n8n-Automatisierungs-Workflows

Eine Sammlung dokumentierter, direkt importierbarer Business-Workflows: KI-Lead-Qualifizierung, Rechnungserfassung, Ticket-Triage und tägliches Reporting.

Art: Nebenprojekt
Tech-Stack: n8n
OpenAI
Gemini
PostgreSQL

Illustration von n8n-Automatisierungs-Workflows

Warum

Viele kleine Aufgaben in Unternehmen laufen noch von Hand: Leads sichten, Rechnungsdaten in Tabellen übertragen, Support-Tickets sortieren, morgens einen Bericht zusammenstellen. Für eigene Software ist jede davon zu klein, zusammen kosten sie aber jede Woche Stunden. Viele Automatisierungsbeispiele im Netz verzichten außerdem auf Fehlerbehandlung, vertrauen der KI-Ausgabe blind oder exportieren versehentlich Zugangsdaten.

Die Workflows

Sechs direkt importierbare n8n-Workflows, jeder dokumentiert, mit Beispieldaten getestet und frei nutzbar:

Workflow	Was er automatisiert
KI-Lead-Qualifizierung	Bewertet eingehende Formular-Leads per LLM, reichert sie an und meldet heiße Leads in Slack
Rechnungs-E-Mail → Tabelle	Liest Rechnungs-PDFs aus einem Postfach, extrahiert Betrag, Datum und Anbieter per KI und protokolliert sie
Täglicher Business-Report	Sammelt jeden Morgen Kennzahlen aus einer API und einer Datenbank und verschickt eine Zusammenfassung
Support-Ticket-Triage	Ordnet neue Tickets nach Thema und Dringlichkeit ein, entwirft eine Antwort und weist sie zu
Webhook → CRM-Sync	Hält Kontakte zwischen zwei Systemen synchron, mit Deduplizierung und Wiederholungen bei Fehlern
Fehlerbenachrichtigung	Ein globaler Fehler-Workflow, der Ausfälle aller Workflows abfängt und mit Kontext meldet

Im Detail: KI-Lead-Qualifizierung

Formular-Webhook
Validierenungültig → ablehnen + loggen
AnreichernFirmen-Domain nachschlagen
LLM bewertet Lead0 bis 100 + Begründung
Weiterleiten≥ 70 → Slack, sonst Nurturing
Google-Sheets-Log

Eingabe: Name, E-Mail, Firma und Nachricht aus einem beliebigen Formular-Tool. Ausgabe: ein bewerteter, kategorisierter Lead in einer Tabelle, mit sofortiger Meldung bei heißen Leads.

Das LLM liefert JSON mit Score, Kategorie und einer einzeiligen Begründung. Dieses JSON wird vor dem nächsten Schritt validiert, sodass eine fehlerhafte Modellantwort den Ablauf nie zum Absturz bringt. Erst wenn man KI-Ausgaben wie jede andere unsichere Eingabe behandelt, ist ein LLM-Schritt zuverlässig genug für den unbeaufsichtigten Betrieb.

Regeln für jeden Workflow

Fehler landen im globalen Fehler-Workflow, nichts scheitert still.
Webhook-Abläufe deduplizieren über eine ID, denn Webhooks werden tatsächlich mehrfach zugestellt.
Zugangsdaten werden nur über ihren Namen referenziert und nie exportiert. Erst dadurch lassen sich die Workflows gefahrlos teilen.
Sticky Notes erklären die Abschnitte direkt im Canvas, und jeder Ordner hat ein README und eine sample-input.json.