LangChain lohnt sich mit Zustand im Ablauf

Die 1.0 hat aus LangChain etwas anderes gemacht, als der Name noch verspricht. Die Kette liegt seit Oktober 2025 in einem eigenen Paket namens langchain-classic. Übrig bleibt ein Laufzeitsystem für Abläufe, die einen Zustand haben, und genau daran entscheidet sich, ob der Aufwand sich lohnt.

Dieser Beitrag beantwortet eine einzige Frage: Wann ist ein Framework dieser Größe die richtige Wahl?

Er ist keine Einführung, er vergleicht keine Anbieter, und er sagt nichts über Preise von Modellen.

Der Stand, damit man ihn nachrechnen kann

Geprüft am 25. August 2026 auf pypi.org, jeweils die zu diesem Tag aktuelle Freigabe:

• langchain 1.3.14, freigegeben am 16. Juli 2026

• langchain-core 1.5.3, 30. Juli 2026

• langgraph 1.2.10, 28. Juli 2026

• langchain-classic 1.0.8, 10. Juni 2026

• langchain-community 0.4.2, 22. Mai 2026

Die Version 1.0.0 liegt für langchain, langchain-core, langgraph und langchain-classic seit dem 17. Oktober 2025 auf PyPI.

Die Ankündigung dazu datiert vom 22. Oktober 2025.

Das Kernpaket ist seit der 1.0 in drei Nebenversionen weitergegangen. langchain-classic steht seit Juni bei 1.0.8. Das eine wird entwickelt, das andere gepflegt.

Der Baukasten von 2024 liegt jetzt im Altpaket

Die Modulliste des Pakets liest sich wie das Inhaltsverzeichnis jeder Anleitung aus dem Jahr 2024: die Ketten LLMChain und ConversationChain, die Retriever, die Indexierungs-Schnittstelle, das Gedächtnis, das hub-Modul, die Auswertungsketten und die Re-Exporte aus langchain-community.

Damit ist der komplette Baukasten für Fragen an die eigenen Unterlagen in das Paket gewandert, das nicht mehr weiterentwickelt wird.

Das Verfahren dahinter ist älter als das Framework und unabhängig davon beschrieben, im Aufsatz zu Retrieval-Augmented Generation aus dem Jahr 2020 (arXiv:2005.11401).

Wer 2024 nach Anleitung gebaut hat, hat seine Anwendung heute im Altpaket. Das ist die unbequeme Nachricht dieses Beitrags.

Der Umstieg bleibt Handarbeit

Vier Punkte aus der Umstiegsanleitung, die in fast jedem Bestandsprojekt zuschlagen:

• Der Einstiegspunkt ist von langgraph.prebuilt nach langchain.agents gewandert und heißt create_agent.

• Der Parameter prompt heißt jetzt system_prompt.

• Zustandsschemata sind nur noch als TypedDict erlaubt. Pydantic-Modelle und Dataclasses fallen weg.

• .text() an Nachrichtenobjekten ist eine Eigenschaft geworden, keine Methode mehr. Die Klammern müssen raus.

Dazu Python mindestens 3.10. Punkt 3 betrifft in gewachsenen Anwendungen meist mehrere Stellen, weil ein Pydantic-Zustandsschema selten an einer einzigen Stelle definiert ist.

create_agent ist eine Schleife

An die Stelle der vielen Ketten tritt eine einzige Bauform.

Der Ablauf darin ist schlicht: Modell fragen, die Tools ausführen, die es gewählt hat, aufhören, wenn es keine mehr wählt.

Interessant ist, was darunter liegt. create_agent ist auf LangGraph gebaut.

Damit bekommt jeder Ablauf Persistenz, Interrupts und Resume, ohne dass man LangGraph selbst anfassen muss.

Wer mehr Kontrolle braucht, geht eine Ebene tiefer und zeichnet den Graphen selbst.

Das ist die eigentliche Änderung an LangChain 1.0: aus zwei Frameworks nebeneinander sind zwei Ebenen übereinander geworden.

Zwischen die beiden Ebenen lässt sich eigener Code hängen, und LangChain nennt das Middleware.

Sie greift vor dem Modellaufruf, vor dem Tool-Aufruf und beim Zusammenfassen des Verlaufs.

Das sind die drei Stellen, an denen in der Praxis die eigene Fachlogik sitzt, etwa die Prüfung, ob ein Tool-Aufruf für diesen Nutzer überhaupt erlaubt ist.

Fünf Fälle, in denen sich der Aufwand lohnt

In jedem einzelnen ist LangChain 2026 eine vernünftige Wahl. In keinem davon ist es der bequeme Weg.

Der Ablauf muss einen Neustart überleben.

Ein Vorgang, der eine Viertelstunde läuft, über zwölf Tool-Aufrufe geht und mitten darin auf einen Neustart trifft, muss danach weiterlaufen und nicht von vorn anfangen.

Wer das selbst baut, baut eine Zustandsverwaltung mit Checkpoints.

Genau die liegt hier schon fertig darunter.

Das Modell entscheidet, welches Tool wie oft.

Solange die Reihenfolge feststeht, ist es ein Programm, und dafür braucht niemand ein Framework.

Sobald das Modell entscheidet, braucht der Ablauf eine Obergrenze, eine Abbruchbedingung, eine Fehlerbehandlung je Tool und einen Verlauf, der nicht überläuft.

Ab hier fängt jede selbst gebaute Schleife an, ein Framework zu werden, nur ohne fremde Augen darauf.

Ein Mensch bestätigt mitten im Ablauf.

Zwischen Schritt vier und fünf, und der Ablauf wartet so lange.

Diese Unterbrechung ist der Grund, warum es die Zustandsverwaltung überhaupt gibt, und sie ist der Punkt, an dem selbst gebaute Lösungen regelmäßig scheitern.

Mehrere Modelle teilen sich einen Vorgang.

Ein kleines sortiert vor, ein großes formuliert, ein drittes prüft gegen.

Dann zahlt die einheitliche Anbindung sich am ersten Tag aus.

Der Fehlschlag muss nachvollziehbar bleiben.

Wenn ein Ablauf über zehn Schritte geht, reicht der letzte Aufruf im Log nicht.

Sie brauchen den Zustand jedes Schritts, und genau den schreibt die Checkpoint-Verwaltung ohnehin mit.

Zum am häufigsten genannten Grund, der Austauschbarkeit des Anbieters, eine klare Gegenrede: Er trägt am wenigsten.

Ein Wechsel, der irgendwann kommen könnte, rechtfertigt keine Abhängigkeit, die ab heute gepflegt werden muss.

Dass die Arbeit im Ablauf steckt und nicht im Modellaufruf, ist inzwischen untersucht.

Eine Auswertung von 2025 (arXiv:2503.13657) hat mehr als 1.600 aufgezeichnete Läufe aus sieben Frameworks untersucht und daraus 14 Fehlerbilder in drei Gruppen abgeleitet: Entwurfsfehler im System, Fehlabstimmung zwischen den Beteiligten und fehlende Überprüfung des Ergebnisses.

Keine dieser drei Gruppen ist eine Frage des Modells.

Ein Vorabdruck vom Mai 2026 zieht daraus den Schluss, dass die Abstimmung eine eigene Architekturebene braucht, getrennt von der Fachlogik.

Genau das tut LangGraph.

Wann Sie es nicht brauchen, und das ist der häufigere Fall

Ein Aufruf, eine Antwort, ein fester Auswertungsschritt.

Ein Anbieter.

Kein Tool-Aufruf oder einer in fester Reihenfolge.

Für diese Anwendung ist das Paket des Anbieters kürzer, schneller zu lesen und leichter zu übergeben.

In linearen Abläufen ist die Kette meist der erste Bestandteil, der wieder entfällt.

Was bleibt, ist der Graph: ein Ablauf mit benanntem Zustand, an dem man ablesen kann, wo er gerade steht.

Die Arbeit lag nie in der Verkettung von Aufruf und Auswertung.

Sie lag in den Unterlagen darunter und in der Frage, woran man merkt, dass eine Antwort falsch ist.

Beides nimmt kein Framework ab.

Womit wir arbeiten, steht unter Leistungen.

Fünf Fragen, die Sie ohne uns durchgehen können

Gehen Sie die Liste durch und zählen Sie die Ja. Ab drei Ja steht nur noch die Wahl LangChain oder LangGraph im Raum.

• Muss ein angefangener Ablauf einen Neustart überstehen und danach weiterlaufen?

• Entscheidet das Modell selbst, welches Tool es aufruft und wie oft?

• Soll ein Mensch mitten im Ablauf zustimmen oder abbrechen können?

• Arbeiten in einem Vorgang mehrere Modelle mit verteilten Rollen?

• Müssen Sie einen Fehlschlag über zehn Schritte hinweg nachvollziehen und nicht nur den letzten Aufruf?

Ein Ja: meist reicht das Paket des Anbieters. Bei Frage 1 gilt das nicht, denn Zustand über Neustarts hinweg bauen Sie sonst von Hand nach.

Zwei: Grenzfall, und die Antwort hängt daran, wer die Anwendung in drei Jahren pflegt.

Drei oder mehr: LangChain, und wenn Sie den Ablauf ohnehin selbst zeichnen wollen, gleich LangGraph.

Frage 1 wird in der Planung am häufigsten mit Nein beantwortet und im Betrieb dann doch mit Ja.

Wo diese Aussage aufhört zu gelten

Sie gilt für die Python-Pakete zum genannten Stand.

In JavaScript und TypeScript ist der Schnitt derselbe, die Paketstände sind es nicht. Wer dort baut, muss sie selbst nachschlagen.

Sie gilt nicht für Erkundungsarbeit.

Wer eine Woche lang ausprobiert, ob eine Idee überhaupt trägt, darf jedes Werkzeug nehmen, das schnell zu einem Ergebnis führt.

Die Frage nach dem Aufwand stellt sich, wenn LangChain in Produktion geht.

Und sie sagt nichts darüber, ob es dieses Framework in fünf Jahren noch gibt.

Das weiß niemand.

Beantworten lässt sich eine andere Frage: Was bleibt, wenn es weg ist?

Bei einem Ablauf mit benanntem Zustand und sauber geschnittenen Tools bleibt das meiste.

Bei einer Anwendung, die aus Ketten besteht, bleibt Umschreibarbeit.

Quellen

Quellen zuletzt geprüft am 25. August 2026.

• LangChain: LangChain and LangGraph Agent Frameworks Reach v1.0 Milestones, 22. Oktober 2025.

• LangChain-Dokumentation: What’s new in LangChain v1 und LangChain v1 migration guide.

• Modulverzeichnis von langchain-classic.

• Freigabeverlauf auf PyPI: langchain, langchain-core, langchain-classic, langchain-community, langgraph, abgerufen am 25. August 2026.

• Why Do Multi-Agent LLM Systems Fail?, arXiv:2503.13657, Abschnitt zur Datengrundlage und Taxonomie.

• Coordination as an Architectural Layer for LLM-Based Multi-Agent Systems, arXiv:2605.03310, Vorabdruck.

• Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, arXiv:2005.11401.