No-Code Workflows mit n8n
KI-Workflows ohne Code — wie weit das wirklich trägt.
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
Definition
Ein konkreter Workflow mit vier Nodes, null Zeilen Code und einem vollautomatischen wöchentlichen Prozess:
Beispiel: Das Montags-Briefing
- 1. Schedule Trigger: Feuert jeden Montag um 9:00 Uhr
- 2. HTTP-Request: Ruft Tech-News von einem RSS-Feed ab
- 3. LLM-Node: Fasst die wichtigsten Meldungen zusammen
- 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.
Self-Hosted möglich, Quellcode einsehbar (Fair-Code-Lizenz), vollständige KI-Nodes (Agent, RAG, Memory), erweiterbar mit eigenem Code
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.
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
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. Webhook empfängt Kundenfrage per HTTP
- 2. Retriever durchsucht die FAQ-Wissensbasis
- 3. LLM (Ollama) generiert eine Antwort
- 4. IF-Node prüft: Konfidenz über Schwellenwert?
- 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
- 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.
- 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.
- 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
Was ist die Rolle eines Triggers in einem n8n-Workflow?
Wähle eine Antwort
1. Was ist die Rolle eines Triggers in einem n8n-Workflow?
2. Du willst einen Workflow bauen, der täglich Nachrichten zusammenfasst und die Zusammenfassung in einen Team-Chat postet. Welche Abfolge von n8n-Nodes verwendest du?
3. Ein AI Agent Node in n8n ist mit einem Rechner-Tool und einem Wetter-API-Tool verbunden. Ein Nutzer fragt: "Brauche ich morgen in Berlin einen Regenschirm?" Welches Tool ruft der Agent auf, und warum?
4. Dein n8n-Support-Bot beantwortet Kundenfragen per Webhook. Beim Testen fällt dir auf, dass er manchmal selbstsicher klingende, aber falsche Antworten gibt. Welche architektonische Verbesserung löst dieses Problem, ohne die Automatisierung zu entfernen?
5. Ein Kollege sagt: "n8n ist nur ein Spielzeug für einfache Automationen — echte KI-Systeme muss man von Grund auf programmieren." Welche Antwort bewertet diese Behauptung am besten?
Prüfen
Checkpoint
Kannst du das in eigenen Worten erklären? Hake ab, was sitzt.
0 von 3 sitzen