n8n vs. Make: Vergleich aus 200+ Projekten

n8n bezeichnet eine Open-Source-Workflow-Automatisierungsplattform, die wahlweise auf eigenem Server (Self-Hosted) oder in der Cloud betrieben wird und pro Workflow-Run (Execution) abrechnet, unabhängig davon, wie viele Schritte der Workflow enthält. Make bezeichnet eine Cloud-only-Automatisierungsplattform mit über 3.000 App-Modulen und einem Credit-Modell: Jeder einzelne Workflow-Schritt kostet Geld.

Make ist visueller, intuitiver und hat das breitere App-Ecosystem: kein technisches Vorwissen nötig, sofort startklar (make.com, 2026). n8n ist Open-Source, kann auf eigenem Server betrieben werden und rechnet pro Workflow-Run ab, unabhängig davon, wie viele Schritte darin stecken (n8n.io, 2026). Der strukturelle Unterschied: Ein 200-Schritt-AI-Agent kostet bei Make 200 Credits pro Durchlauf, bei n8n eine einzige Execution. Make ist die bessere Wahl für Teams ohne technischen Hintergrund mit Standard-SaaS-Integrationen. n8n gewinnt bei Datensouveränität, KI-Agenten und Skalierung.

Das wird konkret, wenn Workflows komplexer werden. Ein 200-Schritt-AI-Agent verbraucht bei Make 200 Credits pro Durchlauf. Bei n8n zählt derselbe Workflow als eine einzige Execution. Dazu kommt: Make ist Cloud-only, alle Daten laufen über fremde Server. n8n kann auf eigenem Server betrieben werden, auch auf deutschem Boden, für unter €4 im Monat.

Wir nutzen beide Tools bei echten Projekten und haben unsere eigene Infrastruktur auf n8n Self-Hosted umgestellt. Aktuell laufen über 200 Workflows in Produktion auf Hetzner (Eigene Messung, 2026). Was macht wann Sinn, was kostet wirklich, und wann lohnt der Wechsel? Das beantwortet dieser Vergleich, ohne Fanboy-Perspektive.

Kurzvergleich: Wann Make, wann n8n?

Make ist die richtige Wahl für Business-Teams ohne Entwickler-Hintergrund: Der visuelle Szenario-Builder mit Drag-and-Drop ist intuitiv und erfordert kein technisches Vorwissen. Über 3.000 App-Integrationen decken die meisten Standard-SaaS-Tools sofort ab (make.com, 2026). Bei technischen Teams, Self-Hosting-Anforderungen, KI-Agenten und hohem Workflow-Volumen führt n8n. Die Faustregel: Wenn Datenschutz oder Kosten bei Scale entscheidend sind, ist n8n die stärkere Wahl. Die Tool-Wahl ist allerdings nur ein Baustein — warum 60% der KI-Projekte im Mittelstand scheitern, liegt fast nie an der Plattform.

Kriterium	Make	n8n
Hosting	Cloud-only	Cloud oder Self-Hosted (Open Source)
Preismodell	Pro Modul-Schritt (Credit)	Pro Workflow-Run (Execution)
Integrationen	3.000+ App-Module	1.200+ native Nodes + HTTP-Request-Node
Lernkurve	Einsteigerfreundlich	Steiler, besonders beim Self-Hosting
KI-Agenten	Seit April 2025 (Grundfunktionen)	Nativer AI Agent Node, LLM, RAG, Memory
DSGVO / Datensouveränität	EU-Zone verfügbar, kein Self-Hosting	Vollständige Kontrolle bei Self-Hosting
Open Source	Nein	Ja (Sustainable Use License)
Community	,	183.400+ GitHub Stars, 200.000+ Mitglieder

Der typische Weg, den wir aus vielen Beratungsgesprächen kennen: Teams starten mit Zapier, wechseln zu Make wenn die Workflows komplexer werden, und kommen zu n8n wenn auch Make an seine Grenzen stößt. Das sind keine Einzelfälle, das ist ein beobachtetes Muster (Eigene Beobachtung aus Beratungsgesprächen, 2026).

Make gilt branchenübergreifend als die einsteigerfreundlichere Plattform. n8n bietet mehr Flexibilität, aber auch eine steilere Lernkurve, besonders beim Self-Hosting. Einen eigenen Server aufzusetzen erfordert technisches Grundwissen. Die Cloud-Version vereinfacht den Einstieg, bleibt aber durch Code-Nodes und offene Datenstrukturen komplexer als Make.

Die richtige Wahl hängt davon ab, wer das Tool bedient, welche Daten verarbeitet werden und wie das Volumen wächst. Bevor wir in die konkrete Empfehlung gehen, schauen wir uns das Preismodell genau an, hier liegt der größte praktische Unterschied zwischen den beiden Plattformen.

Preise im direkten Vergleich: Was n8n vs Make wirklich kostet

Make rechnet pro Modul-Schritt ab, n8n pro Workflow-Run, das klingt nach einem kleinen Unterschied, hat aber deutliche Konsequenzen für die monatliche Rechnung. Besonders bei komplexen Workflows mit vielen Schritten oder KI-Agenten, die mehrere LLM-Aufrufe hintereinander absetzen, driften die Kosten weit auseinander: Wer 50 LLM-Aufrufe pro Workflow-Run hat, zahlt bei Make 50 Credits, bei n8n eine einzige Execution, unabhängig von der Schrittzahl.

Make Preismodell: Credits, Szenarien und was sich ab August 2025 geändert hat

Make rechnet pro Modul-Schritt ab. Seit August 2025 heißen diese Schritte “Credits” statt “Operations”, das Prinzip bleibt gleich (make.com, 2025). Eine einfache Aktion verbraucht 1 Credit. KI-Funktionen und dateiintensive Aktionen verbrauchen mehr, je nach gewähltem AI-Provider.

Der kostenlose Plan bietet 1.000 Credits pro Monat, maximal 2 aktive Szenarien und ein Ausführungsintervall von mindestens 15 Minuten (make.com/pricing, 2026). Die maximale Ausführungsdauer liegt bei 5 Minuten, für längere Prozesse reicht das nicht. Für ernsthafte Automatisierung ist der Free Plan zu restriktiv.

Ab dem Core Plan ändert sich das: $9/Monat bei jährlicher Abrechnung für 10.000 Credits, unbegrenzte aktive Szenarien, Mindest-Intervall auf 1 Minute und maximale Ausführungsdauer auf 40 Minuten gesetzt (make.com/pricing, 2026). Der Pro Plan kostet $16/Monat und skaliert bis 8 Millionen Credits. Der Teams Plan kostet $29/Monat, beide jeweils für 10.000 Credits als Basis bei jährlicher Abrechnung (make.com/pricing, 2026).

Das Rechenbeispiel macht den Unterschied greifbar: Ein Workflow mit 50 Schritten, der 200 Mal pro Monat läuft, verbraucht 10.000 Credits, Core Plan gerade ausgeschöpft. Wird ein KI-Agent eingebaut, sind es schnell mehr Credits pro Durchlauf, weil jeder LLM-Aufruf zusätzliche Credits kostet. Das führt direkt zur n8n-Alternative.

n8n Cloud vs. Self-Hosting: Der echte Kostenvergleich

n8n rechnet pro Workflow-Run (Execution) ab, unabhängig davon, wie viele Schritte der Workflow enthält (n8n.io, 2026). Ein 200-Schritt-AI-Agent kostet dieselbe eine Execution wie ein 2-Schritt-Workflow. Das ist der strukturelle Vorteil bei komplexen Automatisierungen und AI-Agenten.

n8n Cloud Tarife (Stand April 2026):

Tarif	Preis/Monat	Executions/Monat
Starter	~$20 (ca. €24)	2.500
Pro	~$50 (ca. €60)	10.000
Business	~$667 (ca. €800)	40.000 + SSO, Git Sync
Enterprise	Custom	Unlimitiert

Seit März 2026 sind aktive Workflows auf allen n8n Cloud-Tarifen unbegrenzt, die frühere Begrenzung im Starter-Tarif gilt nicht mehr (n8n.io, 2026). Die Abrechnung erfolgt ausschließlich nach Executions.

Die günstigste Option ist Self-Hosting. n8n ist Open-Source, du installierst es auf eigenem Server und bezahlst nur die Infrastruktur. Ein Hetzner CX22 (2 vCPU, 4 GB RAM, 40 GB SSD) kostet €3,79/Monat (hetzner.com, 2026). Das sind unter €46 im Jahr für unbegrenzte Workflows und unlimitierte Executions ohne künstliche Limits.

Unsere eigene Infrastruktur läuft auf zwei Hetzner-Instanzen: eine Build-Umgebung (CX32, €6,80/Monat) und eine Production-Instanz (CX43, €9,49/Monat), zusammen €16,29/Monat für ZWEI vollwertige n8n-Instanzen mit über 200 aktiven Workflows (Eigene Messung, 2026). Ein Zapier Pro Plan für $240/Jahr hätte uns 1.500 Tasks im Monat gegeben, bei n8n ist die Zahl der Ausführungen faktisch unbegrenzt.

Für einen tieferen Kostenvergleich mit konkreten Szenarien: n8n Kosten im Detail.

n8n Self-Hosting und DSGVO: Warum das für den Mittelstand entscheidend ist

Für KMU in regulierten Branchen entscheidet die Frage „Wo laufen meine Daten?” über Compliance, Haftung und Kundenvertrauen. n8n lässt sich auf eigenem Server in deutschen Rechenzentren betreiben, ohne Drittanbieter-Zugriff und ohne Subprozessoren außerhalb des EWR. Make ist Cloud-only; vollständige Datensouveränität ist damit nicht erreichbar, auch wenn eine EU-Zone verfügbar ist.

Make ist ausschließlich Cloud-hosted. Kein Self-Hosting möglich, alle Workflow-Daten, alle verarbeiteten Informationen laufen durch Makes Infrastruktur (make.com, 2026). Make bietet eine EU-Zone (eu1.make.com), und Kunden können das europäische Rechenzentrum wählen. Aber das ist keine vollständige Datensouveränität: Subprozessoren können außerhalb des Europäischen Wirtschaftsraums sitzen, und Make behält immer Datenzugriff auf der Infrastrukturebene. Standard-Contractual Clauses (SCCs) sind vorhanden, aber keine Garantie für 100% EU-Datenschutz.

n8n Self-Hosted auf einem deutschen Rechenzentrum, etwa Hetzner in Falkenstein oder Nürnberg, bedeutet: Daten verlassen nie das eigene System. Kein Drittanbieter hat Zugriff, keine Subprozessoren in Übersee, kein Compliance-Risiko durch fremde Infrastruktur.

Für welche Branchen ist das relevant? Die Liste ist länger als viele denken:

• Rechtsanwaltskanzleien und Steuerberater, Berufsgeheimnis nach §43a BRAO
• Arztpraxen und Kliniken, ärztliche Schweigepflicht nach §203 StGB
• Banken und Finanzdienstleister, MaRisk und DORA-Anforderungen
• Unternehmen mit Betriebsgeheimnissen, GeschGehG

Aber Ehrlichkeit ist angebracht: Für viele KMU reicht Makes EU-Hosting vollkommen aus. Wenn du keine besonders schützenswerten Daten verarbeitest, kein Berufsgeheimnis trägst und kein reguliertes Gewerbe betreibst, dann ist Make DSGVO-konform genug. Self-Hosting lohnt sich nur, wenn echte Datenschutzanforderungen bestehen oder das Volumen entsprechend skaliert. Das ist unsere ehrliche Einschätzung nach vielen Projekten. Wer das Thema Automatisierung im Mittelstand grundsätzlicher betrachten will, findet dort unseren Überblick.

Integrationen und App-Ecosystem: Make hat mehr, n8n ist flexibler

Make hat über 3.000 App-Module und deckt gängige Marketing- und CRM-Tools mit spezialisierten Modulen ab (make.com, 2026). n8n kommt auf 1.200+ native Nodes, ergänzt durch den HTTP-Request-Node, der auf allen Tarifen jede REST-API ohne vorgefertigten Node anbindet (n8n.io, 2026). Der Zahlenunterschied ist real, in der Praxis aber kleiner als er wirkt: Mit direktem API-Zugriff hat n8n faktisch unbegrenzte Integrationsmöglichkeiten.

Warum? Weil n8n den HTTP-Request-Node auf allen Tarifen unbegrenzt zur Verfügung stellt. Damit lässt sich praktisch jede REST-API anbinden, ohne dass ein vorgefertigter Node existiert. Wer die API-Dokumentation eines Dienstes lesen kann, hat in n8n unbegrenzte Integrationsmöglichkeiten, ohne Zusatzkosten, ohne Credits, ohne Kompromisse. Hinzukommt: JavaScript und Python sind in Code-Nodes auf allen n8n-Tarifen frei nutzbar (n8n.io, 2026).

Make hat die bessere Abdeckung für gängige Marketing- und CRM-Tools out-of-the-box: ActiveCampaign, Mailchimp, HubSpot, Shopify, viele davon mit spezialisierten Modulen, die mehr können als ein generischer HTTP-Aufruf. Für Business-Teams, die genau diese Tools nutzen und schnell starten wollen, ist das ein echter Vorteil.

Für technische Teams, die Custom APIs anbinden, Legacy-Systeme integrieren oder eigene Services entwickeln, relativiert sich der Vorsprung. Bei Make ist der Code-App-Zugang auf bezahlte Tarife beschränkt und verbraucht Credits wie jedes andere Modul. Bei n8n gibt es diese Einschränkung nicht.

Die Zahl der Integrationen sagt zudem nichts über die Wartungsqualität. n8n hat mit 183.400+ GitHub Stars und über 200.000 Community-Mitgliedern eine aktive Open-Source-Community (github.com/n8n-io/n8n, April 2026), die Nodes pflegt und erweitert. Allein 5.834 Community-Nodes kamen bis Januar 2026 dazu.

Integrationen sind dabei der Blick in die Gegenwart. Wer vorausschaut, muss die KI-Agenten-Architektur beider Plattformen vergleichen, und da ist der Unterschied besonders deutlich.

KI-Agenten und AI-Workflows: n8n AI Agent Node vs. Make AI Agents

n8n gehörte zu den ersten Automatisierungsplattformen mit nativen AI Agent Nodes und hat das Feature-Set kontinuierlich ausgebaut: direkte LLM-Integration (OpenAI, Anthropic, lokale Modelle via Ollama), Memory-Nodes für persistenten Kontext zwischen Workflow-Runs, RAG-Pipelines für Dokumentensuche und Vector Database Support (n8n.io, 2026). Das ist eine durchdachte Architektur für komplexe KI-Agenten, kein nachträglich angedocktes Feature.

Make hat AI Agents im April 2025 eingeführt (make.com, 2025). Grundlegende Agenten-Use-Cases sind abgedeckt: Tool-Aufruf, Multi-Step-Reasoning, einfache Speicherung. Für komplexere Architekturen wie RAG-Pipelines, Vector-Datenbankanbindung oder Multi-Agenten-Orchestrierung fehlen native Features, das erfordert Workarounds über externe APIs.

Das Preismodell spielt hier besonders eine Rolle. Bei Make kostet jeder LLM-Aufruf mindestens 1 Credit, bei Makes eigenem AI Provider sind Token-Kosten in die Credits eingepreist, was bei intensiver KI-Nutzung schnell teuer wird. Wer seinen eigenen API-Key (OpenAI, Anthropic) mitbringt, zahlt den Make-Modul-Credit plus die separate API-Rechnung direkt beim Anbieter (help.make.com, 2025). Ein Workflow mit 50 LLM-Schritten, der 100 Mal im Monat läuft, verbraucht mindestens 5.000 Credits allein für die Make-Overhead-Kosten.

Bei n8n mit eigenem API-Key: 1 Execution für den gesamten Workflow, LLM-Kosten direkt beim Anbieter, kein n8n-Aufschlag pro Schritt.

Wir betreiben selbst mehrere AI-Agenten-Workflows auf n8n: Research Orchestrator, Morning Briefing, Content Machine, Fact-Checker (Eigene Messung, 2026). Alle laufen auf derselben Self-Hosted-Instanz, ohne dass die Execution-Kosten mit der Workflow-Komplexität steigen.

Für alle, die KI-Agenten in n8n aufbauen wollen: In KI-Agenten in n8n erstellen zeigen wir konkret, wie ein vollständiger AI Agent aufgesetzt wird.

Unsere Erfahrung nach 200+ Projekten: Was wirklich den Unterschied macht

Nach 200+ Projekten mit beiden Plattformen ist unsere Einschätzung klar: n8n gewinnt bei Kosten-Skalierung, KI-Agenten und Datensouveränität, Make gewinnt bei Einsteigerfreundlichkeit und Standard-Integrationen. Wir betreiben selbst 200+ Workflows auf n8n Self-Hosted auf Hetzner für €16,29/Monat, darunter Research Orchestrator, Content Machine und Kundenprojekte (Eigene Messung, 2026).

Auf unserer Self-Hosted n8n-Instanz laufen aktuell über 200 Workflows, davon 60-70 dauerhaft aktiv (Eigene Messung, 2026): Kundenprojekte (SPIN Trainer, Lead-Import, Meta-Retargeting, Deal-Sync), eigene Systeme (Research Orchestrator, Content Machine, Morning/Evening Briefing, Budget-Agent) und Utilities (Central Logger, Deploy Gate, Error Handler). Die komplexesten Workflows haben 27-49 Nodes mit verketteten Sub-Workflows. Das läuft alles auf Hetzner für €16,29/Monat für zwei Instanzen.

Der Auslöser für unsere Entscheidung war ein konkretes Problem: ein Polling-Szenario, das alle 5 Minuten einen Lead-Broker abfragen musste. Bei Zapier und Make stießen wir schnell an die Grenzen, sowohl beim Mindest-Intervall als auch bei den Kosten, die mit jedem Abfrage-Zyklus mitliefen. Mit n8n Self-Hosted: Polling alle 5-30 Sekunden, keine Credits pro Abfrage, keine künstlichen Limits (Eigene Messung, 2026). Die Kosten für einen ganzen Monat liegen bei €3,79 für den Server, egal wie oft der Workflow läuft.

Wann wir Make empfehlen

Make empfehlen wir, wenn das Team eigenständig Workflows bauen soll, ohne Entwickler-Hintergrund, ohne IT-Support im Rücken. Der visuelle Editor ist wirklich intuitiv, und für Standard-SaaS-Integrationen (HubSpot, Mailchimp, Google Workspace, Shopify) hat Make die bessere Out-of-the-Box-Abdeckung.

Konkret: Wenn DSGVO-Anforderungen durch das EU-Rechenzentrum erfüllt sind, keine Skalierungspläne in Richtung komplexer AI-Agenten bestehen, und das Team eigenständig ohne technische Unterstützung arbeiten soll, dann ist Make Core für $9/Monat ein fairer, schneller Einstieg. Einfachheit und schneller Start sind valide Entscheidungsgründe.

Wann wir n8n empfehlen

n8n empfehlen wir, wenn mindestens eines dieser Szenarien zutrifft: DSGVO-Anforderungen erfordern echte Datensouveränität. Das Team hat technischen Hintergrund oder IT-Affinität. KI-Agenten oder komplexe, mehrstufige Logik sollen gebaut werden. Das Workflow-Volumen skaliert, und die Make-Kosten würden mit jedem zusätzlichen Schritt mitskalieren.

Hand aufs Herz: Die meisten Kunden, die zu uns kommen und skalieren wollen, landen am Ende bei n8n. Nicht weil Make schlecht ist, sondern weil n8n bei Wachstum das bessere Preismodell hat. Wer den Einstieg sucht, findet in unserem n8n Tutorial für Einsteiger eine Schritt-für-Schritt-Anleitung.

Von Make zu n8n wechseln: Was du vorher wissen musst

Eine Migration von Make zu n8n ist kein 1:1-Export, es gibt keinen automatischen Konverter, der Make-Szenarien in n8n-Workflows übersetzt. Du baust die Logik in n8n neu auf, was Aufwand bedeutet, aber auch die Chance bietet, Prozesse mit Code-Nodes und Sub-Workflows besser zu lösen. Standard-API-Integrationen und Webhooks sind unproblematisch; Make-spezifische Konstrukte wie Router oder Aggregatoren erfordern Anpassungen.

Was du bei der Migration verlierst (und was nicht)

Vieles geht reibungslos: Standard-API-Integrationen, Webhooks, HTTP-Requests, n8n hat für fast alle gängigen SaaS-Tools native Nodes. Wo ein nativer Node fehlt, übernimmt der HTTP-Request-Node. Für die meisten Standard-Integrationen ist die Migration technisch unproblematisch.

Was Nachbauarbeit erfordert: Make-spezifische Logik wie der visuelle Router (n8n hat einen Switch-Node, der strukturell anders funktioniert), Make-Aggregatoren (n8n löst das mit Merge-Nodes auf verschiedene Arten) und einige sehr spezialisierte Make-Module ohne direktes Äquivalent. Das sind Ausnahmen, nicht die Regel.

Was du gewinnst: Das Execution-basierte Preismodell, Self-Hosting-Option, tiefere KI-Agenten-Architektur und JavaScript/Python in Code-Nodes auf allen Tarifen.

Der Aufwand hängt stark von der Workflow-Komplexität ab: Einfache Szenarien mit wenigen Modulen und linearem Ablauf lassen sich aus unserer Projekterfahrung schnell nachbauen. Komplexe Workflows mit mehreren Pfaden, Filtern und Fehlerbehandlung brauchen deutlich mehr Zeit, und sollten als Chance genutzt werden, den Prozess mit aktuellen Möglichkeiten neu zu denken statt ihn 1:1 zu kopieren.

Aus eigener Erfahrung: Unsere Zapier-zu-n8n-Migration hat 5 Monate im Parallelbetrieb gedauert, weil wir jeden Workflow einzeln bewertet haben (Eigene Messung, 2026). Neue Automatisierungen liefen direkt in n8n, die bestehenden wurden schrittweise überführt. Das ist der pragmatische Weg, kein Big Bang, sondern ein kontrollierter Übergang.

Wer Zapier als dritte Option auf dem Radar hat, findet den Vergleich in unserem n8n vs Zapier Vergleich.

FAQ: Häufige Fragen zu n8n vs Make

Die folgenden Fragen kommen in Beratungsgesprächen regelmäßig. Jede Antwort steht eigenständig, ohne Verweis auf andere Abschnitte dieses Artikels.

Was ist der Unterschied zwischen n8n und Make?

Make rechnet pro Modul-Schritt (Credit) ab, jeder einzelne Schritt in einem Szenario verbraucht Geld. n8n rechnet pro Workflow-Run ab: Ein 200-Schritt-AI-Agent zählt als eine einzige Execution, unabhängig von der Schrittzahl *(n8n.io, 2026)*. Dazu kommt: Make ist ausschließlich Cloud-hosted, n8n lässt sich wahlweise auf eigenem Server betreiben.

Ist n8n kostenlos?

Die Self-Hosted-Version von n8n ist kostenlos, du zahlst nur die Server-Infrastruktur (Hetzner-Beispiel oben, ~€46 pro Jahr). n8n Cloud startet bei ~$20 pro Monat für 2.500 Executions. Bei eigenem Server gibt es keine Execution-Limits.

Ist Make DSGVO-konform?

Für die meisten Unternehmen: ja. Make bietet eine EU-Zone (eu1.make.com) mit europäischem Rechenzentrum *(make.com, 2026)*. Vollständige Datensouveränität ist damit aber nicht garantiert, Subprozessoren können außerhalb des EWR sitzen. Anwälte, Ärzte und Banken, alle unter Berufsgeheimnis oder regulatorischer Pflicht, brauchen Self-Hosting auf eigenem EU-Server, wie es n8n ermöglicht.

Wann sollte ich von Make zu n8n wechseln?

Drei Situationen machen den Wechsel sinnvoll: Deine Make-Kosten skalieren mit jedem zusätzlichen Workflow-Schritt. Du willst KI-Agenten mit komplexer Logik wie RAG-Pipelines oder Memory-Nodes bauen. Oder DSGVO-Anforderungen erfordern echte Datensouveränität. Der Migrationsaufwand variiert je nach Workflow-Komplexität, einfache Szenarien sind schnell nachgebaut, komplexere erfordern mehr Planung.

Kann Make KI-Agenten bauen wie n8n?

Grundlegende Agenten-Funktionen hat Make im April 2025 eingeführt *(make.com, 2025)*. Für komplexere Architekturen, RAG-Pipelines, Vector-Datenbankanbindung, Multi-Agenten-Orchestrierung oder persistentes Memory, fehlen native Features; das erfordert Workarounds über externe APIs. n8n hat hier einen deutlichen Entwicklungsvorsprung: Nativer AI Agent Node, direkte LLM-Integration und Memory-Nodes sind tief in die Plattform integriert.

Wie viele Integrationen hat n8n?

Über 1.200 native Nodes stehen bei n8n bereit *(n8n.io, 2026)*. Make kommt auf 3.000+ App-Module, der Zahlenunterschied ist real, aber in der Praxis kleiner als er wirkt. Der HTTP-Request-Node in n8n bindet praktisch jede REST-API an, ohne dass ein vorgefertigter Node nötig ist. JavaScript und Python laufen auf allen Tarifen.

Was ändert sich beim Make-Preismodell ab August 2025?

Ab August 2025 heißen Operations bei Make „Credits" *(make.com, 2025)*. Das Prinzip bleibt gleich: jeder Modul-Schritt kostet Geld. Neu ist das variable Modell, KI-Funktionen und dateiintensive Aktionen verbrauchen mehr Credits als Standard-Aktionen. Der Core Plan kostet weiterhin $9 pro Monat für 10.000 Credits bei jährlicher Abrechnung.

Wie aufwendig ist die Migration von Make zu n8n?

Der Aufwand hängt von der Komplexität deiner bestehenden Szenarien ab. Einfache Workflows mit linearem Ablauf lassen sich zügig nachbauen, bei komplexeren Automatisierungen mit Verzweigungen und Fehlerbehandlung steigt der Aufwand entsprechend. Unsere Empfehlung: kein Big-Bang-Wechsel, sondern paralleler Betrieb, neue Automatisierungen direkt in n8n, bestehende Szenarien schrittweise überführen. Unsere eigene Zapier-zu-n8n-Migration dauerte 5 Monate im Parallelbetrieb *(Eigene Messung, 2026)*.

## Fazit: n8n oder Make: es hängt von deiner Situation ab

n8n gewinnt nicht immer, Make ist für bestimmte Situationen das ehrlich bessere Tool. Die richtige Wahl hängt vom Team-Hintergrund, von den Datenschutzanforderungen und vom Wachstumspfad ab. Für Teams ohne technischen Hintergrund mit Standard-SaaS-Tools ist Make Core für $9/Monat der smartere Start. Für alles mit KI-Agenten, Datensouveränität oder Skalierung gewinnt n8n.

Make ist die ehrlichere Empfehlung, wenn das Team kein technisches Hintergrundwissen hat, Standard-SaaS-Integrationen im Vordergrund stehen, kein Self-Hosting nötig ist und DSGVO-Anforderungen durch das EU-Rechenzentrum erfüllt werden. Make Core für $9/Monat ist ein fairer, schneller Einstieg.

n8n gewinnt, wenn Datenschutz echte Anforderungen stellt, besonders in regulierten Branchen. Wenn KI-Agenten mit komplexer Logik geplant sind. Wenn das Volumen skaliert und Make-Kosten pro Schritt mitskalieren würden. Oder wenn ein technisches Team vorhanden ist, das den vollen Funktionsumfang nutzen will.

Der Hetzner-Einstieg für €3,79/Monat macht n8n Self-Hosting greifbarer als die meisten erwarten. Das Execution-Modell, ein Workflow-Run unabhängig von der Schrittzahl, ist bei AI-Agenten ein struktureller Vorteil, der bei Make teuer werden kann. Und mit 183.400+ GitHub Stars und einer aktiven Community (github.com/n8n-io/n8n, April 2026) ist n8n kein Nischenprojekt mehr.

Wer tiefer einsteigen will: n8n Kosten im Detail zeigt die vollständige Preiskalkulation für verschiedene Szenarien. In KI-Agenten in n8n erstellen zeigen wir, wie ein vollständiger AI Agent von Grund auf aufgesetzt wird.

Quellen

1. n8n.io — https://n8n.io/pricing
2. make.com — https://www.make.com/en/pricing (Bot-Schutz aktiv, automatisch nicht prüfbar — Stand 2026-04-28)