n8n sah einfach aus. Dann habe ich 100 Stunden gebraucht. Hier ist das schnellere Setup.

n8n ist ein Tool für Workflow-Automatisierung mit einem offensichtlichen Versprechen: Verbinde deine vorhandenen Tools, lass sie miteinander reden, setz KI-Agenten dazwischen und automatisier die wiederkehrenden Aufgaben, die deinen Tag auffressen. Das habe ich in 30 Sekunden verstanden. Produktiv zu werden hat weitere 100 Stunden gedauert. Vor dieser Lücke warnt dich niemand, und unten steht das Setup, mit dem ich gern angefangen hätte.

Was macht n8n eigentlich?

Es verbindet deine Apps und automatisiert die manuelle Arbeit dazwischen, mit KI-Agenten an jeder Stelle der Kette. Gmail, Google Sheets, Drive, Notion, Kalender, Aufgabenmanager: n8n verknüpft sie, und du setzt KI überall dort ein, wo sie hilft.

Ein konkretes Beispiel aus meinem eigenen Setup: Ein Workflow scannt mein Postfach nach Anhängen, extrahiert sie, legt sie in Google Drive ab und benennt jede Datei nach ihrem Inhalt um. Statt von Hand herunterzuladen und zu sortieren, landen bei mir ordentliche Dokumente wie "2026-01-15 Telekom Rechnung Januar.pdf" von allein im richtigen Ordner. Das ist der Gewinn. Der Weg dorthin war der unordentliche Teil.

Welche zwei Fehler haben mich am meisten Zeit gekostet?

Fremde Workflows herunterladen und zu groß anfangen.

Fehler eins: von Community-Templates lernen. Mein Instinkt war, zu studieren, was andere gebaut hatten. Das ging meistens nach hinten los. Die meisten heruntergeladenen Workflows waren von geringer Qualität, und die System-Prompts der KI-Agenten darin waren schlecht geschrieben, sodass die Workflows nicht richtig funktioniert haben. Viele stammten von Anfängern, die öffentlich lernen. Für sie in Ordnung, teuer für jeden, der ihre Arbeit als Fundament nutzt.

Fehler zwei: zu groß anfangen. Ich bin direkt auf Multi-Agenten-Systeme und komplexe Orchestrierungen losgegangen, bevor ich die Grundlagen verstanden hatte. Kleinere, einfachere Workflows zuerst hätten mir Wochen gespart.

Wie sieht der effiziente Einstieg aus?

Sechs Schritte, die mir rund 90 dieser 100 Stunden gespart hätten:

1. Schau dir eine n8n-Masterclass an. Bekomm ein Gefühl für die Oberfläche und die Bausteine. Einsteiger-Video.
2. Schau dir ein JSON-Tutorial an. Das ist der nicht offensichtliche Schritt. JSON ist die Form, in der Nodes Daten aneinander weiterreichen; lässt du ihn aus, bleibst du verwirrt, warum die Daten nicht so fließen, wie du erwartest. JSON-Tutorial.
3. Installier Claude Desktop und hol dir ein Claude-Abo. Das ist die Basis für die nächsten Schritte.
4. Installier den n8n-MCP-Server von Romuald Członkowski. Du fügst den GitHub-Link in Claude Desktop ein und lässt dich durch die Installation führen; er verbindet Claude direkt mit deiner n8n-Instanz. n8n-mcp.
5. Installier die n8n Claude Skills, ebenfalls von Romuald Członkowski. Damit bekommt Claude strukturiertes Wissen über n8n-Muster und Best Practices. n8n-skills.
6. Fang an, deine Workflows zu prompten. Beschreib, was du willst, und lass den MCP-Server bauen.

Warum funktioniert diese Kombination?

Weil sie das Bauen von Workflows in ein normales Gespräch verwandelt. MCP-Server, Claude Skills, ein fähiges Modell, funktionierende Templates und gute Anweisungen zusammen bedeuten, dass du nicht mehr jedes technische Detail im Kopf halten musst. Du beschreibst, was du willst, Claude versteht die Node-Struktur von n8n, der MCP-Server baut und bearbeitet den Workflow direkt, und du iterierst im Gespräch, statt dich durch Menüs zu klicken und JSON zu debuggen.

Ein echtes Beispiel für einen Prompt, der jetzt einfach funktioniert: "Bau einen Workflow, der mein Postfach scannt; wenn eine E-Mail eine Rechnung im Anhang hat, leg sie in Google Drive ab und benenn sie um in JJJJ-MM-TT Lieferantenname - Rechnungsnummer." Für mich war das Ergebnis eine Verkürzung der Lernzeit um rund 90 %. Was mich 100 Stunden gekostet hat, könnte auf diesem Weg eher 10 dauern.

Was bedeutet das für Finance-Teams?

n8n kostet rund 20 € im Monat und braucht keine Entwickler. In den Finance Operations liegen die Anwendungsfälle überall: Rechnungsverarbeitung, Reporterstellung, Datenabstimmung, Freigabe-Workflows, Dokumentenmanagement. Nichts davon scheitert mehr an Kosten oder Tooling. Die einzige echte Hürde war die Lernkurve, und die ist gerade deutlich kürzer geworden.

Wenn du beim Setup hängen bleibst, ist das eines der Dinge, für die eine AI Power Hour gut ist: Wir nehmen uns einen Workflow vor und bauen ihn gemeinsam.