Verbringe zehn Minuten auf X und du findest Leute, die darüber streiten, ob das, was sie gebaut haben, ein "AI Agent" oder "Agentic AI" ist. Das ist die falsche Diskussion. Das Label war nie der schwierige Teil. Schwierig ist, dass die Art, wie dein Unternehmen wirklich arbeitet, in den Köpfen der Leute steckt und nicht in deinen Integrationen.
Was das löst, ist ein Use Case: eine wiederholbare Aufgabe, die ein Agent vom Trigger bis zu einem prüfbaren Ergebnis übernehmen kann, über die Tools hinweg, für die du längst bezahlst. Die 20 unten sind die Workflows, die wir als Workflow-Automatisierungsbeispiele veröffentlichen, jeder davon heute im Einsatz mit echten Konnektoren, echtem Zeitplan und echtem Ergebnis. Zu jedem Eintrag steht der Prompt, der ihn startet, damit du einen kopieren und laufen lassen kannst, bevor du fertig gelesen hast.
Jeder Workflow unten ist eine echte Beispielseite: der Trigger, die Tools, die er verbindet, und das Ergebnis, das er liefert. Alle zwanzig ansehen.
Was einen guten Use Case für AI Agents ausmacht
Nicht jede Aufgabe lohnt sich, an einen Agenten zu übergeben. Die Use Cases, die bleiben, teilen vier Entscheidungen. Wenn du alle vier beantworten kannst, hast du einen Use Case.
- Ein Trigger, keine Erinnerung. Die Arbeit startet nach Zeitplan (jeden Werktag um 8:45) oder bei einem Ereignis (eine Meeting-Zusammenfassung kommt an, ein Kalendereintrag verschiebt sich), nicht wenn jemand daran denkt zu fragen.
- Quellen, in denen der Kontext schon liegt. Der Agent liest aus den Systemen, in denen die Antwort steht, aus Sentry, HubSpot, Gmail, Xero, statt dich um Copy-and-paste zu bitten.
- Ein benennbares Ergebnis. Ein angelegtes Issue, ein bewertetes Deal-Briefing, ein Kommentar zu Budgetabweichungen, eine ausgelieferte Seite. Etwas, das ein Mensch prüfen kann, kein weiterer Chat-Text.
- Ein Freigabepunkt. Du entscheidest, welche Schritte allein fertig werden und welche auf dich warten. "Nur den Entwurf, niemals senden" ist eine gültige und oft genau die richtige Anweisung.
In der Praxis ist das die einzige Unterscheidung zwischen Agent und Agentic AI, die etwas bringt. Das eine führt einen Schritt aus, das andere übernimmt die Aufgabe. Alles unten ist die zweite Art.
AI Agents für Engineering und Incident Response
Engineering-Teams haben zuerst täglich mit Agenten gearbeitet, weil die Eingaben (Fehler, Logs, Pull Requests) schon strukturiert sind.
1. Automatisierte Fehler-Triage, erledigt vor dem Standup. Um 8:45 holt der Agent ungelöste Fehler aus Sentry und Axiom, führt dieselbe Ursache über beide Quellen zusammen, wendet deine Schwelle für Vorkommen an und legt zugewiesene GitHub-Issues mit Stacktrace und Belegen an. Wer Bereitschaft hat, öffnet den Laptop auf einer priorisierten Liste statt auf einer Wand aus Alerts. ~25 Min. täglich gespart
@Zero jeden Werktag um 8:45 Uhr, rufe ungelöste Fehler von Sentry und Axiom der letzten 24 Stunden ab. Dedupliziere über Quellen. Für alles mit 5+ Vorkommen, eröffne ein GitHub-Issue in vm0-ai/vm0 mit dem vollständigen Stack-Trace und weise es dem relevanten Code-Owner zu.
Beispielbericht ansehen: Automatisierte Fehler-Triage, erledigt vor dem Standup.
Der 8:45-Lauf, so wie das Team ihn bekommt: 17 Rohsignale aus zwei Quellen auf 13 Ursachen zusammengeführt, sechs angelegt und zugewiesen, fünf unter der Schwelle gehalten. Vollständigen Bericht ansehen.
2. Tägliches Engineering-Briefing mit Anomalie-Erkennung. Vier Tabs werden eine Nachricht. Der Agent holt vor dem Standup GitHub, Linear, Sentry und Plausible, vergleicht jede Zahl mit ihrem gleitenden 7-Tage-Durchschnitt und markiert, was aus dem Muster fällt. Niemand muss sich an den Traffic von letztem Dienstag erinnern. ~20 Min. täglich gespart
@Zero hol jeden Werktag um 8:30 Uhr Live-Daten aus Plausible, Sentry, GitHub und Linear, markiere Ausreißer gegenüber dem 7-Tage-Durchschnitt und poste ein formatiertes Tages-Briefing mit vier Abschnitten in #engineering.
Beispielbericht ansehen: Tägliches Engineering-Briefing mit Anomalie-Erkennung.
3. Aus einer Slack-Nachricht wird ein GitHub-Issue und ein Fix. Beschreibe den Bug in eigenen Worten, in dem Thread, in dem ihn jemand gefunden hat. Der Agent schreibt das strukturierte Issue, versieht es mit Labels und Zuweisung, und wenn die Ursache in einer Komponente liegt, öffnet er gleich einen Pull Request mit Fix und Regressionstest zur Prüfung. Meldungen sterben nicht mehr im Thread. Sofort
@Zero erstelle Issue: ESC im Planungsdialog drücken schließt ihn sofort, auch bei ungespeicherten Änderungen. Sollte zuerst nach Bestätigung fragen. Lancy zuweisen. Label als Bug, Platform. Priorität Mittel.
Beispielbericht ansehen: Aus einer Slack-Nachricht wird ein GitHub-Issue und ein Fix.
AI Agents für Sales und GTM
Im frühen Vertrieb entscheidet Geschwindigkeit, und die Minuten, die darüber entscheiden, sind die direkt nach einem Call: genau dann, wenn das Follow-up liegen bleibt.
4. Cold-E-Mail-Outreach vom ICP bis zum Posteingang. Der Agent sucht in Apollo nach deinem ICP, bewertet jeden Lead anhand deiner eigenen Signale, schreibt qualifizierte Leads in die Pipeline-Tabelle und entwirft pro Lead eine personalisierte Multi-Touch-Sequenz in Gmail, die stoppt, sobald jemand antwortet. ~45 Min. gespart
@Zero baue eine Cold-Outreach-Pipeline auf und führe sie aus. Suche in Apollo nach Gründern und Engineering-Leads bei Dev-Tool-Startups von Seed bis Series A, bewerte jeden Lead mit 0-18 Punkten über unsere 6 ICP-Signale und qualifiziere alles über 10. Trage qualifizierte Leads in unsere Notion-Pipeline-Datenbank ein und entwirf pro Lead eine Gmail-Sequenz mit 3 Touches: E1 heute, E2 an Tag 4-5, E3 als Abschluss an Tag 8-9. Stoppe die Sequenz, sobald jemand antwortet.
Beispielbericht ansehen: Cold-E-Mail-Outreach vom ICP bis zum Posteingang.
5. Machen Sie aus jedem Sales-Meeting ein Deal-Briefing und ein Follow-up. Wenn die Zusammenfassung eintrifft, ordnet der Agent sie dem HubSpot-Deal zu, bewertet die Deal-Gesundheit mit MEDDIC, zitiert für jedes Risiko das Transkript, protokolliert die Zusagen beider Seiten mit Fristen, schreibt die CRM-Notiz und legt die Follow-up-Mail mit den zugesagten Dokumenten an. Nur als Entwurf, gesendet wird von dir. ~40 Min. gespart pro Meeting
@Zero wenn eine Meeting-Recap-E-Mail in Gmail eingeht, ordne sie dem HubSpot-Deal zu, bewerte die Deal-Health mit MEDDIC, markiere Risiken mit Zitaten, protokolliere die Zusagen beider Seiten mit Fälligkeitsdaten, schreibe die strukturierte Notiz nach HubSpot und bereite einen Follow-up-Entwurf in Gmail mit den zugesagten Dokumenten vor. Sende niemals etwas; ich prüfe zuerst.
Beispielbericht ansehen: Machen Sie aus jedem Sales-Meeting ein Deal-Briefing und ein Follow-up.
Ein Briefing, geschrieben aus dem Transkript: MEDDIC-Score samt Veränderung zum letzten Meeting, jedes Risiko mit Zeitstempel zitiert und die Zusagen beider Seiten protokolliert. Vollständiges Briefing ansehen.
6. Vom Calendly-Termin zum Follow-up nach dem tl;dv-Gespräch. Die drei Qualifizierungsantworten, die ein Interessent in Calendly eingibt, verschwinden normalerweise in der Kalendereinladung. Hier werden sie zum Pre-Call-Briefing, und sobald das tl;dv-Transkript existiert, bewertet derselbe Lauf den Deal, schreibt die HubSpot-Notiz und entwirft das Follow-up. Stufenwechsel warten auf den Vertrieb. ~55 Min. pro Meeting gespart
@Zero wenn in Calendly ein Vertriebstermin gebucht wird, erstelle aus den Buchungsantworten und der HubSpot-Historie ein Briefing für das Gespräch. Sobald das passende tl;dv-Transkript vorliegt, bewerte den Deal, markiere Risiken mit Zitaten samt Zeitstempel, schreibe die HubSpot-Notiz und erstelle den Gmail-Entwurf für das Follow-up. Versende niemals E-Mails und ändere niemals die Deal-Phase ohne meine Freigabe.
Beispielbericht ansehen: Vom Calendly-Termin zum Follow-up nach dem tl;dv-Gespräch.
7. Influencer auf X recherchieren und E-Mails entwerfen. Gib dem Agenten einen Handle. Er liest die letzten 30 Beiträge des Creators, versteht, was ihn wirklich beschäftigt, und legt einen Gmail-Entwurf unter 150 Wörtern ab, der etwas Konkretes und Aktuelles aufgreift. Cold Outreach, der nicht nach Vorlage klingt. ~20 Min. gespart
@Zero lies die letzten 30 X-Posts von @swyx, um seinen Stil und seine Interessen zu verstehen. Schreibe eine personalisierte Cold-Outreach-E-Mail unter 150 Wörtern über eine VM0-Partnerschaft. Beziehe dich auf etwas Konkretes, das er kürzlich gepostet hat. Speichere sie als Gmail-Entwurf.
Beispielbericht ansehen: Influencer auf X recherchieren und E-Mails entwerfen.
AI Agents für Marketing, SEO und Content-Produktion
Marketing lebt von wiederkehrender Recherche und wiederholter Produktion. Agenten sind gut im Sammeln und im zweiten Entwurf, und genau dort verschwinden die Stunden.
8. Von der Keyword-Recherche zum veröffentlichten Beitrag, in jeder Sprache. Der Agent zieht aktuelle Volumen- und Difficulty-Werte aus Ahrefs, gruppiert die Lücken in Cluster und liefert eine sortierte Shortlist. Du wählst ein Thema, und derselbe Lauf schreibt den Beitrag, erzeugt das Titelbild und legt jede Sprachversion als Entwurf im CMS an. ~4 Stunden pro Thema gespart
@Zero recherchiere Keywords rund um Berechtigungen und Zugriffskontrolle bei KI-Agenten. Hol Volumen und Difficulty aus Ahrefs, gruppiere sie zu Themenclustern und schick mir die Top fünf priorisiert. Sobald ich eines auswähle, schreib den Beitrag, erzeuge ein Titelbild und lege ihn in Strapi auf Englisch, vereinfachtem Chinesisch und Japanisch als Entwurf an.
Beispielbericht ansehen: Von der Keyword-Recherche zum veröffentlichten Beitrag, in jeder Sprache.
9. Von gemergten Pull Requests zum veröffentlichten Changelog. Über dreißig Pull Requests wurden diese Woche gemergt, und jemand muss entscheiden, welche davon ein Kunde bemerken würde. Der Agent liest die Merge-Liste, behält die nutzerrelevanten Änderungen, gruppiert sie nach Themen und veröffentlicht nach deiner Freigabe Changelog, Resend-Mail und X-Thread in einem Lauf. ~90 Min. pro Woche gespart
@Zero lies jeden Freitag um 9 Uhr die Pull Requests, die in den letzten 7 Tagen in vm0-ai/vm0 gemergt wurden. Behalte die nutzerrelevanten, gruppiere sie zu Themen und schreib einen Changelog-Beitrag. Zeig ihn mir in #marketing, veröffentliche ihn dann auf dem Blog, verschick ihn über Resend an die Zielgruppe 'subscribers' und poste einen Thread auf X.
Beispielbericht ansehen: Von gemergten Pull Requests zum veröffentlichten Changelog.
10. Paid-Ads-Report, jeden Montag geschrieben. Der Montagsbericht schreibt sich, bevor du dich einloggst: jede Kampagne Woche über Woche zu Ausgaben, Conversions und CPA, die Suchbegriffe, die Budget ohne Conversion verbrannt haben, die Kampagnen, die Impression Share wegen Budget verlieren, und die konkreten nächsten Änderungen mit ihrem jeweiligen Wert. ca. 3 Std. pro Woche gespart
@Zero schreibe jeden Montag um 9 Uhr den Paid-Ads-Report der Vorwoche aus Google Ads. Vergleiche jede Kampagne mit der Woche davor bei Kosten, Conversions und CPA. Liste Suchbegriffe mit mehr als 20 $ Kosten und null Conversions, markiere Kampagnen, die Impression Share ans Budget verlieren, und schließe mit den Änderungen für nächste Woche und dem, was jede wert ist. Speichere alles im Reporting-Sheet und schick mir die Zusammenfassung.
Beispielbericht ansehen: Paid-Ads-Report, jeden Montag geschrieben.
Der Montagsbericht, mit vier empfohlenen Änderungen im Entwurf und nichts davon angewendet. Vollständigen Bericht ansehen.
11. Eine Landingpage aus einem einzigen Briefing-Satz starten. Beschreibe die Marke und die Seite. Der Agent schreibt jeden Abschnitt, besorgt lizenzierte Fotografie, committet die Site nach GitHub und deployt sie auf Vercel. Vier Übergaben (Text, Design, Frontend, Deploy) werden ein Gespräch. ca. 3 Stunden gespart pro Seite
@Zero baue eine Landingpage für unseren neuen Team-Plan, gerichtet an Startup-Gründer. Hero, drei Nutzenargumente, eine kurze FAQ und einen Call to Action zur Anmeldung. Öffne einen PR und schick mir den Vorschaulink.
Beispielbericht ansehen: Eine Landingpage aus einem einzigen Briefing-Satz starten.
12. Verwandle eine Bildschirmaufnahme in ein moderiertes Erklärvideo. Übergib die Rohaufnahme, die du schon gemacht hast. Der Agent sieht sie durch, schreibt das Skript, erzeugt einen Presenter, der das Konzept vorab erklärt, legt die Narration über den Walkthrough und schneidet daraus ein 60-sekündiges Erklärvideo. ~6 Std. pro Video gespart
@Zero hier ist meine Screen-Studio-Aufnahme im Ordner 'Dashboard Launch' auf Google Drive. Sieh sie dir an, schreib ein Skript, erzeuge mit HeyGen einen digitalen Presenter, der die Kernkonzepte erklärt, und vertone den Walkthrough mit einem ElevenLabs-Voiceover. Schneide daraus ein 60-Sekunden-Erklärvideo.
Beispielbericht ansehen: Verwandle eine Bildschirmaufnahme in ein moderiertes Erklärvideo.
AI Agents für Kundeninsights und Reporting
Die Belege für die Positionierung und die Zahlen für den Wochenrückblick existieren schon. Sie liegen nur in vier Tools und drei Teams verteilt.
13. Von Kundengesprächen zum lebenden Messaging-Dokument. Jede Woche liest der Agent Intercom-Konversationen und Call-Notizen, extrahiert wörtlich Aufgaben, Probleme, Einwände und die Formulierungen, die gezündet haben, trennt eine Einzelaussage von einem wiederkehrenden Signal und schlägt Aktualisierungen für das gemeinsame Messaging-Dokument je Segment vor. CRM-Felder rührt er nicht an und Texte veröffentlicht er nicht. ~2 Stunden pro Woche gespart
@Zero sieh dir die Intercom-Kundenkonversationen dieser Woche und die Granola-Gesprächsnotizen an. Extrahiere wörtliche Jobs, Pains, Einwände und Botschaften, die gezündet haben. Gruppiere wiederkehrende Signale nach HubSpot-Segment und schlage Aktualisierungen für unser Messaging-Dokument in Drive vor. Ändere keine CRM-Felder und veröffentliche keine Texte.
Beispielbericht ansehen: Von Kundengesprächen zum lebenden Messaging-Dokument.
14. Von Website-Analytics zum wöchentlichen Wachstumsbericht. Zwei Analytics-Tools, ein Bericht. Der Agent bringt Plausible und PostHog zusammen, berichtet nur wesentliche Bewegungen bei Traffic, Registrierungen und Funnel, prüft erst, ob das Tracking gebrochen ist, bevor er den Markt verantwortlich macht, und schreibt den Bericht in Notion, ohne Kausalität zu behaupten, die er nicht belegen kann. ~90 Min. pro Woche gespart
@Zero vergleiche jeden Montag die letzte vollständige Woche mit der Vorwoche in Plausible und PostHog. Berichte nur wesentliche Veränderungen bei Traffic, Signups und Funnel. Prüfe die Tracking-Gesundheit gegen, nutze Notion-Release-Notes als Kontext und entwirf einen knappen Bericht. Behaupte keine Kausalität ohne Belege.
Beispielbericht ansehen: Von Website-Analytics zum wöchentlichen Wachstumsbericht.
Zwei Analytics-Tools in einem Bericht zusammengeführt, inklusive einer Seite, die als Tracking-Lücke und nicht als Conversion-Einbruch markiert ist. Vollständigen Bericht ansehen.
AI Agents für Finanzen und professionelle Dienstleistungen
Wiederkehrendes Reporting passt sauber: gleiche Abfrage, gleiche Form, jede Periode. Die Ermessensfrage ist, was ein Agent niemals erfinden darf.
15. Von Xero-Istwerten zum Budgetabweichungskommentar. Das Buch schließt, aber die Erklärung steckt weiter in Kartennotizen, Rechnungen und dem Gedächtnis des Finanzteams. Der Agent vergleicht Xero-Ist-Werte und Brex-Ausgaben mit dem genehmigten Budget, führt wesentliche Bewegungen auf Belege zurück, trennt zeitliche von strukturellen Effekten und entwirft für Unbelegtes eine private Frage an die verantwortliche Person. Unbekannt bleibt unbekannt. ~3 Stunden pro Monat gespart
@Zero vergleiche die Xero-Ist-Zahlen und die Brex-Ausgaben für Juli mit dem freigegebenen Budget in Google Sheets. Erkläre nur wesentliche Abweichungen anhand von Belegen aus Transaktionen und Drive. Entwirf für alles Ungeklärte eine private Rückfrage an die Budgetverantwortung. Ändere nichts in Xero und versende keine Nachrichten.
Beispielbericht ansehen: Von Xero-Istwerten zum Budgetabweichungskommentar.
Der Monatsabschlusskommentar mit angehängten Belegen und der einen unerklärten Abweichung als Frage an die Budgetverantwortung. Vollständigen Bericht ansehen.
16. Von Kalenderaktivität zur Abrechnung von Stunden. Dienstleistungsteams erledigen die Arbeit zuerst und erfassen die Zeit später, wenn Meetings generische Namen haben und kurze Follow-ups vergessen sind. Der Agent rekonstruiert die Woche aus Kalenderaktivität, Notizen und Projektdaten, prüft Xero auf Duplikate und versieht jeden Vorschlag mit Konfidenz und Belegpfad. Er reicht nie einen Timesheet ein und erstellt keine Rechnung. ~90 Min. pro Woche gespart
@Zero rekonstruiere jeden Freitag die wahrscheinlich abrechenbare Zeit aus meinem Google Calendar und den Granola-Notizen. Ordne sie den aktiven Airtable-Projekten zu und prüfe in Xero auf Doppelerfassungen. Zeige zu jedem fehlenden Eintrag Belege und Konfidenz. Reiche niemals einen Timesheet ein und erstelle keine Rechnung.
Beispielbericht ansehen: Von Kalenderaktivität zur Abrechnung von Stunden.
AI Agents für Operations und persönliche Produktivität
Die letzte Gruppe ist die stille: Arbeit, die nie auf einer Roadmap landet und trotzdem die erste Stunde jedes Tages frisst.
17. Priorisierte tägliche Inbox-Triage via Slack. Um 7 Uhr warten 183 Nachrichten, und vier brauchen heute eine Entscheidung. Der Agent liest die Threads vollständig, stellt Entscheidungen nach vorn, dann was du beantworten musst, dann nützlichen Kontext, und gruppiert Routinebenachrichtigungen nach Quelle, ohne etwas zu löschen. Ein Briefing, in deiner DM. ~20 Min. pro Tag gespart
@Zero prüfe meine Gmail auf E-Mails der letzten 24 Stunden. Markiere alles Dringende - Sicherheitswarnungen, Rechnungsprobleme, Kundenanfragen. Schick mir eine Slack-DM mit Handlungselementen oben und einer Zusammenfassungstabelle für alles andere.
Beispielbericht ansehen: Priorisierte tägliche Inbox-Triage via Slack.
183 Nachrichten, gelesen vor 7 Uhr: vier Entscheidungen zuerst, der offengelegte API-Key ganz oben und 164 Routinebenachrichtigungen gruppiert, ohne etwas zu löschen. Vollständiges Briefing ansehen.
18. Mitarbeiter-Onboarding über Docs, Kalender und Slack automatisieren. Bei jedem Neuzugang dieselben 45 Minuten Koordination. Der Agent schreibt das Onboarding-Dokument, legt die Kennenlerntermine der ersten Woche, postet die Begrüßung und schickt der neuen Person ihre Agenda per DM. Tag eins hängt nicht davon ab, ob jemand eine Slack-Nachricht bemerkt. ~45 Min. gespart
@Zero onboarde Sarah Chen als Product Designer ab dem 14. April. Erstelle den Google-Docs-Onboarding-Plan, plane Woche-1-Kennenlerngespräche mit Ethan, Lancy, James, Yuma und Scarlett im Google Calendar. Plane einen 30-Tage-Check-in. Poste eine Begrüßung in #general und schicke Sarah ihre Erste-Woche-Agenda per DM.
Beispielbericht ansehen: Mitarbeiter-Onboarding über Docs, Kalender und Slack automatisieren.
19. Von Kalenderänderungen zu Verfügbarkeitsblöcken. Ein Meeting verschiebt sich, und deine Buchungsseite zeigt weiter die Verfügbarkeit von gestern. Der Agent rechnet nur das betroffene Zeitfenster neu und ändert nur die Platzhalter, die er selbst erstellt hat. Ein echtes Meeting oder einen privaten Block verschiebt, löscht oder interpretiert er nie. ~15 Min. pro Kalenderänderung gespart
@Zero wenn ein Google-Calendar-Termin erstellt, geändert oder abgesagt wird, berechne das betroffene Calendly-Verfügbarkeitsfenster neu. Aktualisiere nur Platzhalter, die dieser Workflow erstellt hat. Verschiebe oder lösche nie einen echten Termin, eine Buchung oder ein fremdes privates Ereignis.
Beispielbericht ansehen: Von Kalenderänderungen zu Verfügbarkeitsblöcken.
20. Von X-Lesezeichen zu Notizen und Aufgaben. Du speicherst starke Beiträge im Vorbeigehen und liest fast nie nach, was sie verlinkt haben. Diesen zweiten Durchgang macht der Agent: Quellen öffnen, belegte Notizen in Notion ablegen, gegen Bekanntes deduplizieren und nur dann eine Linear-Aufgabe vorschlagen, wenn die Recherche eine konkrete Handlung in einem aktiven Projekt stützt. ~60 Min. pro Woche gespart
@Zero sieh dir jeden Freitag meine neuen X-Lesezeichen an und öffne die verlinkten Quellen. Gleiche sie gegen Notion ab, lege belegte Notizen an und schlage Linear-Aufgaben nur vor, wenn ein Eintrag eine konkrete Handlung für ein aktives Projekt stützt. Poste oder interagiere nie auf X und erstelle keine Aufgaben ohne Freigabe.
Beispielbericht ansehen: Von X-Lesezeichen zu Notizen und Aufgaben.
AI Agents und Automatisierungstools: Zero, Zapier, n8n und Dify
Wenn du Use Cases für AI Agents prüfst, schaust du wahrscheinlich auch auf Zapier, n8n oder Dify. Es gibt Überschneidungen, aber sie kommen von der anderen Seite. Zapier, n8n und Dify sind Builder: du entwirfst den Workflow vorab und pflegst ihn. Zero ist ein Agent: du beschreibst das Ergebnis in normaler Sprache, und er legt die Schritte in jedem Lauf selbst fest.
| Dimension | Zero | Zapier | n8n | Dify |
|---|---|---|---|---|
| Was es ist | KI-Kollege über deine Tools hinweg | Trigger-Aktion-Automatisierung zwischen Apps | Open-Source-Workflow-Automatisierung | Builder für LLM-Apps und Agenten |
| Einrichtung | Aufgabe in natürlicher Sprache beschreiben | Zap aus vordefinierten Schritten bauen | Knoten auf einem visuellen Canvas verdrahten | App in einer Konsole orchestrieren |
| Unstrukturierte Eingaben | Liest Transkripte, Stacktraces, Threads | Braucht Felder zum Mappen | Über AI-Knoten, die du konfigurierst | Ja, innerhalb deiner App |
| Offenes Schlussfolgern | Plant jeden Lauf am Ziel entlang | Feste Schritte plus AI-Aktionen | Fester Graph plus AI-Knoten | Ja, im Flow deiner App |
| Wo es läuft | In der Cloud, nach Zeitplan oder Ereignis, mit Bericht in Slack oder Web-App | Web-Dashboard | Self-hosted oder Cloud-Canvas | Web-Konsole oder eingebettete App |
| Zugriffskontrolle | Pro App und pro Aktion, lesend oder schreibend, zeitlich befristet | Pro verbundenem Konto | Pro Zugangsdaten, die du selbst hostest | Pro App-Konfiguration |
| Modellwahl | Wechsel auf neue Frontier-Modelle möglich | Eingebaute KI des Anbieters | Was du verdrahtest | Was du konfigurierst |
| Preismodell | Credits plus eigener Key, nicht pro Platz | Pro Task und Tarif | Open Source kostenlos, Cloud kostenpflichtig | Open Source kostenlos, Cloud kostenpflichtig |
Wann welches Tool gewinnt:
- Zapier, wenn du ein verlässliches "wenn X, dann Y" zwischen zwei Apps brauchst und nie willst, dass improvisiert wird.
- n8n, wenn ein Engineer eine self-hosted Pipeline mit Verzweigungen und Kontrolle über jeden Knoten will. Die übliche Antwort, sobald ein Team aus der Preisgestaltung pro Task herauswächst.
- Dify, wenn du eine kundenseitige KI-App oder einen Chatbot baust und RAG samt Prompt-Orchestrierung brauchst.
- Zero, wenn die Aufgabe jedes Mal ihre Form ändert und die Eingabe unstrukturiert ist. Jedes Beispiel oben ist diese Art von Arbeit: ein Transkript, ein Stacktrace, eine Woche Werbebudget, 183 E-Mails.
Sie schließen sich nicht aus. Ein Zap oder ein n8n-Knoten kann den Ermessensschritt an Zero geben, und Zero kann eine deterministische Pipeline auslösen, wo eine existiert. Die eigentliche Frage ist nicht, welches Tool das beste ist. Sie ist, ob die Aufgabe eine feste Pipeline ist, die du bauen solltest, oder eine offene, die du übergeben solltest.
Wie du 20 Use Cases ohne 20 Lizenzen betreibst
Beachte, dass jedes Beispiel oben derselbe Agent über verschiedene Tools ist und nicht 20 einzelne Produkte. Daraus folgen vier Dinge.
Es läuft ohne dich. Diese Workflows laufen in der Cloud nach Zeitplan oder Ereignis-Trigger, machen also weiter, wenn du den Laptop zuklappst, führen mehrere Jobs gleichzeitig aus und berichten dorthin, wo dein Team schon arbeitet.
Zugriff wird pro Aktion erteilt. Jeder Konnektor ist auf das begrenzt, was der Workflow tatsächlich nutzt, lesend oder schreibend, pro App: Leserechte auf Fehlerdaten bedeuten nie Schreibrechte auf Repositories. Berechtigungen lassen sich auf eine Stunde oder einen Tag befristen, und sensible Schritte bleiben hinter deiner Freigabe.
Ein Workflow ist ein Team-Asset. Eine Person baut ihn, die ganze Organisation kann ihn ausführen, und jede Person hängt eigene Trigger, Zeitpläne und Zugangsdaten daran. Niemand baut einen Workflow neu, der schon existiert.
Nichts ist an einen Modellanbieter gebunden. Du kannst auf ein neueres Frontier-Modell wechseln, sobald es erscheint, ohne den Workflow neu zu bauen, und deinen eigenen Key mitbringen.
Wähle den einen Workflow aus dieser Liste, den dein Team jede Woche wiederholt, und übergib zuerst diesen. Prüfe einen einzelnen Lauf, bevor du ihn in den Zeitplan nimmst.
Häufige Fragen
Was ist der Unterschied zwischen einem AI Agent und Agentic AI? Sehr wenig, jedenfalls nichts, was deine Entscheidung ändern sollte. "Agentic AI" beschreibt die breitere Fähigkeit, also Software, die plant und handelt, während "AI Agent" die konkrete Instanz beschreibt, die eine Aufgabe erledigt. Entscheidend ist, ob sie einen echten Use Case vom Trigger bis zum prüfbaren Ergebnis übernehmen kann, nicht welches Label sie trägt.
Welche Arten von Agentic-AI-Use-Cases gibt es? Die 20 oben fallen in sechs Arten, und das ist ein guter Weg, die eigene Woche zu prüfen: Engineering und Incident Response, Sales und GTM, Marketing und Content-Produktion, Kundeninsights und Reporting, Finanzen und professionelle Dienstleistungen, Operations und persönliche Produktivität. Jede Art hat dieselbe Form (Trigger, Quellen, Ergebnis, Freigabepunkt) und unterscheidet sich nur darin, welche Tools den Kontext halten.
Welche Use Cases eignen sich für kleine Teams? Fang dort an, wo Arbeit sich wiederholt, mehrere Tools kreuzt und in etwas Prüfbarem endet: Postfach-Triage, Fehler-Triage, der Wochenbericht und das Follow-up nach Calls. Sie zahlen sich in der ersten Woche aus und brauchen fast keine Einrichtung.
Wie unterscheidet sich das von regelbasierter Automatisierung? Regelbasierte Automatisierung folgt festen Bedingungen und bleibt stehen, wenn die Eingabe nicht passt. Ein Agent liest die unstrukturierte Eingabe, also das Transkript, den Stacktrace, den Thread, vergleicht sie über Tools hinweg und erzeugt einen Bericht, einen Entwurf, ein Issue oder eine Entscheidungsgrundlage innerhalb der Rechte, die du gesetzt hast.
Ersetzen AI Agents Mitarbeitende? Die nützliche Betrachtung ist der Aufgabenzuschnitt, nicht die Personalzahl. Agenten übernehmen die wiederholten, toolübergreifenden Aufgaben, also Triage, erste Entwürfe, wiederkehrende Berichte, damit Menschen ihre Zeit für Urteil, Beziehungen und Entscheidungen nutzen, die einen Menschen brauchen. In mehreren Beispielen oben wird dem Agenten ausdrücklich gesagt, dass er entwerfen und niemals senden soll.
Wie behalte ich einen Menschen in der Schleife? Schreib es in die Anweisung, so wie die Beispiele aus Finanzen, Vertrieb und Kalender: nur Entwurf, niemals senden, das Buch nicht bearbeiten, kein echtes Meeting anfassen. Verbinde dann nur die Tools, die der Workflow braucht, begrenze jedes auf lesend oder schreibend und prüfe den ersten Lauf, bevor du den nächsten planst.
Welche Tools braucht ein Agent, um nützlich zu sein? Zugang zu den Systemen, in denen die Arbeit schon passiert. Zero erreicht über 200 Tools, und je mehr ein Workflow lesen und schreiben kann, also Postfach, Repository, CRM, Analytics, Buchhaltung, desto mehr Arbeit kann er von Anfang bis Ende übernehmen. Diese toolübergreifende Reichweite trennt einen Agenten von einem Chatbot.
