n8n oder LangChain: womit automatisieren Sie KI-Workflows?

n8n oder LangChain: was passt wofür?

n8n passt, wenn Sie Geschäftsprozesse über viele Systeme automatisieren und im Team auch Kollegen ohne Entwicklerhintergrund mitarbeiten. LangChain passt, wenn Sie eine eigene KI-Anwendung bauen und die volle Kontrolle über die Pipeline brauchen. In größeren Systemen läuft am Ende meist beides: LangChain als Rechenkern, n8n als Integrationsschicht darum herum.

Die beiden werden ständig verglichen, obwohl sie unterschiedliche Probleme lösen. n8n verbindet Systeme. LangChain baut eine LLM-Pipeline. In Deutschland stellt sich die Frage seltener, als die Werkzeugdiskussion vermuten lässt: Nach einer Auswertung des ifo Instituts entwickeln nur 18,7 Prozent der Unternehmen in Deutschland eigene KI-Systeme, rund drei Viertel kaufen fertige Lösungen zu. Wer selbst baut, steht dafür genau an dieser Weggabelung.

Was ist n8n?

n8n ist eine quelloffene Plattform für visuelle Workflow-Automatisierung. Sie verbinden Dienste, Schnittstellen und Datenbanken per Drag-and-drop, jeder Schritt ist ein Knoten, und jeder Lauf lässt sich im Protokoll nachvollziehen. Betreiben können Sie es in der Cloud des Herstellers oder auf eigener Hardware. Sprachmodelle sind darin ein Knotentyp unter vielen.

Wofür n8n gebaut ist

• Mehrere hundert fertige Knoten für Dienste wie Slack, Gmail, Google Sheets, Notion oder PostgreSQL, dazu ein generischer HTTP-Knoten für alles Übrige
• Ein visueller Editor, in dem auch die Fachabteilung einen Ablauf lesen kann, ohne den Code zu kennen
• Betrieb auf eigener Infrastruktur, womit die Prozessdaten das Haus nicht verlassen
• KI-Knoten seit der 1.x-Reihe: Modellaufrufe, ein Agent-Knoten mit Sub-Agenten, Anbindung an Vektorspeicher und MCP-Kompatibilität
• Ein Code-Knoten für JavaScript oder Python, sobald die fertigen Bausteine nicht reichen

Was n8n kostet

n8n Cloud Pro liegt bei 50 EUR im Monat und enthält 10.000 Ausführungen, also rund 0,005 EUR je Lauf. Abgerechnet wird seit 2025 pro Ausführung statt pro Schritt: Die Zahl der Workflows ist unbegrenzt, die Zahl der Läufe zählt. Zum Vergleich enthält Zapier Pro für 19,99 USD genau 750 Tasks. Bei einem sechsstufigen Zap sind das 150 Läufe im Monat, also etwa 0,13 USD je Lauf. Wer nur auf den Abopreis schaut, verrechnet sich hier um den Faktor zehn. Die aktuellen Stufen prüfen Sie am besten direkt bei n8n.

Was ist LangChain?

LangChain ist ein Framework für Python und TypeScript, mit dem Entwickler LLM-Anwendungen bauen: Pipelines, Agenten, RAG-Systeme. Einen No-Code-Weg hinein gibt es nicht. Dafür bestimmen Sie jeden Schritt selbst, vom Prompt über das Retrieval bis zur Fehlerbehandlung, und Sie testen und versionieren das Ganze wie normalen Anwendungscode.

Wofür LangChain gebaut ist

• Native Anbindung an die Modelle von Anthropic, OpenAI und Google sowie an lokal betriebene Modelle über Ollama
• LCEL, die Ausdruckssprache, mit der Komponenten deklarativ zu Ketten verbunden werden
• Ein Agenten-Baukasten mit ReAct-Muster und Tool Use; die Grundlagen dazu stehen in unserem Beitrag zu KI-Agenten, ReAct und Tool Use
• Ein Ökosystem darum herum: LangSmith für das Tracing, LangGraph für die Orchestrierung, LangServe für das Deployment

LangChain und LangGraph

Mit der Reife von LangGraph hat sich das Framework praktisch geteilt. LangChain deckt die geraden Ketten ab, also RAG, Zusammenfassung, den einfachen Chatbot. LangGraph übernimmt die zustandsbehafteten Abläufe mit Zyklen, Freigabepunkten und persistentem Gedächtnis. Wer heute einen produktiven Agenten baut, landet fast immer bei LangGraph.

Worin unterscheiden sich beide architektonisch?

n8n-Workflows sind gerichtete azyklische Graphen: Der Ablauf läuft in eine Richtung, ohne Schleife. LangChain-Ketten sind ebenfalls linear, LangGraph dagegen erlaubt Zyklen. Der Agent kann zu früheren Schritten zurückspringen, Entscheidungspunkte setzen und Zustand über die Schritte hinweg halten. An dieser einen Eigenschaft entscheidet sich meist die Werkzeugwahl.

[Auslöser] → [Daten holen] → [Modellschritt] → [Antwort senden]

In LangGraph sieht derselbe Gedanke anders aus, weil die Auswertung auf den Denkschritt zurückverweisen darf:

from langgraph.graph import StateGraph

graph = StateGraph(AgentState)
graph.add_node("reason", reasoning_step)
graph.add_node("act", tool_execution)
graph.add_node("evaluate", evaluation_step)
graph.add_edge("reason", "act")
graph.add_edge("act", "evaluate")
graph.add_conditional_edges("evaluate", should_continue, {
    True: "reason",
    False: END
})

Praktisch heißt das: Solange Sie den Weg zum Ergebnis vorab zeichnen können, gewinnt der Workflow. Sobald der Weg vom Zwischenergebnis abhängt, brauchen Sie den Graphen. Diese Einordnung nach Ebenen haben wir im Vergleich Chatbot, n8n oder eigener KI-Agent ausführlicher aufgeschrieben.

Was kostet der Betrieb im Monat?

Die Werkzeugkosten sind bei beiden gering, die Modellkosten entscheiden. Ein sechsstufiger n8n-Workflow kostet je Lauf etwa einen halben Cent. Ein Modellaufruf über LangChain kostet je nach Modell und Kontextlänge das Hundertfache davon. Die folgenden Zeilen sind offizielle Listenpreise, abgerufen am 14.08.2026.

Der teuerste Posten steht in keiner Preisliste: die Zahl der Schritte. Dieselbe Extraktion aus 1.000 Dokumenten kostet mit einem einzigen gezielten Aufruf rund 8,70 USD, als achtstufige Agentenschleife gerechnet rund 232 USD. Das ist unsere eigene Modellierung auf Basis der offiziellen Preisliste, gleiches Modell, 27-facher Preis. Der Aufschlag entsteht, weil jeder Schritt den bisherigen Kontext erneut als Input bezahlt. Wer die Architektur an dieser Stelle falsch schneidet, spart am Werkzeug und zahlt beim Token.

Der Aufbau selbst liegt bei uns je nach Zuschnitt zwischen 275 und 1.375 EUR für einen Workflow mit ein bis drei Schritten, zwischen 1.375 und 6.900 EUR für eine mehrsystemige Automatisierung mit Fehlerbehandlung und zwischen 6.900 und 27.500 EUR für eine KI-gestützte Strecke mit Dokumentenerkennung und Freigabelauf. Die Wartung liegt bei 83 bis 415 EUR im Monat. Grundlage ist unsere Preisliste in Forint, umgerechnet mit 363,28 HUF je Euro nach dem Mittelkurs der Ungarischen Nationalbank vom 14.08.2026. Die Beträge sind Richtwerte ohne Umsatzsteuer, verbindlich wird der Preis nach dem Scoping-Gespräch. Details stehen auf der Seite zur Prozessautomatisierung.

Wie lange dauert die Einarbeitung?

Bei n8n sind Ihre Leute nach einem Arbeitstag produktiv, bei LangChain nach etwa einer Arbeitswoche. Der Unterschied liegt weniger im Werkzeug als in der Voraussetzung: n8n setzt Prozessverständnis voraus, LangChain zusätzlich Programmierkenntnisse und ein Gefühl dafür, wie Sprachmodelle scheitern.

Welches Werkzeug passt zu welchem Fall?

Prüfen Sie den konkreten Anwendungsfall statt der Werkzeugliste. Faustregel: Sobald mehr als drei Fremdsysteme beteiligt sind, gewinnt n8n. Sobald die Qualität der Modellantwort das eigentliche Produkt ist, gewinnt LangChain. Bei Gleichstand nehmen Sie die billigere Ebene und stufen später hoch.

Wann setzen Sie beide zusammen ein?

In Unternehmenssystemen fast immer. Die KI-Logik entsteht in LangChain oder LangGraph und bleibt versionierter Code mit Tests. FastAPI macht daraus eine REST-Schnittstelle. n8n ruft diese Schnittstelle aus dem Workflow heraus auf und übernimmt die Anbindung an Postfach, CRM, Chat-Kanal und Datenbank. Beide Werkzeuge tun damit das, worin sie stark sind.

[n8n Webhook] → [n8n: Daten aufbereiten] → [HTTP: LangChain-API]
                                                   ↓
[n8n: Ergebnis verarbeiten] ← [LangChain: Reasoning + Tool Use]
                 ↓
     [n8n: Slack + CRM + Mail]

Ein Nebeneffekt dieses Schnitts ist die Prüfbarkeit. Der Teil, der nichtdeterministisch arbeitet, sitzt an einer einzigen Stelle und lässt sich dort messen. Wie das konkret aussieht, steht im Vergleich Langfuse gegen LangSmith.

Welche Alternativen sollten Sie kennen?

Zwischen dem visuellen und dem codebasierten Lager liegen zwei quelloffene Projekte. Flowise baut LLM-Anwendungen knotenbasiert und bringt nach Angaben des Projekts MCP-Anbindung, eine Dokumentenablage und Freigabeschritte mit. Dify ist ebenfalls quelloffen und setzt stärker auf Betriebsfunktionen wie Tracing und Prompt-Verwaltung. Beides sind Herstellerangaben, keine unabhängigen Tests.

Auf der Low-Code-Seite steht in vielen deutschen Unternehmen Microsoft Power Automate, meist weil die Microsoft-Lizenz ohnehin da ist. Wo dessen Grenzen liegen und wann ein Backend in Python die bessere Wahl ist, haben wir in Power Automate gegen Python und LangChain gegenübergestellt. MCP als Anbindungsstandard funktioniert übrigens in beiden Welten: Anthropic hat das Protokoll im Dezember 2025 an die Agentic AI Foundation der Linux Foundation übergeben, die aktuelle Spezifikation stammt vom 28.07.2026.

Was verlangt der deutsche Markt zusätzlich?

Datenhaltung, Vertragslage und Nachvollziehbarkeit. Nach der repräsentativen Bitkom-Befragung unter 604 Unternehmen ab 20 Beschäftigten setzen 41 Prozent der deutschen Unternehmen KI ein (Vorjahr 17 Prozent). Das größte externe Hemmnis nennen 77 Prozent: die Anforderungen des Datenschutzes. Der Bitkom Cloud Report 2026 (603 Unternehmen ab 20 Beschäftigten) ergänzt: 91 Prozent würden einen deutschen Cloud-Anbieter bevorzugen, 68 Prozent einen aus der EU, 71 Prozent nutzen heute einen US-Anbieter.

Für die Werkzeugwahl folgt daraus wenig Dramatik und ein paar klare Pflichten. Selbst gehostetes n8n hält die Prozessdaten im eigenen Rechenzentrum. Beim Modellaufruf brauchen Sie EU-Region, Zero-Retention-Vereinbarung und einen Auftragsverarbeitungsvertrag. Wenn die Daten das Haus gar nicht verlassen dürfen, bleibt ein offenes Modell auf eigener Hardware, mit mehr Betriebsaufwand und schwächeren Ergebnissen bei schwierigen Aufgaben. Das sagen wir vorher, weil es im Projekt ohnehin auffliegt.

Ein Punkt, der in Ausschreibungen häufiger auftaucht als die Modellfrage: Wem gehört der Code am Ende. Bei einem LangChain-Backend ist die Antwort einfach, weil es Ihr Repository ist. Bei einem Workflow-Bestand in einer gehosteten Plattform sollten Sie den Export und die Übergabe vertraglich festhalten, bevor der erste Workflow entsteht.

Womit würden wir anfangen?

Mit dem billigeren Werkzeug für den konkreten Fall, nicht mit der Plattformentscheidung. Ein Workflow, der nach zwei Wochen läuft, sagt Ihnen mehr über den Nutzen als ein Architekturpapier. Der Wechsel nach oben ist später möglich, der Rückbau einer zu großen Architektur selten.

Wenn Sie wissen wollen, auf welche Ebene Ihr konkreter Fall gehört: Wir gehen ihn in 30 Minuten durch und sagen auch, wenn sich keine der beiden Varianten rechnet. Angebot anfordern.

Häufige Fragen

Quellen

• n8n Preise und Zapier Preise (abgerufen 14.08.2026)
• Anthropic, Modellpreise (abgerufen 14.08.2026)
• Langfuse Preise und LangSmith Preise (abgerufen 14.08.2026)
• ifo Institut zur KI-Nutzung in Deutschland (05.06.2026)
• Bitkom, Digitalisierung der Wirtschaft (11.03.2026) und Bitkom Cloud Report 2026 (17.06.2026)
• Model Context Protocol, Spezifikation und Governance (28.07.2026)
• Ungarische Nationalbank, Mittelkurs (14.08.2026, 363,28 HUF je Euro) und AppForge-Preisliste