Welche KI-API in deine Automatisierung gehört — und warum das die meisten falsch machen

Von Jochen Schwab · Veröffentlicht am 2026-03-18 · Aktualisiert am 2026-04-02 · 8 Min. Lesezeit

TL;DR: n8n selbst ist DSGVO-konform – aber welche KI-API du darin verwendest, entscheidet, ob deine Automatisierung wirklich auf der sicheren Seite ist. Dieser Artikel erklärt, was eine KI-API ist, warum die Wahl des Anbieters genauso wichtig ist wie die des Automatisierungstools, und welche drei Kategorien EU-konformer KI-APIs es für deine n8n-Workflows gibt.

Du automatisierst mit n8n. Deine Daten liegen auf einem deutschen Server. DSGVO-konform, alles paletti.

Moment. Wohin schickt dein Workflow die Daten, wenn er KI nutzt?

Diese Frage stellen sich die wenigsten. Und genau dort liegt der blinde Fleck der meisten Automatisierungsprojekte.

Was du in diesem Artikel lernst

• Warum eine DSGVO-konforme Automatisierungsplattform nicht automatisch einen DSGVO-konformen KI-Einsatz bedeutet
• Was eine KI-API ist und welche Rolle sie in deinen Workflows spielt
• Welche drei Kategorien EU-konformer KI-APIs es gibt
• Wann welche Kategorie zu welchem Anwendungsfall passt

Das Problem: n8n ist sauber. Aber die KI darin vielleicht nicht.

Stell dir vor, du hast einen gut gesicherten Briefkasten. Deine Post kommt sicher rein, sicher raus, alles verschlüsselt. Soweit korrekt.

Jetzt gibst du einem Boten den Brief, damit er ihn für dich liest und eine Antwort formuliert. Und dieser Bote arbeitet für ein Unternehmen, das seinen Sitz in den USA hat, Daten auf amerikanischen Servern verarbeitet und möglicherweise den Inhalt des Briefes für eigene Zwecke verwendet.

Genau das passiert in vielen n8n-Automatisierungen, die KI einsetzen.

n8n selbst ist sauber: Open Source, selbst hostbar, auf deutschen Servern, kein Vendor Lock-in. Das haben wir im ersten Artikel über n8n für KMU bereits ausführlich besprochen.

Aber n8n ist nur der Workflow. Die "Denkarbeit" übernimmt ein KI-Modell. Und dieses Modell wird über eine API angebunden. Eine API ist dabei nichts weiter als eine Schnittstelle: dein Workflow schickt Daten raus, das Modell verarbeitet sie, die Antwort kommt zurück.

Die entscheidende Frage ist: Wohin gehen diese Daten dabei?

Wer in n8n einfach einen OpenAI-API-Key hinterlegt und Kundendaten durch den Workflow laufen lässt, hat ein Problem. Nicht wegen n8n. Wegen der API dahinter. Und da die meisten KI-Tutorials genau das als Standard zeigen, machen es entsprechend viele Unternehmen so.

Was ist eine KI-API überhaupt?

Kurz für alle, die den Begriff noch nicht kennen.

Ein KI-Modell ist das eigentliche "Gehirn" hinter einem KI-System. Es wurde mit riesigen Datenmengen trainiert und kann Text verstehen, analysieren und generieren. Dieses Modell läuft auf leistungsstarker Hardware, in der Regel auf spezialisierten GPU-Servern.

Eine API (Application Programming Interface) ist die Schnittstelle, über die du auf dieses Modell zugreifen kannst. Du schickst eine Anfrage mit deinen Daten, das Modell verarbeitet sie und schickt eine Antwort zurück.

In einem n8n-Workflow sieht das so aus: Ein Trigger löst den Workflow aus. Dann werden Daten verarbeitet, zum Beispiel eine Kundenanfrage aus deinem E-Mail-Postfach. Diese Anfrage wird an eine KI-API geschickt. Das Modell formuliert eine Antwort. n8n verarbeitet diese Antwort weiter und schickt sie zum Beispiel als E-Mail zurück.

Dabei durchläuft jede Kundenanfrage, jeder Name, jede Adresse, jede Bestellinformation die Server des API-Anbieters. Dieser Schritt findet nicht auf deinem Server statt. Er findet beim API-Anbieter statt.

Deshalb ist die Wahl des API-Anbieters genauso wichtig wie die Wahl des Automatisierungstools.

Weiterlesen: n8n Automatisierung für KMU: Warum Open Source der richtige Einstieg ist

Drei Kategorien DSGVO-konformer KI-APIs

Ähnlich wie im vorherigen Artikel zu KI-Tools für den alltäglichen Einsatz gibt es auch bei APIs drei Kategorien. Sie unterscheiden sich in Sicherheitsniveau, technischem Aufwand und Flexibilität.

Kategorie A: Europäische KI-API-Anbieter

Das sind Unternehmen mit Sitz in der EU, die ihre Infrastruktur vollständig auf europäischen Servern betreiben, ohne Abhängigkeit von US-Hyperscalern wie Amazon Web Services, Microsoft Azure oder Google Cloud.

Der entscheidende Unterschied zur Kategorie B: Der CLOUD Act der USA gilt hier schlicht nicht. Kein US-Unternehmen, keine US-Behörde, keine rechtliche Grundlage für einen erzwungenen Zugriff auf deine Daten.

Wie erkennst du diese Anbieter?

• Hauptsitz innerhalb der EU, nicht nur ein EU-Serverstandort
• Keine Nutzung von AWS, Azure oder Google Cloud als Infrastruktur
• Auftragsverarbeitungsvertrag (AVV) verfügbar und abrufbar
• Klare Aussage: keine Speicherung, kein Training mit deinen Eingaben
• Zertifizierungen europäischer Prüfstellen (z.B. ISO 27001 durch EU-Zertifizierer)

Was erwartet dich technisch?

Diese Anbieter stellen in der Regel eine OpenAI-kompatible API bereit. Das bedeutet: Du kannst in n8n einfach die Basis-URL des Anbieters eintragen und deinen eigenen API-Key hinterlegen. Der Rest des Workflows bleibt unverändert. Kein Umbau, kein neuer Workflow, kein technisches Risiko.

Die Modellqualität dieser Anbieter ist in den letzten zwei Jahren deutlich gestiegen. Für typische Automatisierungsaufgaben, also Textzusammenfassungen, E-Mail-Antworten, Klassifizierung, Datenextraktion, reichen sie heute vollständig aus. Bei sehr komplexen Reasoning-Aufgaben können sie punktuell hinter den leistungsstärksten US-Modellen liegen. Für die meisten KMU-Anwendungsfälle ist das kein praktisches Problem.

Wann ist das die richtige Wahl?

Immer dann, wenn Kundendaten, personenbezogene Informationen oder sensible Geschäftsdaten durch den Workflow fließen. Gesundheitswesen, Steuerberatung, Rechtsberatung, HR, Finanzen. Aber auch für alle anderen Betriebe, die auf der sichersten Seite sein wollen, ohne großen Mehraufwand.

Bekannte Anbieter in dieser Kategorie:

Der im B2B aktuell meistgenutzte europäische Anbieter ist Mistral AI aus Frankreich. Ihre API-Plattform "La Plateforme" bietet Zugang zu leistungsstarken Modellen, ist OpenAI-kompatibel und direkt in n8n einbindbar. Für den DACH-Raum interessant: aki.io aus Berlin, kleiner und klarer auf den KMU-Use-Case fokussiert, ohne Abhängigkeit von Hyperscalern. Für Unternehmen, die mehr Infrastrukturkontrolle wollen, sind Scaleway und OVHcloud aus Frankreich etablierte Alternativen, beide mit DSGVO-konformer API und OpenAI-kompatiblem Standard.

Der Markt entwickelt sich hier schnell. Neue europäische Anbieter kommen hinzu, bestehende erweitern ihr Modellangebot laufend. Die Checkliste von oben bleibt der verlässlichere Filter als ein konkreter Anbietername.

Kategorie B: US-API-Anbieter mit EU-Konfiguration

Das sind die bekannten, leistungsstarken Modelle aus den USA. Sie können DSGVO-konform genutzt werden, wenn du sie richtig konfigurierst. Das ist der Unterschied, auf den es ankommt.

Bei Cloud-Diensten wie OpenAI oder anderen muss sichergestellt sein, dass sie DSGVO-konform sind und vertraglich geregelt werden. KI-Agenten sollten nur dann mit sensiblen Daten verbunden werden, wenn eine rechtssichere und technisch abgesicherte Infrastruktur steht.

Was musst du konkret tun?

Erstens brauchst du zwingend eine API-Version mit Auftragsverarbeitungsvertrag. Die kostenlose Entwicklerversion reicht nicht. Du brauchst eine Business- oder Enterprise-Version mit AVV, der nach Art. 28 DSGVO abgeschlossen wird.

Zweitens muss Zero Data Retention aktiviert sein. Das bedeutet: Der Anbieter speichert deine Eingaben nicht und nutzt sie nicht für das Training. Das ist kein Standard, das musst du aktiv einrichten oder vertraglich absichern.

Drittens, soweit möglich, EU-Endpoints nutzen. Einige US-Anbieter bieten die Möglichkeit, Anfragen über europäische Server zu routen. Das reduziert, aber eliminiert nicht vollständig das strukturelle CLOUD-Act-Risiko.

Das strukturelle Problem bleibt: Das Mutterunternehmen sitzt in den USA. Selbst wenn die Daten auf EU-Servern verarbeitet werden, unterliegt das Unternehmen theoretisch US-Recht. Für viele KMU und viele Anwendungsfälle ist dieses Restrisiko vertretbar, wenn der Rest korrekt konfiguriert ist. Für sensible Branchen ist es das nicht.

Wann ist das die richtige Wahl?

Wenn du bestimmte Modelle brauchst, die nur bei diesen Anbietern verfügbar sind. Oder wenn du bereits bestehende Workflows hast und kurzfristig keinen Anbieterwechsel durchführen kannst. Oder wenn die Daten, die durch den Workflow fließen, keine personenbezogenen Informationen enthalten.

Bekannte Anbieter in dieser Kategorie:

Der am häufigsten genutzte Weg in größeren Unternehmen ist Azure OpenAI Service von Microsoft. Dabei laufen dieselben GPT-Modelle wie bei OpenAI direkt, aber auf Microsoft-Infrastruktur mit EU-Rechenzentren, AVV und EU Data Boundary. Wichtig: Nur mit dem Deployment-Typ "Data Zone Standard (EUR)" bleiben die Daten garantiert in der EU. Der Standardtyp "Worldwide Standard" reicht nicht.

Alternativ bietet OpenAI selbst seit Anfang 2025 europäische Datenresidenz an. Das setzt aber einen Enterprise-Vertrag mit OpenAI Ireland Ltd., einen DPA nach Art. 28 DSGVO und die Nutzung des EU-spezifischen Endpoints eu.api.openai.com voraus. Die Standard-Entwickler-API ohne diese Konfiguration ist für Kundendaten keine Option.

Das strukturelle CLOUD-Act-Restrisiko bleibt bei beiden Anbietern bestehen, auch mit EU-Konfiguration. Für die meisten KMU ohne hochsensible Branchen ist das vertretbar, vorausgesetzt, alles andere ist korrekt eingerichtet.

Kategorie C: Lokal betriebene KI-Modelle

Das ist die technisch aufwendigste, aber datenschutzrechtlich sauberste Lösung. Das KI-Modell läuft auf deiner eigenen Infrastruktur. Kein Datentransfer nach außen, keine externe API, keine Abhängigkeit von einem Drittanbieter.

Eine datenschutzfreundliche Alternative ist der Einsatz von Open-Source-Modellen, die auf eigenen Servern betrieben werden und den europäischen Rechtsraum nicht verlassen. Modelle wie Llama oder Mistral lassen sich DSGVO-konform integrieren, etwa über Tools, die lokales Hosting vereinfachen.

Wie funktioniert das technisch?

Du installierst ein Open-Source-Sprachmodell auf einem eigenen Server, zum Beispiel bei Hetzner in Deutschland. Ein lokales Verwaltungstool stellt dann eine lokale API bereit, über die n8n das Modell ansprechen kann. Die Datenverbindung läuft vollständig innerhalb deiner eigenen Infrastruktur.

Der Einrichtungsaufwand ist real. Du brauchst entweder technisches Know-how im Haus oder jemanden, der das für dich aufsetzt. Aber nach der Einrichtung läuft das System stabil, ohne laufende Lizenzkosten und ohne externe Abhängigkeiten.

Was erwartet dich praktisch?

Die Qualität lokaler Modelle hängt stark von der gewählten Modellgröße und der Server-Hardware ab. Für Textklassifizierung, einfache Extraktionen und Antwortvorschläge reichen schlanke Modelle auf günstigem Server-Hardware aus. Für komplexere Aufgaben braucht es leistungsstärkere Modelle und entsprechend mehr Serverkapazität.

Die laufenden Kosten sind nach dem Setup-Aufwand deutlich niedriger als bei API-basierten Lösungen. Keine tokenbasierten Kosten, die mit der Nutzung steigen. Ein Serverpaket im Monat, fertig.

Wann ist das die richtige Wahl?

Wenn du sehr sensible Daten automatisierst und null Toleranz für externe Datenflüsse hast. Wenn du bereits technisches Know-how im Team hast oder planst, jemanden zu engagieren. Und wenn deine Automatisierungen ein gewisses Volumen haben, ab dem die fixen Serverkosten günstiger sind als tokenbasierte Gebühren.

Das typische Setup in der Praxis:

Das gängigste Setup für KMU: Ein GPU-Server bei Hetzner in Deutschland, darauf Ollama als Verwaltungstool für die Modelle. Ollama stellt automatisch eine OpenAI-kompatible API bereit — n8n spricht sie an, als wäre es OpenAI. Nur die Base URL zeigt auf deinen eigenen Server. Als Modelle kommen meistens Llama (Meta, open-weight) oder Mistral (open-weight Variante) zum Einsatz, je nach Aufgabe und verfügbarer Hardware.

Für die Modellgröße gilt als grobe Orientierung: Für einfache Klassifizierungen und Textzusammenfassungen reichen 7-8B-Modelle auf einem Server mit 16 GB RAM. Für komplexere Aufgaben braucht es größere Modelle und entsprechend mehr Serverkapazität. Die laufenden Serverkosten bei Hetzner liegen je nach Größe zwischen 50 und 200 Euro pro Monat — ohne tokenbasierte Zusatzkosten, egal wie viele Anfragen du stellst.

Ein konkretes Beispiel aus der Praxis

Stell dir einen Betrieb vor, der eingehende Kundenanfragen per E-Mail automatisch klassifizieren und beantworten lassen will. Der Workflow in n8n ist schnell gebaut: E-Mail rein, KI analysiert den Inhalt, Antwort wird formuliert, E-Mail geht raus.

Die Frage ist: Was passiert zwischen "KI analysiert" und "Antwort kommt"?

Wenn in diesem Schritt eine US-API ohne korrekte Konfiguration steckt, laufen Kundennamen, E-Mail-Inhalte und möglicherweise Bestelldetails über amerikanische Server. Das ist ein DSGVO-Problem.

Wenn dort eine europäische KI-API steckt, verlassen die Daten die EU nicht. Das Problem existiert nicht.

Der Workflow selbst ist in beiden Fällen identisch. Die Umstellung auf eine europäische API ist in n8n oft eine Sache von wenigen Minuten: Base URL austauschen, API-Key eintragen, testen. Fertig.

Warum das für KMU in Deutschland, Österreich und der Schweiz konkret zählt

Viele KMU sehen Datenschutz als Bürokratie. Das ist verständlich. Aber es ist eine Perspektive, die sich mit der Zeit rächt.

Der regulatorische Druck steigt. Der EU AI Act bringt ab 2025 gestaffelt neue Anforderungen für Unternehmen, die KI in Entscheidungsprozessen einsetzen. Wer jetzt sauber aufgestellt ist, hat diese Arbeit erledigt, bevor sie Pflicht wird.

Dazu kommt das Vertrauensargument. In DACH-Märkten ist Datenschutz ein echtes Kaufkriterium, besonders in sensiblen Branchen. "Wir automatisieren mit KI auf europäischer Infrastruktur" ist eine Aussage, die bei Kunden ankommt. "Wir nutzen ChatGPT" ist keine.

Und der wirtschaftliche Aspekt: Ein Datenschutzverstoß kostet im besten Fall Zeit und Nerven. Im schlechten Fall bis zu 4 Prozent des Jahresumsatzes als Bußgeld. Die Umstellung auf eine DSGVO-konforme KI-API kostet in n8n oft weniger als eine Stunde.

Fazit

n8n ist ein hervorragendes Automatisierungstool mit echten Datenschutzvorteilen. Aber n8n ist nur der Rahmen. Welche KI-API du darin verwendest, bestimmt, ob deine Automatisierung wirklich DSGVO-konform ist oder nur auf dem Papier.

Die gute Nachricht: Die Wahl der richtigen API ist technisch kein großes Problem. In n8n ist ein API-Anbieter schnell ausgetauscht. Der Aufwand liegt nicht in der Technik, sondern darin, überhaupt erst zu wissen, dass diese Frage relevant ist.

Du willst wissen, wie deine aktuellen oder geplanten Automatisierungen aufgestellt sind und wo mögliche Schwachstellen liegen? Buch dir ein kostenloses Erstgespräch. Wir schauen uns das gemeinsam an. Kostenloses Erstgespräch buchen

Weiterlesen: Human-in-the-Loop Automatisierung: Warum KMU KI nicht blind vertrauen sollten

Häufige Fragen zu KI-APIs und DSGVO

Kann ich OpenAI einfach in n8n einbinden?

Technisch ja – rechtlich kommt es auf die Konfiguration an. Die Standard-Entwickler-API ohne AVV und ohne Zero Data Retention ist für Kundendaten keine DSGVO-konforme Option. Wer OpenAI nutzen will, braucht mindestens einen Enterprise-Vertrag mit AVV nach Art. 28 DSGVO, aktiviertes Zero Data Retention und idealerweise den EU-spezifischen Endpoint eu.api.openai.com. Einfacher ist oft der Wechsel auf einen europäischen Anbieter wie Mistral AI.

Welche europäischen KI-APIs kann ich direkt in n8n nutzen?

Europäische Anbieter wie Mistral AI stellen OpenAI-kompatible APIs bereit. Das heißt: In n8n trägst du einfach die Base URL des Anbieters ein und hinterlegst deinen API-Key – der Rest des Workflows bleibt unverändert. Praktisch kein technischer Mehraufwand gegenüber OpenAI.

Was ist Zero Data Retention und warum ist es wichtig?

Zero Data Retention bedeutet, dass der API-Anbieter deine Eingaben nach der Verarbeitung weder speichert noch für das Training seiner Modelle nutzt. Das ist bei den meisten Standardplänen nicht aktiviert. Es muss entweder in den Einstellungen explizit aktiviert oder vertraglich mit dem Anbieter vereinbart werden.