Make Review: Ein tiefer Einblick in eine führende Automatisierungssoftware

Als Unternehmer und Software-Gründer habe ich jahrelang nach dem Traum der perfekten Organisation gesucht und immer gehofft, dass die nächste Plattform endlich „die Richtige“ ist. Irgendwann habe ich aufgegeben. Stattdessen setze ich jetzt auf eine praktischere Lösung: Ich verbinde meine besten Tools über eine spezialisierte Automatisierungsplattform.

Make (früher Integromat) ist eine dieser Automatisierungsplattformen. Sie ist der digitale Klebstoff, der dein Unternehmen zusammenhält, indem er deinen verstreuten Tech-Stack verbindet. Egal, ob du wie ich Marketing- und Vertriebstools nutzt oder Projektmanagement-Software, Lagerverwaltungssysteme oder etwas anderes. Make kann deinen Workflow automatisieren.

Ich habe Make in echten Geschäftsszenarien ausgiebig getestet. Die Plattform bietet starke Integrationen, die wirklich verändern, wie du arbeitest. Der Nachteil ist, dass sie etwas komplexer ist als manche Alternativen.

In diesem Praxis-Test teile ich meine Erfahrungen, zeige dir die herausragenden Funktionen von Make, die tatsächliche Benutzerfreundlichkeit (und nicht nur die Marketingversprechen) und ob der Preis für dich Sinn macht.

Los geht’s!

Was ist Make?

Make ist eine No-Code-Automatisierungsplattform, mit der du automatisierte Workflows per visuellem Drag-and-Drop-Builder erstellen kannst. Du verbindest dazu verschiedene Apps und Dienste, um wiederkehrende Aufgaben zu automatisieren, Daten zwischen Tools zu übertragen und Aktionen in einer App auszulösen, wenn in einer anderen etwas passiert.

Zum Beispiel: Wenn jemand ein Google-Formular ausfüllt, kannst du die Antwort automatisch in eine Google-Tabelle eintragen, einen Datensatz mit diesen Informationen in deinem CRM anlegen und dein Team in Slack benachrichtigen.

Verständnis der Make-Terminologie

Bevor ich auf die Funktionen von Make eingehe, sollte ich ein paar Begriffe klären, die Make etwas anders verwendet. Sie unterscheiden sich von Wettbewerbern wie Zapier und haben mich anfangs auch etwas verwirrt.

Hier ein kurzer Überblick:

• Szenarien: Das sind deine eigentlichen Automatisierungen oder automatisierten Workflows. Falls du Zapier kennst: Das entspricht dort den Zaps.
• Module: Die einzelnen Schritte oder Bausteine deines Szenarios.
• Apps: Drittanbieter-Software, mit der Make sich verbindet (zum Beispiel Airtable, Gmail, Google Forms) sowie integrierte Apps wie Flow Control, Webhooks, Data Store und weitere. Du verbindest Drittanbieter-Apps unter Verbindungen. App-Verbindungen unterstützen unterschiedliche Module.
• Credits: Immer wenn ein Modul in einem Szenario ausgeführt wird, werden dafür ein oder mehrere Credits verbraucht – je nach Komplexität. Das Preismodell von Make basiert auf der Anzahl der Credits.
• Operationen: Eine Operation ist ein einzelner Modul-Durchlauf, bei dem Daten verarbeitet oder auf neue Daten geprüft werden. Wenn du ein Szenario startest, wird jedes Modul ein- oder mehrmals ausgeführt. Das ergibt eine oder mehrere Operationen.
• Flows: Ein Pfad innerhalb eines Szenarios oder die Reihenfolge, in der die Module im Szenario abgearbeitet werden. Ein Szenario kann mehrere verschiedene Flows enthalten.
• Bundles: Eine Sammlung zusammengehöriger Datensätze (zum Beispiel Zeilen, Einträge, Elemente usw.)
• Array: Eine einzelne Sammlung mehrerer Bundles. Wird vor allem bei automatisierten Abläufen in der Entwicklung genutzt, taucht aber auch in anderen Szenarien immer mal wieder auf.

Was ist der Unterschied zwischen Credits und Operationen?

Die Plattform hat kürzlich ihre Abrechnung umgestellt, daher ersetzen jetzt „Credits“ die „Operationen“ als Abrechnungseinheit. Credits sind die neue Währung, für die du bezahlst. Operationen bleiben weiterhin eine Kennzahl, die zeigt, was intern bei einem Durchlauf passiert ist (wie viele Module ausgelöst und wie viele Daten verarbeitet wurden).

Das alte Modell „eine Operation = eine Abrechnungseinheit“ hat alle Modulaufrufe gleich behandelt. Tatsächlich sind manche Operationen aber viel aufwändiger als andere. Mit dem neuen Credits-Modell kann Make besonders „schwere“ oder ressourcenintensive Aufgaben genauer bepreisen.

Für dich bedeutet das praktisch: Wenn du viele aufwändige Workflows und KI-Module nutzt, wirst du bei deinen Workflows jetzt einen Unterschied bei den Kosten merken, da sie mehr Credits verbrauchen. Diese Änderung geht einher mit dem aktuellen KI-Fokus von Make.

Hauptfunktionen und was Make unterscheidet

Nachdem ich Make eine Weile ausprobiert habe, ist mir aufgefallen, dass sich die Plattform in einigen Punkten deutlich von anderen Automatisierungslösungen abhebt. Schauen wir uns an, was Make besonders macht.

Umfassendes Integrations-Ökosystem

Zum Zeitpunkt dieses Beitrags bietet Make über 3.000 native Integrationen in seiner Bibliothek an. Auch wenn das nicht an die enorme Zahl von mehr als 8.000 Verbindungen beim Branchenführer Zapier heranreicht, ist das Angebot von Make dennoch breit gefächert und für die meisten Anwendungsfälle völlig ausreichend. Einschränkungen erlebst du nur, wenn du eine besonders unbekannte App oder eine ganz neue Software nutzt, die noch keine Integration mit Make bietet.

Selbst dann hast du noch Optionen. Mit Make's leistungsstarkem Webhook-Modul kannst du viele nicht unterstützte Apps trotzdem anbinden. Natürlich kannst du auch eigene Verbindungen über die API-Funktion bauen, allerdings ist das eher etwas für Entwickler.

Starke Unterstützung für Webhooks

Webhooks sind eine Möglichkeit für Webanwendungen, in Echtzeit per HTTP-Anfrage miteinander zu kommunizieren. Diese automatisierten „Boten“ übermitteln Daten von einer Anwendung zur anderen, sobald bestimmte Ereignisse eintreten, und dienen so als Brücke zwischen Apps, die keine direkte, native Integration haben. Das Beste daran: Webhooks sind komplett kostenlos, du zahlst bei Make also nichts extra dafür.

Zum Glück lassen sich Webhooks mit dem integrierten Webhook-Modul von Make ziemlich einfach einrichten.

Ich lege dir ans Herz, zu lernen, wie Webhooks funktionieren. Damit kannst du Makes Konnektivität weit über die native Integrationsbibliothek hinaus erweitern.

Intuitiver Visueller Workflow-Builder mit Triggern, Aktionen und Filtern

Das Herzstück von Make.com ist der intuitive Szenario-Builder, in dem du automatisierte Workflows erstellst, indem du verschiedene Apps miteinander verbindest. Du fügst Module hinzu und kannst sie dann per Drag and Drop anordnen.

Jedes Szenario besteht aus drei Haupttypen von Modulen:

• Trigger erkennen Ereignisse und starten ein Szenario, zum Beispiel neue E-Mails, Formularübermittlungen oder neue Notion-Datenbankeinträge.
• Aktionen reagieren auf die Trigger und führen verschiedene Aufgaben aus, wie zum Beispiel das Aktualisieren von Tabellen, das Senden von Benachrichtigungen oder das Erstellen, Aktualisieren oder Löschen von Kalendereinträgen.
• Flow-Control-Modul ist ein spezielles operatives Modul, mit dem du Dinge wie Routing (das Aufteilen des Szenarios in verschiedene Flows), Wiederholungen, das Anhalten des Szenarios und mehr umsetzen kannst.

Damit ein Szenario funktioniert, müssen alle Module verbunden sein, und du brauchst mindestens ein Trigger- sowie ein Aktionsmodul.

Zwischen den Verbindungen kannst du auch Filter einrichten. Filter werden verwendet, um ein Szenario basierend auf bestimmten Bedingungen in verschiedene Pfade aufzuteilen. Wenn zum Beispiel ein neues Google-Formular eingereicht wird, kannst du es so filtern, dass der Datensatz zu Pipedrive hinzugefügt wird, falls die Einsendung aus den USA kommt. Wenn die Einsendung nicht aus den USA stammt, wird der Datensatz zu ActiveCampaign hinzugefügt.

Du kannst beliebig viele Filter einrichten und hast so die volle Kontrolle über deine Automatisierungen. Im untenstehenden Szenario gibt es drei Pfade, die durch Filter bestimmt werden:

1. Ein neuer Google-Kalender-Eintrag wird erstellt, falls noch keiner für den Notion-Datensatz existiert.
2. Falls ein Kalendereintrag bereits vorhanden ist, wird er mit den neuesten Daten aus dem Notion-Datensatz aktualisiert.
3. Wenn die Statusspalte eines Notion-Datensatzes auf „Cancelled“ geändert wird, wird der Kalendereintrag gelöscht.

Es gibt noch viele andere Funktionen, die dir helfen, Szenarien zu visualisieren und damit zu arbeiten. Besonders gefällt mir Explain Flow, das eine Animation des Modulablaufs erzeugt, damit du ihn besser nachvollziehen kannst.

Erweiterte Funktionen für Szenario-Tests und Fehlersuche

Ganz ehrlich: Make.com hat eine steile Lernkurve, und selbst scheinbar einfache Szenarien zu erstellen kann am Anfang ganz schön herausfordernd sein. Zu wissen, wie man Automatisierungen richtig testet und Fehler behebt, ist absolut entscheidend, bevor man das volle Potenzial der Plattform ausschöpfen kann.

Make bietet dafür mehrere Funktionen, am wichtigsten ist der Button „Einmal ausführen“ unten links. Wenn du darauf klickst, wird das Szenario einmal ausgeführt und die Ergebnisse werden angezeigt.

Wichtig zu wissen ist, dass Make im Gegensatz zu anderen Automatisierungstools beim Testen von Szenarien nur mit echten Daten arbeitet. Mit anderen Worten: Wenn du „Einmal ausführen“ nutzt, läuft das Szenario live und Änderungen werden auch tatsächlich in deinen Apps vorgenommen.

Außerdem müssen deine Apps so eingerichtet sein, dass du das Szenario von Anfang bis Ende testen kannst. Das Szenario unten wird nicht bis zum letzten Modul durchlaufen, wenn die Filterbedingungen nicht erfüllt sind.

Ich hatte beim Testen meiner Szenarien auch Schwierigkeiten, weil ich zwischen verschiedenen Apps und Datensätzen wechseln musste, um sicherzugehen, dass alles korrekt eingerichtet ist. Das kann richtig knifflig werden, wenn du ein komplexes Szenario mit vielen Apps hast, bei dem jede Menge Daten erzeugt werden. Ich würde mir wünschen, dass Make wie Zapier automatisch Beispieldaten generiert und einen Sandbox-Modus anbietet, damit alles getestet werden kann, ohne die Make-Oberfläche verlassen zu müssen.

Wenn du die Ausführung deines Szenarios beendet hast, bekommst du entweder eine Meldung, dass „das Szenario erfolgreich abgeschlossen wurde“, oder dass ein Fehler aufgetreten ist. So sieht ein erfolgreich abgeschlossenes Szenario aus:

Du kannst dann auf jede Blase klicken, um mehr Daten zu deinem Szenario zu sehen.

Und so sieht es aus, wenn etwas nicht stimmt:

Make benachrichtigt dich über sämtliche Probleme im Ausführungsprotokoll. Und genau das bringt mich zu meinem ersten großen Frustpunkt mit der Plattform: Die unverständliche Sprache in den Logs. Die Fehlerbenachrichtigungen scheinen ausschließlich für Entwickler geschrieben zu sein, nicht für weniger technische Nutzer

Eine Möglichkeit, das Chaos bei der Fehlersuche in solchen Szenarien zu minimieren, ist, das Szenario Modul für Modul zu prüfen. Das geht, indem du mit Rechtsklick auf ein bestimmtes Modul klickst und „Nur dieses Modul ausführen“ auswählst.

Make hatte früher einen KI-Assistenten, den ich dabei ziemlich praktisch fand. Aber Make hat ihn im Oktober abgeschafft, also wirst du ihn im Workflow-Builder nicht mehr finden. Sie sagen, dass das neue KI-Erlebnis ihn ersetzen wird. Zum aktuellen Zeitpunkt sehe ich allerdings noch keinen direkten Ersatz für den KI-Support-Assistenten, was enttäuschend ist für alle, die auf diese Hilfe beim Erstellen von Flows angewiesen sind.

Gumloop, ein Make-Konkurrent, hat übrigens ebenfalls einen sehr guten (oder sogar besseren) KI-Assistenten. Mehr dazu findest du in meinem Gumloop-Test.

Automatisierte Fehlerbehandlung

Fehlerbehandlung in Make ist eine erweiterte Funktion, die hilft, einen reibungslosen Ablauf deiner Szenarien zu gewährleisten, indem unerwartete Probleme mit deinen Automatisierungen verwaltet werden. Wenn Probleme auftreten, erkennst du sie sofort am roten Ausrufezeichen, das über dem betroffenen Modul erscheint. Außerdem bekommst du eine Benachrichtigung per E-Mail.

Wichtig: Wenn ein Fehler auftritt, stoppt Make dein Szenario automatisch.

Mit Error Handlern kannst du gezielt darauf reagieren, damit deine Workflows trotz Problemen weiterlaufen. Diese Funktion hat mich echt beeindruckt, weil ich sie in anderen Automatisierungstools und visuellen Buildern so noch nicht gesehen habe.

Du kannst dir eine praktische Übersicht dazu, wie Error Handler funktionieren, anschauen. Der gebräuchlichste ist „Ignore“. Damit kannst du das Szenario fortsetzen, auch wenn bei einem Bundle ein Fehler auftritt.

Zum Beispiel: Im folgenden Szenario werden Daten von einem Webhook an ChatGPT gesendet, verarbeitet und anschließend als neue Zeile in Google Sheets eingetragen. Falls ChatGPT mal ein Timeout hat und keine Antwort liefert, sorgt ein Ignore-Modul dafür, dass dein Szenario trotzdem problemlos weiterläuft.

Szenario-Planung

Falls du dich fragst, was das Kreis-Symbol mit Zeiger neben deinem Trigger bedeutet: Das ist die Schedule-Einstellung. Sie ist eine weitere nützliche Make-Funktion, mit der du festlegen kannst, wann ein Szenario ausgeführt wird.

Du kannst dein Szenario sofort starten lassen (sobald das Trigger-Ereignis eintritt), in regelmäßigen Abständen oder zu einer bestimmten Tages-, Wochen- oder Monatszeit. Ich finde das super praktisch, weil ich so mehrere Szenarien zeitlich planen und Überschneidungen vermeiden kann.

Zum Beispiel kannst du deine Social-Media-Content-Strategie erweitern, indem du mehrere Szenarien erstellst. Sagen wir, du möchtest montags und mittwochs Nachrichten veröffentlichen und dienstags und donnerstags Reviews posten. So bekommst du eine ausgewogene und planbare LinkedIn-Präsenz.

Im folgenden Beispiel habe ich ein Szenario, das meinen WordPress-Blog jeden Montag und Mittwoch überwacht und sofort neue Veröffentlichungen in der Nachrichten-Kategorie erkennt. Jeder Beitrag wird dann durch ein Claude-AI-Modul geschickt, das den Inhalt analysiert und automatisch einen prägnanten, nachrichtenartigen Beitrag erstellt, der anschließend auf LinkedIn geteilt wird.

Versionsverlauf

Das Versionierungssystem von Make wurde beim Entwickeln komplexer Szenarien zu meinem Sicherheitsnetz. Die Plattform speichert automatisch den Verlauf deiner Workflows, sodass du alle früheren Versionen mit genauem Zeitstempel einsehen kannst. Die Funktion lädt zum Ausprobieren ein – du kannst nach Belieben Anpassungen testen, denn falls etwas nicht wie gewünscht funktioniert, kannst du jederzeit auf eine frühere Version zurückspringen.

Szenario-Eingaben zur Unterstützung interner Aufgaben und beim Onboarding

Wenn manuelles Mitarbeiter-Onboarding zu deinem Alltag gehört, bietet dir die Szenario-Eingaben-Funktion von Make eine echte Erleichterung, die ich als ziemlich mächtig empfunden habe.

Anstatt jedes neue Teammitglied manuell in jeder Plattform wie Asana, JIRA, Slack, Google Drive usw. anzulegen, kannst du in Make ein Formular erstellen, um die wichtigsten Infos zu erfassen.

Mit Szenario-Eingaben kannst du eine Datenstruktur für diese Informationen anlegen.

Diese Daten können dann als dynamisches Mapping unter „Benutzerdefinierte und Systemvariablen:“ genutzt werden

Wenn du auf „Run once“ klickst, um das Szenario auszuführen, wirst du aufgefordert, das Formular mit den Informationen auszufüllen. Damit startet die Automatisierung und Make kann für den neuen Mitarbeiter auf verschiedenen Plattformen Benutzerkonten anlegen.

Das einzige Manko: Nur wenige Apps unterstützen den Trigger „Teammitglied einladen“. Ein guter Workaround ist, eine Aufgabe zu erstellen und sie dir selbst (oder einem anderen Teammitglied) zuzuweisen, um den Mitarbeiter dann manuell einzuladen. Du kannst sogar ein ganzes Onboarding-Projekt mit Aufgaben anlegen.

Hier siehst du ein fertiges Szenario, das mit Eingaben arbeitet:

Im obigen Beispiel-Szenario passiert Folgendes:

1. Der Mitarbeiter wird als Datensatz im Team-Workspace von Airtable angelegt.
2. Er wird zum ClickUp Workspace eingeladen.
3. Es wird eine Aufgabe erstellt, um ihn zu Jira einzuladen.
4. Er erhält eine Einladung zu Hubstaff, um seine Zeit zu erfassen.
5. Zum Schluss bekommt er eine persönliche Onboarding-E-Mail, je nachdem, ob er zum Marketing- oder Sales-Team gehört.

Viele hilfreiche Vorlagen

Make bietet eine beeindruckende Galerie mit Hunderten vorgefertigten Automatisierungsszenarien.

Zu jeder Vorlage gibt es eine integrierte Anleitung, die dich Schritt für Schritt durch die Einrichtung der einzelnen Module führt.

Ich finde diese Schritt-für-Schritt-Anleitungen hilfreich, um zu zeigen, wie man das Szenario einrichtet. Allerdings fehlt mir dabei oft das „Warum“. Es wird nicht erklärt, in welchem Business-Kontext die Vorlage gedacht ist und häufig auch nicht, warum etwas genau so umgesetzt wurde.

Zum Beispiel gab es bei einer Vorlage, die Airtable-Datensätze mit Google-Kalender-Ereignissen synchronisiert, eine Spalte in Airtable, die als Datenpunkt genutzt wurde, um Datensätze mit Terminen abzugleichen. Das wurde in der Anleitung aber nicht erwähnt, sodass ich erst durch Ausprobieren herausfinden musste, wie wichtig diese Spalte ist.

Meine Erfahrung mit Make.com: Ein Szenario von Grund auf erstellen und KI-Agenten einsetzen

Was halte ich also von Make? Viele sagen, Make sei echt schwer zu bedienen. Da stimme ich zu. Deshalb möchte ich dir Schritt für Schritt zeigen, wie ich ein Szenario erstellt habe und dich durch die komplette Automatisierung führen.

Make bietet inzwischen auch die Möglichkeit, KI-Agenten beim Erstellen von Workflows einzusetzen. Ich zeige dir auch, wie das funktioniert hat.

Mein KI Lead Scoring Workflow

Level: Mittelstufe

Business-Typ: High-Ticket-Service oder Software as a Service

Verwendete Apps: Formular-Tool wie Typeform, KI-Agent (ChatGPT oder Claude), Google Sheets

Szenario-Ziel: In meinem Software-Unternehmen bekommen wir viele Anfragen für Demo-Calls, aber nicht alle kommen von wirklich qualifizierten Interessenten. Mit diesem Szenario will ich meine Leads mit einem Lead-Scoring-System qualifizieren.

So habe ich das Schritt für Schritt in Make umgesetzt:

Schritt 1. Ein Lead-Qualifizierungsformular erstellen

Ich habe ein einfaches Lead-Qualifizierungsformular in Typeform mit Fragen zum Umsatz und zum Unternehmenstyp des Leads.

Schritt 2. Eine Google-Tabelle mit den Daten erstellen

Ich sammele alle Lead-Antworten in einer Google-Tabelle, deren Spalten zu den Fragen im Formular passen:

Schritt 3. Typeform-Trigger einrichten

Ich habe alle Typeform-Fragen als Items in meinem „Watch for responses“-Typeform-Modul in Make zugeordnet.

Schritt 4. Eine KI-Aktion nutzen, um Antworten zu analysieren und zu bewerten

Jetzt kann ich diese Antworten als Datenpunkte für meinen KI-Assistenten verwenden, um sie zu bewerten. Ich nutze Claude, weil ich dieses Modell bevorzuge und ein kostenpflichtiges Abo habe (du brauchst dafür Credits). Du kannst aber auch jedes andere KI-Modell wie ChatGPT nehmen.

Hier ist mein Prompt:

„Du bist mein Lead-Scoring-Experte.

Deine Aufgabe ist es, die Qualität der Leads zu analysieren, die ein Gespräch für mein Software-Unternehmen, Encharge, buchen möchten.

Wir richten uns an SaaS-Unternehmen mit einem Jahresumsatz von über 1 Million Dollar.

Unten findest du die Lead-Daten: [Die Antworten als zuordnenbare Werte einfügen]

Bewerte den Lead mit einer Punktzahl zwischen 1 und 10 basierend auf der Qualität, wobei 1 für einen Lead mit niedriger Qualität steht und 10 für einen sehr hochwertigen Lead.

Deine Antwort muss ausschließlich die Punktzahl sein und sonst nichts.“

Wie (zum Teufel) das Mapping funktioniert

Einer der mächtigsten, aber auch herausforderndsten Aspekte von Make ist das Daten-Mapping: also der Vorgang, bei dem Datenwerte von einem Modul oder Schritt zum nächsten verbunden und zugewiesen werden. Wenn dein Szenario zum Beispiel mit einer Formularübermittlung startet und der nächste Schritt eine Bestätigungs-E-Mail ist, müssen Name und E-Mail-Adresse der einreichenden Person vom Formularmodul zum E-Mail-Modul gemappt werden.

Nach meiner Erfahrung mit dutzenden Tools entscheidet sich beim Mapping, ob Automatisierungen super laufen oder komplett scheitern. Die Schwierigkeit liegt darin zu verstehen, wie jede Plattform mit Daten umgeht. Was in einer App ein simples „Name“-Feld ist, muss in einer anderen App vielleicht in „Vorname“ und „Nachname“ aufgeteilt werden. JSON-Arrays aus einer API müssen eventuell erst umgewandelt werden, bevor sie in einer Tabellenkalkulation genutzt werden können. Diese Inkonsistenzen sind echte Stolpersteine, für die man sorgfältig planen und viel testen muss.

Leider hilft Make bei diesem Prozess nicht wirklich. Auch wenn Make Zugriff auf alle von jedem Tool übertragenen Daten bietet (was echt stark ist), werden diese Daten komplett roh, also ohne jede Formatierung oder Struktur, bereitgestellt. Das bedeutet, du blickst oft auf eine riesige Liste mit Daten, bei der gar nicht immer klar ist, was eigentlich wohin gehört.

Sobald du dich bei Make besser auskennst (oder Entwicklerwissen hast), kannst du Funktionen wie Array-Aggregatoren und Text-Formatter einsetzen, um Daten umzuwandeln.

Schritt 5. Antworten filtern

Sobald die Bewertung durch die KI abgeschlossen ist, möchte ich die Leads auf drei verschiedene Pfade aufteilen, je nach Score: hohe Qualität (7–10), mittel (4–7) und niedrig (0–3). Dafür nutze ich einen Router mit drei Pfaden und jeweils einem Filter.

Für die Einrichtung der Filter verwende ich:

• Für Hoch: Numerischer Operator – Größer oder gleich 7

• Für Mittel: Größer oder gleich 4 UND kleiner als 7

– Für niedrig: Weniger als 4

Schritt 6. Variablen hinzufügen

Als Nächstes verwende ich in Make das Tools-Set-variable-Modul, um die Variable zu definieren, die an die Google-Tabelle übergeben wird.

Schritt 7. Eine Zeile in die Google-Tabelle einfügen

Im letzten Schritt füge ich die Google-Sheets-Module hinzu und ordne die Daten aus den anderen Modulen zu:

Schritt 8. Ergebnisse auswerten

Das ist das Endergebnis: Das Szenario trägt Lead-Score und Lead-Typ mit Hilfe meines KI-Assistenten ein.

Das ist nur ein Beispiel-Szenario, aber ich habe dabei gelernt, wie Trigger und Aktionen funktionieren, wie Daten zwischen Apps bewegt werden, wie Variablen verwendet werden und wie der Flow mit Routern und Filtern personalisiert werden kann. Und das ist wirklich nur die Spitze des Eisbergs! Es gibt dutzende Möglichkeiten, wie ich dieses Szenario erweitern könnte.

Zum Beispiel könnte ich Claudes umfassende Analyse zusätzlich zu den Lead-Score-Daten einbinden. Damit hätte mein Vertriebsteam den wichtigsten Kontext zu jedem potenziellen Kunden auf einen Blick.

Oder ich könnte verschiedene Module für die drei Lead-Typen hinzufügen, um den Ablauf noch individueller zu gestalten:

• Für wertvolle Leads kann ich einen einmaligen Calendly-Termin-Link erstellen und diesen Link in einer persönlichen Einladung zur Telefonkonferenz per E-Mail verschicken, die ebenfalls per KI generiert werden kann.
• Mittelgute Leads kann ich in meine E-Mail-Liste bei ActiveCampaign eintragen und automatisch einer Follow-up-Sequenz hinzufügen.
• Alle Lead-Scores kann ich an mein CRM sowie andere Kommunikationsplattformen wie mein Support-Desk übermitteln.

Die Möglichkeiten sind nahezu endlos.

KI-Agents von Make nutzen

Make hat im April 2025 die KI-Agents eingeführt. Das ist ein echter Wandel im Vergleich zum klassischen Workflow-Builder. Anstatt jede einzelne Bedingung manuell abzubilden, kannst du jetzt einfach in natürlicher Sprache beschreiben, was du willst – und der Agent kümmert sich um die Ausführung.

Die KI-Agents von Make sind automatisierte Worker, die in deinen Make-Workflows denken, entscheiden und Aufgaben erledigen können. Sie befolgen nicht nur Schritt-für-Schritt-Anweisungen, sondern setzen KI ein, um den Kontext zu verstehen, Informationen zu analysieren und die passende Aktion auszuwählen – fast so, als würde deine Automatisierung ein „Gehirn“ bekommen.

Probieren wir das direkt aus, indem wir einen einfachen Support-Agent erstellen.

Meinen ersten Make-Agent testen

Wechsle zum neuen „Agent“-Tab und klicke auf „Neuen Agent erstellen“. Du wirst dann aufgefordert, ein LLM zu verbinden.

Die Liste an LLM-Optionen ist im Moment noch ziemlich begrenzt (zumindest bei meinem kostenlosen Account). Ich habe auch keine Möglichkeit gesehen, eigene API-Schlüssel zu verwenden.

Agenten-Prompt definieren

Der Prompt des Agenten sollte den Zweck des Agenten sowie alle Vorgaben und Rahmenbedingungen festlegen, an die er sich halten soll. Für meinen Agenten verwende ich einfach einen grundlegenden Customer-Service-Agent-Prompt:

Du kannst den Kontext des Agents auch mit PDF-, Text- und CSV-Dateien verbessern. Jede Datei darf jedoch maximal 20 MB groß sein. Zum Beispiel kannst du deine Wissensdatenbank als CSV exportieren und damit das Wissen des Agents ergänzen.

Tools des Agenten verbinden

Tools sind die Szenarien, auf die dein Agent zugreifen und die er ausführen kann. Warum Make hier unbedingt neue Begriffe eingeführt hat und sie nicht einfach Szenarien nennt, weiß ich auch nicht – aber so ist es nun mal.

Für meinen Customer-Service-Agenten lege ich ein Szenario an, das Daten aus einem Google Doc zieht. Dabei handelt es sich im Grunde um ein Hilfe-Dokument, das als Wissensbasis für den Agenten dient. Das ist schlauer als Dokumente manuell hochzuladen, weil das Wissen des Agenten immer aktuell bleibt, indem es automatisch mit dem Inhalt des Google Docs synchronisiert wird.

Dafür können wir das Google-Doc-Modul „Get Content of a Document“ mit einem Scenarios-„Return output“-Modul verbinden.

Du willst auch das Ausgabeformat des Szenarios festlegen:

Nachdem dies definiert ist, wähle im Modul „Rückgabe-Ausgabe“ des Szenarios „Textinhalt“ aus:

Zuletzt musst du das Szenario aktivieren, denn Agenten können nur mit aktiven, bei Bedarf laufenden Szenarien arbeiten.

Mit diesem Szenario kann unser Agent den Leuten immer mit aktuellen Inhalten antworten.

Jetzt brauchen wir noch ein weiteres Szenario, damit der Agent E-Mails versenden kann. Dafür nutzen wir das Gmail-Modul „Send an Email“ und legen die dynamischen Kundendaten als Szenario-Eingaben fest. So weiß der Agent genau, an wen die E-Mail geschickt werden soll:

Sobald das erledigt ist, kannst du die Felder im Google „E-Mail senden“-Modul korrekt zuordnen. Dafür brauchst du benutzerdefinierte Variablen (verfügbar ab Pro-Tarif).

Gehe dann zurück zum Agent und verbinde die Szenarien als Tools. Tools auf Agent-Ebene (Szenarien) stehen immer zur Verfügung, egal, welche Aufgabe der Agent gerade erledigt. Anders gesagt: Dieses Set aus Szenarien funktioniert als Bundle, auf das der Agent zugreifen kann.

Ich ergänze die Prompt-Anweisungen noch etwas:

Um zu prüfen, ob der Agent zuverlässig funktioniert, nutze die Chat-Testbox. So siehst du, wie der Agent die verbundenen Szenarien anspricht und wo er eventuell scheitert.

Wenn du bisher mitgemacht hast, ist dir wahrscheinlich aufgefallen, dass das Erstellen eines Agenten in Make ziemlich manuell abläuft. Anders als bei Tools wie Gumloop, wo du einen Agenten direkt mit einem Prompt starten kannst, musst du in Make wirklich alles Schritt für Schritt bauen.

Was die Agenten von Make wirklich einschränkt, ist, dass du sie nicht außerhalb eines Szenarios nutzen kannst. Es gibt keine Möglichkeit, das Chat-Interface einzubetten oder den Agenten separat zu betreiben. Ich hatte auf etwas Plug-and-Play-mäßiges gehofft, bei dem ich nicht jedes Mal in den Szenario-Builder muss. Im aktuellen Zustand sind KI-Agenten in Make einfach eine Erweiterung der Szenarien.

Was mich außerdem enttäuscht hat: Es gibt noch keine erweiterten Einstellungen, um das Agenten-Verhalten richtig zu steuern – zum Beispiel Guardrails, Kreativitätsgrad, Tonalität und so weiter. Das alles musst du aktuell selbst im Prompt formulieren.

Agenten in Szenarien verwenden

In meinem Szenario soll der Agent auf jede neue Support-Anfrage in Zendesk antworten. Dafür nutze ich das Zendesk-Modul „Watch Tickets“ und verbinde es mit dem Make-AI-Agents-Modul „Run an Agent“:

In den Make KI-Agents richte ich eine Nachricht ein und mappe die Felder aus dem Zendesk-Modul, zusammen mit klaren Anweisungen für den Agenten.

Dieses Szenario verarbeitet neue Zendesk-Tickets und antwortet automatisch per E-Mail an den Kunden – das Wissen kommt direkt aus meinem Google Doc. Ziemlich cool!

4 Weitere Praxisbeispiele für Make

Die Flexibilität von Make ermöglicht unzählige Automatisierungen – weit über das hinaus, was ich bisher beschrieben habe. Bevor du direkt in Make einsteigst und Automatisierungen baust, empfehle ich dir, erst einmal einen Schritt zurückzugehen, dir das große Ganze anzuschauen und die Prozesse sowie die Customer Journey zu skizzieren, die du gestalten möchtest. Du kannst dazu ein visuelles Mapping-Tool wie Miro nutzen oder einfach mit einem Notizblock deinen Workflow festhalten und alle Berührungspunkte identifizieren.

Anschließend solltest du dir auf Mikro-Ebene überlegen, welche Daten für die Automatisierungen genutzt werden sollen, welche Datenfelder und Datensätze zugänglich sein müssen und wie genau die Apps miteinander kommunizieren. Das ist eine der größten Herausforderungen bei Make: Es ähnelt ein wenig dem visuellen Programmieren. Es ist super mächtig, aber du musst wirklich wissen, wie du es richtig einsetzt, damit du nicht frustriert bist – oder zumindest weniger.

Schauen wir uns jetzt vier echte Workflows von Make-Nutzern an, die zeigen, wie vielseitig die Plattform ist – vielleicht findest du dabei ja auch Anregungen, um eigene Herausforderungen zu lösen.

1. Automatisiere schöne Verträge für deine Kunden

Level: Mittelstufe

Unternehmenstyp: Dienstleistungen

Genutzte Apps: Webhooks (oder ein nativ integriertes Formular), CRM, Vertragsgenerator (wie PandaDoc, Docusign)

Verträge zu erstellen ist meist ziemlich eintönig, aber eine Make Automatisierung kann dir hier den Großteil der Arbeit abnehmen. Dieses spezielle Make-Szenario stammt von Unternehmer und Automatisierungsexperten Jono Catliff (er hält es für eine seiner stärksten Automatisierungen), aber du kannst es für alle möglichen Vertragsarten nutzen.

So funktioniert’s:

1. Die Vertriebsmitarbeiter führen Kundengespräche und füllen danach ein Formular mit allen Kundendaten aus (bei seinem Hochzeitsgeschäft sind das z.B. Event-Daten, Orte und Uhrzeiten).
2. Make generiert anschließend automatisch eine Rechnungsnummer, aktualisiert das CRM (bei ihm GoHighLevel) und legt passende Posten entsprechend dem Verkaufsgespräch an.
3. Das Make-Szenario stellt daraus einen professionellen PandaDoc-Vertrag zusammen – mit allen Kundendaten, Preisen und gewünschten Leistungen.
4. Sobald der Kunde unterschrieben und bezahlt hat, erfasst ein weiteres Make-Szenario die final genehmigten Posten und übernimmt alle Zahlen in sämtliche Systeme.

Gerade für Dienstleistungsunternehmen, Agenturen und Berater, die regelmäßig individuelle Kundendokumente erstellen, ist diese Automatisierung besonders wertvoll.

2. Team-Videoanrufe und Webinar-Prozesse automatisieren

Level: Mittelstufe

Business-Typ: Jedes Unternehmen, das auf Anrufe setzt

Verwendete Apps: Zoom (oder ein anderes Videoaufzeichnungstool), Vimeo oder Youtube, Airtable (oder eine andere App zur Dokumentation), ChatGPT (optional)

Wenn du viele Webinare oder Zoom-Aufzeichnungen erstellst, zeigt dir diese Automatisierung von KI-Automationsexperte Drake Surach, wie du Zoom-Aufnahmen komplett ohne manuelles Eingreifen verarbeiten kannst. Die Automatisierung wird direkt nach Abschluss einer Zoom-Cloud-Aufnahme ausgelöst und läuft dann in drei parallelen Prozessen ab:

1. Das Transkript des Calls wird heruntergeladen und als durchsuchbarer Textdatensatz in Airtable abgelegt.
2. Die MP4-Aufnahme wird heruntergeladen, automatisch auf Vimeo hochgeladen und der Videolink zur schnellen Ablage gespeichert.
3. Das Chatprotokoll mit allen Nachrichten und geteilten Links während des Meetings wird ebenfalls erfasst.
4. All diese Bestandteile werden zusammengeführt. ChatGPT generiert aus den Inhalten Meeting-Zusammenfassungen und extrahiert wichtige Informationen – daraus entstehen Beiträge für Surachs Skool-Community.

Dieses Workflow ist ideal für Vertriebsteams, die Gespräche mit Interessenten auswerten, für Lern-Communities zur Archivierung von Inhalten oder für jedes Unternehmen, das regelmäßig virtuelle Meetings mit umfassender Dokumentation durchführt.

3. Personalisierten Outreach-Nachrichten generieren

Level: Einsteiger

Unternehmenstyp: Alle, die Cold Outreach machen

Genutzte Apps: Google Spreadsheet, KI-Modell, Cold-Outreach-Tool (Clay, Lemlist usw.)

Marketer wissen: Cold Outreach ist ein Zahlen-Spiel, aber eine persönliche Nachricht erhöht die Chancen auf eine Conversion deutlich. Deshalb ist Automatisierung in diesem Bereich besonders wertvoll. In diesem Make-Szenario zeigt Digital Marketer Charlie Barber, wie sich personalisierte Nachrichten im großen Stil für Cold Outreach einsetzen lassen.

So funktioniert es:

1. Die Automatisierung überwacht ein Google Sheet auf neue Leads und leitet für jeden potenziellen Kunden die Instagram-URL (oder eine andere Social-Media-URL), Name und Bio an ChatGPT weiter. Denk daran, dass du zuerst die Social-Profile scrapen oder die Personendaten anderweitig extrahieren musst, bevor du dieses Szenario nutzen kannst.
2. Die KI analysiert jedes Profil und erstellt einzigartige Kontakt-Nachrichten, die sich auf konkrete Details aus der jeweiligen Bio beziehen. So wird aus einer generischen Nachricht eine relevante und persönliche Ansprache. Zum Beispiel: „Hey Laurel, ich habe gesehen, dass du als Immobilienmaklerin bei Barkley's Real Estate Group bekannt bist.“
3. Diese dreistufige Automatisierung läuft fortlaufend und trägt die personalisierten Nachrichten automatisch zurück ins Spreadsheet, sodass sie direkt in Outreach-Kampagnen mit einem Cold-Email-Tool genutzt werden können.

Die Lösung eignet sich ideal für Vertriebsteams, Agenturen und Freelancer, die ihre Rücklaufquote verbessern wollen, ohne stundenlang jede Nachricht einzeln zu personalisieren.

4. Lohnabrechnung für Freelancer automatisieren

Level: Fortgeschritten

Business-Typ: Jedes Unternehmen, das mit Freelancern auf Stundenbasis arbeitet

Verwendete Apps: Zeiterfassungstool wie Harvest, HubStaff oder Toggl, Wise (für Zahlungen), Airtable oder Google Sheets sowie ein Währungsumrechnungsmodul (wenn du in verschiedenen Währungen auszahlst)

Das Bezahlen von Freelancer-Rechnungen ist noch so eine Aufgabe, die du mit Make automatisieren kannst. Business-Process-Automation-Experte Nick Saraev hat sogar einen Workflow gebaut, der sämtliche Aufgaben der Finanzabteilung für Freelancer-Zahlungen überflüssig macht. Gerade für seine Content-Agentur, die Autoren auf Stundenbasis bezahlt, aber von Kunden Festpreise pro Wort verlangt, ist das eine echte Erleichterung.

So läuft das ab:

1. Das System verbindet sich mit der Zeiterfassungssoftware Harvest, in der die Freelancer ihre Stunden tracken. Zweimal im Monat listet es automatisch alle Nutzer (Freelancer) auf, berechnet die Abrechnungszeiträume, sammelt die Zeiteinträge und erstellt Rechnungen in PandaDoc.
2. Wird die Rechnung unterschrieben, startet ein zweites Szenario: Es holt sich die Stundensätze aus Airtable, rechnet für internationale Teammitglieder die Währungen um und stellt dann die Zahlungen in Wise bereit.

Diese Automatisierung verwandelt 10 Stunden Finanzarbeit pro Woche in weniger als 30 Sekunden Kontrollaufwand. Sie funktioniert besonders gut, weil Finanzprozesse auf standardisierten Abläufen mit strukturierten Daten basieren.

Die Lösung ist ideal für Unternehmen, die Freelancer-Zahlungen abwickeln, für Remote-Teams, die in verschiedenen Währungen arbeiten, oder für Dienstleistungsfirmen, die abrechenbare Stunden nachhalten müssen.

Preise von Make

Make bietet fünf verschiedene Pläne an, die sich jeweils nach der Anzahl der monatlich ausgeführten Operationen staffeln – von 10.000 bis hin zu Millionen von Operationen. Die Preise reichen vom Gratis-Tarif bis zu 10,95 $ pro Monat.

Jede Modulaktion in einem Szenario, wie zum Beispiel das Hinzufügen einer Google-Sheet-Zeile oder das Versenden einer E-Mail, zählt in Make als ein Credit. Dadurch kannst du dein monatliches Credit-Kontingent mit komplexen Szenarien ziemlich schnell aufbrauchen. Wenn dir die Credits ausgehen, laufen deine Szenarien nicht mehr weiter!

Die Free-Stufe bietet Zugang zum Workflow-Builder und zu allen Apps, sodass du vor dem Abschluss eines Abos erstmal testen kannst. Allerdings ist man auf maximal zwei aktive Szenarien und 10.000 Credits begrenzt – das ist also eher eine kostenlose Testphase.

Im nächsten Plan, der Core-Stufe, bekommst du alle Essentials für Einzelunternehmer: unbegrenzte Workflows und 10.000 Credits für 10,59 $ im Monat.

Der Pro-Plan liegt bei 18,82 $ pro Monat und ist für mich der Sweet Spot bei Make. Hier bekommst du nützliche Features wie Szenario-Eingaben und benutzerdefinierte Variablen – also die Möglichkeit, Daten szenarienübergreifend zu verwalten und zu bearbeiten.

Auch wenn es nicht auf der Preisseite steht, kannst du zusätzliche Credits in Paketen mit Festpreis für 1 oder 10.000 Credits kaufen, falls du dein monatliches Kontingent überschreitest. Dafür gehst du links in der Seitenleiste auf Org und dann im Bereich „Mein Plan“ auf den Tab „Abo“. Beachte: Wenn du das regelmäßig machst, solltest du besser direkt ein Upgrade auf einen höheren Tarif in Betracht ziehen, da dort die Kosten pro Credit niedriger sind.

Eine nervige Einschränkung bei allen Plänen ist das Mindestintervall von einer Minute zwischen den geplanten Szenario-Ausführungen. Das kann zu echten Engpässen führen, wenn du viele laufende geplante Szenarien hast. Deine Szenarien könnten sich dann anstellen und auf ihre Ausführung warten – was natürlich alles langsamer macht.

Besonders problematisch kann das bei Szenarien werden, die direkt auf Kundschaft ausgerichtet sind. Stell dir vor, ein neuer heißer Lead muss möglicherweise 5 Minuten warten, bis er den Lead-Magneten bekommt, den er auf deiner Website angefordert hat! (Diese Einschränkung gilt übrigens nur für geplante Szenarien – triggerbasierte Szenarien laufen sofort, sobald z. B. eine neue Zeile ins Spreadsheet kommt.)

Tipps, wie du das beste Angebot bei Make rausholst

• Starte mit der niedrigsten Credits-Option, denn ungenutzte Credits verfallen am Monatsende. Du kannst jederzeit upgraden, wenn du das Limit bei den Operationen überschreitest. (Make schickt vorher Benachrichtigungen.)
• Behalte deine Credits halbwegs regelmäßig im Blick. Wenn du ein Szenario auswählst, siehst du ein Tagesdiagramm mit der Anzahl der verbrauchten Credits und dem Datenvolumen.

Make nutzen: Vorteile und Nachteile

Ist Make das Richtige für dich?

Ich bin ein riesiger Fan von Make, vor allem wegen der unglaublichen Flexibilität und Power. Es gibt aber auch Dinge, die mir nicht gefallen – zum Beispiel das unnötig komplizierte Daten-Mapping (das könnte wirklich einfacher sein).

Unterm Strich ist Make ein geniales Tool, das dir Automatisierungsmöglichkeiten bietet, wie ich sie sonst bei keinem anderen Tool gesehen habe. Zusammen mit den wirklich fairen Preisen ist es eine fantastische Plattform für alle, die ernsthaft komplexe Automatisierungen mit mehreren Schritten bauen wollen, die das eigene Business wirklich weiterbringen.

Wenn du allerdings nur ein oder zwei ganz simple Workflows automatisieren möchtest, bist du mit einer einfacheren Lösung mit kürzerer Lernkurve, zum Beispiel Zapier, vielleicht besser beraten. Make belohnt alle, die bereit sind, die steile Lernkurve zu meistern, mit einzigartigen Möglichkeiten – aber du solltest dir überlegen, ob die Zeit, die du ins Lernen der Plattform steckst, zu deinen Automatisierungszielen passt.

Für mich war die Antwort ein klares Ja! Die Zeit, die ich ins Einarbeiten in Make gesteckt habe, wird sich durch die eingesparte Arbeitszeit immer wieder lohnen. Es gibt kaum etwas Befriedigenderes, als ein komplexes Szenario live und funktionierend zu sehen.

Noch nicht überzeugt von Make? Dann schau dir unseren n8n-Test an, um den Vergleich zu sehen, oder wirf einen Blick auf unsere Liste mit Zapier-Alternativen.