphRAG und den Speicher von KI-Agenten ausgerichtet: Sie bietet ein eigenes GraphRAG-SDK und gehört zu den Datenbanken, die Graphiti unterstützt. Mit einem einzigen Docker-Befehl startest du die Datenbank samt Browseroberfläche auf deinem Rechner. Der Code steht unter der Server Side Public License. Das Cloud-Angebot umfasst einen kostenlosen Tarif; kostenpflichtige Tarife beginnen bei 73 $ pro Monat für 1 GB.

GraphDB

GraphDB ist eine RDF-Datenbank: Daten werden als Subjekt-Prädikat-Objekt-Tripel gespeichert und mit SPARQL abgefragt. Mithilfe der Regelsätze RDFS sowie OWL 2 RL und QL kann die Datenbank neue Fakten aus einer Ontologie ableiten. Entwickelt wurde sie von Ontotext; 2024 schlossen sich Ontotext und Semantic Web Company zu Graphwise zusammen, das GraphDB heute vertreibt. GraphDB Free läuft auf einem CPU-Kern und benötigt seit Version 11 einen kostenlosen Lizenzschlüssel, der per E-Mail verschickt wird. Der Preis für die Enterprise Edition wird auf Anfrage mitgeteilt.

Amazon Neptune und Stardog

Amazon Neptune ist eine verwaltete Graphdatenbank auf AWS, die Gremlin, openCypher und SPARQL unterstützt und einen Property-Graphen oder RDF-Daten speichern kann. Neue Nutzer können eine kleine Instanz 30 Tage lang kostenlos testen; danach zahlst du nach Nutzung. Die Lösung eignet sich für Teams, die bereits AWS nutzen. Stardog, eine RDF-basierte Plattform für Unternehmen, bietet Stardog Free an: für die kommerzielle Nutzung zugelassen, aber nicht Open Source, jährlich zu erneuern und ohne Hochverfügbarkeit oder Backups.

Property-Graph oder RDF?

Ein Property-Graph (Neo4j, Memgraph, FalkorDB) speichert Knoten und Beziehungen, die beide Eigenschaften haben. Du richtest das Modell an deinen eigenen Fragestellungen aus – das eignet sich für Anwendungen und GraphRAG-Backends. RDF (GraphDB, Stardog) speichert Tripel mit globalen Identifikatoren. So lassen sich Daten aus verschiedenen Quellen und gemeinsame Vokabulare leichter zusammenführen. Eine Ontologie ermöglicht es der Datenbank zudem, Fakten abzuleiten, die du nicht explizit erfasst hast. Du entwickelst eine App oder ein KI-Backend? Starte mit einem Property-Graphen. Du verknüpfst Daten über Team- oder Organisationsgrenzen hinweg oder veröffentlichst Linked Data? Dann schau dir RDF an. Unser Leitfaden erklärt Tripel, Schemata und Ontologien.

Wissensgraph visualisieren: einen Graphen erkunden und analysieren

Visualisierungstools nehmen einen Graphen, den du bereits hast – als Datei, als Tabelle mit Verknüpfungen oder als Datenbank – und machen seine Struktur sichtbar: Cluster, zentrale Knoten und Knoten, die Gruppen miteinander verbinden. Manche werten ihn auch quantitativ aus. Schlechte Daten bleiben schlechte Daten, auch wenn sie übersichtlich dargestellt sind.

Gephi und Gephi Lite

Gephi ist eine kostenlose Open-Source-Desktop-App (GPL) zur visuellen Netzwerkanalyse. Sie bietet Algorithmen zur Erkennung von Communities, zur Zentralitätsanalyse und zum Clustering, Layouts wie ForceAtlas2, eine Tabellenansicht zur Datenbearbeitung und den Export in PNG, PDF und SVG. Die im Mai 2026 veröffentlichte Version 0.11 brachte eine deutliche Leistungssteigerung; 0.11.3 erschien am 6. September 2026. Gephi Lite ist die schlankere Webversion: Sie läuft ohne Installation im Browser und basiert auf der Bibliothek sigma.js.

Cytoscape

Cytoscape ist eine quelloffene Java-Desktop-App (LGPL) zur Netzwerkanalyse. Sie entstand 2003 als Werkzeug für biomolekulare Interaktionsnetzwerke; heute decken ihre Apps Bioinformatik, die Analyse sozialer Netzwerke und das semantische Web ab. Version 3.10.5 erschien am 29. September 2026. Das Schwesterprojekt Cytoscape.js (MIT) ist eine Bibliothek zur Einbindung von Graphen in Web-Apps.

yEd

yEd ist ein kostenloser Diagrammeditor von yWorks für den Desktop, der auch kommerziell kostenlos genutzt werden darf, aber nicht Open Source ist. Seine Stärke ist das automatische Layout: Importiere Knoten und Kanten aus einer Excel-Tabelle oder aus XML, und die Layout-Algorithmen ordnen selbst große Diagramme an. Die aktuelle Version ist 3.25.1, und yEd Live läuft im Browser. Nutze es für übersichtliche Diagramme, nicht für Analysen.

Neo4j Bloom

Wenn dein Graph in Neo4j liegt, können ihn mit Bloom auch Menschen erkunden, die kein Cypher schreiben: mit nahezu natürlichsprachlichen Formulierungen suchen, benachbarte Knoten einblenden sowie Datensätze ansehen und bearbeiten. Bloom ist Teil der Aura-Konsole, in der Neo4j den Zugriff auf alle Graph-Tools für AuraDB Free aufführt, und ist auch als eigenständige App verfügbar.

Kommerzielle Tools für große Graphen und Ermittlungen

• Graphistry rendert sehr große Graphen auf GPUs und lässt sich über PyGraphistry aus Python-Notebooks heraus nutzen. Graphistry Hub bietet einen kostenlosen Tarif; Professional kostet 83 $ pro Monat bei jährlicher Abrechnung oder 100 $ pro Monat bei monatlicher Abrechnung.
• KeyLines und ReGraph von Cambridge Intelligence sind kommerzielle JavaScript- und React-SDKs, mit denen du Graphvisualisierungen in dein eigenes Produkt integrieren kannst; Testversionen gibt es auf Anfrage.
• Linkurious Enterprise setzt auf einer Graphdatenbank auf und bietet Ermittlungsteams eine Suche, einen No-Code-Abfrage-Builder und Funktionen zur Zusammenarbeit. Die Cloud-Version kostet nach einer 30-tägigen Testphase €490 pro Nutzer und Monat.

Für Entwickler: Bibliotheken zur Graphvisualisierung

Um einen Graphen in deine eigene App einzubinden, nutze eine Bibliothek statt einer Anwendung:

• Cytoscape.js (MIT): Graphentheorie und Visualisierung in einer Bibliothek, mit vielen Layout-Erweiterungen.
• sigma.js (MIT): WebGL-Rendering für Graphen mit Tausenden von Knoten und Kanten, inzwischen in Version 4.
• D3 (ISC): Low-Level-Bausteine, darunter eine Kräftesimulation, für vollständig maßgeschneiderte Visualisierungen.
• 3d-force-graph (MIT): ein kräftebasierter 3D-Graph auf Basis von Three.js und WebGL. Die 3D-Ansicht von IVGraph baut darauf auf.

Erstelle mit KI einen Wissensgraphen aus Text

Ein Tool zum Erstellen von Wissensgraphen liest Dokumente und lässt ein Sprachmodell Entitäten wie Personen, Produkte und Konzepte sowie deren Beziehungen zueinander extrahieren. Das Ergebnis wird als Graph gespeichert, den du abfragen oder an einen Chatbot weitergeben kannst. Betrachte die Ausgabe als Entwurf: Modelle führen unterschiedliche Dinge zusammen, die denselben Namen haben, übersehen Beziehungen und benennen dieselbe Beziehung auf unterschiedliche Weise. Prüfe eine Stichprobe von Hand, bevor du dich darauf verlässt. Wann die Suche über einen Graphen besser abschneidet als eine herkömmliche Vektorsuche, erfährst du in unserer Einführung in GraphRAG.

Neo4j LLM Knowledge Graph Builder

Mit dem LLM Knowledge Graph Builder kannst du die Idee schnell mit deinen eigenen Dateien ausprobieren. Die Online-App von Neo4j Labs funktioniert so: Du verbindest eine Neo4j-Datenbank, fügst PDFs, Dokumente, Webseiten oder YouTube-Transkripte hinzu und wählst ein Modell aus. Daraus erstellt die App zwei Ebenen. Die eine enthält deine Dokumente, aufgeteilt in Textabschnitte mit Embeddings; die andere enthält Entitäten und ihre Beziehungen, jeweils mit dem Textabschnitt verknüpft, aus dem sie stammen. Anschließend kannst du mit dem Ergebnis chatten und es in Bloom öffnen. Neo4j weist darauf hin, dass die App mit langen englischen Texten am besten funktioniert, mit Tabellenkalkulationsdateien, Bildern und Folien weniger gut. Bessere Ergebnisse liefert sie außerdem, wenn du die Knoten- und Beziehungstypen festlegst. Der Code steht unter Apache 2.0, Version 0.8.7 erschien im Juli 2026, und mit Docker Compose lässt sich die App lokal ausführen.

Microsoft GraphRAG

Microsoft GraphRAG (MIT; Version 3.3.0 vom 8. Oktober 2026) ist eine Python-Pipeline, die Entitäten und Beziehungen extrahiert, sie in Communities gruppiert und Zusammenfassungen erstellt. So kann sie sowohl Fragen zu einer gesamten Sammlung als auch zu bestimmten Entitäten beantworten. Die README-Datei warnt davor, dass die Indexierung teuer werden kann, und empfiehlt, die Prompts auf deine Daten abzustimmen. Außerdem bezeichnet sie den Code als Demonstrationscode, nicht als offiziell unterstütztes Microsoft-Produkt. Starte mit einer kleinen Stichprobe und behalte die Kosten für die Modellnutzung im Blick.

LightRAG

LightRAG (MIT; Version 1.5.7 vom 2. September 2026) ist ein Forschungsprojekt, das auf der EMNLP 2025 vorgestellt wurde und aus deinen Dokumenten einen Graphindex für die Informationssuche erstellt. Es bringt einen Server und eine Weboberfläche mit, über die du Dokumente hinzufügen, Fragen stellen und den Graphen erkunden kannst. Daten lassen sich in Neo4j, PostgreSQL, MongoDB oder OpenSearch speichern. Wähle es, wenn du GraphRAG mit einer sofort einsatzbereiten Benutzeroberfläche möchtest.

Graphify ist ein Code-Graph, kein Notion-Tool. Falls du nach einer Graphify-Alternative gesucht und dabei einen Notion-Graphen erwartet hast: 2026 beziehen sich die Suchergebnisse für diesen Namen auf Graphify, einen Open-Source-Skill (Apache 2.0) für Claude Code, Cursor, Codex und Gemini CLI. Er verwandelt eine Codebasis samt Dokumentation, SQL-Schemata und PDFs in einen Wissensgraphen, den der Coding-Agent abfragen kann.

Graphbasiertes Gedächtnis für KI-Agenten

Ein KI-Agent vergisst zwischen den Sitzungen alles, wenn das Gelernte nicht gespeichert wird. Ein graphbasiertes Gedächtnis speichert es als Entitäten und Beziehungen. So kann der Agent Informationen zu einer Person abrufen und Verknüpfungen zu ihren Projekten und Entscheidungen folgen, statt alte Chats erneut zu lesen. Drei Optionen decken die meisten Konfigurationen ab. Unser Leitfaden zum Gedächtnis von Claude Code zeigt, wie sich die einzelnen Optionen neben CLAUDE.md einordnen.

Der MCP-Gedächtnisserver

Der Memory-Server des Model Context Protocol-Projekts (@modelcontextprotocol/server-memory, Version 2.0.0 vom 19. Oktober 2026) speichert einen kleinen Wissensgraphen in einer lokalen Datei: Entitäten mit einem Namen, einem Typ und Beobachtungen sowie gerichtete Beziehungen, deren Bezeichnungen im Aktiv formuliert sind, etwa works_at. Claude oder jeder andere MCP-Client liest und schreibt die Daten über neun Tools, von create_entities bis search_nodes. Die Suche gleicht Wörter ab, nicht deren Bedeutung. Der Server ist kostenlos, läuft auf deinem Computer und eignet sich besser für den Assistenten einer einzelnen Person als für ein Team.

Graphiti

Graphiti (Apache 2.0; Version 0.31.2 vom 20. Oktober 2026) baut einen temporalen Graphen auf: Jeder Fakt hat einen Gültigkeitszeitraum. Ändert sich etwas, wird der alte Fakt als ungültig markiert statt gelöscht. So kannst du abfragen, was zu einem beliebigen Zeitpunkt zutraf. Jeder Fakt verweist auf die Nachricht, das Dokument oder den Datensatz, aus dem er stammt. Dafür braucht Graphiti eine Graphdatenbank (Neo4j, FalkorDB oder Amazon Neptune) und ein Modell, das strukturierte Ausgaben unterstützt; standardmäßig wird OpenAI verwendet. Das Repository enthält eine Referenzimplementierung eines MCP-Servers. Dessen README weist warnend darauf hin, dass der Server keine Authentifizierung bietet – betreibe ihn daher nicht in nicht vertrauenswürdigen Netzwerken. Zep, das Unternehmen hinter Graphiti, bietet darauf aufbauend einen kostenpflichtigen, verwalteten Dienst für Unternehmen an.

mem0

mem0 (Apache 2.0) ist eine Gedächtnisschicht für Agenten: Sie extrahiert kurze Erinnerungen aus Gesprächen und ruft später die relevanten wieder ab. Das Graph-Gedächtnis von mem0 verknüpft Erinnerungen über die darin erwähnten Personen, Orte und Konzepte. Es läuft auf der gehosteten Mem0 Platform und ist auf der Preisseite unter dem Custom-Tarif aufgeführt. Im kostenlosen Tarif kannst du in den ersten 30 Tagen monatlich 10.000 Erinnerungen hinzufügen und 1.000 abrufen, danach mit deinem eigenen Modellschlüssel monatlich 50.000 hinzufügen und 10.000 abrufen.

Wenn das Wissen, das dein Agent braucht, bereits in Notion liegt, brauchst du vielleicht gar keinen separaten Speicher. Mit der schreibgeschützten API von IVGraph in Pro und Max kann ein Agent einen Workspace durchsuchen, eine Seite als Markdown lesen und ihren Links folgen.

Fünf Fragen, die dir bei der Wahl helfen

Jede Antwort verweist auf einen Abschnitt weiter oben.

1. Welche Daten hast du? Notizen, die du schreibst: eine Notiz-App mit einem Graphen (Notizen). Dokumente, die du gesammelt hast: ein KI-Builder (KI). Datensätze aus Tabellenkalkulationen oder Systemen: eine Graphdatenbank (Datenbanken).
2. Willst du erkunden oder Fragen stellen? Um Cluster, zentrale Knoten und isolierte Knoten zu finden, brauchst du eine Notiz-App oder ein Visualisierungstool. Für die Frage „Wer ist mit wem verbunden und wodurch?“ brauchst du eine Datenbank und eine Abfragesprache.
3. Allein oder im Team? Allein: Obsidian, Logseq, Anytype oder Gephi. Im Team: Kumu für gemeinsame Karten oder eine gehostete Datenbank wie AuraDB oder Neptune mit Bloom oder Linkurious als Oberfläche.
4. Cloud oder eigener Rechner? Auf deinem Rechner: Obsidian, Logseq, Anytype, Gephi, Cytoscape, yEd, Neo4j Community Edition, FalkorDB in Docker und der MCP-Memory-Server. In der Cloud: InfraNodus, Kumu, IVGraph, AuraDB, Neptune und Mem0 Platform. Jedes Tool, das Text an einen Modellanbieter sendet, sendet auch deine Daten dorthin.
5. Willst du Code schreiben? Nein: die Notiz-Apps, InfraNodus, Kumu, IVGraph, Gephi, yEd und der LLM Knowledge Graph Builder. Ein bisschen: der MCP-Memory-Server und LightRAG. Ja: die Datenbanken, GraphRAG und Graphiti.

Meist bleiben nach diesen Fragen zwei oder drei Tools übrig. Teste sie mit einer kleinen Stichprobe aus der Praxis, etwa einem Projekt oder fünfzig Dokumenten, und behalte das Tool, das deine konkreten Fragen schneller beantwortet.

Teste in 10 Minuten einen Wissensgraphen mit deinen eigenen Daten

Drei kurze Wege, einer für jede Art von Daten. Alle drei sind zum Einstieg kostenlos.

Notizen in Obsidian

1. Öffne deinen Vault und klicke im Menüband auf Open graph view (Graph-Ansicht öffnen) oder führe über die Befehlspalette Graph view: Open graph view (Graph-Ansicht: Graph-Ansicht öffnen) aus.
2. Öffne eine Notiz, die du gut kennst, führe Open local graph (Lokale Graph-Ansicht öffnen) aus und setze die Tiefe auf 2.
3. Aktiviere in den Graph-Einstellungen Orphans (Verwaiste Dateien) und sieh dir die Notizen an, die isoliert im Graphen stehen. Jede davon steht für eine Verknüpfung, die du nie erstellt hast.

Ein Notion-Workspace in IVGraph

1. Klicke auf ivgraph.com auf Mit Notion anmelden und erlaube den Zugriff im Fenster von Notion.
2. Warte, bis die erste Synchronisierung abgeschlossen ist. Bei einem kleinen Workspace dauert das etwa zwei Minuten.
3. Öffne den Graphen, suche nach einem Projekt, um alles zu sehen, was damit verknüpft ist, und probiere dann das Kugel-Layout aus.

Dokumente in Neo4j

1. Erstelle eine AuraDB Free-Instanz auf console.neo4j.io und lade die Datei mit den Zugangsdaten herunter. Du musst keine Zahlungsmethode angeben.
2. Öffne den LLM Knowledge Graph Builder und ziehe die Datei mit den Zugangsdaten in den Verbindungsdialog.
3. Füge zwei oder drei PDFs oder einen Link zu einer Webseite hinzu, wähle ein Modell aus und erstelle den Graphen. Stelle dann eine Frage im Chat und prüfe, welche Textabschnitte für die Antwort verwendet wurden.

Egal, welchen Weg du wählst: Beurteile das Ergebnis anhand einer Frage, die dich wirklich beschäftigt. Wenn der Graph sie schneller beantwortet als die Suche, mach weiter. Wenn nicht, liegt das Problem meist an fehlenden Verknüpfungen in deinen Daten, nicht am Tool.

Häufige Fragen