Anleitunggeprüft
n8n mit KI
Workflows in n8n bauen, die mit KI Mails einordnen, Daten aus Dokumenten lesen und Antworten vorschlagen. Mit Installation, Fehlerbehandlung, Datenschutz und Betrieb.
Was n8n ist
n8n ist ein Werkzeug für Automatisierungen. Ein Workflow besteht aus Knoten (Nodes), die du im Browser auf einer Fläche verbindest. Jeder Knoten erledigt eine Sache: Mails abrufen, eine API aufrufen, Daten umbauen oder ein Sprachmodell fragen. Ein Workflow beginnt immer mit einem Trigger, also dem Ereignis, das ihn startet, etwa eine neue Mail, ein Zeitplan oder ein Webhook. Du kannst n8n selbst betreiben (Self-Hosting) oder als bezahlten Dienst n8n Cloud nutzen. Beim Self-Hosting bleiben Workflows und Daten auf deinem Server, dafür kümmerst du dich selbst um Updates und Backups.
Voraussetzungen
Für den Einstieg reicht ein Rechner oder kleiner Server mit Docker. Ohne Docker geht es auch mit Node.js, laut Doku in einer Version zwischen 20.19 und 24.x. Dazu kommen:
- Ein API-Schlüssel eines KI-Anbieters, zum Beispiel Anthropic oder OpenAI. Abgerechnet wird nach Verbrauch.
- Zugang zum Postfach, das du auswerten willst: IMAP-Daten oder ein Google-Konto für Gmail.
Installation
Am schnellsten startest du n8n mit Docker. Das Volume n8n_data speichert Workflows, Zugangsdaten und den Schlüssel, mit dem n8n die Zugangsdaten verschlüsselt. Danach öffnest du http://localhost:5678 und legst das erste Konto an. Für einen dauerhaften Server empfiehlt die Doku Docker Compose. Zum kurzen Ausprobieren ohne Docker reicht npx n8n.
docker volume create n8n_data
docker run -it --rm \
--name n8n \
-p 5678:5678 \
-e GENERIC_TIMEZONE="Europe/Berlin" \
-e TZ="Europe/Berlin" \
-e N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS=true \
-v n8n_data:/home/node/.n8n \
n8nio/n8n
# Ohne Docker, nur zum Ausprobieren (Node.js 20.19 bis 24.x)
npx n8nAchtung:n8n steht unter der Sustainable Use License, einer sogenannten Fair-Code-Lizenz. Für interne Zwecke im eigenen Unternehmen darfst du n8n frei nutzen. Nicht erlaubt ist es, n8n als Produkt oder Dienst zu verkaufen, dessen Wert im Wesentlichen aus n8n besteht, etwa ein gehostetes n8n für Kunden. Im Zweifel die Lizenz selbst lesen.
Erster Workflow und Ausdrücke
Jeder Knoten bekommt Daten als Liste von Einträgen (Items) und gibt eine neue Liste weiter. Mit Ausdrücken greifst du auf diese Daten zu. Ein Ausdruck steht in doppelten geschweiften Klammern. $json meint das aktuelle Item, mit $('Name des Knotens') holst du Daten aus einem früheren Knoten.
- Neuen Workflow anlegen und als ersten Knoten einen Trigger wählen, zum Beispiel Schedule Trigger.
- Über das Plus am Knoten den nächsten Knoten anhängen, etwa Edit Fields (Set), und dort Felder festlegen.
- Mit Execute step einen Knoten einzeln testen. Links siehst du die Eingabe, rechts die Ausgabe.
- Felder aus der Eingabe per Drag and Drop in ein Parameterfeld ziehen. n8n schreibt dann den passenden Ausdruck.
{{ $json.subject }}
{{ $('Email Trigger (IMAP)').item.json.from }}
{{ $now.toFormat('yyyy-MM-dd') }}
{{ $json.textPlain.slice(0, 4000) }} // Text kürzen, spart TokensTipp:Welche Felder ein Knoten liefert, hängt von Knoten und Einstellungen ab. Prüfe die Namen immer in der Ausgabe eines Testlaufs, statt sie zu raten.
Zugangsdaten sicher ablegen
Passwörter und API-Schlüssel gehören in n8n in Credentials, nie direkt in einen Knoten oder Ausdruck. n8n verschlüsselt sie in der Datenbank. Den Schlüssel dafür erzeugt n8n beim ersten Start und legt ihn im Ordner .n8n ab. Alternativ setzt du ihn selbst über die Variable N8N_ENCRYPTION_KEY. Geht dieser Schlüssel verloren, kann n8n gespeicherte Zugangsdaten nicht mehr entschlüsseln.
Achtung:Exportierte Workflows enthalten Namen und IDs der Credentials. HTTP-Request-Knoten, die aus einem cURL-Befehl importiert wurden, können sogar Auth-Header enthalten. Vor dem Teilen also prüfen und bereinigen.
Die KI-Knoten
Die KI-Knoten in n8n bestehen aus einem Hauptknoten und angehängten Unterknoten. Der Hauptknoten legt die Aufgabe fest, der Unterknoten Chat Model bestimmt das Sprachmodell, zum Beispiel Anthropic Chat Model, OpenAI Chat Model oder Ollama Chat Model für ein lokales Modell. Für den Alltag reichen meist diese Hauptknoten:
- Text Classifier: ordnet einen Text festen Kategorien zu. Jede Kategorie hat einen Namen und eine Beschreibung.
- Information Extractor: liest bestimmte Felder aus einem Text, etwa Rechnungsnummer und Betrag aus einem PDF, dessen Text vorher Extract from File geliefert hat.
- Basic LLM Chain: ein einzelner Prompt mit Antwort, gut für Zusammenfassungen und Antwortentwürfe.
- Agent-Knoten (in n8n „AI Agent“): Das Modell entscheidet selbst, welche angehängten Werkzeuge (Tools) es aufruft. Mächtig, aber schwerer vorhersagbar.
Tipp:Ich nehme den einfachsten Knoten, der die Aufgabe löst. Für eine feste Einordnung ist Text Classifier verlässlicher und günstiger als ein Agent.
Beispiel: Mail-Eingang einordnen
Ziel: Jede neue Mail wird gelesen, einer Kategorie zugeordnet und je nach Kategorie weiterverarbeitet. Gesendet wird nichts automatisch, die KI schreibt nur Entwürfe.
- Trigger: Email Trigger (IMAP) mit IMAP-Credential, Mailbox Name INBOX und Action None, damit die Mail ungelesen bleibt. Bei Gmail geht auch Gmail Trigger.
- Text Classifier anhängen. Input Prompt: Betreff und gekürzter Text per Ausdruck. Kategorien anlegen, etwa Anfrage, Rechnung, Termin und Newsletter, jeweils mit einer klaren Beschreibung.
- Unter When No Clear Match die Option Output on Extra, 'Other' Branch wählen. So landen unklare Mails in einem eigenen Zweig statt verworfen zu werden.
- Zweig Anfrage: Basic LLM Chain schreibt einen Antwortentwurf, den du zum Beispiel mit dem Gmail-Knoten als Entwurf speicherst.
- Zweig Rechnung: Information Extractor liest Rechnungsnummer, Betrag und Fälligkeit und legt daraus eine Aufgabe an.
- Zweig Other: Benachrichtigung an dich, damit ein Mensch entscheidet.
Achtung:Mails sind fremde Eingaben. Ein Absender kann Anweisungen an die KI in den Text schreiben (Prompt Injection). Deshalb gibt die KI hier nur Kategorien und Entwürfe aus und löst selbst keine Aktionen wie Senden oder Löschen aus.
Strukturierte Ausgaben prüfen
Damit nachfolgende Knoten zuverlässig arbeiten, soll die KI festes JSON liefern statt Fließtext. In der Basic LLM Chain schaltest du dafür Require Specific Output Format ein und hängst einen Structured Output Parser an. Das Schema erzeugst du aus einem JSON-Beispiel oder schreibst es selbst als JSON Schema. Information Extractor bietet dieselben Optionen direkt im Knoten.
- Nach dem KI-Knoten mit einem If-Knoten prüfen, ob Pflichtfelder gefüllt und Werte plausibel sind, etwa Betrag größer null.
- Fallback: Schlägt die Prüfung fehl oder meldet die KI sicher = false, geht das Item an einen Menschen statt weiter in die Automatik.
{
"type": "object",
"properties": {
"rechnungsnummer": { "type": "string" },
"betrag": { "type": "number" },
"faellig_am": { "type": "string", "description": "Datum im Format YYYY-MM-DD" },
"sicher": { "type": "boolean" }
},
"required": ["rechnungsnummer", "betrag", "sicher"]
}Fehlerbehandlung
KI-Anbieter haben Ausfälle und Ratenlimits. Ein Workflow muss damit umgehen, ohne dass Mails verloren gehen. n8n bietet dafür zwei Ebenen: Einstellungen am einzelnen Knoten und einen Error Workflow für den ganzen Ablauf.
- Am KI-Knoten unter Settings Retry On Fail einschalten. Bei Max. Tries und Wait Between Tries legst du Anzahl und Abstand der Versuche fest.
- Unter On Error die Option Continue (using error output) wählen, wenn fehlerhafte Items einen eigenen Weg nehmen sollen, statt den ganzen Lauf zu stoppen.
- Einen eigenen Workflow mit dem Knoten Error Trigger anlegen, der dich benachrichtigt. Er bekommt unter anderem Fehlermeldung, letzten Knoten und einen Link zur Ausführung.
- Im überwachten Workflow unter Settings bei Error workflow diesen Workflow eintragen. Ein Error Workflow kann mehrere Workflows abdecken.
Kosten und Datenschutz
Auch bei selbst betriebenem n8n verlässt alles, was du in einen Prompt schreibst, deinen Server und geht an den KI-Anbieter. Bei Mails sind das fast immer personenbezogene Daten. Nach DSGVO brauchst du dafür eine Rechtsgrundlage und mit dem Anbieter einen Vertrag zur Auftragsverarbeitung. Prüfe auch, wo der Anbieter die Daten verarbeitet. Die Kosten richten sich nach Tokens, also nach der Menge Text hin und zurück.
- Nur senden, was die Aufgabe braucht. Zum Einordnen reichen meist Betreff und die ersten Absätze.
- Vorher schwärzen: Ein Code-Knoten ersetzt etwa IBANs, Telefonnummern und Mailadressen durch Platzhalter.
- Für sehr sensible Daten ein lokales Modell über Ollama Chat Model nutzen. Dann bleibt der Text im eigenen Netz.
- Beim Anbieter ein Ausgabenlimit setzen, damit eine Schleife keine hohe Rechnung erzeugt.
// Code-Knoten, Mode: Run Once for Each Item
const t = $json.textPlain ?? '';
$json.textPlain = t
.replace(/[A-Z]{2}\d{2}(?: ?[A-Z0-9]{4}){3,7}(?: ?[A-Z0-9]{1,3})?/g, '[IBAN]')
.replace(/[\w.+-]+@[\w-]+\.[\w.]+/g, '[MAIL]')
.replace(/\+?\d[\d /-]{7,}\d/g, '[TELEFON]');
return $json;Achtung:Regeln wie diese finden nicht alles, Namen und Adressen etwa bleiben stehen. Schwärzen senkt das Risiko, ersetzt aber nicht die rechtliche Prüfung.
Betrieb: Updates, Backups, Logs
Ein selbst betriebenes n8n braucht Pflege. Ich halte es mit einem festen Ablauf: erst sichern, dann aktualisieren, dann prüfen. Unter Executions siehst du jeden Lauf mit den Daten jedes Knotens, das ist die erste Anlaufstelle bei Problemen. Bedenke dabei, dass dort auch Mailinhalte gespeichert sind.
# Backup: ein JSON pro Workflow und Credential (verschlüsselt)
n8n export:workflow --backup --output=backups/latest/
n8n export:credentials --backup --output=backups/latest/
# Update mit Docker
docker pull n8nio/n8n
# Container stoppen und mit demselben Volume neu starten
# Logs ansehen
docker logs -f n8nAchtung:Exportierte Credentials lassen sich nur mit demselben Schlüssel wieder entschlüsseln. Sichere deshalb immer das ganze Volume mit dem Ordner .n8n. Die Option --decrypted schreibt alle Geheimnisse im Klartext in die Datei, nutze sie nur für einen Umzug und lösche die Datei danach.
Häufige Fehler und Lösungen
Diese Fälle begegnen dir am häufigsten:
- Ausdruck liefert undefined: Feldname falsch oder der Knoten hat noch keine Testdaten. Vorgänger einmal ausführen und das Feld per Drag and Drop einsetzen.
- Text Classifier verwirft Mails: When No Clear Match steht auf Discard Item. Auf den Other-Zweig umstellen und Kategoriebeschreibungen schärfen.
- Parser meldet ungültiges Format: Schema zu streng oder Prompt zu vage. Pflichtfelder reduzieren, Beispiel im Prompt zeigen oder Auto-fixing Output Parser nutzen.
- Fehler 429 vom Anbieter: Ratenlimit erreicht. Retry On Fail mit längerer Wartezeit einstellen oder weniger Items gleichzeitig verarbeiten.
Checkliste
Bevor ein KI-Workflow dauerhaft läuft, sollten diese Punkte erledigt sein:
- Alle Schlüssel liegen als Credentials vor, der Verschlüsselungsschlüssel ist gesichert.
- Die KI liefert strukturiertes JSON, ein If-Knoten prüft es, unklare Fälle gehen an einen Menschen.
- Retry On Fail ist am KI-Knoten aktiv, ein Error Workflow meldet Fehler.
- Nur nötige Daten gehen an die KI, Rechtsgrundlage und Auftragsverarbeitung sind geklärt.
- Backups laufen regelmäßig, ein Ausgabenlimit beim Anbieter ist gesetzt.
Weitere Notizen
- AnleitungMCP-Server anbindenWie du Claude über das Model Context Protocol mit eigenen Daten und Werkzeugen verbindest, sicher und Schritt für Schritt.
- AnleitungClaude Code einrichtenVon der Installation bis zum Arbeiten mit CLAUDE.md, Skills und Hooks. So nutze ich Claude Code jeden Tag.
- NotizConditional Access einführen, ohne sich auszusperrenConditional Access ist mächtig, und genau das macht es riskant. Eine einzige Richtlinie mit „Alle Benutzer, alle Ressourcen, Zugriff blockieren“ sperrt die ganze Organisation aus, die Admins eingeschlossen. Die meisten Probleme entstehen nicht durch exotische Einstellungen, sondern weil eine Richtlinie direkt scharf geschaltet wird, ohne sie vorher zu testen.