5 n8n-Workflows für wiederkehrende Büroarbeit im Mittelstand

Fünf n8n-Workflows automatisieren wiederkehrende Büroarbeit im Mittelstand: E-Mail-Kategorisierung, automatisierte Dokumentenerstellung, Anfragen-Routing, Reporting und Terminkoordination. Alle fünf folgen demselben Grundmuster – ein Trigger löst aus, wenige Nodes erledigen die eigentliche Arbeit: Bei E-Mail und Anfragen-Routing ordnet eine Text-Classifier-Node zu und markiert unklare Fälle zur manuellen Prüfung, bei Dokumenten und Terminen formuliert eine Basic-LLM-Chain-Node den Text.

Die gute Nachricht: KI-Automatisierung muss weder komplex noch teuer sein. Die folgenden fünf Workflows setzen wir in Projekten für den Mittelstand bereits ein. Jeder Workflow folgt demselben Muster: eine wiederkehrende, zeitfressende Aufgabe wird identifiziert, der Routineanteil automatisiert – und die frei werdende Zeit fließt in Aufgaben, die tatsächlich Urteilsvermögen erfordern.

Workflow 1: Intelligentes E-Mail-Management

Ausgangslage: Das Postfach ist in unseren Projekten häufig der größte Einzelposten im Zeitbudget von Führungskräften. Ein erheblicher Teil der Nachrichten besteht nach unserer Erfahrung aus Routineanfragen oder E-Mails, die eigentlich in eine andere Abteilung gehören – trotzdem müssen sie gesichtet, priorisiert und weitergeleitet werden.

Was automatisiert wird: Ein KI-gestütztes System kategorisiert eingehende Nachrichten automatisch und leitet sie an die zuständigen Mitarbeiter weiter. Wiederkehrende Routineanfragen werden mit vorbereiteten, geprüften Antworten beantwortet.

Ergebnis: Im Postfach bleibt liegen, was eine persönliche Entscheidung erfordert – Routineanfragen sind beantwortet, Weiterleitungen sind raus, und unklare Fälle sind sichtbar markiert statt irgendwo unauffällig liegen zu bleiben.

So sieht der n8n-Workflow konkret aus: Eine Gmail-Trigger-Node (bei Microsoft 365 die Outlook-Trigger-Node, Event „Message Received“) prüft in einstellbaren Intervallen auf neue Nachrichten und startet den Workflow für jede gefundene E-Mail. Wichtig bei Gmail: Die Option „Simplify“ ist voreingestellt aktiv und liefert eine gekürzte Fassung der Antwort. Für eine inhaltliche Klassifizierung schalten Sie sie ab und passen die Input-Prompt-Expression der folgenden Classifier-Node auf das Textfeld der Rohantwort an. Prüfen Sie bei jedem Trigger einmal am realen Datensatz, ob der Nachrichtentext tatsächlich im Output ankommt – erst dann kann die Classifier-Node inhaltlich einordnen statt nur nach Absender und Betreff. Eine Text-Classifier-Node ordnet den Inhalt dann direkt einer vordefinierten Kategorie zu – etwa „Routineanfrage“ oder „Weiterleitung an andere Abteilung“ – und erzeugt dafür selbst einen eigenen Ausgang je Kategorie, plus einen dritten Ausgang über die Option „Output on Extra, ‘Other’ Branch“. Der Routineanfrage-Ausgang führt zu einer separaten Gmail- beziehungsweise Outlook-Node (Operation „Reply“), die die geprüfte Standardantwort im selben Nachrichtenverlauf verschickt; der Ausgang für andere Abteilungen führt zu einer Node mit Operation „Send“, die eine neue Nachricht mit dem Ursprungsinhalt an die zuständige Adresse schickt, und löst zusätzlich eine Benachrichtigung im passenden Kanal aus – über die Google-Chat-Node (Ressource Message, Operation „Create“) beziehungsweise, bei Microsoft 365, über die Microsoft-Teams-Node. Der „Other“-Ausgang läuft in eine Kennzeichnungs-Node – bei Gmail eine Node mit Operation „Add Label“ (Label „Zur Prüfung“), bei Outlook eine Node mit Operation „Move“ in einen eigenen Ordner –, damit die Nachricht als offener Fall sichtbar ist, statt kommentarlos im Posteingang liegen zu bleiben.

Workflow 2: Automatisierte Dokumentenerstellung

Ausgangslage: Quartalsberichte, Kundenangebote, Projektdokumentationen – viele Dokumente folgen ähnlichen Mustern und werden trotzdem jedes Mal manuell neu aufgebaut. Das kostet Zeit und führt zu uneinheitlichen Ergebnissen.

Was automatisiert wird: KI-Tools erzeugen Standarddokumente auf Basis Ihrer vorhandenen Daten und Vorlagen. Von der Angebotserstellung bis zum internen Bericht entsteht ein fertiger Entwurf, der nur noch geprüft und freigegeben werden muss.

Ergebnis: Die Erstellung wiederkehrender Dokumente schrumpft von einer eigenständigen Aufgabe zu einem kurzen Prüfschritt. Gleichzeitig werden die Dokumente einheitlicher, weil sie auf denselben Vorlagen basieren.

So sieht der n8n-Workflow konkret aus: Ein Formular- oder CRM-Trigger startet den Workflow, sobald die nötigen Ausgangsdaten vorliegen – etwa ein neu abgeschlossener Auftrag. Eine Node zum Quellsystem (Google Sheets, eine ERP-Schnittstelle über HTTP Request oder ein CRM-Node) holt die relevanten Werte. Eine Basic-LLM-Chain-Node formuliert daraus, entlang einer im Prompt hinterlegten Vorlage, den Textentwurf – Angebot, Bericht oder Protokoll. Eine Google-Docs-Node legt per Operation „Create“ zunächst ein leeres Dokument an; eine zweite Google-Docs-Node mit Operation „Update“ (Objekt Text, Aktion Insert) schreibt den formulierten Text hinein. Für Microsoft 365 gibt es dafür keine eigene n8n-Node: Der Entwurf lässt sich stattdessen als Datei über die SharePoint- oder OneDrive-Node ablegen, oder eine HTTP-Request-Node ruft die Microsoft-Graph-API auf. Eine abschließende Benachrichtigungs-Node informiert die zuständige Person, dass ein Entwurf zur Prüfung bereitliegt. Freigegeben wird das Dokument weiterhin von einem Menschen – der Workflow ersetzt den ersten Entwurf, nicht die Freigabe.

Workflow 3: Intelligentes Kundenanfragen-Routing

Ausgangslage: Kundenanfragen landen zunächst bei einer Person, die entscheidet, wer sie bearbeitet. Diese manuelle Zuordnung kostet Zeit und verzögert die Antwort an den Kunden – besonders dann, wenn die sichtende Person gerade nicht verfügbar ist.

Was automatisiert wird: Die KI analysiert den Inhalt eingehender Anfragen und leitet sie automatisch an den zuständigen Mitarbeiter oder die richtige Abteilung weiter. Unklare Fälle gehen weiterhin an einen Menschen zur Entscheidung.

Ergebnis: Anfragen landen ohne Umweg beim richtigen Ansprechpartner. Die Bearbeitung beginnt früher, Kunden erhalten schneller eine Antwort, und der manuelle Verteilschritt entfällt.

So sieht der n8n-Workflow konkret aus: Dieselbe Kombination aus Trigger und Text-Classifier-Node wie beim E-Mail-Management übernimmt auch hier die Grundarbeit – nur dass die Kategorien jetzt Zuständigkeiten statt Ordnerstrukturen abbilden (Support, Vertrieb, Reklamation) und jeder Kategorie-Ausgang direkt in eine eigene Aktion mündet. Jeder Ausgang aktualisiert über eine CRM- oder HTTP-Request-Node den passenden Datensatz und benachrichtigt über dieselbe Chat-Node wie in Workflow 1 direkt die zuständige Person. Auch hier muss die Option „Output on Extra, ‘Other’ Branch“ aktiv sein, sonst verwirft der Classifier uneindeutige Anfragen; mit aktivierter Option laufen sie wie beim E-Mail-Workflow in eine Kennzeichnungs-Node und bleiben sichtbar zur manuellen Einordnung.

Workflow 4: Reporting-Automatisierung

Ausgangslage: Für Monats-, Quartals- und Jahresberichte werden Daten manuell aus verschiedenen Systemen zusammengetragen. Dieser Prozess ist fehleranfällig, bindet Kapazität und liefert Zahlen, die zum Zeitpunkt der Präsentation je nach Erstellungsdauer bereits veraltet sind.

Was automatisiert wird: Die Datensammlung und -aufbereitung läuft automatisiert: Relevante Kennzahlen werden aus den Quellsystemen zusammengeführt, aktuell gehalten und in einem einheitlichen Berichtsformat aufbereitet.

Ergebnis: Berichte stehen auf Knopfdruck bereit statt nach tagelanger Zuarbeit. Übertragungsfehler durch manuelles Kopieren entfallen, und Entscheidungen basieren auf aktuellen statt auf veralteten Zahlen.

So sieht der n8n-Workflow konkret aus: Eine Schedule-Trigger-Node löst den Workflow zum gewünschten Termin aus, etwa jeden Montagmorgen. Mehrere Nodes lesen die Quellsysteme aus – Google Sheets, eine ERP- oder CRM-Schnittstelle über HTTP Request, bei Bedarf eine Datenbank-Node. Eine Merge-Node im Append-Modus – das ist die Voreinstellung des Nodes – hängt die Datenstränge aneinander, sobald alle verbundenen Eingänge ausgeführt sind. Für einen Bericht, der die Zeilen aller Quellen untereinander auflistet, ist das der richtige Modus. Wer stattdessen den Combine-Modus wählt, um Datensätze zusammenzuführen, sollte den Untermodus bewusst setzen: Beide gängigen Varianten lassen im Standard Zeilen stillschweigend weg. „Combine by Matching Fields“ (die Voreinstellung innerhalb von Combine) verknüpft über ein gemeinsames Feld und behält voreingestellt nur Treffer – ein Datensatz ohne Gegenstück fällt heraus, sofern man den Output-Typ nicht auf „Keep Everything“ oder „Enrich Input 1“ umstellt. „Combine by Position“ gleicht rein über die Reihenfolge ab und lässt Einträge ohne Gegenstück ebenfalls weg, solange die Option „Include Any Unpaired Items“ nicht aktiv ist. Bei ungleicher Zeilenzahl je Quelle fehlen im Bericht dann Zeilen, ohne dass der Workflow einen Fehler meldet. Danach bereitet eine Node die Kennzahlen im Zielformat auf und schreibt sie zurück in eine Tabelle oder ein Dokument; eine abschließende Mail-Node verschickt den fertigen Bericht an den Verteiler.

Workflow 5: KI-gestützte Terminkoordination

Ausgangslage: E-Mail-Tennis bei Terminabstimmungen: „Passt Ihnen Dienstag?“, „Leider nein, wie sieht es Mittwoch aus?“, „Mittwoch geht, aber erst ab 14 Uhr…“ Diese Abstimmungsschleifen können sich über mehrere Tage ziehen.

Was automatisiert wird: Ein KI-gestützter Workflow übernimmt die Terminkoordination: Er liest die belegten Zeiten aller Beteiligten aus, leitet daraus freie Zeitfenster ab, schlägt passende Termine vor und trägt den bestätigten Termin automatisch in die Kalender ein.

Ergebnis: Terminabstimmungen erledigen sich ohne Hin und Her im Hintergrund. Der administrative Aufwand sinkt, weil die vorgeschlagenen Zeiten von Anfang an auf den ausgelesenen Kalenderdaten aller Beteiligten beruhen.

So sieht der n8n-Workflow konkret aus: Eine Mail- oder Formular-Trigger-Node nimmt die Terminanfrage entgegen. Für jeden Beteiligten liest eine Google-Calendar-Node (Ressource Calendar, Operation „Availability“) dessen Kalender aus – die Node prüft jeweils einen Kalender pro Aufruf, bei mehreren Beteiligten läuft sie entsprechend mehrfach. Wichtig ist hier die Option „Output Format“: Im Standard liefert die Operation nur die Auskunft, ob das angefragte Zeitfenster belegt ist oder nicht. Erst mit „Output Format: Booked Slots“ gibt sie die belegten Zeiträume selbst zurück – und nur damit hat der nächste Schritt überhaupt eine Datengrundlage. Bei Microsoft 365 gibt es dafür keine eigene n8n-Node, hier übernimmt eine HTTP-Request-Node gegen die Microsoft-Graph-API dieselbe Abfrage. Eine Basic-LLM-Chain-Node vergleicht die belegten Zeiträume und leitet daraus einen konkreten Terminvorschlag ab. Eine Gmail- beziehungsweise Outlook-Node verschickt ihn über die Operation „Send and Wait for Approval“ (Gmail) beziehungsweise „Send and Wait for Response“ (Outlook); der Workflow pausiert dann, bis der Empfänger antwortet. Das ist ein Ja/Nein-Mechanismus – die Gmail-Node kennt dafür „Approve Only“ (Voreinstellung) oder zusätzlich einen Ablehnen-Button, aber keine Auswahl unter mehreren Vorschlägen. Deshalb schlägt der Workflow genau einen Termin vor; lehnt der Empfänger ab, läuft die nächste Runde. Wer stattdessen zwei bis drei Alternativen zur Auswahl stellen will, braucht dafür die Wait-Node mit einem Formular, worauf die n8n-Dokumentation für komplexere Freigaben ausdrücklich verweist. Ist der Termin bestätigt, trägt eine Google-Calendar-Node (Ressource Event, Operation „Create“) ihn bei allen Beteiligten ein. Die KI schlägt vor, gebucht wird erst nach der Bestätigung – der Workflow entscheidet nicht eigenmächtig über die Kalender Dritter.

Von der Theorie zur Praxis

In unseren Projekten adressieren diese fünf Workflows zusammengenommen einen erheblichen Teil der administrativen Arbeit, die Woche für Woche anfällt. Sie müssen dabei nicht alles auf einmal umsetzen: Beginnen Sie mit dem Workflow, der bei Ihnen den größten Schmerz verursacht – bei unseren Kunden ist das meist das E-Mail-Management oder das Reporting.

In unseren Projekten schafft bereits der erste umgesetzte Workflow Raum für die Aufgaben, die ein Unternehmen wirklich voranbringen. Und er liefert die Erfahrung, auf der die nächsten Automatisierungen aufbauen. Wie Sie einen solchen Einstieg als risikoarmes 4-Wochen-Pilotprojekt aufsetzen und danach Schritt für Schritt ausbauen, zeigen unsere beiden Leitfäden. Was genau ein KI-Agent von einem einfachen Regelwerk unterscheidet, und wie Sie einmal laufende Workflows anschließend überwachen, behandeln zwei weitere Beiträge.

Für den Mittelstand heißt das

Sie müssen nicht alle fünf Workflows gleichzeitig bauen und auch nicht bei null anfangen. Jeder der fünf Aufbauten nutzt dieselben wenigen n8n-Bausteine wieder – einen Trigger am Anfang, eine Handvoll Aktions-Nodes am Ende und, je nach Aufgabe, eine Text-Classifier- oder eine Basic-LLM-Chain-Node in der Mitte. Wer den ersten Workflow einmal sauber aufgesetzt hat, baut den zweiten aus unserer Erfahrung in einem Bruchteil der Zeit, weil das Grundmuster steht. Haben Sie sich für einen der beiden Klassifizierungs-Workflows entschieden – E-Mail oder Anfragen-Routing –, prüfen Sie als Nächstes den Auffangzweig für unklare Fälle. In unseren Projekten entscheidet er darüber, ob das Team dem Workflow traut: Solange jede Nachricht entweder zuverlässig automatisch bearbeitet oder sichtbar zur Prüfung markiert wird, bleibt nachvollziehbar, was das System gerade tut und was nicht.

FAQ

Brauche ich für jeden dieser Workflows ein eigenes KI-Modell?

Nein. Vier der fünf Workflows nutzen einen von zwei wiederkehrenden KI-Bausteinen: eine Text-Classifier-Node für Einordnungsaufgaben (Kategorie, Zuständigkeit) oder eine Basic-LLM-Chain-Node für Textentwürfe – Dokumente oder Terminvorschläge. Nur das Reporting (Workflow 4) kommt ohne KI-Node aus, dort übernehmen reine Datennodes die Arbeit. Alle KI-Schritte docken an dasselbe Sprachmodell an, Sie betreiben kein separates Modell pro Anwendungsfall.

Was passiert, wenn die KI eine E-Mail oder Anfrage falsch einordnet?

Die Text-Classifier-Node braucht dafür die Option „Output on Extra, ‘Other’ Branch“ – ohne sie verwirft n8n uneindeutige Fälle standardmäßig. Mit aktivierter Option und einer angehängten Kennzeichnungs-Node (Label bei Gmail, Ordner-Verschiebung bei Outlook) bleiben unklare Fälle sichtbar und werden manuell geprüft; nur eindeutig zugeordnete Fälle laufen automatisch durch. Eine Fehlklassifikation bei einem eigentlich eindeutigen Fall bleibt trotzdem möglich – deshalb lohnt sich in den ersten Wochen nach dem Livegang eine Stichprobenprüfung der automatisch bearbeiteten Fälle.

Lassen sich diese Workflows auch mit Microsoft 365 statt Google Workspace umsetzen?

Für die meisten Bausteine ja: Microsoft Outlook Trigger statt Gmail Trigger, Microsoft Teams statt Google Chat. Zwei Ausnahmen: Für Google Docs gibt es keine eigene Microsoft-Node – ein Entwurf lässt sich nur als Datei über SharePoint oder OneDrive ablegen oder per HTTP-Request gegen die Microsoft-Graph-API erzeugen. Und die Outlook-Node hat keine Operation, die Google Calendars „Availability“ entspricht – die Verfügbarkeitsprüfung läuft bei Microsoft 365 über eine HTTP-Request-Node gegen die Graph-API, nur das Anlegen des bestätigten Termins übernimmt die Event-Ressource der Outlook-Node.

Mit welchem der fünf Workflows sollte ich anfangen?

Mit dem, der bei Ihnen den größten Schmerz verursacht – in unseren Projekten meist E-Mail-Management oder Reporting, weil beide täglich beziehungsweise wöchentlich wiederkehren. Ein einzelner, eng abgegrenzter Workflow lässt sich in unseren Projekten meist in wenigen Tagen aufsetzen und liefert die Erfahrung, auf der die nächsten Automatisierungen aufbauen.