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 Agenten verwenden
  • Wähle aus deinen Workspace-Agenten
  • Erbt Konfiguration und Wissen des Agenten
  • 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.output.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. Tools werden als Array mit vier Typen konfiguriert: Eingebaute Fähigkeiten
  • Web-Suche: Agent kann das Internet für Faktenprüfung und aktuelle Informationen durchsuchen
  • Code-Ausführung (Python): Agent kann Python-Code für Berechnungen und Datenanalyse schreiben und ausführen
Integrations-Actions
  • Füge spezifische Actions aus deinen verbundenen Integrationen hinzu
  • Jede Action kann optional eine Bestätigung vor der Ausführung erfordern (Human-in-the-Loop)
  • Gib an, welche Verbindung verwendet werden soll, wenn du mehrere hast
Wissensordner
  • Hänge Wissensordner an, damit der Agent deine Dokumente durchsuchen kann
  • Agent durchsucht automatisch relevante Inhalte bei der Beantwortung von Fragen
Andere Agenten
  • Rufe andere Agenten als Tools für spezialisierte Unteraufgaben auf
  • Nützlich für komplexe Workflows mit mehreren Fachbereichen

​
Fehlerbehandlung

Konfiguriere, wie der Workflow Fehler von diesem Node behandelt:
StrategieVerhalten
Stop (Standard)Workflow-Ausführung stoppt sofort bei Fehler
CallbackLeite zu einem Fehlerbehandlungs-Branch weiter
ContinueSetze Ausführung mit Fehler-Output-Daten fort

​
Verbindungs-Overrides

Bei Verwendung von Integrations-Actions kannst du überschreiben, welche Verbindung der Agent für bestimmte Tools verwendet. Das ist nützlich wenn:
  • Du mehrere Verbindungen zur gleichen Integration hast (z.B. verschiedene Slack-Workspaces)
  • Der Workflow einen bestimmten Service-Account verwenden soll

​
Anhänge

Hänge Dateien direkt an den Agent-Node an, die zur Verarbeitung verfügbar sein werden. Das können sein:
  • Dateien, die in den Workflow hochgeladen wurden
  • Dateien aus vorherigen Node-Outputs
  • Statische Referenzdokumente

​
Beispiel-Anwendungsfälle

​
Content-Kategorisierung

Agent-Konfiguration:
- Anweisungen: "Kategorisiere diesen Artikel nach Thema und schlage Tags vor"
- Input: {{trigger.output.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.output.company}}
  Rolle: {{trigger.output.role}}
  Anwendungsfall: {{trigger.output.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.output.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.output.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.messages}}
Mit strukturierter Ausgabe: 
{{agent_node_name.output.structured.sentiment}}
{{agent_node_name.output.structured.category}}
{{agent_node_name.output.structured.summary}}
{{agent_node_name.output.structured.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.output.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

Agenten

Lerne über die Verwendung von Agenten in Workflows