Halkali Merkez Viertel Fatih Str. Ozgur Apt. No. 46, Kucukcekmece, Istanbul, 34303, TR
Agentic AI bezeichnet ein Sprachmodell, das mehrstufige Aufgaben zur Erreichung eines Ziels ausführt — durch Nutzung von Tools, Planung von Zwischenschritten und Bewertung von Ergebnissen —, statt nur einen einzelnen Prompt zu beantworten. Dieser Leitfaden erklärt die Grundkonzepte und richtet mit n8n und Ollama einen selbst gehosteten Agenten-Workflow ein.
Damit ein System als "Agent" gilt, müssen vier Kernfähigkeiten gemeinsam vorhanden sein.
Die Fähigkeit des Modells, externe Tools wie API-Aufrufe, Dateizugriffe oder Befehlsausführung zu nutzen, statt nur Text zu erzeugen.
Ein komplexes Ziel in kleinere Schritte zu zerlegen, die sequenziell oder bedingt ausgeführt werden.
Speicherung vorheriger Schritte und Ergebnisse, damit sie in die nächste Entscheidung einfließen können.
Der Agent prüft sein eigenes Ergebnis und plant bei Bedarf einen neuen Schritt, wenn das Ziel noch nicht erreicht wurde.
Ein Chatbot nimmt einen Prompt entgegen und erzeugt eine Antwort; ein Agent führt mehrere Schritte selbstständig aus, bis das Ziel erreicht ist.
Verkettete Vorgänge wie "Daten aus dieser API abrufen, verarbeiten, E-Mail senden" werden über vom Agenten selbst geplante Schritte ausgeführt, nicht über einen einzelnen Prompt.
Statt nur Text zu erzeugen, kann er echte API-Aufrufe, Datenbankabfragen oder Dateioperationen durchführen.
Schlägt ein Schritt fehl, kann der Agent das Ergebnis bewerten und einen alternativen Weg versuchen.
Mit zunehmender Autonomie muss begrenzt werden, auf welche Tools der Agent zugreifen und welche Aktionen er ohne Freigabe ausführen darf.
Der AI-Agent-Node von n8n verbindet ein Sprachmodell mit Tools, um Agenten-Logik in einer visuellen Oberfläche aufzubauen.
Richten Sie n8n und Ollama, das ein lokales Sprachmodell ausführt, mit Docker auf Ihrem Server ein.
Definieren Sie in n8n einen Ollama-Chat-Model-Zugangsdaten-Eintrag, um sich mit dem Sprachmodell zu verbinden.
Fügen Sie dem Workflow den AI-Agent-Node hinzu und schreiben Sie einen System-Prompt, der das Ziel definiert.
Verbinden Sie HTTP Request, Codeausführung oder andere n8n-Nodes als Tools, die der Agent nutzen kann.
Fügen Sie eine Memory-Komponente hinzu, damit sich der Agent an vorherige Nachrichten erinnern kann.
Testen Sie mit einer echten Aufgabe; begrenzen Sie aus Sicherheitsgründen die zugänglichen Tools und die Anzahl der Schritte.
curl -fsSL https://ollama.com/install.sh | sh ollama pull qwen3:4b
docker run -d --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n n8nio/n8n
Türkei (Türkisch)
Germany (German)
Worldwide (English)
curl http://localhost:11434/api/generate -d '{"model":"qwen3:4b","prompt":"hallo"}'docker logs -f n8n
GET https://api.example.com/status -> als Tool mit dem AI-Agent-Node verbunden
docker restart n8n ollama
Nein. RAG bedeutet, dass das Modell relevante Inhalte aus einer externen Wissensquelle abruft und dem Kontext hinzufügt; ein Agent geht darüber hinaus und umfasst mehrstufige Planung und Tool-Nutzung. Ein Agent kann RAG als eines seiner Tools verwenden.
Nein. Agenten-Logik lässt sich auch mit einem lokalen/selbst gehosteten Modell über Tools wie Ollama aufbauen; Modellqualität und Geschwindigkeit hängen von der Hardware ab.
Der Tool-Zugriff sollte nach dem Prinzip geringster Rechte begrenzt werden, für nicht umkehrbare Aktionen (Löschen, Zahlungen usw.) sollte ein Freigabeschritt durch Menschen eingebaut werden, und die Anzahl der Vorgänge/Schritte sollte begrenzt sein.
Bibliotheken wie LangChain und LlamaIndex ermöglichen den Aufbau von Agenten per Code; Tools wie n8n und Flowise ermöglichen den Agentenaufbau über visuelle Workflows.
Nein. Agenten tragen weiterhin die Grenzen des zugrunde liegenden Sprachmodells; Halluzinationen und falsche Tool-Auswahl sind Risiken, daher sind Verifizierungsschritte bei kritischen Vorgängen wichtig.
Ja. Beide Dienste lassen sich mit Docker gemeinsam auf einem Linux-VPS mit ausreichend RAM- und CPU-/GPU-Ressourcen installieren; der Ressourcenbedarf hängt von der gewählten Modellgröße ab.
Entdecken Sie unsere Linux-VPS-Pakete mit NVMe-Speicher und vollem Root-Zugriff – bereit für Ihre KI-Agenten-Workflows.