Zapier Agents vs Make AI vs n8n AI-Nodes: die Agentenschicht im Werkzeug, das ihr schon habt

Alle drei großen Orchestrierer haben inzwischen eine KI-Schicht: AI by Zapier, die AI Agents in Make und die AI-Nodes in n8n. Die Fähigkeiten liegen näher beieinander, als das Marketing nahelegt.

Bei Zapier hat sich dabei mehr geändert als der Name. Das eigenständige Produkt unter agents.zapier.com ist in den Zap-Editor gewandert, die Fassung mit Schleifen ist seit dem 15. Juli 2026 allgemein verfügbar, und die Migration lief bis zum 15. August 2026. Aus einem Agenten wird dabei ein Zap mit einem Trigger und einem AI-Schritt. Wer noch „Zapier Agents” sucht, landet beim Nachfolger.

Was auseinandergeht, ist die Rechnung, und zwar deshalb, weil ein Agent eine variable Anzahl Schritte macht und die drei Anbieter genau diese Schritte unterschiedlich zählen.

Die Abrechnungseinheit ist der ganze Unterschied

Bei gewöhnlichen Automatisierungen ist das bekannt und beherrschbar:

	Abgerechnet nach
Zapier	Task: ein Schritt, bei einem AI-Schritt je nach Modellstufe 1, 3 oder 5 Tasks pro Lauf
Make	Credit: ein Modullauf kostet meist einen, einzelne Module zwei oder zehn
n8n	Execution: ein ganzer Durchlauf, unabhängig von der Schrittzahl

Zwei dieser Einheiten sind jünger, als sie klingen. Make hat „Operation” am 27. August 2025 als Abrechnungsbegriff durch „Credit” ersetzt, im Verhältnis eins zu eins, und der Begriff Operation steht seitdem nur noch als Aktivitätsmaß in der Laufhistorie. Bei Zapier kostet ein AI-Schritt seit dem 15. Juni 2026 nach Modellstufe: Standard einen Task, Advanced drei, Premium fünf. Ein Schritt ist dort also nicht mehr zwangsläufig ein Task.

Bei einem Agenten wird daraus eine andere Art von Risiko. Ein Agent entscheidet selbst, wie viele Werkzeugaufrufe er für eine Aufgabe braucht. Dieselbe Anfrage kann heute drei Schritte kosten und morgen elf, weil sich eine Datenquelle geändert hat oder das Modell einen Umweg wählt.

Bei Zapier und Make wandert diese Schwankung direkt in die Rechnung. Bei n8n nicht, weil ein Durchlauf ein Durchlauf bleibt, ob er drei oder elf Schritte enthält.

Gegen den Ausreißer nach oben hat Zapier immerhin eine Bremse eingebaut: Erreicht ein Schritt in einem einzigen Lauf 75 Tasks, pausiert der Zap und fragt vor dem Weitermachen nach. Bei Make hängt die Schwankung zusätzlich am Modell, denn die AI Agents laufen über Makes eigenen KI-Anbieter, und der rechnet nach Token und Operationen statt pauschal pro Modullauf. Wer stattdessen einen eigenen Schlüssel für OpenAI, Anthropic oder Gemini einhängt, zahlt in Make einen Credit pro Modullauf und die Modellkosten direkt beim Anbieter.

Ein Agent hat keine feste Schrittzahl. Bei Abrechnung pro Schritt ist die Monatsrechnung deshalb eine Verteilung, kein Betrag, und budgetieren muss man den langen Rand, nicht den Mittelwert.

Das ist kein Argument dafür, dass ein Anbieter unfair rechnet. Es ist ein Argument dafür, dass die Abrechnungseinheit bei Agenten schwerer wiegt als bei klassischen Automatisierungen, und dass man sie vorher kennen sollte.

Was die drei jeweils gut können

AI by Zapier ist die zugänglichste Variante. Wer schon Zaps baut, kommt ohne Umlernen zu einem Agenten, die Werkzeugauswahl ist riesig, weil sie das gesamte Zapier-Ökosystem erbt. Seit dem Umzug in den Zap-Editor lassen sich agentische Schritte, reine KI-Schritte zum Zusammenfassen oder Klassifizieren und feste Schritte in einem Zap mischen, was genau die Bauform erlaubt, die weiter unten empfohlen wird. Der Preis dafür ist die Abrechnung pro Task samt Modellaufschlag.

Make liegt in der Mitte: günstiger pro Einheit als Zapier, mit einer visuellen Darstellung, die bei verzweigten Abläufen tatsächlich hilft. Die AI Agents sind dort allerdings noch als Beta gekennzeichnet. Der Nachteil ist derselbe wie bei Zapier: bei einem Agenten mit variabler Schrittzahl zählt jeder Modullauf.

n8n ist die technischste Variante und die mit dem meisten Einblick. Man sieht, welches Werkzeug der Agent aufgerufen hat, mit welchen Eingaben und was zurückkam. In der selbst gehosteten Community Edition gibt es keinen Zähler, weil nur die Cloud-Tarife nach Executions abrechnen, und die Einschränkungen dort liegen bei Dingen wie SSO und Support, nicht bei der Menge. Der Preis ist, dass jemand den Server betreiben muss: den vollständigen Kostenvergleich der drei Plattformen haben wir separat gerechnetEN (in English).

Der Punkt, der bei Agenten wichtiger ist als der Preis

Ein Agent scheitert anders als eine Automatisierung. Eine Automatisierung bricht ab und meldet, an welchem Schritt. Ein Agent liefert ein Ergebnis, das plausibel aussieht, und man merkt erst später, dass es falsch war.

Daraus folgt eine Anforderung, die bei klassischen Abläufen keine Rolle spielt: Man muss sehen können, was der Agent getan hat. Welche Werkzeuge er in welcher Reihenfolge aufgerufen hat, was zurückkam, wo er abgebogen ist.

Diesen Einblick bietet inzwischen jede der drei Plattformen, sie unterscheiden sich in der Tiefe. Bei Zapier liegt jeder agentische Lauf in der Zap-Historie neben den übrigen Automatisierungen, und ein geöffneter Lauf zeigt die aufgerufenen Werkzeuge, die übergebenen Daten, die benutzte Modellstufe und die verbrauchten Tasks. Der ältere Aktivitätsverlauf der eigenständigen Agents zeigte Status, benutzte Apps und Zeitpunkt je Lauf. In n8n sieht man denselben Lauf im Editor Knoten für Knoten mit Ein- und Ausgabe. Wer einen Agenten produktiv betreiben will, braucht diesen Einblick nicht zum Debuggen an einem schlechten Tag, sondern als Dauerzustand, sonst merkt niemand, wenn er still schlechter wird. Warum das die eigentliche Betriebsfrage ist, steht in Agent oder Workflow mit LLM-SchrittEN (in English).

Die unpopuläre Empfehlung

Für die meisten Aufgaben, die als „Agent“ angefragt werden, ist die richtige Antwort in allen drei Werkzeugen dieselbe: kein Agent.

Ein fester Ablauf mit einem Modellschritt in der Mitte (klassifizieren, entscheiden, handeln) ist billiger, schneller, nachvollziehbar und in neun von zehn Fällen das, was tatsächlich gebraucht wird. Die Agentenschicht lohnt dort, wo die Anzahl der Schritte wirklich variiert, etwa bei Recherche.

Praktisch heißt das: Baut den Ablauf zuerst fest. Wenn dabei genau ein Schritt übrig bleibt, bei dem sich nicht vorher sagen lässt, wie viele Aufrufe er braucht, macht diesen einen Schritt agentisch und begrenzt seine Iterationen hart. Alles drumherum bleibt deterministisch.

Diese Bauform ist in allen drei Werkzeugen möglich. Zapier bewirbt das Mischen aus agentischen, KI- und festen Schritten in einem Zap inzwischen selbst, in den anderen beiden muss man sie sich zusammenstellen, weil sie sich schlechter demonstrieren lässt als ein Agent, der alles allein macht.

Wann welches passt

AI by Zapier, wenn ihr schon tief in Zapier steckt und das Volumen niedrig ist. Unterhalb weniger hundert Läufe im Monat ist die Abrechnung pro Task egal, und der Zeitgewinn beim Bauen ist real.

Make, wenn ihr verzweigte Abläufe habt und die visuelle Darstellung euch beim Nachdenken hilft. Preislich in der Mitte, was bei mittleren Volumina die pragmatische Wahl ist.

n8n, wenn Volumen, Einblick oder Verarbeitungsort zählen. Selbst gehostet ist es das einzige der drei, bei dem ihr sowohl den Zähler als auch den Standort kontrolliert, und bei einem Agenten, der Kundendaten anfasst, ist das oft die Bedingung und nicht die Kür.

Häufig gestellte Fragen