Anfragen abtippen, Daten zwischen Tools kopieren, dieselbe E-Mail-Antwort wiederholen: Mit einer Automatisierungsplattform wie Make oder Zapier und einem angeschlossenen KI-Baustein (z. B. Claude, ChatGPT oder Gemini) wird daraus ein selbstlaufender Workflow. Der Guide zeigt kleinen und mittleren Unternehmen ohne eigene IT-Abteilung den Aufbau Schritt für Schritt — inklusive der Datenschutzpunkte, die du dabei klären musst, und liefert eine Vorlage, die du für weitere wiederkehrende Aufgaben wiederverwenden kannst. Hinweis: Dieser Artikel ersetzt keine Rechtsberatung, Stand: 08/2026.
Was du brauchst
- Ein Konto bei Make oder Zapier (kostenloser Plan reicht zum Start)
- Zugang zu einem KI-Baustein wie Claude, ChatGPT oder Gemini
- Admin- bzw. Verbindungsrechte für die anzubindenden Tools
- Eine konkrete, wiederkehrende Aufgabe, die du automatisieren willst
- Grundverständnis dafür, welche Daten dein Workflow verarbeitet
Status: Zeitaufwand ca. 60–90 Minuten für den ersten Workflow Erfahrungswert · Schwierigkeitsgrad: Einsteigerfreundlich bis mittel · Benötigte Rechte: Admin- oder Verbindungsrechte für die angebundenen Tools.
Schritt 1: Aufgabe und Auslöser festlegen
Wähle eine Aufgabe, die regelmäßig in gleicher Form anfällt, etwa „neue Kontaktanfrage zusammenfassen und im CRM anlegen”. Prüfe direkt, ob dabei personenbezogene Daten verarbeitet werden, etwa Namen oder E-Mail-Adressen — das bestimmt später den Umfang des Datenschutz-Schritts. Lege den Auslöser (Trigger) fest, etwa ein neues Formular-Ergebnis, und notiere die gewünschte Ziel-Aktion.
Danach hast du eine klar umrissene Aufgabe mit definiertem Auslöser und Ziel-Aktion.
Schritt 2: Konto anlegen und Plan wählen
Make nennt einen Workflow „Szenario” und arbeitet mit einem visuellen Canvas-Editor; Zapier nennt ihn „Zap” und führt Trigger und Actions linear auf. Registriere dich mit deiner geschäftlichen E-Mail-Adresse auf make.com bzw. zapier.com (Pfad kann je nach Version variieren) und wähle zum Testen den kostenlosen Plan — beide begrenzen die Ausführungen pro Monat im Free-Tier.
Danach hast du ein aktives Konto und Zugriff auf den Szenario- bzw. Zap-Editor.
Schritt 3: Trigger-App verbinden
Lege ein neues Szenario bzw. einen neuen Zap an, wähle die auslösende App und autorisiere die Verbindung per OAuth oder API-Key. Manche Trigger-Apps verlangen dafür ein Nutzerkonto mit ausreichenden Berechtigungen. Löse den Trigger einmal testweise mit einem Beispieldatensatz aus, damit die Plattform das Datenschema erkennt — ohne diesen Testlauf fehlen im nächsten Modul die verfügbaren Datenfelder.
Danach hast du eine funktionierende Trigger-Verbindung mit erkanntem Datenschema.
Schritt 4: KI-Baustein einfügen und Prompt festlegen
Füge nach dem Trigger ein KI-Modul ein. Make bietet eigene Module für Anthropic Claude, OpenAI (ChatGPT) und Google Vertex AI (Gemini) sowie anpassbare KI-Agenten auf dem Canvas. Zapier bietet vergleichbare Bausteine unter „AI by Zapier” sowie eigenständige Zapier Agents.
Trage deinen Prompt ein und verweise per Klick auf die Datenfelder aus Schritt 3, z. B. „Fasse folgende Kundenanfrage in drei Sätzen zusammen: {{Nachrichtentext}}”. Teste den Prompt mit mehreren Beispieldatensätzen, bevor du ihn produktiv nutzt.
| KI-Baustein | DSGVO-Score* | Kostenloser Plan |
|---|---|---|
| Claude (Anthropic) | 6,0/10 | Ja |
| Gemini | 6,5/10 | Ja |
| ChatGPT Plus | 5,0/10 | Ja |
*laut unserer Bewertung, Stand 08/2026. Kostenpflichtige Pläne bitte direkt beim Anbieter prüfen.
Danach hast du einen KI-Baustein, der aus den Trigger-Daten automatisch eine strukturierte Ausgabe erzeugt.
Schritt 5: Action-Module verknüpfen
Hänge nach dem KI-Baustein die Module an, die das Ergebnis weiterverarbeiten, etwa einen Eintrag im CRM oder eine Nachricht im Team-Chat. Ordne die Ausgabe des KI-Bausteins per Klick den passenden Feldern zu. Teste den Ablauf einmal komplett durch, bevor du zum nächsten Schritt gehst.
Danach liegt ein vollständiger Datenfluss vor: vom Auslöser über die KI-Verarbeitung bis zur Ablage im Zielsystem.
Schritt 6: Fehlerbehandlung einrichten
Lege fest, was passieren soll, wenn ein Modul fehlschlägt, etwa weil eine API kurzzeitig nicht erreichbar ist. Beide Plattformen bieten Fehlerbehandlungs-Routen bzw. Error-Handler, die bei einem Fehler benachrichtigen oder den Vorgang später erneut versuchen. Ergänze zusätzlich eine Wiederholungslogik für kurzzeitige Ausfälle, falls die Plattform das anbietet.
Danach weißt du, dass ein einzelner Fehlerfall den Workflow nicht stillschweigend zum Stillstand bringt.
Schritt 7: AVV abschließen und Datenschutz prüfen
Sobald personenbezogene Daten durch Make, Zapier oder den KI-Baustein laufen, brauchst du mit jedem beteiligten Anbieter einen Auftragsverarbeitungsvertrag (AVV). Prüfe zusätzlich, ob eine Drittlandübermittlung stattfindet, wenn Server außerhalb der EU genutzt werden, und ob der Anbieter dafür Garantien wie Standardvertragsklauseln vorweisen kann.
Make erreicht in unserer Bewertung einen DSGVO-Score von 7,0/10. Für Zapier liegt aktuell keine eigene Bewertung vor (Noch nicht bewertet) — prüfe die Datenschutzangaben direkt beim Anbieter. Kläre außerdem, welche technischen und organisatorischen Maßnahmen (TOMs) der Anbieter dokumentiert hat, und ob du das KI-Modelltraining mit deinen Daten deaktivieren kannst.
Danach hast du die vertraglichen und technischen Datenschutz-Voraussetzungen für den laufenden Betrieb geklärt.
Schritt 8: Testen, live schalten, überwachen
Schalte den Workflow zunächst nur für Testdaten scharf und prüfe drei bis fünf Durchläufe manuell. Aktiviere ihn danach für den Live-Betrieb und richte eine wöchentliche Kontrolle der Ausführungshistorie ein, um Fehlerquote und Verbrauch im Blick zu behalten. Dokumentiere zusätzlich kurz, wofür der Workflow gedacht ist, damit auch Kolleg:innen ihn nachvollziehen können.
Danach läuft dein Workflow automatisiert im Hintergrund, und du hast eine Routine, um ihn regelmäßig zu überwachen.
Ergebnis
Am Ende hast du einen automatisierten Workflow, der eine wiederkehrende Aufgabe ohne manuelles Zutun erledigt — von der eingehenden Anfrage über die KI-gestützte Verarbeitung bis zur Ablage im Zielsystem. Das spart bei häufig auftretenden Aufgaben Zeit und reduziert Übertragungsfehler durch manuelles Kopieren. Erfahrungswert
Beispiel: Ein Handwerksbetrieb nutzt Make für eingehende Anfragen über sein Kontaktformular. Dann gehört dazu, dass jede Anfrage automatisch von Claude zusammengefasst, nach Dringlichkeit kategorisiert und als Aufgabe im Projekttool angelegt wird — ohne manuelles Abtippen oder Weiterleiten.
Checkliste: Workflow einsatzbereit?
- ☐ Wiederkehrende Aufgabe mit klarem Trigger und Ziel-Aktion definiert
- ☐ Konto bei Make oder Zapier mit geschäftlicher E-Mail angelegt
- ☐ Trigger-App verbunden und mit Testdaten ausgelöst
- ☐ KI-Baustein eingefügt, Prompt mit Ausgabeformat hinterlegt
- ☐ Action-Module verknüpft und Feldzuordnung geprüft
- ☐ Fehlerbehandlung bzw. Error-Handler konfiguriert
- ☐ AVV mit allen beteiligten Anbietern abgeschlossen
- ☐ Drittlandübermittlung und TOMs geprüft
- ☐ Workflow mit Testdaten erfolgreich durchlaufen
- ☐ Workflow live geschaltet, Kontrollrhythmus festgelegt
Häufige Fehler
Zu komplexer erster Workflow. Wer gleich mehrere Trigger und zehn Module gleichzeitig baut, verliert schnell den Überblick beim Debuggen. Erfahrungswert Starte klein und erweitere danach.
Fehlende Fehlerbehandlung. Ohne Error-Handler bleiben fehlgeschlagene Durchläufe unbemerkt liegen, statt eine Benachrichtigung auszulösen.
AVV vergessen. Bei mehreren verketteten Diensten wird oft nur mit einem Anbieter ein AVV abgeschlossen, mit den anderen nicht. Erfahrungswert
Kein Monitoring nach dem Livegang. Plan-Limits werden überschritten oder API-Fehler häufen sich unbemerkt, weil niemand die Ausführungshistorie kontrolliert.
Häufige Fragen
Ist Make oder Zapier für den Einstieg besser geeignet? Beide funktionieren nach demselben Trigger-Action-Prinzip. Make bietet einen visuellen Canvas-Editor für komplexere Verzweigungen, Zapier punktet mit vielen vorgefertigten App-Integrationen.
Brauche ich Programmierkenntnisse? Nein. Trigger, KI-Bausteine und Actions werden per Klick konfiguriert. Für komplexere Datenumformatierungen helfen einfache Formelkenntnisse, sind aber nicht zwingend nötig.
Welche Daten sollte ich nicht an einen KI-Baustein senden? Sensible personenbezogene Daten wie Gesundheits- oder Finanzdaten solltest du nur senden, wenn AVV, Drittlandübermittlung und TOMs für alle beteiligten Anbieter geklärt sind.
Kann ich sensible Kundendaten durch Make verarbeiten? Technisch ja, rechtlich nur mit abgeschlossenem AVV und geklärter Drittlandübermittlung. Für besonders schützenswerte Daten wie Gesundheitsdaten empfiehlt sich vorab eine gesonderte Risikoprüfung.
Wie überwache ich den Workflow, und was tue ich bei einem Fehler? Beide Plattformen protokollieren jede Ausführung in einer Historie mit Status und Verbrauch; ein wöchentlicher Blick reicht in der Regel, um Limit-Überschreitungen früh zu erkennen. Erfahrungswert Bei einem Fehlschlag prüfst du zuerst die Fehlermeldung im Ausführungsprotokoll — meist liegt es an einer abgelaufenen Autorisierung. Erfahrungswert Der Error-Handler aus Schritt 6 fängt den Fall ab, bis du die Ursache behoben hast.