Claude und n8n: Prozesse mit KI automatisieren

Wer Claude nur im Chatfenster nutzt, kopiert Texte hin und her. Das funktioniert für einzelne Aufgaben, aber nicht für Abläufe, die jeden Tag zwanzigmal vorkommen. Genau hier kommt n8n ins Spiel: Ein Workflow-Tool, das Claude mit E-Mail, CRM, Ticketsystem und Buchhaltung verbindet und Aufgaben ohne manuelles Zutun erledigt.

In diesem Artikel erfahren Sie, wie Sie Claude an n8n anbinden, welches Modell sich für welche Aufgabe eignet und wie Kosten entstehen. Anschließend bauen wir fünf Workflows Schritt für Schritt nach, die in kleinen und mittelständischen Unternehmen tatsächlich gebraucht werden. Zum Schluss geht es um Fehlerbehandlung, Freigaben durch Menschen und Datenschutz.

In meinen eigenen Unternehmen laufen mehrere solcher Workflows produktiv, vom Vorsortieren eingehender Anfragen bis zum wöchentlichen Report. Die Beispiele hier lassen sich ohne Programmierkenntnisse nachbauen.

Was n8n ist und warum es zu Claude passt

n8n ist ein Werkzeug zur Workflow-Automatisierung. Sie bauen Abläufe visuell aus Bausteinen, sogenannten Nodes: Ein Node löst den Workflow aus (etwa eine neue E-Mail), weitere Nodes verarbeiten Daten, rufen Dienste auf oder schreiben Ergebnisse in ein anderes System. Für Sonderfälle gibt es einen Code-Node mit JavaScript oder Python.

Der wesentliche Unterschied zu Werkzeugen wie Zapier oder Make: n8n ist Open Source unter einer Fair-Code-Lizenz. Sie können es auf einem eigenen Server betreiben oder die Cloud-Variante des Herstellers nutzen. Für Unternehmen im deutschsprachigen Raum ist das Self-Hosting oft das entscheidende Argument, weil die Daten auf der eigenen Infrastruktur bleiben.

n8n bringt native Nodes für Anthropic mit. Sie wählen den Anthropic-Node aus, hinterlegen einen API-Schlüssel und formulieren Ihre Anweisung. Daneben gibt es einen KI-Agent-Node, der Claude mit Werkzeugen wie einer Datenbankabfrage ausstattet. Für die meisten Prozesse in KMU reicht der einfache Modell-Node.

Claude an n8n anbinden: API-Schlüssel, Modellwahl, Kosten

Der Anthropic-Node und der API-Schlüssel

Für die Anbindung brauchen Sie einen Zugang zur Claude API. Den legen Sie in der Anthropic Console an, hinterlegen eine Zahlungsmethode und erzeugen einen API-Schlüssel. Dieser Schlüssel ist wie ein Passwort: Er gehört in die Credential-Verwaltung von n8n, nie in einen Prompt. Dort legen Sie einen Eintrag vom Typ Anthropic an, danach steht er in jedem Anthropic-Node zur Auswahl. Sinnvoll ist ein eigener Schlüssel pro Workflow oder Abteilung, damit Sie Verbrauch zuordnen und im Zweifel einen Schlüssel sperren können.

Welches Modell für welche Aufgabe

Anthropic bietet drei Modellfamilien an. Haiku ist schnell und günstig und eignet sich für Klassifikation, einfache Extraktion und alles, was in hoher Stückzahl läuft. Sonnet ist der Allrounder für Textentwürfe, Zusammenfassungen und strukturierte Auswertungen. Opus ist die leistungsstärkste Familie und lohnt sich, wenn die Aufgabe komplex ist und Fehler teuer wären.

Erfahrungsgemäß gilt für Automatisierung: Starten Sie mit Sonnet, prüfen Sie die Ergebnisse, und wechseln Sie für Massenaufgaben auf Haiku, wenn die Qualität reicht. Wählen Sie im Node immer die jeweils aktuelle Generation aus, die Versionsnummern ändern sich regelmäßig.

Wie Kosten entstehen

Die API rechnet nach Token ab, also nach Textbausteinen. Ein deutsches Wort entspricht grob ein bis zwei Token. Sie zahlen für alles, was Sie an das Modell senden (Eingabe), und für alles, was zurückkommt (Ausgabe), wobei Ausgabe-Token deutlich teurer sind als Eingabe-Token. Größere Modelle kosten mehr pro Token als kleinere.

Ein Workflow, der eine E-Mail klassifiziert und ein Wort zurückgibt, kostet fast nichts. Ein Workflow, der ein zehnseitiges Protokoll liest und eine ausführliche Aufgabenliste schreibt, kostet spürbar mehr. Die aktuellen Preise pro Million Token finden Sie bei Anthropic. Setzen Sie in der Console ein monatliches Limit, damit ein fehlerhafter Workflow in einer Schleife keine Überraschung auf der Rechnung erzeugt.

Prompts für Workflows statt für den Chat

Ein Prompt in einem Workflow ist etwas anderes als ein Prompt im Chat. Im Workflow gibt es keine zweite Chance, das Ergebnis wird direkt weiterverarbeitet. Daraus folgen drei Regeln: Verlangen Sie ein festes Ausgabeformat, idealerweise JSON. Trennen Sie Anweisung und Daten klar, etwa durch Markierungen wie <email> und </email>. Und legen Sie fest, was passieren soll, wenn das Modell unsicher ist. Ein Feld wie "unsicher": true ist besser als eine geratene Antwort.

Ein System-Prompt, der diese Regeln umsetzt:

Du bist ein Assistent für die Posteingangsbearbeitung eines Handwerksbetriebs.
Du erhältst eine E-Mail und ordnest sie genau einer Kategorie zu:
"angebot", "rechnung", "reklamation", "terminanfrage", "sonstiges".

Antworte ausschließlich mit JSON in dieser Form:
{"kategorie": "...", "dringlichkeit": "hoch|mittel|niedrig", "unsicher": true|false, "begruendung": "ein Satz"}

Setze "unsicher" auf true, wenn die E-Mail in mehrere Kategorien passt oder kein klares Anliegen erkennbar ist.

Wie Sie Prompts grundsätzlich aufbauen, beschreibt der Praxisleitfaden zum Prompten. Die Prinzipien dort gelten für Workflows genauso, nur strenger.

Fünf Beispiel-Workflows Schritt für Schritt

Workflow 1: E-Mail-Eingang klassifizieren und Antwortentwurf erzeugen

Ziel: Jede eingehende E-Mail an eine Sammeladresse wird kategorisiert, mit einem Label versehen und bekommt einen Antwortentwurf, den ein Mitarbeiter nur noch prüfen muss.

1. Trigger: Gmail-Node oder IMAP-Node, Auslöser “neue E-Mail” in einem bestimmten Postfach oder Ordner.
2. Bereinigen: Ein Set-Node extrahiert Absender, Betreff und Textkörper. Signaturen und Zitate früherer Mails lassen sich mit einem kurzen Code-Node abschneiden, damit nicht unnötig Token verbraucht werden.
3. Klassifizieren: Anthropic-Node mit Haiku und dem System-Prompt von oben. Die E-Mail wird als Nutzer-Nachricht in <email>-Tags übergeben.
4. JSON parsen: Ein Code-Node oder der Node “Structured Output Parser” wandelt die Antwort in Felder um.
5. Verzweigen: Ein Switch-Node leitet nach Kategorie weiter. Reklamationen gehen an ein Ticketsystem, Terminanfragen an den Kalenderverantwortlichen.
6. Entwurf erzeugen: Für Kategorien mit Standardantworten ruft ein zweiter Anthropic-Node mit Sonnet einen Antwortentwurf ab. Im Prompt stehen Firmenname, Tonalität und die drei wichtigsten Regeln (etwa: keine Preiszusagen, keine Terminzusagen ohne Rücksprache).
7. Ablegen: Der Entwurf wird als Gmail-Draft gespeichert oder in das Ticketsystem geschrieben. Nichts geht automatisch raus.

Der Workflow spart die Zeit fürs Sortieren und Formulieren, die Entscheidung zum Versand bleibt beim Menschen.

Workflow 2: Bewerbungen nach Kriterien vorstrukturieren

Ziel: Eingehende Bewerbungen werden einheitlich zusammengefasst, damit die Fachabteilung schneller einen Überblick bekommt. Ausdrücklich nicht das Ziel: eine automatische Vorauswahl oder Bewertung. Das wäre nach dem EU AI Act ein Hochrisiko-Bereich und ist für ein KMU ohne Rechtsprüfung nicht ratsam. Mehr dazu im Beitrag zum EU AI Act und der KI-Kompetenz.

1. Trigger: Neue Datei in einem Bewerbungsordner (Google Drive, OneDrive, SharePoint) oder neue E-Mail mit Anhang.
2. Text extrahieren: Der Node “Extract from File” liest PDF-Anhänge als Text aus.
3. Strukturieren: Anthropic-Node mit Sonnet. Der Prompt verlangt ein JSON mit den Feldern Ausbildung, bisherige Stationen mit Zeiträumen, genannte Kenntnisse, Sprachen, frühester Starttermin und offene Fragen, die aus den Unterlagen nicht hervorgehen. Ausdrücklich verboten im Prompt: Alter, Geschlecht, Herkunft, Familienstand, jegliche Bewertung oder Empfehlung.
4. Ablegen: Die Felder landen als neue Zeile in einer Tabelle (Google Sheets, Airtable, Notion) oder als Karte im Bewerbermanagement.
5. Benachrichtigen: Slack- oder Teams-Nachricht an die Fachabteilung mit Link zur Zusammenfassung und zur Originaldatei.

Die Entscheidung, wer eingeladen wird, trifft weiterhin ein Mensch mit Blick auf die Originalunterlagen.

Workflow 3: Meeting-Protokoll in Aufgaben umwandeln

Ziel: Aus einem Transkript oder einem handschriftlich getippten Protokoll werden Aufgaben mit Verantwortlichem und Frist in einem Aufgabentool angelegt.

1. Trigger: Neue Datei in einem Ordner “Protokolle” oder ein Formular, in das der Protokollant den Text einfügt.
2. Aufgaben extrahieren: Anthropic-Node mit Sonnet. Der Prompt verlangt ein JSON-Array mit Objekten aus titel, verantwortlich, frist, kontext. Wichtig: Nur Aufgaben aufnehmen, die im Text als Beschluss oder Zusage erkennbar sind, keine Vermutungen. Namen aus einer Liste der Teilnehmer zuordnen, die als Variable im Prompt steht.
3. Aufteilen: Der Node “Split Out” macht aus dem Array einzelne Elemente.
4. Anlegen: Pro Element ein Node für Asana, Trello, Jira, Todoist oder Microsoft Planner.
5. Zusammenfassung: Ein abschließender Anthropic-Node schreibt eine kurze Mail an alle Teilnehmer mit den angelegten Aufgaben.

Bewährt hat sich, den Workflow zuerst nur eine Vorschau in einen Slack-Kanal schreiben zu lassen, mit einem Button “Anlegen”. Erst nach Bestätigung werden die Aufgaben angelegt.

Workflow 4: Rechnungsdaten aus PDFs extrahieren

Ziel: Eingehende Lieferantenrechnungen werden ausgelesen und als strukturierte Daten in die Buchhaltung oder ein Freigabe-Tool übergeben.

1. Trigger: E-Mail-Eingang mit PDF-Anhang an rechnungen@ oder neue Datei im Scan-Ordner.
2. Text extrahieren: “Extract from File” für digitale PDFs. Bei gescannten Rechnungen ohne Textebene brauchen Sie vorher eine OCR-Stufe. Alternativ können Sie das PDF als Dokument direkt an Claude übergeben, da die API auch PDF-Inhalte verarbeiten kann; prüfen Sie im Node, welche Variante für Ihre Dateien stabiler läuft.
3. Daten extrahieren: Anthropic-Node mit Sonnet und einem strengen Schema: Rechnungsnummer, Rechnungsdatum, Lieferant, USt-IdNr., Nettobetrag, Steuersatz, Bruttobetrag, Fälligkeit, IBAN, Positionen als Array. Jedes Feld darf null sein, wenn es nicht sicher lesbar ist.
4. Plausibilität prüfen: Ein Code-Node oder IF-Node prüft, ob Netto plus Steuer ungefähr Brutto ergibt und ob die Fälligkeit nach dem Rechnungsdatum liegt. Bei Abweichung: an einen Prüf-Ordner und eine Nachricht an die Buchhaltung.
5. Übergeben: Bei erfolgreicher Prüfung Anlage in DATEV Unternehmen online, lexoffice, sevdesk oder einem Freigabe-Tool per API oder als CSV-Export.

Sprachmodelle lesen Zahlen zuverlässig, aber nicht fehlerfrei, und eine vertauschte Ziffer in der IBAN fällt ohne Prüfregel niemandem auf.

Workflow 5: Wöchentlicher Report aus CRM-Daten

Ziel: Jeden Montag um 7 Uhr bekommt die Geschäftsführung eine lesbare Zusammenfassung der Vertriebswoche, ohne dass jemand Dashboards abklappern muss.

1. Trigger: Schedule-Node, jeden Montag 7:00 Uhr.
2. Daten holen: HubSpot-, Pipedrive- oder Salesforce-Node. Abgefragt werden neue Leads der Woche, Deals nach Phase, gewonnene und verlorene Deals, überfällige Aufgaben. Alternativ eine SQL-Abfrage auf die eigene Datenbank.
3. Aggregieren: Ein Code-Node berechnet Summen und Vergleiche zur Vorwoche. Das Rechnen sollte der Code machen, nicht das Sprachmodell.
4. Formulieren: Anthropic-Node mit Sonnet. Der Prompt bekommt die aggregierten Zahlen als JSON und schreibt daraus einen Report mit fester Struktur: Überblick in drei Sätzen, Auffälligkeiten, offene Punkte. Vorgabe: Nur Zahlen aus den Daten nennen, keine Interpretation als Fakt darstellen, Formulierungen wie “möglicherweise” bei Vermutungen.
5. Versenden: E-Mail oder Slack-Nachricht an die Geschäftsführung, optional als PDF oder als Seite in Notion.

Der Report ersetzt keine Analyse, aber die halbe Stunde am Montagmorgen, in der jemand die Zahlen zusammensucht. Weitere Ideen finden Sie in der Sammlung der Claude Use Cases für KMU.

Fehlerbehandlung: Was tun, wenn der Workflow scheitert

Automatisierung heißt nicht, dass nie etwas schiefgeht. Es heißt, dass Sie vorher entschieden haben, was dann passiert. In n8n gibt es dafür vier Mechanismen.

Error-Workflow: Ein separater Workflow, der bei jedem Fehler ausgelöst wird und eine Nachricht mit Workflow-Name, Fehlermeldung und betroffenem Datensatz an einen Kanal schickt. Ohne diesen Schritt merken Sie Ausfälle erst, wenn sich jemand beschwert.

Retry bei API-Fehlern: Der Anthropic-Node kann bei Zeitüberschreitung oder Überlastung mehrfach neu versuchen, mit Wartezeit dazwischen. Das fängt die meisten kurzfristigen Störungen ab.

Validierung der Antwort: Fehlt ein Pflichtfeld oder ist das JSON kaputt, geht der Datensatz in eine Prüfschleife statt in das Zielsystem. Ein zweiter Versuch mit dem Hinweis “Deine letzte Antwort war kein gültiges JSON” löst überraschend viele Fälle.

Kein Datenverlust: Speichern Sie Eingangsdaten vor der Verarbeitung ab, etwa in einer Tabelle mit Status “offen”. So lassen sich fehlgeschlagene Läufe später nachholen.

Human-in-the-loop: Wo ein Mensch entscheiden muss

Nicht jeder Schritt sollte automatisch laufen. Die Faustregel aus meiner Praxis: Alles, was nach außen geht, was Geld bewegt oder was Menschen betrifft, braucht eine Freigabe. Alles, was intern sortiert, zusammenfasst oder vorbereitet, darf automatisch laufen.

n8n bietet dafür den Node “Wait” in Kombination mit Formularen oder Slack-Buttons. Der Workflow pausiert, schickt eine Nachricht mit den vorbereiteten Daten und wartet auf “Freigeben” oder “Ablehnen”. Bei Ablehnung kann der Mitarbeiter einen Kommentar hinterlassen, der als Korrektur in einen zweiten Modell-Aufruf fließt.

Ein zweiter Ansatz ist die Konfidenz-Schwelle: Das Modell gibt an, wie sicher es ist, und nur sichere Fälle laufen automatisch durch. Die unsicheren landen in einer Warteschlange für Menschen. Über die Zeit sehen Sie, welche Fälle regelmäßig unsicher sind, und verbessern gezielt den Prompt. So wächst der Automatisierungsgrad kontrolliert.

Datenschutz: Self-Hosting oder Cloud

Bei jedem Workflow mit Claude verlassen Daten Ihr Unternehmen zweimal: einmal in Richtung n8n, wenn Sie die Cloud-Variante nutzen, und einmal in Richtung Anthropic über die API. Beide Wege müssen Sie datenschutzrechtlich bewerten.

n8n selbst hosten: Läuft n8n auf Ihrem eigenen Server oder bei einem europäischen Hoster, bleiben die Workflow-Daten unter Ihrer Kontrolle. Für die meisten Unternehmen mit personenbezogenen Daten ist das die naheliegende Wahl. Ein Docker-Container reicht für den Anfang, Updates, Backups und Zugriffsschutz liegen dann aber bei Ihnen.

n8n Cloud: Bequemer, mit Wartung durch den Hersteller. Prüfen Sie, in welcher Region Ihre Instanz läuft und welche Vertragsbedingungen gelten, und schließen Sie einen Auftragsverarbeitungsvertrag ab.

Der Weg zu Anthropic: Über die API werden Inhalte nach aktuellem Stand standardmäßig nicht zum Training genutzt, und Anthropic bietet Geschäftskunden einen Auftragsverarbeitungsvertrag an. Die Verarbeitung findet in der Regel in den USA statt, was als Drittlandtransfer zu bewerten ist. Alternativ ist Claude über Amazon Bedrock, Google Cloud Vertex AI und Microsoft Foundry verfügbar, nach aktuellem Stand teils mit EU-Regionen. Was das im Einzelnen bedeutet, beschreibt der Artikel zu Claude, Datenschutz und DSGVO.

Unabhängig vom Weg gilt Datenminimierung: Für die Klassifikation einer E-Mail braucht Claude keine Kundennummer und keine Telefonnummer. Ein Node, der solche Felder vor dem Modell-Aufruf entfernt oder maskiert, kostet fünf Minuten und reduziert das Risiko deutlich. All das ist keine Rechtsberatung; lassen Sie Ihr Setup von Ihrem Datenschutzbeauftragten prüfen.

Typische Fehler beim Einstieg

• Zu viel auf einmal: Der erste Workflow soll gleich den ganzen Prozess abdecken. Besser: einen Schritt automatisieren, zwei Wochen beobachten, dann erweitern.
• Prompt im Chat statt im Workflow getestet: Im Chat wirkt alles gut, im Workflow kommt Fließtext statt JSON. Testen Sie mit echten Daten und mindestens zwanzig Beispielen.
• Kein Logging: Ohne Protokoll von Input, Output und Status lassen sich Fehler weder finden noch belegen.
• Rechnen mit dem Sprachmodell: Summen und Datumsdifferenzen gehören in einen Code-Node. Das Modell formuliert, der Code rechnet.
• Kein Kostenlimit: Ein Trigger, der versehentlich alle alten E-Mails erneut verarbeitet, kann in einer Nacht viel Geld kosten.
• Falsches Modell: Opus für Betreffzeilen ist teuer, Haiku für einen komplizierten Vertrag riskant.

Wer diese Punkte kennt, kommt meist ohne externe Hilfe zum ersten laufenden Workflow. Bei der Auswahl der richtigen Prozesse, der Prompt-Gestaltung und dem Zusammenspiel mit dem Datenschutz unterstützt die Beratung zu Claude und n8n sowie die Beratung zur Automatisierung mit Claude.

Häufige Fragen

Brauche ich Programmierkenntnisse, um Claude mit n8n zu verbinden?

Nein. Der Anthropic-Node in n8n wird über die Oberfläche konfiguriert, Sie hinterlegen einen API-Schlüssel und formulieren den Prompt. Für Sonderfälle wie das Bereinigen von E-Mail-Texten oder Berechnungen ist ein kurzer Code-Node hilfreich, den Sie sich auch von Claude schreiben lassen können.

Welches Claude-Modell sollte ich in n8n verwenden?

Für Klassifikation und einfache Extraktion in hoher Stückzahl eignet sich Haiku, für Textentwürfe und Auswertungen Sonnet, für komplexe Aufgaben mit hohem Fehlerrisiko Opus. Starten Sie mit Sonnet und wechseln Sie nach dem Test auf das günstigere oder stärkere Modell, je nach Ergebnis.

Wie hoch sind die Kosten für einen Claude-Workflow?

Die API rechnet pro Token ab, also nach der Menge an gesendetem und empfangenem Text. Kurze Klassifikationen kosten Bruchteile eines Cents, lange Dokumente mit ausführlicher Ausgabe entsprechend mehr. Die aktuellen Preise stehen bei Anthropic. Setzen Sie ein monatliches Limit in der Console, um Überraschungen zu vermeiden.

Sollte ich n8n selbst hosten oder die Cloud nutzen?

Wenn Sie personenbezogene Daten verarbeiten, ist Self-Hosting auf eigener oder europäischer Infrastruktur meist die naheliegende Wahl, weil die Daten unter Ihrer Kontrolle bleiben. Die Cloud-Variante ist wartungsärmer, erfordert aber eine Prüfung von Region und Vertragsbedingungen sowie einen Auftragsverarbeitungsvertrag.

Kann der Workflow E-Mails automatisch an Kunden senden?

Technisch ja, praktisch sollten Sie es zumindest am Anfang nicht tun. Lassen Sie den Workflow Entwürfe erzeugen, die ein Mitarbeiter freigibt. Erst wenn Sie über Wochen sehen, dass die Qualität stimmt, können Sie einzelne, klar abgegrenzte Fälle automatisch versenden lassen.

Was passiert, wenn Claude eine falsche Antwort liefert?

Bauen Sie Prüfschritte ein: Validierung des Ausgabeformats, Plausibilitätsregeln im Code und eine Prüfschleife für unsichere Fälle. Zusätzlich sollte ein Error-Workflow jede Störung melden und alle Läufe protokolliert werden, damit Sie Fehler nachvollziehen und den Prompt gezielt verbessern können.