KI-Agenten in Make: wann sie sich lohnen — und wann nicht
Von Manuel Gick·Zertifizierter Experte für KI & Automatisierung
In Make.com gibt es KI-Agenten — Helfer, die nicht stur einem Ablauf folgen, sondern selbst entscheiden, welchen Schritt sie als Nächstes gehen. Anfangs gab es sie nur auf Anfrage; inzwischen sind sie regulärer Bestandteil der Plattform und stehen in allen Tarifen zur Verfügung.
Dieser Beitrag zeigt, was KI-Agenten sind, wie du einen einrichtest — und vor allem, wann sie sich lohnen und wann ein normaler Ablauf die bessere Wahl ist.
Hinweis: Make entwickelt die Agenten schnell weiter und hat sie seit Erscheinen dieses Beitrags einmal grundlegend überarbeitet. Der Grundgedanke unten gilt unverändert — einzelne Menüs und Bezeichnungen können in deinem Konto abweichen.
🤖 Was ein KI-Agent ist
Ein KI-Agent ist ein Assistent, der bis zu einem gewissen Grad selbst denkt. Während ein gewöhnliches Modul stur seiner Regel folgt, entscheidet der Agent anhand deiner Anweisung und der Lage, was zu tun ist.
Du legst fest:
- welche Aufgaben er übernehmen darf
- welche Werkzeuge er dabei benutzen kann
- welche Daten er bei der Entscheidung berücksichtigt
Einmal angelegt, lässt sich ein Agent in mehreren Szenarien wiederverwenden — du baust ihn also nicht für jeden Ablauf neu.
⚙️ Einen KI-Agenten einrichten
1. Agenten auswählen oder anlegen
Du beginnst im AI-Agent-Modul und wählst dort einen Agenten — oder legst einen neuen an.
2. Werkzeuge zuweisen
Werkzeuge sind das, was der Agent bei Bedarf aufrufen darf. Zwei Wege stehen dir offen:
- Einzelne Module direkt als Werkzeug setzen — der schnellere Weg, und in den meisten Fällen der richtige. Du hängst dem Agenten zum Beispiel ein Google-Docs-Modul an, und er benutzt es, wenn es passt.
- Ganze Szenarien als Werkzeug hinterlegen — sinnvoll, wenn hinter einem Werkzeug mehrere Schritte stecken, etwa eine Recherche mit Nachbearbeitung.
In den Bildern unten siehst du den zweiten Weg: Recherche, Pflege des Kundensystems und Anlegen eines Google-Dokuments liegen jeweils als eigenes Szenario vor.
Jedes Werkzeug bekommt eine Beschreibung, damit der Agent weiß, wann er es einsetzen soll.
🔧 Praxistipp: Beschreib das Werkzeug wirklich sorgfältig — was es tut, wann es dran ist und welche Angaben es braucht. Genau daran scheitern die meisten Agenten, nicht am Modell.
3. Die Hauptanweisung schreiben
Das ist das Gehirn deines Agenten. Hinein gehören:
- eine genaue Beschreibung seiner Rolle
- Beispielaufgaben
- Regeln und Schritte, an die er sich halten soll
- Beispiele für die gewünschte Ausgabe
- eine Anweisung für den Fall, dass etwas schiefgeht
4. Einen Auslöser anbinden
Im Beispiel startet eine Slack-Nachricht den Agenten. Er liest die Nachricht und entscheidet anhand von Anweisung und Werkzeugen, was zu tun ist.
🧪 Beispiel: ein Assistent in Slack
Angenommen, du fragst in Slack: „Was sind die häufigsten Probleme von Make-Nutzern?"
Dann läuft Folgendes:
- Deine Slack-Nachricht löst den Webhook aus.
- Der Webhook reicht die Frage an den Agenten weiter.
- Der Agent sieht seine Werkzeuge durch und ruft das Wissensdatenbank-Szenario auf.
- Er holt die passenden Angaben, formatiert sie als Slack-Nachricht und schickt sie zurück.
Der Agent nannte:
- Datenverlust
- Schwierigkeiten bei der Fehlersuche
- aufwendige Fehlerbehandlung
- verwirrende Datentypen
🔄 Was dabei im Hintergrund passiert
Make lässt dich diese Zusammenarbeit über eigene Ein- und Ausgaben steuern. Übergeben kannst du zum Beispiel:
- Kennungen von Gesprächsverläufen, damit der Zusammenhang erhalten bleibt
- E-Mail-Adressen
- freie Textanweisungen
Zurück kommen strukturierte Ausgaben — als JSON, Zahl, Text oder Datum. Das ähnelt dem, was Webhooks tun, geht aber deutlich weiter.
📝 Aus einer Antwort einen Artikel machen
Eine Stufe weiter: „Kannst du diese Antwort mit einer Websuche anreichern und daraus einen Artikel mit 1.000 Wörtern machen?"
Was dann passiert:
- Der Agent ruft sein Recherche-Werkzeug auf.
- Es holt aktuelle Angaben aus dem Netz.
- Der Agent fasst zusammen und bringt das Ergebnis in Form.
- Du sagst: „Leg ein Google-Dokument an."
- Er ruft ein weiteres Werkzeug auf, das daraus ein Dokument baut.
- Das Dokument landet in Google Drive — der Link kommt zurück nach Slack.
📂 Fehler sauber abfangen
Manchmal liefert die KI das Ergebnis nicht in der erwarteten Form. Dann hilft:
- ein Fehlerbehandlungs-Modul ergänzen
- es auf fehlgeschlagene Ausgaben ansetzen
- als Rückfallebene die reine Textantwort verwenden
So bekommst du immer eine Antwort — auch wenn sie nicht perfekt formatiert ist.
🔍 Wofür sich KI-Agenten sonst eignen
✅ Termine zusammenführen: Ereignisse aus mehreren Kalendern in einer einzigen Übersicht bündeln.
✅ Anfragen einordnen: Prüfen, ob ein Absender bereits Kunde ist — und vielversprechende Anfragen automatisch nach vorne holen.
✅ Projektstand abfragen: „Zeig mir alle Projekte, die diesen Monat fertig geworden sind." Der Agent holt die Daten aus dem Projektwerkzeug und fasst sie zusammen.
✅ Kunden auf dem Laufenden halten: Erledigte Aufgaben zusammenfassen und daraus eine kurze Statusmeldung erzeugen.
💡 Agent oder fester Ablauf? Der ehrliche Vergleich
Du brauchst nicht für alles einen KI-Agenten. Oft ist ein normaler Ablauf mit einem KI-Baustein darin schneller, verlässlicher und leichter zu warten.
Ein KI-Agent passt, wenn …
- die Aufgabe offen ist und sich nicht vorher in Regeln fassen lässt
- im Ablauf je nach Lage entschieden werden muss
- du mehrere Werkzeuge flexibel kombinieren willst
Ein fester Ablauf ist besser, wenn …
- die Aufgabe klar und wiederkehrend ist
- du vorhersagbare Ergebnisse brauchst
- feste Anweisungen und Filter ausreichen
Die drei Punkte, die dabei am meisten wehtun: Ein Agent erfindet eher etwas als ein fester Ablauf, er ruft seine Werkzeuge nicht immer gleich zuverlässig auf — und er ist deutlich teurer. Ein Agenten-Durchlauf verbraucht in der Praxis ein Vielfaches der Credits eines normalen Schritts, weil zu jedem Zwischenschritt Text an das Modell geht. Ein fester Ablauf tut jedes Mal exakt dasselbe zum immer gleichen Preis — langweilig, aber berechenbar.
🎯 Deshalb der Rat: Fang mit einem festen Ablauf an. Setz den Agenten erst dazu, wenn du merkst, dass feste Regeln nicht mehr reichen.
🚀 Das Wichtigste in Kürze
KI-Agenten in Make sind mächtig und entwickeln sich schnell weiter. Aber wie jedes Werkzeug taugen sie nur so viel wie das Problem, das sie lösen.
Klein anfangen, ausbauen, wenn der Ablauf es verlangt — das ist der Weg, der in der Praxis funktioniert. Wer umgekehrt vorgeht, baut sich einen Agenten, den niemand mehr nachvollziehen kann.
Wenn du tiefer einsteigen willst: In unserem Make-Kurs (früher Integromat) lernst du Automatisierung an echten Projekten.
Und wenn du deinen KI-Agenten lieber bauen lässt: Buch unsere kostenlose Analyse — wir finden gemeinsam heraus, wo sich ein Agent für dich wirklich lohnt.
Transparenz: Die Make-Links in diesem Beitrag sind Empfehlungs-Links. Nutzt du sie, erhalten wir eine Provision — für dich ändert sich am Preis nichts. Über den Link startest du außerdem mit einem Monat Make Pro gratis. Das Angebot gibt es nur über Make-Partner und nur bei einer Neuanmeldung.
