n8n KI-Workflows

Deploye n8n auf Clore.ai — hoste selbst eine leistungsstarke Plattform zur Automatisierung von KI-Workflows mit über 400 Integrationen und nativer LLM-Agenten-Unterstützung für nur Cent pro Stunde.

Überblick

n8n ist eine Fair-Code-Workflow-Automatisierungsplattform mit 55K+ GitHub-Sternen. Im Gegensatz zu vollständig proprietären Alternativen (Zapier, Make) ermöglicht dir n8n, den gesamten Stack selbst zu hosten — mit vollständiger Datenkontrolle — und bietet dabei native KI-Agenten-Funktionen, einen JavaScript/Python-Code-Node sowie eine wachsende Bibliothek mit über 400 Integrationen.

Auf Clore.ai, n8n selbst läuft auf der CPU (keine GPU erforderlich), lässt sich aber hervorragend mit GPU-beschleunigten Diensten wie Ollama oder vLLM kombinieren, die auf demselben Server laufen, und gibt dir so einen vollständig lokalen KI-Automatisierungs-Stack. Du kannst eine produktive n8n-Instanz für unter $0.10–0.20/Stunde.

Wichtige Funktionen:

🔗 400+ Integrationen — Slack, GitHub, Google Sheets, Postgres, HTTP-Request, Webhooks und vieles mehr
🤖 KI-Agent-Knoten — integrierte, von LangChain betriebene Agenten mit Tool-Nutzung und Speicher
💻 Code-Knoten — führe beliebiges JavaScript oder Python direkt in Workflows aus
🔄 Trigger-Vielfalt — Webhooks, Cron-Zeitpläne, Datenbank-Polling, E-Mail, Warteschlangenereignisse
📊 Unter-Workflows — modulare, wiederverwendbare Workflow-Komponenten
🔐 Anmeldedaten-Tresor — verschlüsselte Speicherung für API-Schlüssel und OAuth-Token
🏠 Selbst gehostet — deine Daten verlassen niemals deinen Server

Anforderungen

n8n ist eine Node.js-Anwendung, die als Docker-Image paketiert ist. Sie ist Nur CPU — für die Automatisierungs-Engine selbst ist keine GPU nötig. Eine GPU ist nur dann nützlich, wenn du parallel dazu ein lokales LLM betreibst (z. B. Ollama).

Konfiguration

GPU

VRAM

System-RAM

Festplatte

Clore.ai-Preis

Minimal (nur n8n)

Keine / CPU

—

2 GB

10 GB

~$0.03/Stunde (CPU)

Standard

Keine / CPU

—

4 GB

20 GB

~$0,05/Std.

+ Lokales LLM (Ollama)

RTX 3090

24 GB

16 GB

60 GB

ca. 0,07–0,21 $/h

+ Hochdurchsatz-LLM

A100 40 GB

40 GB

32 GB

100 GB

Bare Metal

AI Starter Kit (komplett)

RTX 4090

24 GB

32 GB

100 GB

ca. 0,14–0,42 $/h

Tipp: Der n8n Self-hosted AI Starter Kit bündelt n8n + Ollama + Qdrant + PostgreSQL in einem einzigen Docker-Compose-Stack. Siehe AI Starter Kit unten.

Schnellstart

1. Miete einen Clore.ai-Server

Melde dich an bei clore.ai und stelle einen Server bereit:

Nur-CPU-Instanz wenn du nur n8n-Automatisierung benötigst
RTX 3090/4090 wenn du lokale LLMs über Ollama möchtest
Port freigeben 5678 in den Port-Mapping-Einstellungen des Angebots
SSH-Zugriff aktivieren

2. Mit dem Server verbinden

ssh root@<clore-server-ip> -p <ssh-port>

# Prüfen, ob Docker installiert ist
docker --version
docker compose version

3. Option A — Minimaler Start mit einem einzelnen Container

Der schnellste Weg, n8n zum Laufen zu bringen:

# Ein benanntes Volume für die Persistenz erstellen
docker volume create n8n_data

# n8n starten
docker run -d \
  --name n8n \
  --restart unless-stopped \\
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  -e N8N_HOST=<clore-server-ip> \
  -e N8N_PORT=5678 \
  -e N8N_PROTOCOL=http \
  -e WEBHOOK_URL=http://<clore-server-ip>:5678/ \
  docker.n8n.io/n8nio/n8n

# Protokolle prüfen
docker logs -f n8n

Greife auf die UI unter http://<clore-server-ip>:5678

4. Option B — Docker Compose mit Postgres (Produktion)

Für den Produktionseinsatz ersetze das standardmäßige SQLite durch Postgres:

mkdir n8n-prod && cd n8n-prod
cat > docker-compose.yml << 'EOF'
version: "3.8"

services:
  postgres:
    image: postgres:15-alpine
    restart: unless-stopped
    environment:
      POSTGRES_USER: n8n
      POSTGRES_PASSWORD: n8npassword   # Das ändern!
      POSTGRES_DB: n8n
    volumes:
      - postgres_data:/var/lib/postgresql/data
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -U n8n"]
      interval: 10s
      timeout: 5s
      retries: 5

  n8n:
    image: docker.n8n.io/n8nio/n8n
    restart: unless-stopped
    depends_on:
      postgres:
        condition: service_healthy
    ports:
      - "5678:5678"
    environment:
      DB_TYPE: postgresdb
      DB_POSTGRESDB_HOST: postgres
      DB_POSTGRESDB_PORT: 5432
      DB_POSTGRESDB_DATABASE: n8n
      DB_POSTGRESDB_USER: n8n
      DB_POSTGRESDB_PASSWORD: n8npassword
      N8N_HOST: <clore-server-ip>
      N8N_PORT: 5678
      N8N_PROTOCOL: http
      WEBHOOK_URL: http://<clore-server-ip>:5678/
      N8N_ENCRYPTION_KEY: your-32-char-encryption-key-here
      EXECUTIONS_MODE: regular
      N8N_BASIC_AUTH_ACTIVE: "true"
      N8N_BASIC_AUTH_USER: admin
      N8N_BASIC_AUTH_PASSWORD: changeme!
    volumes:
      - n8n_data:/home/node/.n8n

volumes:
  postgres_data:
  n8n_data:
EOF

docker compose up -d
docker compose logs -f n8n

AI Starter Kit (Empfohlen)

Der n8n Self-hosted AI Starter Kit ist der schnellste Weg zu einem vollständigen lokalen KI-Automatisierungs-Stack. Es enthält:

n8n — Workflow-Automatisierung
Ollama — lokale LLM-Inferenz (GPU oder CPU)
Qdrant — Vektordatenbank für RAG
PostgreSQL — persistenter Speicher

# Starter-Kit klonen
git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git
cd self-hosted-ai-starter-kit

# Für Server mit GPU-Unterstützung (RTX 3090, 4090, A100 usw.)
docker compose --profile gpu-nvidia up -d

# Für CPU-only-Server
docker compose --profile cpu up -d

# Startvorgang überwachen
docker compose logs -f

# Ein Modell in Ollama laden (nachdem der Stack gestartet ist)
docker exec ollama ollama pull llama3:8b
docker exec ollama ollama pull nomic-embed-text  # Für Embeddings

Dienste nach dem Start:

Dienst

URL

n8n-UI

http://<ip>:5678

Ollama-API

http://<ip>:11434

Qdrant-UI

http://<ip>:6333/dashboard

Hinweis: Ollama mit GPU benötigt das NVIDIA Container Toolkit, das auf Clore.ai-Servern bereits vorinstalliert ist.

Konfiguration

Referenz der Umgebungsvariablen

# ── Kerneinstellungen ───────────────────────────────────────────────────────────
N8N_HOST=0.0.0.0                  # Bind-Adresse
N8N_PORT=5678                     # Port, auf dem gelauscht wird
N8N_PROTOCOL=http                 # http oder https
WEBHOOK_URL=http://<ip>:5678/     # Öffentliche Basis-URL für Webhooks (kritisch!)

# ── Verschlüsselung ───────────────────────────────────────────────────────────
N8N_ENCRYPTION_KEY=<32-char-key>  # Verschlüsselt gespeicherte Anmeldedaten
# Generieren: openssl rand -hex 16

# ── Authentifizierung ─────────────────────────────────────────────────────────
N8N_BASIC_AUTH_ACTIVE=true
N8N_BASIC_AUTH_USER=admin
N8N_BASIC_AUTH_PASSWORD=dein-sicheres-passwort

# ── Ausführungseinstellungen ───────────────────────────────────────────────────────
EXECUTIONS_MODE=regular           # regular (einzeln) oder queue (Redis-gestützt)
EXECUTIONS_DATA_SAVE_ON_SUCCESS=all
EXECUTIONS_DATA_SAVE_ON_ERROR=all
EXECUTIONS_DATA_MAX_AGE=336       # Ausführungsdaten 14 Tage aufbewahren

# ── Zeitzone ─────────────────────────────────────────────────────────────────
GENERIC_TIMEZONE=UTC

# ── Telemetrie deaktivieren (optional) ─────────────────────────────────────────────
N8N_DIAGNOSTICS_ENABLED=false
N8N_VERSION_NOTIFICATIONS_ENABLED=false

n8n mit Ollama für KI-Agenten verbinden

Sobald Ollama auf demselben Server läuft:

Füge in n8n neue Anmeldedaten hinzu: Ollama-API
- Basis-URL: http://ollama:11434 (wenn du Compose verwendest) oder http://localhost:11434
Füge in einem Workflow einen AI-Agent Knoten hinzu
Unter Chat-Modell, wähle Ollama aus und entscheide dich für dein Modell (z. B. llama3:8b)
Füge Tools hinzu wie HTTP-Request, Postgres, oder Code Knoten
Ausführen!

Tipps & bewährte Praktiken

Kostenoptimierung auf Clore.ai

# Exportiere alle Workflows, bevor du deine Instanz stoppst
# Verwende die n8n-CLI innerhalb des Containers:
docker exec n8n n8n export:workflow --all --output=/home/node/.n8n/workflows-backup.json

# Sicherung auf den lokalen Rechner kopieren
docker cp n8n:/home/node/.n8n/workflows-backup.json ./n8n-workflows-backup.json

# Auf einer neuen Instanz importieren:
docker exec n8n n8n import:workflow --input=/home/node/.n8n/workflows-backup.json

Webhook-Zuverlässigkeit auf Clore.ai

Clore.ai-Server haben dynamische IPs. Wenn deine Webhooks nach einer erneuten Bereitstellung ausfallen:

# 1. Verwende eine statische Domain mit Caddy + Let's Encrypt
# Caddyfile:
# n8n.deinedomain.com {
#     reverse_proxy n8n:5678
# }

# 2. Oder verwende Cloudflare Tunnel (kostenlos, keine offenen Ports nötig):
docker run -d \
  --name cloudflared \
  --network n8n-prod_default \
  cloudflare/cloudflared:latest \
  tunnel --no-autoupdate run \
  --token <dein-cloudflare-tunnel-token>

Warteschlangenmodus für Workflows mit hohem Volumen

# Füge Redis hinzu und starte n8n im Warteschlangenmodus für parallele Ausführung
# Zu docker-compose.yml hinzufügen:
  redis:
    image: redis:7-alpine
    restart: unless-stopped

  n8n-worker:
    image: docker.n8n.io/n8nio/n8n
    command: worker
    depends_on: [redis, postgres]
    environment:
      <<: *n8n-env
      EXECUTIONS_MODE: queue
      QUEUE_BULL_REDIS_HOST: redis

Nützliche n8n-CLI-Befehle

# Alle Workflows auflisten
docker exec n8n n8n list:workflow

# Einen bestimmten Workflow manuell ausführen
docker exec n8n n8n execute --id=<workflow-id>

# n8n auf die neueste Version aktualisieren
docker pull docker.n8n.io/n8nio/n8n
docker compose up -d n8n

# n8n-Version prüfen
docker exec n8n n8n --version

Härtung der Sicherheit

# n8n hinter einem Reverse Proxy mit HTTPS betreiben
# Setze den Port 5678 in der Produktion niemals direkt frei
# Verwende N8N_BASIC_AUTH oder konfiguriere SSO über LDAP/SAML

# Beschränke, welche Knoten erlaubt sind (Whitelist-Modus):
NODE_FUNCTION_ALLOW_EXTERNAL=axios,lodash
NODES_EXCLUDE='["n8n-nodes-base.executeCommand"]'  # Shell-Ausführung blockieren

Fehlerbehebung

n8n-Container beendet sich sofort

docker logs n8n

# Häufige Probleme:
# 1. DB-Verbindung fehlgeschlagen — prüfe, ob Postgres gesund ist
docker compose ps postgres

# 2. Nicht übereinstimmender Verschlüsselungsschlüssel — wenn du N8N_ENCRYPTION_KEY geändert hast
#    Anmeldedaten werden unlesbar; gib sie nach der Schlüsseländerung erneut ein

# 3. Portkonflikt
ss -tlnp | grep 5678

Webhooks geben 404 zurück

# Stelle sicher, dass WEBHOOK_URL mit der öffentlichen Adresse übereinstimmt, die deine Webhook-Absender verwenden
# Es muss den abschließenden Schrägstrich enthalten
WEBHOOK_URL=http://<your-public-ip>:5678/

# Starte n8n nach dem Ändern dieser Umgebungsvariable neu
docker compose restart n8n

KI-Agent-Node kann Ollama nicht erreichen

# Teste es von innerhalb des n8n-Containers aus
docker exec n8n wget -qO- http://ollama:11434/api/tags
# oder
docker exec n8n curl http://localhost:11434/api/tags

# Wenn du separate Container verwendest, die sich nicht im selben Compose-Netzwerk befinden:
# Verwende host.docker.internal oder die LAN-IP des Servers

"ENOSPC: Kein Speicherplatz mehr auf dem Gerät"

# Festplattenbelegung prüfen
df -h
docker system df

# Alte Ausführungsdaten in der n8n-UI bereinigen:
# Einstellungen → Ausführungen → Alte Ausführungen löschen

# Oder automatische Bereinigung festlegen:
EXECUTIONS_DATA_PRUNE=true
EXECUTIONS_DATA_MAX_AGE=72   # 72 Stunden

Langsame Workflow-Ausführung

# CPU-Auslastung prüfen
top -c

# Warteschlangenmodus für parallele Ausführung aktivieren (siehe Tipps oben)
# Falls nötig, den Node.js-Speicher erhöhen:
NODE_OPTIONS=--max-old-space-size=4096

Weiterführende Lektüre

VorherigeDify.ai-Workflow-Plattform

NächsteAutoGPT autonomer Agent

Zuletzt aktualisiert vor 1 Monat

War das hilfreich?