n8n Agents vs. AI-Agent-Node: Wann was? (Preview 2026)

n8n Agents sind ein neuer Baustein in n8n, den der Anbieter laut n8n-Blog vom 25.09.2026 vorgestellt hat: Ein Agent bekommt eine Aufgabe, ein Modell sowie Tools und Workflows und ermittelt die Schritte selbst. Ein Agent ist ein eigenes Objekt im Projekt, kein Node in einem Workflow, und nutzt Workflows als Tools. Aus einem Workflow heraus rufst du ihn über den neuen Node „Message an Agent“ auf.

Stand: 14.10.2026, n8n 2.43.4 stable / 2.44.0 beta. Aktualisiert am 14.10.2026.

Die wichtigsten Fragen sind praktisch: Muss ich bestehende AI-Agent-Node-Workflows umbauen? Was kostet das? Wie verhindere ich, dass ein Agent ungewollt schreibt? Dieser Artikel beruht auf dem n8n-Blog, der Doku und dem Changelog, nicht auf einem eigenen Produktivtest der Agents. Die Einordnung anhand meiner Projekte ist meine Einschätzung des Musters, kein Messergebnis.

Was sind n8n Agents und was kann der AI-Agent-Node weiterhin?

Ein n8n Agent ist ein eigenständiger Baustein, der eine Aufgabe mit einem Modell, Tools und Workflows selbst in Schritte zerlegt. Laut n8n unterstützen Agents außerdem Sub-Agents, Memory und gespeicherte Sessions. Wissen aus hochgeladenen Dateien (csv, pdf, markdown, txt) ist auf n8n Cloud verfügbar, self-hosted nur mit konfigurierter Sandbox und als Preview.

Der AI-Agent-Node ist der etablierte Weg: Trigger, AI-Agent-Node, Chat-Modell und mindestens ein Tool. So beschreiben ihn auch aktuelle deutschsprachige Ratgeber wie der von peter-krause.net. Funktion und Bedienung des AI-Agent-Nodes ändern sich durch n8n Agents nicht; er erhält weiter normale Fehlerkorrekturen. Bereits gebaute Workflows funktionieren weiter.

Beide Wege lassen sich verbinden: Mit dem Node „Message an Agent Tool“ ruft ein AI-Agent-Node einen n8n Agent als Tool auf.

n8n Agents, AI-Agent-Node oder fester Workflow: Welcher Weg passt?

Ähnlich ordnet es Kingy AI in einer Entscheidungstabelle ein: Bekannte, feste Abläufe bleiben normale Workflows. Ein Agent passt dort, wo der nächste Schritt von der Antwort abhängt und mehrere genehmigte Tools infrage kommen. Daraus ergibt sich diese Entscheidungshilfe:

Grenzen: Je offener die Aufgabe, desto schwerer lässt sich das Verhalten vorhersagen und testen. Für Abläufe, die du vollständig beschreiben kannst, bringt ein Agent keinen Gewinn, nur zusätzliche Unsicherheit.

Wie rufe ich einen n8n Agent aus einem Workflow auf?

Der Node „Message an Agent“ sendet eine aus den Workflow-Daten gebaute Nachricht an einen Agenten und reicht dessen Antwort an den nächsten Node weiter. Laut Doku führt der Agent dabei seine eigene Reasoning-Schleife mit eigenen Tools und Skills aus. Jede gesendete Nachricht zählt als eine Execution.

Ein sinnvoller Aufbau in vier Schritten:

1. Den Agenten anlegen, Modell und Anweisungen festlegen und nur die nötigen Tools hinzufügen.
2. Den Entwurf über den Button „Preview“ im Agent Builder testen, bevor du ihn veröffentlichst. Das ist nicht zu verwechseln mit dem Preview-Status der Funktion.
3. Im Workflow den Node „Message an Agent“ einsetzen und die Nachricht aus den Workflow-Daten zusammensetzen.
4. Die Antwort prüfen, bevor ein Schritt Daten ändert, löscht oder versendet.

Der Node „Message an Agent“ kann die Antwort über die Option „Require Specific Output Format“ auf ein JSON-Schema festlegen. Das Ergebnis steht dann im Feld structuredOutput. Prüfe die Pflichtfelder trotzdem im Workflow, bevor die Antwort in ein anderes System geschrieben wird.

Welche Tools darf ein n8n Agent nutzen?

Als Tools nennt die Doku Workflows aus demselben Projekt, eigene Code-Tools mit JSON-Schema, eingebaute Integrationen und MCP-Server. Der Agent entscheidet anhand von Anweisungen und Aufgabe, welches Tool er nutzt. Er verwendet dabei die Credentials (gespeicherte Zugangsdaten), die beim Hinzufügen des Tools hinterlegt wurden.

Daraus folgt für die Rechte: Der Agent kann nur so viel, wie die hinterlegten Zugangsdaten erlauben. Wie du einen MCP-Server in n8n mit minimalen Rechten aufsetzt, steht in n8n MCP Server erstellen. Die Prinzipien gelten auch für Tools, die du einem Agenten gibst: kleine Werkzeuge mit eng begrenzten Aufgaben statt eines Werkzeugs, das alles darf.

Wie sichere ich Schreibzugriffe und Freigaben ab?

n8n bezeichnet Agents als Preview und rät, vor dem Veröffentlichen zu testen und bei sensiblen Aktionen Freigaben aktiv zu lassen. Agents haben dafür eine eingebaute Freigabe pro Tool: Vor dem Aufruf erscheint im Chat eine Anfrage zum Genehmigen oder Ablehnen. Das Changelog empfiehlt, sie für Tools, die in Systeme schreiben, einzuschalten.

Beim AI-Agent-Node lässt sich vor der Ausführung bestimmter Tools ebenfalls eine menschliche Freigabe verlangen, etwa per Chat, Slack oder Telegram. Bei Genehmigung wird das Tool ausgeführt, bei Ablehnung abgebrochen.

Ein Rechtekonzept in fünf Punkten:

1. Lesen und Schreiben trennen: Gib dem Agenten zunächst nur lesende Tools.
2. Eigene Credentials pro Tool: Hinterlege Zugangsdaten mit den geringstmöglichen Rechten, da der Agent diese beim Tool-Aufruf nutzt.
3. Freigabe für schreibende Tools: Alles, was Daten ändert, löscht oder versendet, braucht eine menschliche Bestätigung.
4. Anweisungen eingrenzen: Formuliere Aufgabe und Grenzen ausdrücklich.
5. Vor dem Veröffentlichen testen: Spiele Randfälle mit Testdaten durch, nicht mit Produktivsystemen.

Beispiel für eingegrenzte Anweisungen (Platzhalter, anpassen):

Du unterstützt bei Anfragen zu <THEMA>.
Nutze lesende Tools frei.
Rufe schreibende Tools nur auf, wenn die Aufgabe es ausdrücklich verlangt.
Frage bei fehlenden Angaben nach, statt zu raten.

Anweisungen allein sind kein Sicherheitsmechanismus. Ein Modell kann sie missachten oder falsch auslegen. Verlässlich sind nur technische Grenzen: Rechte der Credentials und Freigaben.

Was kosten n8n Agents und wo laufen sie?

Laut n8n zählt ein Agent-Turn, also eine Anfrage an den Agenten bis zu seiner fertigen Antwort, als eine Execution. Tool-Aufrufe an Workflows und Sub-Agents zählen nicht separat. Agent-Executions werden vom selben monatlichen Kontingent abgezogen wie Workflow-Executions. Konkrete Preise nenne ich hier nicht, weil sie von deinem Plan abhängen. Ob der aufrufende Workflow zusätzlich zur Nachricht an den Agenten zählt, geht aus den Quellen nicht eindeutig hervor. Prüfe das im eigenen Plan, bevor du viele Aufrufe planst. Die Kosten des Modellanbieters kommen unabhängig davon hinzu.

Zur Verfügbarkeit: Laut Doku sind Agents auf n8n Cloud in allen Plänen verfügbar. Self-hosted gehen sie ab n8n 2.32.3 mit zusätzlichem Setup. Dabei gelten Einschränkungen:

• Queue Mode wird für Agents noch nicht unterstützt; n8n rät zum Regular Mode.
• Wissensdatenbanken brauchen self-hosted eine Daytona-Sandbox und sind dort Preview.
• Channels brauchen eine öffentliche WEBHOOK_URL.
• Abschalten: Admins können Agents unter Settings > Agents deaktivieren.

Die Doku weist darauf hin, dass sich die Funktion in der Preview befindet und Fehler machen kann. 2.41 brachte Fixes für Agent Builder und MCP, 2.42.0 (29.09.2026) zusätzlich für den AI-Agent-Node; dazu kamen dort unter anderem eine Schreibsperre im Agent Builder und Steuerelemente für wartende Nachrichten im Preview-Chat. 2.43 (06.10.2026) ist inzwischen die stabile Version (2.43.4), 2.44.0 die aktuelle Beta. Für produktive Setups heißt das: Version festhalten, Changelog und GitHub-Releases lesen und Updates erst in einer Testinstanz prüfen.

Welche meiner Projekte würden Agent, Node oder Workflow nutzen?

Die folgende Einordnung ist meine Einschätzung, wie sich die drei Wege auf bestehende Projekte übertragen ließen. Ich habe die neuen n8n Agents dafür nicht produktiv getestet.

• Fester Workflow: Die Leistungsnachweis-Automation läuft monatlich, holt Daten aus Toggl, erzeugt Leistungsnachweise und holt die Freigabe per Slack. Der Ablauf ist bekannt und wiederkehrend, ein Agent würde ihn eher unberechenbarer machen. Die Slack-Freigabe zeigt zugleich das Muster, das du bei schreibenden Agent-Tools brauchst.
• Fester Workflow mit KI-Schritt: Der Recruiting Jobs Sync strukturiert Stellenanzeigen aus HTML per LLM und synchronisiert so, dass wiederholte Läufe keine Duplikate erzeugen. Das Modell erledigt einen klar umrissenen Teilschritt, die Reihenfolge bleibt fest. Dafür braucht es keinen Agenten.
• Agent mit Tools: Der Pocket AI Agent ist ein selbst gehosteter Sprachagent mit Handgerät, der Tools über MCP nutzt. Hier hängt der nächste Schritt von der gesprochenen Anfrage ab. Das ist das Muster, für das Agents gedacht sind.
• Wissen als Tool: Die Wissensbasis mit RAG und MCP stellt Agenten Retrieval als Tool bereit. Ein rein lesendes Tool ist ein guter erster Kandidat, weil es kein Schreibrisiko trägt.

Muss ich bestehende Workflows migrieren?

Nein. Funktion und Bedienung des AI-Agent-Nodes ändern sich durch n8n Agents nicht, und bestehende Workflows funktionieren weiter. Wer einen n8n Agent ausprobieren will, ohne umzubauen, kann ihn aus einem bestehenden AI-Agent-Node über „Message an Agent Tool“ als Tool aufrufen. Ein Umstieg lohnt sich nur bei konkretem Bedarf:

• Mehrere Workflows oder Systeme sollen als Tools hinter einer Aufgabe stehen, und die Reihenfolge ist nicht vorhersehbar.
• Du brauchst Sub-Agents, Memory oder gespeicherte Sessions.
• Du willst denselben Agenten aus mehreren Workflows aufrufen.

Er lohnt sich nicht, wenn dein Workflow stabil läuft, der Ablauf feststeht, du für die Produktion keine Preview-Funktion einsetzen willst oder deine Instanz im Queue Mode läuft. Mein Vorgehen wäre: einen neuen, lesenden Anwendungsfall mit einem Agenten pilotieren, Kosten beobachten, Freigaben für jeden schreibenden Zugriff einbauen und erst danach über weitere Umbauten entscheiden.