KI in Workflows einbauen
Texte verstehen, Anfragen sortieren, Entwürfe schreiben: so bindest du Claude, ChatGPT oder lokale Modelle gezielt ein.
Hier erstellst du n8n KI-Workflows, die Texte klassifizieren, zusammenfassen oder mit Ollama und Cloud-Modellen arbeiten. Bis jetzt haben wir Daten verschoben, E-Mails verschickt und auf Ereignisse reagiert. Das ist alles nützlich. Aber wenn du KI in einen Workflow einbaust, passiert etwas anderes: Der Workflow kann freie Texte einschätzen, Antworten vorbereiten und einfache Entscheidungen unterstützen. Das ist der Punkt, an dem die Lernreise von reiner Automation zu KI-gestützter Arbeit wechselt.
Was KI in einem Workflow kann
Ein normaler Workflow folgt festen Regeln. Er kann prüfen ob eine Zahl größer als eine andere ist, oder ob ein bestimmtes Wort in einem Text vorkommt. Aber er versteht keinen Kontext und kann keine freie Sprache interpretieren.
KI kann das. Du kannst n8n eine eingehende E-Mail schicken und fragen: "Ist das eine Beschwerde, eine Anfrage oder ein Lob?" Die KI antwortet mit einer Einschätzung und dein Workflow reagiert entsprechend. Keine festen Regeln. Echtes Verstehen.
Ein konkretes Beispiel
Das ist kein Zukunftsszenario. Das ist ein Workflow den ich selbst nutze. Die KI nimmt mir die erste Arbeit ab, ich behalte die Kontrolle.
Wie es technisch funktioniert
n8n hat eingebaute Nodes für die großen KI-Dienste: OpenAI, Anthropic (Claude), Google Gemini und andere. Du hinterlegst einmalig deinen API-Key als Credential, dann kannst du in jedem Workflow auf die KI zugreifen.
Du übergibst der KI einen Prompt, also eine Aufgabenbeschreibung, und die Daten aus dem vorherigen Workflow-Schritt. Die KI antwortet mit Text, und dieser Text geht als Ergebnis in den nächsten Schritt.
KI-Aufrufe kosten Geld, auch wenn es wenig ist. Bei einem Workflow der hundertmal am Tag läuft, summiert sich das. Ich empfehle am Anfang mit einem Budget-Limit beim API-Anbieter zu arbeiten und die Kosten im Blick zu behalten. Nach ein paar Wochen siehst du was realistisch ist.
Lokal statt Cloud
Wer keine Daten an externe KI-Dienste schicken will, kann auch lokale Modelle einbinden. Ich nutze Ollama auf meinem eigenen Server. n8n kann per HTTP-Node mit Ollama kommunizieren. Die KI läuft dann komplett bei dir, ohne Kosten pro Anfrage und ohne Datenweitergabe.
Der Kompromiss: Lokale Modelle sind oft etwas schwächer als die großen Cloud-Modelle. Für einfache Aufgaben reicht das aber vollkommen.
Was du jetzt kannst
Du weißt wie du KI in Workflows einbindest, welche Rolle Prompts und Credentials spielen und warum Kontrolle wichtig bleibt. Im nächsten Artikel schauen wir uns Datenverarbeitung an. JSON, Felder auslesen, Daten umformen. Klingt trocken, ist aber die Basis für stabile KI-Workflows.
Aus eigener Praxis
In meinen n8n-KI-Workflows lasse ich KI-Ausgaben nicht blind weiterlaufen. Kritische Schritte bekommen feste Ausgabeformate, einfache Plausibilitaetschecks oder einen manuellen Kontrollpunkt.
Häufige Fragen
Wann lohnt KI in n8n?
Wenn Texte bewertet, sortiert, zusammengefasst, beantwortet oder in strukturierte Daten verwandelt werden sollen.
Soll ich Cloud-KI oder Ollama nutzen?
Cloud-Modelle sind oft stärker, Ollama ist privat und günstig. Die richtige Wahl hängt von Daten, Kosten und Qualität ab.
Wie verhindere ich unkontrollierte KI-Ausgaben?
Arbeite mit klaren Prompts, festen Ausgabeformaten, Validierung und menschlicher Kontrolle bei kritischen Schritten.