Zurück zum Lernbereich

No-Code Workflows mit n8n

KI-Workflows ohne Code — wie weit das wirklich trägt.

  • Grundlagen
  • 9 min
  • Fortgeschritten

Einfache Sprache

Diese Vorschau ist in Einfacher Sprache. Das ganze Portal gibt es auch in Einfacher Sprache. Du kannst oben die Sprache wechseln. Oder nutze den Knopf unten. Unsere Texte in Einfacher Sprache entstehen KI-gestützt und werden redaktionell begleitet. Sie orientieren sich an den Grundprinzipien der Leichten Sprache, sind aber keine geprüfte Leichte Sprache: Eine Prüfgruppe von Menschen mit Lernschwierigkeiten prüft sie nicht.

Vorschau: Automatisierung ohne Code

Was ist n8n?

n8n ist ein Werkzeug für Automatisierung. Automatisierung bedeutet: Aufgaben laufen von selbst ab. Mit n8n baust du Abläufe ohne Code. Du verbindest Bausteine auf einer Zeichenfläche.

Trigger und Nodes

Ein Workflow hat Schritte. Workflow bedeutet: ein automatischer Ablauf. Der erste Schritt heißt Trigger. Trigger bedeutet: ein Auslöser. Die anderen Schritte heißen Nodes. Nodes bedeutet: Bausteine.

KI in Workflows einbauen

Du kannst KI-Dienste als Nodes einbauen. So kann dein Workflow Texte zusammenfassen. Er kann auch Fragen beantworten. Das alles läuft automatisch ab.

Du hast gelernt, wie man LLMs promptet, Dokumente per RAG bereitstellt, externe Tools über Function Calling einbindet und Services über APIs verbindet. Bisher lebte jeder Baustein in einem eigenen Skript oder Notebook. Was wäre, wenn du alle Teile auf einer visuellen Arbeitsfläche zusammenstecken könntest — ohne Code — und das Ergebnis als Live-Service für dein Team deployen?

n8n macht genau das. Es verwandelt die KI-Bausteine, die du bereits kennst, in eine visuelle Pipeline: Jeder Schritt ist ein verschiebbarer Knoten, der Datenfluss ist an jeder Verbindung sichtbar, und der gesamte Workflow lässt sich ohne traditionellen Code auslösen, testen und deployen.

Workflow-Anatomie: Trigger, Nodes und Datenfluss

Ein Workflow ist eine automatisierte Abfolge: Ein Trigger startet die Ausführung, Nodes führen einzelne Schritte aus (Daten abrufen, transformieren, APIs aufrufen, KI einsetzen), und Connections leiten die Ausgabe eines Nodes als Eingabe an den nächsten weiter. Der entscheidende Punkt: Was in einem Skript unsichtbare Variablenzuweisungen wären, wird auf der Canvas zu einer sichtbaren, prüfbaren Daten-Pipeline.

Definition

Trigger / Node / Workflow

Analogie

Stell dir ein Fließband in einer Fabrik vor. Das Rohmaterial (Trigger-Ereignis) kommt an einem Ende an, jede Station (Node) führt genau eine Operation aus, und das fertige Produkt (Output) kommt am anderen Ende heraus. Wenn etwas schiefgeht, gehst du zur betreffenden Station und prüfst ihre Ein- und Ausgabe — du musst nicht die gesamte Fabrik-Blaupause durchlesen.

Ein konkreter Workflow mit vier Nodes, null Zeilen Code und einem vollautomatischen wöchentlichen Prozess:

Beispiel: Das Montags-Briefing

  1. 1. Schedule Trigger: Feuert jeden Montag um 9:00 Uhr
  2. 2. HTTP-Request: Ruft Tech-News von einem RSS-Feed ab
  3. 3. LLM-Node: Fasst die wichtigsten Meldungen zusammen
  4. 4. Slack-Node: Postet die Zusammenfassung in den Team-Channel

Beachte: Im Gegensatz zu einem echten Fließband können n8n-Workflows auch verzweigen — ein IF-Node leitet Daten je nach Bedingung auf verschiedene Pfade.

n8n

Self-Hosted möglich, Quellcode einsehbar (Fair-Code-Lizenz), vollständige KI-Nodes (Agent, RAG, Memory), erweiterbar mit eigenem Code

Zapier

Nur Cloud, schneller Einstieg, KI-Agenten und KI-Schritte nur als Cloud-Dienst, kein Self-Hosting

Achtung: No-Code heißt nicht No-Knowledge

n8n beseitigt die Notwendigkeit, Syntax zu schreiben, aber du brauchst weiterhin ein Verständnis von JSON-Strukturen, API-Authentifizierung (Credentials), Fehlerbehandlung und Datenfluss. No-Code ist Code-frei, nicht Wissen-frei.

Interaktiv: Bringe die Workflow-Nodes in die richtige Reihenfolge

Du hast gerade die Workflow-Anatomie kennengelernt: Trigger, Nodes und Datenfluss. Jetzt bist du dran — bringe die vier Nodes des Montags-Briefings in die richtige Ausführungsreihenfolge.

Bringe die vier Workflow-Nodes in die richtige Ausführungsreihenfolge. Ziehe die Karten oder nutze die Pfeiltasten.

Zuerst
1.HTTP Request (Tech-News abrufen)
2.Slack Node (Nachricht senden)
3.OpenAI Node (Zusammenfassung)
4.Schedule Trigger (Montag 9:00)
Zuletzt

KI-Nodes: Function Calling auf der Canvas

Der AI Agent Node von n8n ist ein visueller Wrapper um das Function-Calling-Pattern, das du bereits kennst. Das LLM erhält einen Prompt und eine Liste verfügbarer Tools (als Sub-Nodes verbunden). Es entscheidet, welches Tool aufgerufen wird, n8n führt den Aufruf aus, speist das Ergebnis zurück ins LLM, und das LLM formuliert seine Antwort.

Architektur eines AI Agent Node

Chat Trigger — Empfängt die Nutzernachricht
AI Agent — Orchestriert LLM, Tools und Memory
Sub-Nodes — Chat-Modell, Tools, Memory, Vector Store
Chat-Modell Das LLM, das Antworten generiert (z. B. GPT oder ein lokales Modell über Ollama)
Tools Externe Werkzeuge, die der Agent aufrufen kann
Memory Speichert den Gesprächsverlauf für Multi-Turn-Dialoge
Vector Store Dokumentensuche per Embedding-Abfrage (RAG)
Embeddings Wandelt Text in numerische Vektoren um
Data Loader Lädt Dokumente für die Vektordatenbank

Stell dir einen Projektleiter (AI Agent) an einem Schreibtisch mit einem Telefonverzeichnis (Tool-Liste) vor. Wenn eine Frage kommt, kennt der Leiter nicht selbst die Antwort, aber er weiß, wen er anrufen muss. Er greift zum Telefon (Function Calling), fragt den Spezialisten (Tool-Node), bekommt die Antwort und schreibt den Abschlussbericht. Auf der n8n-Canvas siehst du jeden Anruf als Verbindung zwischen Nodes.

Wichtig: Die Analogie suggeriert einen Anruf pro Frage. In der Praxis kann ein Agent mehrere Tool-Aufrufe hintereinander verketten, bevor er antwortet.

Praxisbeispiel: Lokale RAG-Pipeline mit n8n

Mit dem n8n AI Starter Kit, das Ollama und Qdrant schon mitbringt, verbindest du zum Beispiel: einen Ollama Chat Model Node (lokales LLM), einen Qdrant Vector Store (Dokumentensuche) und einen Simple Memory Node (Gesprächshistorie, früher „Window Buffer Memory“). Wenn ein Nutzer über den Chat Trigger eine Frage stellt, ruft der Agent relevante Dokumentenabschnitte aus Qdrant ab, kombiniert sie mit der Gesprächshistorie und sendet alles an Ollama zur Antwortgenerierung — sichtbar auf der Canvas, ohne Code.

Achtung: Der Agent ersetzt nicht das Denken

Der AI Agent Node verpackt bekannte Konzepte (Prompting + Tool-Nutzung + Retrieval + Memory) in eine visuelle Oberfläche. Er automatisiert die Orchestrierung, nicht das Verständnis. Du musst weiterhin den Prompt entwerfen, die richtigen Tools wählen, die Wissensbasis pflegen und die Ausgaben validieren.

Vom Experiment zur API: Webhooks und Human Fallback

Ein Webhook-Node stellt eine URL bereit, die beim Aufruf per HTTP den Workflow startet. Kombiniert mit einem Respond-to-Webhook-Node am Ende verhält sich der Workflow wie eine eigene API: Anfrage rein, Verarbeitung in der Mitte, strukturierte Antwort raus.

Stell dir ein Restaurant mit einem Koch und einem Maître d' vor. Bestellungen (HTTP-Requests) kommen durch die Eingangstür (Webhook-URL). Der Koch (KI-Workflow) bereitet das Gericht zu (verarbeitet die Anfrage). Wenn das Gericht gut aussieht (hohe Konfidenz), serviert der Maître d' (Respond to Webhook) es direkt. Wenn der Koch bei einer Zutat unsicher ist (niedrige Konfidenz), bringt der Maître d' das Gericht nicht zum Gast, sondern zum Manager zur Kontrolle (Human Fallback).

Wichtig: Im Gegensatz zu einem Restaurant, das Bestellungen nacheinander bearbeitet, können Webhooks parallele Anfragen gleichzeitig verarbeiten.

Workflow-Beispiel: Support-Bot mit Human Fallback

  1. 1. Webhook empfängt Kundenfrage per HTTP
  2. 2. Retriever durchsucht die FAQ-Wissensbasis
  3. 3. LLM (Ollama) generiert eine Antwort
  4. 4. IF-Node prüft: Konfidenz über Schwellenwert?
  5. 5. Ja → Antwort zurücksenden. Nein → Support-Ticket erstellen und Mensch benachrichtigen.

Dieses Pattern — klare Fälle automatisieren, mehrdeutige an Menschen eskalieren — trennt eine Demo von einem produktionsreifen System. Fünf Schritte, kein Code, klare Trennung zwischen automatischer und menschlicher Bearbeitung. Den Konfidenzwert liefert das LLM nicht von selbst: Du lässt es zum Beispiel eine Selbsteinschätzung mitliefern oder prüfst, ob der Retriever überhaupt passende FAQ-Einträge gefunden hat. Für Tool-Aufrufe eines AI Agents bringt n8n so eine Freigabe inzwischen selbst mit: Ein Mensch bestätigt den Aufruf, etwa im Chat, in Slack oder per E-Mail, bevor der Agent das Tool ausführt.

Achtung: Webhooks sind keine komplizierte Server-Infrastruktur

In n8n ist ein Webhook-Node ein einzelnes Drag-and-Drop-Element, das automatisch eine URL generiert. Keine Server-Konfiguration pro Endpunkt, kein Routing-Code, kein Framework-Setup. Die Komplexität liegt im Design der Workflow-Logik, nicht im Erstellen des Endpunkts.

Das n8n AI Starter Kit kombiniert n8n mit Ollama (lokales LLM) und Qdrant (Vector Store) zu einer vollständig lokalen KI-Pipeline. Daten verlassen nie deine Infrastruktur, es fallen keine API-Kosten an, und du behältst die volle Kontrolle.

Das ist besonders relevant bei sensiblen Daten, Compliance-Anforderungen oder wenn du mit begrenztem Budget experimentieren willst — keine API-Gebühren pro Token, sondern Hardware- und Stromkosten. Dafür spielst du Updates selbst ein: Im März 2026 hat die US-Behörde CISA eine kritische n8n-Lücke als aktiv ausgenutzt gelistet.

Merke

Kernpunkte

  1. Ein Workflow ist eine Kette kleiner, testbarer Schritte (Nodes), gestartet durch einen Trigger. Die visuelle Canvas macht den Datenfluss an jedem Punkt explizit sichtbar — anders als Skripte, in denen Transformationen in Variablen versteckt sind.
  2. Der AI Agent Node von n8n ist Function Calling, sichtbar gemacht: Das LLM entscheidet, welches Tool aufgerufen wird, aber du kannst die Entscheidung, die Tool-Ausführung und das Ergebnis an jeder Node-Grenze sehen.
  3. Webhook + Respond to Webhook verwandelt jeden Workflow in eine leichtgewichtige API — füge einen Konfidenz-Check und Human Fallback hinzu, und du hast den Kern eines produktionsreifen KI-Services.

Du hast den Pfad "Agenten & Automatisierung" abgeschlossen. Als nächstes erfährst du, wie KI die Art verändert, wie Software selbst geschrieben wird — im Pfad "KI in der Softwareentwicklung".

Prüfen

Quiz: No-Code Workflows mit n8n

Noch offen

Was ist die Rolle eines Triggers in einem n8n-Workflow?

Wähle eine Antwort

Auflösung: 1) B · 2) B · 3) B · 4) B · 5) C

Prüfen

Checkpoint

Kannst du das in eigenen Worten erklären? Hake ab, was sitzt.

0 von 3 sitzen