Ein normales Make-Szenario macht immer genau das, was du ihm sagst. Schritt eins, Schritt zwei, Schritt drei. Ein KI-Agent in Make.com entscheidet dagegen selbst, welchen Weg er geht. Du gibst ihm ein Ziel und die Werkzeuge, er wählt bei jeder Anfrage, was zu tun ist. Genau darum geht es bei den KI-Agenten in Make.com: weg von starren Regeln, hin zu Automationen, die auf den Einzelfall reagieren. In diesem Artikel liest du, was ein solcher Agent wirklich ist, welche KI-Module Make heute mitbringt und wie du deinen ersten Agenten baust, ohne Entwickler zu sein.

Falls Make.com für dich neu ist: Wir haben die Grundlagen in Was ist Make.com, einfach erklärt zusammengefasst. Dieser Artikel setzt darauf auf.

Was ist ein KI-Agent in Make, und was nicht?

Stell dir den Unterschied so vor: Ein normales Szenario ist ein Kochrezept. Jeder Schritt steht fest, die Reihenfolge auch. Kommt eine Zutat rein, die im Rezept nicht vorgesehen ist, bricht der Ablauf ab oder macht Unsinn.

Ein KI-Agent ist eher ein Koch. Du sagst ihm: „Mach aus dem, was im Kühlschrank liegt, ein Mittagessen.“ Er schaut nach, was da ist, und entscheidet selbst. Technisch heißt das: Der Agent bekommt ein Ziel in normaler Sprache, dazu einen Satz Werkzeuge, also Aktionen, die er nutzen darf. Bei jeder Anfrage überlegt er, welches Werkzeug er in welcher Reihenfolge einsetzt.

Seit April 2025 gibt es diese KI-Agenten offiziell in Make. Im Februar 2026 kam die neue Generation dazu (die App „Make AI Agents (New)“, derzeit als offene Beta). Der große Schritt: Agenten sind jetzt fester Bestandteil des normalen Szenario-Builders, den du ohnehin kennst. Dazu gibt es ein sogenanntes Reasoning-Panel, also eine Ansicht, die dir in Echtzeit zeigt, wie der Agent denkt, welches Werkzeug er warum aufruft (Stand: Juli 2026; aktuelle Details siehe make.com).

Ein KI-Agent ist keine Wunderkiste. Er ersetzt kein festes Szenario, wenn der Ablauf immer gleich ist. Für „Formular abschicken, Zeile in Tabelle schreiben, E-Mail senden“ brauchst du keinen Agenten. Da ist ein normales Szenario schneller, billiger und zuverlässiger. Der Agent lohnt sich erst, wenn Entscheidungen dazukommen: Sortieren, Einschätzen, Formulieren, Zusammenfassen.

Welche KI-Module bringt Make mit?

Du kannst KI in Make auf zwei Wegen nutzen. Beide sind ohne eigenes Programmieren machbar.

Erstens: Make's AI Provider. Das ist die eingebaute KI. Sie ist auf allen Plänen verfügbar, du musst nichts extra einrichten. Praktisch für den schnellen Start, dafür rechnet Make die KI-Nutzung in seinen eigenen Verrechnungseinheiten ab (dazu unten mehr bei den Kosten).

Zweitens: dein eigener KI-Schlüssel (Bring Your Own Key). Auf den bezahlten Plänen kannst du deinen eigenen Zugang zu OpenAI, Anthropic oder Google hinterlegen. Dann läuft die KI über deinen Account, du zahlst die Rechenkosten direkt beim Anbieter, und Make berechnet nur den Aufruf. Das ist meist deutlich günstiger, wenn viel Text durch die KI läuft.

An fertigen Bausteinen bringt Make Anbindungen an die großen KI-Anbieter mit: OpenAI (die GPT-Modelle), Anthropic Claude, Google Gemini, dazu Mistral, xAI Grok und weitere. Damit deckst du die typischen Aufgaben ab: Text schreiben, zusammenfassen, übersetzen, einordnen (etwa: „ist diese Nachricht dringend?“) und Daten aus unstrukturiertem Text herausziehen. Welche Modelle konkret verfügbar sind, ändert sich laufend, ein Blick in dein Make-Konto zeigt den aktuellen Stand.

Wo lohnt sich ein KI-Agent im Mittelstand?

Der Nutzen entsteht nicht durch die Technik, sondern durch die Zeit, die du zurückbekommst. Vier Beispiele, die in kleinen und mittleren Betrieben regelmäßig funktionieren:

• E-Mail-Triage. Der Agent liest neue Nachrichten im Postfach, ordnet sie ein (Anfrage, Rechnung, Bewerbung, Reklamation) und leitet sie an die richtige Person oder Ablage weiter. Statt dass morgens jemand 40 Mails per Hand sortiert, ist das Postfach vorsortiert.
• Angebots-Entwürfe. Kommt eine Anfrage rein, zieht der Agent die relevanten Eckdaten heraus und baut einen ersten Angebotstext. Nicht zum Blind-Versenden, sondern als Rohentwurf, den ein Mensch in zwei Minuten prüft und freigibt.
• Support-Antworten. Für wiederkehrende Fragen entwirft der Agent eine Antwort auf Basis deiner Hilfe-Texte. Dein Team liest gegen und schickt ab. Das spart die immer gleichen Tipparbeiten.
• Daten-Extraktion. Aus PDFs, Bestellungen oder E-Mails zieht der Agent die Felder heraus, die du brauchst (Name, Menge, Liefertermin), und schreibt sie sauber in deine Tabelle oder dein System.

Der rote Faden: Der Agent macht die Vorarbeit, der Mensch entscheidet. Genau in dieser Aufteilung liegt der Gewinn, ohne das Risiko, dass eine Maschine ungeprüft nach außen kommuniziert. Wie sich das grundsätzlich auf Prozesse übertragen lässt, zeigen wir in Geschäftsprozesse mit KI automatisieren.

Einen einfachen KI-Agenten bauen: das Konzept

Du brauchst dafür keinen Code. Der Ablauf ist in jedem der Beispiele oben ähnlich. Nimm die E-Mail-Triage als roten Faden:

1. Ziel festlegen. Beschreibe in einem Satz, was der Agent erreichen soll. Zum Beispiel: „Ordne jede neue E-Mail einer von vier Kategorien zu und leite sie passend weiter.“
2. Werkzeuge geben. Lege fest, was der Agent tun darf: die Mail lesen, eine Kategorie vergeben, eine Nachricht in ein Postfach oder einen Kanal legen. Nur diese Werkzeuge, nicht mehr. Weniger ist hier sicherer.
3. Anweisung schreiben. Sag dem Agenten in normaler Sprache, wie er entscheiden soll. „Rechnungen erkennst du an Betrag und Rechnungsnummer. Bewerbungen an Anhang und Stichworten wie Lebenslauf.“ Je klarer die Regeln, desto verlässlicher das Ergebnis.
4. Auslöser einbauen. Der Agent soll starten, sobald eine neue Mail eintrifft. Das ist ein ganz normaler Auslöser, wie du ihn aus jedem Szenario kennst.
5. Testen mit dem Reasoning-Panel. Schick ein paar echte Beispiele durch und schau im Reasoning-Panel nach, warum der Agent so entschieden hat. Passt etwas nicht, schärfst du die Anweisung nach. Das ist der wichtigste Schritt, plane dafür Zeit ein.

Fang klein an. Ein Agent, eine klar umrissene Aufgabe, wenige Werkzeuge. Erst wenn das sauber läuft, baust du aus.

KI-Agent mit CRM und Support verbinden

Ein Agent entfaltet seinen Wert erst, wenn er an deine Systeme angeschlossen ist. Make bindet über 3.000 Apps an, dein CRM und dein Support-Tool sind mit hoher Wahrscheinlichkeit dabei.

Ein Beispiel aus der Praxis: Ein neuer Lead landet über ein Formular oder eine Anzeige in deinem System. Der Agent liest die Angaben, schätzt ein, wie gut der Lead passt, und schreibt Kategorie plus eine kurze Notiz direkt in den CRM-Datensatz. Dein Vertrieb sieht auf einen Blick, wo er zuerst anrufen sollte. Wie die reine Weiterleitung von Leads ohne KI aussieht, zeigen wir in Facebook-Leads ins CRM automatisieren, der Agent setzt genau da an und ergänzt die Einschätzung.

Im Support gilt dasselbe Prinzip: Ticket kommt rein, Agent entwirft die Antwort und hängt sie als internen Vorschlag ans Ticket. Dein Team gibt frei oder ändert. Der Mensch bleibt in der Schleife, die Routine übernimmt die Maschine.

Was kostet das, und wo sind die Grenzen?

Bei den Kosten gibt es zwei Töpfe. Erstens die Make-Verrechnung: Jede Aktion verbraucht Verrechnungseinheiten, die meisten eine, KI-Aktionen über Make's eigenen AI Provider deutlich mehr. Zweitens, wenn du deinen eigenen KI-Schlüssel nutzt, die Kosten beim KI-Anbieter selbst, abgerechnet nach Textmenge (im Fachjargon „Token“). Der praktische Rat: Läuft viel Text durch die KI, ist der eigene Schlüssel meist günstiger, weil Make dann nur den Aufruf berechnet statt der teureren Komplett-Verrechnung. Konkrete Preise gerundet und mit Vorsicht behandeln, sie ändern sich, verbindlich ist immer die offizielle Seite make.com/pricing (Stand: Juli 2026).

Wichtiger als der Preis sind die Grenzen. Drei musst du kennen:

• Halluzinationen. KI kann Dinge selbstbewusst erfinden, die falsch sind. Ein Angebotstext, in dem ein Preis frei erfunden ist, richtet Schaden an. Deshalb: KI-Entwürfe, die nach außen gehen, immer von einem Menschen prüfen lassen.
• Kosten laufen leise mit. Ein Agent, der bei jeder Mail mehrere KI-Aufrufe macht, summiert sich. Setz von Anfang an Grenzen und behalte den Verbrauch im Blick.
• Wo der Mensch bleiben muss. Alles mit rechtlicher, finanzieller oder vertraglicher Wirkung gehört nicht in die alleinige Hand eines Agenten. Verträge, Zahlungen, verbindliche Zusagen, das entscheidet ein Mensch.

Die Faustregel: Der Agent bereitet vor und schlägt vor. Freigeben tut der Mensch, überall dort, wo ein Fehler teuer wäre.

DSGVO bei KI-Automationen

Sobald personenbezogene Daten durch eine KI laufen, greift die DSGVO. Das betrifft praktisch jeden der Anwendungsfälle oben, denn E-Mails und Leads enthalten Namen und Kontaktdaten. Drei Best-Practice-Punkte, an denen du dich orientieren kannst:

• Auftragsverarbeitungsvertrag (AVV). Mit Make und mit dem KI-Anbieter, dessen Schlüssel du nutzt, sollte ein AVV vorliegen. Prüfe, ob er alle eingesetzten Dienste abdeckt.
• Hosting und Region prüfen. Make weist Zertifizierungen wie ISO 27001 und SOC 2 aus und bezeichnet sich als DSGVO-konform. Trotzdem können Daten in Drittländer übertragen werden. Kläre, wo deine Daten verarbeitet werden und ob eine EU-nahe Verarbeitung möglich ist.
• Datensparsamkeit. Gib dem Agenten nur die Daten, die er für die Aufgabe wirklich braucht. Je weniger personenbezogene Daten durch die KI laufen, desto einfacher die Lage.

Ein Hinweis in aller Klarheit: Das hier ist keine Rechtsberatung, sondern eine Sammlung sinnvoller Vorsichtsmaßnahmen. Für den verbindlichen Rahmen sprich mit deinem Datenschutzbeauftragten oder einer Fachanwältin.

Wenn du KI-Agenten in deinem Betrieb einsetzen willst, aber nicht bei null anfangen möchtest: Wir bauen genau solche Automationen. Ein Blick auf unsere Leistungen zeigt dir, wie das abläuft.

Häufige Fragen

Brauche ich Programmierkenntnisse, um einen KI-Agenten in Make zu bauen?

Nein. Agenten baust du im visuellen Szenario-Builder zusammen, ganz ohne Code. Du legst Ziel, Werkzeuge und Anweisung in normaler Sprache fest. Etwas Einarbeitung braucht es trotzdem, vor allem beim Formulieren guter Anweisungen und beim Testen.

Was ist der Unterschied zwischen einem KI-Agenten und einem normalen Szenario?

Ein Szenario folgt einem festen Ablauf, immer gleich. Ein KI-Agent entscheidet bei jeder Anfrage selbst, welchen Weg er geht. Für gleichbleibende Abläufe ist das Szenario besser. Sobald Einschätzen, Sortieren oder Formulieren dazukommt, spielt der Agent seine Stärke aus.

Kann ich mein eigenes KI-Modell wie ChatGPT oder Claude verwenden?

Ja. Auf den bezahlten Plänen hinterlegst du deinen eigenen Zugang zu OpenAI, Anthropic oder Google. Dann läuft die KI über deinen Account, du zahlst die Rechenkosten direkt beim Anbieter, was bei viel Textdurchsatz meist günstiger ist.

Ist der Einsatz von KI-Agenten DSGVO-konform?

Er kann es sein, wenn du die Rahmenbedingungen einhältst: Auftragsverarbeitungsvertrag mit allen Diensten, Klarheit über die Verarbeitungsregion und Datensparsamkeit. Make weist entsprechende Zertifizierungen aus. Für den verbindlichen Rahmen ziehst du deinen Datenschutzbeauftragten hinzu, das hier ist keine Rechtsberatung.