Sieben Schritte geschafft. Das hier kannst du damit anfangen.

Der wichtigste Satz auf dieser Seite: Was du gebaut hast, ist ein Übungsstand. Drei Dinge fehlen bis zum Betrieb: ein dauerhafter Speicher, ein fester Ort für das Chatfenster und ein Hinweis, dass eine KI antwortet.

Was du jetzt kannst

• Verbindest Chatfenster, KI-Agent und Sprachmodell zu einem Agenten.
• Legst mit einem Systemprompt Rolle, Zielgruppe, Ton und Grenze fest.
• Gibst dem Agenten ein Gedächtnis und weißt, was es kostet.
• Gibst ihm ein Werkzeug und prüfst im Protokoll, ob er es benutzt.
• Machst aus einem PDF Text und prüfst, ob alles angekommen ist.
• Legst eigene Unterlagen in einen Wissensspeicher.
• Baust einen Agenten, der aus deinen Unterlagen antwortet, belegt und ehrlich ablehnt.

Wie es weitergeht

Ein dauerhafter Speicher. Der Simple Vector Store ist flüchtig und für alle auf derselben Instanz lesbar. Für den Betrieb ersetzt du ihn durch einen eigenen Vektorspeicher, zum Beispiel Qdrant. In n8n tauschst du dafür nur den Baustein Wissen speichern und Wissen durchsuchen aus. Dazu brauchst du einen weiteren Zugang, und die Einstellungen von Speicher und Bedeutungs-Umrechner müssen zueinander passen.

Das Chatfenster für andere öffnen. Das Chatfenster aus der Vorlage kannst du öffentlich machen: Im Auslöser When chat message received schaltest du Make Chat Publicly Available ein und schaltest den Workflow scharf. Dann bekommt er eine eigene Adresse, und n8n bietet an, das Fenster in eine Webseite einzubetten. Bevor du das tust: Hinweis nach Artikel 50, Kostengrenze, und nur Unterlagen im Speicher, die wirklich jeder sehen darf.

Auslöser ohne Chat. Ein Agent muss nicht auf eine Frage warten. Er kann nach Zeitplan laufen, etwa jeden Montag eine Übersicht schreiben, oder auf eine eingehende Mail reagieren und eine Antwort vorbereiten, die du prüfst, bevor sie rausgeht.

Diese drei Themen, dazu lokale Sprachmodelle und die Anbindung an eigene Werkzeuge, sind der Stoff für einen Folgekurs.