AI-Automation ohne Code: 3 Workflows mit n8n für die Praxis

Ein Sprachmodell wie Claude oder ChatGPT beantwortet dir eine Frage in Sekunden. Danach beginnt die Handarbeit: Antwort kopieren, ins CRM einfügen, E-Mail schreiben, Ticket anlegen. Solange AI nur im Chatfenster lebt, sparst du beim Formulieren Zeit und verlierst sie beim Übertragen wieder. Den größeren Hebel hast du, wenn das Modell direkt an die Systeme angeschlossen ist, in denen deine Arbeit passiert.

Genau das leistet Workflow-Automation. Ein Beispiel: Jemand füllt das Kontaktformular auf deiner Website aus. Ein Sprachmodell liest die Anfrage und vergibt eine Punktzahl. Ist sie hoch, bekommt der Vertrieb sofort eine Slack-Nachricht, und im CRM steht der Kontakt samt Einschätzung. Das dauert Sekunden, und niemand muss dafür ein Sammelpostfach im Blick behalten.

Die drei Workflows in diesem Beitrag passen in sehr viele Unternehmen und lassen sich mit n8n ohne eigenen Code bauen. Für den ersten brauchst du einen Nachmittag, die beiden anderen sind etwas aufwendiger. Zu jedem Workflow findest du den Aufbau, die Stellen, an denen es in der Praxis hakt, und eine Beispielrechnung. Im AI-Champions-Programm baust du solche Abläufe im Modul „Agents & Automation“ Schritt für Schritt nach.

Was ist n8n, und wann passt es besser als Zapier oder Make?

n8n (gesprochen „n-eight-n“) ist eine Plattform für Workflow-Automation mit einem visuellen Editor. Du ziehst Bausteine, sogenannte Nodes, auf eine Arbeitsfläche und verbindest sie zu einem Ablauf aus Auslöser, Verarbeitung und Aktion. Programmieren musst du dafür nicht, an einzelnen Stellen kannst du aber JavaScript oder Python einbauen. Der Quellcode ist offen einsehbar, und für interne Zwecke darfst du n8n auf eigenen Servern betreiben. Gegenüber Zapier und Make spielt n8n seine Stärken aus, wenn du Daten im eigenen Haus halten willst, viele Durchläufe hast oder Abläufe mit Verzweigungen und AI-Agenten brauchst.

Was n8n für AI-Workflows interessant macht

• Integrationen: n8n bringt nach eigenen Angaben über 400 fertige Integrationen mit, darunter HubSpot, Pipedrive und Salesforce, Gmail und Outlook, Datenbanken wie PostgreSQL oder Airtable, Slack und Teams sowie die Schnittstellen von Anthropic, OpenAI und Google. Fehlt ein Dienst, sprichst du ihn mit dem HTTP-Request-Node direkt über seine Web-Schnittstelle an.
• Self-Hosting: Du nutzt n8n in der Cloud des Herstellers oder betreibst es selbst, etwa per Docker auf einem Server in Deutschland. Dann laufen die Daten durch deine eigene Infrastruktur, was die Abstimmung mit dem Datenschutz deutlich vereinfacht. Sobald ein Workflow ein externes Sprachmodell aufruft, gehen die Daten allerdings trotzdem an diesen Anbieter. Mehr dazu weiter unten bei den Bedenken.
• Abrechnung: In der Cloud-Version zählt n8n Ausführungen. Ein kompletter Durchlauf zählt einmal, egal wie viele Schritte der Workflow hat. Zapier rechnet jeden einzelnen Schritt als Task ab. Bei langen Workflows mit vielen Durchläufen macht das einen spürbaren Unterschied. Selbst betrieben zahlst du im Wesentlichen den Server.
• Logik: Verzweigungen, Schleifen, Fehlerbehandlung, Webhooks und zeitgesteuerte Auslöser gehören zum Grundumfang. Damit baust du auch Abläufe, die über eine einfache Wenn-dann-Kette hinausgehen.

n8n, Zapier und Make im ehrlichen Vergleich

Zapier ist am schnellsten eingerichtet. Einen einfachen Ablauf wie „neuer Eintrag im Formular, dann Mail an den Vertrieb“ hast du in zehn Minuten fertig, und die Auswahl an Integrationen ist riesig. Teurer wird es mit dem Volumen, weil jeder Schritt als Task zählt. Rechne vor der Entscheidung durch, wie oft dein Workflow im Monat läuft und wie viele Schritte er hat, und leg das neben die aktuellen Tarife.

Make (früher Integromat) liegt bei Preis und Komplexität zwischen den beiden. Der Editor ist übersichtlich, Verzweigungen und Datenumwandlungen gehen gut von der Hand. Make läuft nur als Cloud-Dienst. Wenn Self-Hosting für dich keine Rolle spielt, bist du mit Make gut bedient.

n8n setzen wir im Programm am häufigsten ein. Es lässt sich selbst betreiben, die Kosten bleiben bei vielen Durchläufen überschaubar, und es gibt eigene Nodes für AI-Agenten. Ein Agent ist ein Sprachmodell, das selbst entscheidet, welche Werkzeuge es in welcher Reihenfolge aufruft. Der Einstieg dauert etwas länger als bei Zapier. Nach zwei, drei gebauten Workflows sitzt das Prinzip aber.

Workflow 1: Automatische Lead-Qualifizierung

Dieser Workflow liest jede neue Anfrage, lässt sie von einem Sprachmodell nach deinen Kriterien bewerten und schickt sie je nach Punktzahl an den Vertrieb, in eine E-Mail-Strecke oder in eine freundliche Standardantwort.

Das Szenario

Angenommen, dein Vertrieb bekommt 50 bis 100 Anfragen pro Woche, über das Website-Formular, per E-Mail und über LinkedIn. Jemand muss jede davon lesen, einordnen und weitergeben. Das passiert zwischen anderen Aufgaben, und so vergeht oft ein ganzer Arbeitstag bis zur ersten Antwort. Wer ernsthaft kaufen will, fragt meist bei mehreren Anbietern an und spricht zuerst mit dem, der sich zuerst meldet.

Der Workflow Schritt für Schritt

1. Auslöser, eine neue Anfrage: Ein Webhook-Node nimmt die Formulardaten entgegen (Name, E-Mail, Firma, Nachricht). Genauso gut kann ein neuer Kontakt im CRM oder eine E-Mail an eine feste Adresse den Workflow starten.
2. AI-Node, das Modell bewertet die Anfrage: Claude oder ein anderes Modell bekommt die Nachricht zusammen mit einem Bewertungsprompt. Darin stehen deine Kriterien: Branche, Unternehmensgröße, Hinweise auf Budget, Dringlichkeit und die Passung zu deinem Angebot. Zurück kommt eine Punktzahl von 1 bis 10 und eine Begründung in zwei, drei Sätzen. Lass dir das Ergebnis als JSON ausgeben, einem einfachen Datenformat, dann liest der nächste Node die Zahl direkt aus.
3. Verteilen nach Punktzahl:
   • 7 bis 10, heißer Lead: Slack-Nachricht an den Vertrieb mit Zusammenfassung und Punktzahl. Der Kontakt wird im CRM angelegt und der zuständigen Person zugewiesen. Ziel für die erste Reaktion: wenige Minuten während der Geschäftszeiten.
   • 4 bis 6, warmer Lead: Anlage im CRM und Aufnahme in eine Nurturing-Strecke. Das ist eine Folge von E-Mails mit passenden Inhalten, etwa einem Praxisbeispiel oder einer Checkliste.
   • 1 bis 3, kein Fit: Eine freundliche automatische Antwort mit allgemeinen Informationen. Der Kontakt bleibt im System und kostet den Vertrieb keine Zeit.

Der AI-Prompt (vereinfacht)

Vom Bewertungsprompt hängt die Qualität des ganzen Workflows ab. Eine vereinfachte Fassung sieht so aus:

„Analysiere die folgende Kontaktanfrage und bewerte den Lead auf einer Skala von 1 bis 10. Berücksichtige die Branche und die Passung zu unserem Angebot, die Unternehmensgröße, Hinweise auf Budget, Dringlichkeit und Zeitrahmen sowie die Rolle des Absenders. Antworte als JSON mit den Feldern score (Zahl) und begruendung (zwei bis drei Sätze).“

Im Einsatz ergänzt du den Prompt um dein Ideal Customer Profile, also die Beschreibung deines typischen Wunschkunden. Dazu kommen Ausschlusskriterien wie Bewerbungen, Lieferantenangebote oder Anfragen für Abschlussarbeiten, und je ein Beispiel pro Punktestufe. Die Beispiele bringen erfahrungsgemäß mehr als jede zusätzliche Regel. Wie du Prompts so aufbaust, dass sie verlässlich gleich antworten, lernst du im Programm im Modul „Prompting“. Vorlagen dafür liegen dort im Side-Panel der Lektionen.

Ergebnis und ROI

Was der Workflow bringt, hängt von deinem Volumen ab. Eine Beispielrechnung mit 80 Anfragen pro Woche:

• Antwortzeit: Heiße Leads sind Sekunden nach dem Absenden beim Vertrieb. Wie schnell dann jemand anruft, bleibt eine Frage der Organisation.
• Sichtungszeit: Angenommen, Lesen und Einordnen dauern pro Anfrage zehn Minuten. Bei 80 Anfragen sind das gut 13 Stunden pro Woche, die größtenteils wegfallen. Ein kurzer Blick auf die Einschätzung bleibt.
• Fokus: Der Vertrieb spricht zuerst mit den Anfragen, die am besten zum Angebot passen.
• Laufende Kosten: Eine einzelne Bewertung kostet bei den gängigen Modellen meist nur Bruchteile eines Cents. Bei 80 Anfragen pro Woche fällt das im Budget kaum auf.

Ob daraus mehr Abschlüsse werden, misst du am besten selbst. Notier dir vor dem Start die Zeit bis zur ersten Antwort und die Abschlussquote der letzten drei Monate, und vergleiche nach einem Quartal. Wie du so eine Rechnung sauber aufstellst, steht im Beitrag ROI von AI-Projekten berechnen. Mit dem kostenlosen ROI-Rechner hast du deine Zahlen in einer Minute beisammen.

Workflow 2: Meeting-Zusammenfassung und automatisches CRM-Update

Dieser Workflow nimmt das Transkript eines Kundentermins, lässt ein Sprachmodell Zusammenfassung, Entscheidungen und Aufgaben herausziehen und trägt alles ins CRM und in die Aufgabenliste ein.

Das Szenario

Angenommen, jede Person in deinem Account Management hat vier bis sechs Kundentermine am Tag. Nach jedem Termin müssten Notizen ins CRM, Folgeaufgaben angelegt und Kolleginnen informiert werden. Zwischen zwei Terminen bleibt dafür kaum Zeit. Also wird ein Teil der Gespräche gar nicht dokumentiert, Einträge bleiben lückenhaft, und Zusagen gehen unter. Mit mangelnder Disziplin hat das wenig zu tun, der Kalender lässt es schlicht nicht zu.

Der Workflow Schritt für Schritt

1. Auslöser, ein fertiges Transkript: Tools wie Fireflies.ai oder Otter.ai zeichnen Meetings auf und schicken das Transkript per Webhook an n8n. Microsoft Teams und Google Meet erstellen je nach Lizenz ebenfalls Transkripte, die du abholen kannst. Kläre vorher, dass alle Teilnehmenden der Aufzeichnung zustimmen.
2. AI-Node, das Modell fasst zusammen: Aus dem Transkript zieht das Modell drei Ebenen heraus:
   • Zusammenfassung: die drei bis fünf wichtigsten Punkte des Gesprächs
   • Entscheidungen: was beschlossen wurde, möglichst nah am Wortlaut
   • Aufgaben: wer bis wann was erledigt, mit Namen und Datum
3. CRM-Update: Die Zusammenfassung landet als Notiz am Kontakt oder am Deal. Tags wie „Angebot besprochen“ oder „Eskalation“ setzt der Workflow gleich mit.
4. Aufgaben anlegen: Die Aufgaben gehen als Follow-ups ins CRM, in dein Aufgabentool oder als Termin in Outlook oder den Google Kalender, jeweils mit verantwortlicher Person und Frist.
5. Team informieren: Eine kurze Zusammenfassung geht in den passenden Slack- oder Teams-Kanal. So wissen auch Kolleginnen und Kollegen Bescheid, die nicht im Termin saßen.

Welches Problem der Workflow löst

Zwischen Meeting und Umsetzung geht in vielen Firmen Wissen verloren. Was besprochen wurde, steht nirgends, weil niemand Zeit hatte, es aufzuschreiben. Die Folgen kennst du vermutlich: Aufgaben werden doppelt erledigt, Zusagen vergessen, und im nächsten Termin fängt man mit dem Kunden wieder bei null an.

Mit dem Workflow steht nach jedem aufgezeichneten Termin eine Notiz im CRM, und die Folgeaufgaben sind verteilt. Wer einen Kunden neu übernimmt, liest sich in die Historie ein und muss nicht erst die Vorgängerin anrufen. Prüf die Zusammenfassungen in den ersten Wochen trotzdem stichprobenartig. Sprachmodelle lassen gelegentlich Details weg oder ordnen eine Aussage der falschen Person zu, vor allem wenn mehrere Leute durcheinanderreden.

Ergebnis und ROI

Eine Beispielrechnung für ein Team aus vier Account Managern:

• Nachbereitung: Angenommen, jede Person spart pro Termin 15 Minuten und hat 20 Termine pro Woche. Das sind fünf Stunden pro Person und Woche, im Team 20 Stunden.
• Datenqualität: Jeder aufgezeichnete Termin ist im CRM dokumentiert, auch die, für deren Nachbereitung früher keine Zeit blieb.
• Follow-ups: Aufgaben aus dem Gespräch haben einen Namen und ein Datum und tauchen dort auf, wo das Team ohnehin arbeitet.
• Übergaben: Neue Kolleginnen und Kollegen arbeiten sich über die Notizen in die Kundenhistorie ein.

Workflow 3: Content-Pipeline (LinkedIn und Newsletter)

Dieser Workflow sammelt jede Woche Themen aus deiner Branche, lässt ein Sprachmodell daraus Entwürfe für LinkedIn und den Newsletter schreiben und legt sie deinem Team zur Freigabe vor.

Das Szenario

Dein Marketing weiß, dass regelmäßige Beiträge auf LinkedIn und ein verlässlicher Newsletter Sichtbarkeit und Anfragen bringen. Trotzdem ist der letzte Post drei Wochen alt, und der Newsletter erscheint, wenn gerade jemand Luft hat. An Ideen fehlt es selten. Es fehlt die Zeit, aus einer Idee einen fertigen Text zu machen.

Der Workflow Schritt für Schritt

1. Auslöser, ein fester Termin: Jeden Montag um 9 Uhr startet der Workflow über einen Schedule-Trigger, also einen zeitgesteuerten Auslöser.
2. AI-Node 1, Recherche: Der Workflow liest aktuelle Meldungen aus den RSS-Feeds von Fachmedien deiner Branche, zum Beispiel t3n oder Handelsblatt, und die neuesten Beiträge aus deinem eigenen Blog. Das Modell verdichtet das zu fünf bis acht Themen, jeweils mit einem Satz dazu, warum das Thema deine Zielgruppe betrifft.
3. AI-Node 2, Entwürfe: Auf Basis der Themen und deines Brand-Voice-Leitfadens, der als Systemprompt hinterlegt ist, schreibt das Modell:
   • drei LinkedIn-Entwürfe in unterschiedlichen Formaten, etwa eine kurze Geschichte aus dem Arbeitsalltag, eine Liste und eine pointierte These
   • ein Newsletter-Intro mit den wichtigsten Punkten der Woche
4. Freigabe in Slack: Die Entwürfe landen in einem eigenen Slack-Kanal mit drei Buttons: Freigeben, Bearbeiten, Ablehnen. Dein Team überarbeitet einen fertigen Entwurf und muss nicht mit einer leeren Seite beginnen. Dieses Prinzip heißt Human-in-the-Loop: Ein Mensch entscheidet, bevor etwas nach außen geht.
5. Veröffentlichung nach Freigabe: Freigegebene Posts plant der Workflow über die LinkedIn-Schnittstelle oder ein Social-Media-Tool ein. Das Newsletter-Intro geht als Entwurf in dein E-Mail-Tool, etwa Brevo, Mailchimp oder ActiveCampaign.

Warum der Brand-Voice-Leitfaden den Unterschied macht

Ohne Kontext schreibt ein Sprachmodell gefälligen Durchschnitt. Mit einem guten Leitfaden klingen die Entwürfe nach deinem Unternehmen. Der Leitfaden beschreibt Tonalität, Kernbotschaften und Wörter, die ihr nie verwendet, und enthält fünf bis zehn eigene Texte als Referenz. Als Systemprompt hinterlegt, gilt er für jeden Entwurf, den der Workflow erzeugt. Dein Team muss danach nur noch nachschleifen.

Nimm dir für den Leitfaden einen halben Tag und teste ihn an drei, vier Themen, bevor du ihn einbaust. Weitere Einsatzfelder beschreibt der Beitrag KI im Marketing. Im AI-Champions-Programm geht es im Modul „Marketing & Sales“ um Content und Kampagnen mit AI.

Ergebnis und ROI

Angenommen, dein Marketing braucht bisher sechs Stunden pro Woche für Posts und Newsletter:

• Zeit: Recherche und Rohfassung fallen weg, für Auswahl und Überarbeitung bleibt etwa eine Stunde. Das spart rund fünf Stunden pro Woche.
• Rhythmus: Jeden Montag liegen Entwürfe bereit. Veröffentlicht wird nach Plan, auch in vollen Wochen.
• Qualität: Die Entwürfe sind so gut wie dein Leitfaden und deine Quellen. Rechne in den ersten Wochen mit mehr Überarbeitung, bis Prompt und Leitfaden sitzen.
• Kosten: Die Modellkosten für ein paar Entwürfe pro Woche sind im Vergleich zur gesparten Arbeitszeit gering.

So startest du in 30 Minuten

Starte mit einem einzigen Workflow, am besten mit der Lead-Qualifizierung. Sie hat die wenigsten Bausteine, und schon mit den ersten Anfragen siehst du, ob sie funktioniert. In 30 Minuten steht eine erste Version, die du mit alten Anfragen testen kannst. Bis sie im Alltag läuft, plan lieber einen Nachmittag ein.

Schritt 1: n8n einrichten

Leg auf n8n.io einen Cloud-Account an. Zum Ausprobieren gibt es eine kostenlose Testphase, die aktuellen Tarife stehen auf der Preisseite. Wenn in deinem Unternehmen schon Docker läuft, kannst du n8n auch selbst betreiben, das Grundgerüst steht in wenigen Minuten. Für Kundendaten ist das oft die bessere Wahl, weil du bestimmst, wo die Daten liegen.

Schritt 2: Workflow 1 (Lead-Qualifizierung) aufsetzen

Leg einen neuen Workflow an und füge vier Nodes hinzu:

1. Webhook-Node: erzeugt eine URL, an die dein Formular die Daten schickt
2. AI-Node (Anthropic oder OpenAI): enthält deinen Bewertungsprompt
3. Switch- oder IF-Node: verzweigt nach der Punktzahl (7 und mehr, 4 bis 6, 3 und weniger)
4. Aktions-Nodes: Slack-Nachricht, CRM-Eintrag oder E-Mail, je nach Zweig

Schritt 3: Integrationen verbinden

Verbinde dein Formular-Tool (etwa Netlify Forms, Typeform oder HubSpot-Formulare), dein CRM und Slack. n8n führt dich dabei durch die Anmeldung per OAuth: Du loggst dich einmal beim jeweiligen Dienst ein und erlaubst n8n den Zugriff. Pro Dienst dauert das ein paar Minuten.

Schritt 4: AI-Node konfigurieren

Hinterleg deinen API-Schlüssel von Anthropic oder OpenAI und trag den Bewertungsprompt ein. Fang mit einer einfachen Fassung an und verfeinere sie, sobald die ersten Anfragen durchgelaufen sind und du siehst, wo das Modell danebenliegt. Stell die Temperatur, also den Zufallsanteil der Antworten, niedrig ein. Dann bekommt dieselbe Anfrage beim zweiten Durchlauf mit hoher Wahrscheinlichkeit dieselbe Bewertung.

Schritt 5: Mit alten Anfragen testen

Schick zehn Anfragen aus den letzten Wochen durch den Workflow und leg die Bewertungen neben deine eigene Einschätzung. Wo beide auseinanderliegen, passt du Kriterien oder Beispiele im Prompt an. Wenn acht von zehn Bewertungen zu deinem Urteil passen, hängst du den Workflow an das Live-Formular. Schau dir die Ergebnisse in den ersten Wochen einmal pro Woche an.

Häufige Bedenken und ehrliche Antworten

Die drei Fragen, die in fast jedem Gespräch über Automation kommen, betreffen Datenschutz, Fehlbewertungen und Programmierkenntnisse. Kurz gesagt: Datenschutz ist lösbar, Fehler fängst du mit einer Kontrollschleife ab, und programmieren musst du nicht.

„Ist das DSGVO-konform?“

Du kannst es DSGVO-konform aufsetzen, wenn du die Datenflüsse kennst. Heikel ist vor allem der Aufruf des Sprachmodells, weil dabei Kundendaten an einen Anbieter gehen. Drei Wege haben sich bewährt. Du betreibst n8n selbst und schließt mit dem Modellanbieter einen Auftragsverarbeitungsvertrag (AVV) ab. Du nutzt ein Modell mit Datenverarbeitung in der EU, etwa über Azure OpenAI. Oder du entfernst personenbezogene Daten wie Namen und E-Mail-Adressen, bevor der Text ans Modell geht. Für die Lead-Bewertung reicht oft der Nachrichtentext ohne Absender. Hol deinen Datenschutzbeauftragten früh dazu, das spart später Schleifen.

„Was passiert, wenn die AI falsch bewertet?“

Dann landet ein Lead im falschen Topf. Deshalb entscheidet der Workflow nichts endgültig: Heiße Leads werden dem Vertrieb vorgeschlagen, anrufen muss ein Mensch. Leads mit niedriger Punktzahl bekommen eine freundliche Antwort und bleiben im CRM. Ärgerlich wird es, wenn ein guter Lead als unpassend eingestuft wird. Das fängst du mit einer wöchentlichen Durchsicht der niedrig bewerteten Anfragen ab. Jeder Fehlgriff, den du dabei findest, wird ein neues Beispiel im Prompt.

„Brauche ich Programmierkenntnisse?“

Nein. Alle drei Workflows baust du im visuellen Editor aus fertigen Nodes. Wenn du ein Flussdiagramm lesen kannst, findest du dich in n8n zurecht. Hilfreich ist ein Grundverständnis davon, wie Daten von Node zu Node weitergereicht werden, meist im JSON-Format. Für Sonderfälle wie das Umformen von Datumsangaben gibt es den Code-Node. Die paar Zeilen JavaScript, die du dort brauchst, schreibt dir auf Nachfrage auch ein Sprachmodell.

Die 3 Workflows im Überblick

Mit den Annahmen aus den Beispielrechnungen sparen die drei Workflows zusammen rund 38 Stunden pro Woche:

• Workflow 1, Lead-Qualifizierung: bei 80 Anfragen pro Woche gut 13 Stunden weniger Sichtungsarbeit, heiße Leads in Sekunden beim Vertrieb
• Workflow 2, Meeting-Zusammenfassung: bei vier Account Managern mit je 20 Terminen rund 20 Stunden Nachbereitung pro Woche, jeder aufgezeichnete Termin im CRM
• Workflow 3, Content-Pipeline: rund fünf Stunden pro Woche und jeden Montag fertige Entwürfe

Das entspricht in diesem Beispiel ungefähr einer Vollzeitstelle. Bei dir wird die Zahl anders aussehen, weil Volumen und Abläufe anders sind. Auf der Kostenseite stehen n8n (Cloud-Tarif oder eigener Server), die Nutzung der Modell-Schnittstellen und vor allem die Zeit für Aufbau und Tests. Im ROI-Rechner setzt du deine eigenen Werte ein und siehst, nach wie vielen Wochen sich der Aufwand zurückgezahlt hat.

Automation lernen im AI-Champions-Programm

Im AI-Champions-Programm hat Automation ein eigenes Modul: „Agents & Automation“ mit 15 Lektionen. Dort lernst du:

• die Grundlagen von n8n, Make und Zapier und welches Tool zu welchem Fall passt
• wie du einen Workflow Schritt für Schritt aufbaust
• wann ein AI-Agent sinnvoll ist und wo seine Grenzen liegen

Das Modul baut auf den vorherigen auf. Vorher lernst du, wie Sprachmodelle arbeiten und wie du Prompts schreibst, die verlässlich gleich antworten. Die Regeln zu Datenschutz und EU AI Act behandelt das Modul „Governance, Recht & Change“. Im Modul „Use Cases & ROI“ bewertest du anschließend, welche Abläufe sich lohnen, und bringst sie in eine 12-Monats-Roadmap. Am Ende des Programms sollen mindestens zwei Automationen in deinem Alltag laufen. Zu jeder Lektion findest du im Side-Panel Vorlagen, Prompts und Checklisten, bei Fragen helfen Live-Calls, Community und 1:1-Coaching.

Wenn mehrere Leute aus deinem Team automatisieren sollen, schau dir AIC Corporate an. Und wenn du vorab eine Frage zu deinem eigenen Workflow klären willst, komm in die offene Sprechstunde, jeden Mittwoch um 15 Uhr.

Zum AI-Champions-Programm und deinen ersten Workflows