KI - Workflow & Automatisierung.

Automatisierung verstehen: Konzepte, Tools & Markt Du unterscheidest regelbasierte und KI-gestützte Workflows, vergleichst die wichtigsten Automatisierungsplattformen (n8n, Power Automate, Make, Zapier) anhand konkreter Kriterien und triffst für einen Use Case eine begründete Plattform-Entscheidung.

n8n-Quickstart: Integration Platform as a Service Du richtest Deine persönliche n8n-Umgebung ein, navigierst sicher durch Nodes, Trigger, Verbindungen, Data Tables und Executions und beherrschst die Grundlagen des Debuggings.

Dein Lernziel: Aktuelle Automatisierungsplattformen einordnen, den Unterschied zwischen regelbasierten und KI-gestützten Workflows verstehen und Deine eigene n8n-Umgebung sicher bedienen können.

Trigger & Anbindungen Du wählst den passenden Trigger-Typ (manuell, Cron, Webhook, App-Trigger) für einen Use Case aus, richtest ihn in n8n ein und leitest Trigger-Daten gezielt in Nodes weiter.

Daten verstehen & transformieren Du verstehst das n8n-Datenmodell (Items, Felder, JSON-Pfade), liest und schreibst verschachtelte JSON-Strukturen und verbindest Apps Ende-zu-Ende, vom Eingang bis zum Datenbank-Eintrag.

Workflow-Logik & bedingte Pfade Du implementierst bedingte Logik mit IF- und Switch-Nodes, baust Eskalations- und Routing-Pfade auf und führst parallele Pfade mit Merge-Nodes sauber zusammen.

Robuste Workflows & Fehlerbehandlung Du sicherst Workflows gegen typische Fehlerquellen ab (Error-Workflows, Retries, Rate-Limit-Strategien), liest Execution-Logs gezielt aus und hältst Workflows durch Naming-Konventionen und Dokumentation wartbar.

Dein Lernziel: n8n als Automatisierungsplattform sicher beherrschen, von Triggern über das Datenmodell und die Verzweigungslogik bis zu robusten, wartbaren Workflows. Erst danach kommt im nächsten Modul die KI dazu.

APIs & Authentifizierung Du bindest REST-APIs mit unterschiedlichen Auth-Methoden (API-Key, Basic Auth, Bearer Token, OAuth) in n8n ein und diagnostizierst typische Auth- und Rate-Limit-Fehler.

Tabellen als Datenquelle & -ziel Du setzt Excel und Google Sheets als pragmatische Datenbank ein, als Quelle, Ziel und Lookup-Tabelle, und erkennst, wann eine vollwertige Datenbank sinnvoller ist.

Daten aufbereiten & zusammenführen Du baust einfache ETL-Pipelines in n8n auf: Daten extrahieren, vereinheitlichen, deduplizieren, anreichern und ins Zielsystem laden, überwiegend ohne eigenen Code.

Dein Lernziel: Externe Datenquellen und APIs sicher anbinden und Daten ohne Programmierung so aufbereiten, dass sie ein solides Fundament für KI-gestützte Workflows bilden.

LLM-Nodes in n8n Du konfigurierst LLM-Nodes und Credentials in n8n, setzt Deinen ersten KI-Workflow um und strukturierst LLM-Outputs zuverlässig als JSON für die Weiterverarbeitung.

Prompt Engineering vertieft Du setzt fortgeschrittene Prompt-Techniken (Rollenanweisungen, System-/User-Prompt-Trennung, Parametersteuerung) gezielt ein und iterierst Prompts systematisch auf Qualität und Reproduzierbarkeit.

Modelle, Tokens & Kosten Du schätzt den Token-Verbrauch von Prompts ein, wählst Modelle nach Kosten-, Latenz- und Qualitätskriterien aus und vergleichst proprietäre KI-Modelle anhand konkreter Prompts.

Produktive KI-Workflows Du baust wiederverwendbare Prompt-Bibliotheken auf, verkettest mehrere LLM-Nodes zu robusten mehrstufigen Workflows und behebst typische Fehler wie Kontext-Overflow oder JSON-Parse-Fehler.

Dein Lernziel: Prompt Engineering, Token-Ökonomie und LLM-Nodes so kombinieren, dass generative KI zuverlässig und kosteneffizient in produktiven n8n-Workflows läuft.

Erster Agent in n8n Du baust Deinen ersten KI-Agenten in n8n von Grund auf und erweiterst ihn schrittweise vom Hello-World-Agenten über Tools und Memory bis zum Multi-Tool-Agenten.

Anbindung von Speicher & Wissen Du rüstest Agenten mit Gedächtnis und Wissen aus: Du konfigurierst Short- und Long-Term-Memory und baust RAG-Pipelines für große Datenmengen auf.

Einbindung von Werkzeugen und Integrationen (Tool-Use) Du erschließt die Function-Calling-Schnittstelle, formulierst System-Prompts für angebundene Tools und kapselst Geschäftslogik deterministisch in Sub-Workflows als Tools.

Agenten-Verhalten verstehen & steuern Du liest den Execution-Log Deines Agenten, diagnostizierst Fehler forensisch, sicherst den Agenten mit Fail-safes ab und integrierst ein Kosten-Monitoring über die OpenRouter Pricing API.

Dein Lernziel: KI-Agenten in n8n eigenständig konzipieren, mit Werkzeugen, Gedächtnis und RAG-Wissen ausstatten und produktionsnah für Geschäftsprozesse nutzbar machen.

Analyse realer KI-Projekte Du untersuchst Erfolgs- und Misserfolgsbeispiele aus verschiedenen Branchen im Detail und leitest zentrale Erkenntnisse ab.

Schlüssel zum Erfolg Du identifizierst Erfolgsfaktoren wie klare Ziele, Datenqualität und Management-Support und dokumentierst sie.

Interaktive Gruppenaufgabe Du wertest Kurzfallstudien aus, arbeitest Erfolgsfaktoren und Fehler heraus und vergleichst sie im Plenum.

Branchenübergreifender Lerntransfer Du überträgst Best Practices auf Deine Organisation und erkennst Lücken in bestehenden Strukturen.

Ressourcen und Community Du lernst relevante Quellen, Konferenzen und Communities kennen, um kontinuierlich von Praxisprojekten zu lernen.

Dein Lernziel: Erfolgsfaktoren und Stolpersteine von KI-Projekten erkennen und für eigene Initiativen gezielt nutzbar machen.

Qualität & Validierung von KI-Outputs Du bewertest KI-Outputs systematisch nach Faktentreue, Konsistenz und Format-Stabilität, sicherst Workflows mit JSON-Schema-Validation und Plausibilitätschecks ab und erkennst Bias sowie Halluzinationen.

Sicherheit & Compliance Du identifizierst personenbezogene Daten in KI-Workflows, wählst DSGVO-konforme LLM-Lösungen aus (Personenbezug, AVV, EU-Hosting) und wendest Anonymisierung sowie Pseudonymisierung pragmatisch an.

Workflows verbessern & wartbar machen Du erkennst Workflow-Schwachstellen systematisch, wendest Refactoring-Patterns an (Sub-Workflow-Extraktion, Config-Externalisierung) und etablierst Standards für Naming, Dokumentation und Testing.

KI-gestütztes Refactoring & Workflow-Generierung Du konfigurierst n8n als MCP-Server, lässt Workflows von einem LLM-Client generieren und refactoren und reviewst das Ergebnis kritisch gegen Qualitäts- und Sicherheitskriterien.

Prozesse modellieren mit BPM-Tools Du beherrschst die BPMN-2.0-Grundnotation und dokumentierst eigene n8n-Workflows mit dem kostenlosen Tool bpmn.io als nachvollziehbare Prozessdiagramme.

Dein Lernziel: Deine Workflows auf Output-Qualität, DSGVO-Konformität und Wartbarkeit prüfen, gezielt refactoren und mit BPMN so dokumentieren, dass sie unabhängig von n8n kommunizierbar sind.

Theoretische Prüfung Du bewertest Deinen eigenen Kompetenzstand anhand des Modul-Katalogs und absolvierst den theoretischen Teil der Abschlussprüfung in vier thematischen Multiple-Choice-Quizzen.

Projekt-Briefing & Konzeption Du formulierst einen realistisch gescopten Projekt-Steckbrief (Use-Case, Stakeholder, Erfolgskriterien, Sprint-Plan) und prüfst Machbarkeit sowie Datenverfügbarkeit vor dem Start.

Implementation Du setzt Deine Automatisierungslösung in vier Sprints um: vom Trigger und Datenfluss über KI-Integration und Output-Validation bis zu Edge-Case-Handling, Monitoring und DSGVO-Härtung. Dabei verbesserst Du sie iterativ durch Peer-Reviews.

Präsentation & Reflexion Du präsentierst Dein Projekt live (Use-Case, Architektur, Demo, Q&A) und reflektierst strukturiert, was gut lief, was schwierig war und was Du beim nächsten Projekt anders machen würdest.