Zum Hauptinhalt springen
Agent Node

​
Überblick

Der Agent-Node bringt KI in deinen Workflow. Er kann Text analysieren, intelligente Entscheidungen treffen, strukturierte Daten extrahieren, Inhalte generieren, Fragen beantworten und vieles mehr - alles mit natürlichsprachlichen Anweisungen.
Am besten für: Inhaltsanalyse, Kategorisierung, Datenextraktion, Entscheidungsfindung, Zusammenfassung und jede Aufgabe, die Intelligenz erfordert.

​
Wann du den Agent-Node verwenden solltest

Perfekt für:
  • Inhalte analysieren und kategorisieren
  • Strukturierte Daten aus unstrukturiertem Text extrahieren
  • Entscheidungen basierend auf Kriterien treffen
  • Zusammenfassungen oder Berichte generieren
  • Sentiment-Analyse
  • Fragen über Daten beantworten
  • Content-Generierung
  • Übersetzungs- und Sprachaufgaben
Nicht ideal für:
  • Einfache Datentransformationen (verwende Code-Node)
  • Mathematische Berechnungen (verwende Code-Node)
  • Direkte API-Aufrufe (verwende HTTP-Request-Node)

​
Konfiguration

​
Agent auswählen oder erstellen

Bestehenden Assistenten verwenden
  • Wähle aus deinen Workspace-Assistenten
  • Erbt Konfiguration und Wissen des Assistenten
  • Konsistentes Verhalten über Chat und Workflows
Neuen Agent erstellen
  • Definiere Agent speziell für diesen Workflow
  • Konfiguriere unabhängig
  • Optimiert für Automatisierung

​
Agent-Anweisungen

Gib klare Anweisungen, was der Agent tun soll: Gute Anweisungen: 
Analysiere das Kundenfeedback und bestimme:
1. Stimmung (positiv, neutral, negativ)
2. Hauptthema-Kategorie (produkt, service, preise, support)
3. Dringlichkeitsstufe (niedrig, mittel, hoch)
4. Erwähnte Hauptprobleme

Feedback: {{trigger.output.feedback_text}}
Schlechte Anweisungen: 
Analysiere dieses Feedback: {{trigger.feedback_text}}

​
Input-Variablen

Übergib Daten von vorherigen Nodes an den Agenten: 
Kunde:
{{trigger.output.customer_name}}
Bestell-ID:
{{trigger.output.order_id}}
Problem:
{{trigger.output.description}}

Bitte analysiere dieses Support-Ticket und kategorisiere es.

​
Strukturierte Ausgabe (Empfohlen)

Definiere die exakte Struktur, die du vom Agenten möchtest: Warum strukturierte Ausgabe verwenden:
  • Garantiertes Format (immer gültiges JSON)
  • Keine Parsing-Fehler
  • Zuverlässig für nachgelagerte Nodes
  • Einfacher zu debuggen
Beispiel: 
{
  "sentiment": "positive",
  "category": "product_feedback",
  "priority": "medium",
  "summary": "Kunde liebt das neue Feature",
  "action_needed": false
}
Konfiguriere:
  1. Aktiviere “Strukturierte Ausgabe”
  2. Definiere Output-Felder:
    • Feldname
    • Typ (string, number, boolean, array)
    • Beschreibung

​
Tools & Fähigkeiten

Aktiviere zusätzliche Fähigkeiten für den Agenten: Web-Suche
  • Agent kann das Internet durchsuchen
  • Gut für Faktenprüfung und aktuelle Informationen
  • Fügt Kosten pro Suche hinzu
Code-Ausführung
  • Agent kann Python-Code schreiben und ausführen
  • Gut für Berechnungen und Datenanalyse
  • Sichere Sandbox-Umgebung
Integrationen
  • Agent kann verbundene Integrations-Actions verwenden
  • Zugriff auf deine Tools und Daten
  • Gut für dynamische Workflows

​
Beispiel-Anwendungsfälle

​
Content-Kategorisierung

Agent-Konfiguration:
- Anweisungen: "Kategorisiere diesen Artikel nach Thema und schlage Tags vor"
- Input: {{trigger.article_text}}
- Modell: GPT-3.5 Turbo
- Strukturierte Ausgabe:
  {
    "category": "string",
    "tags": ["string"],
    "confidence": "number"
  }

​
Lead-Qualifizierung

Agent-Konfiguration:
- Anweisungen: "Bewerte diesen Lead basierend auf Firmengröße, Rolle und Anwendungsfall"
- Input:
  Firma: {{trigger.company}}
  Rolle: {{trigger.role}}
  Anwendungsfall: {{trigger.use_case}}
- Modell: GPT-4
- Strukturierte Ausgabe:
  {
    "score": "number (0-100)",
    "qualification": "hot|warm|cold",
    "reasoning": "string"
  }

​
Dokumentzusammenfassung

Agent-Konfiguration:
- Anweisungen: "Fasse dieses Dokument in 3-5 Stichpunkten zusammen"
- Input: {{trigger.document_text}}
- Modell: Claude Sonnet
- Strukturierte Ausgabe:
  {
    "summary_points": ["string"],
    "key_topics": ["string"],
    "word_count": "number"
  }

​
Sentiment-Analyse

Agent-Konfiguration:
- Anweisungen: "Analysiere Stimmung und emotionalen Ton"
- Input: {{trigger.customer_message}}
- Modell: GPT-3.5 Turbo
- Strukturierte Ausgabe:
  {
    "sentiment": "positive|neutral|negative",
    "emotion": "string",
    "confidence": "number"
  }

​
Auf Agent-Output zugreifen

Ohne strukturierte Ausgabe: 
{{agent_node_name.output.response}}
Mit strukturierter Ausgabe: 
{{agent_node_name.output.sentiment}}
{{agent_node_name.output.category}}
{{agent_node_name.output.summary}}
{{agent_node_name.output.tags[0]}}

​
Prompt-Engineering-Tipps

Sei explizit 
❌ "Analysiere diesen Text"
✅ "Analysiere dieses Kundenfeedback und kategorisiere als Bug, Feature-Anfrage oder Frage"
Gib Kontext 
Du analysierst Kunden-Support-Tickets für ein SaaS-Unternehmen.
Kategorisiere nach Dringlichkeit basierend auf:
- Dringend: System down, Datenverlust, Sicherheitsproblem
- Hoch: Blockiert Arbeit des Benutzers
- Mittel: Unannehmlichkeit, aber Workaround vorhanden
- Niedrig: Feature-Anfrage oder Frage
Verwende Beispiele 
Kategorisiere diese Probleme:
Beispiel 1: "Kann mich nicht anmelden, erhalte 500-Fehler" → Dringend
Beispiel 2: "Wie exportiere ich Daten?" → Niedrig

Kategorisiere jetzt: {{trigger.issue}}
Begrenze Output 
Antworte NUR mit einer dieser Kategorien: bug, feature, question
Erkläre deine Begründung nicht.

​
Best Practices

Für Workflows ist strukturierte Ausgabe fast immer besser. Sie verhindert Parsing-Fehler und macht Daten einfacher in nachfolgenden Nodes verwendbar.
Klare, detaillierte Anweisungen führen zu besseren Ergebnissen. Füge Beispiele hinzu, wenn die Aufgabe komplex ist.
Agenten arbeiten am besten mit fokussierten Inputs. Wenn lange Dokumente verarbeitet werden, erwäge, relevante Abschnitte zuerst zu extrahieren.
Agent-Performance kann variieren. Teste mit tatsächlichen Datenbeispielen, um konsistente Ergebnisse sicherzustellen.
Füge Validierung nach dem Agent-Node hinzu, um unerwartete Outputs oder Fehler zu behandeln.

​
Nächste Schritte

Code-Node

Transformiere Daten vor/nach Agent-Verarbeitung

Condition-Node

Route basierend auf Agent-Entscheidungen

Kostenmanagement

Optimiere Agent-Kosten

Assistenten

Lerne über die Verwendung von Assistenten in Workflows