Viele Unternehmen beschäftigen sich inzwischen mit KI. Die spannendere Frage ist aber nicht mehr, ob man KI einsetzen sollte.
Sondern: Wo bringt sie im Alltag tatsächlich etwas?
Denn ein gutes Modell allein automatisiert noch keinen Prozess. Es beantwortet vielleicht eine Frage, aber es legt keinen Lead im CRM an, erstellt keine Aufgabe, prüft keinen Kalender und sorgt auch nicht dafür, dass eine Rechnung zur richtigen Person gelangt.
Genau dafür nutzen wir bei Bergstone n8n.
n8n ist für uns die Verbindungsschicht zwischen KI, Daten und den Systemen, mit denen ein Unternehmen ohnehin schon arbeitet. Damit bauen wir unter anderem Chatbots, interne Assistenten, Geschäftsprozess-Automatisierungen und Content-Workflows.
Was ist n8n?
n8n ist eine Plattform zur Automatisierung von Arbeitsabläufen.
Vereinfacht gesagt verbindet sie unterschiedliche Systeme miteinander.
Zum Beispiel:
Ein Interessent füllt ein Formular auf der Website aus. n8n übernimmt die Daten, prüft, um welche Leistung es geht, legt den Kontakt im CRM an, informiert den zuständigen Mitarbeiter und verschickt eine passende Antwort.
Oder:
Eine Rechnung kommt per E-Mail. Der Workflow erkennt den Anhang, liest relevante Informationen aus, ordnet die Rechnung einem Projekt zu und legt sie zur Prüfung ab.
Das klingt nicht spektakulär.
Genau darin liegt der Wert.
Automatisierung funktioniert besonders gut bei den Dingen, die jeden Tag passieren und jedes Mal ein paar Minuten kosten.
Warum wir n8n einsetzen
Es gibt viele Plattformen, mit denen sich solche Workflows bauen lassen.
Wir nutzen n8n vor allem aus drei Gründen.
Die Infrastruktur bleibt unter Kontrolle
n8n kann auf eigener Infrastruktur betrieben werden, beispielsweise auf einem Server in Deutschland oder innerhalb der EU.
Das ist besonders wichtig, wenn Prozesse mit Kundeninformationen, Rechnungen, internen Dokumenten oder Gesprächsverläufen arbeiten.
Bei sensiblen Projekten kombinieren wir n8n außerdem mit lokal betriebenen KI-Modellen. Dann können auch Dokumentenanalyse oder Textverarbeitung innerhalb der eigenen Infrastruktur stattfinden.
Nicht jeder Workflow braucht diese Architektur. Aber dort, wo Datenschutz eine Rolle spielt, wollen wir die technische Möglichkeit dazu haben.
Die Kosten wachsen nicht mit jedem Klick
Viele Automatisierungsdienste berechnen jede einzelne Aktion innerhalb eines Workflows.
Bei kleinen Tests fällt das kaum auf. Sobald Automatisierungen jedoch täglich tausende Schritte ausführen, kann dieses Preismodell unangenehm werden.
Bei einer selbst betriebenen n8n-Installation hängen die laufenden Kosten hauptsächlich von der eigenen Infrastruktur ab und nicht davon, wie oft ein Workflow einen Datensatz verschiebt.
Für umfangreiche Automatisierungen ist das häufig wesentlich planbarer.
Wir sind nicht auf fertige Integrationen angewiesen
n8n bringt bereits viele fertige Verbindungen zu bekannten Diensten mit.
Interessanter wird es aber bei Systemen, für die es keinen fertigen Connector gibt.
Wenn eine Anwendung eine API bereitstellt, können wir sie normalerweise trotzdem anbinden.
Das ist im Mittelstand entscheidend, weil dort selten nur moderne SaaS-Systeme verwendet werden. In der Realität trifft Microsoft 365 auf eine Branchensoftware aus dem Jahr 2014, irgendeine Buchhaltung, eine Telefonanlage und drei Excel-Tabellen, die niemand anfassen möchte.
Genau solche Umgebungen müssen Automatisierungen aushalten.
Chatbots, die nach dem Gespräch weiterarbeiten
Viele Chatbots haben ein grundlegendes Problem:
Sie reden viel, tun aber wenig.
Für uns wird ein Chatbot erst interessant, wenn er Teil eines tatsächlichen Geschäftsprozesses wird.
Ein Interessent schreibt beispielsweise über die Website, WhatsApp oder einen Messenger:
„Was würde eine Vermessung unseres Gebäudes kosten?“
Der Assistent kann zunächst Rückfragen stellen und Informationen sammeln: Wo befindet sich das Objekt? Wie groß ist es? Welche Daten werden benötigt? Wann soll die Vermessung stattfinden?
Danach endet der Prozess aber nicht mit einer freundlichen Chat-Nachricht.
Der Workflow kann die Anfrage strukturiert im CRM anlegen, den zuständigen Mitarbeiter bestimmen, vorhandene Termine prüfen und die wichtigsten Informationen für ein Angebot vorbereiten.
Wenn jemand abends um 22 Uhr schreibt, muss niemand sofort reagieren.
Am nächsten Morgen liegt trotzdem bereits ein strukturierter Lead mit Gesprächsverlauf und den wichtigsten Projektdaten vor.
Das ist für uns der eigentliche Wert eines guten KI-Assistenten.
Nicht, dass er besonders menschlich klingt.
Sondern dass nach dem Gespräch etwas passiert.
Die besten Automatisierungen sind oft die langweiligsten
Wenn wir Prozesse in einem Unternehmen analysieren, suchen wir nicht zuerst nach der beeindruckendsten KI-Anwendung.
Wir suchen nach wiederkehrender Arbeit.
Wo werden Daten manuell übertragen? Wo werden Informationen aus E-Mails kopiert? Wo erinnert sich jemand jeden Freitag daran, eine Tabelle zu aktualisieren? Wo muss eine Person dieselben fünf Schritte für jeden neuen Auftrag wiederholen?
Dort steckt meistens der größte Hebel.
Ein paar typische Beispiele:
Leads automatisch verarbeiten
Anfragen aus Website, Kampagnen oder Messengern werden gesammelt, strukturiert und direkt dem richtigen Mitarbeiter oder Projekt zugeordnet.
Rechnungen vorbereiten
Eingehende Rechnungen können automatisch erkannt, ausgelesen, einem Projekt zugeordnet und anschließend einem Menschen zur Freigabe vorgelegt werden.
Projektstatus synchronisieren
Ändert sich der Status eines Projekts, können automatisch Aufgaben erstellt, Beteiligte informiert und Dokumente an die richtige Stelle verschoben werden.
Nachfassprozesse automatisieren
Wenn ein Angebot unbeantwortet bleibt, kann das System nach einer definierten Zeit eine Aufgabe oder Erinnerung erzeugen.
Die KI ist dabei nicht immer der wichtigste Teil.
Manchmal reicht ein sauber gebauter Workflow völlig aus.
Auch das ist eine wichtige Erkenntnis: Nicht jedes Problem braucht ein Sprachmodell, nur weil gerade überall eines eingebaut wird.
Content als Workflow statt als Dauerbaustelle
Ein anderes typisches Problem kennen viele Unternehmen:
Eigentlich möchte man regelmäßig etwas veröffentlichen.
Es gibt genügend Projekte, Erfahrungen und Themen. Trotzdem passiert wochenlang nichts, weil niemand Zeit hat, aus all dem einen Blogartikel, LinkedIn-Beitrag oder Newsletter zu machen.
Hier kann ein Content-Workflow helfen.
Das Prinzip ist relativ einfach.
Am Anfang stehen reale Themen aus dem Unternehmen: Kundenfragen, Projekte, neue Technologien, häufige Probleme oder Entwicklungen in der Branche.
Der Workflow sammelt daraus Material und kann beispielsweise einen ersten Artikelentwurf erstellen.
Aus diesem Kerninhalt entstehen anschließend unterschiedliche Formate:
- ein ausführlicher Blogbeitrag,
- eine kürzere LinkedIn-Version,
- mehrere Social-Media-Posts,
- ein Newsletter-Abschnitt oder
- ein Skript für ein kurzes Video.
Der wichtige Punkt ist für uns die Freigabe.
Wir automatisieren die Produktion, aber nicht die Verantwortung.
Bevor etwas veröffentlicht wird, prüft ein Mensch Inhalt, Fakten und Tonalität.
Das verhindert auch das, was bei vollautomatisierten Content-Systemen erstaunlich schnell passiert: sehr viel Text, den niemand lesen möchte.
Ein Inhalt, mehrere Kanäle
Der größte Vorteil solcher Workflows ist nicht, dass KI schneller schreiben kann.
Der Vorteil liegt in der Wiederverwendung.
Aus einem guten Projektbericht kann beispielsweise gleichzeitig entstehen:
- ein technischer Artikel für die Website,
- ein LinkedIn-Beitrag für Entscheider,
- ein kurzer visueller Post für Instagram und
- ein Abschnitt für den nächsten Newsletter.
Jeder Kanal bekommt eine passende Version, aber die Grundlage bleibt dieselbe.
Das reduziert den redaktionellen Aufwand erheblich, ohne dass jedes Mal wieder bei null begonnen werden muss.
Wir setzen die Systeme zuerst selbst ein
Ein wichtiger Teil unseres Ansatzes bei Bergstone ist, dass wir viele dieser Workflows zuerst in unseren eigenen Unternehmen und Projekten einsetzen.
Unsere Automatisierungen arbeiten mit unseren eigenen Leads, Projekten, Dokumenten und Inhalten.
Das hat einen einfachen Vorteil:
Wir sehen sehr schnell, was in einer Präsentation gut klingt und was im echten Arbeitsalltag tatsächlich funktioniert.
Ein Workflow, der nach zwei Wochen ständig manuell korrigiert werden muss, ist keine Automatisierung.
Er ist nur eine neue Art von Arbeit.
Wie ein Automatisierungsprojekt bei uns beginnt
Wir starten normalerweise nicht mit einer großen Plattform.
Wir starten mit einem einzelnen Prozess.
Zuerst schauen wir gemeinsam darauf, wie der Ablauf heute funktioniert.
Dann suchen wir die Stellen, an denen Zeit verloren geht, Fehler entstehen oder Informationen zwischen Systemen hängen bleiben.
Anschließend bauen wir einen ersten überschaubaren Workflow und lassen ihn im echten Betrieb laufen.
Wenn er funktioniert und einen messbaren Nutzen bringt, wird er erweitert.
Wenn nicht, ändern wir ihn oder lassen ihn weg.
Dieser schrittweise Ansatz ist meistens schneller, günstiger und deutlich weniger riskant als der Versuch, sofort ein komplettes Unternehmen zu automatisieren.
Welche Prozesse eignen sich besonders gut?
Ein guter Kandidat für Automatisierung hat meistens mindestens eines dieser Merkmale:
- Er passiert häufig.
- Er folgt relativ klaren Regeln.
- Menschen übertragen Informationen zwischen mehreren Systemen.
- Fehler entstehen durch Copy-and-Paste.
- Oder jemand sagt regelmäßig: „Eigentlich müsste das automatisch gehen.“
Genau dort lohnt es sich hinzuschauen.
Der richtige erste Schritt
Automatisierung beginnt nicht mit n8n.
Und auch nicht mit KI.
Sie beginnt mit einer sehr einfachen Frage:
Welche wiederkehrende Aufgabe kostet Ihr Unternehmen heute unnötig Zeit?
Wenn diese Frage beantwortet ist, kann man entscheiden, ob ein Workflow sinnvoll ist, welche Systeme angebunden werden müssen und ob KI dabei überhaupt gebraucht wird.
Manchmal ist die richtige Lösung ein komplexer KI-Workflow.
Manchmal sind es zehn sauber konfigurierte Schritte ohne ein einziges Sprachmodell.
Beides ist völlig in Ordnung.
Entscheidend ist nicht, wie beeindruckend die Architektur aussieht.
Entscheidend ist, ob am Ende weniger manuelle Arbeit übrig bleibt.