Technologie

Backend-KI-Workflows: Intelligente Automatisierung mit Intrexx + n8n

Warum KI im Hintergrund 10x wertvoller ist als Frontend-Chatbots

KI-Potenziale besprechen Mehr erfahren

Die KI-Revolution, die Sie nicht sehen

"Wir haben jetzt auch einen Company GPT!" – höre ich auf jeder zweiten Digitalisierungs-Konferenz. Ein schick gebrandeter ChatGPT-Wrapper, der Mitarbeiter-Fragen zu Urlaubsregelungen beantwortet. Implementierungszeit: 2 Tage. Der Nutzen: schwer messbar.

Währenddessen: Ein Mittelständler entlastet seine Buchhaltung mit Backend-KI-Workflows, indem KI automatisch Rechnungen prüft, klassifiziert und zur Freigabe routet – bevor ein Mensch sie überhaupt sieht.

Der Unterschied? Frontend-KI = sichtbar, aber optional. Backend-KI = unsichtbar, aber unverzichtbar.

🎯 Was Sie in diesem Guide lernen

  • Warum Backend-KI 10x wertvoller ist als Company GPTs
  • Wie die Hybrid-Architektur Intrexx (Low-Code) + n8n (No-Code) funktioniert
  • 8 konkrete Use Cases
  • Technische Integration via Webhooks & Groovy Hooks
  • DSGVO-konforme On-Premise-Implementierung
  • Wann Low-Code (Intrexx), wann No-Code (n8n)?

Lesezeit: 18 Minuten | Zielgruppe: Entscheider & IT-Verantwortliche im Mittelstand

Mehr Grundlagen zur Workflow-Automatisierung im Wikipedia-Artikel zu Geschäftsprozessautomatisierung.

Backend-KI vs. Company GPT: Der entscheidende Unterschied

Kriterium Company GPT (Frontend) Backend-KI (Workflow)
Sichtbarkeit Chatbot-Interface, sichtbar für User Unsichtbar, arbeitet im Hintergrund
Nutzung Optional (User muss aktiv fragen) Automatisch (immer aktiv)
Adoption Nutzung oft gering Läuft für alle im Hintergrund
ROI Begrenzt, nur wenn genutzt Messbar, konstant
Use Case FAQs, Wissensdatenbank-Suche Rechnungsprüfung, E-Mail-Routing, Daten-Extraktion
Fehlerrisiko Halluzinationen → User prüft Antwort Strukturierte Outputs, Validierung, menschliche Freigabe
Integration Standalone, kein Business-System-Zugriff Tief integriert (ERP, CRM, DMS)
Implementierung 2-5 Tage (RAG + Embedding) 2-6 Wochen (Workflow-Design)
Laufende Kosten Mittel (viele unnötige Queries) Niedrig (nur relevante API-Calls)

💡 Faustregel:

Company GPTs sind "nice to have" für Mitarbeiter-Self-Service.
Backend-KI-Workflows sind "must have" für echte Produktivitätsgewinne.

Unsere Empfehlung: Starten Sie mit Backend-KI (hoher Nutzen), dann optional Company GPT (niedrige Kosten).

Die Hybrid-Architektur: Intrexx + n8n = Best of Both Worlds

Warum zwei Systeme?

Intrexx (Low-Code) ist perfekt für strukturierte Business-Apps, Datenbanken, Benutzer-Interfaces und Workflows. Aber: KI-Integration in Intrexx ist komplex (Groovy-Code, REST-API-Handling, Error-Handling).

n8n (No-Code) ist optimal für schnelle KI-Workflows, API-Orchestrierung und Prototyping. Aber: Keine echte Datenbank, keine komplexen Business-Rules, kein Enterprise-UI.

Lösung: Kombinieren Sie beide! Intrexx als Business-Logik-Layer, n8n als KI-Orchestrierungs-Layer.

Architektur-Diagramm

┌─────────────────────────────────────────────────────────────────┐
│                      USER ACTION (Intrexx)                      │
│              z.B. Rechnung hochladen, E-Mail senden              │
└────────────────────────────┬────────────────────────────────────┘
                             │
                    ┌────────▼────────┐
                    │  Intrexx Hook   │
                    │  (Groovy Script)│
                    └────────┬────────┘
                             │ HTTP POST (Webhook)
                             │ JSON Payload
                    ┌────────▼────────┐
                    │  n8n Webhook    │
                    │  (Trigger)      │
                    └────────┬────────┘
                             │
        ┌────────────────────┼────────────────────┐
        │                    │                    │
   ┌────▼────┐         ┌─────▼─────┐      ┌─────▼─────┐
   │ Claude  │         │   GPT-4   │      │  Whisper  │
   │   API   │         │    API    │      │    API    │
   └────┬────┘         └─────┬─────┘      └─────┬─────┘
        │                    │                    │
        └────────────────────┼────────────────────┘
                             │ JSON Response
                    ┌────────▼────────┐
                    │ n8n Processing  │
                    │ (Data Transform)│
                    └────────┬────────┘
                             │ HTTP Response (Webhook)
                             │ Structured JSON
                    ┌────────▼────────┐
                    │ Intrexx Hook    │
                    │ (Callback)      │
                    └────────┬────────┘
                             │
        ┌────────────────────┼────────────────────┐
        │                    │                    │
   ┌────▼────┐         ┌─────▼─────┐      ┌─────▼─────┐
   │Database │         │  Workflow │      │    UI     │
   │ Update  │         │  Trigger  │      │  Update   │
   └─────────┘         └───────────┘      └───────────┘

⏱️  Gesamt-Latenz: 1-3 Sekunden (für User transparent)

Wann Low-Code (Intrexx), wann No-Code (n8n)?

Use Case Intrexx (Low-Code) n8n (No-Code)
Datenbank-Operationen ✅ Ja (Native DB-Integration) ❌ Nur via API
Benutzer-Interface ✅ Ja (Portal-Builder) ❌ Kein UI
BPMN-Workflows ✅ Ja (Native) ❌ Nur sequentiell
KI-API-Integration ⚠️ Komplex (Groovy) ✅ Einfach (No-Code)
API-Orchestrierung ⚠️ Aufwändig ✅ Optimal (300+ Nodes)
Prototyping ⚠️ Langsam (Setup) ✅ Schnell (Minuten)
Error-Handling ✅ Granular (Code) ⚠️ Basis-Retries
Kosten €€€ (Lizenzen) € (Self-Hosted: 0€)

🎯 Best Practice

  • Intrexx: Business-Apps, Formulare, Workflows mit Freigaben, Reporting, Datenbank-Master
  • n8n: KI-Workflows, API-Calls, Daten-Transformation, Prototyping, externe Integrationen
  • Integration: Via Webhooks (n8n → Intrexx) und Groovy Hooks (Intrexx → n8n)

8 Backend-KI-Workflows

🧾 Use Case 1: KI-Rechnungsprüfung (X-Rechnung, ZUGFeRD, PDF)

Problem: 120 Eingangsrechnungen/Monat, manuelle Prüfung 15 Min/Rechnung = 30 Stunden/Monat

Alter Prozess (15 Min/Rechnung):

  1. Rechnung per E-Mail → Sekretariat öffnet (2 Min)
  2. Manuelle Extraktion: Betrag, Datum, Rechnungsnummer, MwSt. (5 Min)
  3. Plausibilitätsprüfung (Betrag vs. Bestellung) (3 Min)
  4. Weiterleitung an Fachabteilung (2 Min)
  5. Erfassung in DATEV (3 Min)

Neuer Prozess mit Backend-KI (2 Min/Rechnung):

  1. Rechnung landet in Intrexx-Postfach (automatisch)
  2. n8n + Claude Vision API: Automatische Extraktion aller Daten (10 Sek)
  3. Intrexx Validation: Automatischer Abgleich mit Bestellung (5 Sek)
  4. Intrexx Workflow: Automatische Weiterleitung an zuständigen Mitarbeiter (0 Sek)
  5. Mitarbeiter prüft nur Ausnahmen (< 2 Min)
  6. Export zu DATEV (automatisch nach Freigabe)

Technologie-Stack: Intrexx Postfach → n8n Webhook → Claude 3.5 Sonnet (Vision) → Intrexx Validation → DATEV Export

Praxis-Beispiel: KI-Rechnungsprüfung bei himmelblau-Kunden

📧 Use Case 2: E-Mail-Klassifizierung & Automatisches Routing

Problem: 200 Support-E-Mails/Tag, manuelle Triage 3 Min/E-Mail = 10 Stunden/Tag

Backend-KI-Lösung: E-Mail-Klassifizierung

  1. E-Mail landet in Intrexx-Postfach
  2. n8n + Claude: Automatische Klassifizierung (Bug / Feature / Anfrage / Spam)
  3. n8n: Priorität erkennen (Kritisch / Hoch / Normal)
  4. Intrexx Workflow: Automatisches Routing an zuständiges Team
  5. Intrexx Task: Automatische Ticket-Erstellung mit Kategorie + Prio

📄 Use Case 3: Automatische Vertrags-Zusammenfassung & Key-Facts-Extraktion

Problem: Due Diligence bei 50 Lieferantenverträgen, manuelle Prüfung 2h/Vertrag = 100 Stunden

Backend-KI-Lösung: Vertrags-Zusammenfassung

  1. Vertrag (PDF) wird in Intrexx DMS hochgeladen
  2. n8n + Claude 200K Context: Automatische Extraktion von:
    • Vertragspartner, Laufzeit, Kündigungsfrist
    • Zahlungsbedingungen (Netto-Tage, Skonto)
    • Haftungsbeschränkungen, SLAs
    • Kritische Klauseln (automatische Verlängerung, Exklusivität)
  3. Intrexx: Strukturierte Speicherung in Vertragsdatenbank
  4. Dashboard: Übersicht aller Verträge mit Key Facts

🎙️ Use Case 4: Meeting-Protokolle automatisieren (Audio → Tasks)

Problem: 3 Meetings/Woche à 1,5h → 1h Protokoll schreiben = 3h/Woche = 150h/Jahr

Backend-KI-Lösung: Meeting-Protokolle

  1. Meeting-Audio wird in Intrexx hochgeladen (oder via Microsoft Teams Auto-Recording)
  2. n8n + Whisper API: Automatische Transkription (5 Min für 1,5h Meeting)
  3. n8n + Claude: Strukturierung des Transkripts:
    • Teilnehmer, Agenda-Punkte, Entscheidungen
    • Action Items (wer macht was bis wann?)
    • Offene Fragen, Risiken
  4. Intrexx Workflow: Automatische Task-Erstellung für Action Items
  5. Intrexx: E-Mail-Versand des Protokolls an alle Teilnehmer

Weitere Use Cases (Kurzübersicht)

⚖️ Use Case 5: Compliance-Check für Produkt-Beschreibungen

Anwendung: E-Commerce mit 5.000 Produkten, automatische Prüfung auf DSGVO-Konformität, Irreführende Werbung, fehlende Pflichtangaben

📝 Use Case 6: Automatische Angebots-Erstellung aus CRM-Daten

Anwendung: Vertrieb erstellt 50 Angebote/Monat, KI generiert Angebot aus CRM-Daten + Produkt-Katalog + vergangenen Angeboten

🔍 Use Case 7: Duplikate-Erkennung in Datenbanken (Fuzzy Matching)

Anwendung: CRM mit 20.000 Kontakten, KI erkennt Duplikate trotz unterschiedlicher Schreibweisen ("Müller GmbH" vs "Mueller GmbH & Co. KG")

💬 Use Case 8: Support-Antwort-Vorschläge (kein Chatbot!)

Anwendung: Support-Team erhält E-Mail, KI generiert Antwort-Vorschlag basierend auf Wissensdatenbank, Mitarbeiter prüft & sendet

Technische Integration: Intrexx → n8n → KI → Intrexx

Schritt 1: Intrexx Groovy Hook (Trigger)

Wenn User eine Aktion ausführt (z.B. Rechnung hochladen), triggert Intrexx einen Groovy Hook:

// Intrexx Groovy Hook: Rechnung an n8n senden
import groovy.json.JsonOutput
import groovy.json.JsonSlurper

// Hole Rechnungsdatei aus Intrexx Record
def invoiceFile = g_record.getFile("invoice_pdf")
def invoiceBytes = invoiceFile.getBytes()
def invoiceBase64 = invoiceBytes.encodeBase64().toString()

// n8n Webhook URL
def n8nWebhook = "https://n8n.himmelblau.digital/webhook/invoice-check"

// Payload erstellen
def payload = [
    invoice_id: g_record.getIntegerValue("id"),
    pdf_base64: invoiceBase64,
    supplier: g_record.getStringValue("supplier_name"),
    expected_amount: g_record.getDoubleValue("po_amount")
]

// HTTP POST zu n8n
def connection = new URL(n8nWebhook).openConnection()
connection.setRequestMethod("POST")
connection.doOutput = true
connection.setRequestProperty("Content-Type", "application/json")

def writer = new OutputStreamWriter(connection.outputStream)
writer.write(JsonOutput.toJson(payload))
writer.flush()
writer.close()

// Response von n8n lesen
def responseCode = connection.responseCode
if (responseCode == 200) {
    def response = connection.inputStream.text
    def json = new JsonSlurper().parseText(response)

    // Update Intrexx Record mit KI-Ergebnissen
    g_record.setValue("ai_extracted_amount", json.amount)
    g_record.setValue("ai_extracted_date", json.invoice_date)
    g_record.setValue("ai_extracted_iban", json.iban)
    g_record.setValue("ai_confidence", json.confidence)
    g_record.setValue("ai_status", "processed")
} else {
    g_record.setValue("ai_status", "error")
    g_record.setValue("ai_error", "n8n returned " + responseCode)
}

Schritt 2: n8n Workflow (KI-Orchestrierung)

n8n empfängt Webhook, ruft Claude API auf, verarbeitet Response:

n8n Workflow (visuell, kein Code nötig):

1. Webhook Trigger
   └─ Empfängt JSON von Intrexx

2. Base64 Decode
   └─ Konvertiert pdf_base64 zurück zu Binary

3. Claude Vision API Call
   └─ Prompt: "Extrahiere aus dieser Rechnung: Betrag, Datum, Rechnungsnr, IBAN, MwSt"
   └─ Response Format: JSON

4. JSON Parse & Validation
   └─ Prüft ob alle Felder vorhanden
   └─ Plausibilitätscheck (Betrag > 0, Datum im Jahr 2024-2026)

5. Respond to Webhook
   └─ Sendet strukturiertes JSON zurück an Intrexx

Schritt 3: Claude API (KI-Processing)

Claude 3.5 Sonnet mit Vision verarbeitet PDF und extrahiert strukturierte Daten:

Prompt-Beispiel für Claude:

Du bist ein Rechnungsprüfungs-Assistent. Analysiere das hochgeladene PDF
und extrahiere folgende Informationen:

1. Rechnungsnummer
2. Rechnungsdatum (Format: YYYY-MM-DD)
3. Fälligkeitsdatum (Format: YYYY-MM-DD)
4. Lieferant (Firmenname)
5. Rechnungsbetrag (Netto)
6. MwSt. (in Euro)
7. Rechnungsbetrag (Brutto)
8. IBAN (falls vorhanden)
9. Zahlungsziel (z.B. "14 Tage netto")
10. Skonto (%, falls vorhanden)

WICHTIG:
- Gib die Daten als strukturiertes JSON zurück
- Wenn ein Feld nicht gefunden wird, gib null zurück
- Gib auch eine Confidence (0-100%) für die Extraktion an

Beispiel-Output:
{
  "invoice_number": "RE-2024-12345",
  "invoice_date": "2024-03-15",
  "due_date": "2024-03-29",
  "supplier": "Mustermann GmbH",
  "amount_net": 5000.00,
  "vat": 950.00,
  "amount_gross": 5950.00,
  "iban": "DE89370400440532013000",
  "payment_term": "14 Tage netto",
  "discount": 2.0,
  "confidence": 95
}

Schritt 4: Intrexx Callback (Business Logic)

Intrexx erhält Response von n8n und führt Business-Logik aus:

// Intrexx Hook (Fortsetzung): Business Logic nach KI-Extraktion

// Plausibilitätsprüfung
def extractedAmount = g_record.getDoubleValue("ai_extracted_amount")
def expectedAmount = g_record.getDoubleValue("po_amount")
def tolerance = 0.05 // 5% Toleranz

def amountDiff = Math.abs(extractedAmount - expectedAmount)
def amountDiffPercent = (amountDiff / expectedAmount) * 100

if (amountDiffPercent > tolerance) {
    // Abweichung > 5% → Manueller Review
    g_record.setValue("approval_status", "manual_review_required")
    g_record.setValue("approval_reason", "Betrag weicht um ${amountDiffPercent}% ab")

    // Workflow-Task erstellen für Controller
    def task = g_appContext.createTask()
    task.setSubject("Rechnung ${g_record.getStringValue('invoice_number')} - Betrag prüfen")
    task.setAssignee("controller_team")
    task.setRecordId(g_record.getIntegerValue("id"))
    task.save()
} else {
    // Alles ok → Automatische Freigabe
    g_record.setValue("approval_status", "auto_approved")
    g_record.setValue("approval_reason", "KI-Prüfung erfolgreich, Betrag korrekt")

    // Weiterleitung an DATEV-Export-Workflow
    g_record.setValue("datev_export_ready", true)
}

🔧 Technologie-Anforderungen

  • Intrexx: Version 20+ (Groovy Scripting Support)
  • n8n: Self-Hosted (Docker) oder n8n Cloud
  • KI-API: Claude 3.5 Sonnet (empfohlen), alternativ GPT-4 Turbo
  • Netzwerk: Intrexx muss n8n-Webhooks erreichen (HTTPS)
  • Latenz: 1-3 Sekunden pro Request (für User transparent)

DSGVO-Konforme Backend-KI: On-Premise oder Cloud?

3 Deployment-Optionen

Option 1: Vollständig On-Premise (maximale Kontrolle)

  • n8n: Self-Hosted auf eigenem Server (Docker/Kubernetes)
  • KI-Modell: Lokales LLM via Ollama (z.B. Mistral 7B, Llama 3)
  • Vorteil: Daten verlassen nie das Unternehmen
  • Nachteil: GPU-Server nötig, niedrigere KI-Qualität
  • Geeignet für: Hochsensible Daten (Patientenakten, Finanzdaten)

Option 2: Hybrid (n8n On-Premise + EU-Cloud-KI)

  • n8n: Self-Hosted auf eigenem Server
  • KI-Modell: Claude 3.5 Sonnet (Anthropic, US-Server ABER DSGVO-konform via DPA)
  • Vorteil: Beste KI-Qualität, keine GPU nötig, moderate Kosten
  • Nachteil: Daten gehen zu US-Anbieter (mit DPA abgesichert)
  • Geeignet für: 90% der Mittelstands-Use-Cases

Option 3: Vollständig Cloud (niedrigste Kosten)

  • n8n: n8n Cloud (EU-Server verfügbar)
  • KI-Modell: Claude 3.5 Sonnet oder GPT-4
  • Vorteil: Keine Infrastruktur nötig, schnellster Start
  • Nachteil: Höhere laufende Kosten, weniger Kontrolle
  • Geeignet für: Startups, schnelle Prototypen

📋 DSGVO-Checkliste für Backend-KI

  • ✅ Datenverarbeitungsvertrag (DPA) mit KI-Anbieter (Anthropic, OpenAI)
  • ✅ Zweckbindung: KI darf Daten nur für definierten Use Case nutzen (keine Modell-Trainings!)
  • ✅ Datensparsamkeit: Nur notwendige Felder an KI senden (z.B. Namen anonymisieren)
  • ✅ Verschlüsselung: HTTPS für alle API-Calls (Intrexx ↔ n8n ↔ KI)
  • ✅ Logging: Wer hat wann welche Daten an KI gesendet? (Audit-Trail)
  • ✅ Recht auf Löschung: KI-Anbieter muss Daten auf Anfrage löschen
  • ✅ Datenschutz-Folgenabschätzung (DSFA): Bei sensiblen Daten (Gesundheit, Finanzen) Pflicht

Unsere Empfehlung: Option 2 (Hybrid) für 90% der Use Cases – beste Balance aus Qualität, Kosten, Compliance.

Häufig gestellte Fragen (FAQ)

Was sind Backend-KI-Workflows?
+

Backend-KI-Workflows sind KI-gestützte Automatisierungen, die unsichtbar im Hintergrund arbeiten und Daten verarbeiten, klassifizieren oder extrahieren – im Gegensatz zu Frontend-Chatbots (Company GPTs), die mit Nutzern interagieren.

Beispiele: Automatische Rechnungsprüfung, E-Mail-Routing, Dokumenten-Zusammenfassung, Duplikate-Erkennung, Compliance-Checks.

Warum Intrexx + n8n statt nur Intrexx?
+

Intrexx (Low-Code) ist perfekt für strukturierte Business-Apps, Datenbanken und Benutzer-Interfaces. n8n (No-Code) ist optimal für schnelle KI-Workflows, API-Orchestrierung und Prototyping.

Zusammen ergeben sie die beste Hybrid-Architektur: Intrexx für Business-Logik, n8n für KI-Logik, verbunden via Hooks/Webhooks.

  • Vorteil: Schnellere Entwicklung (60-70% vs. Pure-Code)
  • Vorteil: Einfache KI-Integration (n8n = No-Code)
  • Vorteil: Beste KI-Qualität (direkte API-Integration)
Wie funktioniert die Integration zwischen Intrexx und n8n?
+

Via Webhooks und Intrexx Groovy Hooks:

  1. User-Aktion in Intrexx (z.B. Rechnung hochladen)
  2. Groovy Hook triggert n8n Webhook (HTTP POST mit JSON)
  3. n8n führt KI-Workflow aus (z.B. Claude API)
  4. n8n sendet Response zurück an Intrexx (JSON)
  5. Intrexx aktualisiert Datenbank und UI

Latenz: 1-3 Sekunden (für User transparent)

Welche KI-Modelle werden unterstützt?
+

n8n unterstützt alle gängigen KI-APIs:

  • OpenAI: GPT-4, GPT-4 Turbo, GPT-4o
  • Anthropic: Claude 3.5 Sonnet, Claude 3 Opus (empfohlen)
  • Google: Gemini Pro, Gemini Ultra
  • Lokal: Ollama (Mistral, Llama 3, Phi-3) via LM Studio

Unsere Empfehlung: Claude 3.5 Sonnet für Business-Use-Cases (beste Balance aus Qualität, Geschwindigkeit, Kosten).

Ist Backend-KI DSGVO-konform?
+

Ja, mit der richtigen Architektur:

  • On-Premise: n8n Self-Hosted + lokale KI-Modelle (Ollama) → Daten verlassen nie das Unternehmen
  • Hybrid: n8n On-Premise + Claude API mit DPA → DSGVO-konform trotz US-Anbieter
  • Cloud: n8n Cloud (EU-Server) + Claude API → Moderate Compliance

Wichtig: Datenverarbeitungsvertrag (DPA) mit KI-Anbieter, Verschlüsselung, Logging, Zweckbindung.

Was kostet eine Backend-KI-Integration?
+

Implementierung: Das hängt vom Ablauf und den angebundenen Systemen ab. Der Einstieg ist ein Pilot für 990 € Festpreis, der auf die Umsetzung angerechnet wird. Für die Umsetzung vereinbaren wir Umfang und Festpreis, bevor etwas beginnt.

  • Einfacher Workflow (Rechnungsprüfung)
  • Mittlerer Workflow (E-Mail-Klassifizierung + Routing)
  • Komplexer Workflow (Multi-Step mit Validierung)

Laufende Kosten:

  • n8n Self-Hosted: 0€ (nur Server-Kosten)
  • n8n Cloud: 20-50€/Monat
  • KI-API-Kosten: Claude ~1-5€/1.000 Requests (z.B. 50-500€/Monat)
Wie lange dauert die Implementierung?
+

Typische Zeitrahmen:

  • Proof of Concept (erster Workflow): 1-2 Wochen
  • Produktiv-Deployment: 3-6 Wochen
  • Vollständige Integration (3-5 Workflows): 2-3 Monate

Mit n8n + Intrexx: deutlich schneller als klassische Programmierung.

Wichtig: Agil vorgehen – erste Version nach 4 Wochen live, dann iterativ verbessern.

Backend-KI-Workflows für Ihr Unternehmen?

Kostenlose Potenzial-Analyse: Wir identifizieren 3-5 Prozesse mit höchstem ROI für KI-Automatisierung – unverbindlich und praxisnah.

Intrexx-Unterstützung anfragen Mit eigenen Zahlen rechnen

Weiterführende Artikel

Rückruf anfordern