Ihr erster KI-Agent in n8n: ein vollständiger Lead-Triage-Workflow

Eine der am meisten unterschätzten Funktionen von n8n ist der AI Agent Node. Er macht aus einem statischen Workflow („Wenn X geschieht, führe Y aus“) einen flexibleren Ablauf, in dem das KI-Modell situationsabhängig über die nächsten Aktionen entscheidet.

In diesem Artikel entwickeln wir von Anfang bis Ende einen funktionsfähigen Agenten: ein Lead-Triage-System, das neue Leads empfängt, mit Unternehmensdaten anreichert, bewertet, eine personalisierte Antwort entwirft und an die richtige Stelle weiterleitet. Danach verstehen Sie sowohl die Funktionsweise von n8n-Agenten als auch die Entwurfsmuster, die einen nützlichen Agenten von einer fragilen Demo unterscheiden.

Wir setzen voraus, dass Sie n8n installiert haben — selbst gehostet auf einem Server oder über n8n.cloud — und über einen funktionierenden API-Schlüssel für Claude oder OpenAI verfügen. Wenn n8n für Sie neu ist, absolvieren Sie zunächst das grundlegende Tutorial.

Lassen Sie die erste Version niemals automatisch Antworten an echte Leads senden. Leiten Sie Entwürfe zur menschlichen Prüfung weiter, bis Protokolle, Idempotenz, Bewertungsschwellen und genügend geprüfte Durchläufe belegen, dass sich der Workflow auch bei uneindeutigen Eingaben zuverlässig verhält.

Was wir erstellen

Der Workflow:

1. Ein neuer Lead kommt über einen Webhook (von einem Formular, einem Ereignis, einem CRM usw.).
2. Der Agent reichert den Lead mithilfe einer Websuche mit Unternehmensinformationen an.
3. Er bewertet den Lead anhand dreier Dimensionen: Eignung, Kaufabsicht und Dringlichkeit.
4. Er entwirft eine personalisierte Antwort.
5. Basierend auf der Bewertung tut er eines von folgenden:
   • Bei sehr geeigneten Leads mit hoher Bewertung automatisch antworten und einen CRM-Datensatz erstellen,
   • bei mittleren Bewertungen einen Antwortentwurf zur menschlichen Prüfung speichern und eine Slack-Benachrichtigung senden,
   • oder bei ungeeigneten Leads nur protokollieren und benachrichtigen, ohne zu antworten.

Dieses Muster lässt sich verallgemeinern. Ersetzen Sie „Lead-Triage“ durch „Support-Ticket-Triage“, „Bewerberauswahl“, „Bearbeitung von Presseanfragen“ oder „Weiterleitung von Kundenfeedback“ — die Struktur bleibt gleich.

Das in diesem Artikel verlinkte JSON-Begleitschema definiert die eingehende Nutzlast. Validieren Sie damit die Webhook-Eingabe, bevor sie den Agent Node erreicht.

Validierung vor dem Agenten einfügen

Der Webhook sollte keine beliebigen Formulardaten direkt in den Agenten übergeben. Setzen Sie einen Validierungsschritt zwischen dem Trigger und dem Agenten:

Diese Prüfung schützt den Workflow vor fehlerhaften Einsendungen, wiederholten Webhook-Zustellversuchen und Prompt-Injection-Inhalten in Formularfeldern. Der Agent darf die Nachricht weiterhin lesen, doch der Workflow entscheidet zuerst, ob der Datensatz für die Verarbeitung gültig genug ist.

Das mentale Modell: Agent = LLM + Tools + Schleife

Zunächst zum grundlegenden Konzept.

Ein „Agent“ bezeichnet im Jahr 2026 ein LLM, das Werkzeuge verwenden kann. Statt eine einzelne Antwort zu erzeugen, entscheidet das Modell, welche als „Tools“ bezeichneten Aktionen es aufruft. Nach jeder Tool-Ausgabe betrachtet es das Ergebnis und entscheidet erneut: ein weiteres Tool, ein weiterer Schritt oder die endgültige Antwort.

Der AI Agent Node in n8n implementiert diese Schleife. Sie stellen dem Modell Folgendes bereit:

• Einen System-Prompt mit seinen Anweisungen und seiner Rolle.
• Einen Nutzer-Prompt als Eingabe für diesen Durchlauf.
• Eine Auswahl an Tools — andere n8n-Nodes oder Unter-Workflows, die das Modell aufrufen kann.

Das Modell entscheidet, welche Tools es in welcher Reihenfolge und mit welchen Argumenten aufruft. Nach jeder Rückgabe bewertet es die Situation neu. Sobald es die Aufgabe als abgeschlossen betrachtet, liefert es die endgültige Antwort.

Das unterscheidet sich grundlegend von einem statischen Workflow, weil das Modell — nicht Sie — die Reihenfolge der Schritte bestimmt. Gutes Agentendesign bedeutet:

1. Die richtigen Tools bereitzustellen — weder zu wenige noch zu viele.
2. Das Verhalten mit einem klaren System-Prompt abzugrenzen.
3. Schutzmechanismen einzubauen, damit der Agent nicht außer Kontrolle gerät.
4. Die Ausgabe so zu gestalten, dass nachgelagerte Nodes sie zuverlässig verarbeiten können.

Schritt 1: Der Trigger

Öffnen Sie n8n und erstellen Sie einen neuen Workflow. Der Trigger:

• Node: Webhook
• HTTP-Methode: POST
• Antwortmodus: „Wenn der letzte Node abgeschlossen ist“
• Pfad: beispielsweise /lead-triage

Dieser Webhook empfängt neue Leads. n8n stellt eine URL bereit, die Sie als Ziel für Formulareinsendungen oder den ausgehenden Webhook Ihres CRM konfigurieren können.

Speichern Sie den Workflow zum Testen einmal, damit die Webhook-URL aktiv wird, und bereiten Sie eine Beispielnutzlast vor. Eine typische Webhook-Nutzlast für einen Lead sieht so aus:

{
  "name": "Anna Lehtinen",
  "email": "anna@somecompany.fi",
  "company": "Some Company OÜ",
  "role": "Head of Marketing",
  "message": "Interested in your AI consulting services. We have a team of 10 and need help with prompt engineering training.",
  "source": "website-form",
  "timestamp": "2026-05-15T14:30:00Z"
}

Klicken Sie auf „Test step“ und senden Sie die Testnutzlast, um den Datenfluss zu beobachten.

Schritt 2: Der AI Agent Node

Fügen Sie hinter dem Webhook einen AI Agent Node ein und konfigurieren Sie ihn:

• Agententyp: Conversational oder in neueren Versionen „Tools Agent“ — wählen Sie eine Variante mit Tool-Aufrufen.
• Chat-Modell: Claude (Anthropic) oder OpenAI. Claude Sonnet 4.5 und GPT-5 sind gute Standardmodelle für Agenten-Workflows. Reasoning-Modelle funktionieren ebenfalls, sind in Agentenschleifen jedoch langsamer.
• Memory: Keine für eine zustandslose Triage, da jeder Lead unabhängig ist. Verwenden Sie bei mehrstufigen Agentengesprächen einen Memory Node.
• System Message: Hier wird das Verhalten des Agenten definiert. Verwenden Sie die folgende Vorlage.
• User Message: Übernehmen Sie die Lead-Daten aus dem Webhook.

Die Systemnachricht:

You are a lead-triage agent for [Your Company Name], an AI consulting firm.

Your job is to process incoming leads and produce a structured triage decision.

For each lead, you must:

1. Use the `enrich_lead` tool to gather context about the company.
2. Score the lead on three dimensions:
   - Fit: does the lead match our ideal customer profile?
     - Companies of 10-200 people in B2B, manufacturing, or professional services.
     - Roles in marketing, operations, engineering leadership, or executive.
   - Intent: how serious is the inquiry?
     - "Just curious" vs "actively evaluating" vs "ready to buy."
   - Urgency: is there a stated or implied timeline?
3. Use the `score_lead` tool to record the scores.
4. Use the `draft_response` tool to produce a personalised reply.
5. Use the `route_lead` tool with one of: "auto_reply", "human_review", "log_only".

Routing rules:
- "auto_reply" if Fit >= 7/10 AND Intent >= 7/10. The reply will be sent automatically.
- "human_review" if Fit >= 5/10 OR Intent >= 5/10. A human will check before sending.
- "log_only" if Fit < 5/10 AND Intent < 5/10. We just track and move on.

Never invent information. If something is unclear, mark [unclear] in your scoring rationale.

Always end by returning a JSON object with:
{
  "fit_score": <1-10>,
  "intent_score": <1-10>,
  "urgency_score": <1-10>,
  "reasoning": "<2-3 sentences>",
  "drafted_response": "<the email body>",
  "routing": "<auto_reply|human_review|log_only>"
}

Beachten Sie die Struktur. Wir haben:

• Eine klare Aufgabenstellung.
• Ein explizites Verfahren (Schritte 1–5).
• Explizite Bewertungskriterien.
• Explizite Routing-Logik.
• Ein erforderliches Ausgabeformat.

Der Agent wird diese Vorgaben nicht immer perfekt einhalten. Je konkreter die Systemnachricht formuliert ist, desto zuverlässiger folgt er jedoch bei jedem Durchlauf derselben Struktur.

Das JSON-Objekt allein reicht nicht aus. Fügen Sie nach dem Agent Node einen Validierungsschritt ein. Lehnen Sie Durchläufe ab, wenn Bewertungen fehlen, routing keinen zulässigen Wert enthält oder der Antwortentwurf leer ist.

Schritt 3: Die Tools

Der Agent benötigt aufrufbare Tools. In n8n werden sie dem Agent Node zugeordnet und können Folgendes sein:

• Unter-Workflows.
• HTTP-Anfragen.
• Integrierte Tool-Nodes.

Erstellen wir vier Tools für den Agenten.

Tool 1: enrich_lead

Ein Unter-Workflow, der:

1. Einen Unternehmensnamen und eine E-Mail-Domain als Eingabe übernimmt.
2. Über einen HTTP Node eine Websuch-API wie Perplexity, Serper, Brave Search oder Tavily nach dem Unternehmen befragt.
3. In drei Sätzen zusammenfasst, was das Unternehmen tut, wie groß es ungefähr ist und ob es relevante aktuelle Nachrichten gibt.

Die Tool-Beschreibung, anhand derer der Agent über den Aufruf entscheidet:

Reichert einen Lead durch eine Recherche zum Unternehmen an. Eingabe: Unternehmensname und E-Mail-Domain. Ausgabe: kurze Zusammenfassung der Tätigkeit, ungefähren Größe und relevanter aktueller Entwicklungen.

Tool 2: score_lead

Ein einfaches Tool, das die Bewertungen des Agenten speichert, beispielsweise als:

• Zeile in Google Sheets.
• Eintrag in einer Datenbank.
• Aufruf einer CRM-API.

Zum Testen ist das Anhängen einer Zeile in Google Sheets am einfachsten. Die Tool-Beschreibung:

Speichert die Lead-Bewertungen. Eingabe: fit_score, intent_score, urgency_score, reasoning. Ausgabe: Bestätigung.

Tool 3: draft_response

Ein Unter-Workflow, der den Lead-Kontext und die Bewertungen übernimmt und einen personalisierten E-Mail-Entwurf erstellt. Intern ruft er einen weiteren AI Node mit einem spezifischen Schreibprompt auf:

Verfassen Sie eine personalisierte Antwort auf eine B2B-Anfrage. Eingaben: ursprüngliche Lead-Nachricht, Zusammenfassung zum Unternehmen sowie Bewertungen für Eignung, Kaufabsicht und Dringlichkeit.

Ton: freundlich und direkt, ohne geschäftliche Floskeln. Gehen Sie auf die konkrete Anfrage ein. Beziehen Sie sich auf eine spezifische Information aus der Unternehmenszusammenfassung. Schließen Sie mit einem konkreten nächsten Schritt, etwa: „Hätten Sie nächste Woche 15 Minuten Zeit?“

Länge: 80–120 Wörter.

Die Beschreibung des Tools:

Erstellt eine personalisierte E-Mail-Antwort an den Lead. Eingabe: die Lead-Nachricht, die Bereicherungszusammenfassung und die Bewertungen. Ausgabe: ein E-Mail-Entwurf.

Tool 4: route_lead

Die abschließende Routing-Aktion. Abhängig vom Argument:

• sendet das Tool die E-Mail und erstellt einen CRM-Datensatz (auto_reply),
• speichert es den Entwurf und sendet eine Slack-Benachrichtigung (human_review),
• oder protokolliert es den Lead lediglich und erstellt einen CRM-Datensatz (log_only).

Die Implementierung erfolgt als Unter-Workflow mit einem Switch Node, der anhand des Arguments auf drei unterschiedliche Zweige verteilt.

Die Beschreibung des Tools:

Leitet den Lead gemäß der Triage-Entscheidung weiter. Eingabe: Routing-Entscheidung (auto_reply, human_review, log_only) und Antwortentwurf. Ausgabe: Bestätigung.

Schritt 4: Testen Sie den Agenten

Nachdem Sie den Agenten konfiguriert und die vier Tools verbunden haben, führen Sie einen Test mit der Beispielnutzlast aus.

Was Sie in der Ausführungsansicht von n8n sehen sollten:

1. Der Webhook empfängt die Nutzlast.
2. Der AI Agent startet.
3. Der Agent ruft enrich_lead auf — Sie sehen die Ausführung und die Rückgabe des Tools.
4. Der Agent wählt den nächsten Schritt. Abhängig von Modell und Einstellungen sehen Sie möglicherweise Zwischenschritte.
5. Der Agent ruft score_lead auf.
6. Der Agent ruft draft_response auf.
7. Der Agent ruft route_lead mit einer der drei Routing-Optionen auf.
8. Der Agent gibt das endgültige JSON-Objekt zurück.

Wenn etwas fehlschlägt, zeigt das Debug-Panel von n8n die Nachrichten zwischen dem Agenten und seinen Tools. Die häufigsten Probleme:

• Die Tool-Beschreibung ist nicht konkret genug. Das Modell erkennt nicht, wann das Tool geeignet ist. Formulieren Sie die Beschreibung präziser.
• Eingabe- und Ausgabeschema des Tools stimmen nicht überein. Der Agent kann die richtigen Argumente nicht übergeben. Definieren Sie das Schema eindeutig.
• Der Agent läuft endlos. Er ruft wiederholt Tools auf, ohne die Aufgabe abzuschließen. Begrenzen Sie die maximale Anzahl an Iterationen und prüfen Sie den System-Prompt.

Schritt 5: Schutzmechanismen hinzufügen

Ein Agent ohne Schutzmechanismen ist im Produktivbetrieb unsicher. Ergänzen Sie diese sechs Kontrollen, bevor Sie ihm echten Datenverkehr anvertrauen:

1. Maximale Iterationen. Setzen Sie die Höchstzahl der Agenteniterationen auf einen sinnvollen Wert von 10–20. So verhindern Sie Endlosschleifen mit wiederholten Tool-Aufrufen.

2. Freigabeschritt für auto_reply. Auch wenn der Agent auto_reply empfiehlt, sollten Sie Antworten in den ersten Wochen durch eine menschliche Freigabewarteschlange leiten. Prüfen Sie zunächst, ob diese Entscheidungen zuverlässig sind, bevor Nachrichten ungeprüft an Kunden gehen.

3. Positivliste für ausgehende Aktionen. Konfigurieren Sie CRM- und E-Mail-Tool so, dass sie nur Datensätze verarbeiten, die dem erwarteten Muster entsprechen. Dadurch kann der Agent keine E-Mail an eine falsche Adresse senden oder CRM-Datensätze für ungültige Leads erstellen.

4. Protokollierung. Erfassen Sie für jeden Agentendurchlauf die Eingabe, alle Tool-Aufrufe und die endgültige Ausgabe. Nutzen Sie die integrierten Ausführungsprotokolle von n8n oder einen eigenen Protokollierungsdienst. Diese Daten sind bei Fehlern die Grundlage Ihrer Analyse.

5. Kostenbegrenzung. Legen Sie ein tägliches Token-Budget fest. KI-Agenten können außer Kontrolle geraten: Eine falsch konfigurierte Schleife kann in einem einzigen fehlerhaften Durchlauf API-Kosten von 50 US-Dollar verursachen. n8n Cloud unterstützt solche Begrenzungen; beim Selbsthosting sollten Sie die Nutzung des API-Schlüssels überwachen.

6. Entscheidungsverantwortung. Das Modell darf auto_reply, human_review oder log_only empfehlen, doch der Workflow muss die endgültige Regel durchsetzen. Definieren Sie zulässige Routing-Werte, Bewertungsschwellen und Freigabeanforderungen außerhalb des Prompts, damit sie sichtbar und testbar bleiben.

Schritt 6: Für den Produktivbetrieb absichern

Mit den folgenden Mustern wird aus einem funktionierenden Prototyp ein vertrauenswürdiger Produktionsworkflow:

Idempotenz. Stellen Sie sicher, dass bei einer doppelten Verarbeitung desselben Leads — etwa durch einen erneuten Webhook-Zustellversuch oder eine manuelle Wiederholung — keine doppelten Datensätze entstehen. Prüfen Sie zu Beginn des Workflows: „Wurde dieser Lead bereits verarbeitet?“

Fehlerbehandlung. Sichern Sie jeden Tool-Aufruf mit einer Fehlerbehandlung ab. Fällt die Anreicherungs-API aus, darf der Agent nicht abstürzen. Er sollte mit weniger Informationen fortfahren und die fehlenden Daten kennzeichnen.

Beobachtbarkeit. Erfassen Sie zentrale Kennzahlen: durchschnittliche Laufzeit, Häufigkeit der Tool-Aufrufe und prozentuale Verteilung auf die Routing-Pfade. Abweichungen sind Warnsignale.

Prüfung der Durchläufe. Vergleichen Sie bei den ersten 50 echten Leads jeden Durchlauf mit der ursprünglichen Anfrage. Erfassen Sie falsche Unternehmensdaten, Bewertungen und Routing-Entscheidungen, übersehene Fristen sowie mangelhafte Entwürfe. Lockern Sie die menschliche Prüfung erst, wenn diese Fehler selten auftreten und ihre Ursachen verstanden sind.

Ein „Notausschalter“. Sorgen Sie dafür, dass Sie den Agenten ohne erneute Bereitstellung abschalten können. Dazu genügt eine Umgebungsvariable oder ein Workflow-Schalter, den der Agent zuerst prüft. So können Sie den Betrieb bei einer problematischen Produktionsentscheidung sofort pausieren.

Die wichtigste Designentscheidung: Welche Tools erhält der Agent?

Die Qualität des Agenten hängt vor allem von seinem Toolset ab. Es gibt zwei typische Fehlermuster:

Zu wenige Tools. Der Agent kann seine Aufgabe nicht erfüllen. Häufig versucht er, fehlende Fähigkeiten durch erfundene Angaben zu kompensieren.

Zu viele Tools. Der Agent wird unsicher, wählt das falsche Tool oder verschwendet Iterationen mit Erkundungen. Die Qualität sinkt.

Eine gute Regel lautet: Beginnen Sie mit dem kleinsten funktionsfähigen Toolset und ergänzen Sie Tools nur, wenn der Agent sie nachweislich benötigt.

Für Lead-Triage sind die vier Tools, die wir gewählt haben, ungefähr richtig. Sie könnten hinzufügen:

• Ein lookup_existing_customer-Tool, das prüft, ob der Lead bereits Kunde ist.
• Ein schedule_meeting-Tool mit Kalenderintegration.
• Ein translate-Tool für Leads in mehreren Sprachen.

Jedes neue Tool bedeutet jedoch eine zusätzliche Entscheidung für den Agenten. Es sollte seinen Platz tatsächlich rechtfertigen.

Verallgemeinerbare Muster

Was Sie für Lead-Triage erstellt haben, funktioniert für viele andere Anwendungsfälle:

Support-Ticket-Triage. Ersetzen Sie die Anreicherung durch lookup_customer_history und das Routing durch auto_solve / escalate / categorise.

Bewerberauswahl. Ersetzen Sie die Anreicherung durch parse_cv, die Bewertung durch Kriterien für die Stelleneignung und das Routing durch interview / reject / flag for human review.

Bearbeitung von Presseanfragen. Ersetzen Sie die Anreicherung durch lookup_publication und das Routing durch eine prioritätsbasierte Antwort.

Weiterleitung von Kundenfeedback. Ersetzen Sie die Anreicherung durch Sentimentanalyse und Produktkategorisierung.

Beschaffungsanfragen. Ersetzen Sie die Anreicherung durch Lieferantenrecherchen, die Bewertung durch Richtlinienkonformität und das Routing durch Freigabeabläufe.

Das Grundmuster bleibt gleich: eingehendes Ereignis → anreichern → bewerten/klassifizieren → Antwort entwerfen → weiterleiten. Der Agent entscheidet, die Tools führen aus.

Wann Sie keinen Agenten verwenden sollten

Manche Workflows profitieren nicht von einem Agenten. Ist die Logik vollständig deterministisch — „immer A, dann B, dann C“ — arbeitet ein regulärer n8n-Workflow ohne Agent schneller, günstiger und zuverlässiger.

Ein Agent ist gerechtfertigt, wenn:

• Die Anzahl der möglichen Pfade groß ist.
• der richtige Pfad von einer Beurteilung statt von starren Regeln abhängt.
• manche Entscheidungen Informationen aus mehreren Quellen zusammenführen müssen.

Besteht Ihr Entscheidungsbaum nur aus wenigen If-then-else-Anweisungen, verwenden Sie entsprechende Nodes. Setzen Sie einen Agenten erst ein, wenn diese Logik unüberschaubar wird.

Setzen Sie das Muster einmal in einem echten Workflow um

Ein KI-Agent in n8n ist ein Workflow, in dem das Modell anhand eines Toolsets entscheidet, welche Aktionen in welcher Reihenfolge ausgeführt werden. Bei guter Umsetzung bewältigt er beurteilungsintensive, mehrstufige Aufgaben, für die früher ein Mensch im Prozess erforderlich war.

Wer noch keine Erfahrung mit n8n-Agenten hat, benötigt für diesen Lead-Triage-Workflow ungefähr zwei Stunden sowie einige Wochen zur Feinabstimmung mit echten Daten. Der Nutzen: Jeder neue Lead wird innerhalb weniger Minuten angereichert, bewertet, mit einem Antwortentwurf versehen und weitergeleitet. Eine menschliche Prüfung erfolgt nur dort, wo sie tatsächlich Mehrwert bietet.

Setzen Sie das Muster einmal an einem echten Workflow um, der für Sie relevant ist. Agentendesign gehört 2026 zu den Fähigkeiten mit der größten Hebelwirkung in der KI-Arbeit.