Make für AI Automation — Funktionen, Workflows und Praxisbeispiele

Was ist Make für AI Automation?

AI Automation mit Make verbindet visuelle Workflow-Automatisierung mit moderner Künstlicher Intelligenz. Make.com ist eine No-Code-Plattform, die es Schweizer KMU, Agenturen und Unternehmen ermöglicht, komplexe Prozesse ohne technische Programmierkenntnisse zu automatisieren.

Die zentrale Stärke von Make für AI Automation liegt in der Einfachheit und Vielseitigkeit. Der visuelle Workflow-Builder ermöglicht es, Szenarien (Workflows) durch einfache Drag-and-Drop-Bedienung zu erstellen. Jede Aktion wird mit anderen verbunden — vom Dateneingang über KI-Verarbeitung bis zur Ausgabe.

Make.com als No-Code-Plattform

Make.com kommt für den Regelfall ohne eine einzige Codezeile aus. Stattdessen verwenden Sie vorgefertigte Module — kleine Funktionsblöcke, die spezifische Aufgaben ausführen. Diese Module verbinden sich zu einem Szenario, das automatisch nach Plan ausgeführt wird.

Das Unterscheidungsmerkmal: Make bietet über 3'000 integrierte Anwendungen (Apps), von Kundenmanagementsystemen über E-Mail bis zu Cloud-Speicherlösungen (Make Integrations, «3,000+ Integration Apps», abgerufen am 24. August 2026). Dadurch lassen sich Daten nahtlos zwischen verschiedenen Tools verschieben.

KI-Integration in Make Workflows

Was Make besonders für AI Automation interessant macht, ist die native Integration von KI-Modellen. In Make können Sie direkt mit ChatGPT, Claude, Gemini und anderen Large Language Models arbeiten. Das bedeutet:

• KI-Module für Textgenerierung, Zusammenfassung und Analyse
• Eigene Aktionen mit direktem Zugriff auf LLM-Schnittstellen
• Prompt Engineering direkt im Workflow
• Direkte Weitergabe der KI-Ausgaben an andere Anwendungen

Ein praktisches Beispiel: Ein Lead landet im CRM. Make ruft automatisch ChatGPT auf, um eine personalisierte Follow-up-E-Mail zu schreiben. Diese E-Mail wird direkt an das CRM zurückgeführt — alles ohne manuelles Zutun.

---

Make Funktionen für Automatisierung

AI Automation in Make funktioniert durch fünf Kernkomponenten:

Visueller Workflow-Builder

Der Szenario-Builder — so nennt Make seinen Workflow-Editor — zeigt jede Aktion als visuellen Block. Sie verbinden diese Blöcke per Drag-and-Drop:

• Trigger (Auslöser): Eine neue E-Mail kommt an, ein Formular wird ausgefüllt, eine API-Anfrage trifft ein
• Aktion (Action): Daten werden gelesen, transformiert, an KI gesendet
• Bedingung (Condition): Nur unter bestimmten Voraussetzungen weitergehen
• Filter (Filter): Unerwünschte Daten herausfiltern
• Router (Router): Verschiedene Pfade je nach Ergebnis

Das macht AI Automation für Einsteiger zugänglich: Sie sehen den gesamten Prozess auf einen Blick.

LLM-Integration und AI-Module

Make bietet native KI-Module für:

• Textgenerierung: ChatGPT und Claude für E-Mails, Beiträge in sozialen Netzwerken und Inhalte aller Art
• Dokumentenanalyse: PDFs und Bilder über ein Modell mit Bildverständnis auslesen
• Datenextraktion: Die KI zieht strukturierte Felder aus unstrukturiertem Text
• Stimmungsauswertung: automatische Einordnung von Kundenrückmeldungen
• Übersetzung: KI-basierte Mehrsprachigkeit für globale AI Automation

Ein häufiger Anwendungsfall: Eine Kundenanfrage kommt per E-Mail herein. Make leitet die E-Mail an ChatGPT, das eine fachgerechte Antwort generiert, und sendet diese automatisch ab.

3'000+ App-Integrationen

Make verbindet nicht nur KI-Tools, sondern auch Geschäftsanwendungen:

• CRM (HubSpot, Salesforce, Pipedrive): Lead-Verwaltung
• E-Mail und Marketing (Gmail, Brevo, Mailchimp): Kampagnen-Automatisierung
• Tabellen (Google Sheets, Excel): Datenverarbeitung
• Cloud-Speicher (Google Drive, OneDrive, Dropbox): Ablage und Archivierung
• Slack, Teams: Benachrichtigungen und Zusammenarbeit
• Webhooks und APIs: eigene Anbindungen für Werkzeuge ohne fertiges Modul

Diese Integrationen sind die Grundlage für echte AI Automation: KI trifft auf Ihre existierenden Geschäftsprozesse.

Filter, Bedingungen und Routen

AI Automation erfordert oft bedingte Logik:

• «Falls die KI-Antwort negativ ausfällt, leite den Fall an eine verantwortliche Person weiter»
• «Falls das Dokument nicht auf Englisch vorliegt, übersetze es zuerst»
• «Falls der Lead ins Zielprofil passt, füge ihn dem Vertriebsprozess hinzu»

Make ermöglicht diese Intelligenz durch Bedingungen und Router, die unterschiedliche Prozesse basierend auf Ergebnissen starten.

Fehlerbehandlung und Wiederholungen

Kein Workflow läuft immer durch. Make bietet dafür:

• Automatische Wiederholungen bei Fehlern
• Ausweichpfade für den Fall, dass ein Modul nicht antwortet
• Protokolle und Fehlersuche je Ausführung
• Benachrichtigungen bei fehlgeschlagenen Szenarien

Das macht AI Automation alltagstauglich — fehlerfrei wird sie damit nicht, aber Fehler bleiben sichtbar und nachvollziehbar.

---

AI Automation Workflows in Make

Am schnellsten wird Make an Praxisbeispielen greifbar.

ChatGPT-basierte Lead-Generierungs-Workflows

Szenario: Ein Webformular auf Ihrer Website wird ausgefüllt.

Workflow in Make:

1. Auslöser: Neuer Formular-Eintrag erkannt
2. Aktion: Lead-Daten aus dem Formular auslesen (Name, E-Mail, Anfrage)
3. KI-Modul: ChatGPT wertet die Anfrage aus und formuliert eine kurze Einschätzung
4. Filter: Nur Leads oberhalb der selbst gesetzten Punktzahl weitergeben
5. Aktion: Qualifizierte Leads ins CRM übertragen
6. Aktion: Folge-E-Mail mit KI-generiertem Text senden

Ergebnis: Die Vorsortierung läuft rund um die Uhr, statt am nächsten Werktag von Hand. Wie zuverlässig sie trennt, entscheidet der Bewertungs-Prompt — den prüfen Sie an eigenen Anfragen nach.

Dokumentenverarbeitung mit KI

Szenario: Eingehende Rechnungen müssen verarbeitet werden.

Workflow in Make:

1. Auslöser: Neue Rechnung als PDF kommt per E-Mail
2. Aktion: PDF-Datei in Make laden
3. KI-Modul: Ein Modell mit Bildverständnis liest die Rechnung aus
4. Aktion: Ausgelesene Daten (Betrag, Nummer, Datum) an die Buchhaltungssoftware senden
5. Aktion: Rechnung mit KI-generiertem Titel im Cloud-Speicher ablegen
6. Benachrichtigung: Slack-Nachricht an die Buchhaltung

Ergebnis: Die manuelle Dateneingabe entfällt, die Arbeit verlagert sich vom Erfassen zum Prüfen der Ausnahmen. Wie viel Zeit das freispielt, hängt am Belegvolumen und an der Scanqualität — eine allgemeine Quote dafür haben wir nicht.

Customer Service Automatisierung

Szenario: Es kommen täglich mehr Support-Anfragen herein, als von Hand sortiert werden können.

Workflow in Make:

1. Auslöser: Neue Support-E-Mail kommt an
2. KI-Analyse: ChatGPT klassifiziert die Anfrage (Rechnungsfrage, technischer Fehler, Funktionswunsch)
3. Bedingung: Je nach Kategorie unterschiedliche Pfade

- Rechnungsfrage: Rechnung automatisch suchen und senden
- Technischer Fehler: Ticket ans Support-Team
- Funktionswunsch: ins Rückmeldungs-System eintragen

1. Aktion: Bestätigungs-E-Mail mit KI-generiertem Text

Ergebnis: Wiederkehrende Standardanfragen laufen vollautomatisch durch, alles Übrige wird klassifiziert und an die richtige Stelle geleitet. Welcher Anteil vollautomatisch endet, zeigt erst die Auswertung der eigenen Tickets.

Datenvalidierung und Bereinigung

Szenario: Die Kundendaten in Excel sind unvollständig und ungeordnet.

Workflow in Make:

1. Auslöser: Monatlich wird eine neue Excel-Datei hochgeladen
2. Aktion: Daten aus Excel laden
3. KI-Modul: ChatGPT prüft E-Mail-Adressen auf Plausibilität und ergänzt fehlende Namen aus dem Kontext
4. Filter: Duplikate entfernen
5. Aktion: Bereinigte Daten zurück nach Excel oder ins CRM

Ergebnis: Die Bereinigung läuft bei jedem Durchlauf mit, statt von Hand angestossen zu werden. Sie ersetzt die Kontrolle nicht: Ein Modell, das fehlende Namen aus dem Kontext ergänzt, rät — und rät mitunter falsch. Wie viel Handarbeit tatsächlich wegfällt, zeigt erst der Abgleich einer bereinigten Datei mit dem Original.

---

Preismodell und Kostenplanung

Quellen der Preisangaben: Make, Zapier, n8n — alle abgerufen am 24. August 2026. Ausgewiesen waren dort: Make Free «Up to 1,000 credits/mo», Core 9, Pro 16 und Teams 29 USD für 10'000 Credits; Zapier Professional 129 und Team 169 USD für 10'000 Tasks; n8n Cloud Pro «50€/mo, billed annually» für «10K workflow executions», Starter «20€/mo, billed annually» für «2.5K workflow executions». Alle drei Anbieter nennen diese Beträge für die Jahreszahlung. Make stellt den Umschalter «Pay monthly» / «Pay annually» mit dem Hinweis «Save 15% or more» darüber; bei monatlicher Zahlung kostet Core 10.59, Pro 18.82 und Teams 34.12 USD. Zapier beschriftet seinen Umschalter mit «Pay monthly» / «Pay yearly (Save 33%)»; monatlich sind es dort 193.50 USD (Professional) und 253.50 USD (Team) für 10'000 Tasks. n8n führt ebenfalls einen Umschalter und beziffert den Jahresrabatt mit «Save 17%», nennt den Monatsbetrag im Seitentext aber nicht. Der Vergleich in diesem Artikel rechnet durchgehend mit der Jahreszahlung. Die Preise für höhere Credit-Volumen stehen bei Make nur hinter dem Regler und nicht im Seitentext; sie werden hier deshalb nicht genannt. Anbieterpreise ändern sich; die Beträge sind Momentaufnahmen und vor einer Investitionsentscheidung am Original zu prüfen.

AI Automation mit Make muss nicht teuer sein, wenn Sie das Preismodell verstehen.

Credit-basierte Kalkulation

Make hat die frühere Bezeichnung «Operations» durch Credits ersetzt. Für den Regelfall gilt: eine Modul-Aktion zählt als ein Credit — eine Zeile in Google Sheets anlegen, ein Gmail-Konto abfragen, eine ChatGPT-Anfrage stellen. Make unterscheidet dabei Apps ohne KI («Non-AI apps: 1 operation equals 1 credit.») und Drittanbieter-KI-Apps wie OpenAI, Anthropic Claude und Gemini, für die dieselbe Regel gilt und die Modellkosten zusätzlich beim Anbieter anfallen.

Was ein einzelner Schritt kostet:

• Einfache Aktion (E-Mail senden): 1 Credit
• Webhook-Empfang: 1 Credit
• KI-Modul über eine Drittanbieter-App mit eigenem Anbieterkonto (ChatGPT-Anfrage): 1 Credit je Aufruf
• Datenbank-Abfrage: 1 Credit
• KI-Modul ohne eigenes Anbieterkonto oder über Makes eigenen KI-Anbieter: nicht fix — Token und weitere Faktoren zählen mit
• Code-Schritt (Make Code App): 2 Credits je Sekunde Laufzeit

Von dieser Grundregel nennt Make selbst mehrere Ausnahmen — sie treffen genau die KI-lastigen und die rechenintensiven Schritte:

• Makes eigener KI-Anbieter, den AI Agents und das AI Toolkit nutzen: «Make’s AI Provider (all plans): Credits are based on tokens and operations.» Ein Aufruf kostet dort mehr als einen Credit.
• Automatisch verbundene KI-Anbieter ohne eigene Kontoanbindung — Make AI Web Search, Make AI Content Extractor und die Simple-Text-Prompt-Module: «Credits are based on tokens, operations, and other usage-based factors.» Denselben Vorbehalt macht Make direkt hinter der Drittanbieter-Regel: «Credits for modules with automatic AI provider connections also include token usage.»
• Make Code App, also eigenes JavaScript oder Python im Szenario: Die Preisseite rechnet dort nach Laufzeit ab, nicht nach Schrittzahl — «2 credits per 1 sec of code execution time».
• Einzelne Module des AI Content Extractor kosten auch bei fixer Abrechnung mehr als einen Credit je Operation; Make kennzeichnet sie mit einem eigenen Hinweis.

Für die Mehrzahl der Module treibt nicht die Länge einer Anfrage den Verbrauch, sondern die Zahl der Schritte im Szenario. Wer KI-Module von Make selbst, automatisch verbundene KI-Dienste oder eigenen Code einsetzt, rechnet dagegen nicht mehr mit der Schrittzahl allein: Dort zählen Token beziehungsweise Laufzeit mit, und der Verbrauch je Aufruf steht erst nach dem Lauf fest.

Quelle der Credit-Regel: Make Help Center — Credits («Non-AI apps: 1 operation equals 1 credit.», «Third-party AI apps like OpenAI, Anthropic Claude, and Gemini: 1 operation equals 1 credit.», «Credits for modules with automatic AI provider connections also include token usage.», «Make’s AI Provider (all plans): Credits are based on tokens and operations.», «Automatic AI provider connection (all plans): […] Credits are based on tokens, operations, and other usage-based factors.») sowie Make Pricing für die Make Code App («2 credits per 1 sec of code execution time»), abgerufen am 24. August 2026.

Beispielrechnung: Ein Lead-Generierungs-Workflow mit ChatGPT-Integration:

• 1'000 neue Leads im Monat (rund 33 pro Kalendertag)
• 10 Credits je Lead, weil das Szenario zehn Modul-Aktionen ausführt
• 1'000 × 10 = 10'000 Credits im Monat
• Auf dem Core-Tarif: 9 USD im Monat bei Jahreszahlung (10.59 USD bei monatlicher Zahlung)

Die veröffentlichten Einstiegspreise für dieses Volumen — Make weist sie je nach Stellung des Umschalters «Pay annually» oder «Pay monthly» aus:

Tabelle: Credit-basierte Kalkulation

Credits/Monat	Core	Pro	Teams
10'000, Jahreszahlung	9 USD	16 USD	29 USD
10'000, monatliche Zahlung	10.59 USD	18.82 USD	34.12 USD

Der Volumen-Regler auf der Preisseite reicht von 10'000 Credits bis über 8 Mio. Credits. Die Beträge für die höheren Stufen zeigt Make nur im Regler und nicht im Seitentext — wir nennen sie hier deshalb nicht und verweisen für die eigene Kalkulation auf die Preisseite.

Vergleich mit anderen Tools

Für dasselbe Monatsvolumen zahlen Sie bei den anderen Plattformen:

Tabelle: Vergleich mit anderen Tools

Tool	Einheit	Preis/Monat bei Jahreszahlung	Preis/Monat bei monatlicher Zahlung
Make	10'000 Credits (je Modul-Aktion)	9 USD (Core)	10.59 USD
Zapier	10'000 Tasks (je Aktionsschritt)	129 USD (Professional)	193.50 USD
n8n Cloud	10'000 Ausführungen (je Durchlauf)	50 EUR (Pro)	Umschalter mit «Save 17%»; den Monatsbetrag nennt der Seitentext nicht

Alle drei Anbieter werben mit dem Jahrespreis; wer monatlich bucht, zahlt bei Make rund 18 Prozent und bei Zapier rund 50 Prozent mehr. n8n weist den Monatsbetrag nicht aus und beziffert den Jahresrabatt mit «Save 17%». Die Einheiten sind ausserdem nicht dieselben: n8n zählt einen ganzen Durchlauf als eine Einheit, Make und Zapier jeden einzelnen Schritt. Bei langen Workflows verschiebt sich der Vergleich deutlich zugunsten von n8n.

Tipp: Der kostenlose Plan von Make (1'000 Credits pro Monat, zwei aktive Szenarien) reicht zum Ausprobieren — probieren kostet nichts.

Vertiefen Sie Ihr Wissen:

• AI Automation Tools und Plattformen
• Make vs n8n im Direktvergleich
• Make vs Zapier im Direktvergleich
• Power Automate und AI
• Make Tutorial: Workflows erstellen
• n8n Tutorial: Workflows erstellen
• Power Automate vs Make im Vergleich
• Zapier Tutorial: Workflows erstellen
• Bexio mit AI Automation verbinden
• Abacus mit AI Automation verbinden
• AI Automation Workflows erstellen

ROI-Rechnung für KMU

Die folgende Rechnung ist ein Modell mit offengelegten Annahmen, kein Messergebnis. Setzen Sie Ihre eigenen Zahlen ein:

• Einarbeitungszeit: 30 bis 60 Minuten für einen ersten einfachen Workflow, 4 bis 8 Stunden für einen ersten KI-gestützten Workflow (eigene Richtwerte, keine Anbieterangabe)
• Angenommene Zeitersparnis pro Monat: 20 bis 40 Stunden (Annahme, kein Messwert; je nach Workflow)
• Angesetzter Stundensatz: 50 CHF (Beispielwert)
• Rechnerische Ersparnis: 20 × 50 = 1'000 CHF bis 40 × 50 = 2'000 CHF im Monat
• Make-Tarif: 9 USD im Monat auf Core bei 10'000 Credits und Jahreszahlung (rund 7 CHF zum Kurs vom 24.08.2026: 1 USD = 0.8013 CHF); bei monatlicher Zahlung 10.59 USD, rund 8.50 CHF

Die Tarifkosten fallen gegenüber der angenommenen Zeitersparnis kaum ins Gewicht. Ob sich die Automatisierung rechnet, entscheidet deshalb nicht der Preis, sondern ob die 20 bis 40 eingesparten Stunden tatsächlich anfallen — und ob sie anders genutzt werden. Wer beides nicht belegen kann, hat keine Rendite berechnet, sondern eine Erwartung formuliert.

---

Make für Schweizer KMU

Was für Make in einem Schweizer KMU spricht:

KMU-freundliches Pricing

Der Einstieg in AI Automation ist günstig: Make führt 9 USD im Monat für 10'000 Credits auf dem Core-Tarif — dieser Betrag gilt bei Jahreszahlung, monatlich sind es 10.59 USD. Zum Vergleich innerhalb dieses Artikels, ebenfalls bei Jahreszahlung: Zapier verlangt für 10'000 Tasks 129 USD, n8n Cloud für 10'000 Ausführungen 50 EUR. Die Einheiten sind allerdings nicht dieselben — siehe die Tabelle weiter oben.

Schnelle Implementierung

Sie brauchen kein Entwicklerteam. Eine Mitarbeiterin oder ein Mitarbeiter setzt einen ersten einfachen Workflow nach unserer Einschätzung in 30 bis 60 Minuten auf; ein erster KI-gestützter Workflow braucht 4 bis 8 Stunden. Beides sind eigene Richtwerte, kein Anbieterwert und kein Messergebnis. Das bedeutet: schnelle Ergebnisse, nicht monatelange Projekte.

Datenschutz: DSG zuerst, DSGVO bei EU-Bezug

Für ein KMU in der Schweiz gilt das revidierte Datenschutzgesetz (Bundesgesetz über den Datenschutz, SR 235.1, in Kraft seit 1. September 2023). Die DSGVO kommt nicht automatisch dazu, sondern nur über ihren Art. 3 — wenn Sie Personen in der EU Waren oder Dienstleistungen anbieten oder deren Verhalten beobachten. Bearbeiten Sie Personendaten über Make, ist Make Auftragsbearbeiter: Art. 9 DSG erlaubt die Übertragung «vertraglich oder durch die Gesetzgebung» und verlangt vom Verantwortlichen, sich zu vergewissern, «dass der Auftragsbearbeiter in der Lage ist, die Datensicherheit zu gewährleisten». In der Praxis heisst das: ein Vertrag zur Auftragsbearbeitung, dazu Ihr eigenes Bearbeitungsverzeichnis, Ihre Informationspflicht und Ihre Antworten auf Auskunftsbegehren. Nichts davon nimmt Ihnen der Anbieter ab. Was Make beisteuert:

• Betrieb auf AWS — Make schreibt: «Our infrastructure resides within Amazon AWS EC2 private instances (Amazon VPC)». Die API-Dokumentation führt die Zonen eu1 und eu2 in Europa sowie us1 und us2 in den USA. Die Region legen Sie beim Anlegen der Organisation fest; sie ist «the location of the data center that will store and process your data» und lässt sich danach nicht mehr wechseln («You cannot change the location of the data center after you create the organization.»)
• Verschlüsselung und Zwei-Faktor-Authentisierung auf allen Stufen
• Auf der Enterprise-Stufe zusätzliche Unterstützung bei Sicherheits- und Compliance-Prüfungen («Information security compliance support», Make Pricing, abgerufen am 24. August 2026)
• Ein Self-Hosting von Make gibt es nicht — wer die Bearbeitung im eigenen Rechenzentrum halten will, kommt zu n8n

Quellen: Bundesgesetz über den Datenschutz, SR 235.1, Make API structure — Zonen eu1/eu2/us1/us2, Make Security — AWS-Infrastruktur, Make Help Center — Organisationen und Rechenzentrum — abgerufen am 24. August 2026.

Dokumentation und Lernressourcen

Hilfe-Center und Make Academy sind englisch; einen Sprachumschalter gibt es dort nicht, und eine deutsche Fassung der Website unter make.com/de existiert nicht. Deutschsprachige Anleitungen kommen aus dem Community-Forum und von Dritten. Wer im Team niemanden mit gutem technischem Englisch hat, sollte das beim Einarbeitungsaufwand einrechnen.

Integration mit Schweizer Tools

Für Schweizer Buchhaltung und Fakturierung führt Make eine eigene Anbindung an bexio — Make beschreibt sie mit «Master Swiss accounting, invoicing, and payroll by connecting bexio to Make» und weist den Katalogeintrag mit «All Modules (62)», davon «Triggers (9)», «Actions (43)» und «Search (10)», aus. Unter den Aktionen stehen unter anderem Kontakte, Offerten, Rechnungen, Zahlungen, Projekte, Produkte und Stundenrapporte (Make Integrations — bexio, abgerufen am 24. August 2026). Die übrigen im Mittelstand verbreiteten Werkzeuge — HubSpot, Salesforce, Pipedrive, Brevo — sind keine Schweizer Produkte, aber ebenfalls angebunden.

---

Häufige Fragen zu Make und AI Automation

Funktioniert Make wirklich ohne Code?

Für die allermeisten Szenarien ja. Sie müssen kein JavaScript, kein Python und kein SQL schreiben; der visuelle Szenario-Builder deckt Auslöser, Aktionen, Filter und Verzweigungen ab.

Ausnahme: Für eigene Anbindungen jenseits des App-Katalogs greifen Sie zu Webhooks, HTTP-Modulen oder eigenem JavaScript. Das ist optional, aber es kommt vor.

Kann ich Make kostenlos testen?

Ja. Make bietet einen kostenlosen Plan mit:

• 1'000 Credits pro Monat
• zwei aktiven Szenarien
• einem Mindestabstand von 15 Minuten zwischen zwei Läufen und höchstens 5 Minuten Laufzeit je Ausführung
• Zugang zu allen 3'000+ Apps
• Support, den Make als «90-day expert access to get started» beschreibt

Zum Ausprobieren reicht das. Wer mehr als zwei Szenarien dauerhaft laufen lassen oder minutengenau planen will, braucht Core: Erst dort führt Make «Unlimited active scenarios» und die Planung «down to the minute».

Wie lange dauert es, einen Workflow zu erstellen?

Einfache Workflows: 30 bis 60 Minuten
Mittlere Workflows: 2 bis 4 Stunden
Komplexe Workflows mit KI: 4 bis 8 Stunden

Diese Spannen sind eigene Richtwerte, keine Anbieterangaben und keine Messreihe. Sie gelten auch für den jeweils ersten Workflow einer Kategorie.

Ist Make sicher für sensible Geschäftsdaten?

Das lässt sich nicht pauschal bejahen — die Antwort hängt an Ihrer Konfiguration. Was Sie selbst in der Hand haben:

• Wählen Sie beim Anlegen der Organisation bewusst die Zone, in der die Daten liegen sollen — später lässt sie sich nicht mehr wechseln
• Verbinden Sie Apps über OAuth statt über dauerhaft hinterlegte Schlüssel, wo das möglich ist
• Legen Sie keine Passwörter im Klartext in Szenarien ab
• Übergeben Sie nur die Felder, die der Schritt wirklich braucht

Wer die Bearbeitung physisch im eigenen Rechenzentrum halten muss, kommt an einer selbst gehosteten Installation nicht vorbei — dafür bietet sich n8n an. Das verlegt den Bearbeitungsort; Betrieb, Aktualisierung und Sicherung liegen dann bei Ihnen, und die Pflichten aus dem DSG bleiben ohnehin beim Unternehmen.

Welcher Support ist verfügbar?

Der Umfang steigt mit dem Tarif. In der Zeile «Customer support» der Preisseite steht: Free «90-day expert access to get started», Core und Pro «Technical support from our expert team», Teams «High-priority guidance from dedicated consultants», Enterprise «24/7 top-priority assistance from senior specialists» (Make Pricing, abgerufen am 24. August 2026).

• Technischer Support des Anbieters — Umfang je nach Tarif; eine Reaktionszeit in Stunden veröffentlicht Make nicht
• Hilfe-Center — auf Englisch
• Community-Forum — dort finden sich auch deutschsprachige Beiträge

Kann ich Make für Kundenautomatisierung verkaufen?

Bedingt ja. Sie können Make-Szenarien für Ihre Kunden bauen und abrechnen. Manche Agenturen bieten das als Dienstleistung an; wie einträglich das ist, hängt am eigenen Stundensatz und ist hier nicht beziffert. Prüfen Sie vorab, auf wessen Konto die Szenarien laufen — die Credits zahlt der Kontoinhaber.

---

Make im Kontext der AI Automation Landschaft

AI Automation mit Make hat ein klares Profil:

• Für Einsteigerinnen und Einsteiger im KMU: wenig Vorwissen nötig, ein erster einfacher Workflow in 30 bis 60 Minuten
• Für alle, die lieber sehen als lesen: der Szenario-Builder zeigt den ganzen Ablauf als Bild
• Für KI-lastige Abläufe: ChatGPT, Claude und Gemini stehen als eigene Module bereit

Aber Make ist nicht für alle richtig. Wenn Sie selbst hosten oder den Bearbeitungsort vollständig kontrollieren müssen, führt der Weg zu n8n (siehe C-CL02). Wer sehr viele SaaS-Werkzeuge anbinden will, findet bei Zapier mehr vorgebaute Anbindungen — über 9'000 gegenüber den 3'000+, die Make ausweist (C-CL03) — zum deutlich höheren Preis. Wer die drei Plattformen Kriterium für Kriterium nebeneinander sehen will, findet die Gegenüberstellung im Tool-Vergleich (C-CL04).

Für ein Schweizer KMU, das ohne Entwicklerteam startet, ist Make aus unserer Sicht der naheliegende Einstieg in AI Automation.

---

---

Weiterführende Themen

• Kosten und ROI von AI Automation

Quellen

1. Quellen der Preisangaben: Make, Zapier, n8n — alle abgerufen am 24. August 2026. Ausgewiesen waren dort: Make Free «Up to 1,000 credits/mo», Core 9, Pro 16 und Teams 29 USD für 10'000 Credits; Zapier Professional 129 und Team 169 USD für 10'000 Tasks; n8n Cloud Pro «50€/mo, billed annually» für «10K workflow executions», Starter «20€/mo, billed annually» für «2.5K workflow executions». Alle drei Anbieter nennen diese Beträge für die Jahreszahlung. Make stellt den Umschalter «Pay monthly» / «Pay annually» mit dem Hinweis «Save 15% or more» darüber; bei monatlicher Zahlung kostet Core 10.59, Pro 18.82 und Teams 34.12 USD. Zapier beschriftet seinen Umschalter mit «Pay monthly» / «Pay yearly (Save 33%)»; monatlich sind es dort 193.50 USD (Professional) und 253.50 USD (Team) für 10'000 Tasks. n8n führt ebenfalls einen Umschalter und beziffert den Jahresrabatt mit «Save 17%», nennt den Monatsbetrag im Seitentext aber nicht. Der Vergleich in diesem Artikel rechnet durchgehend mit der Jahreszahlung. Die Preise für höhere Credit-Volumen stehen bei Make nur hinter dem Regler und nicht im Seitentext; sie werden hier deshalb nicht genannt. Anbieterpreise ändern sich; die Beträge sind Momentaufnahmen und vor einer Investitionsentscheidung am Original zu prüfen.
2. Quelle der Credit-Regel: Make Help Center — Credits («Non-AI apps: 1 operation equals 1 credit.», «Third-party AI apps like OpenAI, Anthropic Claude, and Gemini: 1 operation equals 1 credit.», «Credits for modules with automatic AI provider connections also include token usage.», «Make’s AI Provider (all plans): Credits are based on tokens and operations.», «Automatic AI provider connection (all plans): […] Credits are based on tokens, operations, and other usage-based factors.») sowie Make Pricing für die Make Code App («2 credits per 1 sec of code execution time»), abgerufen am 24. August 2026.
3. Bundesgesetz über den Datenschutz, SR 235.1, Make API structure — Zonen eu1/eu2/us1/us2, Make Security — AWS-Infrastruktur, Make Help Center — Organisationen und Rechenzentrum — abgerufen am 24. August 2026.