KI-Agent erstellen: Schritt für Schritt mit n8n, Make oder Code

Kurz gesagt

Einen KI-Agenten erstellst du, indem du ein Sprachmodell mit klaren Anweisungen, einem Auslöser und Werkzeugen verbindest, die es selbst aufrufen darf. Ohne Code geht das mit dem AI-Agent-Node in n8n oder mit Make AI Agents, mit Code zum Beispiel mit dem OpenAI Agents SDK oder dem Claude Agent SDK. Entscheidend sind eine eng umrissene Aufgabe, wenige gut beschriebene Werkzeuge und Tests mit echten Fällen aus der Praxis.

Stand: 21. November 2026

Einen KI-Agenten erstellen kannst du heute ohne eine Zeile Code, in einem Automatisierungswerkzeug wie n8n oder Make, oder mit einem SDK direkt in Python oder TypeScript. In beiden Fällen besteht der Agent aus denselben Teilen: einem Sprachmodell, Anweisungen, einem Auslöser und Werkzeugen, die das Modell selbst aufrufen darf. Diese Anleitung zeigt, wie du ihn planst, mit welchen Werkzeugen du ihn baust und wie du ihn testest, bevor er echte Arbeit übernimmt. Was ein KI-Agent grundsätzlich ist und welche Risiken er mitbringt, erklärt kiagentensicherheit.de.

Vor dem Bau: Aufgabe, Auslöser und Grenzen festlegen

Eine zu breit gefasste Aufgabe macht einen Agenten unberechenbar. Anthropic rät in seinem Leitfaden zum Bau von Agenten, mit der einfachsten Lösung zu beginnen und Komplexität nur dann hinzuzufügen, wenn sie nötig ist. Oft reicht ein fester Workflow mit einem einzelnen KI-Schritt. Ein Agent lohnt sich, wenn sich die nötigen Schritte vorher nicht festlegen lassen.

Beantworte vor dem ersten Klick fünf Fragen schriftlich:

  • Aufgabe: Was genau soll der Agent erledigen, in einem Satz?
  • Auslöser: Startet ihn eine E-Mail, ein Formular, ein Zeitplan oder ein Chat?
  • Werkzeuge: Welche Systeme muss er lesen, in welche darf er schreiben?
  • Grenzen: Welche Aktionen braucht eine Freigabe durch einen Menschen?
  • Erfolg: Woran erkennst du, dass ein Durchlauf richtig war?

Braucht ein Agent sehr viele Werkzeuge, teile die Aufgabe in mehrere kleinere Agenten auf. Anregungen für gut abgegrenzte Aufgaben findest du in den Beispielen für KI-Agenten.

Werkzeuge zum Erstellen von KI-Agenten im Vergleich

Werkzeug Code nötig Geeignet für Stand November 2026
n8n, AI-Agent-Node nein Agenten in Workflows, selbst gehostet oder Cloud Agent braucht mindestens ein Werkzeug, Freigaben pro Werkzeug möglich
Make AI Agents nein Agenten in Make-Szenarien ohne eigenen Server Werkzeuge: Module, Szenarien, MCP-Server, andere Agenten
ChatGPT Workspace Agents nein Teams in ChatGPT Business, Enterprise, Edu laufen in der Cloud, auch in Slack nutzbar
OpenAI Agents SDK ja (Python) eigene Anwendungen mit mehreren Agenten Agenten, Handoffs, Guardrails, Tracing, MCP-Anbindung
Claude Agent SDK ja (Python, TypeScript) Agenten, die Dateien lesen, Befehle ausführen, recherchieren dieselben Werkzeuge und dieselbe Agenten-Schleife wie Claude Code
Claude Managed Agents ja (API) Agenten, die Anthropic betreibt Sitzungen in einer Sandbox von Anthropic oder einer eigenen

Ein Hinweis zu OpenAI: Den visuellen Agent Builder aus AgentKit stellt OpenAI ein. Ab dem 30. November 2026 ist er laut OpenAI nicht mehr verfügbar. Baue neue Agenten deshalb nicht mehr darauf auf.

Schritt für Schritt: KI-Agent in n8n erstellen

n8n ist für viele der Einstieg, weil du die Community Edition kostenlos selbst hosten kannst. Der Ablauf:

  1. Lege einen neuen Workflow an und wähle einen Auslöser, zum Beispiel einen Chat-Trigger zum Testen oder einen Gmail-Trigger für echte Fälle.
  2. Füge den Node „AI Agent“ hinzu. Seit Version 1.82.0 arbeitet jeder AI-Agent-Node als Tools Agent, du musst keinen Agententyp mehr wählen.
  3. Verbinde ein Chat-Modell, etwa von OpenAI, Anthropic oder Mistral, und hinterlege die Zugangsdaten.
  4. Schreibe die Systemanweisung: Rolle, Aufgabe, erlaubte Aktionen, Ausgabeformat und was der Agent tun soll, wenn Informationen fehlen.
  5. Hänge mindestens ein Werkzeug an. n8n verlangt das ausdrücklich. Typisch sind Google Sheets, ein HTTP-Request oder ein anderer Workflow als Werkzeug.
  6. Ergänze bei Bedarf einen Speicher, damit der Agent sich innerhalb eines Gesprächs an frühere Nachrichten erinnert.
  7. Setze vor jedes Werkzeug mit Außenwirkung eine menschliche Freigabe. n8n wartet dann, bis jemand per Slack, Teams, E-Mail oder n8n-Chat entscheidet.
  8. Teste im Chat mit echten Beispielen und prüfe in der Ausführungsansicht, welche Werkzeuge der Agent mit welchen Eingaben aufgerufen hat.

Eine ausführliche Anleitung mit Node-Einstellungen steht unter KI-Agent mit n8n. Wenn du n8n noch nicht kennst, beginne mit dem n8n-Tutorial.

Variante ohne eigenen Server: KI-Agent in Make bauen

In Make gehört jeder Agent zu einem Szenario. Du startest mit einem Auslöser, wählst Anbieter und Modell und schreibst die Anweisungen. Als Werkzeuge gibst du dem Agenten einzelne Module für Ein-Schritt-Aufgaben, ganze Szenarien für mehrstufige Abläufe, Werkzeuge externer MCP-Server oder andere Agenten. Jedes Szenario, das als Werkzeug dient, endet mit einem Return-Modul, damit das Ergebnis beim Agenten ankommt.

Wichtig ist das Gedächtnis: Lässt du die Conversation ID leer, erinnert sich der Agent nicht an frühere Durchläufe. Nach jedem Lauf zeigt der Reiter „Reasoning“, wie der Agent entschieden hat. Welche Plattform besser zu dir passt, vergleicht n8n vs. Make.

Mit Code: Wann sich ein SDK lohnt

Ein SDK lohnt sich, wenn der Agent Teil einer eigenen Anwendung wird, viele Agenten zusammenarbeiten oder du volle Kontrolle über Ablauf und Kosten brauchst.

Das OpenAI Agents SDK für Python arbeitet mit wenigen Bausteinen: Agenten sind Sprachmodelle mit Anweisungen und Werkzeugen, Handoffs geben Teilaufgaben an andere Agenten weiter, Guardrails prüfen Ein- und Ausgaben. Sitzungen halten den Kontext, Tracing zeigt jeden Schritt. Werkzeuge von MCP-Servern lassen sich direkt einbinden.

Das Claude Agent SDK für Python und TypeScript liefert die Agenten-Schleife und die eingebauten Werkzeuge von Claude Code als Bibliothek: Dateien lesen und bearbeiten, Befehle ausführen, im Web suchen. Dazu kommen Berechtigungen, Hooks, Subagenten und MCP. Soll Anthropic den Agenten betreiben, gibt es Claude Managed Agents. Wie du mit Claude Code selbst arbeitest, zeigt claudekurs.de.

Werkzeuge so beschreiben, dass der Agent sie richtig nutzt

Ein Agent wählt seine Werkzeuge anhand von Name und Beschreibung. Anthropic empfiehlt, Werkzeugdefinitionen genauso sorgfältig zu formulieren wie die Hauptanweisung. Konkret heißt das:

  • Ein eindeutiger Name je Werkzeug, keine zwei Werkzeuge mit ähnlichem Zweck.
  • Eine Beschreibung mit Zweck, Eingaben, Beispiel und dem Fall, in dem es nicht passt.
  • Eingaben so gestalten, dass Fehler schwer sind, etwa feste Auswahlwerte statt Freitext.

Viele fertige Werkzeuge kommen heute über das Model Context Protocol. Wie das funktioniert, erklärt die Seite zum MCP-Server.

Testen, bevor der Agent live geht

Sammle zehn bis zwanzig echte Fälle aus deinem Alltag, darunter unklare und unvollständige. Lass den Agenten jeden Fall durchlaufen und prüfe drei Dinge: Hat er das richtige Werkzeug gewählt, hat er es mit den richtigen Eingaben aufgerufen, und stimmt das Ergebnis?

Make bietet dafür einen Test-Chat, einmalige Läufe mit Daten aus früheren Ausführungen und die Möglichkeit, einzelne Werkzeuge abzuschalten. In n8n zeigt die Ausführungsansicht jeden Zwischenschritt. Ändere nach einem Fehler immer nur eine Sache, also die Anweisung oder eine Werkzeugbeschreibung, und teste danach alle Fälle erneut.

Typische Fehler beim Erstellen von KI-Agenten

  • Zu breite Aufgabe: Ein Agent für „den ganzen Vertrieb“ wird unberechenbar.
  • Zu viele Werkzeuge: Der Agent verwechselt sie und wählt falsch.
  • Keine Freigabe vor Aktionen mit Außenwirkung wie Versand oder Zahlung.
  • Ein Agent, wo ein fester Workflow reichen würde: teurer und fehleranfälliger.
  • Kein Testsatz: Ohne feste Beispielfälle merkst du Verschlechterungen nicht.
  • Kosten unbeobachtet: Jede Schleife verbraucht Tokens, setze Limits beim Modellanbieter.

Was die Plattform selbst kostet, steht unter n8n Kosten. Wie du Agenten gegen Manipulation und Fehlbedienung absicherst, behandelt kiagentensicherheit.de.

Kann ich einen KI-Agenten ohne Programmierkenntnisse erstellen?

Ja. In n8n verbindest du den AI-Agent-Node mit einem Chat-Modell und mindestens einem Werkzeug, in Make legst du einen Agenten in einem Szenario an und gibst ihm Module, Szenarien oder MCP-Server als Werkzeuge. Grundwissen zu APIs und JSON hilft, sobald du eigene Systeme anbindest.

Was kostet es, einen KI-Agenten zu erstellen?

Es fallen zwei Posten an: die Plattform und die Nutzung des Sprachmodells, die der Modellanbieter meist nach verbrauchten Tokens abrechnet. Die selbst gehostete Community Edition von n8n ist kostenlos, Cloud-Tarife von n8n und Make kosten je nach Umfang Geld.

Gibt es den OpenAI Agent Builder noch?

OpenAI stellt den Agent Builder ein: Ab dem 30. November 2026 ist er laut OpenAI nicht mehr auf der Plattform verfügbar. Für Agenten im Code empfiehlt OpenAI das Agents SDK, für Agenten per Spracheingabe die Workspace Agents in ChatGPT.

Was ist der Unterschied zwischen einem KI-Agenten und einem Workflow?

In einem Workflow legst du die Schritte fest, das Sprachmodell füllt nur einzelne Lücken. Ein Agent entscheidet selbst, welche Werkzeuge er in welcher Reihenfolge nutzt. Für Aufgaben mit festem Ablauf ist ein Workflow meist verlässlicher und günstiger.

Darf ein KI-Agent selbstständig E-Mails versenden oder Daten ändern?

Technisch ja, sobald er ein passendes Werkzeug hat. Für Aktionen mit Außenwirkung solltest du eine Freigabe einbauen: n8n kann vor einem bestimmten Werkzeugaufruf auf die Zustimmung eines Menschen warten, etwa per Slack, Teams oder E-Mail.

n8n oder Make: Womit baue ich meinen ersten KI-Agenten?

Beide eignen sich. n8n kannst du kostenlos selbst hosten und per Code-Node erweitern, Make ist ohne eigenen Server sofort startklar. Wichtiger als die Plattform ist, dass die Systeme, die der Agent nutzen soll, dort gut angebunden sind.

KI-Automatisierungs-Community

Werde Teil der Community

Kostenlos auf Skool, mit über 14.000 Mitgliedern, Kursen und Vorlagen.

Kostenlos beitreten