Intelligente Workflows selbst bauen
Klassische Workflows, so wie „man“ sie kennt, arbeiten nach den bekannten Wenn-Dann-Prinzipien. Intelligent werden Workflows dann, wenn für komplexe Aufgaben etwas KI-Magie hinzugefügt wird. In diesem Blog zeige ich anhand eines konkreten Beispiels, wie sich mit n8n, KI-basierten Modellen und einem RAG-Ansatz (Retrieval-Augmented Generation) operative Prozesse intelligent automatisieren lassen – ganz ohne eigenes Entwicklerteam.
Analyse-Newsletter „earningly“
Das Beispiel, das hier beschrieben wird, ist ein (weitestgehend vollständig) automatisierter Analyse-Newsletter. Konkret geht es zwar um sogenannte Earnings-Calls. Das Grundprinzip für die Automatisierung lässt sich aber auf sehr viele Use-Cases übertragen, bei denen aus Dokumenten, Webpages, einer Wissensdatenbank oder anderen Quellen eine AI-gestützte Analyse erstellt werden soll, z.B.:
- Monitoring und automatisierte Alerts
- Vertriebssupport mit dynamischen Kundenbriefings
- Wöchentliche Projekt- oder Team-Updates
- Automatisierte Auswertungen von CRM- oder ERP-Daten
- Integration externer Marktdaten (z. B. aus Trading-Plattformen oder Wetterdiensten)
Also: der hier abgebildete Use-Case fühlt sich sehr speziell an – lässt sich aber prima auf viele nicht-finanzwirtschaftliche Fragestellungen ausrollen. Daher werden wir uns hier auch besonders darauf konzentrieren, das Setup zu beschreiben (und nicht die eigentliche Analyse-Funktionalität).
In dem Use-Case referenzieren wir auf ein hypothetisches Startup earningly, das u.a. einen Analyse-Newsletter herausgibt und damit eine Community aufbauen möchte. Die Analyse fokussiert auf die Transkripte von sogenannten Earnings Calls. Das sind die Telefonkonferenzen, bei denen börsennotierte Unternehmen ausgewählten Investoren die Quartalszahlen erläutern. Im Allgemeinen dauern diese Konferenzen 60-90 min und werden anschließend transkribiert. Das Ziel ist es nun, die Inhalte dieser Protokolle KI-gesützt zu analysieren, automatisch einen Newsletter zu erstellen und diesen an alle Abonnenten zu verschicken.
Das klingt nach einem Nischenprodukt? Vielleicht. Doch der zugrundeliegende Workflow eignet sich für viele Anwendungsfelder – zum Beispiel auch in der Energiewirtschaft.
Behind-the-Scene: wie läuft die Automatisierung mit n8n ab?
Die technische Basis für unsere Automatisierung bildet n8n, ein leistungsstarkes Low-Code-Automatisierungstool, das sich hervorragend mit externen Datenquellen wie Airtable, Sharepoint, APIs, Google Sheets oder internen Systemen verknüpfen lässt.
In unserem Setup:
- analysieren wir automatisch neue Earnings Call Termine
- ziehen relevante Transkripte und Begriffe heran
- generieren aus strukturierten Daten Textbausteine mit einem LLM (Large Language Model)
- kombinieren diese Informationen zu einem dynamischen HTML-Newsletter
- versenden diesen automatisiert an unsere Nutzer
All das geschieht ohne manuelle Eingriffe – gesteuert durch einen visuellen Workflow, den auch Nicht-Entwickler verstehen und pflegen können.
Das Setup in unserem Use-Case
Das Video zeigt einen n8n-Workflow in Aktion. n8n-Workflows starten mit einem Trigger. Hier ist es der Upload von einem Protokoll oder Transkript, das den Use-Case anstößt. Alle weiteren Schritte laufen hier voll-automatisiert.
In ersten Teil des Workflows werden die Analyse-Inhalte generiert. Ein Teil des Analyse-Newsletter besteht aus der eigentlichen Analyse, die durch einen AI-Agenten unterstützt wird. Der AI Agent hat System-Prompts hinterlegt, die genaue Vorgaben machen, wie die Analyse zu erfolgen hat. Weiterhin wird aus einer Airtable-Datenbank ein Finanzbegriff herausgezogen, der nach dem Zufallsprinzip im Newsletter erläutert wird, z.B. Earnings-per-Share. Weiterhin wird eine Grafik generiert, die bestimmte Ergebnisse der AI-Analyse verarbeitet.
Die Ergebnisse werden zusammengeführt und in ein HTML-Format überführt, so dass ein vordesignter Newsletter erzeugt wird. Das HTML wird an Outlook „übergeben“ und verschickt. Dabei nutzt Outlook die in einer Datenbank (hier Airtable) hinterlegten Abonnenten-Informationen. Nach erfolgreichem Versand werden in Airtable einige Status-Änderungen vorgenommen, so dass hier auch nachvollziehbar ist, welcher Newsletter wann und mit welchem Inhalt und an wen verschickt wurde.
RAG: Warum Retrieval-Augmented Generation so mächtig ist
Der Einsatz von KI ist für viele Unternehmen noch abstrakt. Klassische Large Language Models wie GPT-5 sind beeindruckend, aber oft zu allgemein. Hier kommt der sogenannte RAG-Ansatz ins Spiel: Statt nur auf das trainierte Modell zu vertrauen, reichern wir unsere Prompts dynamisch mit kontextbezogenen Daten an – etwa Unternehmensdaten, Marktinformationen oder interne Dokumente.
Das Ergebnis: Statt generischer Antworten liefert die KI hochrelevante, spezifische Inhalte, die direkt in Newsletter, Reports oder interne Briefings eingebunden werden können.
Warum n8n für Prozessautomatisierung überzeugt
Es gibt viele gute Workflow- bzw. Automatisierungs-Tools. Aus meiner Sicht sind hier besonders Zapier, Make, Power Automate und n8n hervorzuheben. Für alle, die bei der Tool-Wahl noch auf der Suche nach einem ersten Überblick sind: ich habe in diesem Beitrag eine kurze Zusammenfassung zu den oben genannten Tools geschrieben. Dabei habe ich mir Kriterien wie Skills, Flexibilität, Datenschutz und Governance angeschaut.
n8n hat sich in diesem Projekt als ideales Tool erwiesen, weil es aus meiner Sicht besonders in der Kombination mit KI viele Vorteile bietet, insbesondere:
- Gute Integration von AI-Komponenten in die Workflows
- Visuelle Workflows: Komplexe Abläufe lassen sich übersichtlich modellieren
- Low-Code: Auch Fachabteilungen können mitarbeiten, ohne Programmierkenntnisse
- Flexible Integration: Schnittstellen zu Airtable, E-Mail, APIs, Webhooks und mehr
- Open Source: Volle Kontrolle über Daten und Prozesse
Für Unternehmen bietet der Einsatz von n8n enorme Effizienzpotenziale. Denn gerade die Kombination von KI-basierter Textgenerierung und Automatisierung lässt skalierbare und intelligente Prozesse entstehen.
Fazit: Intelligente Automatisierung beginnt mit dem richtigen Setup
Ob Marktkommunikation, Projektmanagement oder operative Steuerung – intelligente Automatisierung mit Tools wie n8n und einem RAG-Modell bietet eine konkrete, umsetzbare Möglichkeit, Prozesse in der Energiewirtschaft zu vereinfachen und zu beschleunigen.
Der Schlüssel liegt nicht im reinen Einsatz von KI – sondern darin, wie kontextbezogene Daten mit den richtigen Tools zusammengebracht und operationalisiert werden. Genau das zeigen wir mit earningly.
Neugierig geworden?
Wenn du dich mit Prozessautomatisierung, KI in der Energiewirtschaft oder RAG-gestützten Workflows beschäftigst – melde dich gerne direkt bei mir und wir schauen mal gemeinsam, wie wir in deinem Prozessumfeld die richtigen Hebel bewegen, um dich und dein Team effizienter und produktiver zu machen!