Was ist Flowith? Die KI-Agenten-Canvas, Agent Neo und die Preise

Was Flowith wirklich ist

Die meisten KI-Tools geben dir einen Chat-Thread: Du tippst, es antwortet, du scrollst. Flowith wirft das über Bord. Es ist ein KI-Agent im vollsten Sinn, einer, der plant und handelt statt nur zu plaudern. Die Arbeit findet auf einer zweidimensionalen Canvas statt, auf der jede Ausgabe ein Node ist, den man ziehen, verbinden und abzweigen kann. Man stellt eine Frage, verzweigt die Antwort in drei Richtungen, lässt denselben Prompt durch drei verschiedene Modelle laufen und legt alle Ergebnisse nebeneinander, ohne den ursprünglichen Faden zu verlieren.

Es wurde 2024 aus Shanghai und San Francisco heraus gestartet, und das Unternehmen dahinter ist klein und jung: Die Mitgründer Derek Nee (CEO) und Yichen "Zion" Wu (COO) wurden beide für die Forbes 30 Under 30 Asia 2026 im Bereich KI ausgezeichnet. Laut Forbes-Profil hat Flowith über 1 Million Nutzer und rund 9 Millionen Dollar an Seed-Finanzierung eingesammelt, wobei Vertex Ventures die erste Runde anführte und der Seed-Fonds von Sequoia China sowie LongRiver später einstiegen.

Warum die Canvas wichtig ist, wird klar, sobald man das Problem gespürt hat, das sie löst. In einem normalen Chatbot bedeutet das Erkunden einer Idee ein langes, lineares Scrollen, und um einen anderen Zweig auszuprobieren, muss man kopieren und einfügen oder ganz neu anfangen. Auf einer Canvas ist die Erkundung selbst das Ergebnis.

Wer unseren Beitrag zu KI-Agenten vs. KI-Chatbots gelesen hat, erkennt hier dieselbe Unterscheidung auf Oberflächen-Ebene: Ein Chatbot antwortet, ein Agent arbeitet. Flowith versucht, dieses "Arbeiten" sichtbar zu machen.

Agent Neo: der "unendliche" Agent

Neo ist der Teil, den alle zitieren. Flowith hat ihn im Mai 2025 gestartet als "den weltweit ersten KI-Agenten, der unendliche Schritte, unendlichen Kontext und unendliche Tools unterstützt". Entfernt man das Marketing, bedeuten diese drei "Unendlichkeiten" Folgendes:

• Unendliche Schritte. Neo ist nicht auf eine feste Anzahl von Zügen in seiner Agenten-Schleife begrenzt. Flowith gibt an, dass er über 1.000 Inferenzschritte in einer einzigen Aufgabe durchlaufen kann und so lange weiterarbeitet, bis das Ziel erreicht ist, wodurch mehrstündige Jobs (ein Recherchebericht, ein kleines Spiel, eine ganze Website) in einem Durchlauf möglich werden.
• Unendlicher Kontext. Ein persistentes Gedächtnis von bis zu 10 Millionen Tokens, sodass Neo ein ganzes Rechercharchiv oder eine Projekthistorie "im Kopf" behalten kann, statt zu vergessen, was du vor 20 Nachrichten gesagt hast.
• Unendliche Tools. Über den Oracle-Modus (mehr dazu weiter unten) entscheidet Neo selbst, welche Tools es aufruft (Websuche, Bildgenerierung, Code), ohne dass du Plugins umschalten musst.

Er läuft rund um die Uhr in der Cloud, sodass eine Aufgabe weiterläuft, nachdem du den Tab schließt. Flowith nennt außerdem eine selbst berichtete Genauigkeit von 90% bei GAIA Level 3, einem harten Agenten-Benchmark, und lag damit zum Launch vor älteren Modellen. Das sollte man als Herstellerangabe behandeln, da Flowith hier seine eigenen Hausaufgaben bewertet, aber die Richtung stimmt: Neo ist für lange, autonome Aufgaben gebaut, nicht für schnelle Fragen und Antworten.

Hier wird mein Berufsalltag nervös. "Unendliche Schritte, bis das Ziel erreicht ist" ist beim Romanschreiben aufregend und beim Support-Einsatz mit unscharfem Ziel wirklich gefährlich. Wir setzen seit Jahren KI-Agenten in echten Support-Queues ein, und das teuerste Fehlerbild, das wir dabei gesehen haben, ist ein Agent, der selbstsicher klingt, immer weitermacht, weiter überzeugt wirkt und dabei still und leise falsch liegt. Bei einer kreativen Aufgabe ist eine falsche Abzweigung ein Node, den man löscht. Bei einer kundenbezogenen Aufgabe ist es eine schlechte Antwort, nach der jemand handelt. Das ist keine Kritik an Neo, sondern eine Erinnerung, dass Autonomie und Verlässlichkeit zwei unterschiedliche Achsen sind, und Flowith optimiert konsequent auf Ersteres.

Der Oracle-Modus und der Knowledge Garden

Zwei Funktionen leisten im Hintergrund die stille Schwerarbeit für Neo.

Der Oracle-Modus ist das planende Gehirn. Man formuliert ein Ziel in einfacher Sprache, und Oracle plant autonom, zerlegt es und erledigt komplexe Aufgaben, indem es editierbare Teilschritte auf der Canvas erzeugt und für jeden das passende Tool auswählt. Es unterstützt auch externe Plugins, darunter Suche auf X/Twitter und Xiaohongshu, Mindmaps, Slide-Erstellung und Webseitengenerierung. Das Versprechen lautet "kein Prompt Engineering nötig", und für gut abgesteckte Aufgaben hält es dieses Versprechen größtenteils.

Knowledge Garden ist die Gedächtnisschicht. Man lädt Dokumente, Notizen und Links hoch, und Flowith zerlegt sie in atomare "Seeds" (jeder Seed ist ein Kernkonzept), um dann die passenden Seeds abzurufen, wenn ein Flow oder Neo eine Grundlage braucht. Man kann getrennte Wissensdatenbanken anlegen (eine für Markenrichtlinien, eine für Coding-Regeln, eine für Recherche), ein bisschen wie Datenbanken in Notion AI, und sie einzelnen Aufgaben zuordnen. Wer schon einmal eine Wissensdatenbank für einen KI-Assistenten eingerichtet hat, erkennt hier dieselbe Idee mit einer schöneren Gärtner-Metapher: Es ist die RAG-Schicht, die Antworten an dein Material bindet statt an die Vermutungen des Modells.

Die Kombination ist wirklich gut. Ein namentlich genannter Nutzer, Mariusz Kurman, hat die Rechercheergebnisse von Flowith getestet, indem er einen Arxiv-artigen Bericht über Varianten des Attention-Mechanismus angefordert hat:

"Excellent and comprehensive research with appealing visuals; model selection includes both open-source and closed-source options."

Mariusz Kurman, LinkedIn

Das Kreativstudio: Bild, Video und Slides

Im letzten Jahr hat sich Flowiths Startseite stark in Richtung eines Multi-Modell-Kreativstudios entwickelt. Die obere Navigation zeigt jetzt die Modi Chat, Image, Video, Slides, Website und Neo, und der eigentliche Reiz ist der Modell-Marktplatz: Statt an einen Anbieter gebunden zu sein, wählt man das beste Modell pro Aufgabe. Der Katalog reicht von Claude Opus 4.8, Gemini 3.5 Flash und GPT 5.5 für Text bis zu einer tiefen Auswahl an Bild- und Videomodellen (Seedream, Nano Banana, GPT Image 2, Flux, Recraft, Reve und Kling für Video).

In der Praxis glänzt Flowith für die meisten Nutzer bei der Bildarbeit. Der Image Agent erweitert den Prompt vor der Generierung mit Websuche, und ein ganzes Werkzeugset ist bereits eingebaut (Hintergrundentferner, Upscaler, Uncrop, Face-Swap, Fotorestaurierung). E-Commerce-Verkäufer und Marketer nutzen es für Produktfotos und Poster, und die Ausgabequalität ist stark:

Ein ehrlicher Vorbehalt, den auch der beste Modellwechsel nicht ganz löst: KI-Bildmodelle scheitern immer noch an Text. Hier ist eine Poster-Vorlage direkt aus Flowiths eigener Galerie, und sobald man über das große Wort hinausliest, zerfällt der Kleintext in Kauderwelsch.

Das ist kein Flowith-spezifisches Problem, sondern ein Problem der ganzen Kategorie, aber es lohnt sich, das zu wissen, bevor man einem Kunden druckfertige Poster verspricht.

Flowith-Preise

Flowith arbeitet mit Credits. Jeder Plan gibt dir einen Pool an Credits pro Monat, und jede Generierung verbraucht davon etwas. Hier die vollständige Preistabelle, entnommen aus der aktuellen Preisseite:

Ein paar Dinge, die die Tabelle nicht offen sagt und die mehr zählen als der Listenpreis:

• Credits werden nicht übertragen. Bezahlte Credits erneuern sich jeden Zyklus, und jedes ungenutzte Guthaben verfällt. Nur die 300 Credits von Starter sind eine einmalige Gutschrift.
• Die Kosten pro Generierung schwanken stark. Ein Bild kann eine Handvoll Credits kosten; ein einzelnes Video kann je nach Länge und Qualität in die Hunderte oder Tausende gehen. Der 20.000-Credit-Pool von Pro wirkt riesig, bis man ein paar Videos generiert.
• Das Unlimited Pack bedeutet nicht unbegrenzte Geschwindigkeit. Bei Ultimate und Infinite verbrauchen bestimmte Modelle keine Credits mehr, aber diese Läufe gehen über eine niedriger priorisierte Warteschlange, die unter Last gedrosselt wird. Es ist "unbegrenzte Menge", nicht "unbegrenzter Durchsatz".
• Rückerstattungen sind eng gefasst. Laut Flowiths Bedingungen sind Abo-Gebühren nicht erstattungsfähig, außer man kontaktiert Flowith innerhalb von 48 Stunden nach der Zahlung und hat weniger als 200 bezahlte Credits verbraucht.

Es gibt auch eine kleine interne Ungenauigkeit, die man erwähnen sollte: Auf der Plan-Karte von Pro stehen 20.000 Credits, während die Tabelle "Pläne vergleichen" 22.000 nennt. Klein, aber genau die Art von Detail, die es schwerer macht, der Credit-Abrechnung zu vertrauen.

Ein kurzes Rechenbeispiel. Eine Solo-Marketerin, die Produktfotos und gelegentlich ein kurzes Video erstellt, wird den kostenlosen Starter-Plan innerhalb von ein bis zwei Tagen aufbrauchen, komfortabel bei Pro für rund 20 $ im Monat landen und erst dann Druck spüren, wenn sie in größerem Umfang Video macht, an dem Punkt sind die Credits von Ultimate plus das Unlimited Pack (49,90 $/Monat) die eigentliche Stufe für "das hier ernst nehmen". Infinite für 499,90 $/Monat ist für Studios und Teams mit hohem Volumen, nicht für Einzelpersonen.

Wer Agenten-Preise generell vergleicht, sollte das zusammen mit den Manus-Preisen und dem breiteren Feld der besten KI-Agenten lesen, da Credit-basierte Modelle wie das von Flowith notorisch schwer mit Tools nach Sitzplatz oder Aufgabe zu vergleichen sind.

Was echte Nutzer sagen

Flowith ist klein und neu, deshalb ist das ehrliche Bild aus der Community "frühes positives Signal", nicht "Urteil von Tausenden Nutzern". Was durchgängig gefeiert wird, ist die verzweigende Canvas:

"I find it convenient to handle multiple images or conversations within a single interface. Unlike a traditional chat, it features a unique layout that allows for several branching threads, making it easier to manage different tasks at once."

Ketmani P., React Developer, G2

Auf Product Hunt zieht ein langjähriger Nutzer es sogar dem naheliegenden Rivalen vor und nennt es "die beste heute verfügbare Agent-Tool-Wahl". Die Kritik ist aber genauso beständig und dreht sich um die Tiefe für Entwickler. Derselbe Nutzer, der die Rechercheergebnisse gelobt hat, kommt hier zu seinem Urteil:

"It lacks a terminal and file access, making Manus AI a superior choice."

Mariusz Kurman, LinkedIn

Das ist die immer wiederkehrende Aufteilung: Flowith gewinnt auf der kreativen, visuellen Seite, während Manus und andere codingorientierte Agenten gewinnen, wenn man wirklich ein Dateisystem anfassen muss (unsere Übersicht zu Manus-Alternativen geht auf diesen Trade-off näher ein). Es gibt auch kleinere Kritikpunkte, von nicht gespeicherten Positionen über Verzweigungen hinweg bis zu einem Hacker-News-Kommentator, der sich darüber ärgert, dass die Seite den Zurück-Button des Browsers übernimmt. Keiner davon ist ein Dealbreaker, aber sie sind die Textur eines jungen Produkts, das noch an seinen Ecken feilt, und das ist es wert, abgewogen zu werden, wenn man als kleines Team aus den KI-Agenten für kleine Unternehmen auswählt.

Wofür Flowith wirklich geeignet ist (und wofür nicht)

Nachdem ich wirklich Zeit darin verbracht habe, ist mein Eindruck, dass Flowith eine bestimmte Ecke der KI-Agenten-Landkarte besetzt: universell einsetzbar und kreativ orientiert. Es ist eine fantastische Spielwiese für alle, deren Arbeit "mach mir Dinge" ist (Bilder, Decks, Websites, Recherche), und die Canvas ist eine bessere Oberfläche für exploratives, stark verzweigtes Arbeiten als jede Chatbox.

Was es nicht ist, ist ein Betriebstool. Es gibt keine Helpdesk-Ausrichtung, keine Support-Integrationen, keine Möglichkeit, es auf die Ticket-Queue anzusetzen und Kunden zu vertrauen. Das ist Absicht, und es ist dieselbe Trennlinie, die einen horizontalen Superagenten wie Manus von einem zweckgebundenen unterscheidet. (Die allgemeine Kategorie der Recherche-Agenten, von Skywork bis Perplexity, sitzt auf derselben kreativen Seite der Landkarte.) Ein allgemeiner Agent optimiert für "kann er irgendetwas tun". Ein vertikaler Agent optimiert für "kann ich ihm diese eine Sache jedes Mal zutrauen", was die ganze Prämisse hinter dem KI-Agenten für den Kundenservice ist. Das sind unterschiedliche Produkte, selbst wenn sie dieselben zugrundeliegenden Modelle teilen.

eesel für die Support-Seite der Agenten-Frage testen

Wer hier gelandet ist, weil man KI-Agenten für das eigene Unternehmen prüft: Hier ist die Unterscheidung, die vor einem schlechten Rollout schützt: ein kreativer Superagent wie Flowith und ein Support-KI-Teamkollege lösen entgegengesetzte Probleme.

eesel AI ist die eng abgesteckte, verlässliche Seite dieser Landkarte. Statt eines Agenten, dem man sagt, er solle sich bemühen, ist es ein zweckgebundener Helpdesk-Agent, der ab dem ersten Tag aus vergangenen Tickets, Hilfeartikeln und Makros lernt und dann Tier-1-Konversationen innerhalb von Zendesk, Freshdesk, Gorgias und über 100 weiteren Tools entwirft und löst. Die Funktion, die meine oben genannte Sorge direkt beantwortet, ist der Simulationsmodus: Bevor eesel auch nur einem einzigen echten Kunden antwortet, lässt man ihn gegen Tausende historischer Tickets laufen, sieht genau, was er gesagt hätte, findet die Lücken und schaltet ihn erst dann live. Smava betreibt auf diese Weise einen vollautomatischen Agenten für über 100.000 deutschsprachige Tickets im Monat; Gridwise sah, wie eesel im ersten Monat 73% der Tier-1-Anfragen löste.

Flowith ist das Tool, zu dem ich greifen würde, um die Marketing-Website zu gestalten. eesel ist das, dem ich vertrauen würde, um die Tickets zu beantworten, die darüber eingehen. Wähle den Agenten, der zur Aufgabe passt. Und während Flowith dich in Credits abrechnet, die jeden Monat verfallen, liegt eesels nutzungsbasierte Preisgestaltung bei etwa 40 Cent pro gelöstem Ticket, ganz ohne Gebühren pro Sitzplatz, sodass es mit den Ergebnissen skaliert und nicht mit der Kopfzahl. Man kann eesel kostenlos testen, ohne Kreditkarte, und es an den eigenen Tickets simulieren, bevor es mit irgendjemandem spricht.