Fallstudie | Claude Platform
n8n verwandelt mit Claude natürliche Sprache in Workflowautomatisierungen
Das agentische Coding-Tool von Anthropic. Claude Code versteht Ihre Codebasis, bearbeitet Dateien, führt Befehle aus und hilft Ihnen, schneller zu liefern.
Weitere Informationen
Nutzen Sie die Claude API, um neue Nutzererlebnisse, Produkte und Arbeitsweisen mit den fortschrittlichsten KI-Modellen auf dem Markt zu schaffen.
Weitere Informationenn8n ermöglicht es technischen Teams, zuverlässige KI-Workflows und Agenten zu erstellen, zu organisieren und bereitzustellen, indem es die Geschwindigkeit eines visuellen Builders mit der Flexibilität benutzerdefinierten Codes kombiniert. Ihre Plattform erhielt mehr als 170.000 GitHub-Sterne und gehört damit zu den 50 besten Projekten aller Zeiten. Die Kunden reichen von Solo-Gründern bis hin zu Fortune-100-Unternehmen.
Mit Claude konnte n8n:
- Das KI-Workflow-Builder-Produkt in nur 2 Monaten vom Konzept bis zur Produktion bringen, wobei sich die Architektur zu einem Multiagentensystem mit spezialisierten Agenten entwickelte, die verschiedene Aufgaben erfüllen
- Einen chatbasierten Workflow-Ersteller und Debugger entwickeln, der den Zwei-Tab-Workflow beim Wechseln zwischen einem LLM und der n8n-Benutzeroberfläche ersetzt
- 80 % des Arbeitsaufwands für die Erstellung eines Workflows reduzieren, sodass sich die Entwickler auf die abschließende Feinabstimmung konzentrieren können
- Zuverlässige Funktionsaufrufe für die komplexe mehrstufige Workflow-Zusammenstellung entwickeln, wobei Claude im Vergleich zu anderen Modellen bei der präzisen Befolgung von Anweisungen am besten abschnitt
Die Herausforderung: Ein Modell dazu zu bringen, ein präzises strukturiertes Format zu generieren
Bevor n8n seinen KI-Workflow-Builder entwickelte, hatten viele Benutzer ein vertrautes Setup mit zwei Tabs: n8n auf der einen Seite, ein chat-basiertes LLM auf der anderen. Da Team beschrieb, was automatisiert werden sollte, kopierte einen Workflow-Vorschlag, fügte ihn in n8n ein, stieß auf einen Fehler und wiederholte den Vorgang. Es funktionierte, aber dem externen Modell fehlte der Kontext darüber, was tatsächlich innerhalb des Tools passierte.
n8n hatte bereits seit 2023 KI-Funktionen ausgeliefert. Aber der nächste Schritt war ambitionierter: Was wäre, wenn sich die Erstellung eines Workflows wie eine Konversation anfühlen würde?
Die Herausforderung war struktureller Natur. Ein n8n-Workflow ist ein präzises Objekt: Nodes, die gefunden, in einer bestimmten Reihenfolge verbunden und mit den richtigen Parametern konfiguriert werden müssen. Der erste Versuch bestand darin, das Modell den zugrunde liegenden JSON-Code des Workflows direkt generieren zu lassen. „Das erwies sich als ziemlich große Herausforderung für die Modelle“, so JP van Oosten, Engineering Manager des KI-Teams von n8n. Um einen vollständigen Workflow in einem Schritt zu generieren, musste das Modell das vollständige Schema, alle Node-Definitionen und die gesamte Verbindungslogik gleichzeitig verstehen. „Diese Modelle haben bisher höchstens 10.000 n8n-Workflows gesehen, verglichen mit Millionen von TypeScript-Code-Dateien“, erklärt van Oosten.
Wahl von Claude aufgrund der präzisen Anweisungsbefolgung
Um das Problem der JSON-Generierung zu lösen, wechselte das Team zu einer toolbasierten Architektur, bei der Claude Nodes einzeln hinzufügt, sie verbindet und über diskrete Funktionsaufrufe konfiguriert. Dies nutzte die Stärken des Modells und machte den Prozess für das Modell, wie van Oosten es beschreibt, „viel verdaulicher“.
Das Team untersuchte mehrere Modelle. Claude stach besonders durch die Befolgung von Anweisungen hervor. Andere Modelle verließen sich entweder zu sehr auf Funktionsaufrufe oder ignorierten diese vollständig. Claude befand sich in dem von dem Team sogenannten „Sweet Spot“, d. h. Claude befolgte durchgehend alle Anweisungen und setzte die Tools wie vorgesehen ein.
„Latenz und Qualität waren richtig gut“, sagt Oleg Ivaniv, Lead Engineer für den KI-Workflow-Builder. „Workflows sind nicht immer leicht zu verstehen.“
Die Dokumentation von Claude hat z. B auch ganz konkret beim Prompt-Caching geholfen, und das Team von Anthropic hat die Implementierung von n8n überprüft, um eine reibungslose Einführung aus der Perspektive der Rate-Limitation sicherzustellen. Die erste Iteration des KI-Workflow-Builders dauerte vom Konzept bis zur Produktion nur etwa zwei Monate.
Die Ergebnisse: Wie n8n Workflows durch Konversation zusammenstellt
Der KI-Workflow-Builder bietet den Benutzern von n8n etwas Vertrautes – eine Chat-Oberfläche, um etwas zu tun, was früher das Verständnis von Node-Typen, Verbindungslogik und Konfigurationsoptionen erforderte. Der Benutzer beschreibt, was er automatisieren möchte, und Claude findet heraus, welche Teile zusammengesetzt werden müssen und wie. Die erste Erstellung eines Workflows dauert in der Regel drei Minuten, anstatt der üblichen 10 bis 30 Minuten einer manuellen Erstellung.
„Das Tool-Calling ist in Claude erstklassig, ebenso wie die Programmierfunktionen“, sagt van Oosten. „Diese Funktionen sind für unseren Ansatz im KI-Workflow-Builder unerlässlich.“
Das klarste Vorher-Nachher ist die Zwei-Tab-Erfahrung. Benutzer, die bisher zwischen n8n und einem externen LLM hin und her wechselten, führen diese Konversation jetzt innerhalb des Produkts. Da der KI-Workflow-Builder über Kontext dazu verfügt, was tatsächlich im Workflow passiert, sind Fehler besser diagnostizierbar und Vorschläge relevanter. „Claude hat es uns ermöglicht, eine vertraute chatbasierte Oberfläche bereitzustellen, um von der Idee zu voll funktionsfähigen Workflows zu gelangen“, erklärt van Oosten.
Seit der Einführung hat sich die Architektur zu einem Multiagentensystem entwickelt, in dem spezialisierte Agenten die verschiedenen Teile des Workflow-Erstellungsprozesses verwalten. Die Prompts des Teams sind jetzt stark auf Claude Sonnet 4.5 zugeschnitten, und erste Experimente mit einem codebasierten Ansatz, bei dem Claude Code generiert anstatt Toolaufrufe durchzuführen, zeigen mit leistungsfähigeren Modellen vielversprechende Ergebnisse.
Für erfahrene Benutzer liegt der Wert in der Geschwindigkeit. Der KI-Workflow-Builder liefert etwa 80 % eines Zielworkflows ohne manuelle Zusammenstellung, sodass sich die Entwickler hauptsächlich auf die Verfeinerung anstatt auf die Konstruktion konzentrieren können. Für Erstanwender liegt der Wert an anderer Stelle. n8n verfügt zwar über Tausende von Vorlagen, seine Stärke liegt aber in der Flexibilität, und viele Benutzer entscheiden sich für die Plattform für einzigartige Anwendungsfälle, die von den Vorlagen nicht abgedeckt werden. Der KI-Workflow-Builder bietet ihnen einen Ausgangspunkt. „Es hilft Erstanwendern, die anfängliche mentale Hürde „Ich weiß nicht, was ich nicht weiß“ zu überwinden“, erklärt Ophir Prusak vom Produktmarketing-Team.
Dieselbe Oberfläche hilft Benutzern auch beim Debugging: Wenn ein Workflow nicht funktioniert, können sie das Problem beschreiben und Unterstützung bei der Behebung erhalten, anstatt sich ausschließlich auf Dokumentation oder Community-Foren verlassen zu müssen. Das Team hat dies kürzlich intern erlebt, als der KI-Workflow-Builder einen komplexen Workflow zur Verfolgung des Engineering-Fortschritts zusammenstellte. Bereits beim ersten Versuch setzte das System mehrere Formular-Nodes korrekt ein: ein Ergebnis, das van Oosten der laufenden Arbeit des Teams an der Optimierung von Prompts für bestimmte Node-Typen zuschreibt.
Zukünftige Anwendungsfälle
Mit Blick auf die Zukunft untersucht das Team, ob das Erstellen Node-by-Node oder Subgraph-by-Subgraph, in Anlehnung an die Automatisierungserstellung erfahrener Benutzer, eine engere Feedback-Schleife während des Erstellungsprozesses bieten könnte. Die derzeitige Version präsentiert am Ende einen abgeschlossenen Workflow; ein eher schrittweiserer Ansatz könnte es den Benutzern ermöglichen, ihn im Laufe der Entstehung mitzugestalten.
n8n wird die Funktionen des KI-Workflow-Builders weiter ausbauen und die Arbeit mit Claude vertiefen. Die Multiagentenarchitektur eröffnet neue Möglichkeiten für die Bewältigung immer komplexer werdender Automatisierungsanfragen, und die Experimente des Teams mit der codebasierten Generierung lassen weitere Qualitätsverbesserungen erwarten.
„Der AI Workflow Builder senkt die Einstiegshürde für Benutzer, die mit n8n starten möchten“, sagt van Oosten, „ermöglicht es aber auch technisch versierteren Nutzern, ihre Ideen schneller zu iterieren.“
„Der Toolaufruf ist in Claude erstklassig, ebenso wie die Programmierfunktionen.“