Einen eigenen KI-Agenten bauen, ohne zu programmieren: Diese Anleitung zeigt Schritt für Schritt, wie KMU mit n8n einen Agenten aufsetzen – auf Wunsch komplett im eigenen Haus.
Montagmorgen, 7:40 Uhr. Im Postfach: elf neue Anfragen übers Wochenende. Drei davon sind ernst gemeint, eine ist dringend – aber welche? Bis das jemand sortiert hat, beantwortet der Wettbewerber die dringende bereits.
Genau für solche Momente bauen sich immer mehr Unternehmen einen eigenen KI-Agenten. Und anders als viele denken, braucht es dafür weder ein Entwicklerteam noch ein Enterprise-Budget. Diese Anleitung zeigt den Weg mit n8n – Schritt für Schritt, bis zum ersten funktionierenden Agenten.
Ein KI-Agent ist ein KI-System, das nicht nur auf Fragen antwortet, sondern selbstständig Aufgaben verfolgt: Es liest Eingaben (etwa E-Mails), trifft anhand eines Sprachmodells Entscheidungen, nutzt Werkzeuge (CRM, Kalender, Datenbanken) und liefert ein Ergebnis ab – ohne dass ein Mensch jeden Schritt anstößt.
n8n (gesprochen „n-eight-n") ist eine Workflow-Automatisierungsplattform, in der solche Abläufe visuell zusammengesteckt werden – Baustein für Baustein statt Codezeile für Codezeile. Das Besondere: n8n ist Open Source und kann auf dem eigenen Server betrieben werden. Die Daten verlassen das Haus nur dort, wo Sie es ausdrücklich vorsehen. Für Unternehmen, die beim Thema Datenschutz genau hinschauen, ist das der entscheidende Unterschied zu reinen Cloud-Diensten.
Seit den neueren Versionen bringt n8n einen eigenen AI-Agent-Baustein mit: Man verbindet ein Sprachmodell (OpenAI, Anthropic, Mistral – oder lokal via Ollama), gibt dem Agenten Werkzeuge und ein Gedächtnis, und der Baustein erledigt die Denkschleife selbst.
Als Beispiel bauen wir den Agenten, den sich fast jedes KMU als erstes wünscht: Er liest eingehende Anfragen, fasst sie zusammen, bewertet die Dringlichkeit, legt den Kontakt im CRM an und meldet die wichtigen Fälle sofort.
Jeder n8n-Workflow beginnt mit einem Auslöser. Fügen Sie den E-Mail-Trigger (IMAP) oder – je nach Postfach – den Gmail-/Outlook-Trigger hinzu und verbinden Sie Ihr Anfragen-Postfach. Ab jetzt startet der Workflow bei jeder neuen Mail automatisch.
Ziehen Sie den Baustein „AI Agent" auf die Fläche und verbinden Sie ihn mit dem Trigger. Dieser Baustein ist das Gehirn: Er bekommt gleich ein Modell, einen Auftrag und Werkzeuge.
Am AI-Agent-Baustein wählen Sie das Chat Model und hinterlegen Ihren API-Schlüssel (z. B. Anthropic Claude oder OpenAI). Wer lokal arbeiten will, wählt stattdessen Ollama – dazu unten mehr.
Hier entscheidet sich die Qualität des Agenten. Ein bewährtes Muster für den Anfang:
Du bist der Anfragen-Wächter der Firma [Name]. Du erhältst eingehende E-Mails. Fasse jede Anfrage in zwei Sätzen zusammen. Bewerte die Dringlichkeit von 1 (kann warten) bis 5 (sofort reagieren) und begründe kurz. Extrahiere: Name, Firma, Kontaktdaten, Anliegen. Wenn Informationen fehlen, rate nicht – schreibe „unbekannt".
Der letzte Satz ist kein Detail: Er verhindert, dass das Modell Lücken mit Erfindungen füllt.
Jetzt bekommt der Agent Hände. Hängen Sie an den Agent-Baustein als Tools an, was er tun darf – zum Beispiel:
Der Agent entscheidet anhand Ihres Auftrags selbst, wann er welches Werkzeug nutzt – das unterscheidet ihn von einer starren Wenn-dann-Automatisierung.
Schicken Sie sich selbst drei Test-Anfragen: eine harmlose, eine dringende, eine unvollständige. Prüfen Sie im n8n-Ausführungsprotokoll, was der Agent entschieden hat. Justieren Sie den Auftrag, bis die Bewertungen sitzen – und lassen Sie den Agenten die erste Woche mitlaufen, ohne dass er nach außen antwortet. Erst beobachten, dann Verantwortung übergeben: Diese Reihenfolge hat sich in jedem Projekt bewährt.
Wer den Workflow nicht selbst zusammenklicken möchte, muss das inzwischen nicht mehr. Zwei Wege haben sich bewährt:
Dass ausgerechnet der Bau eines KI-Agenten selbst zur KI-Aufgabe wird, ist kein Zufall – es ist ein Vorgeschmack darauf, wie sich Arbeit gerade neu sortiert.
Wenn Anfragen sensible Daten enthalten, gibt es einen Weg, bei dem kein Wort das Haus verlässt: n8n bietet ein Self-hosted-AI-Starter-Kit, das n8n mit Ollama (führt Sprachmodelle lokal aus), einer Vektordatenbank (Qdrant) und PostgreSQL kombiniert – alles auf eigener Hardware.
Ehrlicherweise gehört dazu: Lokale Modelle brauchen ordentliche Hardware (brauchbar ab ~16 GB RAM, gut mit dedizierter GPU) und liefern je nach Modellgröße etwas einfachere Ergebnisse als die großen Cloud-Modelle. Für viele Aufgaben – zusammenfassen, einordnen, extrahieren – reicht das völlig. Der pragmatische Mittelweg vieler Unternehmen: Cloud-Modell mit Auftragsverarbeitungsvertrag für Unkritisches, lokales Modell für das Sensible. Wie so eine Architektur aussieht, beschreibt unser Beitrag zum sicheren KI-Workspace mit Corporate LLM.
1. Zu viel auf einmal. Der erste Agent soll eine einzige Aufgabe gut machen – nicht Vertrieb, Support und Buchhaltung gleichzeitig. Klein anfangen, ausbauen.
2. Kein Beobachtungsmodus. Ein Agent, der ab Tag eins selbstständig nach außen kommuniziert, ist ein Risiko. Erst intern melden lassen, dann Schritt für Schritt Befugnisse erweitern.
3. Niemand liest die Protokolle. Die Ausführungshistorie in n8n zeigt jede Entscheidung des Agenten. Wer sie wöchentlich überfliegt, erkennt Fehlentwicklungen früh – und lernt nebenbei, wie das eigene Unternehmen wirklich kommuniziert.
Man kann diese Anleitung als Technik-Rezept lesen. Interessanter wird sie, wenn man beobachtet, was beim Bauen passiert.
Wer seinem ersten Agenten den Auftrag formuliert, muss aussprechen, was im Unternehmen bisher stillschweigend gewusst wurde: Was macht eine Anfrage dringend? Woran erkennen wir einen ernsthaften Interessenten? Nach welchen Regeln entscheiden wir eigentlich? Viele Unternehmer stellen dabei fest, dass es auf diese Fragen noch nie eine ausgesprochene Antwort gab – jeder im Team beantwortet sie anders.
Der Agent zwingt zu einer Klarheit, die vorher niemand eingefordert hat. Das Werkzeug automatisiert also nicht nur einen Ablauf. Es macht sichtbar, wie das Unternehmen denkt – und genau dort beginnt die eigentliche Arbeit, die kein Werkzeug abnimmt: entscheiden, wie es denken soll. Warum aus Information erst durch diesen menschlichen Schritt Erkenntnis wird, erzählt unsere Leseseite Von der Informationsflut zur Erkenntnis.
Wenn Sie beim Formulieren des ersten Auftrags merken, dass die Prozessfragen größer sind als die Technikfragen: Genau dafür gibt es unser Strategiegespräch.
Wenn Sie die technische Umsetzung lieber an erfahrene n8n-Experten übergeben möchten — statt selbst zu bauen, zu hosten und zu warten — zeigt Ihnen unsere n8n-Agentur, wie das aussehen kann.
Mit der kostenlosen n8n Community-Edition (selbst gehostet) plus Server (ca. 5–15 €/Monat) plus Modellkosten (wenige Euro bis wenige dutzend Euro monatlich je nach Volumen) liegt ein erster Agent bei unter 50 €/Monat Betriebskosten. Mit einem lokalen Modell über Ollama entfallen die Modellkosten; dafür braucht es passende Hardware.
Ja. In n8n werden Agenten visuell aus Bausteinen zusammengesetzt; der anspruchsvollste Teil ist das Formulieren des Auftrags in klarem Deutsch. Grundverständnis für die eigenen Prozesse ist wichtiger als Code. Zusätzlich können KI-Assistenten und Coding-Agenten den Workflow-Bau übernehmen.
Für den Start ein großes Cloud-Modell (Claude, GPT) – beste Qualität, sofort verfügbar, per Auftragsverarbeitungsvertrag geregelt. Für sensible Daten oder volle Kontrolle: lokale Modelle über Ollama. n8n lässt beide Wege zu, auch parallel.
n8n selbst kann vollständig auf eigenen Servern laufen. Entscheidend ist, wohin der Agent Daten schickt: Bei Cloud-Modellen braucht es einen Auftragsverarbeitungsvertrag mit dem Anbieter; bei lokalen Modellen bleibt die Verarbeitung im Haus. DSGVO-Konformität entsteht aus Architektur plus Verträgen plus klaren Regeln – nicht aus dem Werkzeug allein.