Warum eine Demo noch nicht genügt
Videos über KI versprechen häufig schnelle Ergebnisse und müheloses Einkommen. Aus seiner Arbeit mit n8n beschrieb Philipp Lehmann im Mai 2026 ein anderes Bild: Tutorials können Ideen vermitteln, lassen aber oft entscheidende Arbeitsschritte aus. Eine überzeugende Vorführung mit wenigen Beispieldaten sagt noch wenig darüber aus, wie ein System mit echten Dokumenten und anspruchsvollen Aufgaben umgeht.
Die Arbeit hinter dem Workflow
Schon die Einrichtung von Zugängen, Schnittstellen und Berechtigungen kann Zeit kosten. Hinzu kommen veraltete Anleitungen, geänderte Softwareoberflächen und Fehler, die ein Video nicht erklärt. Der Beitrag verdeutlicht den Unterschied am Beispiel eines RAG-Systems, das ein Sprachmodell mit eigenen Dokumenten verbindet. Eine einfache Variante beantwortete Fragen zu zwei kurzen, unterschiedlichen Dokumenten. Bei größeren oder ähnlichen Dateien zeigten sich die Grenzen dieses Aufbaus.
Gute Ergebnisse brauchen Detailarbeit
Als Gegenbeispiel stellte der Autor sein eigenes System aus zehn miteinander verbundenen Workflows vor. Es berücksichtigte unter anderem Tabellen, Bildinhalte, ungewöhnliche Seitenlayouts und das Problem, dass umfangreiche Dokumente kleinere Inhalte bei der Suche verdrängen können. Diese Anforderungen entstanden aus der praktischen Arbeit mit unterschiedlichen Daten. Der Beitrag macht damit deutlich, worauf es bei KI-Automatisierung ankommt: passende Werkzeuge, Verständnis für die Daten und die Bereitschaft, einen ersten Aufbau sorgfältig weiterzuentwickeln. Der Weg zu brauchbaren Ergebnissen verlangt Erfahrung und Ausdauer.
