Loop

Überblick

Der Loop-Node verarbeitet Arrays von Daten - iteriere durch Listen von Kunden, Bestellungen, Dateien oder jeder Sammlung und wende dieselbe Logik auf jedes Item an.

Am besten für: Batch-Verarbeitung, Verarbeitung mehrerer Datensätze, Generierung individueller Berichte und Iterieren über Listen.

Konfiguration

Input-Array: Wähle das Array aus, über das iteriert werden soll

{{trigger.output.customers}}
{{api_response.output.items}}
{{google_sheets.output.rows}}

Loop-Variablenname: Name für aktuelles Item (z.B., customer, item, record) Max. Iterationen: Sicherheitslimit (Standard: 200, Maximum: 2000)

Erweiterte Optionen

Parallelität: Aktiviere parallele Verarbeitung von Loop-Iterationen Wenn aktiviert, laufen alle Iterationen gleichzeitig statt nacheinander. Das beschleunigt Loops erheblich, erfordert aber, dass die Iterationen nicht voneinander abhängen.

Parallelität	Verhalten	Geeignet für
Aus (Standard)	Sequentiell - jede Iteration wartet auf die vorherige	Abhängige Operationen, rate-limitierte APIs
An	Parallel - alle Iterationen laufen gleichzeitig	Unabhängige Operationen, schnellere Verarbeitung

Bei aktivierter Parallelität können Iterationen in beliebiger Reihenfolge abschließen. Nutze keine Parallelität, wenn spätere Iterationen von Ergebnissen früherer abhängen.

Outputs sammeln: Fasse alle Iterationsergebnisse in einem Array zusammen Wenn aktiviert, gibt der Loop-End-Node ein Array mit Ergebnissen jeder Iteration aus. Das ist nützlich, um im Loop verarbeitete Daten zu aggregieren.

{{ loop_end.output.iterations }}            → Array aller Iterationsdaten
{{ loop_end.output.iterations[0].item }}    → Input-Item der ersten Iteration
{{ loop_end.output.iterations[0].executions }}  → Ausgeführte Nodes der ersten Iteration
{{ loop_end.output.total }}                 → Gesamtzahl der Iterationen

Struktur der gesammelten Outputs:

{
  "iterations": [
    {
      "index": 0,
      "item": { "original": "data" },
      "executions": [
        {
          "nodeId": "abc123",
          "nodeSlug": "agent",
          "nodeType": "agent",
          "input": { ... },
          "output": { "result": "processed" }
        }
      ]
    }
  ],
  "total": 10
}

Nutze Outputs sammeln, wenn du Ergebnisse aggregieren, Berichte aus allen Iterationen erstellen oder Loop-Ergebnisse an einen nachfolgenden Node zur finalen Verarbeitung übergeben möchtest.

Innerhalb des Loops

Der Loop-Node-Slug wird dein Variablenname. Greife auf aktuelles Item und Iterations-Info zu:

{{customer.output.currentItem}}           // Das volle aktuelle Item
{{customer.output.currentItem.name}}      // Zugriff auf Item-Eigenschaften
{{customer.output.currentItem.email}}
{{customer.output.currentIndex}}          // Aktuelle Iteration (0-basiert)
{{customer.output.total}}                 // Gesamtzahl Items im Array

Beispiel-Anwendungsfälle

Kundenliste verarbeiten

Loop über {{trigger.output.customers}}
  Loop-Node-Slug: customer

  → Agent: Analysiere {{customer.output.currentItem.feedback}}
  → Condition: Prüfe {{customer.output.currentItem.score}}
    → Hoch: Sende Dankes-E-Mail
    → Niedrig: Erstelle Follow-up-Aufgabe

Batch-Update von Datensätzen

Loop über {{api_response.output.records}}
  Loop-Node-Slug: record

  → Code: Transformiere {{record.output.currentItem.data}}
  → HTTP Request: Aktualisiere Datensatz {{record.output.currentItem.id}}

Individuelle Berichte generieren

Loop über {{trigger.output.team_members}}
  Loop-Node-Slug: member

  → HTTP Request: Hole {{member.output.currentItem.id}} Daten ab
  → Agent: Generiere Bericht für {{member.output.currentItem.name}}
  → Action: E-Mail-Bericht an {{member.output.currentItem.email}}

Parallele Bildverarbeitung (Parallelität)

Loop über {{trigger.output.images}}
  Loop-Node-Slug: image
  Parallele Ausführung: An

  → Agent: Analysiere {{image.output.currentItem.url}}
  → Code: Extrahiere Metadaten

Alle Bilder werden gleichzeitig analysiert und deutlich schneller fertig als bei sequentieller Verarbeitung.

Ergebnisse aggregieren (Outputs sammeln)

Loop über {{trigger.output.documents}}
  Loop-Node-Slug: doc
  Outputs sammeln: An

  → Agent: Fasse {{doc.output.currentItem.content}} zusammen
  → Code: Extrahiere Kernpunkte

→ Agent: Erstelle Gesamtzusammenfassung aus {{loop_end.output.iterations}}
→ Action: Sende kombinierten Bericht

Der finale Agent erhält alle Zusammenfassungen auf einmal, um einen umfassenden Bericht zu erstellen.

Best Practices

Setze immer Max. Iterationen

Verhindere Endlosschleifen und ausufernde Kosten. Setze ein vernünftiges Maximum.

Batch wenn möglich

Anstatt 100 individuelle Agent-Aufrufe, fasse Items in Gruppen von 10 zusammen.

Handle leere Arrays

Füge eine Bedingung vor dem Loop hinzu, um zu prüfen, ob das Array Items hat.

Überwache Kosten

Loops mit KI-Agenten können teuer sein. Berechne: Kosten pro Item × Anzahl der Items.

Kosten-Warnung

Loops können signifikante Credits verbrauchen, wenn viele Items mit KI-Agenten verarbeitet werden. Ein Loop mit 100 Items und einem Agent-Aufruf zu je

0.10 =

10 pro Durchlauf.

Nächste Schritte

Agent-Node

Verarbeite Items mit KI

Kostenmanagement

Optimiere Loop-Kosten

Erste Schritte

Chat

Skills

Dateien

Agenten

Workflows

Integrationen

Microsoft Plugins

Modelle & Limits

Anleitungen

Account

Ressourcen

Fehlerbehebung

Überblick

Konfiguration

Erweiterte Optionen

Innerhalb des Loops

Beispiel-Anwendungsfälle

Kundenliste verarbeiten

Batch-Update von Datensätzen

Individuelle Berichte generieren

Parallele Bildverarbeitung (Parallelität)

Ergebnisse aggregieren (Outputs sammeln)

Best Practices

Kosten-Warnung

Nächste Schritte

Agent-Node

Kostenmanagement

​Überblick

​Konfiguration

​Erweiterte Optionen

​Innerhalb des Loops

​Beispiel-Anwendungsfälle

​Kundenliste verarbeiten

​Batch-Update von Datensätzen

​Individuelle Berichte generieren

​Parallele Bildverarbeitung (Parallelität)

​Ergebnisse aggregieren (Outputs sammeln)

​Best Practices

​Kosten-Warnung

​Nächste Schritte

Agent-Node

Kostenmanagement

Überblick

Konfiguration

Erweiterte Optionen

Innerhalb des Loops

Beispiel-Anwendungsfälle

Kundenliste verarbeiten

Batch-Update von Datensätzen

Individuelle Berichte generieren

Parallele Bildverarbeitung (Parallelität)

Ergebnisse aggregieren (Outputs sammeln)

Best Practices

Kosten-Warnung

Nächste Schritte