Lead-Qualifizierung mit n8n: KI-Agents die Ihre Anfragen bewerten

Wer als Freelancer oder kleines Unternehmen Anfragen ueber verschiedene Kanaele bekommt, kennt das Problem: Manche Anfragen sind Gold wert, andere kosten nur Zeit. Die Herausforderung ist, das schnell zu unterscheiden, ohne jede Nachricht einzeln durchzuarbeiten.

Genau dafuer habe ich einen n8n-Workflow gebaut, der eingehende Anfragen automatisch bewertet und bei vielversprechenden Leads eine professionelle Antwort generiert. Komplett self-hosted, mit KI-Agents auf dem eigenen Server.

Das Problem: Jede Anfrage manuell bewerten

Als Berater fuer ERP-Systeme und Workflow-Automatisierung bekomme ich Anfragen per E-Mail, ueber Freelancer-Plattformen und ueber mein Kontaktformular. Die Bandbreite reicht von konkreten Projektanfragen bis zu “Was kostet das ungefaehr?”, ohne weitere Details.

Jede Anfrage einzeln zu lesen, einzuordnen und zu beantworten kostet pro Stueck 10 bis 15 Minuten. Bei fuenf Anfragen pro Woche sind das ueber eine Stunde, nur fuer die Erstbewertung.

Die Loesung: Ein Orchestrator mit zwei KI-Agents

Der Workflow folgt dem sogenannten Orchestrator-Pattern. Ein Haupt-Workflow steuert den Ablauf und ruft spezialisierte Sub-Workflows auf, die jeweils eine Aufgabe uebernehmen.

So sieht der Ablauf aus

Schritt 1: Anfrage empfangen Ein Webhook nimmt die Anfrage entgegen. Egal ob aus einem Kontaktformular, einer E-Mail-Weiterleitung oder einer API-Anbindung. Die Daten kommen als JSON mit Name, E-Mail, Nachricht und Quelle.

Schritt 2: KI-Agent klassifiziert Der erste Sub-Workflow analysiert die Anfrage mit einem KI-Agent (Claude API). Er bewertet auf einer Skala von 0 bis 100, ob es sich um ein konkretes Projekt, eine reine Preisanfrage oder eine allgemeine Informationsanfrage handelt.

Schritt 3: Routing nach Score Ein einfacher IF-Node entscheidet: Liegt der Score bei 70 oder hoeher, wird der zweite Agent aktiviert. Darunter wird die Anfrage als niedrige Prioritaet markiert.

Schritt 4: KI-Agent antwortet Der zweite Sub-Workflow generiert eine professionelle, personalisierte Antwort. Kein Standardtext, sondern zugeschnitten auf den Inhalt der Anfrage, die erkannte Kategorie und den Kommunikationskanal.

Erfolgreicher Durchlauf des Lead-Qualifizierungs-Workflows in n8n

Warum das Orchestrator-Pattern?

Man koennte alles in einen einzigen Workflow packen. Das funktioniert bei einfachen Ablaeufen, wird aber schnell unuebersichtlich. Das Orchestrator-Pattern hat drei Vorteile:

Jeder Agent ist einzeln testbar. Wenn die Klassifizierung nicht stimmt, oeffne ich nur den Klassifizierer-Workflow und teste mit Beispieldaten. Der Rest bleibt unberuehrt.

Austauschbar ohne Umbau. Heute klassifiziert ein KI-Agent per LLM. Morgen koennte ein regelbasierter Ansatz besser passen, oder ein anderes Sprachmodell. Der Orchestrator aendert sich nicht.

Fehler bleiben isoliert. Wenn der Antwort-Agent einen Fehler wirft, laeuft der Klassifizierer trotzdem durch. Mit Error Handling auf jeder Ebene geht keine Anfrage verloren.

Technische Details

Der gesamte Stack laeuft self-hosted:

n8n als Workflow-Engine (Version 2.8, Docker)
Claude API (Anthropic) fuer die KI-Agents
Webhook als Eingangstor fuer Anfragen
Sub-Workflows bleiben inaktiv und werden nur intern aufgerufen, kein externer Zugriff moeglich

Die Sub-Workflows kommunizieren ueber ein einheitliches Datenformat. Der Klassifizierer gibt immer Name, E-Mail, Nachricht, Quelle und eine Klassifikation mit Kategorie, Score und Begruendung zurueck. Der Antwort-Generator bekommt genau dieses Format und ergaenzt seine Antwort.

Dieses standardisierte Interface macht es einfach, neue Agents hinzuzufuegen, zum Beispiel einen dritten Agent der bei Projekt-Anfragen automatisch einen Terminvorschlag generiert.

Was bringt es in der Praxis?

Bei ersten Tests mit Beispiel-Anfragen hat der Klassifizierer in den meisten Faellen die richtige Kategorie und einen plausiblen Score vergeben. Die generierten Antworten waren als Ausgangsbasis direkt nutzbar, mit minimalen Anpassungen.

Der Zeitaufwand pro Anfrage sinkt von 10 bis 15 Minuten auf unter 2 Minuten: kurz die KI-Antwort pruefen, eventuell einen Satz anpassen, absenden.

Fazit

Lead-Qualifizierung mit KI-Agents ist kein Zukunftsthema mehr. Mit n8n, einer LLM-API und dem richtigen Architektur-Pattern laesst sich ein produktionsreifer Workflow an einem Nachmittag aufbauen. Self-hosted, mit voller Kontrolle ueber die eigene Infrastruktur. Die Workflow-Engine und alle Daten bleiben auf dem eigenen Server, lediglich die LLM-Anfragen gehen an eine externe API.

Wer besonderen Wert auf Datenschutz legt, kann die Cloud-API durch ein lokales Sprachmodell ersetzen, etwa ueber Ollama. Die Architektur bleibt identisch, nur das Modell im Agent-Node wird getauscht. So verlassen keine Anfragedaten den eigenen Server, ein wichtiger Baustein fuer DSGVO-konforme Verarbeitung.

Das gleiche Pattern funktioniert ueberall dort, wo eingehende Daten bewertet, kategorisiert und weiterverarbeitet werden muessen: Support-Tickets, Bewerbungen, Feedback-Formulare oder Bestellungen.

Dieser Beitrag ist Teil meiner n8n-Serie. Im vorherigen Beitrag zeige ich, wie ein n8n-Workflow die Terminverfuegbarkeit direkt aus Google Calendar auf die Website bringt.

Sie moechten Ihre Lead-Bearbeitung oder andere Geschaeftsprozesse automatisieren? Ich baue solche Workflows fuer Freelancer und kleine Unternehmen. Lassen Sie uns in einem kurzen Gespraech klaeren, was bei Ihnen moeglich ist.