KI erstellen: Ein Leitfaden mit praktischen Beispielen

Was ist Make?

Make ist ein automatisierendes Tool, bei dem du ohne Programmierkenntnisse komplexe Prozesse mit einem oder mehreren Tools ganz einfach automatisieren kannst. Automatisierungen werden aus Blöcken, den sogenannten Modulen, zusammengesetzt. Normalerweise macht ein Modul eine Aktion in einem Tool, wie zum Beispiel die Abfrage der neuesten E-Mail oder das Hinzufügen einer Zeile zu einer Tabelle. 

Im Beispiel oben werden drei Module verwendet, um E-Mails in eine Tabelle zu packen:

• Das erste Modul lädt die neueste E-Mail.
• Das zweite Modul nutzt ChatGPT, um die Infos aus der E-Mail zu verarbeiten und rauszuziehen.
• Das dritte Modul schreibt eine neue Zeile in ein Google Sheet mit den Infos, die ChatGPT rausgeholt hat.

Wie benutzt man Make?

Um Make zu nutzen und diesem Tutorial folgen zu können, musst du dich auf der offiziellen Login-Seite anmelden. Anmeldeseite.

Make ist zwar ein proprietäres Tool, aber alles, was wir in diesem Tutorial zeigen, kannst du mit einem kostenlosen Make-Konto machen, das 1.000 Vorgänge pro Monat erlaubt. Weitere Infos findest du auf ihrer Preisseite.

Ein Vorgang ist die Ausführung eines Moduls. So würde zum Beispiel der obige Workflow bei jeder Ausführung drei Vorgänge brauchen. Das zeigt, dass 1.000 Vorgänge reichen, um Workflows zu erstellen und zu testen.

Erstellen unserer ersten KI-Automatisierung mit Make

Da Make ähnlich wie n8n ist, habe ich versucht, einen Workflow, den ich in diesem n8n-Tutorial, um einen besseren Eindruck davon zu bekommen, wie die beiden Tools im Vergleich abschneiden. Du musst das Tutorial nicht gelesen haben, um mitzukommen, aber es ist eine gute Referenz, wenn du n8n mit Make vergleichen möchtest.

Ich vermiete einen Teil von meinem Haus, also teile ich die Rechnungen mit meinem Mieter. Jedes Mal, wenn ich eine Rechnung kriege, schreib ich in eine gemeinsame Tabelle mit dem Anbieter (Strom, Wasser, Internet usw.), die Rechnungsnummer, den Betrag und den Zeitraum.

Du wirst diesen Anwendungsfall wahrscheinlich nicht haben, aber du kannst ganz einfach etwas Ähnliches nachmachen. Wenn du keine Ideen hast und den Workflow selbst machen willst, kannst du die E-Mails zusammenfassen und die Zusammenfassung in die Tabelle schreiben.

Bei der Automatisierung solcher sich wiederholender Aufgaben zeigen diese KI-Automatisierungstools ihre Stärken.

Schritt 1: E-Mails lesen

Wenn du ein kostenloses Make-Konto erstellt hast, geh auf den Reiter „Szenarien“ links und klick auf „Neues Szenario erstellen“.

Du solltest jetzt eine leere Leinwand mit einem großen Pluszeichen sehen. Der erste Schritt im Arbeitsablauf ist, unsere E-Mails zu checken. Klicke dazu auf die Schaltfläche und suche nach „Gmail“, um das Modul „Gmail / E-Mails überwachen“ zu finden.

Als Erstes musst du eine Verbindung zum E-Mail-Konto herstellen. Unter dem Link „Online-Hilfe“ unterhalb der Verbindung findest du genaue Anweisungen dazu.

Die Schritte sind unterschiedlich, je nachdem, ob es sich um eine Firmenadresse oder eine persönliche Adresse handelt.

Um das Gmail-Modul einzurichten, benutze ich die folgenden Einstellungen:

Der Filter ist ein normaler Gmail-Filter, der dafür sorgt, dass nur Rechnungen durchkommen. 

Schritt 2: Infos mit KI sammeln

Bei meinen Rechnungen sind die Infos, die ich brauche, direkt in der E-Mail, sodass ich den Anhang nicht bearbeiten muss.

Um die Daten zu holen, benutze ich ein OpenAI / Create a Completion-Modul. Mit diesem Modul kannst du eine oder mehrere Nachrichten an ein OpenAI-Modell senden und eine Antwort bekommen. In diesem Fall wird es mit einer Systemaufforderung konfiguriert, die dem LLM mitteilt, welche Informationen wir wollen, und dann folgt eine Benutzernachricht mit dem E-Mail-Inhalt.

Hier ist die Konfiguration (die anderen Felder wurden auf den Standardwerten belassen):

Um dieses Modul zu nutzen, musste ich eine Verbindung zu OpenAI herstellen. Genau wie bei der E-Mail-Verbindung gibt's auch hier eine Anleitung, aber diesmal ist's echt viel einfacher. Wir müssen einen OpenAI-API-Schlüssel erstellen und ihn einfügen.

Schritt 3: Die Infos in ein Google-Tabelle einfügen

Der letzte Schritt ist, die Rechnungsdaten in eine Google-Tabelle zu schicken. Das geht mit einem Google Sheet / Modul „Zeile hinzufügen”.

Hier ist die Konfiguration dieses Moduls:

In Make sind alle Ausgaben aus vorherigen Modulen in den nachfolgenden Modulen verfügbar. So können wir die Daten aus der E-Mail und OpenAI zusammenfassen und in die Tabelle packen.

Beachte, dass wir das OpenAI-Modul einmal ausführen müssen, damit die Felder aus seiner Ausgabe erkannt und zugewiesen werden können.

Schritt 4: Agenten automatisieren

Um das Ganze automatisch zu machen, können wir es so einrichten, dass es regelmäßig läuft, wie hier gezeigt:

Je nach Triggermodul (dem ersten Modul) gibt's verschiedene Automatisierungsoptionen.

Make vs. n8n

Ich habe den vorherigen Workflow sowohl mit Make als auch mit n8n erstellt. n8n. In beiden Fällen habe ich das Tool einfach so ausprobiert, ohne eine Anleitung zu lesen, um zu sehen, wie einfach und intuitiv es zu bedienen ist. Ich fand Make nicht so intuitiv zu bedienen.

• In Make ist die Ausgabe des OpenAI-Moduls etwas komisch zu konfigurieren. Wir müssen das JSON-Format in der Eingabeaufforderung angeben. Deshalb sind die Ausgabefelder nicht definiert, bevor das Szenario mindestens einmal durchläuft, was die Konfiguration nervig macht.

• Generell fand ich es schwieriger, im Voraus zu wissen, was die Make-Module machen.

• Der Verbindungsprozess zu externen Tools ist für beide Tools gleich. 

• Ich musste die angehängten Dateien nicht verwenden, aber es schien mir nicht ganz klar, wie das geht. Ich musste sie entweder auf einen OpenAI-Assistenten hochladen, den ich vorher erstellen musste, oder eine benutzerdefinierte API-Anfrage stellen, was ich nicht so einfach hinbekommen habe. Im Abschlussmodul gibt's ein Feld zum Hochladen von Bildern, also hätten sie locker ein Feld für Dateien hinzufügen können, weil die OpenAI-API das unterstützt.

Zweiter Anwendungsfall: Kundenservice mit Make automatisieren

In diesem Abschnitt zeigen wir dir, wie du mit Make einen KI-Agenten für den Kundenservice erstellen kannst.

In diesem Beispiel stellen wir uns vor, wir haben eine Mietimmobilie und ein Tally-Formular, wo Leute Fragen zu unserer Vermietung stellen können. Das Ziel ist, einen autonomen Agenten zu entwickeln, der auf die Fragen der Nutzer antwortet.

Hier ist eine Übersicht über den Ablauf, den wir erstellen werden:

Schritt 1: Das Formular erstellen

Für das Formular haben wir Tally benutzt, mit dem wir kostenlos Online-Formulare erstellen können. Unser Formular ist ziemlich einfach:

Schritt 2: Auf neue Antworten warten

Das Auslösemodul für dieses Szenario ist ein Modul „Tally / Neue Antworten beobachten“. Um das einzurichten, brauchen wir die ID des Tally-Formulars.

Schritt 3: Abrufen der Mietinfos

Um Fragen von Kunden zu beantworten, haben wir ein Google Doc mit allen wichtigen Infos zu unserer Mietwohnung erstellt. Wir benutzen ein Google Docs / Get Content of a Document-Modul, um den Inhalt des Dokuments abzurufen.

Auch hier ist die Konfiguration dieses Moduls echt einfach. Wir erstellen ein Google Doc mit den Infos und richten das Modul mit der Dokument-ID ein.

Bitte beachte, dass alle Infos über die Immobilie in diesem Dokument nur erfunden sind und von einer KI für dieses Beispiel erstellt wurden.

Schritt 4: Die Frage beantworten

Um die Frage zu beantworten, benutzen wir wieder ein OpenAI / Create a Completion-Modul. Wir erklären dir mit einer Systemmeldung, was du erwarten kannst, und geben dir Infos zur Miete. Dann wird die Frage des Benutzers als Benutzernachricht verschickt.

Schritt 5: Antworten an den Benutzer

Der letzte Schritt ist, die Antwort an die E-Mail-Adresse des Benutzers zu schicken, die im Formular angegeben wurde. Dafür benutzen wir ein E-Mail-/E-Mail-Versand-Modul.

Dieses Modul ist so eingerichtet, dass es die E-Mail an die im Tally-Formular angegebene E-Mail-Adresse schickt und die Antwort von OpenAI als Text der E-Mail verwendet.

Beispiel

Um diesen Agenten zu automatisieren, klick unten auf „Sofort, sobald Daten eintreffen“. Dadurch wird es ausgeführt, sobald ein Benutzer eine neue Frage stellt. 

Hier ist ein Beispiel für ein Formular und die Antwort. 

Szenarien VS KI-Agenten

In diesem Tutorial haben wir KI-Agenten mit der Szenario-Funktion erstellt. Allerdings hat Make eine Beta-Funktion für KI-Agenten, die besser zum Erstellen von Agenten passt. Leider gibt's für diese Funktion keine kostenlose Version.

Mit Szenarien können wir fast das Gleiche machen. Der Hauptunterschied ist, dass Agenten bei der Verwendung von KI besser für komplexe Szenarien organisiert sind. Wir können zum Beispiel mehrere Szenarien erstellen, die den Aktionen entsprechen, die unser Agent ausführen kann. Durch diese Trennung ist alles besser organisiert.

Außerdem gibt's mit KI-Agenten eine Chat-Oberfläche, wo du Agenten erstellen kannst, mit denen du direkt reden kannst.

Fazit

Make bietet eine super benutzerfreundliche Plattform, um Arbeitsabläufe zu automatisieren, ohne dass man programmieren kann. 

Durch den Vergleich mit n8n und die Entwicklung praktischer Szenarien haben wir gesehen, wie gut es Aufgaben wie die Rechnungsbearbeitung und die Automatisierung des Kundenservices optimieren kann. Auch wenn es bei der Einrichtung einiger Module ein bisschen kompliziert ist, sind die vielen Integrationsmöglichkeiten und die einfache Bedienung von Make's ein echtes Plus für Unternehmen, die effizienter arbeiten wollen. 

Die KI-Agenten könnten zwar noch mehr Tiefe bringen, aber schon jetzt bieten sie mit den vorhandenen Szenarien echt gute Vorteile bei der Entwicklung von Automatisierungslösungen.