Workflow Automatisierung mit n8n und künstlicher Intelligenz
Wie ich mit n8n einen Workflow gebaut habe, der eingehende E-Mails mit KI liest und mir einen Antwortentwurf in Outlook ablegt.
Viele E-Mails, die bei mir ankommen, stellen Fragen, die ich so oder ähnlich schon oft beantwortet habe. Genau dafür habe ich mit n8n einen Workflow gebaut: Eine KI liest eingehende Mails, findet passende Informationen und legt mir einen Antwortentwurf in Outlook ab. Ich prüfe nur noch und schicke ab. In diesem Beitrag zeige ich, wie das aufgebaut ist und welche Modelle ich getestet habe.
Warum n8n als Automatisierungsplattform?
n8n ist eine Low-Code-Plattform für Workflows: Man verbindet Bausteine (Nodes) grafisch und kann an jeder Stelle eigenen JavaScript-Code einsetzen. Für viele Produkte und Dienste gibt es fertige Konnektoren, und KI-Bausteine lassen sich genauso einbinden wie jeder andere Schritt.
Ich betreibe n8n selbst, auf einer Synology NAS mit Docker. Im Vergleich zur Cloud-Variante behalte ich so die Kontrolle über die Daten, zahle keine laufenden Gebühren und kann Community Nodes sowie npm-Pakete für eigenen Code verwenden.
Der Ablauf des E-Mail-Workflows
1. Automatisierter Abruf und Verarbeitung eingehender E-Mails
- Verbindung zu Microsoft 365 Outlook über den fertigen n8n-Konnektor
- Filter nach festgelegten Kriterien, damit nur relevante Nachrichten weiterlaufen
- Inhalte extrahieren und für die Analyse aufbereiten
2. Semantische Analyse durch künstliche Intelligenz
- Die KI ermittelt, worum es in der Mail geht
- Ein Vektor-Store mit Embeddings (RAG) liefert dazu passende Informationen aus früherer Korrespondenz und Unterlagen
- Mails werden nach Thema klassifiziert und priorisiert
3. Automatisierte Generierung von Antwortvorschlägen
- OpenAI GPT-4o schreibt eine Antwort auf Basis dieses Kontexts
- Frühere Korrespondenz fließt ein, damit Ton und Inhalt stimmen
- Die Antwort landet als Entwurf in Outlook, ich prüfe sie und schicke sie ab
Das spart mir bei wiederkehrenden Anfragen viel Tipparbeit, und die Antworten bleiben einheitlich.
Wie gut die Entwürfe werden, hängt stark vom Prompt ab. Je klarer er aufgebaut ist und je mehr relevanten Kontext er mitbringt, desto weniger muss ich nachbessern.
Cloud vs. Lokale AI-Modelle
Während der Entwicklung habe ich verschiedene Modelle getestet (Stand März 2025):
- OpenAI GPT-4o: sehr gutes Kontextverständnis und gute Texte, braucht aber eine Cloud-Anbindung.
- Ollama mit deepseek-r1:14b: läuft lokal auf meinem MacBook Pro M1, Qualität und Geschwindigkeit reichen aber nicht.
- Ollama mit deepseek-r1:671b: vielversprechend, braucht aber enorme Hardware (ich schätze mindestens 480 GB VRAM, also mehr als zehn High-End-GPUs von Nvidia). Für den produktiven Einsatz bei mir nicht realistisch.
Entschieden habe ich mich für GPT-4o, weil es die besten Antworten bei geringstem Aufwand liefert. Wenn passende Hardware günstiger wird, prüfe ich lokale Modelle erneut.
Weitere Anwendungsmöglichkeiten mit n8n
n8n eignet sich für klassische Workflows genauso wie für Automatisierungen mit KI, die KI ist optional. Ein paar Beispiele:
- Web-Scraping, um Daten automatisch von Webseiten zu erfassen
- Daten-Synchronisation zwischen mehreren Systemen und APIs
- Automatische Berichte aus mehreren Datenquellen
- Chatbots mit KI, die z. B. Support-Anfragen beantworten
- Social-Media-Auswertungen, um Trends früh zu sehen
- Bilderkennung mit KI, um Bilder automatisch zu kategorisieren
Weitere Anwendungsfälle: https://n8n.io/workflows/
Zukunftsausblick: KI-gestützte Buchhaltung
Neben der E-Mail-Automatisierung arbeite ich daran, KI in die Buchhaltung einzubinden. Ein Baustein ist die automatische Dokumentenanalyse: Rechnungen und Bilanzauswertungen werden in Embeddings umgewandelt, damit sich ähnliche Dokumente schnell finden lassen.
Wichtig dabei: Sensible und personenbezogene Daten verlassen das eigene Netz nicht und werden von keinem Cloud-Modell verarbeitet. Sie bleiben lokal gespeichert.
Fazit: Ich bin begeistert!
Aufgaben, die früher Wochen an Entwicklung gebraucht hätten, setze ich mit n8n und einem KI-Modell an wenigen Nachmittagen um, ohne viel Code. Dass n8n in der eigenen Infrastruktur läuft, ist für mich der wichtigste Punkt: Geschäftsdaten bleiben unter eigener Kontrolle, und nur das, was ich bewusst freigebe, geht an ein Modell in der Cloud.
Ein ähnliches Projekt im Kopf?
In einem unverbindlichen Erstgespräch schauen wir uns deine Ausgangslage an und sagen dir, was realistisch ist und wie der nächste Schritt aussieht.
// über den autor
Alexander J. Gassner, MSc
Gründer und Geschäftsführer von agsolutions, seit über 15 Jahren in der Software-Entwicklung (MSc Software Engineering, FH Hagenberg). Entwickelt und betreibt geschäftskritische Software von der Anforderung bis zum Betrieb: Kotlin, Spring Boot und React im Code, Kubernetes, Pulumi und GitOps im Betrieb, als Exoscale Certified Solution Architect.
