KI-Auto-Antwortsystem mit RAG und Qdrant - n8n-Workflow

Geschäftsinhabern oder Support-Teams, die ein hohes Volumen an wiederkehrenden Anfragen erhalten.
Technischen Anwendern, die nach fortgeschrittenen n8n-Vorlagen suchen, welche mehrere LLMs (DeepSeek, OpenAI) integrieren.
Entwicklern, die eine sofort einsatzbereite Lösung zur Implementierung von RAG (Retrieval-Augmented Generation) in einem Live-E-Mail-n8n-Workflow benötigen.
Unternehmen, die ihre Erstbearbeitungszeiten durch eine automatisierte n8n-Lösung verbessern möchten.

Die Verwaltung hoher Mengen an Geschäftse-Mails, insbesondere solcher, die sich auf gängige Unternehmensinformationen beziehen, ist zeitaufwändig. Dieser spezialisierte n8n-Workflow bietet eine Lösung, indem er den gesamten Lebenszyklus automatisiert: Empfang, Zusammenfassung, Klassifizierung, Wissensabruf, Antwortgenerierung und Zustellung.

Diese robuste n8n-Vorlage löst das Problem verzögerter oder inkonsistenter Antworten durch den Einsatz modernster KI-Agenten und einer dedizierten Wissensdatenbank (Qdrant Vektorspeicher). Die leistungsstarke Kombination stellt sicher, dass nur relevante E-Mails den RAG-Mechanismus auslösen, wodurch der n8n-Knotenfluss auf proprietäres Wissen zugreifen und hochpräzise, prägnante und professionell formatierte Antworten generieren kann. Diese fortschrittliche n8n-Automatisierung spart Arbeitsstunden und steigert die Effizienz des Kundenservice erheblich.

Dieser umfassende n8n-Workflow funktioniert in zwei separaten Teilen: der Einrichtung der RAG-Wissensbasis und dem primären E-Mail-Automatisierungsfluss.

1. Einrichtung der Wissensbasis (Erster Durchlauf)

1. Der manuell ausgelöste Einrichtungspfad verwendet zuerst einen HTTP Request n8n-Knoten, um die Qdrant-Collection zu erstellen und zu aktualisieren.


2. Als Nächstes stellt er über den Google Drive n8n-Knoten eine Verbindung zu Google Drive her, um Dokumente aus einem festgelegten Ordner abzurufen.


3. Diese Dokumente werden heruntergeladen, vom Default Data Loader verarbeitet und mithilfe des Token Splitter n8n-Knotens in Chunks aufgeteilt.


4. Die Dokumente werden mit dem Embeddings OpenAI n8n-Knoten vektorisiert und schließlich in den Qdrant Vector Store eingefügt, wodurch die operationale Wissensbasis (RAG) entsteht.

2. Primärer E-Mail-Automatisierungsfluss

1. Auslöser: Die Automatisierung startet mit dem Email Trigger (IMAP) n8n-Trigger, der auf neue eingehende E-Mails wartet.


2. Vorverarbeitung: Der eingehende HTML-E-Mail-Body wird mithilfe des Markdown n8n-Knotens in Markdown umgewandelt, um eine optimale LLM-Verarbeitung zu gewährleisten.


3. Zusammenfassung: Die Email Summarization Chain nutzt das DeepSeek R1-Modell, um eine prägnante Zusammenfassung (max. 100 Wörter) des E-Mail-Inhalts zu erstellen.


4. Klassifizierung: Der Email Classifier n8n-Knoten (unter Verwendung von OpenAI 4-o-mini) prüft, ob die zusammengefasste Anfrage der Kategorie 'Unternehmensinfo-Anfrage' entspricht. Wenn nicht, endet der n8n-Workflow über den 'Do nothing'-Knoten.


5. Antwortgenerierung (RAG): Bei positiver Klassifizierung übernimmt der 'Write email' Agent n8n-Knoten. Dieser Agent ist so konfiguriert, dass er auf den proprietären Qdrant Vector Store (RAG) zugreift, um notwendige Unternehmensinformationen zu finden und eine professionelle Antwort basierend auf der ursprünglichen E-Mail-Anfrage und dem abgerufenen Kontext zu entwerfen. Der Agent verwendet eine strenge Systemnachricht, um sicherzustellen, dass die Antwort professionell ist und 100 Wörter nicht überschreitet.


6. Überprüfung und Formatierung: Der Roh-KI-generierte Text wird an den 'Review email' LLM Chain n8n-Knoten weitergeleitet. Dieser Knoten verwendet ein spezialisiertes Modell (DeepSeek), um die Antwort zu prüfen, zu strukturieren und in ein versandfertiges HTML-Format umzuwandeln, wobei professionelle Struktur und Kürze beibehalten werden.


7. Zustellung: Abschließend antwortet der Send Email n8n-Knoten automatisch an die ursprüngliche Absenderadresse und schließt damit den Kreislauf dieses hochentwickelten n8n-Workflows.

Um diese n8n-Vorlage nutzen zu können, befolgen Sie diese Schritte:

1. Workflow importieren: Kopieren Sie das bereitgestellte n8n-Workflow-JSON und fügen Sie es in Ihre n8n-Instanz ein.


2. Anmeldeinformationen einrichten: Dieser n8n-Workflow erfordert mehrere Anmeldeinformationen:

1. RAG-Einstellungen konfigurieren: Im RAG-Einrichtungspfad (Haftnotiz 1 & 2):

1. Aktivieren: Speichern Sie den n8n-Workflow und aktivieren Sie den Hauptauslöser (Email Trigger (IMAP)) für die kontinuierliche Automatisierung.

Dieser leistungsstarke n8n-Workflow nutzt eine Vielzahl von Standard- und KI-spezifischen n8n-Knotentypen:

Email Trigger (IMAP):
Funktion: Der primäre n8n-Auslöser, der die Automatisierung bei Empfang einer neuen E-Mail initiiert.
Wichtige Konfiguration: Überwachtes Postfach (z. B. [email protected]).
Email Summarization Chain (LangChain):
Funktion: Nutzt DeepSeek R1 (über OpenRouter) als LLM, um eine prägnante Zusammenfassung des langen E-Mail-Textkörpers zu erstellen.
Wichtige Konfiguration: Der Zusammenfassungs-Prompt begrenzt die Ausgabe auf maximal 100 Wörter.
Email Classifier (LangChain):
Funktion: Ein Routing-n8n-Knoten, der die zusammengefasste E-Mail in Kategorien einteilt (z. B. 'Unternehmensinfo-Anfrage'), um zu bestimmen, ob eine RAG-Antwort angemessen ist.
Wichtige Konfiguration: Verwendet gpt-4o-mini für schnelle und genaue Klassifizierung.
Qdrant Vector Store (LangChain):
Funktion: Konfiguriert im Modus 'retrieve-as-tool'. Dies ist die entscheidende RAG-Komponente, die dem KI-Agenten Kontext aus der Vektordatenbank liefert.
Wichtige Konfiguration: Verknüpft mit einer spezifischen COLLECTION und dem Toolnamen companyknowledgebase zugewiesen.
Write email (LangChain Agent):
Funktion: Der Kern der Antwortgenerierung. Er verwendet die Eingabe-E-Mail und das RAG-Tool (Qdrant), um eine professionelle, informative Antwort zu verfassen.
Wichtige Konfiguration: Die Systemnachricht erzwingt einen Experten-Ton und ein Limit von 100 Wörtern.
Review email (LangChain LLM Chain):
Funktion: Fungiert als abschließende redaktionelle Ebene, die sicherstellt, dass der generierte Text professionell strukturiert und mithilfe grundlegender HTML-Tags (wie und
) formatiert wird, bevor er gesendet wird.
Send Email (SMTP):
Funktion: Der abschließende Aktionsknoten von n8n, der die geprüfte Antwort dynamisch an den ursprünglichen Absender zurücksendet und somit das Ziel des n8n-Workflows erfüllt.
Wichtige Konfiguration: To Email wird dynamisch aus dem from-Feld des IMAP-Triggers abgebildet.