n8n vs Claude Skills: Wann wir gewechselt haben (und was es gekostet hat)

Wir haben ein Projekt auf n8n gestartet. Drei Tage später haben wir es als Claude-Skill neu aufgebaut. Die Kosten pro Suche sind erheblich gesunken. Die Iterationszeit fiel von Stunden auf Minuten.

Dies ist kein Anti-n8n-Beitrag. n8n ist ein gutes Tool. Aber das Projekt hat uns etwas Spezifisches darüber gelehrt, wo die Grenze liegt - und diese Grenze hat sich 2026 verschoben.

Das Projekt

Ein Tool zur Kandidatensuche im HR-Bereich. Ziel: Ein teures, begrenztes LinkedIn-Abonnement durch einen benutzerdefinierten Workflow zu ersetzen, der flexibler suchen, aus mehreren Quellen abrufen und die Ergebnisse in den bestehenden Prozess des Kunden einspeisen kann.

Die ursprüngliche Spezifikation sah n8n vor. Standardwahl für Automatisierungs-Workflows. Wir haben mit dem Aufbau begonnen.

Was nicht funktionierte

Ein “einfacher” Sourcing-Workflow in n8n erforderte:

Fünf separate Dienste. Fünf separate Fehlerquellen. Jedes Mal, wenn einer ein Problem hatte - Ratenlimit, Authentifizierungsfehler, Dienstunterbrechung - stoppte der Workflow, warf einen Fehler und erforderte manuelle Eingriffe: das Problem finden, die Automatisierung aktualisieren, alles von Grund auf testen.

Ein ziemlich einfacher Workflow. Rund fünf Dienste, um ihn zum Laufen zu bringen. Ein kleines Problem und alles steht still.

Das ist nicht die Schuld des n8n-Teams. So sieht einfach diese Kategorie von Problemen aus, wenn man n8n dafür verwendet.

Wie ein Claude Skill aussieht

Nach der dritten Debugging-Sitzung hintereinander haben wir die Herangehensweise gewechselt. Der gesamte n8n-Workflow ließ sich in ein paar Eingabeaufforderungen in einen Claude-Skill umwandeln. Nicht Tage - Eingabeaufforderungen.

Die Architekturänderung:

Vorher (n8n): Stellenbeschreibung → n8n-Webhooks → Claude-API-Aufruf → LinkedIn-API-Dienst → Formatierungsdienst → Ausgabe

Nachher (Claude Skill): Stellenbeschreibung → Claude Skill (führt alles intern aus, im Abonnement)

Die Unterschiede, die in der Praxis wichtig waren:

Kosten. Die Claude-API zu Preisen pro Token ist deutlich teurer als Claude, der im Max-Abonnement läuft. Durch die Verlagerung der Logik in einen Skill, der im Abonnement läuft, sanken die Kosten pro Suche erheblich. Das ist wichtig, wenn man Dutzende von Suchen pro Sitzung durchführt.

Iterationsgeschwindigkeit. Wenn sich etwas in n8n ändern musste, bedeutete das, die Leinwand zu öffnen, den richtigen Knoten zu finden, die Änderung vorzunehmen und den gesamten Ablauf erneut zu testen. Mit dem Claude-Skill: “Ändere die Suche, um auch nach Kandidaten zu suchen, die in den letzten 6 Monaten die Rolle gewechselt haben” - erledigt, mitten in der Sitzung, in 30 Sekunden. Der Kunde kann Änderungen selbst vornehmen, einfach durch Sprechen.

Zuverlässigkeit. Ein Dienst statt fünf. Wenn Claude läuft, funktioniert der Skill.

Wofür n8n immer noch gut ist

Dies ist kein “n8n ist tot”-Beitrag. Das ist es wirklich nicht.

n8n ist immer noch das richtige Tool, wenn:

Für diese Anwendungsfälle ist n8n immer noch hervorragend. Wir nutzen es weiterhin.

Der echte Wandel

Die praktische Schwelle ändert sich. Im Jahr 2024 war n8n die offensichtliche Wahl für die meisten AI-Automatisierungs-Workflows, da Claude-Skills entweder nicht existierten oder zu begrenzt waren. Im Jahr 2026 machen Claudes Kontextfenster, die Nutzung von Werkzeugen und das Abonnementmodell es wirklich wettbewerbsfähig für eine Kategorie von Workflows, die früher standardmäßig n8n zugeordnet waren.

Die entscheidende Frage ist nicht “Welches Tool ist besser?” Es ist: Muss dieser Workflow im Hintergrund nach einem Zeitplan laufen? Wenn ja - n8n. Wenn er läuft, während ein Mensch arbeitet - ziehen Sie zuerst einen Claude-Skill in Betracht.

Für unser HR-Projekt war die Antwort klar. Der Kunde führt Suchen während der Arbeitszeiten durch, möchte während der Sitzung iterieren und legt Wert auf die Kosten pro Suche. Der Claude-Skill hat in jeder Dimension gewonnen.


Wir entwickeln maßgeschneiderte AI-Automatisierungen für Unternehmen - Workflows, die in der Produktion laufen, nicht nur Demos. Wenn Sie einen Prozess haben, der die Zeit Ihres Teams frisst, lassen Sie uns sprechen.

Verwandt: Was ist ein AI-natives Webstudio · Fallstudie zur Automatisierung geotechnischer Erhebungen

ilf.studio - AI-Workflow-Automatisierung und Webentwicklung, Danzig, Polen. 13 Länder. 150+ Projekte.