No-Code-Automatisierung: Zapier, Make, n8n

Lernziele

Sie können die drei zentralen No-Code-Automatisierungsplattformen Zapier, Make und n8n anhand ihrer Kernkonzepte (Trigger, Action, Mapping, Fehlerbehandlung) voneinander unterscheiden.

Sie sind in der Lage, einen einfachen Zwei-Schritt-Workflow schriftlich zu skizzieren und die geeignete Plattform für einen vorgegebenen Anwendungsfall zu begründen.

Sie können die Datenschutzrelevanz von Self-Hosting am Beispiel n8n erklären und für DSGVO-sensible Prozesse eine fundierte Plattformempfehlung geben.

Sie kennen die gemeinsamen Grundkonzepte aller No-Code-Plattformen (Trigger, Action, Mapping, Fehlerbehandlung) und können diese auf neue Plattformen übertragen.

Sie verstehen die Automatisierungs-Reifegrade und können eine stufenweise Einführungsstrategie für eine Organisation skizzieren.

Sie können die wichtigsten Fehlerquellen in produktiven Automatisierungsworkflows benennen und Gegenmaßnahmen formulieren.

Auf einen Blick

Worum geht es? — Der didaktische Einstieg

Stellen Sie sich vor, ein neuer Interessent füllt das Kontaktformular auf der Unternehmenswebsite aus. Was passiert dann? Heute: Eine Benachrichtigungs-E-Mail landet im Postfach, jemand trägt den Kontakt manuell in das CRM ein, eine Kollegin oder ein Kollege wird per Slack informiert, die Anfrage wird in einer Tabelle erfasst. Das alles dauert fünf bis zehn Minuten — und muss jedes Mal erneut gemacht werden, für jeden neuen Kontakt, jeden Tag.

No-Code-Automatisierung löst genau dieses Problem. Sie verbindet Cloud-Dienste miteinander, ohne dass eine einzige Zeile Code geschrieben werden muss. Stattdessen konfigurieren Sie visuell: „Wenn dieses Ereignis eintritt, führe diese Aktionen aus.” Das Prinzip ist so einfach wie ein Wenn-Dann-Rezept — und dennoch lassen sich damit erhebliche Teile des Arbeitsalltags automatisieren.

In dieser UE lernen Sie die drei führenden Plattformen in diesem Bereich kennen: Zapier, Make und n8n. Jede hat ihre eigene Stärke, Zielgruppe und Kostenstruktur. Hinter dieser scheinbar einfachen Auswahlfrage verbirgt sich eine strategische Entscheidung: Wo liegen Ihre Daten? Wie komplex werden Ihre Workflows? Wie technisch versiert ist Ihr Team? Am Ende der UE wissen Sie, welche Plattform für welchen Prozesstyp die beste Wahl ist — und haben zumindest eine davon in einer Sandbox-Umgebung selbst erkundet.

Lerntext — Theorie und Konzepte

Das Grundprinzip: Trigger → Aktion → Ergebnis

No-Code-Automatisierung folgt universell demselben Grundmuster: Ein Trigger (Auslöser) startet die Automatisierung, eine oder mehrere Actions (Aktionen) werden in Zielsystemen ausgeführt, und ein Ergebnis wird produziert. Dazwischen können Daten transformiert, gefiltert und zwischen Feldern gemappt werden.

Trigger können sein: zeitbasiert (täglich um 08:00 Uhr), ereignisbasiert (neue Zeile in einer Google-Tabelle), webhook-basiert (externe Anwendung sendet ein HTTP-Signal) oder polling-basiert (Plattform prüft alle X Minuten, ob etwas Neues passiert ist). Die Unterscheidung zwischen Event-basierten und Polling-Triggern ist praktisch relevant: Event-basierte Trigger reagieren in Echtzeit, Polling-Trigger mit einer Verzögerung von typischerweise 1–15 Minuten. Für zeitkritische Benachrichtigungen ist Event-basiert vorzuziehen; für Batch-Prozesse ist Polling ausreichend und günstiger im Ressourcenverbrauch.

Aktionen können sein: einen Datensatz in einem anderen System erstellen, eine Nachricht senden, eine E-Mail verschicken, ein Dokument generieren oder einen weiteren Dienst aufrufen.

Mapping ist die Feldzuweisung: Welches Feld aus dem Trigger-System soll in welches Feld des Aktionssystems übertragen werden? „Name aus Formular” → „Kontaktname im CRM” ist ein einfaches Mapping. Komplexere Plattformen erlauben dabei Formeln, Bedingungen und Datentransformationen. Ein häufiger Anfängerfehler: Das Mapping wird angenommen, nicht explizit konfiguriert — mit dem Ergebnis, dass Felder leer oder fehlerhaft belegt werden.

Merksatz

No-Code-Automatisierung folgt immer demselben Dreischritt: Trigger (was passiert?) → Action (was soll ausgeführt werden?) → Mapping (welche Daten fließen wohin?). Wer dieses Dreischritt-Muster internalisiert hat, kann jede Plattform erlernen.

Zapier: Breite und Einfachheit

Zapier ist der Pionier der No-Code-Automatisierung und wurde 2011 gegründet. Mit über 6.000 integrierten Konnektoren hat Zapier das größte App-Ökosystem aller Automatisierungsplattformen. Die Benutzeroberfläche ist auf absolute Einfachheit optimiert: Ein „Zap” besteht aus einem Trigger und einer oder mehreren Aktionen, die in einem geführten Wizard konfiguriert werden.

Stärken: Niedrigschwelligster Einstieg, breites App-Ökosystem, hervorragende Dokumentation, KI-Features seit 2024 (Zapier Copilot zur Workflow-Generierung aus natürlicher Sprache). Besonders für Teams ohne technische Vorkenntnisse ist Zapier der empfohlene Einstiegspunkt.

Schwächen: Begrenzte Flexibilität für komplexe Datentransformationen; Verzweigungen und parallele Pfade sind nur in höheren Tarifen möglich; keine Self-Hosting-Option (alle Daten laufen über US-Server, was für DSGVO-sensible Prozesse relevant ist); Kosten steigen schnell bei höherem Aufgabenvolumen. Bei 10.000 monatlichen Aufgaben kann Zapier deutlich teurer sein als Make oder n8n.

Historische Einordnung: Zapier hat 2011 das Konzept der No-Code-iPaaS (Integration Platform as a Service) popularisiert. Vor Zapier mussten selbst einfache Systemintegrationen von Entwicklern programmiert werden. Die Demokratisierung dieser Fähigkeit ist eine der unterschätzten Produktivitätsrevolutionen der letzten zehn Jahre.

Make (ehemals Integromat): Flexibilität und Komplexität

Make (bis 2022 unter dem Namen Integromat bekannt) ist die Plattform der Wahl für komplexere Automatisierungsszenarien. Das visuelle Szenario-Interface zeigt alle Schritte als verbundene Kreise auf einem Canvas — damit werden auch verzweigte, parallele und bedingte Prozesse übersichtlich darstellbar.

Stärken: Leistungsstarke Datentransformationen (über 200 eingebaute Funktionen), parallele Ausführungspfade, eingebaute Fehlerbehandlung mit Retry-Logik und Fehler-Router, deutlich günstigeres Preismodell als Zapier bei hohem Volumen, HTTP-Module für beliebige API-Aufrufe.

Schwächen: Steilere Lernkurve als Zapier; die visuelle Dichte kann bei komplexen Szenarien unübersichtlich werden; ebenfalls kein Self-Hosting (obwohl europäische Serverstandorte verfügbar sind).

Abgrenzung von Zapier: Die Hauptunterschiede liegen in der Abbildung komplexer Logik. Während Zapier lineare Workflows exzellent unterstützt, erlaubt Make echte parallele Ausführungspfade, bei denen mehrere Aktionen gleichzeitig ausgeführt werden. Außerdem verfügt Make über einen nativen Fehler-Router: Ein fehlgeschlagener Schritt kann auf einen alternativen Pfad umgeleitet werden, anstatt den gesamten Workflow abzubrechen.

Abb. 73.1 — No-Code-Plattformen im Vergleich: Zapier, Make und n8n liefern dieselben Kernkonzepte mit unterschiedlichen Stärken

n8n: Open Source und Datensouveränität

n8n ist die Open-Source-Alternative, die in europäischen Unternehmensumgebungen zunehmend an Bedeutung gewinnt. n8n kann auf eigenem Server oder in einer eigenen Cloud-Instanz betrieben werden — das bedeutet: keine Daten verlassen die eigene Infrastruktur. Gleichzeitig bietet n8n native KI-Nodes, die direkte LLM-Aufrufe (OpenAI, Anthropic, lokale Modelle) in Workflows integrieren.

Stärken: Vollständige Datenkontrolle durch Self-Hosting (entscheidend für DSGVO-sensible Prozesse), keine Lizenzkosten bei Self-Hosting, KI-Nodes für direkte LLM-Integration, Code-Nodes für JavaScript/Python-Erweiterungen wenn nötig, aktive Open-Source-Community.

Schwächen: Serverinstallation erfordert technisches Grundwissen (Docker-Kenntnisse empfohlen), kleineres Konnektoren-Ökosystem als Zapier (aber wächst schnell), Wartungsaufwand bei Self-Hosting liegt beim eigenen Team.

Regulatorische Perspektive: Mit dem Inkrafttreten des EU AI Acts und der zunehmenden Sensibilisierung für Cloud-Datenschutz gewinnt die Self-Hosting-Option an strategischer Bedeutung. Organisationen, die mit personenbezogenen Daten oder vertraulichen Geschäftsinformationen in automatisierten Workflows arbeiten, sollten n8n Self-Hosted oder vergleichbare souveräne Lösungen ernsthaft in Betracht ziehen.

Vergleichsmatrix und Entscheidungshilfe

Automatisierungs-Reifegrade und Einführungsstrategie

Die Einführung von No-Code-Automatisierung in einer Organisation folgt idealerweise einem stufenweisen Reifegrad-Modell:

Stufe 1 — Einzelverbindungen (Quick Wins): Zwei bis drei Systeme direkt verbinden, ein klarer Trigger, eine klare Aktion. Ziel: Erste Erfolge zeigen, Vertrauen aufbauen. Zeitaufwand: 30–90 Minuten pro Automatisierung. Beispiele: Neuer CRM-Kontakt → Slack-Benachrichtigung; neues Formular-Eingang → SharePoint-Eintrag.

Stufe 2 — Mehrstufige Workflows: Drei bis fünf Systeme verbunden, bedingte Logik (wenn A dann B, sonst C), parallele Pfade. Ziel: Wertschöpfende Prozesse strukturell verbessern. Zeitaufwand: 2–8 Stunden. Beispiele: E-Mail-Klassifikation + Routing + CRM-Update + Benachrichtigung.

Stufe 3 — KI-angereicherte Automatisierung: Workflows mit LLM-Aufrufen, Dokumentenanalyse oder -generierung. Ziel: Intelligente Entscheidungen in automatisierten Prozessen. Zeitaufwand: 4–20 Stunden. Beispiele: Eingehende Anfrage analysieren, klassifizieren, zusammenfassen, Antwort vorschlagen.

Stufe 4 — Unternehmensweite Automatisierungs-Infrastruktur: Standardisierte Vorlagen, eine interne Automatisierungs-Bibliothek, governance-konforme Templates. Ziel: Skalierbare, wartbare Automatisierung als strategischer Vorteil. Zeitaufwand: laufende Investition.

Empfehlenswert ist, mit Stufe 1 zu starten — sofort, mit einem echten Prozess. Der Lernerfolg aus dem ersten Live-Szenario übersteigt jeden theoretischen Kurs.

Merksatz

Die kritische Voraussetzung für erfolgreiche No-Code-Automatisierung ist die Qualität der zugrundeliegenden Prozesse. Wenn ein manueller Prozess schlecht dokumentiert und inkonsistent ausgeführt wird, wird die Automatisierung diese Schwächen nicht eliminieren — sie wird sie in hoher Geschwindigkeit reproduzieren.

Fehlerbehandlung und Monitoring in No-Code-Workflows

Automatisierungen, die ohne Fehlerbehandlung in Produktion gehen, sind Zeitbomben. Häufige Fehlerquellen:

API-Ausfälle: Externe Dienste sind nicht immer verfügbar (Wartungsfenster, Ratenlimits, Ausfälle). Ohne Retry-Logik bricht der Workflow ab, ohne dass jemand informiert wird.

Datenformatfehler: Ein Feld, das gestern ein String war, kommt heute als Array — und der Mapping-Schritt schlägt fehl.

Berechtigungsänderungen: Der Service-Account verliert Zugriffsrechte, weil jemand Berechtigungen umstrukturiert hat.

Webhook-Timeouts: Wenn eine externe Anwendung einen Webhook sendet und der Workflow-Server nicht innerhalb von 10 Sekunden antwortet, gilt der Webhook als gescheitert.

Best Practice Fehlerbehandlung: Jeder kritische Workflow-Schritt hat ein explizites Fehler-Handling: Retry (3 Versuche mit wachsendem Abstand), Fehler-Benachrichtigung (E-Mail oder Slack an zuständige Person), Fehler-Log (in ein dediziertes Logging-Blatt schreiben). Das klingt aufwändig — in Make und n8n ist es mit dem Error-Handler-Modul in wenigen Klicks konfiguriert.

Vertiefung — Governance und Automatisierungsbibliothek

Der Aufbau einer internen Automatisierungs-Bibliothek ist ein strategisches Asset. Eine solche Bibliothek — eine Sammlung bewährter Szenarien und Workflow-Vorlagen — hat bei vergleichbaren Organisationen dazu geführt, dass neue Mitarbeitende innerhalb weniger Tage eigene Automatisierungen adaptieren können, ohne von Null beginnen zu müssen. Diese Bibliothek ist gleichzeitig eine Form der Wissensdokumentation: Sie macht implizites Prozesswissen explizit und nachvollziehbar.

Zur Governance gehört auch die Frage: Wer darf Automatisierungen erstellen? Eine klare Richtlinie unterscheidet typischerweise zwischen persönlichen Produktivitäts-Flows (jeder Mitarbeitende), geteilten Team-Flows (Teamlead-Freigabe), unternehmensweiten Flows (IT-Genehmigung) und Flows mit externen Konnektoren (Datenschutzprüfung Pflicht). Diese Kategorisierung verhindert unkontrollierte Flows mit unbeabsichtigten Datenabflüssen — ein reales Risiko, wenn Mitarbeitende ohne IT-Wissen externe Konnektoren (z. B. zu privaten Dropbox-Konten) in Unternehmensflows einbinden.

Die Verbindung zum EU AI Act: Automatisierungen, die KI-Bausteine enthalten (z. B. LLM-Aufrufe für Klassifikation oder Entscheidungsunterstützung), können unter die Anforderungen des EU AI Acts für Hochrisiko- oder Allzweck-KI-Systeme fallen. Organisationen, die solche Workflows betreiben, sollten dies in ihrer KI-Bestandsaufnahme dokumentieren.

Branchen-Anwendungen

IT-Dienstleistung & Beratung

In einem IT-Beratungsunternehmen entstehen täglich Workflow-Brüche zwischen verschiedenen Systemen: CRM, Projektmanagement-Tools, Kommunikationsplattformen und Dokumentenablagen arbeiten nicht automatisch zusammen. Ein typisches Automatisierungsszenario: Sobald ein Berater ein Kundengespräch als „Follow-up erforderlich” markiert, löst Make einen Workflow aus, der automatisch eine Planner-Aufgabe erstellt, den zuständigen Account-Manager per Teams benachrichtigt und einen vorbereiteten E-Mail-Entwurf im Outlook-Postfach ablegt. Die Integration läuft über europäische Server, da Kundendaten DSGVO-geschützt sind. Zeitersparnis: 4–6 Minuten pro Follow-up-Prozess. Bei 15 solcher Prozesse pro Tag im Team summiert sich das auf über 300 Minuten wöchentlich — eine Vollzeitstunde pro Tag, die für wertschöpfende Beratungsarbeit freigesetzt wird. Die Automatisierungs-Bibliothek des Unternehmens wächst dabei kontinuierlich: Jeder neue Workflow wird dokumentiert und als Vorlage für zukünftige Projekte gespeichert.

Industrie & Fertigung

In einem produzierenden Unternehmen sind Qualitätsmeldungen und Wartungsanfragen oft noch papierbasiert oder per E-Mail organisiert. Ein n8n-Workflow, der auf dem unternehmenseigenen Server läuft, empfängt eingehende Qualitätsmeldungen aus dem MES (Manufacturing Execution System) per Webhook, klassifiziert sie per LLM-Aufruf nach Schweregrad (kritisch / erhöht / routine), erstellt automatisch einen Ticket-Eintrag im ITSM-System, benachrichtigt den zuständigen Schichtleiter per SMS und schreibt einen Eintrag in das Qualitätsprotokoll. Da alle Daten ausschließlich auf der unternehmenseigenen Infrastruktur verarbeitet werden, bestehen keine Bedenken hinsichtlich der Übertragung von Produktionsdaten zu externen Anbietern. Der jährliche Nutzen wurde in einem mittelständischen Maschinenbauunternehmen auf über 600 Arbeitsstunden Einsparung bei der manuellen Dateneingabe geschätzt.

Finanzdienstleistung & Versicherung

Bei einer Versicherungsgesellschaft treffen täglich hunderte eingehender Schadensmeldungen ein, die manuell gesichtet, kategorisiert und an zuständige Sachbearbeiter verteilt werden. Make automatisiert diesen Eingangs-Triage-Prozess: Eingehende E-Mails werden per AI Builder Textklassifikation nach Schadenstyp (Kfz, Haftpflicht, Hausrat, Sonderfälle) sortiert, in das Schadensmanagement-System eingetragen und dem jeweils spezialisierten Sachbearbeiterteam zugewiesen. Für Schadenmeldungen, die Schwellenwerte überschreiten (z. B. Schadensumme > 50.000 €), wird automatisch eine zusätzliche Eskalationsbenachrichtigung an die Abteilungsleitung gesendet. Die Compliance-Anforderung: Der komplette Triage-Prozess ist auditierbar geloggt, sodass Regulierungsbehörden jederzeit nachvollziehen können, wann eine Meldung eingegangen ist, wie sie klassifiziert wurde und wer sie bearbeitet hat.

Öffentliche Verwaltung

In einer Kommunalverwaltung bearbeiten Mitarbeitende täglich Bürgeranfragen zu verschiedenen Themen — von Ummeldungen bis zu Baugenehmigungen. Ein Power-Automate-Workflow (Microsoft 365, DSGVO-konformes EU-Rechenzentrum) nimmt eingehende Anfragen aus dem Bürgerportal entgegen, klassifiziert sie nach Zuständigkeit, erstellt automatisch einen Vorgangsfall im Fachverfahrenssystem, versendet eine Eingangsbestätigung an den Bürger und weist den Vorgang der zuständigen Sachbearbeitung zu. Besonders wichtig: Persönliche Daten der Bürgerinnen und Bürger verlassen zu keiner Zeit das kommunale Rechenzentrum. Die Anforderung an Transparenz ist ebenso relevant: Bürgerinnen und Bürger können über eine Vorgangsnummer den Status ihrer Anfrage jederzeit einsehen. Die Automatisierung hat in Pilotprojekten die durchschnittliche Bearbeitungszeit von Erstbearbeitung auf 48 Stunden gesenkt, gegenüber bisher 5–7 Tagen.

Übung 1 — Workflow-Skizze: Trigger-Action-Mapping

Aufgabe: Sie skizzieren einen vollständigen Zwei-Schritt-Workflow für einen realen oder realistischen Prozess aus Ihrem Arbeitsumfeld. Ziel ist es, alle Konzepte (Trigger, Action, Mapping, Fehlerbehandlung) auf dem Papier anzuwenden, bevor Sie eine Plattform öffnen.

Material: Stift und Papier (oder digitales Whiteboard), Zugang zur Make-Sandbox (bereitgestellt in der Schulungsumgebung).

Schritt-für-Schritt: 1. Wählen Sie einen Prozess aus Ihrem Arbeitsalltag, der sich täglich oder wöchentlich wiederholt. 2. Formulieren Sie den Trigger in einem Satz: „Immer wenn [Ereignis] in [System A] eintritt…” 3. Formulieren Sie die Hauptaktion: „…soll [Aktion] in [System B] ausgeführt werden.” 4. Identifizieren Sie das Mapping: Welche Felder aus System A werden in System B übertragen? 5. Skizzieren Sie die Verbindung als Pfeildiagramm auf Papier. 6. Ergänzen Sie eine Fehlerbehandlung: Was soll passieren, wenn die Aktion fehlschlägt? 7. Wählen Sie aus Zapier / Make / n8n die passende Plattform und begründen Sie die Wahl in zwei Sätzen. 8. Öffnen Sie die Make-Sandbox und versuchen Sie, die ersten beiden Schritte (Trigger-Konfiguration) zu konfigurieren.

Erwartetes Ergebnis: Eine vollständige Workflow-Skizze auf Papier, die Trigger, Action(s), Mapping-Felder, Fehlerbehandlung und Plattformwahl enthält. Optional: erste Schritte in der Make-Sandbox.

Musterlösung:

Prozess: Neue Aufgabe in einem Projektboard soll automatisch als Slack-Nachricht an die zuständige Person gesendet werden.

Trigger: Neuer Eintrag in Projektmanagement-Datenbank (Event-basiert, Webhook)

Action: Slack-Nachricht senden an Channel #projektarbeit

Mapping: Aufgaben-Titel → Nachrichtentext; Zugewiesene Person → @Mention in Slack; Fälligkeitsdatum → Nachrichtentext

Fehlerbehandlung: Wenn Slack nicht erreichbar → E-Mail an zugewiesene Person

Plattform: Make, da das Mapping zwischen Projektboard und Slack mehrere Felder umfasst und Make die Integration mit eigenem offiziellen Modul unterstützt

Erweiterung der Fehlerbehandlung: Make bietet für dieses Szenario folgende Fehlerbehandlungsoptionen: Retry-Logik (automatisch 3 Wiederholungsversuche bei API-Timeout), Fehler-Router (Slack nicht erreichbar → Outlook-Fallback-E-Mail), Fehler-Log (jeder fehlgeschlagene Ausführungsversuch in der Make-Ausführungshistorie protokolliert).

Governance-Hinweis: Das Szenario sollte unter einem dedizierten Service-Account laufen — nicht unter dem persönlichen Account der konfigurierenden Person. Wenn diese Person die Organisation verlässt und der Account deaktiviert wird, bricht das Szenario sonst ab. Least-Privilege: Der Service-Account braucht nur Lese-Rechte auf die Aufgaben-Datenbank und Schreib-Rechte auf den Ziel-Channel.

Übung 2 — Plattformauswahl für drei Szenarien

Aufgabe: Sie erhalten drei beschriebene Prozesse und müssen für jeden die optimale No-Code-Plattform (Zapier / Make / n8n) auswählen und die Entscheidung anhand von mindestens zwei Kriterien aus der Vergleichsmatrix begründen.

Material: Vergleichsmatrix aus dem Lerntext, Szenarien-Beschreibungen (unten).

Schritt-für-Schritt: 1. Lesen Sie alle drei Szenarien vollständig. 2. Identifizieren Sie für jedes Szenario die kritischen Anforderungen (Datenschutz? Komplexität? Geschwindigkeit der Einrichtung?). 3. Ordnen Sie jede Anforderung einem oder mehreren Matrixkriterien zu. 4. Wählen Sie die Plattform mit dem besten Gesamtprofil. 5. Formulieren Sie die Begründung in 3–4 Sätzen je Szenario. 6. Diskutieren Sie Ihre Entscheidungen mit einer Partnerin oder einem Partner.

Szenarien: - Szenario A: Marketing-Team möchte Social-Media-Posts automatisch auf LinkedIn und Twitter/X veröffentlichen, sobald ein neuer Blogartikel erscheint. Zeitrahmen für die Einrichtung: heute Nachmittag. Keine personenbezogenen Daten betroffen. - Szenario B: HR-Abteilung möchte Bewerbungsunterlagen aus dem Bewerbermanagementsystem automatisch anonymisieren, in einem internen Screening-Report zusammenfassen und an das zuständige Team weiterleiten. Alle Bewerberdaten sind DSGVO-geschützt. - Szenario C: Projektleitung möchte wöchentlich automatisch Projektstatus-Reports aus Jira, Zeiterfassung und Finanzsystem zusammenführen, berechnen und als formatierten PDF-Bericht an Geschäftsführung senden.

Erwartetes Ergebnis: Drei begründete Plattformempfehlungen, die zeigen, dass Sie Anforderungen systematisch gegen Plattformeigenschaften abwägen.

Musterlösung:

Szenario A → Zapier: Keine sensiblen Daten, einfaches Zwei-System-Mapping, sehr schnelle Einrichtung ohne technische Hürden. Empfehlung: Zapier Free oder Starter-Plan.

Szenario B → n8n (Self-Hosted): DSGVO-kritische Bewerberdaten dürfen keine US-Server berühren. n8n Self-Hosted auf einer EU-Infrastruktur garantiert Datensouveränität. Die LLM-Node ermöglicht die Anonymisierung direkt im Workflow. Einmalige Einrichtung durch IT, danach wartungsarm.

Szenario C → Make: Mehrere Datenquellen, komplexe Berechnungen, PDF-Generierung erfordert Datentransformationen und Bedingungslogik. Make’s visuelle Szenarien mit parallelen Pfaden und Aggregationsmodulen sind hier genau richtig. EU-Server-Option aktivieren für Compliance.

Reflexion über das Auswahlprinzip: Es gibt keine universell „beste” Plattform — es gibt nur die für den jeweiligen Kontext beste. Die Entscheidungslogik lässt sich auf drei Leitfragen verdichten: (1) Welche Datenschutzanforderungen bestehen? (2) Wie komplex ist die Transformationslogik? (3) Wie hoch ist die technische Reife des Teams?

Promptbaustein — No-Code-Workflow-Konzept entwickeln

Rolle: Sie sind ein erfahrener No-Code-Automatisierungsberater mit Schwerpunkt Make und n8n.

Aufgabe: Entwickeln Sie ein vollständiges Workflow-Konzept für den folgenden Prozess: [Prozessbeschreibung einfügen — z. B. „eingehende Kundenanfragen per E-Mail klassifizieren und an zuständige Teams weiterleiten”].

Ziel: Ein umsetzbares Konzept-Dokument, das ein nicht-technisches Team als Grundlage für die Konfiguration nutzen kann.

Kontext: Die Organisation nutzt Microsoft 365 (Outlook, Teams, SharePoint) und ein CRM-System. Datenschutz ist prioritär — EU-Serverstandorte sind Pflicht.

Output: Strukturiertes Konzept mit: (1) Trigger-Beschreibung, (2) Schrittliste mit Systemen, (3) Mapping-Tabelle (Quellfeld → Zielfeld), (4) Fehlerbehandlungslogik, (5) Plattformempfehlung mit Begründung.

Beispiele: Beginnen Sie mit dem Trigger und arbeiten Sie sich schrittweise durch die Kette. Nutzen Sie konkrete Systemnamen und Feldbezeichnungen.

Cheatsheet — Die wichtigsten Punkte

Trigger: Auslöseereignis, das die Automatisierung startet (Zeit, Event, Webhook, Polling)

Action: Ausgeführte Operation in einem Zielsystem

Mapping: Feldzuweisung — welches Feld aus System A geht in welches Feld in System B?

Fehlerbehandlung: Definierte Reaktion, wenn ein Schritt fehlschlägt (Retry, Benachrichtigung, Log)

Zapier: Einfachster Einstieg, breites Ökosystem, US-Server, höhere Kosten bei Volumen

Make: Komplexe Multi-System-Flows, EU-Server möglich, günstiger bei Volumen

n8n: DSGVO-sensible Prozesse, Self-Hosting, Open Source, native KI-Integration

Service-Account: Workflows immer unter dedizierten Accounts betreiben, nicht unter persönlichen Accounts

Reifegrade: Quick Wins (Stufe 1) → Mehrstufig (Stufe 2) → KI-angereichert (Stufe 3) → Infrastruktur (Stufe 4)

Governance: Wer darf Flows erstellen? Datenschutzprüfung bei externen Konnektoren Pflicht

Reflexionsfragen

Welcher Prozess in Ihrem aktuellen Arbeitsalltag ist der offensichtlichste Kandidat für eine No-Code-Automatisierung — und welche Plattform würden Sie wählen?

Wo liegen die Grenzen von No-Code-Automatisierung? Welche Art von Aufgaben lässt sich damit prinzipiell nicht automatisieren?

Was passiert, wenn ein Automatisierungsworkflow fehlerhaft ist und ohne Überwachung läuft — welche Risiken entstehen für Ihre Organisation und für Kunden?

Wie unterscheidet sich die DSGVO-Relevanz zwischen Zapier (US), Make (EU-Serveroption) und n8n (Self-Hosted)?

Wenn ein automatisierter Prozess ohne menschliche Kontrolle läuft und einen Fehler produziert (z. B. falsche Benachrichtigungen an Kunden), wer trägt die Verantwortung — die Plattform, der Einrichtende oder das Unternehmen?

Quellen & Weiterlesen

Hinweise für AI Champions — So vermitteln Sie das Thema — UE 73

Timing (45 Min): 5 Min Einstieg mit konkreter Alltagsfrage (z. B. „Welche manuelle Aufgabe nervt Sie täglich am meisten?“), 12 Min Input Plattform-Trio + Vergleichsmatrix, 10 Min Live-Demo Make-Sandbox (Trigger-Konfiguration), 12 Min Übung 1 (Skizze + Make-Erkundung), 4 Min Reflexionsfrage + Übergang, 2 Min Puffer.

Methodische Empfehlung: Live-Demo ist entscheidend für diese UE. Öffnen Sie Make oder n8n auf dem Beamer und konfigurieren Sie gemeinsam den ersten Trigger. Nichts erzeugt mehr Vertrauen als das Erleben der „Es ist wirklich so einfach”-Erfahrung. Danach sofort zur Eigenarbeit in der Sandbox übergehen — keine langen Theoriephasen.

Häufige Stolpersteine: (a) Teilnehmende denken, sie müssen programmieren können — explizit betonen: kein Code notwendig. (b) Die Mapping-Konfiguration wird unterschätzt — machen Sie ein konkretes Beispiel mit falsch gemappten Feldern und zeigen Sie den Fehler. (c) Plattformwahl wird nach Beliebtheit statt nach Anforderungen getroffen — Entscheidungsmatrix strukturiert einüben.

Diskussionsfragen für Plenum: (1) „Welcher Ihrer heutigen Prozesse hat den höchsten Wiederholungsanteil?” (2) „Was würden Sie mit einer Stunde pro Tag mehr anfangen?”

Tafelbild-Vorschlag: Dreispaltige Tabelle: Plattform | Stärke | Wann wählen — live mit Teilnehmenden erarbeiten.

Differenzierung Power-User ↔ Einsteiger: - Einsteiger: Zapier erkunden, einen Zap aus Vorlage anpassen. - Power-User: n8n Self-Hosted-Konzept skizzieren, KI-Node in einem n8n-Workflow einfügen.

Materialliste: Laptop, Zugang zur Make-Sandbox (Schulungsaccount bereitstellen), ausgedruckte Vergleichsmatrix, Beamer.

Tipp zur Branchenauswahl: Für IT-Beratungsgruppen besonders relevant: Szenario „Angebotserstellung” und „Ticket-Routing”. Für Fertigungsgruppen: Szenario „Qualitätsmeldungs-Triage”. Für Finanzgruppen: Szenario „Schadensmeldungs-Klassifikation”. Die Branchen-Galerie ermöglicht es, genau das Szenario zu vertiefen, das die Gruppe am stärksten anspricht.

Übergang zur nächsten UE: „In UE 73 haben Sie die Werkzeuge kennengelernt. In UE 74 tauchen wir tiefer in das Microsoft-Ökosystem ein — Power Automate mit KI-Bausteinen, direkt einsetzbar für alle, die Microsoft 365 nutzen.”

Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung mit Anhängen und Musterlösungen: als PDF anfordern.