⚡ · Open-Source Automation

n8n Workflows: Automatisierung ohne Vendor-Lock-in

n8n ist meine Automatisierungszentrale – selbst gehostet, keine Datenweitergabe, keine künstlichen Limits. Was Make und Zapier können, kann n8n auch. Nur dass bei n8n die Daten auf dem eigenen Server bleiben.

self-hosted Webhooks KI-Nodes Docker Open Source

Was ist n8n und warum self-hosted?

n8n ist eine Open-Source-Workflow-Automatisierungsplattform. Visuell, verbindet über 400 Apps und Services, unterstützt Webhooks, Cron-Jobs, HTTP-Requests, Datenbanken und seit Version 1.x auch native KI-Nodes für Sprachmodelle und Agenten.

Der entscheidende Unterschied zu Make oder Zapier: Bei n8n betreibst du die Software selbst – auf einem eigenen Server oder Docker-Container. Das bedeutet:

Keine Datenweitergabe an Drittanbieter – alle Workflow-Daten bleiben auf deinem Server
Keine künstlichen Limits bei Ausführungen oder Workflows (nur durch deine Hardware begrenzt)
Kein monatliches SaaS-Abo – einmalig aufsetzen, dann läuft es
Volle Kontrolle über Versionen, Backups und Erweiterungen

Für KI-Automatisierungen ist das ideal: sensible Daten, die durch ein Sprachmodell laufen, verlassen nie die eigene Infrastruktur.

Praktische n8n-Workflows: Was ich tatsächlich betreibe

Ein paar Workflows aus meiner täglichen Praxis – von einfach bis komplex:

Webhook → LLM → Slack: Eingehende Anfragen werden per Prompt klassifiziert und gefiltert – nur relevante landen als Nachricht im Channel.
RSS-Monitor → Zusammenfassung: Neue Artikel aus Tech-Feeds werden täglich zusammengefasst und als E-Mail-Digest ausgeliefert.
Git-Webhook → Deploy-Trigger: Push auf main löst automatisch einen Build-Prozess aus – ohne CI/CD-Overhead.
Home Automation Bridge: n8n als Middleware zwischen Home Assistant und externen APIs – z.B. Wetter-API → Heizungs-Automation.
Täglicher Server-Report: Cron-Job aggregiert Log-Daten, lässt ein LLM eine Zusammenfassung generieren und schickt sie per Telegram.

n8n mit Docker aufsetzen

Der schnellste Weg zu einem funktionierenden n8n-Setup ist Docker Compose. Ich betreibe n8n hinter Traefik als Reverse Proxy – aber für den Start reicht ein einfaches Setup mit direktem Port-Mapping:

# docker-compose.yml (minimales Setup)
services:
  n8n:
    image: n8nio/n8n:latest
    restart: unless-stopped
    ports:
      - "5678:5678"
    environment:
      - N8N_HOST=deine-domain.de
      - N8N_PROTOCOL=https
      - WEBHOOK_URL=https://deine-domain.de/
      - GENERIC_TIMEZONE=Europe/Berlin
    volumes:
      - n8n_data:/home/node/.n8n

volumes:
  n8n_data:
          

Wichtige Einstellungen für den Produktivbetrieb: Aktiviere Authentifizierung (N8N_BASIC_AUTH_ACTIVE=true), richte regelmäßige Backups des n8n_data-Volumes ein und begrenze die Queue-Größe bei hohem Workflow-Volumen. Mehr zum Thema Server-Setup unter Server & Docker.

Für KI-Workflows brauchst du außerdem den Ollama-Endpunkt oder einen API-Key im n8n-Credential-Store. n8n unterstützt OpenAI, Anthropic, Google Gemini und via HTTP-Node auch selbst gehostete Modelle.

Häufige Fragen zu n8n

Ist n8n kostenlos?

Die Community Edition von n8n ist kostenlos und Open Source (fair-code Lizenz). Self-hosting bedeutet: du zahlst nur für den Server. Es gibt auch eine Cloud-Version von n8n mit monatlichen Gebühren – aber warum zahlen, wenn man Docker hat?

n8n vs. Make vs. Zapier – was soll ich nehmen?

Make und Zapier sind Cloud-Services – einfacher zu starten, aber monatliche Kosten und Datenweitergabe. n8n self-hosted ist aufwändiger einzurichten, gibt aber volle Kontrolle, ist kostenlos im Betrieb und ideal für sensible Daten. Meine Empfehlung: wer einen Server hat oder Docker kennt, nimmt n8n.

Kann n8n auch mit lokalen KI-Modellen arbeiten?

Ja – über den HTTP-Node oder die native Ollama-Integration. Du rufst einfach den lokalen Ollama-API-Endpunkt auf und gibst deinen Prompt mit. Das ist meine bevorzugte Kombination für datenschutzsensible KI-Automatisierungen. Mehr dazu unter Lokale LLMs.

Wie zuverlässig ist n8n im Produktivbetrieb?

Sehr zuverlässig – wenn man es richtig einrichtet. Wichtig: Execution-Logs aktivieren, Fehler-Notifications einrichten (z.B. bei fehlgeschlagenem Workflow eine Telegram-Nachricht) und regelmäßige Backups der Workflow-Daten. Ich betreibe n8n seit über einem Jahr ohne nennenswerte Probleme.