Irgendwann stößt jedes wachsende Unternehmen an dieselbe Grenze: Leads landen in einem Tool, Rechnungen in einem zweiten, Support-Tickets in einem dritten – und Mitarbeitende kopieren Daten von Hand hin und her. Automatisierungsplattformen versprechen Abhilfe, und 2026 versprechen alle drei Marktführer zusätzlich KI-Agenten. Die Wahl zwischen n8n, Make und Zapier wirkt wie Geschmackssache. Ist sie aber nicht. Die Plattformen unterscheiden sich darin, wie sie abrechnen, wo Ihre Daten liegen, wie weit KI-Schritte gehen können und wer das Ergebnis in einem Jahr noch warten kann.
Dieser Leitfaden vergleicht die drei nach den Kriterien, die in echten Projekten den Ausschlag geben: Abrechnungseinheit, KI-Funktionen, Datenschutz, Skalierbarkeit und Gesamtkosten. Am Ende finden Sie einen Auswahlprozess, den Sie in einer Woche durchziehen können, und die Fehler, die wir am häufigsten sehen.
Die Kurzfassung
Wenn Sie nur einen Abschnitt lesen, dann diesen:
- Zapier ist der schnellste Weg für kleine Teams ohne Entwickler, gängige SaaS-Tools zu verbinden. Teuer wird es, wenn Workflows viele Schritte haben oder tausendfach laufen.
- Make passt zu Teams, die visuell denken und Verzweigungen, Schleifen und Datentransformation brauchen – betreut eher von einer Ops-Person als von einem Entwickler.
- n8n ist die Standardwahl für technisch geprägte Teams, KI-lastige Workflows, hohe Volumina und Unternehmen, die kontrollieren müssen, wo Daten verarbeitet werden. Die Plattform belohnt technisches Können und bestraft dessen Fehlen.
Der Rest des Artikels begründet das – mit Zahlen.
Was sich 2026 geändert hat
Drei Entwicklungen machen diesen Vergleich anders als den, den Sie vielleicht vor zwei Jahren gelesen haben.
n8n ist zum Agentur-Standard geworden. Die Bewertung stieg von 2,5 Mrd. US-Dollar im Oktober 2025 auf 5,2 Mrd. US-Dollar nach einer strategischen Investition von SAP im Mai 2026; n8n wird in SAP Joule Studio integriert. Das Unternehmen meldet 1,7 Mio. monatlich aktive Entwickler und über 1.400 Enterprise-Kunden (Tech.eu). Der Umsatz wird auf rund 100 Mio. US-Dollar ARR geschätzt (Sacra).
Jede Plattform verkauft jetzt KI-Agenten. Zapier hat Agents und einen MCP-Zugang eingeführt, Make wirbt mit KI-Agenten und agentischer Automatisierung, n8n liefert Agenten- und LLM-Nodes. Gleichzeitig warnen Analysten vor inflationärem Gebrauch des Begriffs: Gartner erwartet, dass mehr als 40 % der Agentic-AI-Projekte bis Ende 2027 eingestellt werden, und schätzt, dass nur rund 130 der Tausenden selbsternannten Agenten-Anbieter echte Agentenfähigkeit liefern (SD Times). Laut Menlo Ventures sind nur 16 % der Unternehmenseinsätze echte Agenten; der Rest sind feste Schrittfolgen oder Routing rund um einen einzigen Modellaufruf (Menlo Ventures).
MCP ist der Standard, um Agenten an Systeme anzubinden. Das Model Context Protocol wurde am 9. Dezember 2025 an die Agentic AI Foundation unter dem Dach der Linux Foundation übergeben, inzwischen gibt es über 10.000 öffentliche MCP-Server (MCP-Blog). Automatisierungsplattformen werden damit zu Werkzeuglieferanten für Agenten, nicht nur zu Datenpipelines. Wie das Protokoll funktioniert, erklären wir in MCP erklärt: KI-Agenten sicher an Ihre Systeme anbinden.
So rechnen die Plattformen ab
Die Abrechnungseinheit ist der am meisten unterschätzte Unterschied. Sie entscheidet, ob ein Workflow 20 € oder mehrere Hundert Euro im Monat kostet.
| Zapier | Make | n8n | |
|---|---|---|---|
| Abrechnungseinheit | Task: jeder erfolgreiche Aktionsschritt | Credit: die meisten Aktionen kosten 1 Credit | Ausführung: ein kompletter Workflow-Lauf |
| Was nicht zählt | Trigger, fehlgeschlagene Aktionen, Filter, Formatter, Paths, Delay und andere Bordmittel | Router und Fehlerbehandlung | Anzahl der Schritte und Datenvolumen |
| Gratis-Stufe | 100 Tasks/Monat, zweistufige Zaps, Abfrage alle 15 Minuten | 1.000 Credits/Monat | Community Edition, selbst gehostet |
| Einstiegstarif | Pro ab 19,99 $/Monat (jährlich) für 750 Tasks; Team ab 69 $/Monat für 2.000 Tasks | Core, Pro und Teams, Preis je nach Credit-Volumen im Tarifrechner | Starter 20 €/Monat (jährlich) für 2.500 Ausführungen; Pro 50 € für 10.000 |
| KI-spezifische Abrechnung | KI-Schritte nach Modellstufe; Agents separat in „Activities“ (400 gratis, 1.500 im Pro-Tarif ab ca. 33,33 $/Monat) | KI-Funktionen über Makes eigenen KI-Anbieter können mehr als 1 Credit kosten | Modellkosten zahlen Sie direkt an Ihren LLM-Anbieter |
| Überschreitung | Pay-per-Task zum 1,25-fachen (jährlich) bzw. 2,5-fachen (monatlich) Basispreis, Stopp beim 3-fachen | Zusatzpakete mit 1.000 oder 10.000 Credits | Business-Tarif: 4.000 € pro 300.000 zusätzliche Ausführungen |
Quellen: Zapier Pricing, Make Pricing, n8n Pricing. Stand der Preise: Oktober 2026; wo angegeben, bei jährlicher Zahlung.
Rechenbeispiel: ein Workflow, drei Rechnungen
Nehmen wir einen typischen KI-Workflow für eingehende Anfragen: Ein Formular löst eine Suche im CRM aus, ein LLM klassifiziert die Anfrage, ein zweiter LLM-Aufruf entwirft eine Antwort, der Lead wird angereichert, ein Datensatz aktualisiert, eine Slack- oder Teams-Nachricht verschickt und eine Wiedervorlage angelegt. Das sind etwa neun Aktionsschritte. Der Workflow läuft 5.000-mal im Monat.
- Zapier: ca. 9 Tasks × 5.000 Läufe = 45.000 Tasks. Das ist die Pro-Stufe mit 50.000 Tasks für 289 $ im Monat bei jährlicher Zahlung – noch ohne Kosten für KI-Schritte.
- Make: ca. 9–10 Credits pro Lauf, also 45.000–50.000 Credits plus Zusatz-Credits für KI-Module. Den aktuellen Preis für dieses Volumen zeigt Makes Tarifrechner.
- n8n: 5.000 Ausführungen – das passt in den Pro-Tarif für 50 € im Monat oder auf eine eigene Instanz, bei der Sie nur Server und Betreuung bezahlen.
Der Abstand wächst mit jedem zusätzlichen Schritt. Agentische Workflows haben naturgemäß viele Schritte und Schleifen – genau dort schmerzt die Abrechnung pro Schritt. In allen drei Fällen bezahlen Sie zusätzlich den LLM-Anbieter; wie man Tokenkosten steuert, zeigt LLM-Gateway: Modell-Routing, Kostenkontrolle und Observability.
KI-Funktionen im Vergleich
Alle drei können ein LLM aufrufen, die Antwort auswerten und danach verzweigen. Die Unterschiede liegen in Tiefe und Kontrolle.
Zapier bietet den komfortabelsten Einstieg: einen KI-Schritt im Zap, einen Copilot, der Zaps aus einer Beschreibung baut, Chatbots, Agents und einen MCP-Zugang, über den externe KI-Assistenten Zapier-Aktionen auslösen. Enterprise-Kunden können über AWS Bedrock ein eigenes Modell einbinden. Der Preis dafür: wenig Kontrolle über Prompts, Wiederholungen, Tests und Logging sowie eine Obergrenze von 40 Activities pro Agentenlauf in den Bezahltarifen.
Make bringt KI-Module und Agenten auf die visuelle Arbeitsfläche. Für Ops-Teams, die jeden Zweig sehen wollen, ist das eine Stärke. Komplexe Agentenlogik wird in Szenarien allerdings schnell unübersichtlich und schwer testbar, und KI-Module können mehr Credits verbrauchen als Standardaktionen.
n8n bietet LLM- und Agenten-Nodes, Gedächtnis, Tool-Calling, Anbindungen an Vektordatenbanken und einen Code-Node für JavaScript oder Python. Sie können eigene Modelle betreiben, jede HTTP-API ansprechen und Workflows als Werkzeuge bereitstellen. Deshalb greifen Agenturen, die produktive Agenten bauen, standardmäßig zu n8n. Es heißt aber auch: Mehr Entscheidungen liegen bei Ihnen – wie Prompts versioniert, getestet und die Handlungsspielräume des Agenten begrenzt werden.
Eine brauchbare Faustregel: Je mehr ein KI-Schritt Daten verändern oder mit Kunden sprechen kann, desto dringender brauchen Sie versionierte Prompts, Testsets und Logs. Das spricht für die Plattform, die Ihr Team sauber engineeren kann – nicht für die mit der schönsten Demo.
Datenschutz, Hosting und EU-Compliance
Für Unternehmen in Deutschland entscheidet oft dieser Abschnitt. 66 % der Unternehmen, die bereits KI nutzen, nennen Datenschutzanforderungen als Hürde, 56 % rechtliche Unsicherheit und 54 % unkalkulierbare Kosten (Bitkom).
- n8n speichert die Daten seiner gehosteten Tarife laut eigener Angabe in der EU, auf Servern in Frankfurt am Main. Selbst gehostet bleiben die Daten dort, wo Sie n8n betreiben – etwa auf eigenen Servern in Deutschland. Beachten Sie: Die selbst gehostete Edition steht unter n8ns eigener „Fair-Code“-Lizenz, nicht unter einer klassischen Open-Source-Lizenz, und selbst gehostete Business- und Enterprise-Tarife benötigen einen Lizenzschlüssel, der sich täglich beim Lizenzserver meldet.
- Make und Zapier sind Cloud-Dienste. Ihre Preisseiten nennen keine Details zum Datenstandort – prüfen Sie AVV, Liste der Unterauftragsverarbeiter und Hosting-Region beim jeweiligen Anbieter, bevor personenbezogene Daten durchlaufen.
- Bei allen dreien wird jeder aufgerufene LLM-Anbieter zum Unterauftragsverarbeiter. Dokumentieren Sie das im Verzeichnis der Verarbeitungstätigkeiten.
Spricht Ihre Automatisierung mit Kunden, etwa als Chat- oder E-Mail-Assistent, verlangt Artikel 50 der KI-Verordnung seit dem 2. August 2026 den Hinweis, dass Menschen mit einer KI interagieren (AI Act Explorer). Unser Leitfaden DSGVO für KI-Chatbots und Assistenten behandelt AVV, Protokolle und Datenstandort im Detail.
Wer sollte was wählen?
| Ihre Situation | Beste Wahl | Warum |
|---|---|---|
| Kleines Team, kein Entwickler, gängige SaaS-Tools, wenige Tausend Läufe im Monat | Zapier | Schnellste Einrichtung, größter App-Katalog, eingebauter Copilot |
| Ops-Team, komplexe Verzweigungen, Datentransformation, visuelles Arbeiten | Make | Visuelle Szenarien; Router und Fehlerbehandlung kosten keine Credits |
| KI-lastige Workflows, viele Schritte, Tausende Läufe | n8n | Eine Ausführung pro Lauf, volle Kontrolle über LLM-Aufrufe |
| Personenbezogene Daten, Hosting-Standort muss feststehen | n8n (selbst gehostet oder EU-Cloud) | Datenstandort unter Ihrer Kontrolle |
| Produktteam, das Automatisierung in die eigene Software einbettet | n8n oder eigener Code | Lizenz vor dem Weiterverkauf prüfen; Kernfunktionen besser als eigener Code |
| Kundennaher Agent mit Erstattungen, Buchungen oder Zahlungen | Eigener Agent plus Plattform als Bindeglied | Braucht Evals, Berechtigungen und Monitoring jenseits jedes No-Code-Tools |
Wann keine der drei die Antwort ist
Automatisierungsplattformen sind hervorragender Klebstoff. Als Kern eines geschäftskritischen KI-Produkts sind sie schwächer. Warnsignale:
- Der Workflow trifft Entscheidungen über Geld, Verträge oder Gesundheitsdaten.
- Sie brauchen Regressionstests für Prompts und Modellversionen.
- Latenz zählt, etwa bei Sprachagenten.
- Die Logik ist zu Dutzenden verschachtelten Zweigen gewachsen, die niemand mehr prüfen kann.
Dann ist das übliche Muster ein kleiner eigener Service für den Agenten, während die Plattform Trigger, Benachrichtigungen und einfache Integrationen übernimmt. Die Marktpreise spiegeln das: Eine einzelne Automatisierung mit n8n oder Make plus LLM kostet typischerweise 3.000–15.000 US-Dollar, ein maßgeschneiderter KI-Agent beginnt bei etwa 10.000–50.000 US-Dollar (TheCrunch, Lets-Viz).
Auswahl in fünf Schritten
- Listen Sie Ihre fünf wichtigsten Workflows auf – mit Schritten pro Lauf, Läufen pro Monat und den betroffenen Daten. Das allein grenzt die Wahl meist ein.
- Rechnen Sie die Kosten auf jeder Plattform durch – mit deren Abrechnungseinheit, plus LLM-Kosten. Das Rechenbeispiel oben dient als Vorlage.
- Klassifizieren Sie die Daten. Alles mit Personen- oder Finanzbezug braucht vor dem ersten Test einen AVV, eine Liste der Unterauftragsverarbeiter und eine Hosting-Entscheidung.
- Klären Sie, wer wartet. Eine Plattform, die Ihr Team nachts um zwei nicht debuggen kann, ist die falsche. Kann es niemand, planen Sie einen Wartungsvertrag ein: Das häufigste Modell 2026 sind rund 5.000 US-Dollar für den Aufbau plus etwa 1.000 US-Dollar monatlich für den Betrieb (TheCrunch).
- Bauen Sie einen Workflow komplett durch – auf der Plattform der engeren Wahl, mit Logging und Fehlerpfad, bevor Sie irgendetwas migrieren.
Typische Fehler
- Auswahl nach Anzahl der Konnektoren. Tausende Integrationen nützen nichts, wenn das eine entscheidende System – Ihr ERP, DATEV oder die Branchensoftware – ohnehin einen individuellen API-Aufruf braucht.
- Abrechnung pro Schritt ignorieren. Teams bauen den Prototyp im Gratis-Tarif und stellen fest, dass die Produktivversion mit Fehlerbehandlung und KI-Schritten das Zehnfache kostet.
- Prompts ohne Versionierung in Nodes verstecken. Prompts verändern das Verhalten genauso stark wie Code. Gehören also in die Versionsverwaltung und in Tests.
- Dem Agenten Admin-Rechte geben. Jeder Workflow bekommt nur die minimal nötigen Zugangsdaten. Prompt Injection ist weiterhin ungelöst – selbst OpenAI räumt ein, dass sie sich womöglich nie vollständig beseitigen lässt (Analyse).
- Self-Hosting ohne Verantwortlichen. Ungepatchte, unüberwachte Automatisierungsserver sind ein Sicherheitsproblem mit Ansage.
- Für immer alles auf einer Plattform. Halten Sie Geschäftslogik portabel. Wie Sie einen Ausstieg planen, zeigt unser Artikel Eigentum an Ihrer KI: Lock-in vermeiden.
Fazit
Einen Universalsieger gibt es nicht. Zapier verschafft kleinen Teams Tempo, Make gibt Ops-Teams visuelle Kontrolle, n8n bringt Kosteneffizienz, Datenhoheit und technische Tiefe. Für die meisten KI-lastigen Workflows in Deutschland und der EU ist n8n die vernünftige Standardwahl; Zapier bleibt der schnellste Start, wenn das Volumen gering und die Daten unkritisch sind. Ob eine KI-Automatisierung gelingt, hängt aber weniger von der Plattform ab als von klaren Kennzahlen, knappen Berechtigungen, Tests und jemandem, der nach dem Go-live Verantwortung übernimmt.
Wenn Sie eine zweite Meinung zu Ihren Workflows möchten: Wir bauen und betreiben Automatisierungen auf allen drei Plattformen und entwickeln eigene Agenten, wo sie nötig sind – über unsere Bereiche KI-Agenten und Automatisierung und Systemintegration. Vereinbaren Sie ein kostenloses 15-Minuten-Audit – wir sagen Ihnen, welche Plattform zu Volumen, Daten und Team passt, auch wenn die Antwort lautet: die, die Sie schon nutzen.