Workflow-Automatisierung mit n8n und Make: Was wirklich Zeit spart

Worum es bei Workflow-Automatisierung wirklich geht

Workflow-Automatisierung klingt nach grosser Transformation. In der Praxis ist es etwas viel Banaleres: Du nimmst eine Kette von Klicks, Copy-Paste-Schritten und Mails, die jemand jeden Tag manuell erledigt, und lässt sie eine Software übernehmen. n8n und Make (früher Integromat) sind die zwei Werkzeuge, mit denen das im Mittelstand heute am pragmatischsten geht.

Wichtig vorweg, weil es selten ehrlich gesagt wird: Nicht jeder Prozess gehört automatisiert. Wenn ein Vorgang dreimal im Monat vorkommt und fünf Minuten dauert, lohnt sich der Aufbau nicht. Automatisierung rechnet sich bei Aufgaben, die häufig, repetitiv und regelbasiert sind. Genau das ist der erste Filter, bevor du irgendein Tool öffnest.

n8n vs. Make: Der ehrliche Vergleich

Beide verbinden Apps über Trigger ("wenn das passiert") und Aktionen ("dann mach das"). Die Unterschiede liegen im Detail und entscheiden, was für dich passt.

| Kriterium | n8n | Make |

|—|—|—|

| Hosting | Self-hosted möglich (volle Datenkontrolle) oder Cloud | Reine Cloud-Lösung |

| Preismodell | Pro Workflow-Ausführung, self-hosted faktisch unbegrenzt | Pro "Operation" (jeder Modul-Schritt zählt) |

| Lernkurve | Steiler, eher für technisch Versierte | Visueller, einsteigerfreundlicher |

| Eigener Code | JavaScript/Python-Nodes nativ | Begrenzt, eher No-Code |

| DSGVO/Datenort | Self-hosted in DE/EU möglich | Server-Region eingeschränkt wählbar |

Kurzfassung der Empfehlung:

• Make, wenn du schnell starten willst, Standard-Apps (Google, HubSpot, Slack) verbindest und keine eigene IT betreiben möchtest.
• n8n self-hosted, wenn du mit sensiblen Kundendaten arbeitest (etwa als Makler oder im Finanzumfeld), die Daten in der EU behalten musst und planbare Kosten willst, weil das Operations-Zählen bei Make schnell teuer wird.

Für DSGVO-kritische Branchen ist die Self-Hosting-Option von n8n oft der ausschlaggebende Punkt. Wer Personendaten verarbeitet, will im Zweifel nicht jeden Verarbeitungsschritt über einen US-nahen Cloud-Dienst laufen lassen.

Konkrete Use-Cases, die sich rechnen

Damit es nicht abstrakt bleibt — hier echte Workflows, die im Mittelstand spürbar Zeit sparen:

1. Lead aus Formular bis CRM ohne Handarbeit

Ein Website-Formular wird ausgefüllt. Ohne Automatisierung tippt jemand die Daten ins CRM, schreibt eine Bestätigungsmail und legt eine Aufgabe an. Automatisiert:

• Trigger: neuer Formular-Eingang (z. B. über Webhook)
• Daten ins CRM schreiben (HubSpot, Pipedrive, Airtable)
• Dublettenprüfung anhand der E-Mail-Adresse
• automatische Bestätigungsmail an den Interessenten
• Slack-/Telegram-Benachrichtigung an den zuständigen Mitarbeiter

Ersparnis: realistisch 3–5 Minuten pro Lead, plus null vergessene Nachfassaktionen.

2. Rechnungs- und Belegverarbeitung

Eingehende Rechnungen per Mail landen in einem Postfach. Der Workflow zieht den Anhang, extrahiert per OCR oder KI die Kerndaten (Betrag, Datum, Lieferant), legt das PDF strukturiert in der Cloud ab und trägt einen Datensatz in eine Tabelle für die Buchhaltung ein. Das spart vor allem die nervige Sortier- und Ablagearbeit, nicht nur das Eintippen.

3. Termin-Erinnerungen und Follow-ups

Gerade Makler und Dienstleister verlieren Umsatz an vergessene Nachfass-Termine. Ein Workflow prüft täglich die anstehenden Wiedervorlagen aus dem CRM oder Kalender und schickt automatisch personalisierte Erinnerungen — an den Kunden oder als interne To-do-Liste.

4. Reporting-Aggregation

Statt montags Zahlen aus fünf Tools zusammenzukopieren, sammelt der Workflow nachts die Daten aus Werbekonten, CRM und Buchhaltung und legt einen fertigen Wochenreport in einem Sheet oder als Nachricht ab.

Schritt für Schritt: So gehst du einen Workflow an

1. Prozess aufschreiben — wirklich jeden Klick. Was ist der Auslöser? Welche Schritte folgen? Wo gibt es Wenn-Dann-Verzweigungen? Diese Klarheit ist 80 % der Arbeit.
2. Daten und Zugänge prüfen. Hat das Quell-Tool eine API oder einen Webhook? Ohne saubere Schnittstelle wird es frickelig.
3. Mit dem einfachsten Pfad starten. Erst den Happy Path bauen (alles läuft glatt), dann Fehlerfälle ergänzen.
4. Mit Testdaten durchspielen. Nie zuerst mit Echtdaten und schon gar nicht mit Kundendaten produktiv schalten.
5. Fehlerbehandlung einbauen. Was passiert, wenn eine API nicht antwortet? Ein Retry-Mechanismus und eine Benachrichtigung bei Abbruch sind Pflicht, kein Nice-to-have.
6. Dokumentieren. Ein kurzer Kommentar pro Workflow, was er tut und welche Zugänge er nutzt. In sechs Monaten weiss das sonst niemand mehr.

Die häufigsten Stolpersteine

• Über-Automatisierung. Prozesse automatisieren, die selten laufen oder ständig Ausnahmen haben. Faustregel: Wenn du mehr Wenn-Dann-Zweige als gerade Schritte hast, ist der Prozess vielleicht noch nicht reif dafür.
• Kostenfalle bei Make. Operations summieren sich. Ein Workflow mit zehn Modulen, der 500-mal am Tag läuft, sind 5.000 Operations täglich. Vorher rechnen.
• API-Limits. Viele Dienste drosseln die Aufruf-Frequenz. Bei Massendaten brauchst du Pausen oder Batch-Verarbeitung.
• Kein Fehler-Monitoring. Der Klassiker: Ein Workflow läuft drei Wochen still auf Fehler, niemand merkt es, Leads gehen verloren. Immer eine Benachrichtigung bei Abbruch.
• DSGVO unterschätzt. Wer Personendaten durch Cloud-Tools schickt, braucht einen AV-Vertrag und sollte den Datenort kennen. Hier ist Self-Hosting oft der sauberere Weg.
• Keine Verantwortlichkeit. Ein Workflow ohne Owner verwaist. Jemand muss zuständig sein, wenn sich eine API ändert.

Mini-Checkliste vor dem Start

• [ ] Läuft der Prozess häufig genug, dass sich Aufbau und Pflege lohnen?
• [ ] Sind die Regeln klar genug für eine Maschine?
• [ ] Haben alle beteiligten Tools eine API oder einen Webhook?
• [ ] Werden Personendaten verarbeitet? Wenn ja: Datenort und AV-Vertrag geklärt?
• [ ] Ist eine Fehlerbenachrichtigung eingebaut?
• [ ] Gibt es einen Verantwortlichen für die Pflege?

Wo wir bei Plugwork ansetzen

Die Tools sind nur das Werkzeug — entscheidend ist die Business-Logik dahinter. Wir kommen aus dem Banken- und Finanzumfeld, schauen deshalb zuerst auf den Prozess und die Zahlen, dann erst auf die Technik. Konkret heisst das: Wir automatisieren nicht alles, was geht, sondern das, was sich rechnet. Bei einem unserer Kunden aus dem Consulting-Bereich war das die komplette Anfragen-Vorqualifizierung, bei einem Grosshandelskunden die Belegverarbeitung. In beiden Fällen ging es nicht um "KI", sondern darum, Stunden manueller Arbeit pro Woche zurückzugewinnen — messbar und ohne Hype.