n8n vs Make: Die richtige Automationsplattform wählen

IT-Ops-Verantwortliche lieben Drag-and-Drop-Automatisierung - bis Rechnung, Audit und KI-Roadmap gleichzeitig auf dem Tisch liegen. Wenn jede zusätzliche Operation oder Aufgabe Geld kostet, kollidieren Cloud-Limits mit Wachstum. So schlägt das selbst gehostete n8n Make (und Zapier) bei Kosten, Compliance und lokaler KI-Erweiterbarkeit.

Wo Make teuer und riskant wird

1. Verborgene Lizenz- und Nutzungskosten

• Make berechnet jeden Modul-Durchlauf in einem Szenario, abgerechnet in Credits. Schon ein Drei-Schritt-Flow kann täglich Tausende Credits verbrauchen. Core startet bei 9 $ pro Monat für 10 000 Credits bei jährlicher Zahlung, Teams bei 29 $; Enterprise ist Individualpreis (Make-Preise, Oktober 2026) - alles weiterhin pro Credit.
• Zapier rechnet pro Task ab: 29,99 $ pro Monat für 750 Tasks und 733,50 $ für 100 000 Tasks im Professional-Plan bei monatlicher Zahlung (Zapier-Preise, Oktober 2026) - plus Aufschläge bei Überschreitung. Unser Zapier-Kosten-Tear-Down zeigt den schnellen Anstieg.
• n8n Cloud startet bei 20 € pro Monat für 2 500 Workflow-Ausführungen bei jährlicher Zahlung (n8n-Preise, Oktober 2026) - unbegrenzte Schritte, keine Premium-Nodes - oder man betreibt die Community-Edition kostenlos auf dem eigenen Server mit demselben n8n.

Wie unterschiedlich die Plattformen zählen, zeigt ein einzelner Durchlauf, der fünf neue E-Mails in eine Tabelle schreibt:

Make zählt einen Credit für den Trigger und einen für jede Operation eines Moduls. Die fünf Zeilen kosten also fünf weitere Credits, insgesamt sechs (Make Academy). n8n zählt den ganzen Durchlauf als eine Ausführung, egal wie viele Schritte oder Datensätze er verarbeitet (n8n-Preise). Bei Make erhöht jeder Datensatz in einer Schleife die Zahl der Credits, bei n8n ändert er an der Zählung nichts.

2. DSGVO-Risiko

Zapier verarbeitet Daten auf US-Infrastruktur. Make bietet Hosting in der EU, ist aber wie Zapier ein Cloud-Dienst mit eigenen Unterauftragsverarbeitern und Aufbewahrungsfristen. Datenübertragungen, intransparente Sub-Auftragsverarbeiter und Aufbewahrungsregeln machen jeden Webhook zur Compliance-Frage. Details im Leitfaden zum DSGVO-sicheren Hosting.

Wo eine Plattform laufen kann, entscheidet, wo Ihre Daten verarbeitet werden:

Zapier speichert Kundendaten bei AWS in den USA (Zapier). Bei Make wählt jede Organisation ein Rechenzentrum in den USA oder der EU, das sich später nicht mehr ändern lässt (Make-Hilfe). Einige KI-Funktionen schicken ihre Anfragen aber immer in die USA (Make-Hilfe). n8n Cloud speichert Daten in Frankfurt (n8n-Preise) und die selbst gehostete Edition läuft dort, wo Sie sie installieren.

3. Begrenzte KI-Erweiterbarkeit

GPT-APIs bedeuten Doppelabrechnung (Automation + Tokens) und Abgabe sensibler Daten an externe Anbieter. Token-Gebühren wachsen mit jedem Dokument und jedem Agenten-Schritt - siehe Zahlen im Kostenvergleich von Cloud- und lokalen LLMs.

Die Alternative: selbst gehostetes n8n mit lokalen Modellen

• Überall selbst hosten. Betreiben Sie n8n On-Premises oder in einer EU-Cloud für vollständige Datenhoheit.
• Lokale SLMs via Ollama. Unser Guide zeigt, wie Sie ein 7-B-Modell hinter http://localhost:11434 packen und n8n eine native KI-Node geben - ohne externe Aufrufe.
• Matrix42-Connector. S&S pflegt den Matrix42-Node für n8n, damit Sie Tickets ohne Skripting anlegen, anreichern und schließen können.
• Governance. Je nach Plan helfen Rollen, Workflow-Historie, Versionskontrolle mit Git und Log-Streaming bei Audits (n8n-Preise).

n8n und Ollama einrichten

In Minuten einsatzbereit

# auf einem Server mit Node.js 22 und genug RAM oder GPU-Speicher für das Modell
npx n8n # startet n8n auf Port 5678
curl -fsSL https://ollama.com/install.sh | sh # installiert Ollama
ollama pull gemma2:9b # lädt Gemma 2 mit 9B Parametern (5,4 GB)

Die Ollama Model-Node einfach auf http://localhost:11434 zeigen - fertig.

Kostenvergleich Seite an Seite

• Automationsplattform (Preise vom Oktober 2026): Zapier Professional (2 000 Tasks): 49 $/Monat bei jährlicher Zahlung
  • Make Core (10 000 Credits): 9 $/Monat bei jährlicher Zahlung - explodiert bei Schleifen
  • n8n selbst gehostet: 0 € (plus Kosten für den Server)
• AI-Inference: Cloud GPT-4 Turbo, Agent mit fünf Aufrufen pro Rechnung: rund 175 $ im Monat bei 1 200 Rechnungen
  • Lokales SLM auf einer RTX 3060: ein paar Cent Strom pro Lauf nach einer Workstation für 1 800 € - Rechnung

Ergebnis: Bei hohen Volumen oder Agenten, die das Modell pro Dokument mehrfach aufrufen, ersetzt n8n mit lokalen SLMs Gebühren pro Operation und pro Token durch einen festen Betrag für Hardware.

Was der Wechsel spart

• Kürzere Durchlaufzeiten und weniger manuelle Eingriffe im Service Desk
• Weniger Nacharbeit nach vollständiger Automatisierung von ERP- und ITSM-Workflows
• KI-Kosten, die mit dem Volumen nicht mitwachsen; bei hohen Volumen hat sich eine KI-Workstation für 1 800 € nach wenigen Monaten bezahlt gemacht - siehe Kostenvergleich.
• Einfachere DSGVO-Compliance: Laufen n8n und das Modell auf Ihren eigenen Servern, bleiben die Daten dort und im Verzeichnis nach Art. 30 DSGVO stehen weniger externe Empfänger und keine Übermittlungen in Drittländer - siehe Beitrag zum DSGVO-sicheren Hosting.

So planen Sie den Umstieg

1. Aktuelle Kosten prüfen. Usage-Exports aus Zapier/Make und OpenAI ziehen; High-Volume-Flows markieren.
2. Pilot lokal starten. Unseren Ollama-&-n8n-Quick-Start auf einem Test-Rechner durchlaufen.
3. Mit Matrix42 erweitern. npm install n8n-nodes-matrix42 ausführen und Ihr ITSM mit dem Matrix42-Node anbinden.
4. Messen. Vergleichen Sie Durchlaufzeiten und manuelle Eingriffe vor und nach dem Umstieg, etwa anhand der Ticket-Historie.
5. Skalieren. Fine-tuned SLMs, RBAC-Stufen und Dashboards ergänzen.

Bereit, Kosten zu senken, Datenhoheit zurückzugewinnen und Automatisierung zu beschleunigen? Kontaktieren Sie unser Team.

Automate. Optimize. Scale.