Node-based Automatisierung im Enterprise-Bereich: wie UiPath Maestro Flow Tools wie n8n ersetzt

In unserem Webinar am 11. August fiel eine Bemerkung, die wir seit Monaten in Kundengesprächen hören. Jemand hatte einen Automatisierungs-Workflow in n8n gebaut, der sauber lief, und trotzdem ist er nie in Produktion gegangen. Kein technisches Problem. Es konnte niemand beantworten, wer die Verantwortung trägt, wenn dieses Werkzeug morgen Rechnungsdaten in ein ERP-System schreibt und dabei etwas schiefgeht.

Das ist die Lücke, um die es hier geht. Nicht die zwischen zwei Tools, sondern die zwischen einem Prototyp, der begeistert, und einem Prozess, den eine IT-Abteilung verantworten kann.

Ein Graph, den alle lesen können

Node-basierte Automatisierungstools funktionieren im Kern alle gleich, ob n8n, Make, Zapier oder UiPath Flow. Am Anfang steht ein Trigger, etwa ein Zeitplan, eine eingehende E-Mail oder ein Webhook, der von einem Fremdsystem ausgelöst wird. Danach folgt ein Graph aus Knoten und Kanten. Jeder Knoten macht eine Sache, einen API-Call, eine Transformation, eine Verzweigung, einen Aufruf an ein Sprachmodell. Über die Kanten wandern die Daten weiter, der Output des einen Knotens wird zum Input des nächsten.

Agenten gehören inzwischen überall dazu. Man legt den Agenten als Knoten an, gibt ihm Kontext und Werkzeuge und lässt ihn im laufenden Ablauf entscheiden, welcher Pfad als Nächstes dran ist.

Warum sich das durchgesetzt hat

Vier Eigenschaften erklären den Erfolg ziemlich gut.

Der Graph ist eine Sprache, die Entwickler und Fachbereich gleichermaßen verstehen, und liegt näher an einem BPMN-Diagramm als an einem Skript. Wer nachvollziehen will, was der Prozess tut, schaut sich ein Bild an statt in fremden Code hineinzuschauen.

Dann die Geschwindigkeit. Von der Idee bis zum laufenden Ablauf vergehen Stunden statt Sprints, weil die Bausteine vordefiniert sind. Darin liegt zugleich die Grenze, denn eine wirklich ungewöhnliche Logik lässt sich nicht mit fertigen Nodes abbilden. Für Standardabläufe geht der Ablauf trotzdem fast immer auf.

Debugging ist der dritte Punkt. Fällt ein Prozess um, sieht man den Knoten, an dem es passiert ist. Auch jemand ohne Entwicklerhintergrund kann den Fehler innerhalb weniger Minuten einordnen.

Bleibt die Komposition. Weil alles aus Bausteinen entsteht, wächst die Komplexität mit dem Prozess und nicht mit dem Code. Für die IT hat das einen angenehmen Nebeneffekt: Sie legt fest, welche Konnektoren und Komponenten überhaupt freigegeben sind. Ein Review dauert dann nur Minuten, weil der Graph den Ablauf zeigt, statt dass jemand handgeschriebene Skripte gegen die Coding-Guidelines prüfen muss.

Genau diese Kombination erklärt, warum Citizen Development mit solchen Werkzeugen erstmals funktioniert. Der Fachbereich kennt seinen Prozess besser, als ein IT-Ticket ihn je beschreiben wird, und wartet nicht mehr sechs Wochen auf einen Slot im Dev-Backlog. Die Kontrolle bleibt trotzdem bei der IT, weil sie den Baukasten definiert.

Wo die Enterprise-Grenze verläuft

Die meisten dieser Tools kommunizieren ausschließlich über APIs. Das klingt harmlos, bis man in einem Konzern nach den Systemen sucht, in denen die eigentliche Arbeit stattfindet. Eine Mainframe-Maske. Eine Desktop-Anwendung aus 2008. Ein Branchensystem, dessen Hersteller die Schnittstelle gegen Aufpreis anbietet, wenn überhaupt. Dort endet die Reichweite eines reinen API-Canvas, und dort liegt im Enterprise-Alltag der Großteil der Prozesse.

Der zweite Punkt betrifft die Reihenfolge, in der diese Werkzeuge entstanden sind. Funktion zuerst, Governance später. n8n hat in der Enterprise-Edition inzwischen einiges nachgeliefert, SSO über SAML, rollenbasierte Rechte, Audit-Logs, Git-Anbindung mit Rollback. Das Fundament bleibt trotzdem etwas, das man selbst zusammensetzt und betreibt: Hosting, Skalierung, Secrets, Mandantentrennung, Freigabeprozesse. In einer Bank oder einem Klinikum wird daraus schnell ein eigenes Vorhaben mit eigenem Budget.

Dazu kommt eine Frage, die in Architekturrunden regelmäßig übersehen wird. Wem gehören eigentlich die Zugangsdaten? In einem selbst gehosteten Canvas hinterlegt derjenige, der den Flow baut, seine eigenen Anmeldedaten für Outlook, SAP oder das CRM. Verlässt die Person das Unternehmen, steht ein Prozess still, den außer ihr niemand kannte. Eine Plattform mit zentraler Rechteverwaltung und getrennten Mandanten löst das nebenbei.

Am schwersten wiegt die Nachvollziehbarkeit, sobald Agenten mitspielen. Ein Prüfer fragt selten, ob der Workflow durchgelaufen ist. Er fragt, warum das Modell diese E-Mail als Rechnung eingestuft hat, welche Daten dabei an welchen Anbieter gegangen sind und wer die Freigabe erteilt hat. Ein durchgängiger Trace über jeden Schritt, einschließlich der Entscheidungen der Agenten, ist in den wenigsten Canvas-Tools integriert.

Was UiPath Maestro Flow anders macht

UiPath ist den umgekehrten Weg gegangen. Die Automation Cloud existiert seit Jahren mit RBAC, Audit-Trail, Mandantentrennung und Betrieb unter SLA. Flow ist der Canvas, der darüber gesetzt wurde. Was andere Anbieter nachrüsten, ist hier der Untergrund.

Technisch ist ein Flow ein einziges Artefakt, eine .flow-Datei. Dieselbe Datei lässt sich visuell in Studio Web bearbeiten, in VS Code als TypeScript-DSL schreiben oder von einem Coding-Agenten wie Claude Code, Cursor oder Copilot erzeugen. Sie liegt in Git, sie hat Compile-Time-Checks, und sie geht ohne Umbau in Produktion. Prototyp und Produktionsartefakt sind dasselbe Objekt. Wer mit Coding-Agenten arbeitet, bekommt außerdem etwas, das reines Vibe-Coding nicht liefert: Das Ergebnis bleibt als Graph lesbar, auch für Leute, die den generierten Code nie zeilenweise prüfen würden.

Die Ausführung erfolgt auf einer temporalbasierten Runtime. Praktisch heißt das, dass lange laufende Prozesse Neustarts überstehen, und dass sich eine einzelne Instanz abbrechen, neu starten oder ab dem aktuellen Schritt erneut versuchen lässt, statt den kompletten Lauf zu wiederholen. Tracing nach OpenTelemetry-Standard liegt über jedem Knoten, feiner aufgelöst als in den Tools, die Flow konzeptionell beerbt.

Was Flow von der Plattform erbt

Spannender als die Runtime ist die Liste dessen, was man nicht mehr selbst bauen muss.

Human-in-the-Loop kommt über das Action Center. Erreicht ein Agent eine Stelle, an der ein Mensch entscheiden soll, erzeugt der Prozess eine Aufgabe mit fertiger Oberfläche, wahlweise als Teams-Nachricht, und wartet auf die Antwort.

Dokumente laufen über Document Understanding. Eine Extract-Activity hängt direkt an einem Modell, egal ob klassisch trainiert oder generativ per Prompt beschrieben. PDF, Scan oder Foto des Führerscheins macht dabei keinen Unterschied. IXP ist in Flow aktuell noch kein eigener Knoten, lässt sich jedoch über die Document-Understanding-API einbinden.

Beim Unternehmenswissen greift Context Grounding auf dieselben Wissensbasen zurück, die in der Plattform ohnehin schon für andere Agenten gepflegt werden. Was einmal indexiert ist, steht dem nächsten Flow mit wenigen Klicks zur Verfügung.

Und dann die RPA-Bots. Ein bestehender Roboter wird zum Werkzeug des Agenten, genau dort, wo keine API existiert. Für Bestandskunden ist das der größte Hebel, weil eine über Jahre gewachsene Bibliothek sofort weiterverwendbar ist.

Über allem liegt der AI Trust Layer. Konfigurierbar sind vier Guardrails: eine Erkennung schädlicher Inhalte, eine Prüfung auf Prompt-Injection vor dem Modellaufruf, PII-Maskierung, die personenbezogene Daten pseudonymisiert, bevor der Prompt das Haus verlässt, und eine Kontrolle der Antworten auf IP-Verletzungen. Diese Richtlinien greifen auf Tenant-, Gruppen- und Benutzerebene. Dazu kommen Modell-Allowlists pro Anbieter, regionales Routing des LLM-Verkehrs und Audit-Logs zu jeder Modellinteraktion. Wenn die Cybersecurity-Abteilung ihre Fragenliste durchgeht, verkürzt sich der Teil der Diskussion erheblich.

Ein Prozess, wie er tatsächlich aussieht

Im Webinar haben wir einen Postfach-Agenten live laufen lassen, eine abgespeckte Version aus einem Kundenprojekt. Sammelpostfächer kennt jedes Unternehmen. Werbung, Rechnungen und gelegentlich eine Anfrage eines Key Accounts, die eigentlich am selben Tag beantwortet werden müsste, während niemand den ganzen Tag Zeit hat, das Postfach zu beobachten.

Der Flow empfängt die E-Mail über Outlook, prüft auf Anhänge und leitet alles an einen Klassifizierungsagenten weiter. Der ordnet die Mail einer von drei Kategorien zu. Rechnungen werden ausgelesen und in die Datenbank eingetragen. Werbung wandert direkt ins Archiv. Bei einer Key-Account-Anfrage erhält der zuständige Manager eine Teams-Nachricht mit einer Zusammenfassung und einem Formular, in das er die Adresse der Person einträgt, die den Fall übernehmen soll. Der Prozess leitet weiter, archiviert und endet.

In der Live-Demo dauerte der Durchlauf inklusive menschlicher Freigabe knapp zwei Minuten. Interessant war der Blick darunter. Der Execution Trail zeigt jeden Schritt, jede Variable mit ihrem Wert zum jeweiligen Zeitpunkt sowie die vollständigen Metadaten der eingegangenen E-Mail. Bei fehlgeschlagenen Läufen ist der Pfad bis zum Knoten, an dem der Lauf hängte, rot markiert. Aggregiert zeigen die Flow Instances, welche Prozesse wie oft laufen und wo sie regelmäßig scheitern.

Flow ist ein Werkzeug von dreien

Maestro bringt drei Modellierungswege mit. BPMN richtet sich an Prozessverantwortliche und deckt komplexe End-to-End-Abläufe über Abteilungsgrenzen hinweg ab. Case Management adressiert langlaufende Arbeit mit viel Ausnahmelogik, etwa bei Schadensfällen oder Kreditanträgen. Flow ist der Developer-first-Weg für schnelle, agentische Abläufe im Bereich von zehn bis dreißig Knoten, genau der Platz, den n8n heute besetzt.

BPMN und Flow teilen sich dieselbe Engine, Case Management greift auf dieselben Plattformdienste zu. Verschachteln lässt sich das ebenfalls: Ein Case ruft einen BPMN-Prozess auf, ein Flow bindet einen RPA-Workflow oder ein BPMN-Modell als Knoten ein. Eine Entscheidung für Flow ist damit keine Sackgasse.

Was heute schon geht

Flow ist in der Public Preview und läuft derzeit nur in der Cloud. Die On-Premise-Frage kam im Webinar prompt aus dem Chat. Nach dem, was UiPath in internen Partnerterminen kommuniziert, werden neue Funktionen zuerst in der Cloud validiert und erst danach portiert. Ein offizielles Datum für Flow in der Automation Suite gibt es bislang nicht, wer also On-Premise gebunden ist, plant vorerst ohne. Bei den Kosten sind zwei Modelle vorgesehen. Entweder nimmt man die volle Orchestrierung mit und zahlt die Units wie bei Maestro BPMN oder Case Management, dazu die Agent-Units für aufgerufene Agenten. Oder man deaktiviert die Monitoring-Unit für kleine Prozesse mit geringem Impact und behält ein reduziertes Trace-Log.

Wo man anfängt

Auf der Roadmap stehen Conversational Agents und Voice Agents. Im ersten Fall wird ein Chat zur Oberfläche eines kompletten Prozesses, im zweiten Fall löst ein Telefonanruf Extraktion, Klassifikation und Freigabe aus. Die darunterliegende Governance bleibt unverändert, nur der Zugang wird menschlicher.

Wer bereits etwas in n8n gebaut hat, fängt bei einem Umstieg nicht bei null an. Die Denkweise ist identisch:f Trigger, Nodes, Verzweigungen, Agenten mit Werkzeugen. Was dazukommt, ist das Fundament darunter, und das ist der Teil, der über Freigabe oder Ablehnung entscheidet, wenn der Prototyp den Fachbereich verlässt.

Meist reicht ein Nachmittag, um einen bestehenden Workflow durchzugehen und zu klären, was ein Umbau auf Maestro Flow konkret bedeutet. Wenn Sie einen solchen Fall haben, sprechen Sie uns an.

Lunatec ist UiPath Diamond Partner und begleitet agentische Automatisierung in Gesundheitswesen, Finanzdienstleistung und Industrie. Das Webinar „Wo n8n aufhört“ fand am 11. August 2026 statt.