“Automatisier das doch einfach mit KI.” Diesen Satz höre ich inzwischen in jedem zweiten Meeting – und meistens meint die Person zwei völlig verschiedene Dinge gleichzeitig. Denn zwischen einem Automatisierungs-Workflow und einem KI-Agenten liegt ungefähr derselbe Unterschied wie zwischen einem Fließband und einem Praktikanten. Beide erledigen Arbeit für dich. Aber wehe, du verwechselst sie.
Was ist das überhaupt – und was ist der Unterschied?
Fangen wir mit der klassischen Workflow-Automatisierung an. Tools wie n8n verbinden deine Anwendungen über feste Regeln: Wenn eine E-Mail mit Anhang reinkommt, dann speichere den Anhang in der Cloud, trage eine Zeile ins Spreadsheet ein und schick eine Slack-Nachricht. Jeder Schritt ist vorher definiert, jeder Durchlauf ist identisch. Das ist das Fließband: schnell, zuverlässig, billig im Betrieb – und komplett hilflos, sobald etwas kommt, das nicht im Plan stand.
Ein KI-Agent funktioniert grundlegend anders. Da sitzt ein Sprachmodell im Kern, das ein Ziel bekommt statt einer Schrittfolge – plus einen Werkzeugkasten: E-Mail lesen, Websuche, Datenbank abfragen, Dateien schreiben. Der Agent entscheidet selbst, welches Werkzeug er wann benutzt, schaut sich das Zwischenergebnis an und plant den nächsten Schritt. Das ist der Praktikant: Du sagst “kümmer dich um die Anfrage”, und er überlegt sich den Weg selbst. Manchmal brillant. Manchmal kreativ auf eine Art, die du so nicht bestellt hast.
Der Kernunterschied in einem Satz: Ein Workflow führt Entscheidungen aus, die du vorher getroffen hast. Ein Agent trifft Entscheidungen selbst.
Wie funktioniert das unter der Haube?
In n8n baust du Workflows visuell aus Knoten zusammen – jeder Knoten ist ein Schritt, die Verbindungen sind der Datenfluss. Ein Trigger startet das Ganze (neue E-Mail, Zeitplan, Webhook), danach läuft die Kette durch. Mit Verzweigungen und Schleifen geht auch komplexe Logik, aber sie bleibt deterministisch: gleicher Input, gleicher Ablauf, gleiches Ergebnis. Nebenbei sympathisch: n8n ist Fair-Code – der Quellcode ist offen, und selbst gehostet kostet die Community-Edition nichts außer dem Server, auf dem sie läuft.
Ein Agent dagegen läuft in einer Schleife: Das Modell liest das Ziel und den bisherigen Verlauf, wählt ein Werkzeug, bekommt das Ergebnis zurück, denkt nach, wählt das nächste. Diese Schleife macht ihn flexibel – und gleichzeitig nichtdeterministisch. Dieselbe Aufgabe kann heute in vier Schritten gelöst werden und morgen in sieben, mit leicht anderem Ergebnis.
Und jetzt wird es interessant, denn die Grenze verschwimmt gerade: n8n hat inzwischen eigene AI-Agent-Knoten. Du kannst also mitten in einen braven, deterministischen Workflow einen Agenten setzen – mit Gedächtnis, Werkzeugen und der Möglichkeit, an heiklen Stellen einen Menschen zur Freigabe dazwischenzuschalten (Human-in-the-Loop nennt sich das). Das Fließband bekommt sozusagen eine Praktikanten-Station.
Wann brauchst du was? Eine ehrliche Faustregel
Nach ein paar Jahren Automatisierung im Konzern-Alltag – bei Dürr baue ich sowas hauptberuflich mit Power Platform und UiPath – ist meine Faustregel simpel:
Nimm den Workflow, wenn du den Prozess aufmalen kannst. Rechnung kommt rein, Daten auslesen, ins ERP übertragen, Bestätigung senden: Das ist ein Flussdiagramm, kein Denksport. Alles, was wiederholbar, regelbasiert und nachvollziehbar sein muss, gehört ins Fließband. Es ist billiger, schneller und – entscheidend – du kannst jedem Auditor exakt zeigen, was wann warum passiert ist.
Nimm den Agenten, wenn der Input unscharf ist. Support-Anfragen in Freitext, bei denen erst mal jemand verstehen muss, was der Kunde eigentlich will. Recherche über mehrere Quellen. Zusammenfassungen, deren Struktur vom Inhalt abhängt. Überall dort, wo du bisher gesagt hättest “dafür braucht es einen Menschen, der kurz draufschaut”, ist heute ein Agent im Rennen.
Und die beste Antwort ist meistens: beides. Mein Newsletter-Agent Mark ist genau so gebaut. Der Rahmen ist ein fester Ablauf – Quellen einsammeln, Ergebnis nach Notion schieben, Zeitplan einhalten. Nur der eine Schritt in der Mitte, das Lesen, Bewerten und Zusammenfassen, ist agentisch. Der Praktikant arbeitet am Fließband, an genau einer Station. Würde ich Mark den kompletten Prozess “frei” überlassen, hätte ich jede Woche eine Überraschung. So habe ich jede Woche einen Entwurf.
Was solltest du beachten – die Grenzen
Beim Fließband ist die Schwäche offensichtlich: Es bricht, wenn sich die Welt ändert. Eine API stellt um, ein Feld heißt plötzlich anders – der Workflow bleibt stehen oder, schlimmer, läuft falsch weiter.
Beim Agenten sind die Grenzen unangenehmer, weil sie sich schleichend zeigen:
Nichtdeterminismus kostet Vertrauen. Ein Agent, der in 95 % der Fälle richtig liegt, klingt gut – bis du ausrechnest, was die 5 % kosten, wenn niemand hinschaut. Deshalb: Agenten dort einsetzen, wo Fehler günstig und korrigierbar sind, oder einen Freigabeschritt einbauen.
Kosten pro Durchlauf. Ein Workflow-Run kostet Bruchteile von Centbeträgen. Ein Agenten-Run mit einem großen Modell und zwanzig Denkschritten kostet real Geld. Bei zehn Durchläufen am Tag egal, bei zehntausend nicht.
Debugging ist eine andere Sportart. Wenn ein Workflow scheitert, zeigt dir n8n den roten Knoten. Wenn ein Agent Unsinn baut, liest du Gesprächsprotokolle und rätselst, warum er in Schritt 12 abgebogen ist. Ohne systematisches Testen der Ergebnisqualität fliegst du blind.
Mein Rat, der unspektakulärer klingt als jedes LinkedIn-Posting: So deterministisch wie möglich, so agentisch wie nötig. Der Hype belohnt gerade das Umgekehrte – überall Agenten reinwerfen, weil es beeindruckend aussieht. Bezahlt wird das später, im Betrieb.
Fazit & Ausblick
Workflow-Automatisierung und KI-Agenten sind keine Konkurrenten, sondern zwei Werkzeuge mit verschiedenen Ehrlichkeitsgraden: Das eine gibt dir Verlässlichkeit, das andere Flexibilität – und ausgereifte Systeme kombinieren beides gezielt. Ich rechne damit, dass diese Unterscheidung in zwei, drei Jahren niemand mehr betont, weil jede Automatisierungsplattform beides eingebaut hat und die eigentliche Frage lautet: An welcher Stelle im Prozess darf die KI entscheiden, und wo entscheidest du? Wer diese Frage heute sauber beantworten kann, baut Systeme, die auch nach dem Hype noch laufen.
Deine Gedanken dazu:
Welcher Prozess in deinem Alltag ist eigentlich ein Flussdiagramm – und wird trotzdem noch von Hand erledigt?
Gibt es eine Aufgabe, bei der du einem KI-Agenten heute schon vertrauen würdest, ganz ohne Kontrollblick? Und woran machst du das fest?
Wo wäre dir ein Fehler durch Automatisierung richtig teuer gekommen – und hätte ein Freigabeschritt ihn verhindert?
Wenn du einen Praktikanten hättest, der nie schläft, aber gelegentlich seltsame Entscheidungen trifft: Welche Aufgabe würdest du ihm als erstes geben?