Inhalt
Kurzantwort
n8n AI Agent: Was kann er wirklich – und wann brauchst du trotzdem einen Workflow?
Ein klassischer Workflow folgt einem festgelegten Ablauf: Trigger, Verarbeitung, Bedingung, Aktion.
Ein AI Agent arbeitet anders. Er kann anhand eines Ziels, verfügbarer Tools und des aktuellen Kontexts entscheiden, welcher Schritt als Nächstes sinnvoll ist.
Genau deshalb ist ein Agent nicht automatisch die bessere Wahl.
Wenn der Ablauf bekannt und stabil ist, bleibt ein normaler Workflow meist die klarere Lösung. Wenn dagegen nicht jeder nächste Schritt im Voraus feststeht, kann ein Agent sinnvoller sein.
Wichtig: n8n unterscheidet inzwischen zwischen den neuen n8n Agents und dem bereits vorhandenen AI Agent node. Die neuen n8n Agents wurden im September 2026 eingeführt. Sie stehen eigenständig neben klassischen Workflows und können beispielsweise über Channels, einen Zeitplan oder aus einem Workflow heraus angesprochen werden. Der bisherige AI Agent node bleibt bestehen.
Eine einfache Orientierung:
- Ablauf bekannt und stabil → Workflow
- Nächste Schritte hängen vom Kontext ab → AI Agent
- Fester Prozess mit einzelnen offenen Entscheidungen → Workflow + Agent
- Sensible Aktionen → begrenzte Tools + menschliche Freigabe
Was ist ein n8n AI Agent überhaupt?
Ein AI Agent ist nicht einfach nur ein LLM, das auf eine Frage antwortet.
Der Unterschied liegt darin, dass der Agent innerhalb eines definierten Rahmens Entscheidungen treffen und verfügbare Tools verwenden kann.
Beim AI Agent node ist dieser Agent Teil eines normalen n8n-Workflows. Der Workflow gibt also weiterhin den äußeren Rahmen vor. Innerhalb dieses Rahmens kann der Agent anhand des Ziels und der verfügbaren Tools entscheiden, welche Aktion als Nächstes ausgeführt werden soll.
Ein solcher Agent kann beispielsweise:
- ein Modell verwenden
- Anweisungen erhalten
- Tools verwenden
- Daten aus vorherigen Schritten berücksichtigen
- Informationen abrufen
- Aktionen über angebundene Tools ausführen
- Workflows über entsprechende Tools aufrufen
Daneben gibt es inzwischen die n8n Agents als eigenständigen Agent-Typ.
Diese können unter anderem mit Modell und Anweisungen konfiguriert werden und mit Tools, Workflows, Channels, Skills, Wissen, Memory und Sessions arbeiten. Ein bestehender Workflow kann dabei ebenfalls als Tool verwendet werden.
Damit entstehen zwei unterschiedliche Ebenen, die man nicht miteinander verwechseln sollte.
AI Agent node oder n8n Agent: Was ist der Unterschied?
| AI Agent node | n8n Agent |
|---|---|
| Teil eines Workflows | Eigenständiger Agent neben deinen Workflows |
| Der Workflow gibt Auslöser und Rahmen vor | Erreichbar über Channels, zum Beispiel Slack oder Telegram, über einen Zeitplan oder den Node „Message an Agent“ |
| Kann Tools nutzen, darunter über das Tool „Call n8n Workflow“ auch andere Workflows | Kann Workflows, MCP-Server und n8n-Integrationen als Tools nutzen; Sessions, Memory, Approvals und Entwurf/Veröffentlichung sind eingebaut |
| Bestehende Funktion in n8n | Im September 2026 neu eingeführter Agent-Typ (Preview) |
Kurz gesagt: Steht der Workflow im Mittelpunkt und der Agent erledigt darin einen Teil der Aufgabe, passt der AI Agent node. Soll der Agent im Mittelpunkt stehen, beispielsweise über Slack erreichbar sein, zeitgesteuert arbeiten oder Workflows als Tools verwenden, passt ein n8n Agent.
Was kann ein n8n AI Agent wirklich entscheiden?
Ein Agent kann innerhalb seines erlaubten Rahmens entscheiden, welches Tool er verwendet oder welcher nächste Schritt für das aktuelle Ziel sinnvoll ist.
Das bedeutet aber nicht, dass er uneingeschränkt handeln kann.
Welche Aktionen tatsächlich möglich sind, hängt davon ab, welche Tools und Daten du ihm zur Verfügung stellst.
Ein Agent mit Zugriff auf ein CRM-Tool kann beispielsweise einen Kundendatensatz suchen. Ein Agent ohne dieses Tool kann das nicht einfach selbst tun.
Auch bei sensiblen Aktionen solltest du nicht nur darauf vertrauen, dass das Modell die richtige Entscheidung trifft.
Für Aktionen wie:
- Änderungen an Kundendaten
- das Versenden von Nachrichten
- das Auslösen von Bestellungen
- Änderungen an Datensätzen
- andere potenziell irreversible Aktionen
können begrenzte Tools und menschliche Freigaben sinnvoll sein.
Ein normaler Workflow bleibt deterministischer
Ein klassischer Workflow funktioniert anders.
Du definierst beispielsweise:
- Trigger
- Daten abrufen
- Daten prüfen
- Bedingung auswerten
- Aktion ausführen
- Ergebnis weitergeben
Wenn der Prozess immer nach denselben Regeln ablaufen soll, bietet diese Struktur einen klaren Vorteil.
Du kannst nachvollziehen, welche Schritte vorgesehen sind und an welcher Stelle eine Bedingung oder Aktion ausgeführt wird.
Ein Agent kann dagegen abhängig vom Kontext unterschiedliche Tools verwenden oder unterschiedliche nächste Schritte wählen.
Das macht ihn flexibler, erhöht aber gleichzeitig die Anforderungen an Kontrolle und Tests.
KI im Workflow ist nicht automatisch ein AI Agent
Nicht jede KI-Funktion in einem Workflow macht den gesamten Workflow zu einem Agenten.
Du kannst beispielsweise ein LLM verwenden, um:
- einen Text zu klassifizieren
- eine E-Mail zusammenzufassen
- Daten zu strukturieren
- einen Text zu generieren
- eine Kategorie zu bestimmen
Der restliche Ablauf kann trotzdem vollständig festgelegt bleiben.
Das ist ein wichtiger Unterschied.
Wenn dein Workflow genau weiß, was nach der KI-Ausgabe passieren soll, brauchst du nicht automatisch einen Agenten.
Fünf praktische Beispiele
1. E-Mail klassifizieren
Du erhältst eine E-Mail und möchtest sie einer Kategorie zuordnen.
Zum Beispiel:
Rechnung → Buchhaltung
Support → Kundenservice
Bewerbung → Recruiting
Wenn die Kategorie anschließend nach festen Regeln weiterverarbeitet wird, reicht ein normaler Workflow mit einem KI-Schritt.
Ein Agent wäre hier nicht automatisch notwendig.
2. Kundenanfrage mit mehreren möglichen nächsten Schritten
Ein Kunde beschreibt ein Problem in freier Sprache.
Je nach Anfrage könnte der nächste Schritt sein:
- weitere Informationen abrufen
- einen Datensatz suchen
- eine Antwort vorbereiten
- ein internes Tool verwenden
- einen Workflow aufrufen
Hier kann ein Agent sinnvoll sein, weil nicht jeder nächste Schritt bereits im Voraus festgelegt werden muss.
3. Daten aus mehreren Quellen zusammenführen
Ein Workflow kann beispielsweise Daten aus einem CRM, einer Datenbank und einer API abrufen.
Wenn die Reihenfolge und Logik bekannt sind, ist ein klassischer Workflow oft ausreichend.
Ein Agent wird interessanter, wenn sich die benötigten Schritte abhängig vom konkreten Fall unterscheiden.
4. Recherche mit mehreren Tools
Ein Agent kann verschiedene Tools verwenden, um eine Aufgabe zu bearbeiten.
Zum Beispiel könnte er zunächst Informationen abrufen und danach abhängig vom Ergebnis ein weiteres Tool verwenden.
Dabei sollte trotzdem klar definiert sein, welche Tools verfügbar sind und welche Aktionen erlaubt sind.
5. Änderung an einem CRM-Datensatz
Ein Agent soll beispielsweise einen Kundendatensatz ändern.
Eine kontrolliertere Struktur kann so aussehen:
Agent → Workflow-Tool (mit Approval) → Änderung
Die Eingaben, etwa Konto-ID oder Notiztext, liefert weiterhin der Agent. Deshalb sollte der aufgerufene Workflow diese Eingaben prüfen, bevor die Änderung tatsächlich ausgeführt wird.
Die Freigabe kann dabei vor der Ausführung des entsprechenden Tools erfolgen.
Warum die Kombination aus Agent und Workflow sinnvoll sein kann
In vielen Fällen musst du dich nicht zwischen einem Agenten und einem Workflow entscheiden.
Du kannst beide kombinieren.
Der Agent übernimmt beispielsweise:
- Interpretation einer Anfrage
- Auswahl eines geeigneten Tools
- Entscheidung über den nächsten Schritt
Der Workflow übernimmt:
- feste technische Abläufe
- Validierung von Eingaben
- API-Aufrufe
- Datenverarbeitung
- Berechtigungsprüfungen
- kontrollierte Aktionen
Damit bleibt die flexible Entscheidung beim Agenten, während kritische oder wiederkehrende Abläufe in klar definierten Workflows bleiben.
Das kann besonders bei sensiblen Aktionen sinnvoll sein.
Kontrolle und Fehler: Wo liegen die Grenzen?
Ein Agent kann innerhalb seines verfügbaren Rahmens Entscheidungen treffen. Daraus folgt aber nicht, dass jede Entscheidung korrekt ist.
Deshalb solltest du vor einem produktiven Einsatz prüfen:
- Welche Tools darf der Agent verwenden?
- Welche Daten darf er lesen?
- Welche Aktionen darf er ausführen?
- Welche Eingaben müssen validiert werden?
- Wo ist eine menschliche Freigabe sinnvoll?
- Was passiert bei einer falschen oder unerwarteten Entscheidung?
- Welche Schritte müssen weiterhin deterministisch bleiben?
Gerade bei Aktionen mit dauerhaften Auswirkungen sollte der Workflow nicht einfach jede vom Agenten gelieferte Eingabe ungeprüft übernehmen.
Was ist aktuell zu beachten?
Stand: September 2026
Die neuen n8n Agents wurden im September 2026 eingeführt und befinden sich als neuer Agent-Typ im Preview-Status.
Der bisherige AI Agent node bleibt als bestehende Funktion erhalten.
Für n8n Cloud sind die neuen Agents laut Dokumentation für alle Pläne verfügbar.
Self-hosted sind Agents ab n8n 2.32.3 mit zusätzlicher Einrichtung nutzbar, außer in Self-hosted Enterprise: Dort sind sie laut Dokumentation noch nicht verfügbar. Der Queue Mode wird für Agents derzeit nicht unterstützt.
In der Ankündigung nennt n8n Enterprise als Preview und verweist auf weitere Governance-Funktionen, die geplant sind. Für Self-hosted Enterprise sollte deshalb die aktuelle Dokumentation maßgeblich sein.
Der genaue Funktionsumfang hängt damit unter anderem von Version, Betriebsumgebung und Plan ab.
Wie werden AI Agents abgerechnet?
Die Abrechnung sollte nicht mit einem pauschalen Preis pro Anfrage verwechselt werden.
Bei einem Agent-Turn gilt laut n8n:
Ein Turn entspricht einer Execution.
Tool-Aufrufe und Workflows, die ein Agent innerhalb dieser Verarbeitung verwendet, werden dabei nicht einfach als zusätzliche Agent-Turns dargestellt.
Die Agents verwenden das gemeinsame Workflow-Execution-Kontingent. Deshalb hängt die tatsächliche Nutzung weiterhin vom jeweiligen Plan und der konkreten Ausführung ab.
Die aktuelle Preisseite von n8n weist sowohl Agents (Preview) als auch den AI Agent node und AI steps aus.
Für eine konkrete Kostenplanung solltest du deshalb immer den aktuellen n8n-Tarif und die tatsächliche Workflow-Nutzung betrachten.
Wann brauchst du einen AI Agent?
Ein AI Agent kann sinnvoll sein, wenn:
- das Ziel bekannt ist, aber nicht jeder Zwischenschritt
- unterschiedliche Tools abhängig vom Kontext benötigt werden
- freie Benutzereingaben verarbeitet werden
- der nächste Schritt nicht vollständig deterministisch ist
- mehrere mögliche Aktionen innerhalb eines kontrollierten Rahmens existieren
Ein normaler Workflow ist dagegen häufig sinnvoller, wenn:
- der Ablauf feststeht
- die Reihenfolge bekannt ist
- dieselben Regeln immer gelten
- Nachvollziehbarkeit wichtiger ist als flexible Entscheidungen
- eine Aktion deterministisch ausgeführt werden soll
Die entscheidende Frage ist deshalb nicht:
„Kann ich dafür einen AI Agent verwenden?“
Sondern:
„Muss die Automatisierung tatsächlich selbst entscheiden, welcher nächste Schritt sinnvoll ist?“
Wenn die Antwort nein lautet, brauchst du möglicherweise keinen Agenten.
Fazit
n8n bietet inzwischen zwei Konzepte, die ähnlich klingen, aber unterschiedliche Rollen haben.
Der AI Agent node ist Teil eines Workflows. Der Workflow bildet den Rahmen, während der Agent innerhalb dieses Rahmens Entscheidungen treffen und Tools verwenden kann.
Die neuen n8n Agents stehen dagegen eigenständig neben klassischen Workflows. Sie können über Channels, Zeitpläne oder aus Workflows heraus angesprochen werden und Workflows selbst als Tools verwenden.
Für klar definierte Prozesse bleibt ein klassischer Workflow oft die einfachere Lösung.
Wenn der nächste Schritt dagegen vom Kontext abhängt, kann ein AI Agent sinnvoll sein.
Und wenn ein Agent Entscheidungen treffen soll, während kritische Abläufe kontrolliert und validiert bleiben müssen, kann die Kombination aus Agent und Workflow der passendere Ansatz sein.
Die Wahl sollte deshalb nicht danach getroffen werden, welches Konzept moderner klingt, sondern danach, wie viel Entscheidung tatsächlich in deiner Automatisierung benötigt wird und welche Teile kontrolliert bleiben müssen.
Quellen
- n8n: Introducing n8n Agents — https://blog.n8n.io/introducing-n8n-agents/
- n8n Docs: Build and manage Agents — https://docs.n8n.io/build/build-and-manage-agents
- n8n: Pricing — https://n8n.io/pricing/
- n8n: AI Agent node und Agent-Use-Cases — https://n8n.io/ai-agents/
- n8n Docs: Call n8n Workflow Tool
- n8n Docs: Human-in-the-loop Tools — https://docs.n8n.io/advanced-ai/human-in-the-loop-tools/
