Einen n8n KI-Agent erstellen heißt, sechs Bausteine auf einer Leinwand zu verbinden: einen Trigger, der den Ablauf startet, den AI-Agent-Node in der Mitte, einen Chat-Model-Node, der das Sprachmodell liefert, mindestens einen Tool-Node, den der Agent aufrufen darf, optional einen Memory-Node für den Gesprächsverlauf, und Credentials, mit denen n8n bei Postfach, Kalender oder Modellanbieter angemeldet ist. Die Doku bringt es auf einen Satz: „Connect a chat model and one or more tools, and the agent decides which tools to call to complete a task." Dazu kommt ein Ort, an dem das läuft. Entweder die Cloud des Anbieters oder ein eigener Server mit Updates, Backups und Absicherung. Ich habe n8n lange in meinem eigenen Kubernetes-Cluster betrieben und zeitweise Claude Code als Auslöser für n8n-Prozesse benutzt. Gelernt habe ich dabei: Der Agent ist schnell gebaut, die Arbeit liegt danach im Workflow, und genau deshalb sind meine Mitarbeiter heute Ordner.
Meine KI-Agenten laufen als Belegschaft aus vierzehn Mitarbeitern, jeder ein Ordner mit Personalakte, Regeln und Skills, ausgeführt von Claude. Den Preis- und Hosting-Vergleich zwischen n8n und Make habe ich in n8n, Make oder Claude: was wofür? gemacht und wiederhole ihn hier nicht. Dieser Beitrag ist der Werkzeug-Beitrag zu n8n aus meiner Reihe KI-Mitarbeiter bauen: sechs Wege im Vergleich, und wie dort nehme ich Friedas Posteingang-Sortierung, einmal als n8n-Workflow gedacht.
Was ein KI-Agent in n8n ist: die Bausteine
n8n nennt Agent, Modell, Tools und Memory zusammen einen Cluster-Node: ein Root-Node in der Mitte und Sub-Nodes, die ihn erweitern. Die Doku beschreibt den AI-Agent-Node als „an autonomous system that receives data, makes rational decisions, and acts within its environment to achieve specific goals" und verlangt: „You must connect at least one tool sub-node to an AI Agent node." Was die einzelnen Teile tun, in einer Tabelle:
Zwei Dinge daran sind wichtig. Erstens ist der Agent-Node kein Mitarbeiter, sondern ein Knoten mit Systemprompt; was er über deinen Betrieb weiß, steckt in diesem Prompt und in dem, was die Tools liefern. Zweitens warnt die Doku, dass Simple Memory im Queue-Modus, also bei mehreren Workern, „doesn't work in an active production workflow". Wer den Agenten dauerhaft laufen lässt, landet bei einer Datenbank für das Gedächtnis.
n8n KI-Agent erstellen: Frieda als Workflow gedacht
Frieda sortiert bei mir den Posteingang in vier Stapel, Sofort, Heute, Kann warten, Papierkorb, plus einen Einschätzungsstapel für alles, was meine Regeln nicht eindeutig treffen. Für den Heute-Stapel legt sie Antworten als Entwurf hin und versendet nie. Das Verfahren steht in Posteingang sortieren: das Stapel-System, die Mitarbeiterin auf Frieda, meiner Mitarbeiterin fürs Büro. So sähe sie in n8n aus, als Gedankengang:
- Trigger: ein Postfach-Trigger, der bei jeder neuen Mail auslöst, oder ein Zeitplan zweimal am Tag.
- AI Agent: die drei Fragen und die Regelzeilen aus dem Stapel-System als Systemprompt. Das ist Friedas Regelwerk, in ein Feld des Nodes kopiert.
- Chat Model: ein Anthropic-Chat-Model-Node mit meinem API-Zugang, oder ein Ollama-Node, wenn das Modell lokal laufen soll.
- Tools: eines, das eine Mail mit einem Label versieht, eines, das einen Antwortentwurf anlegt, und keines, das sendet. Die Grenze „versendet nie" ist in n8n kein Regeltext, sondern ein Tool, das du einfach nicht anschließt.
- Memory: für die Sortierung brauchst du keins; für Rückfragen im Chat ein Simple Memory, für den Dauerbetrieb eine Datenbank.
- Credentials: Postfach und Modellanbieter, je einmal in n8n hinterlegt.
- Einschätzungsstapel: ein Zweig, der unklare Fälle nicht bearbeitet, sondern ablegt und mir eine Nachricht schickt.
Das funktioniert, und für ein Postfach mit hohem Volumen und festen Regeln funktioniert es gut. Was auf der Leinwand entsteht, ist aber ein Workflow, in dem Friedas Wissen auf einen Systemprompt, sieben Knoten und Verbindungen verteilt ist. Wenn ich eine Regel ändere, ändere ich einen Knoten. Wenn ich Frieda jemandem geben will, exportiere ich JSON.
Was du danach betreibst: Cloud oder eigener Server
Die Doku von n8n ist hier angenehm ehrlich. Für die Cloud-Variante steht dort: „Fully managed, no setup or maintenance required". Für das Selbst-Hosten steht in derselben Tabelle: „Requires setup (npm, Docker, or server)", Wartung „Your responsibility", und in den Hosting-Anleitungen ein Kasten, der es deutlich sagt: „Self-hosting n8n requires technical knowledge, including: Setting up and configuring servers and containers, Managing application resources and scaling, Securing servers and applications, Configuring n8n." Und weiter: „Mistakes can lead to data loss, security issues, and downtime."
Ich habe genau das gemacht: n8n lief lange in meinem eigenen Kubernetes-Cluster, und ich habe darin Prozesse gebaut. Ich mag n8n und bin Entwickler; die Arbeit dazu ist trotzdem Arbeit, und die Doku zählt sie auf: Updates „at least once a month", Release Notes auf Breaking Changes prüfen, vor jedem Update ein Backup. Ein vollständiges Backup besteht laut Doku aus dem .n8n-Ordner mit der Konfigurationsdatei, in der der Verschlüsselungsschlüssel für die Credentials liegt, plus der externen Datenbank, falls du Postgres statt SQLite nutzt. Ohne den Schlüssel sind wiederhergestellte Credentials unbrauchbar.
Dazu kommt die Absicherung des Servers, denn auf ihm liegen die Zugänge zu Postfach, Kalender und Modellanbieter. Bei mir prüft Falk, mein Mitarbeiter für Sicherheitsprüfungen, meine eigenen Anwendungen gestuft und nur nach schriftlicher Freigabe; wie das läuft, steht auf Falk, meinem Red-Teamer. Wer keinen Cluster betreiben will, nimmt die Cloud-Variante und bezahlt pro Ausführung. Beides ist legitim, kostenlos ist keines von beiden, auch die Community Edition nicht, weil Server und eigene Zeit Geld kosten.
Claude Code als Auslöser, n8n als Ausführung
Eine Bauweise aus meiner n8n-Zeit zeigt, wo für mich die Grenze zwischen den Werkzeugen verlief: Ich hatte zeitweise Claude Code als Auslöser für n8n-Prozesse. Claude Code entschied im Gespräch mit mir, was zu tun ist, und stieß dann einen n8n-Workflow an, der den festen Teil ausführte. Der Agent mit Urteil saß im Terminal, der Ablauf mit festen Schritten lief in n8n.
Diese Aufteilung halte ich bis heute für richtig, wenn beides vorhanden ist: Der Workflow macht den Fließband-Teil, ein Mitarbeiter mit Akte das, was Kontext und Entscheidung braucht. Gemerkt habe ich dabei aber auch, warum die Belegschaft nicht in n8n leben sollte: Was Claude Code auslösen sollte und warum, lag in Dateien bei mir. Wie der Ablauf lief, lag im Workflow-JSON. Zwei Orte, zwei Formate, und nur einer davon war Text, den ich lesen, ändern und einem anderen Modell geben konnte.
Warum ich heute den Ordner nehme
Nicht, weil n8n etwas nicht könnte, sondern weil es darum geht, wo meine Arbeit liegt. Ein n8n-Agent ist ein Systemprompt in einem Node plus Verbindungen; ein Export ist JSON im Format von n8n. Bei mir ist Frieda ein Ordner: eine CLAUDE.md mit Aufgabe, Regeln, Grenzen, Dateien und Freigaben, dazu Skills als Markdown und ein Postfach für Übergaben. Wie diese Datei wörtlich aussieht, steht in CLAUDE.md: das Gedächtnis von Claude Code, und was Skills sind, in Claude Skills: erstellen und nutzen.
Daraus folgen drei Dinge. Erstens kann ich die Akte lesen, ohne ein Werkzeug zu öffnen, und ändere eine Regel, indem ich einen Satz ändere. Zweitens liegt alles lokal bei mir als Dateien, in einem Obsidian-Vault, und nicht in einer Datenbank, deren Schlüssel ich sichern muss. Drittens der Ausfallplan: Wenn ich Claude nicht nutzen kann oder will, wechsle ich zu Codex oder zu OpenCode mit lokalen Modellen, und die arbeiten auf denselben Dateien. Innerhalb der Claude-Familie wechsle ich das Modell per /model; anbieterübergreifend wechsle ich das Werkzeug, und Claude Code liest laut Doku auch AGENTS.md, das Format, das andere Coding-Agenten nutzen.
Ehrlich dazugesagt: Beim Modellwechsel ist n8n bequemer. Dort tauschst du den Chat-Model-Sub-Node, die Logik bleibt, mit Nodes für viele Anbieter und für Ollama lokal. In Claude Code wähle ich nur zwischen Claude-Modellen. Ich habe die tragbareren Dateien, n8n den freieren Modellwechsel; wer das zweite braucht, sollte es nicht gegen das erste eintauschen.
Fünf Prüfsteine: n8n und Ordner nebeneinander
Wann n8n gewinnt
Ich mag n8n, und es gibt drei Fälle, in denen ich es einem Ordner vorziehen würde.
- Feste Abläufe mit Volumen. Formular rein, Zeile in die Tabelle, Mail raus, tausendmal im Monat: Das ist ein Workflow, und n8n rechnet pro Ausführung „regardless of complexity". Ein Mitarbeiter mit Sprachmodell ist dafür teurer und weniger vorhersagbar.
- Auslöser ohne Menschen. Ein n8n-Workflow startet per Webhook, Zeitplan oder App-Ereignis und läuft rund um die Uhr. Ein Mitarbeiter in Claude Code braucht einen Start, bei mir gewollt, weil vor jeder Wirkung nach außen mein Freigabe-Gate steht; wo diese Grenze bei mir verläuft, steht in Was darf eine KI-Führungsrolle entscheiden?. Wer den Start nicht will, ist bei n8n richtig.
- Lokale Modelle und Modellmix. Wer ein Modell auf eigener Hardware per Ollama betreiben oder in einem Ablauf zwei Anbieter kombinieren will, bekommt das in n8n als Sub-Node.
Und der vierte Fall ist der, den ich selbst hatte: beides. Ein Mitarbeiter mit Akte entscheidet, ein n8n-Workflow führt den festen Teil aus. Wer diese Aufteilung bauen will, ist damit nicht allein: Bring deinen Ablauf in die Community, in einen Call oder ein Posting, und wir schauen ihn gemeinsam an.
Häufige Fragen
Braucht n8n Programmierkenntnisse?
Für einen ersten Agenten nicht: Trigger, Agent, Modell und Tools verbindest du mit der Maus, die Anweisung ist Text. Sobald Daten zwischen Knoten umgeformt werden müssen, kommen Ausdrücke und JSON ins Spiel, und spätestens beim Selbst-Hosten braucht es laut Doku Kenntnisse in Servern, Containern und Absicherung.
Wie gebe ich einem n8n-Agenten ein Gedächtnis?
Über einen Memory-Sub-Node. Simple Memory speichert laut Doku den Gesprächsverlauf in den Workflow-Daten und ist der einfachste Einstieg; für den Dauerbetrieb mit mehreren Workern nennt die Doku Redis, Postgres und andere Dienste. Regeln und Erfahrungen, also das, was bei mir in der Personalakte steht, gehören dagegen in den Systemprompt und in angehängte Dateien.
Welche Tools kann ein n8n-Agent nutzen?
Alles, was als Tool-Sub-Node angeschlossen ist: App-Nodes wie Postfach oder Kalender, HTTP-Anfragen, andere Workflows, Code und laut Doku auch MCP-Server. Mindestens ein Tool ist Pflicht. Was der Agent nicht als Tool bekommt, kann er nicht tun, und genau so baust du Grenzen ein: Frieda bekommt ein Tool für Entwürfe und keines fürs Senden.
Kann ich n8n mit Claude als Modell nutzen?
Ja, laut Doku gibt es einen Anthropic-Chat-Model-Sub-Node, den du an den Agent-Node hängst; dafür brauchst du einen API-Zugang bei Anthropic. Das ist eine andere Abrechnung als ein Claude-Abo: pro Token über die API statt ein fester Monatsbetrag.
n8n lernen auf Deutsch: wo fange ich an?
n8n hat laut Doku eigene Lernpfade mit Übungen, Quizfragen und Zertifikat. Mein Rat: nicht mit dem Kurs anfangen, sondern mit einer echten Aufgabe wie der Sortierung oben, und nachschlagen, wo du hängst. Auf Deutsch und an deiner eigenen Aufgabe machen wir das in den Calls meiner Community.
Wie du weitermachst
Wenn deine Aufgabe ein Fließband ist, bau sie in n8n nach der Liste oben, in der Cloud oder auf einem eigenen Server. Wenn sie Kontext und Urteil braucht, fang mit dem Ordner an: KI-Mitarbeiter erstellen: so startest du zeigt den Ablauf, und den ganzen Gedanken dahinter habe ich in KI-Agenten erstellen ohne Code: mein Weg aufgeschrieben. Wie dieselbe Frage bei einer Plattform für Organisationen ausgeht, steht in Langdock vs Claude: was ich im Betrieb nutze.
In den Calls meiner Community bauen wir deine Frieda in deinem Werkzeug nach, in n8n oder als Ordner, und du siehst den Unterschied an deiner eigenen Aufgabe: Claude Practitioners.
