Make oder n8n für KI-Agenten?

Sobald ein Workflow nicht mehr nur Daten weiterreicht, sondern selbst entscheidet, welches Tool als Nächstes drankommt, sprechen Make und n8n von einem KI-Agenten. Beide Plattformen bieten dafür einen eigenen Baustein, beide bewerben ihn als Kernfunktion für 2026, aber die Unterschiede stecken im Detail: wie der Agent aufgebaut wird, was ein einzelner Lauf kostet und wie viel Kontrolle Du über die Infrastruktur behältst, auf der Deine Daten durch ein Sprachmodell laufen.

Dieser Artikel schaut bewusst nur auf den KI-Agenten-Blickwinkel, nicht auf den allgemeinen Funktionsvergleich der beiden Tools. Wer grundsätzlich zwischen Make und n8n als Automatisierungsplattform abwägt, findet dazu eine eigene Gegenüberstellung; hier geht es konkret darum, was passiert, sobald ein Agent eigenständig Tools aufruft und Entscheidungen trifft.

Wie KI-Agenten in n8n und Make aufgebaut sind

In n8n baust Du einen Agenten über den AI Agent Node. Der Node verbindet ein Chat-Modell mit mindestens einem Tool-Sub-Node; erst dadurch kann der Agent selbst auswählen, welches Tool für die jeweilige Aufgabe passt, statt eine feste Kette von Schritten abzuarbeiten. Seit Version 1.82.0 laufen alle Agenten als sogenannter Tools Agent, ältere Konfigurationsvarianten wurden vereinheitlicht. Die Funktionsweise erklärt n8n selbst so: Ein Agent ist im Kern eine Kette, die zusätzlich Entscheidungen treffen kann, inklusive Tool-Aufruf, Auswertung der Tool-Antwort und finaler Antwortformulierung, teils über mehrere Durchläufe hinweg. Details dazu findest Du in der n8n-Dokumentation zum AI Agent Node und in der Erklärung, was Agenten in n8n tatsächlich tun.

Make geht einen ähnlichen Weg, aber mit eigener Terminologie: Make AI Agents setzen auf Ziele, Prompts und Daten in Echtzeit statt auf starre Logikpfade, laut Anbieter mit Schritt-für-Schritt-Protokollierung direkt im Canvas. Du kannst zwischen Makes eigenem KI-Provider und einem eigenen API-Key etwa von OpenAI oder Anthropic Claude wählen. Auch Make erlaubt es, unstrukturierte Eingaben, Dateien und Gesprächsverlauf in die Entscheidung einzubeziehen, das Prinzip ähnelt dem Tool-Aufruf-Muster von n8n, nur eben innerhalb der Make-eigenen Szenario-Logik.

Was ein KI-Agenten-Lauf wirklich kostet

Hier trennen sich die Preismodelle spürbar. n8n Cloud rechnet pro Ausführung: Ein kompletter Workflow-Lauf zählt als eine Ausführung, unabhängig davon, wie viele Nodes oder Tool-Aufrufe darin stecken. Der Starter-Plan liegt laut aktueller n8n-Preisseite bei 20 Euro im Monat für 2.500 Ausführungen, der Pro-Plan bei 50 Euro für 10.000 Ausführungen; beide Cloud-Pläne enthalten zusätzlich ein Kontingent an AI Credits für die in n8n Cloud eingebauten KI-Funktionen (Starter rund 2.300, Pro bis zu 13.700). Beim Business-Plan ab 667 Euro im Monat steht an dieser Stelle noch "AI Assistant coming soon".

Bei Make wird nicht pro Ausführung, sondern pro Credit abgerechnet, und ein Agenten-Lauf verbraucht deutlich feingranularer als ein klassisches Szenario. Laut dem Make Help Center zum Credit-Verbrauch von AI Agents kostet das Ausführen eines Agenten mit Makes eigenem KI-Provider 1 Credit pro Operation plus zusätzliche Credits nach verbrauchten KI-Token; nutzt Du stattdessen einen eigenen Provider-Zugang, fällt nur 1 Credit pro Operation an, dafür trägst Du die Modellkosten separat beim jeweiligen Anbieter. Bei Chat-Interaktionen kommt zusätzlich ein Credit pro aufgerufenem Tool dazu. In der Praxis heißt das: Jeder Reasoning-Schritt und jeder Tool-Aufruf wird einzeln mitgezählt, ein Agenten-Lauf kann dadurch spürbar mehr Credits ziehen als ein vergleichbares klassisches Szenario ohne KI. Die aktuellen Tarife selbst findest Du auf der Make-Preisseite: Free mit 1.000 Credits, Core ab 9 Dollar im Monat, Pro ab 16 Dollar, Teams ab 29 Dollar, jeweils für 10.000 Credits im Monat, Make AI Agents stehen dabei schon im kostenlosen Plan zur Verfügung.

Kontrolle über Daten und Infrastruktur

Für KI-Agenten ist diese Frage besonders relevant, weil Prompts, Zwischenergebnisse und Tool-Antworten oft sensible Geschäftsdaten enthalten. n8n lässt Dich hier wählen: Neben n8n Cloud kannst Du die Community Edition komplett selbst hosten, kostenlos und mit unbegrenzten Ausführungen, entweder über npm, Docker oder bei den gängigen Cloud-Anbietern. Die n8n-Dokumentation zum Self-Hosting beschreibt die Installationswege im Detail; wichtig zu wissen ist, dass alle Editionen auf demselben Kernprodukt basieren und Business- oder Enterprise-Funktionen erst über einen Lizenzschlüssel dazukommen. Läuft der Agent auf eigener Infrastruktur, bleibt nur der eigentliche Modellaufruf beim gewählten KI-Anbieter, der Rest der Verarbeitung findet in Deiner eigenen Umgebung statt. Du behältst damit die Kontrolle darüber, wo Deine Daten liegen und wer Zugriff auf die Ausführungshistorie hat.

Make bietet diesen Weg nicht an. Scenarios und Agenten laufen ausschließlich in der Make-Cloud, Du kannst zwar den KI-Provider und damit den Ort der Modellverarbeitung wählen, die Automatisierungsplattform selbst bleibt aber immer Makes eigene Infrastruktur. Für viele Anwendungsfälle ist das unproblematisch, bei besonders sensiblen Prozessen oder strengen internen Vorgaben zur Datenverarbeitung ist es aber ein Punkt, den Du vorab klären solltest.

Für wen sich welches Tool eignet

• Make punktet, wenn Du schnell startest, kein eigenes Hosting betreiben willst und der Agent in ein bestehendes Set aus über 400 angebundenen Apps eingebettet werden soll.
• n8n lohnt sich, wenn Du absehbar viele Agenten-Läufe fährst, planbare Kosten pro Ausführung statt kleinteiliger Credit-Abrechnung willst oder aus Datenschutz- beziehungsweise Compliance-Gründen selbst hosten musst.
• Bei beiden Tools gilt: Der eigentliche Kostentreiber ist meist nicht die Plattformgebühr, sondern das gewählte Sprachmodell dahinter, deshalb lohnt sich ein Blick auf die Modellwahl, bevor ein Agent produktiv geht.

Wenn Du unsicher bist, welches Setup zu Deinem Anwendungsfall passt, hilft ein Blick in unsere Beratung zu KI-Agenten: Dort klären wir vorab, ob sich Cloud oder Self-Hosting für Deinen Fall rechnet, bevor die erste Zeile Workflow gebaut wird.

Häufige Fragen

Kann ich bei Make einen eigenen OpenAI- oder Claude-Key statt Makes KI-Provider nutzen?

Ja. Wählst Du in der Make AI Agents App einen eigenen Provider-Zugang, zahlst Du laut Make Help Center nur 1 Credit pro Operation statt zusätzlicher Token-Credits, trägst dafür aber die Modellkosten direkt beim jeweiligen KI-Anbieter.

Zählt bei n8n jeder Tool-Aufruf eines Agenten als eigene Ausführung?

Nein. Ein kompletter Workflow-Lauf gilt als eine Ausführung, egal wie oft der Agent innerhalb dieses Laufs Tools aufruft oder Zwischenschritte durchläuft. Das macht die Kosten pro Agenten-Aktion planbarer als bei einer reinen Credit-Abrechnung.

Kann ich Make wie n8n selbst hosten?

Nein. Make läuft ausschließlich in der Make-Cloud. n8n bietet dagegen mit der Community Edition eine kostenlose, selbst gehostete Variante an, die Du über npm, Docker oder gängige Cloud-Anbieter betreiben kannst.

Brauche ich für einen einfachen KI-Agenten schon einen kostenpflichtigen Plan?

Bei Make nicht zwingend: Make AI Agents stehen laut Preisseite bereits im kostenlosen Plan mit 1.000 Credits im Monat zur Verfügung, allerdings limitiert auf zwei aktive Szenarien. Bei n8n reicht für erste Tests die kostenlose Community Edition im Self-Hosting; in n8n Cloud ist ab dem Starter-Plan ein Ausführungskontingent inklusive AI Credits enthalten.

Was kostet mehr: ein Agenten-Lauf bei Make oder eine Ausführung bei n8n?

Das lässt sich nicht pauschal beantworten, weil die Abrechnungseinheiten unterschiedlich sind: n8n zählt ganze Workflow-Läufe, Make zählt einzelne Operationen plus Token- und Tool-Aufrufe. Bei komplexen Agenten mit vielen Tool-Aufrufen pro Lauf verbraucht Make in der Regel mehr Credits als ein vergleichbar aufwendiger n8n-Workflow an Ausführungen, weil jeder Zwischenschritt separat mitgezählt wird.