Ihren ersten KI-Agenten in n8n erstellen: ein Lead-Triage-Workflow von Anfang bis Ende

Der AI-Agent-Knoten von n8n lässt ein Modell zwischen konfigurierten Tools wählen. Diese Flexibilität führt zu Nichtdeterminismus und vergrößert die Fehlerfläche. Setzen Sie einen Agenten daher erst ein, wenn eine einfachere deterministische Weiterleitung nicht ausreicht.

Dieser Artikel beschreibt einen Lead-Triage-Entwurf, der einen Lead entgegennimmt, zulässigen Kontext abruft, Bewertungen und einen Antwortentwurf vorschlägt, das Ergebnis validiert und zur menschlichen Prüfung weiterleitet. Es handelt sich weder um einen importierbaren Workflow noch um den Bericht einer ausgeführten Implementierung. Die folgenden Akzeptanztests zeigen, was noch fehlt, bevor der Ablauf durchgängig funktioniert.

Wir gehen davon aus, dass Sie n8n installiert haben, entweder selbst gehostet auf einem Server oder über n8n Cloud, und über einen funktionierenden API-Schlüssel für Claude oder OpenAI verfügen. Falls n8n für Sie neu ist, arbeiten Sie zuerst das grundlegende Tutorial durch.

Das Design folgt außerdem der OWASP-Warnung vor übermäßiger Handlungsbefugnis: Beschränken Sie Tool-Berechtigungen und Autonomie und verlangen Sie für folgenreiche Aktionen eine vom Workflow erzwungene Genehmigung. Stammen die Lead-Daten von einem Drittanbieter oder sollen sie für die Kontaktaufnahme verwendet werden, prüfen Sie vor der Aufnahme oder Ansprache Quelle, Hinweise, Rechtsgrundlage, Sperrlisten und Kanalregeln. Die Europäische Kommission erläutert, dass Daten von Drittanbietern nicht automatisch für Marketingzwecke wiederverwendet werden dürfen.

Lassen Sie die erste Version keine Antworten an echte Interessenten automatisch versenden. Leiten Sie Entwürfe zur menschlichen Prüfung weiter, bis Protokolle, Idempotenz, Bewertungsschwellen und genügend geprüfte Durchläufe belegen, wie sich der Workflow bei unübersichtlichen Eingaben verhält.

Was wir aufbauen

Der Workflow:

1. Ein neuer Lead trifft über einen Webhook ein (von einem Formular, einer Veranstaltung, einem CRM usw.).
2. Der Agent erweitert den Lead um Unternehmensinformationen (unter Verwendung der Websuche).
3. Er bewertet den Lead in drei Dimensionen: Passung, Kaufabsicht und Dringlichkeit.
4. Er erstellt einen personalisierten Antwortentwurf.
5. Je nach Bewertung geschieht Folgendes:
   • Eine Antwort und ein CRM-Vorschlag werden zur Freigabe vorgemerkt (bei hoher Konfidenz und sehr guter Passung).
   • Eine Antwort wird zur menschlichen Prüfung entworfen und per Slack angekündigt (bei mittlerer Bewertung).
   • Der Vorgang wird lediglich protokolliert und gemeldet, ohne zu antworten (bei geringer Passung).

Teile des Musters lassen sich auf die Triage mit geringen Konsequenzen verallgemeinern, doch jede neue Domäne benötigt ihre eigenen Daten sowie Analysen zu Fehlern, Fairness und professioneller Überprüfung. Verwenden Sie ein für den Verkauf entwickeltes Scoring-Design nicht für Entscheidungen in den Bereichen Beschäftigung, Medizin, Recht, Finanzen, Kinderschutz oder Bauwesen.

Das Begleit-JSON-Schema, das in diesem Artikel verlinkt ist, definiert die Intake-Payload. Verwenden Sie es zur Validierung des Webhook-Eingangs, bevor der Agent-Knoten diesen sieht.

Fügen Sie ein Validierungsgate vor dem Agenten hinzu

Der Webhook sollte keine beliebigen Formulardaten direkt an den Agenten übergeben. Fügen Sie einen Validierungsschritt zwischen dem Auslöser und dem Agenten ein:

Diese Schranke schützt den Workflow vor fehlerhaften Eingaben, wiederholten Webhook-Zustellungen und Prompt-Injection-Inhalten in Formularfeldern. Der Agent kann die Nachricht weiterhin lesen, doch der Workflow entscheidet, ob der Datensatz für die Verarbeitung ausreichend valide ist.

Das Grundmodell: Agent = LLM + Tools + Schleife

Vor dem Aufbau sollten Sie das Konzept verstehen.

Ein „Agent“ bezeichnet im Jahr 2026 ein LLM, das Tools nutzen kann. Statt nur eine einzelne Antwort zu erzeugen, entscheidet das Modell, welche Aktionen, die sogenannten Tools, es aufruft. Nach jedem Tool-Aufruf sieht es das Ergebnis und entscheidet über den nächsten Schritt: ein weiteres Tool, einen anderen Schritt oder die abschließende Antwort.

Die AI-Agent-Knoten von n8n implementieren diese Schleife. Sie übergeben dem Modell:

• Ein System-Prompt (seine Anweisungen und der Tonfall).
• Einen Benutzer-Prompt (die Eingabe für diesen Durchlauf).
• Eine Reihe von Tools (andere n8n-Knoten 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 eines Tools prüft es sein weiteres Vorgehen. Wenn es zu dem Schluss kommt, dass die Aufgabe erledigt ist, gibt es eine abschließende Antwort zurück.

Dies unterscheidet sich grundlegend von einem statischen Workflow, da die Reihenfolge der Schritte vom Modell und nicht von Ihnen bestimmt wird. Gutes Agentendesign bedeutet:

1. Dem Modell die richtigen Tools zur Verfügung zu stellen (weder zu wenige noch zu viele).
2. Einen System-Prompt zu verfassen, der das Verhalten eingrenzt.
3. Schutzvorkehrungen hinzuzufügen, damit es nicht die Kontrolle verliert.
4. Das Ausgabeformat so zu gestalten, dass nachgelagerte Knoten es zuverlässig verarbeiten können.

Schritt 1: Der Auslöser

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

• Knoten: Webhook
• HTTP-Methode: POST
• Antwortmodus: „Wenn der letzte Knoten abgeschlossen ist“
• Pfad: etwas wie /lead-triage

Dieser Webhook empfängt Lead-Einreichungen. n8n stellt Ihnen eine URL zur Verfügung, die Sie als Zielort für Ihre Formularübermittlungen oder den ausgehenden Webhook Ihres CRM konfigurieren können.

Zum Testen speichern Sie den Workflow einmal, damit die Webhook-URL aktiv wird, und halten Sie ein Beispiel-Payload bereit. Ein typisches Lead-Webhook-Payload könnte wie folgt aussehen:

{
  "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 „Schritt testen“ und senden Sie das Test-Payload, um den Datenfluss zu sehen.

Schritt 2: Der KI-Agent-Knoten

Fügen Sie einen KI-Agent-Knoten nach dem Webhook ein. Konfigurieren Sie ihn wie folgt:

• Agent / Tools-Agent: Die aktuellen n8n AI Agent-Knoten (1.82+) bieten keine Dropdown-Auswahl für den Agententyp mehr, sondern werden als Tools-Agent ausgeführt. Verbinden Sie ein Chat-Modell mit den unten aufgeführten Tools. Wählen Sie in älteren Vorlagen, die den Agententyp noch anzeigen, „Tools Agent“. „Conversational“ und andere ältere Typen wurden entfernt.
• Chat-Modell: Claude (Anthropic) oder OpenAI. Beginnen Sie mit dem aktuellen allgemeinen Modell Ihres Anbieters und wechseln Sie erst zu einer schnelleren oder leistungsfähigeren Stufe, wenn Ihre Evaluierungen dies rechtfertigen. Reasoning-Modi können Latenz und Kosten für jeden Agent-Schritt erhöhen.
• Memory: Keines für die zustandslose Triage (jeder Lead ist unabhängig). Für mehrstufige Agent-Unterhaltungen verwenden Sie einen Memory-Node.
• Systemnachricht: Hier legen Sie das Verhalten des Agenten fest. Verwenden Sie die folgende Vorlage.
• Benutzernachricht: Rufen Sie die Lead-Daten aus dem Webhook ab.

Die Systemnachricht:

Sie sind ein Agent für die Lead-Triage bei [Your Company Name], einer KI-Beratung.

Ihre Aufgabe besteht darin, eingehende Leads zu verarbeiten und eine strukturierte Triage-Entscheidung zu treffen.

Für jeden Lead müssen Sie:

1. Das `enrich_lead`-Tool verwenden, um Kontext über das Unternehmen zu sammeln.
2. Den Lead auf drei Dimensionen bewerten:
   - Fit (Passung): Entspricht der Lead unserem idealen Kundenprofil?
     - Unternehmen mit 10-200 Mitarbeitern in B2B, Fertigung oder professionellen Dienstleistungen.
     - Rollen im Marketing, Operations, Engineering-Leitung oder Führungsebene.
   - Intent (Absicht): Wie ernst ist die Anfrage?
     - „Nur neugierig“ vs. „aktiv bewertend“ vs. „kaufbereit“.
   - Urgency (Dringlichkeit): Gibt es einen genannten oder implizierten Zeitrahmen?
3. Das `score_lead`-Tool verwenden, um die Bewertungen zu speichern.
4. Das `draft_response`-Tool verwenden, um eine personalisierte Antwort zu erstellen.
5. Das `propose_route`-Tool mit einer der folgenden Optionen aufrufen: „review_priority“, „human_review“, „log_only“.

Routing-Regeln (in dieser Reihenfolge auswerten; erste Übereinstimmung gewinnt):
- „review_priority“ wenn Fit >= 7/10 UND Intent >= 7/10. Die Antwort erhält eine priorisierte menschliche Überprüfung.
- „human_review“ wenn Fit >= 5/10 ODER Intent >= 5/10. Ein Mensch wird vor dem Versand prüfen.
- „log_only“ andernfalls (Fit < 5/10 UND Intent < 5/10). Wir erfassen den Vorgang nur und fahren fort.

Erfinden Sie niemals Informationen. Wenn etwas unklar ist, markieren Sie [unclear] in Ihrer Begründung zur Bewertung.

Beenden Sie immer mit der Rückgabe eines JSON-Objekts:
{
  "fit_score": <1-10>,
  "intent_score": <1-10>,
  "urgency_score": <1-10>,
  "reasoning": "<2-3 sentences>",
  "drafted_response": "<the email body>",
  "routing": "<review_priority|human_review|log_only>"
}

Beachten Sie die Struktur. Wir haben:

• Eine klare Aufgabenstellung.
• Einen expliziten Prozess (Schritte 1-5).
• Explizite Bewertungskriterien.
• Explizite Routing-Logik.
• Ein erforderliches Ausgabeformat.

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

Das JSON-Objekt allein reicht nicht aus. Fügen Sie nach dem Agentenknoten einen Validierungsschritt hinzu und lehnen Sie Ausführungen ab, bei denen Scores fehlen, das Routing außerhalb des zulässigen Enum liegt oder die entworfene Antwort leer ist.

Schritt 3: Die Tools

Der Agent benötigt Tools zum Aufruf. In n8n werden Tools unter dem Agentenknoten konfiguriert und können sein:

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

Lassen Sie uns vier Tools für unseren Agenten erstellen.

Tool 1: enrich_lead

Ein Unter-Workflow, der:

1. Einen Firmennamen und eine E-Mail-Domäne als Eingabe entgegennimmt.
2. Eine genehmigte Such- oder Unternehmensdaten-API verwendet, deren Nutzungsbedingungen die Verwendung erlauben.
3. Strukturierte Angaben mit kanonischen Quell-URLs und Abrufdaten zurückgibt; eine unbekannte Größe oder Identität bleibt als unbekannt gekennzeichnet.

Die Beschreibung des Tools (die der Agent liest, um zu entscheiden, wann er sie aufrufen soll):

Ruft den zulässigen öffentlichen Kontext zu einem Unternehmen ab, von dem ein Lead stammt. Eingabe: Firmenname und E-Mail-Domain. Ausgabe: verifizierte Angaben mit Quell-URL und Abrufdatum sowie Mehrdeutigkeiten oder Fehler. Leiten Sie Identität, Größe oder aktuelle Meldungen nicht ohne Quelle her.

Tool 2: score_lead

Ein deterministisches Validierungstool, das:

• Vorgeschlagene Bewertungen entgegennimmt und Datentyp, Wertebereich, erforderliche Begründung sowie zulässige Kennzeichnungen prüft.
• Validierungsfehler oder ein normiertes Score-Objekt zurückgibt.
• Über keine Schreibberechtigungen für Datenbanken, Tabellen, CRM, E-Mail oder andere Systeme verfügt.

Speichern Sie Daten erst, nachdem die endgültige Ausgabe des Agenten dasselbe serverseitige Schema bestanden hat.

Die Beschreibung des Tools:

Prüft vorgeschlagene Lead-Bewertungen, ohne sie zu speichern. Eingabe: fit_score, intent_score, urgency_score und rationale. Ausgabe: {valid, errors, normalized_scores}. Dieses Tool kann weder Datensätze schreiben noch Nachrichten senden.

Tool 3: draft_response

Ein Unter-Workflow, der den Kontext zum Lead und die Bewertungen übernimmt und einen personalisierten E-Mail-Entwurf erstellt. Intern ruft er einen weiteren KI-Knoten mit einem gezielten Schreib-Prompt auf:

Entwerfen Sie eine personalisierte Antwort auf eine B2B-Anfrage. Eingaben: die ursprüngliche Lead-Nachricht, die Zusammenfassung der Unternehmensanreicherung sowie die Fit-/Intent-/Urgency-Scores.

Ton: freundlich und direkt, ohne Unternehmensfloskeln. Gehen Sie auf die konkrete Anfrage ein. Verwenden Sie angereicherte Angaben nur, wenn die Aussage belegt und relevant ist; lassen Sie sie andernfalls weg. Schließen Sie mit einem vorgeschlagenen nächsten Schritt zur menschlichen Prüfung.

Länge: 80-120 Wörter.

Die Beschreibung des Tools:

Entwirft eine personalisierte E-Mail-Antwort auf den Lead. Eingabe: die Nachricht des Leads, die Anreicherungsübersicht und die Scores. Ausgabe: ein Entwurf der E-Mail.

Tool 4: propose_route

Dieses Tool hält eine von drei vorgeschlagenen Routen fest. Es sendet keine E-Mails und schreibt nicht in das CRM:

• review_priority: den Entwurf in die priorisierte Warteschlange zur menschlichen Prüfung stellen.
• human_review: den Entwurf in die reguläre Warteschlange zur menschlichen Prüfung stellen.
• log_only: das Triage-Ergebnis dokumentieren, ohne eine ausgehende Aktion vorzubereiten.

Ein deterministischer Switch-Knoten erzwingt nach der Schemavalidierung die zulässigen Enum-Werte und leitet review_priority sowie human_review an eine Freigabewarteschlange weiter. Nur ein separater, freigabepflichtiger Unter-Workflow besitzt Schreibrechte für kundensichtbare Daten.

Implementieren Sie dies als nebenwirkungsfreien Unter-Workflow, der ein Vorschlagsobjekt zurückgibt. Nach Abschluss des Agent-Knotens entscheiden ein deterministischer Schemavalidierungs-Knoten und ein Switch-Knoten, welcher Zweig den Vorschlag speichern darf. Keiner dieser Zweige darf ohne den separaten Freigabe-Workflow einen Sendeknoten erreichen.

Die Beschreibung des Tools:

Schlägt eine Route vor. Eingabe: Routing-Entscheidung (review_priority, human_review oder log_only), Bewertungen, Begründung und Entwurf. Ausgabe: ein Objekt im Arbeitsspeicher zur deterministischen Schemavalidierung. Dieses Tool kann weder Daten speichern noch E-Mails versenden oder das CRM aktualisieren.

Schritt 4: Testen Sie den Agenten

Wenn der Agent konfiguriert und die vier Tools angehängt sind, führen Sie einen Test mit dem Beispiel-Payload durch.

In der Ausführungsansicht von n8n sollten Sie Folgendes sehen:

1. Der Webhook empfängt das Payload.
2. Der KI-Agent startet.
3. Der Agent ruft enrich_lead auf. Sie sehen, wie das Tool ausgeführt wird und ein Ergebnis zurückgibt.
4. Der Agent wählt den nächsten Schritt aus (Sie sehen möglicherweise keine Zwischenprotokolle, abhängig vom Modell und den Einstellungen).
5. Der Agent ruft score_lead auf.
6. Der Agent ruft draft_response auf.
7. Der Agent ruft propose_route mit einer der drei Routing-Optionen.
8. Der Agent gibt das finale JSON zurück.

Falls etwas schiefgeht, zeigt das Debug-Panel von n8n Ihnen die Nachrichten zwischen dem Agenten und seinen Tools an. Die häufigsten Probleme:

• Die Tool-Beschreibung ist nicht spezifisch genug. Das Modell kann nicht ableiten, wann das Tool angemessen ist. Machen Sie die Beschreibungen konkreter.
• Schemakonflikt zwischen Eingabe- und Ausgabeschema des Tools. Der Agent kann die richtigen Argumente nicht übergeben. Definieren Sie das Schema explizit.
• Der Agent läuft in einer Endlosschleife. Er ruft weiterhin Tools auf, ohne ein Ergebnis zu erzielen. Fügen Sie eine maximale Iterationsgrenze hinzu und überprüfen Sie Ihren System-Prompt erneut.

Schritt 5: Schutzvorkehrungen hinzufügen

Ein Agent ohne zusätzliche Absicherung ist im Produktivbetrieb unsicher. Ergänzen Sie sechs Schutzvorkehrungen, bevor Sie ihn mit echten Anfragen arbeiten lassen:

1. Maximale Iterationen. Legen Sie ein endliches Limit fest, das auf der kleinsten Anzahl von Iterationen basiert, die Ihre erfolgreichen Evaluierungsfälle erfordern. Testen Sie, dass das Erreichen des Limits zu einer menschlichen Kontrolle führt und keine partiellen Nebenwirkungen hinterlässt.

2. Freigabeschranke für jeden vorgeschlagenen Antwortentwurf. review_priority ändert die Reihenfolge der Warteschlange; das Feld autorisiert keinen Versand. Lassen Sie Kundenkommunikation von einem authentifizierten Menschen freigeben, bis eine gesondert genehmigte Richtlinie etwas anderes vorsieht, und leiten Sie Sicherheit niemals allein aus der verstrichenen Zeit ab.

3. Positivliste für ausgehende Aktionen. Konfigurieren Sie Ihr CRM- und E-Mail-Tool so, dass sie nur mit Datensätzen arbeiten, die dem erwarteten Muster entsprechen. So verhindern Sie, dass der Agent E-Mails an falsche Adressen sendet oder Datensätze für Personen anlegt, die keine Leads sind.

4. Protokollierung. Geben Sie für jeden Lauf genehmigte Metadaten aus: stabile Referenzen zu Lauf und Lead, Workflow- und Modellversionen, Tool-Namen und -Ergebnisse, Validierungsergebnis, Route, genehmigende Person, Wiederholungsversuche und Fehler. Rohe Lead-Eingaben, Anreicherungsergebnisse, Entwürfe und Tool-Argumente enthalten personenbezogene oder vertrauliche Daten und erfordern separate Entscheidungen zu Zweck, Maskierung, Zugriff und Aufbewahrungsdauer.

5. Kostenlimits. Legen Sie endliche Agenteniterationen und Workflow-Zeitüberschreitungen fest, und konfigurieren Sie Ausgaben-/Ratenwarnungen oder -grenzen mit dem Modellanbieter. Die n8n-Planbegrenzungen werden in Ausführungs- und Funktionsbegriffen beschrieben; gehen Sie nicht davon aus, dass n8n Cloud ein tägliches Budget für einen eigenen Anbieter-Schlüssel durchsetzt. Verfolgen Sie die Anbieter-Nutzung und testen Sie den Not-Aus.

6. Entscheidungshoheit. Das Modell kann review_priority, human_review oder log_only empfehlen; der Workflow setzt die abschließende Regel durch. Bewahren Sie das Routing-Enum, die Bewertungsschwellen und die Freigabeanforderungen außerhalb des Prompts auf, damit sie testbar und sichtbar bleiben.

Schritt 6: Produktions-Hardening

Einige Muster, die einen funktionierenden Prototypen in etwas verwandeln, dem Sie vertrauen können:

Idempotenz. Stellen Sie sicher, dass bei der doppelten Verarbeitung desselben Leads (etwa aufgrund einer Webhook-Wiederholung oder eines manuellen Neustarts) keine Duplikate in Datensätzen oder Nachrichten entstehen. Eine Read-Then-Write-Prüfung ist anfällig für Race Conditions: Beanspruchen Sie einen eindeutigen Datenbankschlüssel atomar und verwenden Sie denselben Schlüssel bei jeder nachgelagerten Schreiboperation. Folgen Sie dem Design für atomare Claims, Leases, Genehmigungstoken und eine Outbox.

Fehlerbehandlung. Packen Sie jeden Tool-Aufruf in eine Fehlerbehandlung ein. Wenn die Anreicherung nicht verfügbar ist oder die Unternehmensidentität mehrdeutig bleibt, muss der Workflow das Fehlen von Daten kennzeichnen und an die menschliche Überprüfung weiterleiten; er darf keine personalisierten Fakten erfinden, um den Entwurf lediglich zu vervollständigen.

Beobachtbarkeit (Observability). Verfolgen Sie die wichtigsten Metriken: durchschnittliche Laufzeit, Häufigkeit von Tool-Aufrufen und der pro Pfad weitergeleitete Anteil. Anomalien sind Signale.

Pilotprüfung. Vergleichen Sie in einer einwilligungsbasierten, begrenzten Pilotphase jeden Durchlauf mit dem ursprünglichen Lead. Der Pilot sollte Quelltypen, Sprachen, fehlende Felder, mehrdeutige Unternehmen, Injection-Versuche und Prioritätsklassen abdecken. Erfassen Sie Fehler bei Anreicherung, Bewertung, Routing, Fristen und Entwürfen. Eine feste Zahl von 50 Durchläufen belegt noch kein bestimmtes Zuverlässigkeitsniveau.

Ein durchsetzbarer Kill Switch. Schalten Sie die Ausführung und jeden Side-Effect-Dispatcher außerhalb des Modells ab, sodass eine autorisierte Bedienung neue und fortgesetzte Läufe anhalten kann, ohne ein erneutes Deployment vorzunehmen. Testen Sie, dass der deaktivierte Zustand ausstehende und laufende Sendungen blockiert; eine Prompt-Anweisung oder ein Wert, den nur der Agent „prüft“, ist kein Kill Switch.

Die wichtigste Designentscheidung: Welche Tools dem Agenten zur Verfügung gestellt werden sollen

Der wichtigste Faktor für die Qualität von Agenten ist der Satz an Tools. Zwei Fehlermodi:

Zu wenige Tools. Der Agent kann seine Aufgabe nicht erfüllen. Er versucht, die fehlenden Fähigkeiten durch Halluzinationen zu umgehen.

Zu viele Tools. Der Agent wird verwirrt, wählt das falsche Tool oder verschwendet Iterationen mit der Exploration. Die Qualität leidet darunter.

Eine gute Faustregel: Beginnen Sie mit dem minimal erforderlichen Tool-Set und fügen Sie nur dann Tools hinzu, wenn der Agent diese nachweislich benötigt.

Für die Lead-Triage sind die vier von uns gewählten Tools in etwa richtig. Sie könnten Folgendes hinzufügen:

• Ein „lookup_existing_customer“-Tool, um zu prüfen, ob der Lead bereits ein Kunde ist.
• Ein „schedule_meeting“-Tool, das mit Ihrem Kalender integriert ist.
• Ein „Translate“-Tool, falls Anfragen aus mehreren Sprachen eingehen.

Doch jedes neue Tool ist eine neue Entscheidung, die der Agent treffen muss. Jedes sollte seinen Platz wirklich verdienen.

Muster, die verallgemeinern

Die gleichen Steuerungsansätze können auch anderen Triage-Workflows helfen, doch die untenstehenden Bezeichnungen und Aktionen sind ohne domänenspezifische Prüfung nicht übertragbar:

Triagierung von Support-Tickets. Rufen Sie erlaubte Kundenverläufe ab und schlagen Sie Kategorie/Priorität vor; halten Sie Aktionen für Konten, Sicherheit, Rückerstattungen, Berechtigungen und Kundenmitteilungen hinter Richtlinien- und menschlichen Kontrollinstanzen.

Beschäftigungs-Workflows. Passen Sie die Einstufung nicht an, um Einstellungen oder Ablehnungen zu automatisieren. Entscheidungen im Beschäftigungskontext können rechtliche Risiken und Diskriminierungsgefahren mit sich bringen und erfordern eine qualifizierte Prüfung durch Personalverantwortliche und Juristen sowie Kontrollen zur Barrierefreiheit, Bewertungen auf Verzerrungen, Transparenz für Mitarbeitende und Bewerberinnen und Bewerber sowie sinnvolle menschliche Entscheidungsfindung.

Bearbeitung von Presseanfragen. Ersetzen Sie die Anreicherung durch „lookup_publication“ und das Routing durch eine priorisierungsbasierte Antwort.

Weiterleitung von Kundenfeedback. Ersetzen Sie die Anreicherung durch Sentiment-Analyse und Produktkategorisierung.

Einkaufsanfragen. Ersetzen Sie die Anreicherung durch Vendor-Lookups, das Scoring durch Compliance-Prüfungen und das Routing durch Genehmigungsworkflows.

Ein wiederverwendbares Muster für Abläufe mit geringen Konsequenzen lautet: ein eingehendes Ereignis validieren → den minimal zulässigen Kontext abrufen → einen strukturierten Vorschlag anfordern → deterministisch validieren → autorisierte Richtlinien oder Personen entscheiden lassen → über idempotente, abgesicherte Tools ausführen. Das Modell macht einen Vorschlag, trifft aber nicht die folgenreiche Entscheidung.

Wann Sie keinen Agenten verwenden sollten

Einige Workflows profitieren nicht von einem Agenten. Wenn die Logik vollständig deterministisch ist, also „immer A ausführen, dann B, dann C“, ist ein regulärer n8n-Workflow ohne Agent schneller, kostengünstiger und zuverlässiger.

Der Agent verdient seinen Platz, wenn:

• Die Anzahl der möglichen Pfade groß ist.
• Der richtige Weg von der Urteilsfähigkeit abhängt, nicht von starren Regeln.
• Einige Entscheidungen das Zusammenführen von Informationen aus mehreren Quellen erfordern.

Wenn Ihr Entscheidungsbaum aus wenigen if-then-else-Anweisungen besteht, verwenden Sie einfach if-then-else-Knoten. Bewahren Sie den Agent für Fälle auf, in denen die if-then-else-Logik nicht mehr überschaubar ist.

Erstellen Sie es einmal für echte Arbeitsaufgaben

Ein KI-Agent in n8n ist ein Workflow, bei dem ein Modell zwischen konfigurierten Tools wählen kann. Ein Produktionsdesign beschränkt diese Wahl und stellt sicher, dass verantwortliche Menschen sowie deterministische Richtlinien die Kontrolle über folgenschwere Entscheidungen behalten.

Das Design ist erst abgeschlossen, nachdem ein Test auf doppelte Zustellung, ein Test mit ungültiger Ausgabe, ein Provider-Timeout-Test und ein Test abgelehnter Genehmigungen durchgeführt wurden sowie geprüft wurde, dass der Sendeknoten ohne Genehmigung nicht erreichbar ist. Messen Sie Build-Zeit, Latenz, Korrekturrate und Kosten auf Ihrer eigenen Instanz; dieser Artikel verspricht keine Einrichtungszeit oder Produktionsergebnisse.

Erstellen und testen Sie den Workflow zunächst mit synthetischen oder einwilligungsbasierten Nicht-Produktionsdaten. Nutzen Sie das Kontrollmuster aus eng begrenzten Tools, Schemata, Idempotenz, Stoppregeln und Prüfstellen erneut, führen Sie die Domänen- und Risikoanalyse aber für jeden neuen Workflow von Grund auf durch.