Stärkster Differenzierungsbereich

KI-Automatisierung: Workflows für Kunden bauen

Make, n8n, Zapier + KI-APIs: Wie du echte Automatisierungsprojekte umsetzt, was du verlangen kannst – und was in der Praxis wirklich funktioniert.

Make
n8n
Zapier
OpenAI API
Kundenprojekte

Von Fabian Hewer · Zuletzt aktualisiert: 10. Juni 2026 · Echte Projektergebnisse ansehen

Warum KI-Automatisierung der stärkste Hebel ist

KI-Automatisierung ist der Bereich, in dem du als Programmierer oder technisch versierter Freelancer den größten Vorteil hast. Während jeder einen ChatGPT-Prompt verkaufen kann, können nur wenige einen funktionierenden Automatisierungsworkflow für einen echten Kunden bauen, testen und warten.

Der Markt ist real: Kleine und mittlere Unternehmen suchen händeringend nach Leuten, die ihnen repetitive Prozesse abnehmen. E-Mail-Klassifizierung, Lead-Qualifizierung, Content-Erstellung, Rechnungsverarbeitung – all das lässt sich mit KI + Automatisierungstools lösen.

Aus unserer Praxis: Ein E-Mail-Automatisierungs-Workflow für einen Kunden (Make + GPT-4) war in 6 Stunden gebaut und wurde für 350 € + 50 €/Monat Wartung abgerechnet. Effektiver Stundensatz: ~58 €/Stunde. Vollständige Fallstudie →

Die wichtigsten Tools im Vergleich

Tool Stärken Schwächen Preis Für wen?
Make Beste UI, viele Integrationen, gut für Kunden-Demos Teuer bei hohem Volumen, Cloud-only Ab 9 €/Monat Einsteiger, Kundenprojekte
n8n Self-hosted (kostenlos), sehr flexibel, Code-freundlich Steilere Lernkurve, weniger Integrationen Kostenlos (self-hosted) Entwickler, eigene Projekte
Zapier Einfachste Bedienung, größte App-Bibliothek Sehr teuer, limitierte Logik Ab 19,99 €/Monat Nicht-technische Nutzer

Preise Stand Juni 2026. Wir haben alle drei Tools in echten Projekten getestet. Zu den Testergebnissen →

Typische Workflow-Typen für Kundenprojekte

📧 E-Mail-Automatisierung

Eingehende E-Mails klassifizieren, priorisieren und Antwort-Entwürfe erstellen. Typischer Aufwand: 4–8 Stunden. Typischer Preis: 250–500 €.

📋 Lead-Qualifizierung

Formular-Eingaben automatisch bewerten, kategorisieren und ins CRM übertragen. Typischer Aufwand: 6–12 Stunden. Typischer Preis: 400–800 €.

📝 Content-Automatisierung

Produktbeschreibungen, Social-Media-Posts oder Newsletter-Entwürfe automatisch generieren. Typischer Aufwand: 8–15 Stunden. Typischer Preis: 500–1.200 €.

📊 Datenverarbeitung

Rechnungen, Berichte oder Dokumente automatisch auslesen, strukturieren und weiterverarbeiten. Typischer Aufwand: 10–20 Stunden. Typischer Preis: 600–1.500 €.

Alle Preisangaben sind Richtwerte aus eigener Erfahrung und Marktbeobachtung – keine Garantien. Ergebnisse variieren stark je nach Komplexität und Kundengröße.

Wie du erste Kunden findest

Der häufigste Fehler: Auf Fiverr oder Upwork warten, bis jemand einen Automatisierungs-Workflow bestellt. Das funktioniert, ist aber langsam und preisdrückend.

Besser: Direkte Ansprache von Unternehmen, die du kennst oder die du in deinem Netzwerk findest. Konkret:

  1. Identifiziere einen repetitiven Prozess in einem Unternehmen (z.B. E-Mail-Beantwortung, Terminbuchung, Rechnungsverarbeitung)
  2. Baue einen Demo-Workflow, der das Problem löst
  3. Zeige die Demo – ohne Verkaufsdruck
  4. Biete eine Testphase an (z.B. 2 Wochen kostenlos)
  5. Rechne erst ab, wenn der Kunde den Wert sieht

Häufige Fragen

Einfache Workflows (z.B. E-Mail-Automatisierung) werden typischerweise für 200–500 € als Einmalzahlung angeboten, komplexere Systeme für 500–2.000 €. Wartungsverträge liegen bei 50–200 €/Monat. Die Preise hängen stark von Komplexität, Kundengröße und deiner Erfahrung ab.

Make ist einfacher zu erklären und hat eine bessere UI für Kunden-Demos. n8n ist günstiger (self-hosted kostenlos) und flexibler für technische Projekte. Für Einsteiger empfehlen wir Make, für technisch versierte Entwickler n8n. Wir haben beide in echten Projekten getestet – Details in unseren Fallstudien.

Für einfache Workflows mit Make oder Zapier nicht. Für komplexere Projekte mit n8n, eigenen API-Integrationen oder Custom Code sind Grundkenntnisse in JavaScript oder Python hilfreich. Mit KI-Assistenten wie ChatGPT lassen sich viele Code-Probleme auch ohne tiefe Programmierkenntnisse lösen.

Verwandte Themen


Unsere Praxiserfahrung

Fabian Hewer hat Make und n8n in echten Kundenprojekten eingesetzt. Die Ergebnisse sind in den Fallstudien dokumentiert.

Fallstudien ansehen