AI Automation wird dann wertvoll, wenn sie nicht nur einzelne Aufgaben beschleunigt, sondern ganze Prozessketten sauber abbildet. Die folgenden vier Praxisbeispiele zeigen, wie n8n als Automationszentrale eingesetzt werden kann: vom Formular über KI-Auswertung und Datenablage bis hin zu Benachrichtigung und Dokumentation.
Die Beispiele stammen aus konkreten Workflow-Skizzen und Prozesscharts. Sie zeigen bewusst nicht nur das technische Ergebnis, sondern auch den operativen Nutzen: weniger manuelle Übergaben, klarere Datenstrukturen und reproduzierbare Abläufe.
Überblick
| Workflow | Zweck |
|---|---|
| SEO / GEO Audit | Kostenfreie SEO- und GEO-Audit-Anfragen automatisch auswerten und per E-Mail zurücksenden. |
| Project Management Assistant | Telegram-Spracheingabe in standardisierte ClickUp-Aufgaben umwandeln. |
| Accounting Assistant | Rechnungen aus Google Drive prüfen, per KI auslesen, einsortieren und in Google Sheets dokumentieren. |
| Webshop Error Monitoring | Shop-Seite regelmäßig prüfen, Fehlertext erkennen, Log schreiben und E-Mail-Alarm senden. |
1. SEO / GEO Audit
Der erste Workflow startet mit einer Audit-Anfrage über ein Formular. Nutzer geben eine Ziel-URL und eine Report-E-Mail-Adresse ein. Die Anfrage wird dokumentiert, technisch bereinigt und anschließend durch mehrere Analysepfade geführt: Technical Audit, Content Audit und KI-Lesbarkeitsanalyse.
- Formular
URL, E-Mail und Datenschutz werden erfasst.
- Lead & URL
Anfrage speichern, URL normalisieren und Website abrufen.
- Analysepfade
Technical Audit, Content Audit und KI-Lesbarkeit laufen parallel.
- Ergebnisse bündeln
Audits werden aggregiert und als HTML-Report formatiert.
- Report senden
Gmail sendet den SEO-/GEO-Report an Anfrage und Fabian.
SEO / GEO Audit: vom Formular über die Analyse bis zum E-Mail-Report.
Der entscheidende Vorteil liegt in der Standardisierung. Jede Anfrage wird gleich verarbeitet, die Ergebnisse werden aggregiert und als HTML-Report per Gmail versendet. Dadurch wird aus einer manuellen Erstprüfung ein wiederholbarer Lead- und Analyseprozess.
Ablauf in Kurzform
| Phase | Was passiert? | Ergebnis |
|---|---|---|
| Formular | Nutzer gibt Ziel-URL und Report-E-Mail ein. | Anfrage liegt vor. |
| Daten sichern | Anfrage wird in Google Sheets dokumentiert und technisch bereinigt. | Lead ist protokolliert. |
| Analyse | Website-HTML läuft durch Technical Audit, Content Audit und KI-Lesbarkeitsanalyse. | Audit-Ergebnisse liegen vor. |
| Report | Ergebnisse werden aggregiert, als HTML formatiert und per Gmail versendet. | E-Mail-Report wird versendet. |
2. Project Management Assistant
Der Project Management Assistant übersetzt unstrukturierte Telegram-Eingaben in standardisierte ClickUp-Aufgaben. Der Workflow kann mit Text arbeiten und berücksichtigt auch Spracheingaben, die zunächst transkribiert werden. Danach erzeugt ein KI-Schritt ein strukturiertes JSON mit Titel, Status, Priorität und Beschreibung.
- Telegram
Nachricht, Caption oder Voice kommt im Bot an.
- Text oder Sprache
Text geht direkt weiter; Voice wird geladen und transkribiert.
- PM-Bot
GPT-5.4, Memory, Think-Tool und Schema erzeugen eine Aufgabe.
- ClickUp
Ausgabe wird gemappt und als Aufgabe angelegt.
- Rückmeldung
Telegram sendet den ClickUp-Link zurück.
Project Management Assistant: Telegram-Eingaben werden normalisiert und als ClickUp-Aufgabe angelegt.
Das Ergebnis ist ein klarer Übergang von spontaner Kommunikation zu sauberem Aufgabenmanagement. Statt Telegram-Nachrichten manuell in ClickUp nachzubauen, übernimmt der Workflow Normalisierung, Strukturierung, Aufgabenerstellung und Rückmeldung.
Ablauf in Kurzform
| Phase | Was passiert? | Ergebnis |
|---|---|---|
| Eingang | Telegram-Nachrichten werden mit Chat- und Nutzerdaten übernommen. | Telegram-Input ist verfügbar. |
| Normalisierung | Voice wird transkribiert; Text bleibt direkt nutzbar. | Einheitlicher Text liegt vor. |
| KI-Struktur | PM-Bot erzeugt ein JSON mit Titel, Status, Priorität und Beschreibung. | Valide Aufgabenstruktur entsteht. |
| Aufgabe | ClickUp-Aufgabe wird erstellt und per Telegram bestätigt. | ClickUp-Link geht zurück. |
3. Accounting Assistant
Der Accounting Assistant verarbeitet Rechnungen aus Google Drive. Der Workflow prüft neue Dateien, liest PDF-Inhalte aus und nutzt KI, um Rechnungsdaten sowie SKR03-relevante Informationen strukturiert zu extrahieren. Anschließend werden Belege verschoben, umbenannt und in Google Sheets dokumentiert.
- Setup manuell
Jahres- und Monatsordner werden vorbereitet.
- Drive prüfen
Alle 10 Minuten wird der Rechnungseingang kontrolliert.
- PDF & Text
Datei wird geladen, PDF geprüft und Text extrahiert.
- KI-Extraktion
Firma, Datum, Beträge, Steuer und SKR03-Konto werden erkannt.
- Ablage
Jahr und Monat bestimmen den Zielordner; Beleg wird umbenannt.
- Übersicht
Sheet erhält Daten und Link; Problemfälle gehen in den Problemordner.
Accounting Assistant: Rechnungen werden geprüft, ausgelesen, sortiert und dokumentiert.
Wichtig ist hier nicht nur die Extraktion, sondern auch der Umgang mit Problemfällen. Ungültige oder unlesbare Belege werden in einen Problemordner verschoben. Dadurch bleiben Ausnahmen sichtbar, ohne den restlichen Prozess zu blockieren.
Ablauf in Kurzform
| Phase | Was passiert? | Ergebnis |
|---|---|---|
| Ordner vorbereiten | Manueller Teil erstellt Jahres- und Monatsordner. | Ablagestruktur existiert. |
| Rechnungseingang | Schedule prüft Google Drive und verarbeitet eine Datei nach der anderen. | Neue Belege werden gefunden. |
| Extraktion | PDF-Text wird gelesen; KI extrahiert Rechnungs- und SKR03-Daten. | Rechnungsdaten sind strukturiert. |
| Ablage | Beleg wird verschoben, umbenannt und in Google Sheets dokumentiert. | Beleg ist abgelegt und dokumentiert. |
| Fallback | Ungültige oder unlesbare Belege gehen in den Problemordner. | Problemfälle bleiben prüfbar. |
4. Webshop Error Monitoring
Der vierte Workflow ist ein schlankes Monitoring für eine Shop-Seite. Ein Schedule Trigger startet alle 45 Minuten eine Prüfung. Die Zielseite wird mit Timeout geladen, anschließend sucht ein Checker nach einem definierten Fehlertext im HTML.
- Zeitplan
Alle 45 Minuten startet die Prüfung.
- Seite abrufen
https://shop.sailotec.de/sale.html wird per HTTP geladen.
- Fehler prüfen
Checker sucht nach: keine Produkte entsprechend dieser Auswahl.
- Log schreiben
Treffer wird in Google Sheets dokumentiert.
- Alarm
Gmail informiert die verantwortliche Person.
Webshop Error Monitoring: regelmäßige Seitenprüfung mit Protokoll und E-Mail-Alarm.
Wenn der Fehlerzustand erkannt wird, dokumentiert der Workflow den Vorfall in Google Sheets und verschickt eine Warnung per Gmail. Dadurch wird ein technischer Fehler nicht erst sichtbar, wenn Kunden oder interne Teams ihn zufällig bemerken.
Ablauf in Kurzform
| Phase | Was passiert? | Ergebnis |
|---|---|---|
| Start | Schedule Trigger läuft alle 45 Minuten. | Regelmäßige Prüfung läuft. |
| Request | Shop-Seite wird geladen; Timeout ist gesetzt. | HTML der Zielseite liegt vor. |
| Checker | Wenn der Fehlertext im HTML steht, läuft der Alarmzweig. | Fehlerzustand wird erkannt. |
| Dokumentation | Google Sheet erhält Datum und Meldung. | Vorfall ist protokolliert. |
| Benachrichtigung | Gmail versendet eine Warnung. | Verantwortliche Person wird informiert. |
Was diese Workflows gemeinsam haben
Alle vier Beispiele folgen einem ähnlichen Muster: Ein klarer Trigger startet den Prozess, Daten werden normalisiert, ein KI- oder Regel-Schritt bringt Struktur hinein, und das Ergebnis wird in einem Zielsystem abgelegt oder an die verantwortliche Person zurückgemeldet.
Genau darin liegt der praktische Nutzen von n8n-Workflows: Sie verbinden bestehende Tools wie Google Sheets, Gmail, Google Drive, Telegram oder ClickUp, ohne dass jeder Zwischenschritt manuell erledigt werden muss. Die KI ist dabei kein Selbstzweck, sondern ein Baustein für Struktur, Bewertung und Priorisierung.
Fazit
AI Automation lohnt sich besonders dort, wo wiederkehrende Arbeitsschritte, klare Datenübergaben und zeitkritische Benachrichtigungen zusammenkommen. Die gezeigten Beispiele machen deutlich, dass Automatisierung nicht nur große Systeme betrifft. Schon kompakte Workflows können im Alltag viel Reibung aus Prozessen nehmen.