Was ist LlamaIndex?
LlamaIndex ist ein Open-Source-Framework in Python für Retrieval-Augmented Generation (RAG): Dokumente laden, aufteilen und indexieren und die passenden Stücke abrufen, um Fragen zu beantworten. Laut README docken mehr als 300 Integrationspakete für Modelle, Embeddings und Vector Stores an seinen Kern an.
Seine Orchestrierungsschicht heißt Workflows, ein ereignisgesteuertes System aus typisierten Schritten, auf dem die vorgefertigten Agenten laufen, und LlamaAgents stellt diese Workflows als Dienste bereit.
Das Unternehmen hat den Kurs geändert. Sein README sagt jetzt, der Schwerpunkt habe sich auf LlamaParse verlagert, eine bezahlte Plattform zum Parsen und Extrahieren von Dokumenten, und das Framework bleibe als offenes Toolkit verfügbar. Der Code wird weiterhin aktualisiert, aber Käufer sollten diesen Hinweis lesen, bevor sie eine Roadmap darauf aufbauen.
Was kostet LlamaIndex?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Framework | Free | MIT |
| LlamaParse Free | Free | 10k Credits |
| LlamaParse Starter | $50/month | 40k Credits |
| LlamaParse Pro | $500/month | 400k Credits |
Framework kostenlos unter MIT. LlamaParse (bezahlte Cloud): Free mit 10k Credits, Starter 50 $/Monat (40k Credits), Pro 500 $/Monat (400k Credits), Enterprise nach Vereinbarung; 1.000 Credits = 1,25 $.
Lohnt sich LlamaIndex?
LlamaIndex bleibt eine fähige Datenschicht für RAG, und das Risiko ist nicht mehr technischer Natur. 2026 schrieb das Unternehmen sein README um: Der Schwerpunkt habe sich auf LlamaParse verlagert, das offene Framework bleibe als Toolkit verfügbar. Die Entwicklung ist nicht stehen geblieben: v0.14.25 erschien am 21. September 2026, im Oktober kamen Commits hinzu, und das Repo hat rund 52.600 Sterne. Doch ein Team, das es heute einführt, setzt auf ein Projekt, das sein Eigentümer als Zubringer zu einem bezahlten Produkt behandelt.
Die Breite ist weiterhin der Grund, es zu nutzen. Loader, Node-Parser, viele Indextypen, Retriever und Reranker stehen hinter einer API, und die Trennung zwischen llama-index-core und separaten Integrationspaketen heißt, dass du nur den Vector Store und den Modell-Client installierst, die du brauchst. Indizes liegen standardmäßig im Arbeitsspeicher und werden mit einem Aufruf in einem Ordner ./storage gespeichert, was Prototypen einfach hält.
Beim Parsen verläuft die kommerzielle Grenze. Die kostenlosen Reader extrahieren Text; gescannte und komplexe Layouts sind das, wofür LlamaParse verkauft wird, abgerechnet mit 1 Credit pro Seite in der Stufe Fast und 45 Credits pro Seite in Agentic Plus. Bei 1,25 $ pro 1.000 Credits kostet ein Rückstau von 100.000 Seiten etwa 125 $ mit Fast und rund 5.600 $ mit Agentic Plus. Die Wahl der Stufe zählt also mehr als der Plan.
API-Wechsel sind die alltäglichen Kosten. Query Pipelines wurden zugunsten von Workflows abgekündigt, und llama-deploy machte LlamaAgents Platz, deshalb scheitern Anleitungen aus 2024 oft. Die Advisory-Datenbank von GitHub listet mehrere Probleme aus 2025 und 2026 in llama-index-core, darunter ein Path Traversal in encode_image und Denial-of-Service-Fehler beim JSON-Parsing, was alles dafür spricht, Versionen festzuschreiben und bewusst zu aktualisieren. LangGraph hat das sauberere Konzept für den Kontrollfluss von Agenten; LlamaIndex gewinnt weiterhin, wenn der schwierige Teil die Dokumente sind.
Wo es sich lohnt
Ein Python-Engineer bei einem Versicherungsmakler mit 30 Leuten
Fragen der Belegschaft zu 20.000 Policen-PDFs beantworten
Lies mit dem kostenlosen PDF-Reader ein, indexiere in einen vorhandenen Postgres-Store mit pgvector und stelle eine Query Engine hinter einer internen API bereit. Das Framework kostet nichts; die Rechnung sind Embeddings und LLM-Aufrufe, plus LlamaParse-Credits, falls gescannte Dokumente OCR brauchen.
Eine Plattform-Engineerin bei einem Legal-Tech-Startup
Einen Agenten bauen, der Klauseln extrahiert und riskante Bedingungen markiert
Schreibe einen Workflow mit den Schritten Parsen, Extrahieren und Prüfen, der LlamaParse für das Layout und ein lokales Modell für die Klassifizierung aufruft. Typisierte Schritte machen die Pipeline testbar; rechne damit, sie umzubauen, wenn sich die Workflows-API bewegt.
Ein Operations-Manager, der einen Dokumentenrückstau budgetiert
100.000 Seiten archivierter Verträge digitalisieren
LlamaParse mit 1 Credit pro Seite in Fast kostet für alles etwa 125 $; Agentic Plus mit 45 Credits pro Seite kommt auf etwa 5.600 $. Eine Stichprobe vorher in jeder Stufe zu testen, verhindert, dass du für Genauigkeit zahlst, die die Dokumente nicht brauchen.
Bevor du dich festlegst
- Einrichtung
- `pip install llama-index` (Python 3.10+) liefert den Kern plus Starter-Integrationen; der Quickstart braucht einen OpenAI-Key, außer du installierst stattdessen Pakete für Ollama oder Hugging Face.
- Integrationen
- Mehr als 300 Integrationspakete für LLMs, Embeddings und Vector Stores; MCP-Server lassen sich als Tools nutzen oder aus Workflows bereitstellen; LlamaParse lässt sich zum Parsen von Dokumenten einbinden.
- Daten und Datenschutz
- Das Framework sendet Text nur an die Modell- und Vector-Store-Anbieter, die du konfigurierst; Indizes bleiben im Arbeitsspeicher oder in ./storage. LlamaParse ist ein gehosteter Dienst, der SOC 2 Type II, HIPAA und DSGVO angibt, mit hybridem oder VPC-Deployment bei Enterprise.
- Kosten im großen Maßstab
- Keine bezahlte Edition des Frameworks. LlamaParse kostet 1,25 $ pro 1.000 Credits; Fast-Parsing kostet 1 Credit pro Seite, Agentic 10 und Agentic Plus 45, erneutes Parsen innerhalb von 48 Stunden ist kostenlos.
- Grenzen
- Rund 312 offene Issues; häufige Abkündigungen; Sicherheits-Advisories im Kern in 2025 und 2026 (Path Traversal, Denial of Service beim JSON-Parsing); schwächer als LangGraph bei komplexem Kontrollfluss mit mehreren Agenten.
Was gut ist
- Viele Indextypen, Retriever und Node-Parser hinter einer API
- Über 300 Integrationspakete; installiere nur, was du nutzt
- Workflows liefern typisierte, ereignisgesteuerte Agentenschritte
- Aktive Releases; v0.14.25 im September 2026
Was nicht
- Der Hersteller sagt, sein Schwerpunkt liege jetzt auf dem bezahlten LlamaParse
- Gutes Parsen komplexer PDFs heißt LlamaParse-Credits
- Abkündigungen (Query Pipelines, llama-deploy) brechen alte Tutorials
- Mehrere Sicherheits-Advisories im Kern in 2025 und 2026
Am besten für
Python-Entwickler, die RAG oder Dokumenten-Agenten über große, vielfältige Datenquellen bauen.
Alternativen zu LlamaIndex
LlamaIndex: häufige Fragen
- Lohnt sich LlamaIndex?
- Immer noch ein tiefes Toolkit für dokumentenlastiges RAG, aber sein Hersteller sagt inzwischen offen, dass das Framework nicht mehr seine Priorität ist. Wir bewerten es mit 4.3 von 5.
- Was kostet LlamaIndex?
- Framework kostenlos unter MIT. LlamaParse (bezahlte Cloud): Free mit 10k Credits, Starter 50 $/Monat (40k Credits), Pro 500 $/Monat (400k Credits), Enterprise nach Vereinbarung; 1.000 Credits = 1,25 $.
- Welche Nachteile hat LlamaIndex?
- Der Hersteller sagt, sein Schwerpunkt liege jetzt auf dem bezahlten LlamaParse; Gutes Parsen komplexer PDFs heißt LlamaParse-Credits; Abkündigungen (Query Pipelines, llama-deploy) brechen alte Tutorials; Mehrere Sicherheits-Advisories im Kern in 2025 und 2026.
- Für wen eignet sich LlamaIndex?
- Python-Entwickler, die RAG oder Dokumenten-Agenten über große, vielfältige Datenquellen bauen.
- Was kostet LlamaIndex für ein Team oder im Produktivbetrieb?
- Keine bezahlte Edition des Frameworks. LlamaParse kostet 1,25 $ pro 1.000 Credits; Fast-Parsing kostet 1 Credit pro Seite, Agentic 10 und Agentic Plus 45, erneutes Parsen innerhalb von 48 Stunden ist kostenlos.
- Ist LlamaIndex sicher für Firmendaten?
- Das Framework sendet Text nur an die Modell- und Vector-Store-Anbieter, die du konfigurierst; Indizes bleiben im Arbeitsspeicher oder in ./storage. LlamaParse ist ein gehosteter Dienst, der SOC 2 Type II, HIPAA und DSGVO angibt, mit hybridem oder VPC-Deployment bei Enterprise.
- Was sind die besten Alternativen zu LlamaIndex?
- Die nächsten Alternativen, die wir getestet haben, sind Haystack, LangChain und RAGFlow.
Antworten geprüft am 23. Okt. 2026.