n8n Auftragsautomatisierung: Claude API anbinden – Tutorial

Szenario: Jeden Tag manuell Bestellnachrichten beantworten – nicht mehr zu schaffen

In lokalen Geschäften wie Gastronomie, Einzelhandel oder Nachbarschafts-Sammelbestellungen landen Bestellnachrichten meist in WeChat, Formularen oder dem Shop-Backend. Das Muster ist immer gleich: Eine neue Bestellung kommt rein, man schaut sich den Inhalt an, entscheidet, ob es eine reguläre Bestellung oder eine Beschwerde ist, und schickt dann eine Bestätigung. Bei geringem Volumen ist das egal, aber sobald das Volumen steigt, geht die meiste Zeit für repetitive Antworten drauf.

Das Ziel dieses Tutorials ist konkret: Mit n8n eine Automatisierungs-Pipeline bauen. Wenn eine neue Bestellung eingeht, erkennt die KI automatisch die Absicht und generiert eine Antwort. Normale Bestellungen werden direkt automatisch beantwortet, Beschwerden werden an einen Menschen weitergeleitet und zusätzlich wird eine Benachrichtigung gesendet. Ganz ohne Code – für die Modellanbindung braucht man nur einen HiAPI-API-Key.

Seit 2026 wird n8n in mehreren Übersichten zu Automatisierungstools immer wieder kleinen und mittleren Geschäften empfohlen (z. B. in den Jahresübersichten 2026 von Atlassian und techaigoz). Der Grund ist direkt: Self-Hosting, Open Source, ausgereiftes LLM-Node-System. Im Oktober 2026 hatte ein Post auf X über die automatisierte Auftragsannahme für lokale kleine Geschäfte mit n8n allein etwa 51.000 Aufrufe – ein Zeichen dafür, dass dieser Bedarf bereits sehr verbreitet ist.

Vorbereitung: Ein HiAPI-Key + ein n8n

Vor dem Start braucht man nur zwei Dinge.

Erstens: den API-Key von HiAPI. Im HiAPI-Konsolenbereich erstellen und kopieren, das Format beginnt mit sk-. Dieser Key ist OpenAI-kompatibel, alle Modelle in n8n laufen später darüber.

Zweitens: n8n. Cloud-Version oder Self-Hosting, beides geht – dieses Tutorial legt sich nicht auf eine Deployment-Art fest. Die einzige Voraussetzung ist, dass die Version nicht zu alt ist; warum, wird unten erklärt.

Der Kernschritt: OpenAI Chat Model Node an HiAPI anbinden

Der Schlüssel der gesamten Pipeline ist, n8n mit dem Modell zu verbinden. Das ist einfacher als gedacht: Im AI-Node-System von n8n gibt es einen OpenAI Chat Model-Sub-Node. Dessen Credential enthält ein Base-URL-Eingabefeld – trägt man den OpenAI-kompatiblen Endpunkt und den API-Key ein, funktioniert es (diese Möglichkeit wurde in der n8n-Community schon früh diskutiert, siehe den Community-Post Override baseURL for OpenAI Node).

Konkret sind drei Dinge einzutragen:

1. Base URL: https://api.hiapi.ai
2. API Key: dein HiAPI-Key (beginnt mit sk-)
3. Model: manuell eintragen: deepseek-v4.1-flash

Zwei Hinweise. Erstens: Es muss der OpenAI Chat Model-Sub-Node aus dem AI-Node-System verwendet werden, nicht der alte OpenAI-Node. Zweitens: Das Base-URL-Feld gibt es erst in neueren n8n-Versionen; einzelnen älteren Versionen fehlt dieses Feld. In dem Fall zuerst in n8n auf eine neuere Version aktualisieren und dann konfigurieren.

Nach dem Ausfüllen teilen sich alle AI-Nodes im gesamten Workflow dieses eine Credential. Will man später das Modell wechseln, ändert man einfach das Feld Model – z. B. für Beschwerden auf claude-opus-4-8 – der Key bleibt unverändert.

Damit ist das Modell angebunden. Als Nächstes kommt der Workflow selbst.

Vier Schritte im Workflow

Die gesamte Pipeline besteht aus vier verketteten Nodes: Webhook-Trigger, KI-Klassifizierung und Antwortentwurf, IF-Verzweigung, Benachrichtigung.

1. Webhook-Trigger

Als Einstieg dient ein Webhook-Node. Wenn das Bestellsystem (Formular, Shop-Backend, Relay-Bot) eine neue Bestellung hat, wird der Nachrichteninhalt per POST an diese Adresse gesendet. Der vom Trigger empfangene Bestelltext wird an den nachfolgenden AI-Node weitergegeben.

Falls noch keine Systemanbindung existiert, kann man zunächst auch mit dem Form-Trigger-Node von n8n neue Bestellungen manuell simulieren, den Ablauf zum Laufen bringen und dann die echte Datenquelle anschließen.

2. AI-Node: Klassifizierung + Antwortentwurf

Einen AI-Agent-Node (oder einen vereinfachten Chain-Node) anbinden, das eben konfigurierte OpenAI Chat Model Credential anhängen und als Modell deepseek-v4.1-flash eintragen. Der System-Prompt übernimmt zwei Aufgaben: Er entscheidet, ob die Nachricht eine reguläre Bestellung oder eine Beschwerde ist, und entwirft dann jeweils eine Antwort im Ton des Geschäfts.

Unten steht ein direkt verwendbarer System-Prompt – einfach durch den eigenen Ladenname und die eigene Kategorie ersetzen und loslegen:

Du bist der Auftragsassistent eines lokalen Gastronomiebetriebs. Verarbeite jede Nutzernachricht nach folgenden Regeln:

1. Bestimme zuerst den Nachrichtentyp:
   - Reguläre Bestellung: Der Nutzer bestellt eindeutig, inklusive Produkt, Menge, Adresse oder Abholart
   - Beschwerde: Der Nutzer äußert Unzufriedenheit mit Produkt oder Service, verlangt eine Rückerstattung oder beschwert sich
   - Sonstiges: Fragen zu Öffnungszeiten, Speisekarte usw., die keine sofortige Antwort erfordern

2. Erstelle dann je nach Typ eine Antwort:
   - Reguläre Bestellung: Bestätige den Bestellinhalt im Ton des Geschäfts, wiederhole Produkte und Mengen, nenne die voraussichtliche Zubereitungs- oder Lieferzeit, freundlich und natürlich im Ton
   - Beschwerde: Drücke zuerst Bedauern und Ernsthaftigkeit aus, erkläre, dass schnellstmöglich ein Mensch sich darum kümmert, versprich keine konkreten Entschädigungen
   - Sonstiges: Beantworte die Frage des Nutzers normal

3. Das Ausgabeformat ist strikt JSON mit zwei Feldern:
   - category: order / complaint / other
   - reply: der entworfene Antworttext

Gib nur JSON aus, keine Erklärungen.

Der wichtigste Punkt ist, dass die KI strukturiertes JSON ausgibt – nur so kann die nachfolgende IF-Verzweigung zuverlässig entscheiden. Falls gelegentlich die Ausgabe nicht dem Standard entspricht, nach dem AI-Node einen einfachen Datenbereinigungsschritt als Absicherung einfügen.

3. IF-Verzweigung: Normale Bestellungen automatisch beantworten, Beschwerden an Menschen eskalieren

Mit einem IF-Node das Feld category auslesen:

• order oder other: automatische Antwort – den reply-Text über den eigenen Benachrichtigungskanal an den Kunden zurückschicken (WeChat-Bot, E-Mail oder SMS, je nachdem, was angebunden ist)
• complaint: keine automatische Antwort – den Original-Bestelltext und das Klassifizierungsergebnis als Paket an den Ladeninhaber oder die diensthabende Person senden, mit einem vorgeschlagenen Antworttext, und auf Übernahme durch einen Menschen warten

Diese Aufteilung ist der eigentliche Wert der Pipeline. Die KI erledigt den Großteil der repetitiven Bestätigungsnachrichten, Menschen kümmern sich nur um Beschwerden, die Urteilsvermögen und Empathie erfordern.

4. Benachrichtigungs-Node

Zuletzt einen Benachrichtigungs-Node anhängen, der das Ergebnis an das eigene Collaboration-Tool sendet (Feishu, WeChat, E-Mail – alles möglich). Bei normalen Bestellungen wird eine automatische Beantwortung gemeldet, bei Beschwerden werden die vollständigen Bestellinformationen gemeldet und als „manuell zu bearbeiten“ markiert. So weiß man auch ohne ständigen Blick in die Ausführungsprotokolle der Pipeline in Echtzeit, was im Laden passiert.

Kostenkontrolle: Standard über flash, Komplexes über opus

Die Modellwahl nach Aufgabe ist der Schlüssel zur Kostenkontrolle in diesem Ablauf – es ist nicht nötig, alle Anfragen mit dem teuersten Modell zu fahren.

• Normale Klassifizierung und Antworten über deepseek-v4.1-flash, Input $0,44 / Million Tokens, Output $1,32 / Million Tokens (HiAPI-Plattformpreis, Stand 2026-10). Bestellnachrichten umfassen meist nur wenige hundert Tokens; die Modellkosten pro Bestellung sind sehr niedrig, geschätzt unter 1 US-Cent
• Beschwerdeanalyse, Zusammenfassungen mit langem Kontext und ähnlich komplexe Szenarien dann über claude-opus-4-8, Input $2,29 / Million Tokens, Output $11,47 / Million Tokens (Stand 2026-10). Der Anteil an Beschwerden ist gering, die Auswirkung auf die Gesamtkosten begrenzt

Die Preise nur als Hinweis – detaillierte Preisangaben stehen auf der Modelldetailseite. Wer tiefer verstehen möchte, warum die Modellwahl nach Aufgabe Kosten spart, kann unseren früheren Artikel Notion AI – Praxis des automatischen Routings lesen. Dort steht der komplette Ansatz, Anfragen je nach Aufgabe an verschiedene Modelle zu verteilen – dieselbe Logik wie im Bestellszenario dieses Artikels.

FAQ

Ist der API-Key in n8n sicher?

Der Key gehört in das Credential von n8n, nicht direkt in die Node-Parameter oder den Code. Credentials werden von n8n verschlüsselt gespeichert und beim Export oder Teilen von Workflows nicht mit ausgegeben. Zusätzlich empfiehlt es sich, in der HiAPI-Konsole für diesen Key ein Nutzungslimit festzulegen – selbst bei einer Offenlegung bleibt der Schaden kontrollierbar.

Was tun bei 429 (zu viele Anfragen)?

429 bedeutet, dass ein Rate-Limit ausgelöst wurde. Prüfe zuerst, ob in kurzer Zeit eine große Menge Bestellungen eingespielt wurde – dann das Trigger-Intervall verlängern oder dem AI-Node eine Warteschlange hinzufügen. Tritt es weiterhin auf, in der HiAPI-Konsole die Parallelitäts- und Kontingenteinstellungen des aktuellen Keys prüfen und bei Bedarf den Tarif anpassen. Im Workflow kann man dem AI-Node auch eine Retry-Strategie geben, sodass bei 429 automatisch nach einer Verzögerung erneut versucht wird.

Kann man ein anderes Modell verwenden?

Ja. Einfach im Feld Model den Namen eines beliebigen Modells auf HiAPI eintragen – z. B. für normale Bestellungen deepseek-v4.1-flash, für Beschwerden claude-opus-4-8; Key und Base URL bleiben unverändert. Ein Key ist für alle Modelle gültig – genau das ist der Vorteil gegenüber der separaten Beantragung offizieller Keys bei jedem Anbieter.

Was ist der Unterschied zu einem direkt beantragten offiziellen API-Key?

Im Kern zwei Punkte. Erstens: Ein HiAPI-Key deckt mehrere Modelle ab – keine separate Registrierung, separate Aufladung und separate Kontingentverwaltung bei jeder offiziellen Plattform. Zweitens: Die nutzungsbasierte Abrechnung erfolgt einheitlich, was bei Aufrufvolumen, das sich über mehrere Modelle verteilt, günstiger ist. Für kleine und mittlere Geschäfte ist der Verwaltungsaufwand wichtiger als Preisunterschiede.

Ist es ein Problem, dass Streaming nicht unterstützt wird?

Nein. Diese Pipeline verarbeitet Bestellungen asynchron; die KI-Antwort kann nach der Generierung in einem Zug zurückgegeben werden – anders als in einer Chat-Oberfläche muss nichts zeichenweise angezeigt werden. Ob gestreamt wird oder nicht, beeinflusst das Ergebnis nicht.

Was tun, wenn in n8n kein Base-URL-Feld vorhanden ist?

Das bedeutet, dass die verwendete n8n-Version zu alt ist. Die Base URL ist ein Parameter des OpenAI Chat Model-Sub-Nodes im AI-Node-System und erst in neueren Versionen vorhanden. Zuerst in n8n auf eine neuere Version aktualisieren und dann die oben beschriebenen Credential-Konfigurationsschritte befolgen.

Wichtige Erkenntnisse

• Die Anbindung besteht nur aus einer Credential-Änderung: Base URL auf https://api.hiapi.ai setzen, API Key mit dem HiAPI-Key füllen, Modellname manuell deepseek-v4.1-flash eintragen – kein Code.
• Klassifizierung und Antwortentwurf in einem einzigen KI-Aufruf erledigen und dabei striktes JSON-Ausgabeformat verwenden, damit die nachfolgende IF-Verzweigung zuverlässig entscheiden kann.
• Normale Bestellungen automatisch beantworten, Beschwerden immer an Menschen eskalieren – diese Grenze erzwingt die IF-Verzweigung.
• Geld nach Schwierigkeit einsetzen: Standardbestellungen über flash, schwierige Nachrichten über claude-opus-4-8 – gleicher Key, nur Modellname ändern.
• Den Key zentral im n8n Credential verwalten, bei 429 mit Verzögerung erneut versuchen, Modellwechsel ist eine einzige Änderung.