Make-Review: Ein tiefer Einblick in eine führende Automatisierungssoftware

Als Unternehmer und Software-Gründer habe ich jahrelang dem Traum von perfekter operativer Effizienz hinterhergejagt, immer in der Hoffnung, dass die nächste Plattform endlich „die Eine“ sein würde. Irgendwann habe ich aufgegeben. Stattdessen setze ich jetzt auf eine viel praktischere Lösung: Meine besten Tools verbinde ich über eine spezielle Automatisierungsplattform.

Make (früher Integromat) ist eine dieser Automatisierungsplattformen. Es ist der digitale Kleber, der Dein Unternehmen zusammenhalten kann, indem es Deinen verstreuten Tech-Stack verbindet. Egal, ob Du – wie ich – Marketing- und Verkaufstools, Projektmanagement-Software, Inventarsysteme oder etwas anderes koordinieren musst. Make automatisiert Deinen gesamten Workflow.

Ich habe Make in echten Geschäftsszenarien ausführlich getestet. Die Plattform bietet mächtige Integrationen, die Deine Arbeitsweise grundlegend verändern werden. Der Nachteil ist allerdings, dass Make auch etwas komplexer ist als manche Alternativen.

In diesem praxisnahen Test teile ich meine Entdeckungen mit Dir: darunter die wichtigsten Funktionen von Make, wie benutzerfreundlich das Ganze tatsächlich ist (nicht nur laut Marketing), und ob die Preisgestaltung für Dich Sinn ergibt.

Los geht’s!

Was ist Make?

Make ist eine No-Code-Automatisierungsplattform, mit der Du automatisierte Workflows mithilfe eines visuellen Drag-and-Drop-Builders erstellen kannst. Dazu verbindest Du verschiedene Apps und Services, um wiederkehrende Aufgaben zu automatisieren, Daten zwischen Tools weiterzugeben und Aktionen in einer App auszulösen, wenn in einer anderen etwas passiert.

Beispielsweise kannst Du, wenn jemand ein Google-Formular abschickt, die Antwort automatisch in eine Google-Tabelle eintragen, einen Datensatz mit den Angaben in Deinem CRM anlegen und Dein Team in Slack benachrichtigen.

Verständnis der Make-Begriffe

Bevor wir uns in die Funktionen von Make stürzen, sollte ich einige der speziellen Begriffe erklären. Make verwendet nämlich eine eigene Sprache, die sich von Wettbewerbern wie Zapier unterscheidet und mich anfangs ziemlich verwirrt hat, bevor ich sie verstanden habe.

Hier ein schneller Überblick:

• Szenarien: Das sind deine eigentlichen Automatisierungen oder automatisierten Workflows. Wenn du Zapier kennst, entsprechen sie dort den sogenannten Zaps.
• Module: Das sind die Schritte oder Bausteine in deinem Szenario.
• Apps: Das sind Drittanbieter-Softwaretools, die Make einbindet (zum Beispiel Airtable, Gmail, Google Forms), aber auch integrierte Apps wie Flow Control, Webhooks, Data Store und andere. Du verbindest Drittanbieter-Apps über Verbindungen. App-Verbindungen unterstützen verschiedene Module.
• Credits: Jedes Mal, wenn ein Modul in einem Szenario ausgeführt wird, verbraucht das einen oder mehrere Credits, je nach Komplexität. Die Preisgestaltung von Make basiert auf der Anzahl der verwendeten Credits.
• Operationen: Eine Operation ist ein einzelner Durchlauf eines Moduls, bei dem Daten verarbeitet oder neue Daten überprüft werden. Wenn du ein Szenario startest, wird jedes seiner Module ein- oder mehrmals ausgeführt, was zu einer oder mehreren Operationen führt.
• Flows: Ein Flow ist ein Weg innerhalb eines Szenarios oder die Reihenfolge, in der die Module in einem Szenario ausgeführt werden. Ein Szenario kann mehrere verschiedene Flows haben.
• Bundles: Ein Bundle ist eine Sammlung zusammengehöriger Datensätze (zum Beispiel Zeilen, Reihen, Elemente usw.).
• Array: Ein Array ist eine einzelne Sammlung aus mehreren Bundles. Wird hauptsächlich bei Automatisierungen im Entwicklungsbereich verwendet, taucht aber auch in anderen Szenarien gelegentlich auf.

Was ist der Unterschied zwischen Credits und Operationen?

Die Plattform hat kürzlich ihr Abrechnungsmodell geändert, daher ersetzen „Credits“ jetzt „Operationen“ als Abrechnungseinheit. Credits sind die neue Währung, für die Du bezahlst. Operationen bleiben ein Messwert dafür, was intern während eines Ablaufs passiert ist (wie viele Module ausgeführt und wie viele Daten verarbeitet wurden).

Das alte Modell „eine Operation = eine Abrechnungseinheit“ hat alle Modul-Ausführungen gleich behandelt. In Wirklichkeit sind manche Operationen viel ressourcenintensiver als andere. Mit dem Credits-Modell kann Make „aufwendigere“ oder ressourcenintensive Aufgaben genauer bepreisen.

Für Dich bedeutet das praktisch, dass Du besonders bei Workflows mit aufwendigen Abläufen oder KI-Modulen einen Unterschied bei den Kosten Deiner Workflows merkst, da diese mehr Credits verbrauchen. Diese Änderung steht im Zusammenhang mit Makes jüngstem Schritt in Richtung KI.

Hauptfunktionen und was Make unterscheidet

Nachdem ich Make etwas ausprobiert hatte, ist mir aufgefallen, dass es sich in einigen wichtigen Punkten von anderen Automatisierungsplattformen 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 Zapiers beeindruckende 8.000+ Verbindungen heranreicht, bleibt das Angebot von Make umfangreich genug, um die meisten Anwendungsfälle abzudecken. Einschränkungen merkst Du nur, wenn Du eine besonders unbekannte App oder ganz neue Software nutzt, die noch keine Integration mit Make hat.

Selbst dann bist Du nicht völlig aufgeschmissen. Das leistungsstarke Webhook-Modul von Make bietet eine Möglichkeit, einige nicht unterstützte Apps trotzdem zu verbinden. Über die API-Funktion lassen sich außerdem eigene Verbindungen erstellen, aber das richtet sich nur an Entwickler.

Robuste Unterstützung für Webhooks

Webhooks sind eine Möglichkeit, wie Webanwendungen in Echtzeit über HTTP-Anfragen miteinander kommunizieren. Diese automatisierten „Boten“ liefern Daten von einer Anwendung zur anderen, sobald bestimmte Ereignisse eintreten, und bilden so eine Brücke zwischen Apps, die keine direkte native Integration haben. Das Beste daran ist, dass Webhooks komplett kostenlos sind. Du zahlst also nichts extra zu Make.

Zum Glück sind sie mit dem integrierten Webhook-Modul von Make sogar ziemlich einfach einzurichten.

Ich empfehle dir, zu lernen, wie Webhooks funktionieren. Das erweitert Makes Konnektivität deutlich über die native Integrationsbibliothek hinaus.

Intuitiver Visueller Workflow-Builder mit Triggern, Aktionen und Filtern

Das Herzstück von Make.com ist der intuitive Szenario-Builder, mit dem du automatisierte Workflows durch das Verbinden verschiedener Apps erstellst. Du fügst Module hinzu und kannst sie per Drag-and-drop verschieben und anordnen.

Jedes Szenario besteht aus drei Haupttypen von Modulen:

• Trigger erkennen Ereignisse und starten ein Szenario, zum Beispiel neue E-Mails, ausgefüllte Formulare oder neue Einträge in einer Notion-Datenbank.
• Aktionen reagieren auf Trigger und führen verschiedene Aufgaben aus, wie Tabellen zu aktualisieren, Benachrichtigungen zu senden oder Kalendertermine zu erstellen, zu aktualisieren oder zu löschen.
• Flow-Control-Modul ist ein spezielles Steuer-Modul, mit dem du zum Beispiel Routing (also das Aufteilen des Szenarios in verschiedene Flows), Wiederholungen, das Beenden eines Szenarios und mehr umsetzen kannst.

Für ein funktionierendes Szenario müssen alle Module miteinander verbunden sein, und du brauchst mindestens einen Trigger und eine Aktion im Szenario.

Zwischen den Verbindungen kannst du auch Filter einrichten. Filter werden verwendet, um das Szenario basierend auf bestimmten Bedingungen in verschiedene Pfade aufzusplitten. Wenn zum Beispiel ein neues Google-Formular übermittelt wird, kannst du einen Filter setzen, der den Datensatz zu Pipedrive hinzufügt, falls die Einreichung aus den USA kommt. Kommt sie nicht aus den USA, wird der Datensatz zu ActiveCampaign hinzugefügt.

Du kannst beliebig viele Filter erstellen und hast damit die komplette Kontrolle über deine Automatisierungen. Im folgenden Szenario gibt es drei Pfade, die durch Filter definiert werden:

1. Ein neues Google-Kalender-Ereignis wird erstellt, falls für den Notion-Datensatz noch keines existiert.
2. Falls ein Kalenderereignis existiert, wird es mit den neuesten Daten aus dem Notion-Datensatz aktualisiert.
3. Wird die Status-Spalte eines Notion-Datensatzes auf „Cancelled” gesetzt, wird das Ereignis gelöscht.

Es gibt viele weitere Funktionen, die Dir dabei helfen, Szenarien zu visualisieren und damit zu arbeiten. Besonders gefällt mir „Explain Flow“. Damit wird eine Animation des Ablaufs der Module erstellt, die das Verständnis deutlich erleichtert.

Erweiterte Funktionen für Szenario-Tests und Fehlerbehebung

Ganz ehrlich: Make.com hat eine steile Lernkurve, und selbst scheinbar einfache Szenarien zu erstellen, kann anfangs überraschend herausfordernd sein. Es ist absolut entscheidend, zu lernen, wie du deine Automatisierungen richtig testest und Fehler behebst, bevor du das volle Potenzial der Plattform ausschöpfen kannst.

Make stellt dafür verschiedene Funktionen bereit, wobei die wichtigste der Button „Einmal ausführen“ unten links ist. Wenn du darauf klickst, wird das Szenario einmal ausgeführt und die Ergebnisse angezeigt.

Wichtig zu wissen ist: Im Gegensatz zu anderen Automatisierungstools arbeitet Make beim Testen von Szenarien nur mit echten Daten. Das bedeutet, dass beim „Einmal ausführen“ das Szenario live läuft und Änderungen entsprechend in deinen Apps tatsächlich vorgenommen werden.

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

Ich hatte beim Testen meiner Szenarien so meine Schwierigkeiten, weil ich durch verschiedene Apps und Datensätze navigieren musste, um sicherzugehen, dass alles korrekt eingerichtet ist. Das kann wirklich problematisch werden, wenn du ein komplexes Szenario mit vielen Apps und viel erzeugten Daten hast. Ich wünschte, Make hätte wie Zapier automatisch generierte Testdaten und einen Sandbox-Modus, damit man alles testen kann, ohne die Make-Oberfläche zu verlassen.

Wenn du dein Szenario ausgeführt hast, bekommst du entweder die Meldung, dass „das Szenario erfolgreich ausgeführt wurde“, oder dass ein Fehler aufgetreten ist. So sieht ein erfolgreiches Szenario aus:

Du kannst dann auf jede Blase klicken, um mehr Informationen zu Deinem Szenario zu sehen.

Und das siehst du, wenn etwas schief läuft:

Make informiert dich bei Problemen im Ausführungsprotokoll. Das führt gleich zu meiner ersten großen Frustration mit der Plattform: Die unverständliche Sprache der Protokolle. Die Fehlermeldungen scheinen ausschließlich für Entwickler geschrieben zu sein und nicht für weniger technische Nutzer

Eine Möglichkeit, das Chaos bei der Fehlersuche in solchen Szenarien zu minimieren, ist die Fehlersuche Modul für Modul. Das kannst du machen, indem du direkt auf ein bestimmtes Modul klickst und „Nur dieses Modul ausführen“ auswählst.

Make hatte früher einen KI-Assistenten, den ich bei der Fehlersuche ziemlich hilfreich fand. Aber Make hat ihn im Oktober eingestellt, deshalb findest du ihn jetzt nicht mehr im Workflow-Builder. Sie behaupten, dass ein neues KI-Erlebnis ihn ersetzen wird. Zum Zeitpunkt dieses Beitrags sehe ich aber noch keinen direkten Ersatz für den KI-Support-Assistenten, was für alle enttäuschend ist, die sich gerne bei der Erstellung von Flows helfen lassen.

Gumloop, ein Make-Konkurrent, hat übrigens auch einen richtig guten (wenn nicht sogar besseren) KI-Assistenten. Mehr dazu findest du in meiner Gumloop-Review.

Automatisierte Fehlerbehandlung

Fehlerbehandlung in Make ist eine erweiterte Funktion, mit der du einen reibungslosen Ablauf deiner Szenarien sicherstellst, indem unerwartete Probleme mit deinen Automatisierungen verwaltet werden. Wenn ein Problem auftritt, wird über dem betroffenen Modul ein rotes Ausrufezeichen angezeigt, sodass du den Fehler sofort erkennst. Zusätzlich bekommst du eine E-Mail-Benachrichtigung.

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

Mit Error-Handlern kannst Du festlegen, wie auf bestimmte Probleme reagiert werden soll, sodass Deine Workflows trotz Hindernissen weiterlaufen. Diese Funktion hat mich ziemlich beeindruckt, da 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 häufigste ist „Ignore“. Damit läuft das Szenario weiter, wenn ein Bundle einen Fehler verursacht.

In dem unten gezeigten Szenario zum Beispiel werden Daten von einem Webhook an ChatGPT geschickt und die Ergebnisse als Zeile in Google Sheets hinzugefügt. Falls ChatGPT mal ein Timeout hat und keine Antwort liefern kann, sorgt ein Ignore-Modul dafür, dass Dein Szenario trotzdem problemlos weiterläuft.

Szenario-Planung

Falls Du Dich fragst, was das kleine Kreis-Symbol neben Deinem Trigger bedeutet: Das ist die Einstellung „Schedule“. Eine weitere nützliche Funktion von Make, mit der Du festlegen kannst, wann ein Szenario ablaufen soll.

Du kannst Dein Szenario sofort auslösen (sobald das Trigger-Ereignis eintritt), in regelmäßigen Abständen oder zu einer bestimmten Uhrzeit am Tag, in der Woche oder im Monat. Ich finde das super praktisch, weil ich so mehrere Szenarien planen und Überschneidungen vermeiden kann.

Zum Beispiel kannst Du Deine Social-Media-Content-Strategie vielfältiger gestalten, indem Du mehrere Szenarien anlegst. Angenommen, Du möchtest montags und mittwochs News-Updates veröffentlichen und dienstags sowie donnerstags Reviews posten – so entsteht eine ausgewogene und planbare LinkedIn-Präsenz.

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

Versionsverlauf

Das Versionierungssystem von Make wurde bei der Arbeit an komplexen Szenarien zu meinem Rettungsanker. Die Plattform speichert den Verlauf Deiner Workflows automatisch, sodass Du alle vorherigen Versionen mit exakten Zeitstempeln einsehen kannst. Diese Funktion lädt richtig zum Ausprobieren ein – Du kannst Verbesserungen ganz entspannt testen, weil Du jederzeit auf eine frühere Version zurückspringen kannst, falls etwas nicht wie gewünscht funktioniert.

Szenario-Inputs zur Unterstützung von internen Aufgaben und Onboarding

Wenn bei Dir das manuelle Onboarding neuer Mitarbeitender zum Alltag gehört, bietet die Funktion „Szenario-Inputs“ von Make eine wirklich starke Lösung, die ich als sehr hilfreich empfunden habe.

Anstatt ein neues Teammitglied manuell in jedem System wie Asana, JIRA, Slack, Google Drive usw. einzutragen, kannst Du in Make ein Formular anlegen, um alle wichtigen Angaben zu sammeln.

Mit Szenario-Inputs kannst Du für diese Informationen eine passende Datenstruktur erstellen.

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

Wenn Du auf „Run once“ klickst, um das Szenario zu starten, wirst Du aufgefordert, das Formular mit Informationen auszufüllen. Damit wird die Automatisierung ausgelöst und Make kann für die neue Person Konten auf verschiedenen Plattformen anlegen.

Der einzige Nachteil dabei ist, dass nur wenige Apps einen „Teammitglied einladen“-Trigger unterstützen. Ein praktikabler Workaround ist, eine Aufgabe anzulegen und sie Dir selbst (oder einem anderen Teammitglied) zuzuweisen, um die Einladung an das neue Teammitglied manuell zu verschicken. Du kannst sogar ein komplettes Onboarding-Projekt mit Aufgaben erstellen.

Hier siehst Du ein fertiges Szenario, das Inputs nutzt:

Im oben gezeigten Beispiel-Szenario:

1. Die neue Person wird als Datensatz in unserer Airtable-Teamseite angelegt.
2. Sie wird ins ClickUp Workspace eingeladen.
3. Es wird eine Aufgabe erstellt, um sie in Jira einzuladen.
4. Sie wird zu Hubstaff eingeladen, um ihre Zeit zu tracken.
5. Zum Schluss erhält sie eine personalisierte Onboarding-E-Mail, je nachdem, ob sie aus dem Marketing- oder dem Vertriebsteam kommt.

Viele hilfreiche Vorlagen

Make bietet eine beeindruckende Galerie mit Hunderten von vorgefertigten Automatisierungsszenarien.

Jede Vorlage enthält eine In-App-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 das Szenario eingerichtet wird, aber mir hat oft das „Warum“ gefehlt. Es wird selten der geschäftliche Zusammenhang erklärt und oft bleibt unklar, warum etwas genau so umgesetzt wurde.

Zum Beispiel gab es in einer Vorlage, die Airtable-Einträge mit Google-Kalender-Ereignissen synchronisiert, eine Spalte in Airtable, die als Datenpunkt zur Zuordnung der Einträge zu den Terminen diente. Das wurde in der Anleitung aber nicht erklärt, sodass ich die Bedeutung dieser Spalte erst durch Ausprobieren herausfinden musste.

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

Was halte ich also von Make? Viele sagen, Make sei wirklich schwer zu bedienen. Da stimme ich zu. Deshalb möchte ich Dir Schritt für Schritt zeigen, wie ich ein Szenario gebaut habe, und Dich durch die gesamte Automatisierung führen.

Make hat außerdem kürzlich die Möglichkeit eingeführt, KI-Agenten zur Unterstützung beim Erstellen von Workflows zu nutzen. Ich zeige Dir ebenfalls, wie das bei mir funktioniert hat.

Mein KI-Lead-Scoring-Workflow

Level: Mittelstufe

Unternehmenstyp: High-Ticket-Dienstleistung oder Software-as-a-Service

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

Szenario-Ziel: In meinem Softwareunternehmen bekommen wir viele Anfragen für Demo-Calls, aber nicht alle stammen von qualifizierten Interessenten. Mit diesem Szenario möchte ich meine Leads anhand eines Lead-Scoring-Systems qualifizieren.

So bin ich in Make Schritt für Schritt vorgegangen:

Schritt 1. Lead-Qualifizierungsformular erstellen

Ich habe ein einfaches Lead-Qualifizierungsformular in Typeform, mit Fragen zum Umsatz des Leads und zur Art des Unternehmens.

Schritt 2. Google-Tabelle mit den Daten erstellen

Ich sammle alle Antworten der Leads in einer Google-Tabelle mit Spalten, die den Fragen aus dem Formular entsprechen.

Schritt 3. Typeform-Trigger einrichten

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

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

Jetzt kann ich diese Antworten als zuordenbare Datenpunkte für meinen KI-Assistenten verwenden, damit er sie bewertet. Ich nutze Claude, weil ich damit gute Erfahrungen gemacht habe und ein kostenpflichtiges Abo besitze (dafür brauchst Du Credits). Du kannst aber auch jedes andere KI-Modell wie ChatGPT nutzen.

Hier ist mein Prompt:

„Du bist mein Experte für Lead-Scoring.

Deine Aufgabe ist es, die Qualität der Leads zu analysieren, die einen Termin für mein Softwareunternehmen Encharge buchen möchten.

Unsere Zielgruppe sind SaaS-Unternehmen mit einem Jahresumsatz von über 1 Million US-Dollar.

Hier sind die Lead-Daten: [Antworten als zuordenbare Werte einfügen]

Bewerte den Lead auf einer Skala von 1 bis 10 basierend auf dessen Qualität, wobei 1 für einen Lead von niedriger Qualität steht und 10 für einen Lead von sehr hoher Qualität.

Deine Antwort muss ausschließlich die Bewertungszahl sein – nichts anderes.“

So (zum Teufel) funktioniert das Mapping

Einer der mächtigsten, aber auch herausforderndsten Aspekte von Make ist das Daten-Mapping – also der Prozess, bei dem du Datenwerte von einem Modul oder Schritt mit einem anderen verbindest und zuweist. Wenn zum Beispiel dein Szenario mit einer Formulareinsendung startet und der nächste Schritt eine Bestätigungs-E-Mail ist, müssen der Name und die E-Mail-Adresse des Absenders vom Formular-Modul ins E-Mail-Modul gemappt werden.

Ich habe mit dutzenden Tools gearbeitet und festgestellt, dass gerade das Mapping der Punkt ist, an dem Automatisierungen entweder richtig gut funktionieren oder komplett scheitern. Das Problem ist oft zu verstehen, wie jede Plattform mit Daten umgeht. Ein scheinbar einfaches „Name“-Feld in einer App muss in einer anderen vielleicht in „first_name“ und „last_name“ aufgeteilt werden. JSON-Arrays einer API müssen eventuell erst umgewandelt werden, bevor sie in einer Tabelle genutzt werden können. Diese Unterschiede sorgen für Stolpersteine, die sorgfältige Planung und jede Menge Tests erfordern.

Leider hilft uns Make bei diesem Prozess kaum. Make stellt zwar alle Daten zur Verfügung, die von jedem Tool übertragen werden (super praktisch), liefert diese aber komplett roh – also ohne Aufbereitung oder Struktur. Das bedeutet, du siehst oft einfach eine lange Liste von Daten, bei der nicht sofort klar ist, was wohin gehört.

Sobald du bei Make weiter bist (oder Entwicklerkenntnisse hast), kannst du Funktionen wie Array-Aggregatoren und Text-Formatter einsetzen, um Daten passend aufzubereiten.

Schritt 5. Die Antworten filtern

Sobald die Bewertung durch die KI abgeschlossen ist, möchte ich Leads anhand ihrer Punktzahl in drei Kategorien aufteilen: hohe Qualität (7–10), mittel (4–7) und niedrig (0–3). Dafür verwende ich einen Router mit drei Pfaden und jeweils einem Filter.

Um die Filter einzurichten, 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 das Modul „Tools Set variable“ in Make, um die Variable festzulegen, die an die Google-Tabelle übergeben wird.

Schritt 7. Zeile zur Google-Tabelle hinzufügen

Der letzte Schritt ist, die Google-Sheet-Module hinzuzufügen und die Daten aus den anderen Modulen zuzuordnen.

Schritt 8. Ergebnisse prüfen

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

Das ist nur ein einziges Szenario, aber ich habe gelernt, wie Trigger und Aktionen funktionieren, wie man Daten zwischen Apps verschiebt, wie Variablen eingesetzt werden und wie man den Flow mit Routern und Filtern personalisiert. Und das ist nur die Spitze des Eisbergs! Es gibt dutzende Möglichkeiten, dieses Szenario zu erweitern.

Zum Beispiel könnte ich Claudes ausführliche Analyse zusätzlich zu den Lead-Score-Daten einholen. Das würde meinem Vertriebsteam den wichtigsten Kontext zu jedem Interessenten in einer einzigen Übersicht liefern.

Oder ich könnte verschiedene Module für die drei Lead-Typen ergänzen und den Flow weiter personalisieren:

• Bei hochwertigen Leads kann ich einen Einmal-Terminlink von Calendly erstellen und diesen Link direkt in eine persönliche Call-Einladung per E-Mail einbetten, die ebenfalls per KI generiert werden kann.
• Ich kann Leads mittlerer Qualität zu meiner E-Mail-Liste bei ActiveCampaign hinzufügen und sie in eine automatisierte Sequenz schicken.
• Ich kann den Lead-Score aller Leads an mein CRM und andere Kommunikationsplattformen wie mein Support-Desk übertragen.

Und die Möglichkeiten gehen weiter.

KI-Agenten von Make verwenden

Make hat im April 2025 KI-Agenten eingeführt. Das ist ein echter Paradigmenwechsel im Vergleich zum bisherigen Workflow-Builder. Du musst nicht mehr jede einzelne Verzweigung manuell abbilden. Du kannst stattdessen einfach in natürlicher Sprache beschreiben, was du willst, und der Agent setzt es dann eigenständig um.

Die KI-Agenten von Make sind automatisierte Worker, die in deinen Make-Workflows denken, entscheiden und Aufgaben ausführen können. Sie folgen nicht stumpf Schritt-für-Schritt-Anweisungen, sondern setzen KI ein, um den Kontext zu erfassen, Informationen zu analysieren und eigenständig die richtige Aktion zu wählen – sozusagen wie ein „Gehirn“ für deine Automatisierung.

Lass uns das Ganze mal praktisch ausprobieren und einen einfachen Support-Agenten bauen.

Meinen ersten Make-Agent testen

Wechsle in den neuen Agenten-Tab und klicke auf „Neuen Agenten erstellen“. Dann wirst du aufgefordert, ein LLM zu verbinden.

Die Liste der LLM-Optionen ist aktuell ziemlich eingeschränkt (zumindest bei meinem kostenlosen Account). Ich habe auch keine Option gesehen, um eigene API-Keys zu verwenden.

Den Prompt des Agenten festlegen

Der Agenten-Prompt 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 Prompt für einen Kundenservice-Agenten.

Du kannst den Kontext des Agenten auch mit PDF-, Text- und CSV-Dateien verbessern, aber jede Datei darf nicht größer als 20 MB sein. Du kannst zum Beispiel deine Wissensdatenbank als CSV-Datei exportieren und damit das Wissen des Agenten erweitern.

Tools des Agenten verbinden

Tools sind die Szenarien, auf die Dein Agent zugreifen und die er ausführen kann. Ich weiß nicht genau, warum Make hier eine neue Bezeichnung eingeführt hat anstatt sie einfach Szenarien zu nennen, aber damit müssen wir arbeiten.

Für meinen Kundenservice-Agenten erstelle ich ein Szenario, das Daten aus einem Google Doc zieht. Im Prinzip ist das ein Hilfedokument, das als Wissensbasis für den Agenten dient. Das ist schlauer, als Dokumente manuell hochzuladen, weil das Wissen des Agenten so immer aktuell bleibt und sich automatisch mit dem Google Doc synchronisiert.

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

Du willst außerdem das Szenario-Ergebnis definieren:

Sobald das definiert ist, wähle „Textinhalt“ im Modul „Ausgabe zurückgeben“ des Szenarios aus:

Zum Schluss musst Du das Szenario aktivieren, da Agenten nur mit aktiven Szenarien arbeiten können, die bei Bedarf ausgeführt werden.

Dieses Szenario ermöglicht es unserem Agenten, mit aktuellen Inhalten auf Anfragen zu reagieren.

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-Inputs fest. So weiß der Agent genau, an wen die E-Mail gesendet werden soll:

Sind diese Felder erstellt, kannst du sie im Google „E-Mail senden“-Modul den richtigen Feldern zuweisen. Dafür benötigst du benutzerdefinierte Variablen (ab Pro-Plan und höher).

Geh zurück zum Agenten und verbinde die Szenarien als Tools. Agenten-Tools (Szenarien) sind immer verfügbar, egal welche Aufgabe der Agent gerade ausführt. Das heißt, diese Szenarien funktionieren wie ein Bundle, auf das der Agent jederzeit zugreifen kann.

Ich gebe auch noch mehr Anweisungen in den Prompt:

Um sicherzustellen, dass der Agent richtig funktioniert, nutze das Chat-Testfeld. Dort kannst du sehen, wie der Agent die angehängten Szenarien ansteuert und wo es Probleme gibt.

Wenn Du bis hierher mitgemacht hast, ist Dir sicher aufgefallen, dass das Erstellen eines Agenten in Make ziemlich manuell ist. Anders als zum Beispiel bei Gumloop, wo Du mit Prompts direkt Agenten generieren kannst, musst Du in Make wirklich alles Schritt für Schritt bauen.

Was die Agenten in Make zudem wirklich ausbremst: Du kannst sie außerhalb eines Szenarios nicht verwenden. Es gibt keine Möglichkeit, das Chat-Interface einzubetten oder den Agenten unabhängig bereitzustellen. Ich hatte gehofft, dass es eine Art Plug-and-Play-Lösung gibt, bei der ich nicht jedes Mal in den Szenario-Builder gehen muss. Im Moment sind KI-Agenten in Make einfach nur eine Erweiterung der Szenarien.

Etwas enttäuschend fand ich auch, dass es aktuell keine erweiterten Einstellungen gibt, um das Agentenverhalten zu verfeinern – also zum Beispiel Rahmenbedingungen, Kreativitätslevel, Tonalität usw. Das musst Du alles direkt im Prompt definieren.

Agenten in Szenarien verwenden

In meinem Szenario möchte ich, dass der Agent auf jede neue eingehende Support-Anfrage in Zendesk antwortet. Dafür setze ich das Zendesk-Modul „Watch Tickets“ ein und verbinde es mit dem Make-AI-Agents-Modul „Run an Agent“:

In den Make-KI-Agenten richte ich eine Nachricht ein und ordne die Felder aus dem Zendesk-Modul mit klaren Anweisungen für den Agenten zu.

Dieses Szenario verarbeitet alle neuen Anfragen in Zendesk und antwortet automatisch per E-Mail an den Kunden, wobei das Wissen aus meinem Google-Dokument genutzt wird. Ziemlich praktisch!

4 Weitere Anwendungsbeispiele aus der Praxis für Make

Die Flexibilität von Make ermöglicht dir viele weitere Automatisierungen, die über das hinausgehen, was ich bisher vorgestellt habe. Bevor du dich bei Make an die Erstellung deiner Automatisierungen machst, empfehle ich dir, erst einmal einen Schritt zurückzugehen, das große Ganze zu betrachten und die Prozesse sowie die Customer Journey zu skizzieren, die du umsetzen möchtest. Dafür kannst du ein visuelles Mapping-Tool wie Miro oder einfach einen Notizblock nutzen, um deinen Workflow zu zeichnen und alle wichtigen Kontaktpunkte zu identifizieren.

Wenn du das erledigt hast, solltest du auf Mikro-Ebene überlegen, welche Daten für die Automatisierungen genutzt werden müssen, auf welche Datenfelder und Datensätze du zugreifen musst und wie genau die Apps kommunizieren werden. Das ist eine der großen Herausforderungen bei Make – es ist ein bisschen wie visuelles Programmieren. Sehr mächtig, aber du musst wissen, wie du damit richtig umgehst, um Frust zu vermeiden oder zumindest zu reduzieren.

Schauen wir uns jetzt vier echte Workflows von Make-Nutzern an, die zeigen, wie vielseitig die Plattform ist – und dich vielleicht auf eigene Ideen bringen, wie du deine Business-Probleme anpacken kannst.

1. Automatisiere professionelle Verträge für deine Kunden

Level: Fortgeschritten
Unternehmensart: Dienstleistungen
Verwendete Apps: Webhooks (oder ein nativ integriertes Formular), CRM, Vertragsgenerator (wie PandaDoc, Docusign)

Verträge zu erstellen ist eine ziemlich wiederkehrende Aufgabe, aber eine Make-Automatisierung kann hier den Großteil der Arbeit abnehmen. Dieses spezielle Make-Szenario stammt von Unternehmer und Automatisierungs-Experten Jono Catliff (er hält es für eine seiner wirkungsvollsten Automatisierungen), aber Du kannst es für alle möglichen Vertragsarten nutzen.

So funktioniert es:

1. Das Verkaufsteam führt Kundengespräche und füllt ein Formular mit den Kundendaten aus (in seinem Hochzeitsbusiness sind das zum Beispiel Eventdaten, Orte und Uhrzeiten).
2. Make generiert dann automatisch eine Rechnungsnummer, aktualisiert das CRM (er nutzt GoHighLevel) und erstellt die passenden Positionen basierend auf dem Verkaufsgespräch.
3. Das Make-Szenario baut aus allen Daten einen professionellen PandaDoc-Vertrag mit sämtlichen Kundendaten, Preisen und gewählten Leistungen zusammen.
4. Wenn die Kundschaft schließlich unterschreibt und bezahlt, erfasst ein weiteres Make-Szenario die finalen, bestätigten Positionen und aktualisiert sämtliche Systeme mit den genauen Angaben.

Diese Automatisierung ist besonders wertvoll für Dienstleistungsbetriebe, Agenturen und Berater, die regelmäßig individuelle Kundendokumente erstellen.

2. Team-Videocalls und Webinar-Prozesse automatisieren

Level: Mittelstufe

Unternehmenstyp: Jedes Unternehmen, das auf Calls angewiesen ist

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

Wenn Du häufig Webinare oder Zoom-Aufzeichnungen erstellst, zeigt Dir diese Automation von KI-Automatisierungs-Experte Drake Surach, wie Du Zoom-Aufzeichnungen komplett ohne manuelles Eingreifen verarbeiten kannst. Die Automation startet sofort, wenn eine Zoom-Cloud-Aufnahme abgeschlossen ist, und läuft dann in drei parallelen Prozessen ab:

1. Das Transkript des Calls wird heruntergeladen und als durchsuchbarer Text in Airtable gespeichert.
2. Die MP4-Aufnahme wird heruntergeladen und automatisch bei Vimeo hochgeladen. Der Videolink wird für den schnellen Zugriff gespeichert.
3. Das Chatprotokoll mit allen Nachrichten und geteilten Links der Teilnehmenden wird erfasst.
4. Alle Elemente werden zusammengeführt und mit ChatGPT Zusammenfassungen sowie wichtige Erkenntnisse generiert. Diese Infos werden dann für Posts in Surachs Skool-Community verwendet.

Dieser Workflow eignet sich perfekt für Vertriebsteams, die Gespräche mit Interessenten nachbereiten, für Lerncommunities, die Bildungsinhalte archivieren, oder für jede Organisation, die regelmäßig virtuelle Meetings dokumentieren will.

3. Personalisierte Outreach-Nachrichten erstellen

Level: Einsteiger

Unternehmensart: Alle Unternehmen, die Kaltakquise betreiben

Verwendete Apps: Google Spreadsheet, KI-Modell, Tool für Kaltakquise (Clay, Lemlist usw.)


Marketer wissen: Kaltakquise ist ein Spiel mit hohen Stückzahlen, aber eine personalisierte Nachricht kann deine Chancen auf eine Conversion deutlich erhöhen. Genau deswegen ist Automatisierung in diesem Bereich besonders wertvoll. In diesem Make-Szenario revolutioniert der Digitalmarketer Charlie Barber das Thema Kaltakquise mit individuellen Nachrichten in großem Stil.

So funktioniert es:

1. Die Automatisierung überwacht ein Google Sheet auf neue Leads und schickt dann die Instagram-URL (oder eine andere Social-Media-URL), den Namen und die Bio der Zielperson an ChatGPT. Beachte, dass du die Social-Profile zuerst scrapen oder die Daten auf andere Weise extrahieren musst, bevor du dieses Szenario nutzen kannst.
2. Die KI analysiert jedes Profil und erstellt einzigartige Einstiegsnachrichten, die sich auf konkrete Details aus der Bio des Interessenten beziehen. So wird aus einer Standard-Nachricht eine hochrelevante Ansprache. Zum Beispiel: „Hey Laurel, ich habe gesehen, dass du als Maklerin bei Barkley’s Real Estate Group bekannt bist.“
3. Diese dreistufige Automatisierung läuft kontinuierlich und fügt die personalisierten Nachrichten direkt wieder ins Spreadsheet ein. Sie sind damit sofort bereit, um in Kaltakquise-Kampagnen mit einem E-Mail-Tool verwendet zu werden.

Diese Lösung ist perfekt für Vertriebsteams, Agenturen und Freelancer, die ihre Antwortraten verbessern möchten, ohne massig Zeit in die manuelle Personalisierung zu investieren.

4. Lohnabrechnung für Freelancer automatisieren

Level: Fortgeschritten

Unternehmenstyp: Jedes Unternehmen, das mit stundenbasierten Freelancern arbeitet

Verwendete Apps: Zeiterfassungs-Tool wie Harvest, HubStaff oder Toggl, Wise (für Zahlungen), Airtable oder Google Sheets sowie ein Währungsumrechner-Modul (falls in verschiedenen Währungen ausbezahlt wird)

Auch das Bezahlen von Rechnungen für Freelancer lässt sich mit Make automatisieren. Geschäftsprozess-Experte Nick Saraev hat sogar einen Workflow aufgebaut, der sämtliche Aufgaben rund um die Abrechnung von Freelancern eliminiert. Damit löst er eine zentrale Herausforderung für sein Contentwriting-Unternehmen: Die Autoren werden stundenweise bezahlt, während die Kunden Festpreise pro Wort zahlen.

So sieht der Prozess aus:

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

Diese Automatisierung verwandelt zehn Stunden Finanzarbeit pro Woche in weniger als 30 Sekunden Überwachung. Sie funktioniert besonders gut, weil Finanzprozesse aus standardisierten Abläufen mit strukturierten Daten bestehen.

Die Lösung eignet sich ideal für Unternehmen, die Zahlungen an Freelancer abwickeln, für remote Teams mit mehreren Währungen oder für Dienstleister, die abrechenbare Stunden erfassen.

Makes Preisgestaltung

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

Jede Modulaktion in einem Szenario, etwa das Hinzufügen einer Zeile in Google Sheets oder das Versenden einer E-Mail, zählt bei Make als Credit. Mit komplexen Szenarien kannst Du also Dein Credits-Kontingent schnell verbrauchen. Wenn die Credits aufgebraucht sind, laufen Deine Szenarien nicht mehr weiter!

Die kostenlose Stufe bietet Zugang zum zentralen Workflow-Builder und allen Apps, damit Du Make ausprobieren kannst, bevor Du Dich entscheidest. Allerdings bist Du auf zwei aktive Szenarien und nur 10.000 Credits limitiert – im Grunde ist das also eher eine kostenlose Probephase.

Die nächste Stufe, der Core-Tarif, bietet für 10,59 $ im Monat alles Wesentliche für Einzelunternehmer: unbegrenzt viele Workflows und 10.000 Credits.

Der Pro-Plan liegt bei 18,82 $ monatlich und ist, wie ich finde, das optimale Preis-Leistungs-Verhältnis bei Make. Hier erhältst Du hilfreiche Features wie Szenario-Inputs und benutzerdefinierte Variablen (also die Möglichkeit, Daten über mehrere Szenarien hinweg gleichzeitig zu verwalten und zu bearbeiten).

Obwohl es nicht auf der Preisseite steht, kannst du zusätzliche Credits in festen Paketen zu Festpreisen (1 oder 10.000 Credits) kaufen, falls du dein monatliches Kontingent überschreitest. Gehe dazu in der linken Seitenleiste auf Org und dann im Tab „Mein Plan“ auf Abonnement. Wenn du das regelmäßig machst, ist es aber sinnvoller, direkt auf einen höheren Tarif zu wechseln, da so die Kosten pro Credit deutlich niedriger sind.

Eine nervige Einschränkung bei allen Plänen ist das Mindestintervall von 1 Minute zwischen geplanten Szenario-Ausführungen. Das kann schnell zu Engpässen führen, wenn du viele Szenarien hast, die regelmäßig laufen sollen. Dann stauen sich die Szenarien in einer Warteschlange und müssen auf ihren Durchlauf warten, was alles ausbremst.

Das Problem wird besonders unangenehm, wenn du Szenarien hast, die direkt für deine Kunden sichtbar sind. Stell dir mal vor, ein heißer Lead muss mehrere Minuten warten, bis er den Lead-Magneten erhält, den er gerade auf deiner Website angefordert hat! (Wichtig: Diese Einschränkung gilt nur für geplante Szenarien – triggerbasierte Szenarien laufen sofort, wenn zum Beispiel eine neue Zeile in einem Spreadsheet hinzugefügt wird.)

Tipps, um das beste Angebot bei Make zu bekommen

• Starte mit der niedrigsten Credit-Option, sonst verfallen ungenutzte Credits am Monatsende. Du kannst jederzeit upgraden, wenn du das Limit überschreitest. (Make schickt vorher Benachrichtigungen.)
• Behalte deine Credits regelmäßig im Blick. Wenn du ein Szenario auswählst, siehst du eine Tagesübersicht mit Credit-Verbrauch und Datenübertragungen.

Make nutzen: Vorteile und Nachteile

Ist Make das Richtige für dich?

Ich liebe Make wegen der unglaublichen Flexibilität und Power. Es gibt aber auch Dinge, die mir weniger gefallen – zum Beispiel das unnötig komplizierte Daten-Mapping (das könnte wirklich einfacher sein).

Insgesamt ist Make ein geniales Tool, das dir Automatisierungs-Superkräfte verleiht, wie ich sie bei keiner anderen Plattform auf dem Markt erlebt habe. Kombiniert mit dem erstaunlich günstigen Preis ist es die perfekte Plattform für alle, die ernsthaft anspruchsvolle, mehrstufige Automatisierungen aufbauen wollen, um ihre Geschäftsprozesse richtig zu transformieren.

Allerdings: Wenn du nur ein oder zwei einfache Workflows automatisieren willst, ist wahrscheinlich eine einfachere Lösung mit weniger Lernaufwand – wie Zapier – die bessere Wahl. Make ist ein Paradies für alle, die bereit sind, die steile Lernkurve zu meistern; die Möglichkeiten sind dann wirklich unschlagbar. Du musst aber selbst entscheiden, ob sich die Zeitinvestition für deine Automatisierungsziele lohnt.

Für mich war die Antwort ein klares Ja! Die Zeit, die ich in Make investiert habe, zahlt sich zigfach aus, weil ich so viele Stunden spare. Es gibt kaum etwas, das so befriedigend ist wie ein komplexes Szenario, das live läuft und alles wie am Schnürchen funktioniert.

Du bist noch nicht von Make überzeugt? Dann schau dir gerne unser n8n-Review an, um den direkten Vergleich zu sehen, oder stöbere in unserer Liste mit Zapier-Alternativen.