Kurzfassung: Fünf n8n-Workflows, die ich für Marketing-Teams empfehle — von Lead Scoring bis Datenanreicherung. Alle lassen sich ohne Programmierkenntnisse nachbauen, wenn man die Grundlogik verstanden hat.
Ich hab n8n zum ersten Mal vor gut zwei Jahren geöffnet und gedacht: zu technisch, zu viele Kabel, nichts für mich. Drei Stunden später hatte ich meinen ersten funktionierenden Webhook. Seitdem läuft ein Großteil meiner repetitiven Marketing-Aufgaben automatisiert.
Was ich damals gebraucht hätte, war eine ehrliche Liste mit konkreten Beispielen, die zeigt, was wirklich machbar ist — ohne zu beschönigen, wie viel Setup dahintersteckt. Hier ist sie. Fünf Workflows, bei denen ich sagen kann: Das sind gute Ideen für deinen Einstieg!
Warum n8n für Marketing-Teams interessant ist
Der entscheidende Unterschied zu Tools wie Zapier oder Make: Du kannst n8n selbst hosten. Das klingt erst nach mehr Aufwand, bringt aber zwei echte Vorteile. Erstens, du zahlst nicht pro Workflow-Ausführung — was bei Zapier schnell teuer wird, wenn die Lead-Zahlen steigen. Zweitens, sensible Kundendaten verlassen deinen Server nicht. Gerade bei DSGVO-Anforderungen ein wichtiges Argument.
Was n8n nicht ist: ein Tool, das sich selbst erklärt. Es braucht eine Einarbeitungszeit. Wer das wissen möchte, bevor er anfängt — ich habe das in meinem Vergleich zwischen n8n und Make ausführlicher aufgedröselt.
Die 5 Workflows im Überblick
1. KI-gestützte Lead-Qualifizierung
Ein Webhook empfängt die Daten aus deinem Kontaktformular. n8n leitet Berufsbezeichnung, Unternehmensgröße und den Freitext an ein LLM weiter. Das Modell vergibt einen Score. Leads über einem bestimmten Schwellenwert lösen eine Slack-Benachrichtigung aus, der Rest landet in einem Google Sheet zur späteren Sichtung.
Der Vorteil: Du brauchst kein teures Intent-Tool. Ein GPT-4o- oder Claude-Aufruf kostet einen Bruchteil davon, und du kannst die Scoring-Logik im Prompt anpassen, ohne etwas zu programmieren.
2. Trend Monitoring mit automatischem Content-Draft
n8n überwacht RSS-Feeds und Google Alerts deiner Wahl. Sobald ein neuer Artikel erscheint, extrahiert der Workflow den Text, lässt ihn von einem LLM zusammenfassen und erstellt daraus einen Social-Media-Draft. Den bekommst du per E-Mail oder Slack — fertig zur Freigabe, nicht zur blinden Veröffentlichung.
Ich nutze das selbst für KI-News. Der Draft ist nie perfekt, aber er spart mir 30 Minuten pro Tag, die ich sonst mit Querlesen verbringe.
3. CRM-Sync: Google Sheets ↔ HubSpot
Viele kleinere Teams verwalten Leads noch teilweise in Google Sheets, weil Excel-Export und manuelle Pflege schlicht schneller gehen als das CRM aufzurufen. Das Problem: Irgendwann sind beide Systeme nicht mehr synchron.
Dieser Workflow löst das: Ändert jemand einen Status im Sheet, aktualisiert n8n den entsprechenden Deal im CRM. Keine Duplikate, kein händisches Übertragen. Der Aufbau dauert einen Nachmittag, läuft dann aber komplett im Hintergrund.
4. Social-Media-Monitoring mit Sentiment-Analyse
Du verbindest deine Kanäle per API mit n8n. Der Workflow scannt Mentions nach einem festgelegten Intervall. Eine KI-Node bewertet das Sentiment. Ist es negativ, geht sofort eine Benachrichtigung raus, bevor es zu einer Eskalation kommt.
Ich würde das nicht als vollständigen Social Listening Ersatz verkaufen. Für ein erstes Frühwarnsystem ohne Monatslizenz taugt es aber gut.
5. Automatische Lead-Anreicherung
Wenn jemand sich für einen Newsletter anmeldet, hast du oft nur die E-Mail-Adresse. Dieser Workflow nimmt die Domain, ruft Firmendaten ab und ergänzt Branche, Unternehmensgröße und ggf. LinkedIn-Profil direkt im CRM oder Sheet. Das verbessert die spätere Segmentierung erheblich, ohne dass du jeden Lead manuell nachrecherchieren musst.
Die Datenanreicherung habe ich auch in meiner Market Research Automation im Einsatz — dort in einem etwas größeren Kontext, aber das Grundprinzip ist identisch.
Wie du mit dem ersten Workflow anfängst
Meine Empfehlung für den Einstieg: Fang mit Workflow 2 (Trend Monitoring) an, nicht mit Lead Scoring. Der Reason: Du brauchst keinen Webhook und keinen externen Trigger. Ein RSS-Feed-Node und ein HTTP-Aufruf an ein LLM reichen. Wenn das läuft, hast du die Grundlogik verstanden und kannst zu den komplexeren Flows übergehen.
Wichtig bei allem, was du baust: Error Handling von Anfang an. n8n hat dafür einen eigenen „Error Trigger“ Node. Wenn eine API-Anbindung abbricht, willst du das sofort wissen, nicht erst wenn der Workflow drei Tage lang stillstand. Klingt trivial, ist aber der häufigste Fehler bei ersten Setups.
Self-Hosting und DSGVO
Wenn du n8n über Docker auf einem eigenen Server hostest, verlassen sensible Kundendaten deine Infrastruktur nicht. Das ist kein theoretisches Argument. Bei Lead-Daten und CRM-Syncs ist das in vielen Unternehmensumgebungen eine harte Anforderung. Die offizielle Hosting-Dokumentation von n8n erklärt die Optionen konkret.
Was diese Workflows gemeinsam haben
Alle fünf sind so gebaut, dass ein Mensch in der Schleife (Human in the Loop) bleibt. Kein Workflow postet automatisch, trifft Priorisierungsentscheidungen allein oder schreibt eigenständig ins CRM, ohne dass du es siehst. Der Workflow bereitet vor, du entscheidest. Das ist für mich das entscheidende Prinzip bei KI-Automatisierungen im Marketing — und ich hab das in meiner Content Machine genauso gebaut.
Welchen dieser Flows würdest du als erstes angehen? Ich bin neugierig, wo bei dir der größte manuelle Aufwand steckt. Schreib mir auf LinkedIn.
