Automate Basics

Automate ist die Workflow-Automatisierungsplattform von Localmind. Sie erstellen damit visuelle Workflows, die externe Dienste, APIs und Ihre Localmind-Agenten miteinander verbinden — durch das Verbinden von Nodes, ohne Code zu schreiben. Hunderte Integrationen (Slack, Google Sheets, beliebige APIs) stehen bereit, und Ihre Localmind-Agenten binden Sie direkt in Workflows ein. Automate läuft in Ihrem Localmind-Deployment; welche Varianten es gibt, lesen Sie unter Hosting-Optionen.

Erste Schritte

Öffnen Sie die App „Automatisierung” in Ihrem Space.
Klicken Sie auf „Neuer Workflow”, um Ihren ersten Workflow zu erstellen.
Wählen Sie eine Vorlage oder starten Sie mit einem leeren Workflow — wenn Sie neu bei Automate sind, helfen die vorgefertigten Vorlagen beim Verstehen der Konzepte.

Grundkonzepte

Nodes

Nodes sind die Bausteine Ihrer Workflows. Jeder Node repräsentiert eine Aktion oder einen Schritt im Automatisierungsprozess. Trigger Nodes starten Ihren Workflow automatisch:

Webhook: empfängt HTTP-Anfragen
Schedule: zeitbasierte Ausführung (Cron)
Manual: manuelle Ausführung
Email: E-Mail-basierte Trigger

Action Nodes führen Operationen aus:

HTTP Request: API-Aufrufe — darüber rufen Sie auch Localmind-Agenten auf
Set: Daten setzen/transformieren
IF: bedingte Logik
Switch: Multi-Branch-Logik

Localmind-Agenten aufrufen

Einen dedizierten Agent-Node gibt es nicht — Sie rufen Localmind-Agenten über die HTTP Request Node auf:

Endpoint: POST https://<deine-instanz>-api.localmind.ai/v1/chat/completions
Auth: Header Authorization: Bearer <LOCALMIND_API_KEY> (als n8n-Credential vom Typ Header Auth)
Agent-Auswahl: das model-Feld im Body trägt die Agent-UUID aus GET /v1/models

Request-Body

{
  "model": "<agent_uuid>",
  "messages": [
    { "role": "user", "content": "{{ $json.userQuery }}" }
  ],
  "stream": false
}

Die Antwort lesen Sie in Folge-Nodes über {{ $json.choices[0].message.content }} aus, den Token-Verbrauch über {{ $json.usage.total_tokens }}. Die vollständige Anleitung inklusive Stolperfallen finden Sie unter Localmind Agent in n8n einbinden.

Workflow-Struktur

Ein typischer Workflow folgt diesem Muster:

Trigger → Datenverarbeitung → Agent-Aufruf → Aktion → Ausgabe

Workflow erstellen

Klicken Sie auf „Neuer Workflow”, vergeben Sie einen Namen (z.B. „Kundenanfrage verarbeiten”) und wählen Sie einen Trigger-Node — für Tests zunächst einen Manual Trigger, später stellen Sie auf einen automatischen Trigger um.

Nodes hinzufügen

Über das „+“-Symbol suchen Sie den gewünschten Node (z.B. „HTTP Request”), ziehen ihn auf das Canvas und verbinden Nodes durch Ziehen von den Ausgängen zu den Eingängen. Achten Sie darauf, dass die Datenformate zwischen Nodes kompatibel sind — zur Umwandlung nutzen Sie Set-Nodes.

Node konfigurieren

Klicken Sie auf einen Node, füllen Sie die erforderlichen Felder aus und testen Sie mit „Execute Node”. Für dynamische Werte verwenden Sie Expressions ({{ }}):

Expression Beispiel

// Zugriff auf vorherige Node-Daten
{{ $json.fieldName }}

// Zugriff auf Workflow-Daten
{{ $workflow.staticData.value }}

// Funktionen verwenden
{{ $now.toISO() }}
{{ $json.text.toUpperCase() }}

// JSON Stringify - Objekte in Strings umwandeln
{{ JSON.stringify($json) }}
{{ JSON.stringify($json.user) }}

Workflow aktivieren

Testen Sie den Workflow gründlich (siehe Testing), bevor Sie den „Active”-Toggle oben rechts einschalten. Für Production konfigurieren Sie einen automatischen Trigger und überwachen Ausführungen im „Executions”-Tab.

Praktisches Beispiel: E-Mail-zu-Agent-Workflow

Ein Workflow, der E-Mails empfängt, sie an einen Localmind-Agenten weiterleitet und eine Antwort sendet:

Email Trigger → Set Node → HTTP Request (Localmind Agent) → HTTP Request (Send Email)

1. Email Trigger konfigurieren

Fügen Sie einen IMAP Email-Node hinzu, konfigurieren Sie die Credentials (IMAP-Server, Benutzername, Passwort) und setzen Sie das Polling-Intervall (z.B. jede Minute). Optional filtern Sie auf bestimmte Absender.

2. Daten vorbereiten (Set Node)

Strukturieren Sie mit einem Set-Node die Daten für den Agenten:

emailSubject: {{ $json.subject }}
emailBody: {{ $json.textPlain }}
senderEmail: {{ $json.from.value[0].address }}
timestamp: {{ $now.toISO() }}

3. Localmind Agent aufrufen (HTTP Request)

Konfigurieren Sie einen HTTP Request-Node: Methode POST, URL https://<deine-instanz>-api.localmind.ai/v1/chat/completions, Authentication über ein Header-Auth-Credential mit Authorization: Bearer <LOCALMIND_API_KEY>. Im Body trägt model die Agent-UUID aus GET /v1/models:

Request-Body

{
  "model": "<agent_uuid>",
  "messages": [
    {
      "role": "system",
      "content": "Du bist ein hilfreicher E-Mail-Assistent. Analysiere die folgende E-Mail und erstelle eine professionelle Antwort."
    },
    {
      "role": "user",
      "content": "Betreff: {{ $json.emailSubject }}\nNachricht: {{ $json.emailBody }}\nAbsender: {{ $json.senderEmail }}"
    }
  ],
  "stream": false
}

Details zu Auth, Base-URL und Stolperfallen: Localmind Agent in n8n einbinden.

4. Antwort senden (HTTP Request)

Ein zweiter HTTP Request-Node sendet die Antwort per POST an Ihre E-Mail-API (z.B. SendGrid, Mailgun). Mit $('NodeName') greifen Sie auf Daten früherer Nodes zu:

{
  "to": "{{ $('Set').item.json.senderEmail }}",
  "subject": "Re: {{ $('Set').item.json.emailSubject }}",
  "text": "{{ $json.choices[0].message.content }}"
}

Häufige Patterns

Pattern 1: Bedingte Verarbeitung

Verwenden Sie IF Nodes für bedingte Logik:

Trigger → IF (Bedingung) → [True Branch] → [False Branch]

IF Bedingung Beispiel

// Prüfe ob E-Mail wichtig ist
{{ $json.importance === 'high' }}

// Prüfe ob Betreff bestimmtes Keyword enthält
{{ $json.subject.includes('URGENT') }}

// Prüfe ob Absender in Whitelist
{{ ['admin@company.com', 'support@company.com'].includes($json.senderEmail) }}

Pattern 2: Verzweigte Verarbeitung

Ein Node kann mehrere ausgehende Verbindungen haben. n8n führt die Branches nacheinander aus (nicht parallel) — jeder Branch erhält aber dieselben Input-Daten und arbeitet unabhängig weiter:

Trigger → [Branch 1] → Agent 1
       → [Branch 2] → Agent 2
       → [Branch 3] → Agent 3

Pattern 3: Error Handling

Implementieren Sie in jedem Produktiv-Workflow eine Fehlerbehandlung — der Error Trigger-Node ist dafür der zentrale Baustein (siehe Retry Logic):

Workflow → Try/Catch → Error Trigger → Notification

Pattern 4: Daten stringifyen

Wenn eine API oder ein Textfeld einen String statt eines JSON-Objekts erwartet, wandeln Sie Objekte mit JSON.stringify() um — und mit JSON.parse() wieder zurück. Für einfache Werte (Strings, Zahlen) ist das unnötig; nutzen Sie es gezielt dort, wo eine Gegenstelle JSON-Strings erwartet — etwa HTTP-Request-Bodies, Logging oder Webhook-Payloads:

Expression-Beispiele

// Objekt als JSON-String übergeben (z.B. im HTTP Request Body)
{{ JSON.stringify($json) }}

// Einzelnes Feld stringifyen
{{ JSON.stringify($json.user) }}

// String zurück in ein Objekt wandeln
{{ JSON.parse($json.jsonString) }}

Best Practices

1. Use Case First, Workflow Second

Beginnen Sie mit der Problemdefinition, nicht mit der Implementierung — der Workflow passt sich an Ihre Anforderungen an, nicht umgekehrt:

Geschäftsproblem definieren — z.B. „Automatische Kategorisierung von Support-E-Mails mit Weiterleitung dringender Anfragen an das Support-Team.”
Input und Output spezifizieren — Input: E-Mail mit Betreff, Absender, Inhalt. Output: Kategorisierung (dringend/normal) mit entsprechender Weiterleitung.
Logische Schritte identifizieren — den Prozess in 3–5 Verarbeitungsschritte zerlegen (E-Mail empfangen → mit Agent analysieren → kategorisieren → bei „dringend” benachrichtigen).
Nodes auswählen — basierend auf den definierten Schritten.

Starten Sie mit einer einfachen Implementierung und iterieren Sie anhand der Ergebnisse.

2. Vorlagen und bestehende Lösungen nutzen

Durchsuchen Sie vor der Implementierung die Automate-Vorlagenbibliothek und Community-Beispiele für ähnliche Use Cases. Das beschleunigt die Entwicklung durch bewährte Patterns, zeigt Ihnen neue Nodes und Implementierungsansätze und vermeidet bekannte Fehlerquellen.

3. Data Flow Principle verstehen

Jeder Automate-Workflow folgt dem Prinzip Input → Transform → Output. Häufige Datenquellen sind eigene Datenbanken (Airtable, Google Sheets, Supabase) und öffentliche APIs (HTTP Request Node, dedizierte API-Nodes). Für HTTP Request Nodes hat sich dieser Ablauf bewährt: cURL-Befehl aus der API-Dokumentation kopieren, in Postman importieren und mit realen Parametern testen, Funktionalität für Ihren Use Case verifizieren — und erst dann den validierten Request nach Automate übertragen. Postman erleichtert Testen und Debugging von API-Requests erheblich.

4. Kern-Nodes beherrschen

Die meisten Workflows kommen mit wenigen Nodes aus:

Set/Edit Fields: Spalten extrahieren, Datentypen konvertieren, Datenstrukturen anpassen
Filter: ungültige Datensätze entfernen (null-Werte, Duplikate, Formatfehler)
Merge: Spalten hinzufügen oder Datensätze kombinieren
Code: komplexe Transformationen, die mit Standard-Nodes nicht möglich sind — KI-Assistenten können den Code aus Input-Struktur und gewünschtem Output generieren
IF: bedingte Verarbeitungslogik
HTTP Request (Localmind Agent): für die meisten KI-basierten Aufgaben — der Agent-Aufruf läuft über POST /v1/chat/completions, siehe Localmind Agent in n8n einbinden

Typisches Workflow-Pattern:

HTTP Request → Set (Datenbereinigung) → Filter (Validierung) → 
Agent (Analyse) → Set (Output-Formatierung) → Datenbank-Insert

5. Node-Outputs pinnen für effizientes Testing

Führen Sie den Workflow einmal vollständig aus, pinnen Sie die Outputs über das Pin-Icon und testen Sie nachgelagerte Nodes ohne erneute API-Calls oder KI-Verarbeitung. Gepinnte Daten können Sie bearbeiten, um verschiedene Szenarien inklusive Edge Cases zu simulieren.

Kostenoptimierung: Jeder Test eines Agent-Aufrufs ohne Pinning verbraucht Credits. Bei wiederholten Tests summiert sich das erheblich. Pinnen Sie Outputs immer für Testzwecke.

6. Sub-Workflows für modulare Architektur

Teilen Sie komplexe Workflows in wiederverwendbare Sub-Workflows auf: Haupt-Workflows enthalten maximal 4–6 Nodes, häufig verwendete Funktionalität (Datenbereinigung und Validierung, Error Handling und Retry-Logik, Benachrichtigungen) wandert in Sub-Workflows in einem dedizierten Components-Ordner. Das macht Fehler schnell auf einen Sub-Workflow eingrenzbar, Komponenten in verschiedenen Workflows wiederverwendbar und Haupt-Workflows übersichtlich.

7. Umfassendes Error Logging implementieren

Loggen Sie bei Fehlern alle relevanten Informationen: Fehlermeldung und Fehlertyp, Fehlerstelle (Node-Name, Execution-ID), Input-Daten, die den Fehler verursacht haben, Zeitstempel und Workflow-Kontext sowie Retry-Versuche und deren Ergebnisse. Loggen Sie auch erfolgreiche Executions — das ermöglicht Berichte über Workflow-Performance und macht Trends sichtbar.

8. Credit-Verbrauch überwachen

Agent-Aufrufe werden in Localmind in Credits abgerechnet. Damit Automatisierungen kalkulierbar bleiben: Prüfen Sie den Token-Verbrauch pro Execution (usage.total_tokens der Agent-Antwort), identifizieren Sie Verbrauchstreiber (lange Prompts, große Kontexte, unnötige Wiederholungs-Aufrufe) und pinnen Sie beim Testen die Outputs (Best Practice 5). Loggen Sie den Token-Verbrauch von Anfang an mit — unerwarteter Credit-Verbrauch beeinträchtigt das Vertrauen in Automatisierungen. Weiterführend: Testing (jeden Node einzeln testen), Performance (API-Calls, Caching, Timeouts) und Sicherheit (Credentials sicher speichern, Environment Variables für sensible Daten).

Debugging

Die häufigsten Probleme in Kürze — mehr in der Debugging-Anleitung:

Workflow läuft nicht — „Active”-Toggle, Trigger-Konfiguration und Credentials prüfen.
Daten kommen nicht korrekt an — Expression-Syntax ({{ $json.fieldName }}) und Datenformate zwischen Nodes prüfen.
Agent antwortet nicht — Agent-UUID im model-Feld gegen GET /v1/models abgleichen, Base-URL (-api-Host statt -app) und API-Key-Scope prüfen — Details unter Localmind Agent in n8n einbinden.

Zur Analyse nutzen Sie die Execution Logs: Im „Executions”-Tab eine fehlgeschlagene Execution auswählen, auf jeden Node klicken, um Input/Output zu sehen, und die Error-Messages lesen.

Aktivieren Sie „Save Data on Error” in den Workflow-Einstellungen, um Debugging zu erleichtern.

Nächste Schritte

Custom Nodes

Erstellen Sie eigene Nodes für spezifische Anwendungsfälle.

Localmind API

Endpoint-Referenz und Code-Beispiele für Integrationen.

Bei Fragen zur Einrichtung Ihrer ersten Workflows hilft unser Support-Team unter support@localmind.ai.

Grundlagen

Localmind anbinden

Workflows

Erweitert

Betrieb

Erste Schritte

Grundkonzepte

Nodes

Localmind-Agenten aufrufen

Workflow-Struktur

Praktisches Beispiel: E-Mail-zu-Agent-Workflow

1. Email Trigger konfigurieren

2. Daten vorbereiten (Set Node)

3. Localmind Agent aufrufen (HTTP Request)

4. Antwort senden (HTTP Request)

Häufige Patterns

Pattern 1: Bedingte Verarbeitung

Pattern 2: Verzweigte Verarbeitung

Pattern 3: Error Handling

Pattern 4: Daten stringifyen

Best Practices

1. Use Case First, Workflow Second

2. Vorlagen und bestehende Lösungen nutzen

3. Data Flow Principle verstehen

4. Kern-Nodes beherrschen

5. Node-Outputs pinnen für effizientes Testing

6. Sub-Workflows für modulare Architektur

7. Umfassendes Error Logging implementieren

8. Credit-Verbrauch überwachen

Debugging

Nächste Schritte

Custom Nodes

Localmind API

​Erste Schritte

​Grundkonzepte

​Nodes

​Localmind-Agenten aufrufen

​Workflow-Struktur

​Praktisches Beispiel: E-Mail-zu-Agent-Workflow

​1. Email Trigger konfigurieren

​2. Daten vorbereiten (Set Node)

​3. Localmind Agent aufrufen (HTTP Request)

​4. Antwort senden (HTTP Request)

​Häufige Patterns

​Pattern 1: Bedingte Verarbeitung

​Pattern 2: Verzweigte Verarbeitung

​Pattern 3: Error Handling

​Pattern 4: Daten stringifyen

​Best Practices

​1. Use Case First, Workflow Second

​2. Vorlagen und bestehende Lösungen nutzen

​3. Data Flow Principle verstehen

​4. Kern-Nodes beherrschen

​5. Node-Outputs pinnen für effizientes Testing

​6. Sub-Workflows für modulare Architektur

​7. Umfassendes Error Logging implementieren

​8. Credit-Verbrauch überwachen

​Debugging

​Nächste Schritte

Custom Nodes

Localmind API

Erste Schritte

Grundkonzepte

Nodes

Localmind-Agenten aufrufen

Workflow-Struktur

Praktisches Beispiel: E-Mail-zu-Agent-Workflow

1. Email Trigger konfigurieren

2. Daten vorbereiten (Set Node)

3. Localmind Agent aufrufen (HTTP Request)

4. Antwort senden (HTTP Request)

Häufige Patterns

Pattern 1: Bedingte Verarbeitung

Pattern 2: Verzweigte Verarbeitung

Pattern 3: Error Handling

Pattern 4: Daten stringifyen

Best Practices

1. Use Case First, Workflow Second

2. Vorlagen und bestehende Lösungen nutzen

3. Data Flow Principle verstehen

4. Kern-Nodes beherrschen

5. Node-Outputs pinnen für effizientes Testing

6. Sub-Workflows für modulare Architektur

7. Umfassendes Error Logging implementieren

8. Credit-Verbrauch überwachen

Debugging

Nächste Schritte