--- title: "Graphify Review 2026: Lohnt sich der Code-Graph?" canonical: https://wavect.io/de/blog/graphify-review-codebase-knowledge-graph/ language: de description: "Graphify Review für CTOs: Architektur, Vergleich mit RAG, Privacy, Benchmark-Limits, Einführungskosten und messbarer Zwei-Wochen-Pilot." image: "https://wavect.io/img/general/bak/open_graph_preview.jpg" --- [**Zurück**](/de/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/de/team/kevin-riedl/) [Kevin Riedl](/de/team/kevin-riedl/) https://linkedin.com/in/wsdt 11 min Lesezeit · 16. Juli 2026 [**Weiter**](/de/blog/bonsai-27b-phone-local-ai-review/) # Graphify Review 2026: Lohnt sich ein Knowledge Graph für deine Codebasis? TL;DR Graphify ist eine MIT-lizenzierte Python-CLI plus Coding-Agent-Skill. Das Tool bildet Code, Schemata, Infrastruktur und Dokumente als abfragbaren Knowledge Graph ab. Code wird lokal mit tree-sitter geparst; Dokumente, PDFs und Bilder können über ein semantisches Backend laufen. Die eigenen Benchmarks melden 0,497 Recall@10 und 45,3 Prozent QA Accuracy auf LOCOMO, 76 Prozent auf 50 LongMemEval-S-Fragen und einen ERPNext-Coverage-Anstieg von 70,8 auf 82,0 Prozent über sechs Fragen. Das rechtfertigt einen Pilot, keine ROI-Zusage. Vor Freigabe solltest du außerdem die Dokumentationsdrift klären: Die Security Policy nennt noch 0.3.x und bildet die semantischen Datenwege des aktuellen README nicht vollständig ab. Pinne Version 0.9.17, schließe sensible Dateien aus, schütze den Output und teste zwei Wochen mit 20 echten, im Source belegten Fragen. **Graphify lohnt sich als kontrollierter Pilot, wenn deine Coding-Agenten in einer großen, gemischten Codebasis immer wieder Beziehungen verlieren.** Das Tool macht aus Code, Datenbankschemata, Infrastruktur und Dokumentation einen abfragbaren Graphen. So kann ein Agent Verbindungen verfolgen, statt dieselben Dateien immer wieder zu durchsuchen. Für ein kleines Repository ist das nicht automatisch produktiver. Tests, Architekturverantwortung und menschliches Review ersetzt Graphify nicht. Das kommerzielle Urteil ist einfach: Die MIT-Lizenz entfernt die Softwaregebühr, nicht die Einführungskosten. Entscheidend ist, ob ein zweiwöchiger Pilot die Zeit bis zu einer belegten Architekturantwort oder einem sicheren Change Plan verkürzt. Wir haben das öffentliche [Graphify Repository](https://github.com/Graphify-Labs/graphify) am 16. Juli 2026 geprüft. Das ist ein Buyer Review, kein gesponserter Beitrag und kein Security Audit. Wenn du über die Architektur statt über dieses konkrete Produkt entscheidest, vergleiche mit unserem [Entscheidungsrahmen zu Graph Engineering für KI-Agenten](/de/blog/graph-engineering-ai-agents/) zuerst Execution Graphs, Experiment-DAGs, Vector RAG und Knowledge Graphs. Wenn die leichtere Variante genügt, vergleiche zuerst eine einfache Repo-Map. Unser [Graft Review](/de/blog/graft-review-agent-repo-map/) prüft, ob eine Markdown-Repo-Map über Git im Team geteilt werden kann und was die Hersteller-Benchmarks belegen und was nicht. ## Was ist Graphify? Graphify ist eine Open-Source-Python-CLI plus Agent Skill. Tree-sitter extrahiert lokal Symbole und Beziehungen aus Code. Daraus entstehen vor allem drei Artefakte: eine interaktive `graph.html`, ein lesbarer `GRAPH_REPORT.md` und eine abfragbare `graph.json`. Mit `graphify explain`, `graphify path` und `graphify query` untersuchen Entwickler und Agenten Konzepte und deren Verbindungen. | Öffentlicher Fakt, Stand 16. Juli 2026 | Bedeutung für Käufer | | --- | --- | | MIT-Lizenz | Keine Lizenzgebühr und breite kommerzielle Rechte, aber ohne Gewährleistung. | | Python 3.10 oder neuer | Schnell testbar, doch dein Team übernimmt eine zusätzliche Toolchain. | | Lokales, deterministisches Code Parsing | Ein reiner Code-Graph läuft offline ohne LLM-API-Key. | | Semantischer Modelllauf für Docs, PDFs und Bilder | Diese Inhalte können über deinen Assistenten oder Provider das Gerät verlassen. | | Integrationen für Codex, Claude Code, Cursor, Gemini CLI und weitere | Der Graph passt in bestehende Agenten-Workflows. | | 0.9.17 im Changelog, 0.9.18 unveröffentlicht | Das Projekt bewegt sich schnell. Version pinnen und Updates neu testen. | ## Welches Problem löst ein Knowledge Graph für deine Codebasis? Dateisuche beantwortet: „Wo kommt dieses Wort vor?“ Ein Graph kann beantworten: „Was verbindet diese API-Route mit Tabelle, Policy und Deployment-Ressource?“ In gewachsenen Systemen ist das entscheidend, weil eine Änderung oft Anwendungscode, Schema, Infrastruktur und Entscheidungsdokumente berührt. Graphify markiert Beziehungen als extrahiert, abgeleitet oder mehrdeutig. Das ist wertvoll, denn ein Agent darf eine aufgelöste Vermutung nicht wie eine explizite Quellaussage präsentieren. Der Output zeigt außerdem zentrale Knoten, Subsystem-Communities, Calls, Imports, Vererbung und Verweise auf ADRs oder RFCs. | Ansatz | Stärke | Hauptgrenze | | --- | --- | --- | | grep oder Repository-Suche | Exakte Strings, bekannte Symbole, schnelle Verifikation | Beziehungen musst du selbst rekonstruieren. | | Vector RAG | Semantisch ähnliche Texte und unscharfe Fragen | Ähnlichkeit beweist keine Abhängigkeit oder Laufzeitkette. | | Graphify | Pfade, Abhängigkeiten, Subsysteme und Cross-Layer-Fragen | Der Graph kann veraltet, unvollständig oder verrauscht sein. | | Gepflegte Architekturdokumentation | Absicht, Grenzen und Entscheidungen mit klarer Ownership | Ohne Delivery-Prozess driftet sie schnell. | Die stärkste Lösung kombiniert die Ansätze: Mit dem Graphen engst du die Frage ein, im Source Code verifizierst du sie, Tests und verantwortete Architekturentscheidungen bilden die Abnahme. ## Wie belastbar sind die Benchmarks? Das Projekt veröffentlicht ein [reproduzierbares Benchmark-Harness](https://github.com/Graphify-Labs/graphify/blob/v8/BENCHMARKS.md). Gemeldet werden 0,497 Recall@10 und 45,3 Prozent QA Accuracy auf LOCOMO sowie 76 Prozent auf einem LongMemEval-S-Subset mit 50 Fragen. Bei Code Intelligence stieg die Key-Fact Coverage mit einem Graphify Tool laut Projekt auf sechs ERPNext-Fragen von 70,8 auf 82,0 Prozent. Das ist vielversprechend, aber kein Beschaffungsbeweis. Das Projekt betreibt sein eigenes Harness, sechs Codefragen sind eine kleine Stichprobe und Benchmark Accuracy sagt nichts über deine reale Durchlaufzeit. Nutze die Zahlen als Grund für einen Pilot, nicht als ROI-Prognose. Reproduziere den Test auf einer gepinnten Version und mit Fragen aus deinem Backlog. ## Ist Graphify privat und sicher genug für Firmencode? Die [dokumentierte Privacy-Grenze](https://github.com/Graphify-Labs/graphify#privacy) ist sinnvoll, aber „local first“ bedeutet nicht, dass jeder Input lokal bleibt. Code wird lokal geparst. Dokumente, PDFs und Bilder laufen über einen konfigurierten Assistenten oder Backend. Unser tieferes Review zeigt Dokumentationsdrift, die du vor einer Freigabe klären solltest. Die öffentliche [Security Policy](https://github.com/Graphify-Labs/graphify/blob/v8/SECURITY.md) nennt noch 0.3.x als unterstützte Version und sagt, Graph Analysis mache keine Netzwerkanfragen. Das aktuelle README dokumentiert dagegen mehrere semantische Backends. Das beweist keine Schwachstelle, bedeutet aber: Die Security-Seite allein ist kein verlässliches aktuelles Datenflussinventar. 1. **Corpus begrenzen.** Schließe Secrets, Exporte, Kundendaten, generierten Code und Archive mit `.gitignore` und `.graphifyignore` aus. 2. **Output klassifizieren.** `graph.json` und der Report verraten Architektur, Pfade und Beziehungen. Schütze sie wie Source Code. 3. **Datenwege dokumentieren.** Halte fest, welche Dokumente das Gerät verlassen, zu welchem Provider, in welche Region und mit welcher Retention. 4. **Aussagen belegbar halten.** Jede Architekturantwort muss auf Source Code oder einen geprüften Decision Record zurückführen. 5. **Updates prüfen.** Das [schnell wachsende Changelog](https://github.com/Graphify-Labs/graphify/blob/v8/CHANGELOG.md) enthält Cache- und Extraktions-Fixes. Pinne, scanne und teste neu. ## Was kostet Graphify wirklich? Die [MIT-Lizenz](https://github.com/Graphify-Labs/graphify/blob/v8/LICENSE) erlaubt kostenlose Nutzung, Anpassung und Verteilung. Deine Gesamtkosten umfassen trotzdem Installation, Corpus-Regeln, Graph-Speicher, Update Hooks, Provider-Nutzung für semantische Extraktion, Security Review, Benchmark-Design, Training und Wartung. `graphify-out/` ins Repository zu committen kann den Teamstart beschleunigen, erzeugt aber eine Governance-Entscheidung und möglicherweise große Diffs. Rechtfertige das Tool nicht mit Tokens aus einer Demo. Miss die Einheit, die dein Unternehmen kauft: Zeit von Frage oder Ticket bis zu einer belegten Antwort, einem sicheren Change Plan oder einem akzeptierten Pull Request. ## Für wen lohnt sich Graphify? | Situation | Entscheidung | Warum | | --- | --- | --- | | Großer Monorepo oder mehrere verbundene Repositories | Pilot | Cross-System-Pfade wiederholt zu rekonstruieren ist teuer. | | Häufiges Onboarding, Software Takeover oder Due Diligence | Pilot | Eine gemeinsame Map beschleunigt Hypothesen und Architektur-Discovery. | | Kleiner, vertrauter Service mit guter Dokumentation | Vorerst auslassen | Suche und Docs beantworten die Fragen wahrscheinlich günstiger. | | Team erwartet garantierte Korrektheit | Nicht ausrollen | Auch extrahierte und abgeleitete Kanten brauchen Source-, Test- und Owner-Prüfung. | | Regulierter Code ohne freigegebenen Modellprovider | Code-only-Pilot oder warten | Halte den Corpus offline, bis der Datenweg freigegeben ist. | ## Wie läuft ein zweiwöchiger Graphify Pilot? 1. **Wähle einen teuren Workflow.** Zum Beispiel Onboarding, Impact Analysis, Architekturfragen oder Cross-Layer-Planung. 2. **Baue ein blindes Fragenset.** Nutze 20 reale Fragen mit bekannten, im Source belegten Antworten. 3. **Miss die Baseline.** Erfasse Zeit, Korrektheit, geöffnete Dateien, Tokens und Review-Aufwand im heutigen Workflow. 4. **Pinne Graphify und die Grenzen.** Fixiere die Version, schließe sensible Pfade aus und dokumentiere jeden externen Modelllauf. 5. **Vergleiche Outcomes.** Skaliere nur, wenn belegte Genauigkeit, Medianzeit und Review-Aufwand ohne Security- oder Wartungsregression besser werden. ## Häufig gestellte Fragen ### Was ist Graphify? Graphify ist eine Open-Source-CLI plus Skill für AI-Coding-Assistenten. Das Tool macht aus Code, Schemata, Infrastruktur, Dokumenten und unterstützten Medien einen abfragbaren Knowledge Graph mit Visualisierung, Markdown-Report und Graph-JSON. ### Darf ich Graphify kommerziell kostenlos nutzen? Ja. Die MIT-Lizenz erlaubt kommerzielle Nutzung, Anpassung und Verteilung, wenn der Hinweis erhalten bleibt. Kosten für Einführung, Modelle, Speicher, Security und Wartung bleiben bestehen. ### Sendet Graphify Source Code an ein LLM? Laut Projekt wird Code lokal mit tree-sitter geparst, ein reiner Code-Corpus kann offline laufen. Dokumente, PDFs und Bilder nutzen einen semantischen Lauf über den konfigurierten Assistenten oder Provider. ### Ist Graphify besser als RAG? Sie lösen unterschiedliche Retrieval-Probleme. Vector RAG findet semantische Ähnlichkeit, Graphify explizite Beziehungen und Pfade. Häufig gewinnt die Kombination aus Graph-Eingrenzung, semantischer Suche und Source-Verifikation. ### Ersetzt Graphify Architekturdokumentation? Nein. Es kann eine strukturelle Map erzeugen und aktualisieren, übernimmt aber weder Produktabsicht noch Trade-offs oder Verantwortung. ADRs, Tests und menschliche Ownership bleiben nötig. ### Wie sollte ein CTO Graphify bewerten? Vergleiche auf echten Repository-Fragen belegte Genauigkeit, Medianzeit, Review-Aufwand, Tokenkosten, Graph-Aktualität und Security-Aufwand mit dem bisherigen Suchworkflow. ## Fazit Graphify adressiert eine echte Schwäche von AI-Coding-Workflows: Agenten finden Dateien, verlieren aber oft die Beziehungen, die eine sichere Änderung braucht. Lokales Code Parsing, explizite Kanten und Provenienzlabels machen es zu einem glaubwürdigen Pilotkandidaten für komplexe Systeme. Das kommerzielle Urteil bleibt bedingt. Die Software ist kostenlos, die Einführung nicht, und First-Party-Benchmarks sagen deinen ROI nicht voraus. Gib dem Tool zwei Wochen, eine gepinnte Version, echte Fragen und strikte Datengrenzen. Behalte es nur, wenn dein Team verifizierte Antworten und akzeptierte Änderungen schneller erreicht. ## Das könnte dich auch interessieren.. [**Der Engpass in Software war Kontext** Warum Coding-Agenten den richtigen Systemkontext auswählen, pflegen und verifizieren müssen.](/de/blog/ai-coding-agents-context-not-intelligence/) [**AI Enablement vs. generische AI-Beratung** Vergleiche messbare Umsetzung auf deiner Infrastruktur mit einem reinen Strategieprojekt.](/de/compare/ai-enablement-vs-generic-ai-consultancy/) Agent Engineering ## In diesem Cluster weiterlesen Coding Agents, MCP, Kontextsysteme, Evaluation und Kontrollen für verlässliche Automatisierung. [Mit dem Grundlagenartikel starten**Graph Engineering für KI-Agenten: Wann lohnt sich ein Knowledge Graph?**](/de/blog/graph-engineering-ai-agents/) - [Warum Agenten-Edits semantische Identität brauchen: SEMAPRAX in Rust](/de/blog/semantic-identity-rust-agent-edits/) - [LangChain Deep Agents im Test: Ist das Agent Harness produktionsreif?](/de/blog/langchain-deep-agents-review/) - [OpenViking im Test 2026: Ist Dateisystem-Memory produktionsreif?](/de/blog/openviking-agent-memory-review/) - [LLM-as-a-Verifier erklärt: Architektur, Kosten und Produktionseinsatz](/de/blog/llm-as-a-verifier/) - [TrueForge im Test: Ist das Open-Source Agent Harness produktionsreif?](/de/blog/trueforge-agent-harness-review/) Postfach, ohne Lärm ## Folge der Arbeit, die für dich zählt Du bekommst eine kurze E-Mail, wenn wir etwas Neues veröffentlichen. Folge dem ganzen Blog oder nur den Themen, die dich interessieren. [**Zurück**](/de/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/de/team/kevin-riedl/) [Kevin Riedl](/de/team/kevin-riedl/) https://linkedin.com/in/wsdt 11 min Lesezeit · 16. Juli 2026 [**Weiter**](/de/blog/bonsai-27b-phone-local-ai-review/) Neue Beiträge per E-Mail × × Neue Beiträge per E-Mail Eine kurze E-Mail, wenn wir etwas veröffentlichen. Kostenlos, ohne Tracking. ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/de/blog/graphify-review-codebase-knowledge-graph/#webpage", "@type": "WebPage", "dateModified": "2026-07-16", "inLanguage": "de", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-07-16", "url": "https://wavect.io/de/blog/graphify-review-codebase-knowledge-graph/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "Graphify ist eine MIT-lizenzierte Python-CLI plus Coding-Agent-Skill. Das Tool bildet Code, Schemata, Infrastruktur und Dokumente als abfragbaren Knowledge Graph ab. Code wird lokal mit tree-sitter geparst; Dokumente, PDFs und Bilder können über ein semantisches Backend laufen. Die eigenen Benchmarks melden 0,497 Recall@10 und 45,3 Prozent QA Accuracy auf LOCOMO, 76 Prozent auf 50 LongMemEval-S-Fragen und einen ERPNext-Coverage-Anstieg von 70,8 auf 82,0 Prozent über sechs Fragen. Das rechtfertigt einen Pilot, keine ROI-Zusage. Vor Freigabe solltest du außerdem die Dokumentationsdrift klären: Die Security Policy nennt noch 0.3.x und bildet die semantischen Datenwege des aktuellen README nicht vollständig ab. Pinne Version 0.9.17, schließe sensible Dateien aus, schütze den Output und teste zwei Wochen mit 20 echten, im Source belegten Fragen.", "articleBody": " Blog-Übersicht/AI und Agents/Agent Engineering Graphify Review 2026: Lohnt sich ein Knowledge Graph für deine Codebasis? TL;DR Graphify ist eine MIT-lizenzierte Python-CLI plus Coding-Agent-Skill. Das Tool bildet Code, Schemata, Infrastruktur und Dokumente als abfragbaren Knowledge Graph ab. Code wird lokal mit tree-sitter geparst; Dokumente, PDFs und Bilder können über ein semantisches Backend laufen. Die eigenen Benchmarks melden 0,497 Recall@10 und 45,3 Prozent QA Accuracy auf LOCOMO, 76 Prozent auf 50 LongMemEval-S-Fragen und einen ERPNext-Coverage-Anstieg von 70,8 auf 82,0 Prozent über sechs Fragen. Das rechtfertigt einen Pilot, keine ROI-Zusage. Vor Freigabe solltest du außerdem die Dokumentationsdrift klären: Die Security Policy nennt noch 0.3.x und bildet die semantischen Datenwege des aktuellen README nicht vollständig ab. Pinne Version 0.9.17, schließe sensible Dateien aus, schütze den Output und teste zwei Wochen mit 20 echten, im Source belegten Fragen. Graphify lohnt sich als kontrollierter Pilot, wenn deine Coding-Agenten in einer großen, gemischten Codebasis immer wieder Beziehungen verlieren. Das Tool macht aus Code, Datenbankschemata, Infrastruktur und Dokumentation einen abfragbaren Graphen. So kann ein Agent Verbindungen verfolgen, statt dieselben Dateien immer wieder zu durchsuchen. Für ein kleines Repository ist das nicht automatisch produktiver. Tests, Architekturverantwortung und menschliches Review ersetzt Graphify nicht. Das kommerzielle Urteil ist einfach: Die MIT-Lizenz entfernt die Softwaregebühr, nicht die Einführungskosten. Entscheidend ist, ob ein zweiwöchiger Pilot die Zeit bis zu einer belegten Architekturantwort oder einem sicheren Change Plan verkürzt. Wir haben das öffentliche Graphify Repository am 16. Juli 2026 geprüft. Das ist ein Buyer Review, kein gesponserter Beitrag und kein Security Audit. Wenn du über die Architektur statt über dieses konkrete Produkt entscheidest, vergleiche mit unserem Entscheidungsrahmen zu Graph Engineering für KI-Agenten zuerst Execution Graphs, Experiment-DAGs, Vector RAG und Knowledge Graphs. Wenn die leichtere Variante genügt, vergleiche zuerst eine einfache Repo-Map. Unser Graft Review prüft, ob eine Markdown-Repo-Map über Git im Team geteilt werden kann und was die Hersteller-Benchmarks belegen und was nicht. Was ist Graphify? Graphify ist eine Open-Source-Python-CLI plus Agent Skill. Tree-sitter extrahiert lokal Symbole und Beziehungen aus Code. Daraus entstehen vor allem drei Artefakte: eine interaktive graph.html, ein lesbarer GRAPH_REPORT.md und eine abfragbare graph.json. Mit graphify explain, graphify path und graphify query untersuchen Entwickler und Agenten Konzepte und deren Verbindungen. Öffentlicher Fakt, Stand 16. Juli 2026Bedeutung für Käufer MIT-LizenzKeine Lizenzgebühr und breite kommerzielle Rechte, aber ohne Gewährleistung. Python 3.10 oder neuerSchnell testbar, doch dein Team übernimmt eine zusätzliche Toolchain. Lokales, deterministisches Code ParsingEin reiner Code-Graph läuft offline ohne LLM-API-Key. Semantischer Modelllauf für Docs, PDFs und BilderDiese Inhalte können über deinen Assistenten oder Provider das Gerät verlassen. Integrationen für Codex, Claude Code, Cursor, Gemini CLI und weitereDer Graph passt in bestehende Agenten-Workflows. 0.9.17 im Changelog, 0.9.18 unveröffentlichtDas Projekt bewegt sich schnell. Version pinnen und Updates neu testen. Welches Problem löst ein Knowledge Graph für deine Codebasis? Dateisuche beantwortet: „Wo kommt dieses Wort vor?“ Ein Graph kann beantworten: „Was verbindet diese API-Route mit Tabelle, Policy und Deployment-Ressource?“ In gewachsenen Systemen ist das entscheidend, weil eine Änderung oft Anwendungscode, Schema, Infrastruktur und Entscheidungsdokumente berührt. Graphify markiert Beziehungen als extrahiert, abgeleitet oder mehrdeutig. Das ist wertvoll, denn ein Agent darf eine aufgelöste Vermutung nicht wie eine explizite Quellaussage präsentieren. Der Output zeigt außerdem zentrale Knoten, Subsystem-Communities, Calls, Imports, Vererbung und Verweise auf ADRs oder RFCs. AnsatzStärkeHauptgrenze grep oder Repository-SucheExakte Strings, bekannte Symbole, schnelle VerifikationBeziehungen musst du selbst rekonstruieren. Vector RAGSemantisch ähnliche Texte und unscharfe FragenÄhnlichkeit beweist keine Abhängigkeit oder Laufzeitkette. GraphifyPfade, Abhängigkeiten, Subsysteme und Cross-Layer-FragenDer Graph kann veraltet, unvollständig oder verrauscht sein. Gepflegte ArchitekturdokumentationAbsicht, Grenzen und Entscheidungen mit klarer OwnershipOhne Delivery-Prozess driftet sie schnell. Die stärkste Lösung kombiniert die Ansätze: Mit dem Graphen engst du die Frage ein, im Source Code verifizierst du sie, Tests und verantwortete Architekturentscheidungen bilden die Abnahme. Wie belastbar sind die Benchmarks? Das Projekt veröffentlicht ein reproduzierbares Benchmark-Harness. Gemeldet werden 0,497 Recall@10 und 45,3 Prozent QA Accuracy auf LOCOMO sowie 76 Prozent auf", "articleSection": "Engineering", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "dateModified": "2026-07-16", "datePublished": "2026-07-16", "description": "Graphify ist eine MIT-lizenzierte Python-CLI plus Coding-Agent-Skill. Das Tool bildet Code, Schemata, Infrastruktur und Dokumente als abfragbaren Knowledge Graph ab. Code wird lokal mit tree-sitter geparst; Dokumente, PDFs und Bilder können über ein semantisches Backend laufen. Die eigenen Benchmarks melden 0,497 Recall@10 und 45,3 Prozent QA Accuracy auf LOCOMO, 76 Prozent auf 50 LongMemEval-S-Fragen und einen ERPNext-Coverage-Anstieg von 70,8 auf 82,0 Prozent über sechs Fragen. Das rechtfertigt einen Pilot, keine ROI-Zusage. Vor Freigabe solltest du außerdem die Dokumentationsdrift klären: Die Security Policy nennt noch 0.3.x und bildet die semantischen Datenwege des aktuellen README nicht vollständig ab. Pinne Version 0.9.17, schließe sensible Dateien aus, schütze den Output und teste zwei Wochen mit 20 echten, im Source belegten Fragen.", "headline": "Graphify Review 2026: Lohnt sich ein Knowledge Graph für deine Codebasis?", "image": "https://wavect.io/img/blog/headers/header_graphify-review-codebase-knowledge-graph.svg", "inLanguage": "de", "mainEntityOfPage": { "@id": "https://wavect.io/de/blog/graphify-review-codebase-knowledge-graph/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/de/blog/graphify-review-codebase-knowledge-graph/", "wordCount": 1616 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/de/", "name": "Startseite", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/de/blog/overview/", "name": "Blog-Übersicht", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/de/blog/topics/ai-agents/", "name": "AI und Agents", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/de/blog/clusters/agent-engineering/", "name": "Agent Engineering", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/de/blog/graphify-review-codebase-knowledge-graph/", "name": "Graphify Review 2026: Lohnt sich der Code-Graph? | ", "position": 5 } ] } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Graphify ist eine Open-Source-CLI plus Skill für AI-Coding-Assistenten. Das Tool macht aus Code, Schemata, Infrastruktur, Dokumenten und unterstützten Medien einen abfragbaren Knowledge Graph mit Visualisierung, Markdown-Report und Graph-JSON." }, "name": "Was ist Graphify?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Ja. Die MIT-Lizenz erlaubt kommerzielle Nutzung, Anpassung und Verteilung, wenn der Hinweis erhalten bleibt. Kosten für Einführung, Modelle, Speicher, Security und Wartung bleiben bestehen." }, "name": "Darf ich Graphify kommerziell kostenlos nutzen?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Laut Projekt wird Code lokal mit tree-sitter geparst, ein reiner Code-Corpus kann offline laufen. Dokumente, PDFs und Bilder nutzen einen semantischen Lauf über den konfigurierten Assistenten oder Provider." }, "name": "Sendet Graphify Source Code an ein LLM?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Sie lösen unterschiedliche Retrieval-Probleme. Vector RAG findet semantische Ähnlichkeit, Graphify explizite Beziehungen und Pfade. Häufig gewinnt die Kombination aus Graph-Eingrenzung, semantischer Suche und Source-Verifikation." }, "name": "Ist Graphify besser als RAG?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Nein. Es kann eine strukturelle Map erzeugen und aktualisieren, übernimmt aber weder Produktabsicht noch Trade-offs oder Verantwortung. ADRs, Tests und menschliche Ownership bleiben nötig." }, "name": "Ersetzt Graphify Architekturdokumentation?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Vergleiche auf echten Repository-Fragen belegte Genauigkeit, Medianzeit, Review-Aufwand, Tokenkosten, Graph-Aktualität und Security-Aufwand mit dem bisherigen Suchworkflow." }, "name": "Wie sollte ein CTO Graphify bewerten?" } ] } ```