Unternehmen denken immer weniger über KI als "Chatbot" und betrachten sie zunehmend als Agenten, die konkrete Geschäftsprozesse ausführen - zum Beispiel die vollständige Qualifizierung eines Leads: E‑Mail lesen, Daten analysieren, Eintrag ins CRM und Follow-up senden. In diesem Szenario kommen oft n8n und Make zum Einsatz.
In n8n und Make ist ein KI-Agent nicht nur ein einzelner Aufruf eines Sprachmodells, sondern eine Komponente, die ein Ziel, Zugang zu Werkzeugen erhält und selbst entscheidet, welche nächsten Schritte im Prozess ausgeführt werden. Beispielziel: „Lies die Anfrage, prüfe CRM‑Daten, bewerte das Lead‑Potenzial, schlage eine Antwort vor und aktualisiere den Status."
In Make arbeiten native AI Agents im "goal + tools"‑Modell: Man definiert das Ziel, bindet Module an (z. B. ein Szenario zur Prüfung der Steuernummer, ein E‑Mail‑Versandmodul, CRM‑Integration), und der Agent wählt jeweils das passende Tool und interpretiert die Antworten. In n8n ist der Agent eher ein Entwickler‑Primitive: Ein eigener Node kümmert sich um Sprachlogik, ein anderer um Memory, ein weiterer um Tools (HTTP, CRM, Vektor‑DBs), und man modelliert den Entscheidungszyklus manuell im Workflow.
In n8n eignet sich besonders der Multi‑Agenten‑Ansatz: Statt eines einzigen „magischen“ Prompts entstehen mehrere spezialisierte Agenten in einem Workflow. Beispielhafter Ablauf der Lead‑Qualifizierung:
1. Agent „Parser" - extrahiert aus der E‑Mail Schlüsseldaten (Firma, Budget, Umfang) und speichert sie strukturiert.
2. Agent „Verifier" - verbindet sich mit CRM und externen APIs (z. B. zieht Kontakt‑Historie, Firmengröße) über dedizierte HTTP‑Request‑Tools.
3. Agent „Analyst" - ordnet den Lead einem Segment zu, bewertet das Potenzial und speichert das Ergebnis in einer Datenbank oder einem vektorbasierten Wissensspeicher (RAG).
4. Agent „Copywriter" - erstellt eine passende Antwort und übergibt diese an klassische deterministische Nodes, die die E‑Mail senden und das CRM aktualisieren.
n8n eignet sich dank Self‑Hosting und Abrechnung für die gesamte Workflow‑Ausführung (statt für jeden Schritt) gut für Prozesse mit vielen KI‑Aufrufen und mehreren Agenten, die an einem Lead arbeiten. Zusätzlich kann der AI Assistant in n8n einen solchen Workflow aus einer Prozessbeschreibung erstellen, was die Implementierungszeit verkürzt.
Make setzt auf schnelle Implementierung und eine visuelle Oberfläche: Szenarien werden aus Modulen wie Bausteinen zusammengesetzt, und Make AI Agents legen eine Entscheidungsebene darüber. Im typischen Lead‑Qualifizierungsprozess:
1. Wir erstellen fertige Szenarien: „Lead im CRM prüfen", „E‑Mail‑Antwort generieren", „Aufgabe im CRM anlegen".
2. Der KI‑Agent erhält das Qualifizierungsziel und eine Liste verfügbarer Szenarien als Tools.
3. Während der Ausführung wählt der Agent die nächsten Schritte basierend auf dem E‑Mail‑Inhalt und Systemdaten, und im "reasoning panel" sind seine Entscheidungen Schritt für Schritt sichtbar, was Debugging und Kontrolle erleichtert.
Make ist eine sinnvolle Wahl, wenn Geschwindigkeit und keine eigene Infrastruktur (vollständiges SaaS) wichtig sind und die Anzahl der KI‑Aufrufe moderat ist. Für Vertriebsteams bedeutet das, schnell ein "intelligentes Szenario" zu bauen, das Vertriebsmitarbeiter von manuellem Abtippen und der ersten Bewertung von Anfragen entlastet.
Ein gut gestalteter KI‑Agent in der Lead‑Qualifizierung reduziert die Bearbeitungszeit pro Anfrage von Minuten auf Sekunden, erhöht die Konsistenz der Bewertungen und ermöglicht Skalierung ohne lineare Erhöhung der Anzahl der Vertriebsmitarbeiter. Beste Ergebnisse erzielen Unternehmen, die:
1. KI‑Agenten als punktuelle „Entscheidungs‑Inserts" in klassischen, deterministischen n8n/Make‑Szenarien betrachten und nicht als Ersatz für die gesamte Prozesslogik.
2. Agentenrollen präzise gestalten (konkrete Funktion, Werkzeugset, begrenzter Kontext) statt eines universellen "Super‑Assistenten".
3. Die Plattform dem Kontext anpassen: Make für Geschwindigkeit und Einfachheit, n8n für Kontrolle, Self‑Hosting und Skalierbarkeit bei vielen Leads und regulierten Daten.
1. Lohnt es sich für ein kleines Unternehmen, KI‑Agenten zur Lead‑Qualifizierung einzuführen? Ja, besonders wenn die Anzahl der Anfragen schneller wächst als das Vertriebsteam; ein einfacher Agent in Make kann wiederkehrende Aufgaben abnehmen.
2. Wann ist n8n die bessere Wahl als Make? Wenn Kontrolle über Logik, Self‑Hosting, viele KI‑Aufrufe in einem Prozess oder die Verarbeitung sensibler CRM‑Daten erforderlich sind.
3. Wie lässt sich das Risiko von KI‑Agenten‑Fehlern im Vertriebsprozess reduzieren? Wichtig ist die Kombination von KI‑Agenten mit deterministischen Schritten (Validierung, Geschäftsregeln) und Tests auf historischen Daten vor der Live‑Einführung.
4. Lassen sich KI‑Agenten ohne Entwickler einführen? Ja, Make und n8n bieten AI‑Assistenten, mit denen grundlegende No‑Code‑Szenarien gebaut werden können, aber bei komplexen Prozessen sollte ein Integrator oder IT‑Team eingebunden werden.