"Workflow" reicht nicht mehr — alle reden von Agenten. Drei Plattformen lohnen den Blick: Relevance AI, Gumloop und die neuen Make Agents.
Relevance AI
Spezialisiert auf Multi-Agent-Teams. Du baust spezialisierte Agenten ("Researcher", "Writer", "QA") und sie kollaborieren. Sales-Agent-Stack ist sehr ausgereift. Schwäche: lange Lernkurve, Pricing pro Credits skaliert teuer.
Gumloop
Visueller Drag-and-Drop für Document-Processing-Pipelines. PDFs, Webscraping, Klassifikation. Enge Integration mit OpenAI und Claude. Stärke: extrem schnell prototypbar. Schwäche: weniger Konnektoren als Make, kein Self-Hosting.
Make Agents
Make hat 2025 native Agenten-Knoten ergänzt. Vorteil: Du kombinierst Agents mit den 2.000+ Make-Konnektoren. Beste Wahl wenn du bestehende Make-Workflows mit Agenten erweiterst.
Wann was?
| Use-Case | Empfehlung |
|---|---|
| Sales-Outreach mit mehreren spezialisierten Agenten | Relevance AI |
| Vertrags-/PDF-Massenanalyse | Gumloop |
| Bestehender Make-Stack erweitern | Make Agents |
| Self-Hosting + DSGVO | n8n + LangGraph (siehe n8n Self-Hosted) |
Realität-Check
"AI Agent" bezeichnet sehr unterschiedliche Systeme. Mehrstufige Abläufe brauchen strukturierte Ausgaben, Wiederholungsregeln, Testfälle, Freigaben und Fehlerwege. Welcher technische Stack passt, folgt erst danach. Mehr im LLM-Vergleich.
Fazit
Oft ist ein klarer Workflow robuster als ein frei handelnder Agent. Die nötige Autonomie sollte pro Entscheidung belegt werden. Am eigenen Ablauf prüfen: Erstgespräch: deine erste Automatisierung. Erstgespräch: deine erste Automatisierung.