n8n ist ein Werkzeug für Abläufe. Man setzt Knoten auf eine Fläche und verbindet sie. Jeder Knoten erledigt einen Schritt, und die Daten wandern von links nach rechts.

Das hier ist der erste der beiden Abläufe, die wir bauen. Links kommt eine Anfrage über ein Formular herein. Ein Sprachmodell ordnet sie ein, ein zweites schreibt einen Entwurf, und am Ende landet alles in einer Tabelle.

Der zweite Ablauf ist das Freigabeformular. Nur wer bei n8n angemeldet ist, kann es öffnen, den Entwurf prüfen, ändern und freigeben.

Und hier sieht man das Ergebnis: jede Anfrage mit Kategorie, Entwurf und Status. Alles läuft auf einem eigenen Server. Die KI kommt über das AuxData-Gateway mit einem Modell in Europa.

Erstens einen eigenen Server, also einen VPS, auf den Du Dich per SSH anmelden kannst. Wie das geht, zeigen die Schulungen zu Self-Hosting und SSH.

Zweitens Docker mit Compose auf diesem Server. Die Grundlagen stehen in der Docker-Schulung, hier setze ich sie voraus.

Drittens einen Zugang zu einem Sprachmodell. Ich nehme das AuxData-Gateway. Jeder Dienst, der wie OpenAI spricht, geht genauso, auch ein lokales Ollama.

Und viertens eine Regel für die ganze Schulung: Wir üben auf einer eigenen Instanz. Nicht auf dem n8n, in dem schon echte Abläufe Deiner Firma laufen.

Wir sind per SSH auf dem Server angemeldet. Zuerst die Kontrolle, ob Docker und Compose da sind. Beide antworten mit ihrer Versionsnummer, also kann es losgehen.

n8n bekommt einen eigenen Ordner unter /opt. Darin liegt die Compose-Datei. Das Wichtigste steht in der Zeile mit dem Image: Dort steht keine feste Zahl, sondern eine Variable für die Version. Und der Port ist nur an 127.0.0.1 gebunden, also von außen nicht erreichbar.

Die Einstellungen stehen in der Datei .env. Die Version ist hier fest auf 2.39.10 gesetzt, mit Absicht eine ältere, damit wir später ein echtes Update machen können. Dazu kommt ein zufälliger Schlüssel, mit dem n8n alle gespeicherten Zugangsdaten verschlüsselt. Den zeige ich nicht, und die Datei darf nur root lesen.

Compose prüft die Datei, dann startet ein einziger Befehl alles. Docker lädt beim ersten Mal das Image, legt ein Netzwerk und ein Volume für die Daten an und startet den Container.

Der Container läuft. Die Warnungen in den Logs sind an dieser Stelle harmlos. Entscheidend ist die letzte Zeile: Der Gesundheitscheck antwortet mit Status ok.

Von außen ist Port 5678 zu. Auf Deinem eigenen Rechner öffnest Du deshalb einen SSH-Tunnel. Solange er läuft, ist n8n im Browser unter localhost:5678 erreichbar, und nur für Dich.

Beim ersten Aufruf fragt n8n nach einem Konto. Wer das hier ausfüllt, wird Eigentümer der ganzen Instanz. Deshalb der Tunnel: Niemand anderes kommt vor Dir an diese Seite.

Danach bietet n8n einen eingebauten KI-Assistenten an. Den brauchen wir nicht, er würde zusätzliche Dienste einschalten. Ich lege ihn für später zurück.

Die Startseite ist noch leer. Links oben geht es zu neuen Workflows, unten liegen Hilfe und Einstellungen. Unter Hilfe steht der Punkt About n8n.

Hier steht die Version, 2.39.10, und die Lizenz. n8n ist Fair Code: Du darfst es für Deine eigenen Abläufe frei betreiben, aber nicht als Dienst an andere weiterverkaufen.

Ein neuer Workflow bekommt zuerst einen Namen. Dann braucht er einen Auslöser, denn ohne Auslöser läuft nichts. Für den Anfang nehme ich den einfachsten: Er startet, wenn ich auf einen Knopf drücke.

Dahinter kommt Edit Fields. Dieser Knoten setzt Felder mit Namen und Wert. Das erste Feld heißt gruss und hat einen festen Text.

Das zweite Feld bekommt keinen festen Text, sondern einen Ausdruck. Dafür schalte ich von Fixed auf Expression. Alles zwischen den doppelten geschweiften Klammern rechnet n8n aus, hier die aktuelle Uhrzeit. Darunter steht schon die Vorschau.

Ein Klick auf Execute step, und rechts erscheint das Ergebnis. Das ist ein Item: ein Datensatz mit zwei Feldern. Alles in n8n sind solche Items. Jeder Knoten bekommt welche und gibt welche weiter.

Jetzt der echte Ablauf. Er beginnt mit einem Formular, das n8n selbst ausliefert. Titel und Beschreibung sind das, was Kundinnen und Kunden später oben lesen.

Drei Felder: Name, E-Mail und das Anliegen als großes Textfeld. Alle drei sind Pflicht. Die Beschriftung ist gleichzeitig der Name, unter dem der Wert später im Ablauf steht.

Execute step öffnet das Formular unter seiner Test-Adresse. Ich fülle es aus wie eine Kundin, die nach einem Preis fragt, und schicke es ab.

Zurück in n8n sind die Daten angekommen, als ein Item mit Name, E-Mail und Anliegen. Ich pinne sie fest. Dann muss ich beim Weiterbauen nicht jedes Mal das Formular neu ausfüllen.

Das lila Symbol am Knoten zeigt: Hier liegen festgepinnte Testdaten. Beim echten Betrieb werden sie nicht benutzt.

Hinter das Formular kommt ein Text Classifier. Welcher Text eingeordnet werden soll, ziehe ich einfach aus der linken Spalte ins Feld. So entsteht der Ausdruck von selbst, und die Vorschau zeigt gleich den echten Text.

Drei Kategorien: Angebot, Support und Beschwerde, jede mit einer kurzen Beschreibung. Das Modell liest die Beschreibungen mit. Und alles, was nicht klar passt, soll nicht verschwinden, sondern in einen eigenen Zweig namens Other.

Jetzt das Modell. Ich nehme den Knoten OpenAI Chat Model, weil das AuxData-Gateway dieselbe Sprache spricht. Im Zugang stehen zwei Dinge: der persönliche Schlüssel aus AuxData und die Adresse des Gateways statt der von OpenAI.

Die Modellliste kommt schon vom Gateway, das ist der Beweis, dass der Zugang stimmt. Ich suche nach GLM und nehme GLM 5.3, über Mistral in Europa betrieben.

Der erste Test geht schief, und zwar mit Absicht. Fehler 404. Der Grund steht nicht in der Meldung: Der Knoten benutzt von sich aus die neuere Responses-Schnittstelle von OpenAI, und die kennt das Gateway nicht.

Also im Modell den Schalter Use Responses API ausschalten und noch einmal. Jetzt kommt die Antwort, gut eine Sekunde später, und die Anfrage landet im Zweig Angebot.

Auf der Fläche sieht man die vier Ausgänge. Jeder Zweig ist ein eigener Weg, den die Daten nehmen können.

Hinter den Zweig Angebot kommt ein Edit-Fields-Knoten namens Kategorie festhalten. Er merkt sich, über welchen Ausgang die Anfrage kam. Das steht in einem kurzen Ausdruck: eine Liste der vier Namen, und die Nummer des Ausgangs sucht den richtigen heraus. Die Vorschau zeigt noch undefined, weil sie den Zweig nicht kennt. Beim Ausführen steht dort der richtige Name.

Include Other Input Fields behält Name, E-Mail und Anliegen. Dann ziehe ich die anderen drei Ausgänge in denselben Knoten. Egal wie die Anfrage eingeordnet wurde, ab hier geht es gemeinsam weiter.

Den Entwurf schreibt eine Basic LLM Chain. Die Nachricht an das Modell enthält die Kategorie und das Anliegen. Dazu kommt eine Systemanweisung mit Regeln, die ich von der Schulungsseite einfüge. Die wichtigste Regel: keine Preise, Termine oder Zusagen erfinden, sondern Platzhalter in eckigen Klammern setzen.

Die Kette bekommt ihr eigenes Modell, wieder GLM über das Gateway, wieder ohne Responses API. Und das Ergebnis: ein höflicher Entwurf, bei dem Preis und Lieferzeit als Platzhalter offen bleiben. Genau so soll es sein. Die KI erfindet nichts, der Mensch ergänzt.

Auf der Fläche steht jetzt der Ablauf bis zum Entwurf.

Die Entwürfe brauchen einen Ort. n8n hat dafür eigene Datentabellen, ohne zusätzliche Datenbank. Ich lege die Tabelle anfragen an, mit sieben Spalten für Name, E-Mail, Anliegen, Kategorie, Entwurf, Status und die freigegebene Antwort.

Zurück im Workflow kommt hinter den Entwurf der Knoten Data table mit der Aktion Insert row. Er bekommt den Namen Zur Freigabe ablegen.

Die Felder ziehe ich wieder aus der linken Spalte in die Spalten der Tabelle. Beim Status steht fester Text: offen.

Tidy up räumt die Fläche auf. Dann der ganze Ablauf auf einmal, mit den festgepinnten Testdaten.

Alle Knoten sind grün, und in der Tabelle steht die erste Zeile: Jana Berger, Kategorie Angebot, ein Entwurf, Status offen.

Die Freigabe ist ein eigener, zweiter Workflow. Ich kopiere ihn fertig von der Schulungsseite und füge ihn ein. Der erste Knoten ist wieder ein Formular, aber mit einem Unterschied: Authentication steht auf n8n User Auth. Nur wer bei n8n angemeldet ist, kommt hinein.

Warum zwei Workflows? Beim Aufbau habe ich es zuerst in einem versucht. Dann landete die Kundin nach dem Absenden direkt im Freigabeformular und hätte ihre eigene Antwort freigeben können. Getrennt kann das nicht passieren. Jetzt veröffentliche ich beide. Erst damit gelten die echten Adressen.

Die Kundensicht: das Formular unter seiner echten Adresse. Ein Kunde fragt nach einem Rollcontainer. Nach dem Absenden sieht er nur eine kurze Bestätigung. Sonst nichts.

In n8n taucht die Ausführung unter Executions auf. Ein paar Sekunden später steht die Anfrage in der Tabelle, eingeordnet, mit Entwurf und Status offen.

Jetzt die Freigabe. Beim ersten Mal fragt n8n, ob das Formular mit meiner Anmeldung laufen darf. Ich gebe die Nummer der Anfrage ein und sehe den Entwurf. Ich klicke Freigeben, ohne etwas zu ändern. Und der Ablauf sagt nein: Da stehen noch Platzhalter in eckigen Klammern.

Zweiter Anlauf. Preis und Lieferzeit trage ich ein, dann speichern. Jetzt ist die Anfrage freigegeben.

In der Tabelle steht der neue Status und die Antwort, die ein Mensch geprüft hat. Verschicken könnte sie ab hier ein weiterer Knoten, zum Beispiel per E-Mail.

n8n erscheint fast jede Woche in einer neuen Version. Zuerst also: Was läuft gerade, und was ist neu? Bei uns läuft 2.39.10, die aktuelle stabile ist 2.40.5. Vor jedem Update lohnt ein Blick in die Release-Notes.

Dann sichern, und zwar vollständig. Die Workflows und die Zugänge werden exportiert. Danach halte ich n8n kurz an und packe das ganze Datenvolume in ein Archiv. Und die Datei .env kommt mit, denn ohne den Schlüssel darin sind die gesicherten Zugänge wertlos.

Das eigentliche Update ist klein. In der .env steht jetzt die neue Nummer, nicht latest. So entscheide ich, wann sich etwas ändert, und nicht der nächste Neustart. Pull lädt das Image, up startet den Container neu.

Und dann prüfen. n8n schreibt beim Start selbst, von welcher Version es kommt. Die Versionsnummer stimmt, der Gesundheitscheck sagt ok. In den Startmeldungen stehen übrigens Hinweise auf Einstellungen, die sich mit der nächsten großen Version ändern. Die sollte man lesen.

Und falls doch etwas nicht stimmt: Nur die alte Nummer zurückzusetzen reicht nicht. n8n baut beim Start seine Datenbank auf die neue Version um. Zurück geht es deshalb nur mit der alten Nummer und der Sicherung zusammen. Das habe ich beim Aufbau einmal durchgespielt, es funktioniert.

Im Browser die Gegenprobe. About n8n zeigt jetzt 2.40.5.

Beide Workflows sind noch da und weiterhin veröffentlicht. Die Anmeldung, die Zugänge und die Tabelle haben das Update überstanden.

Im Alltag reichen ein paar Blicke. Docker stats zeigt, wie viel Speicher n8n gerade braucht. Auf einem kleinen Server ist das die Zahl, auf die man achten muss.

Die Logs zeigen, was sich ankündigt. Hier die Einstellungen, deren Standardwerte sich in einer kommenden Version ändern.

Und die Sicherungen liegen auf demselben Server wie n8n. Das ist bequem, schützt aber nicht vor dem Ausfall des Servers. Deshalb gehört eine Kopie regelmäßig auf einen anderen Rechner.

Erstens: n8n nicht offen ins Internet stellen, solange es nicht nötig ist. Wenn doch, dann nur hinter einem Reverse Proxy mit HTTPS. Das zeigt die Self-Hosting-Schulung.

Zweitens: eine feste Version und ein fester Rhythmus. Etwa einmal im Monat updaten, Sicherheitsupdates sofort, und immer mit Sicherung.

Drittens: Im Oktober kommt n8n drei. Ab dann gibt es n8n nur noch als Docker-Image, und einige Standardwerte ändern sich. Wer die Warnungen jetzt liest, ist vorbereitet.

Und viertens: Die KI entwirft, der Mensch entscheidet. Dieser Ablauf verschickt nichts von allein, und das ist Absicht.