Was ist Make?
Make ist eine No-Code-Automatisierungsplattform. Es startete 2015 als Integromat und gehört heute zu Celonis. Du baust Szenarien auf einer visuellen Arbeitsfläche, indem du Module verkettest, wobei jedes Modul eine Sache in einer App erledigt: ein Google Sheet beobachten, ein Zendesk-Ticket erstellen, in Slack posten. Make gibt an, dass über 500.000 Teams damit arbeiten, mit über 3.500 Apps von Haus aus, und alles mit einer API lässt sich als eigene App hinzufügen.
Es gehört zur selben Kategorie der Workflow-Automatisierung wie Zapier und n8n, und Makes eigene Startseite verlinkt direkt auf die Vergleiche mit beiden. Wenn das deine Shortlist ist, beginne mit Make vs Zapier und Make vs n8n oder dem Dreiervergleich AgentKit vs Make vs n8n.
Wie ich Make getestet habe
Ich bin Rama und baue die Helpdesk-Integrationen und APIs von eesel. Deshalb verbringe ich meine Woche in denselben Zendesk- und Gorgias-APIs, die ein Make-Support-Szenario aufruft. Für diesen Test habe ich Makes Preisseite und FAQ gelesen, die Hilfecenter-Seiten zu Credits, Operationen, KI-Agenten und Maia, die Referenz der Zendesk-App und jede Release Note von 2026. Außerdem habe ich Community-Kommentare von Reddit, G2, Capterra und Hacker News gelesen. Preise stammen ausschließlich von Makes eigenen Seiten, heute geprüft.
Bewertung: Ich habe den Builder und das Preis-Leistungs-Verhältnis stark gewichtet, weil Leute deshalb Make wählen. Außerdem habe ich einbezogen, wie vorhersehbar die Rechnung ist und wie viel Arbeit ein Support-Team investieren muss, um einen zuverlässigen KI-Agenten in Produktion zu bringen.
Was Make richtig macht
Make verdient seinen Ruf an vier Stellen: der Arbeitsfläche, dem Einstiegspreis, einer schnell wachsenden KI-Ebene und der Governance, die du in den höheren Tarifen bekommst.
Der Szenario-Builder ist weiterhin die freundlichste Arbeitsfläche
Der Editor ist eine Reihe runder Module, verbunden durch gepunktete Linien. Nach einem Lauf zeigt eine kleine Blase über jedem Modul, wie viele Operationen es verbraucht hat, und du kannst darauf klicken, um jedes durchgelaufene Bundle zu prüfen. Router teilen einen Ablauf in Zweige, Filter sitzen auf den Verbindungen, und Fehler-Handler fangen Ausfälle ab. Router und Fehler-Handler sind beide kostenlos: Make berechnet dafür keine Credits, laut Preis-FAQ.
Wenn die No-Code-Optionen enden, gibt es ein HTTP-Modul für jede API, ein Modul „Make an API Call“ in den meisten Apps und Make Code für JavaScript oder Python in bezahlten Tarifen. Diese Spanne von Drag-and-drop bis Code ist der Grund, warum Make in meiner Liste der besten Workflow-Apps weit oben steht.
"Make has slightly better ability to visualise data pass through a scenario (seeing specific bundles per Scenario execution), and it has a neat Grid feature that lets you get a Birds Eye overview of all the Scenarios you have and all the connections."
"I find it more versatile and its interface is more intuitive than Zapier's. For closed and static processes, automating them with Make is more economical than using LLM credits."
Der Einstiegspreis ist niedrig
Der Free-Tarif kostet 0 $, hat kein Zeitlimit und verlangt keine Karte. Bezahlte Tarife beginnen bei 9 $ pro Monat für 10.000 Credits bei jährlicher Abrechnung, was bei Core 0,90 $ pro 1.000 Credits entspricht. Für ein kleines Team, das eine Handvoll Aufgaben automatisiert, ist das schwer zu schlagen. Jeder Tarif, auch Free, enthält unbegrenzt viele Nutzer.
Die KI-Ebene ist dieses Jahr schnell erwachsen geworden
Make hat 2026 mehr KI ausgeliefert als in den Jahren davor zusammen:
- Make AI Agent (New), veröffentlicht am 2. Februar 2026 und in allen Tarifen in der offenen Beta. Ein Agent lebt in einem Szenario, mit Anweisungen, Wissensdateien und Tools. Seine Tools können Module, ganze Szenarien, Tools von MCP-Servern oder andere Agenten sein, und ein Reasoning-Panel zeigt jede Entscheidung Schritt für Schritt.
- Maia, in den Release Notes am 12. August 2026 gestartet. Du beschreibst ein Szenario in einfacher Sprache, und Maia baut oder repariert es im Scenario Builder.
- Make MCP server, damit KI-Tools wie Claude oder ChatGPT sich mit deinen Szenarien verbinden können. Im September kam außerdem ein offizielles Make-Plugin für ChatGPT.
- Modellauswahl. Mit Makes AI Provider brauchst du kein eigenes KI-Konto, und bezahlte Tarife können stattdessen eigene OpenAI- oder Anthropic-Schlüssel einbinden.
Mir gefällt, wie ehrlich Makes eigene Doku darüber ist, wo Agenten passen. Die Einführung in KI-Agenten sagt: Nutze ein Standardszenario, wenn dieselbe Eingabe immer dieselbe Ausgabe liefern soll, einen KI-App-Schritt zum Übersetzen oder Zusammenfassen und einen Agenten nur für Ermessensentscheidungen. Sie rät außerdem, Aufgaben zu wählen, „that you trust an intern to handle“. Das ist ein guter Rat für jeden KI-Agenten, und es ist dieselbe Grenze, die ich ziehen würde.
Die Governance ist solide, sobald du bezahlst
Make ist DSGVO-konform und SOC 2 Typ II sowie SOC 3 zertifiziert, laut Startseite. Bezahlte Tarife ergänzen Make Grid, eine automatisch erzeugte Karte aller Szenarien und Abhängigkeiten, und Teams ergänzt Teamrollen und gemeinsame Vorlagen. Enterprise ergänzt Audit-Logs, benutzerdefinierte Rollen, einen On-Prem-Agenten und Überschreitungsschutz, sodass Szenarien weiterlaufen, wenn die Credits ausgehen.
Wo Make mehr von dir verlangt
Nichts davon ist ein Ausschlusskriterium. Es sind die Kosten, die die Schlagzeile „9 $ im Monat“ weglässt.
Credits folgen Bundles, nicht Läufen
Das ist der am häufigsten missverstandene Teil von Make. Ein Credit wird jedes Mal verbraucht, wenn ein Modul ein Bundle verarbeitet, also ein Datenelement: eine E-Mail, eine Zeile, ein Ticket. Makes Operations-Leitfaden nennt dieses Beispiel: Ein Szenario beobachtet ein Google Form, erhält 10 neue Antworten und erstellt dann für jede ein Dokument, lädt es herunter und versendet es per E-Mail. Der Trigger kostet 1, jedes der nächsten drei Module läuft 10-mal, und der Lauf kostet 31 Operationen, nicht 4.
Die Lösung ist Design, und Makes Leitfaden zeigt sie: Ein Text-Aggregator, der die Elemente zu einer E-Mail zusammenfasst, senkte einen ähnlichen Lauf von 11 auf 3 Operationen. Gute Make-Builder denken in Bundles. Neue erfahren es von der Rechnung.
Polling-Trigger verbrauchen Credits, während nichts passiert
Die meisten „Watch“-Module sind Polling-Trigger. Sie prüfen eine App nach Zeitplan auf neue Daten, und Makes Operations-Leitfaden zählt jede Prüfung als eine Operation. Bezahlte Tarife erlauben Intervalle bis herunter auf jede Minute. Ein Monat hat etwa 43.200 Minuten, also kann ein einzelnes Szenario mit Polling im Minutentakt 43.200 Credits pro Monat verbrauchen, bevor es irgendetwas verarbeitet. Das ist mehr als das Vierfache des Tarifs mit 10.000 Credits.
Instant-Trigger vermeiden das. Die App benachrichtigt Make per Webhook nur, wenn neue Daten eintreffen. Makes Zendesk-App hat genau aus diesem Grund Instant-Module. Prüfe den Typ jedes Triggers, bevor du ein Szenario einschaltest.
"I currently use the Core plan with 10,000 credits per month, but during a recent month of development and testing, I used approximately 28,000 credits. This makes it difficult to predict costs, especially when troubleshooting scenarios that require multiple executions."
Auch Tests zählen, wie dieser Rezensent feststellte. Endlosschleifen sind die andere klassische Überraschung, und sie können dein Guthaben unter null drücken:
"If you make an infinity loop accidentally, you can zap all your credits and even go into a deficit."
KI-Schritte werden nach Tokens abgerechnet, und das Bauen mit Maia kostet ebenfalls Credits
Feste Aktionen kosten 1 Credit. KI-Funktionen sind dynamisch. Mit Makes AI Provider kostet ein Agentenlauf 1 Credit pro Operation plus Credits abhängig von den KI-Tokens, und das Hochladen von Wissensdateien fügt Embedding-Tokens hinzu, laut Credit-Leitfaden für KI-Agenten. Wenn du in einem bezahlten Tarif deinen eigenen OpenAI- oder Anthropic-Schlüssel mitbringst, berechnet Make nur die Operationen, und dein Anbieter rechnet die Tokens ab.
Maia zieht aus demselben Credit-Pool wie deine Szenarien. Bezahlte Tarife erhalten die ersten 70 Nachrichten 30 Tage lang kostenlos, der Free-Tarif erhält 45 Nachrichten in einer 30-tägigen Testphase. Danach kostet jede Antwort Credits je nach Komplexität der Aufgabe. Die beiden Beispiele in Makes eigener Doku zeigen Antworten für 140,04 und 160,18 Credits.
Das ist kein Grund, Maia zu überspringen. Es ist ein Grund zu wissen, dass ein langes Hin und Her beim Bauen mehr kosten kann als Wochen des Betriebs des fertigen Szenarios in einem kleinen Tarif. Wenn dir die Token-Rechnung neu ist, erklärt sie mein Beitrag zum LLM-Token.
Die Pflege liegt bei dir, wenn sich Apps ändern
Make pflegt seine App-Module, aber deine Szenarien brechen trotzdem, wenn ein Anbieter seine API ändert. Makes Release Notes 2026 listen 91 Einträge vom 9. Januar bis 16. Oktober, und 20 ihrer Titel weisen auf eine erforderliche Aktion, eine Einstellung, eine Abschaltung oder eine Migration hin: Stripe, Shopify-Bestandsupdates, Aircalls V2-API, OpenAIs ältere Modelle und mehr. Jede davon ist eine Chance, dass ein Szenario unbemerkt stehen bleibt, weshalb ich automatisierte Workflows als etwas behandle, das man pflegt und nicht abschließt.
"While the visual interface is great, the learning curve can be quite steep once you start building more complex scenarios. Understanding how to properly use iterators, aggregators, and mapping complex data structures took me quite a bit of trial and error."
"Error handling can also be a little unforgiving: a temporary HTTP/network issue can deactivate an instant scenario if no retry handler has been configured."
Dazu kommt die Lernkurve. Der Builder ist freundlich, aber Datenzuordnung, Iteratoren, Aggregatoren und Fehlerrouten brauchen Zeit zum Lernen, und das erwähnen die meisten negativen Bewertungen.
Was kostet Make 2026?
Make rechnet nach Credits pro Monat ab. Die meisten Modulaktionen kosten 1 Credit, und der Tarif bestimmt sowohl dein Credit-Paket als auch deine Funktionen. Hier das Raster von der Preisseite bei der Standardgröße von 10.000 Credits, wie es mir heute angezeigt wurde:
| Tarif | Jährliche Abrechnung (pro Monat) | Monatliche Abrechnung | Credits / Monat | Was du bekommst und die Limits |
|---|---|---|---|---|
| Free | 0 $ | 0 $ | 1.000 | 2 aktive Szenarien, 15 Minuten Mindestintervall, 5 Minuten maximale Laufzeit, 7 Tage Logs, kein Make Code |
| Core | 9 $ (0,90 $ pro 1.000) | 10,59 $ | 10.000 | Unbegrenzte aktive Szenarien, Planung im Minutentakt, 40 Minuten maximale Laufzeit, Make API, Make Grid, 30 Tage Logs |
| Pro | 16 $ (1,60 $ pro 1.000) | 18,82 $ | 10.000 | Priorisierte Ausführung, benutzerdefinierte Variablen, Volltextsuche in Logs, Jahres-Credits, die 12 Monate gelten |
| Teams | 29 $ (2,90 $ pro 1.000) | 34,12 $ | 10.000 | Teams und Teamrollen, teilbare Szenariovorlagen |
| Enterprise | Individuell | Individuell | Individuell | Enterprise-Apps, benutzerdefinierte Funktionen, Audit-Logs, Überschreitungsschutz, 24/7-Support, 60 Tage Logs |
Vier Dinge, die das Raster nicht offensichtlich macht:
- Make zeigt derzeit zwei Preiskarten. In meinem Browser lagen die Jahrespreise bei 9 $, 16 $ und 29 $ mit „Save 15%“-Badges. Eine Aufnahme derselben Seite am selben Tag, oben gezeigt, zeigte 12 $, 21 $ und 38 $ mit „Save 25%“. Welche du bekommst, scheint von Besuch zu Besuch zu variieren, lies also deine eigene Seite, bevor du budgetierst.
- Der Preis pro Credit sinkt, wenn du den Regler verschiebst. Größere Pakete kosten etwas weniger pro 1.000 Credits. In meinem Browser kosteten etwa 13.772 Credits pro Monat 12 $ bei Core jährlich, du zahlst also nicht dauerhaft den Satz für 10.000 Credits.
- Ungenutzte Credits verfallen. Bei monatlicher Abrechnung werden sie jeden Monat zurückgesetzt. Jährliche Abrechnung bei Pro und Teams lässt Credits 12 Monate gelten. Core bekommt diese Flexibilität nicht.
- Wenn die Credits ausgehen, pausieren deine Szenarien. Webhook-Daten werden in eine Warteschlange gestellt, und Polling-Szenarien holen später auf, aber nichts läuft, bis du Credits nachkaufst. Du kannst Extra-Pakete mit 1.000 oder 10.000 kaufen oder den automatischen Kauf aktivieren. Überschreitungsschutz gibt es nur bei Enterprise.
Make Code wird separat mit 2 Credits pro Sekunde Ausführung abgerechnet, ein Skript mit 3 Sekunden kostet also bei jedem Lauf 6 Credits.
Trag unten deine eigenen Zahlen ein. Es nutzt Makes Regel von 1 Credit pro Modulaktion und 1 pro Polling-Prüfung und stellt die Pro-Ticket-Rechnung von eesel für Support-Arbeit daneben. Mein Leitfaden zu Make-Preisen enthält weitere durchgerechnete Beispiele.
Was Nutzer über Make sagen
Die Bewertungen sind hoch. Make hat 4,6/5 aus 399 Bewertungen auf G2 und 4,8 aus 409 auf Capterra, wo die Benutzerfreundlichkeit mit 4,3 niedriger liegt. Die am häufigsten genannten Nachteile bei G2 sind Lernkurve und Fehlerbehandlung, jeweils sieben Erwähnungen. Der Wert ist das häufigste Lob:
"Make offers very good value for the price, especially for complex workflows that would otherwise require custom development."
Wer sowohl Make als auch n8n nutzt, kommt tendenziell zur selben Aufteilung wie ich: Make für Tempo und Feinschliff, n8n für codelastige Arbeit mit hohem Volumen.
"If your workflows are less than ~8-10 steps, Make is usually cheaper. Self hosting n8n is cheap, but it's not as easy as it might sound, and you have to be on top of updates and changes."
Entwickler sind das härteste Publikum, denn eine Schleife und eine Fehlerroute zusammenzuklicken kann langsamer sein als sie zu tippen. Das ist ein berechtigter Punkt, jetzt, wo Coding-Agenten auch Glue-Skripte schreiben können, was ich in meinem Leitfaden zur Claude-Code-Automatisierung behandle.
"Make.com used to drive me bonkers when it took 10+ minutes to create all the nodes in the UI to handle loops, errors, etc. when I could normally just write a few lines of code to handle it."
Zu KI-Agenten war die nützlichste Einschätzung, die ich gefunden habe, die Erinnerung daran, dass der Agenten-Knoten nicht der schwierige Teil ist. Builder sind sich einig, dass Modell, Prompt und Tools auf den Plattformen ähnlich aussehen und sich Preise und die umgebende Plattform unterscheiden:
"The agent is just a node that has a prompt, a model and a connection to tools. If you the same first two only, you will get almost the same results."
Ich stimme zu, und deshalb würde ich jeden Agenten an der Arbeit drumherum messen: Wissen, Übergaben und Tests. Meine Liste mit KI-Agenten-Beispielen zeigt, wie das in der Praxis aussieht. Ein unabhängiges Nutzerurteil zu Maia konnte ich noch nicht finden. Die bisherigen Threads dazu sind Makes eigene Beiträge.
Sollte ein Support-Team Make nutzen?
Make hat echte Tiefe für Helpdesks. Die Zendesk-App hat 28 Module: Tickets, Ansichten, Kommentare und Artikel beobachten, Tickets erstellen und aktualisieren, Side Conversations, Nutzer und Organisationen, plus ein Modul „Make an API Call“ für alles andere. Makes Release Notes vom 28. August listen außerdem erweiterte Gorgias-Tools. Makes eigene Doku zu KI-Agenten nennt die Ticket-Triage im Kundensupport als erstes Beispiel für einen Agenten.
Die Verrohrung ist also abgedeckt. Es fehlt alles, was eine KI-Antwort sicher versendbar macht. Du müsstest die Markenerkennung, die Bestellabfragen, die Übergaberegeln, die Geschäftszeiten, die „Beantworte das hier nicht“-Filter und die Tests selbst bauen, innerhalb einer Beta-Agenten-App. Genau da greift Makes Praktikanten-Rat: Eine Antwort an Kunden ist keine Praktikantenaufgabe, und eine selbstbewusste falsche Antwort kostet mehr als eine langsame. Mein Leitfaden zu KI-Halluzinationen im Support erklärt warum.
"Make is powerful, but some important configuration and runtime behaviour is difficult to inspect and verify. In particular, concurrency, sequential processing, webhook response behaviour, linked-record searches, and the difference between configuration state and actual runtime behaviour can be difficult to establish."
Dieser Rezensent nutzt Make, um Kundenanfragen in strukturierte Datensätze umzuwandeln. Bei einer Antwort, die unter deiner Marke rausgeht, willst du das Gegenteil: jede Entscheidung sichtbar, mit einem Human in the Loop überall dort, wo sich der Agent nicht sicher ist.
So würde ich die Arbeit aufteilen. Makes eigene Hinweise decken die ersten drei Schritte ab. Der vierte ist eine andere Art von Aufgabe.
- Nutze Make für die Verrohrung: Tickets mit einem CRM oder einer Tabelle synchronisieren, Slack-Benachrichtigungen bei VIP-Tickets, Wochenberichte und KI-Ticketklassifizierung, wo ein falsches Label wenig kostet. Mein Leitfaden zum Automatisieren der Ticket-Triage ist ein guter Startpunkt.
- Stelle für die Warteschlange ein: Kunden antworten, an Menschen übergeben und aus deiner Ticket-Historie lernen. Das ist die Aufgabe eines KI-Teammitglieds, das mit den Helpdesk-Fähigkeiten kommt, statt eines, das du zusammenbaust.
Amagency zeigt, warum. Das Unternehmen betreibt den Kundensupport für Hoover Australia, Hoover New Zealand, Cubii Australia und Peace Hive aus einem Gorgias-Konto. Bei jedem neuen Ticket überspringt eesel Marketing-Mails und Systemmeldungen, ermittelt die Marke anhand von Hinweisen wie Domain, Währung und Postleitzahl, prüft die Bestellung im richtigen Shop, ordnet Teile anhand der Modellnummer zu und hinterlässt einen versandfertigen Entwurf als interne Notiz. Zwischen dem 8. August und dem 8. September 2026 bereitete es etwa 350 Gorgias-Tickets vor, schrieb rund 460 Entwurfsantworten und hinterließ rund 900 interne Notizen. Jeder dieser Schritte wäre in einem Make-Szenario ein eigener Zweig, eine eigene Abfrage und eine eigene Fehlerroute. Mehr zu diesem Setup in meinem Leitfaden KI für Gorgias, und meine Übersicht der besten KI für Gorgias vergleicht die Optionen.
Welchen Weg du auch gehst, teste, bevor irgendetwas einen Kunden erreicht. Meine Scorecard für KI-Support-Piloten legt die Messlatte fest, und mein Leitfaden zum Testen von KI-Support-Agenten behandelt den Test selbst. Wenn du die Kosten abwägst, rechnet meine Aufschlüsselung der Kosten von KI-Agenten die Zahlen durch.
Make vs Zapier vs n8n, kurz gefasst
Alle drei verbinden Apps. Sie unterscheiden sich darin, für wen sie gebaut sind und was sie zählen:
| Make | Zapier | n8n | |
|---|---|---|---|
| Builder | Visuelle Arbeitsfläche mit Routern und Schleifen | Lineare Schritte, am einfachsten zum Einstieg | Knoten-Arbeitsfläche mit Code in jedem Schritt |
| Abrechnungseinheit | Credits pro Modulaktion (Preise) | Tasks (Preise) | Ausführungen pro vollständigem Workflow-Lauf (Preise) |
| Hosting | Nur Cloud | Nur Cloud | Cloud oder selbst gehostet |
| Am besten für | Nicht-Entwickler, die komplexe Abläufe bauen | Einfache, schnelle Automatisierungen | Technische Teams, die Kontrolle wollen |
Make ist der Mittelweg: mehr Leistung als ein linearer Builder, weniger Code als n8n. Mein n8n-Test behandelt das andere Ende, und Gumloop vs Make vergleicht Make mit einem Agent-first-Builder. Für eine breitere Liste siehe meine Make-Alternativen.
Make: Vor- und Nachteile
| Vorteile | Nachteile |
|---|---|
| Freundlichste visuelle Arbeitsfläche für komplexe, verzweigte Abläufe | Credits folgen Bundles, die Kosten skalieren also mit dem Datenvolumen |
| Free-Tarif ohne Zeitlimit; bezahlte Tarife ab 9 $/Monat bei jährlicher Zahlung | Polling-Trigger verbrauchen Credits, auch wenn nichts Neues da ist |
| Router und Fehler-Handler kosten keine Credits | KI-Schritte und Maia werden nach Tokens abgerechnet, schwerer vorherzusagen |
| Über 3.500 Apps, HTTP-Modul und Make Code | Make AI Agents sind noch in der offenen Beta |
| Maia baut und repariert Szenarien aus einfacher Sprache | Lernkurve bei Zuordnung, Iteratoren und Aggregatoren |
| SOC 2 Typ II, SOC 3, DSGVO; Make Grid in bezahlten Tarifen | Derzeit zwei Preiskarten auf der Preisseite |
| MCP-Server und ChatGPT-Plugin | Ungenutzte Credits verfallen; Überschreitungsschutz nur bei Enterprise |
Für wen Make passt und wer es überspringen sollte
Wähle Make, wenn du Leiter im Betrieb, Marketing oder Support bist und über viele Tools hinweg automatisieren willst, ohne Code zu schreiben, deine Abläufe sich verzweigen und wiederholen und du keine Server betreiben möchtest. Es passt auch gut zu Agenturen, die Kunden-Automatisierungen bauen, und zu allen, die einem linearen Builder entwachsen sind.
Überspringe Make, wenn du diesen Monat einen fertigen Support-Agenten brauchst und niemand einen pflegen will, oder deine Workloads lang laufen und hohes Volumen haben, wo die Preisgestaltung pro Lauf bei n8n günstiger ausfallen kann. Wenn du Builder allgemeiner mit fertigen Agenten vergleichst, behandeln mein Leitfaden zum No-Code-KI-Agenten-Builder und mein Voiceflow-Test denselben Zielkonflikt aus anderen Blickwinkeln.
Mein Urteil: 4,1/5
| Bereich | Bewertung | Warum |
|---|---|---|
| Baukraft | 4,6 | Router, Iteratoren, Aggregatoren, Fehlerrouten, HTTP und Code |
| Benutzerfreundlichkeit | 4,3 | Freundlichste Arbeitsfläche für Komplexes, aber die Zuordnung braucht Lernzeit |
| KI und Agenten | 3,9 | Maia, Agenten, MCP; Agenten in der Beta, Token-Abrechnung |
| Preis und Wert | 4,0 | Günstiger Einstieg, aber Bundles, Polling und KI machen Rechnungen schwer vorhersehbar |
| Eignung für Support-Teams | 3,5 | Starke Helpdesk-Module; Agent, Übergaben und Tests sind deine Sache |
| Gesamt | 4,1 | Der beste visuelle Builder für Nicht-Entwickler, wenn du auf Credits hin planst |
Make ist der beste visuelle Automatisierungs-Builder für Teams ohne Entwickler, und Maia macht das erste Szenario leichter baubar als je zuvor. Bewerte es als das, was es ist: ein Werkzeugkasten. Wenn du Automatisierungen bauen und besitzen willst, ist Make ein großartiger Ort dafür. Wenn du ein Teammitglied brauchst, das deine Helpdesk-Warteschlange bereits zu bedienen weiß, verbring kein Quartal damit, einen Werkzeugkasten in eins zu verwandeln.
eesel für die Warteschlange einstellen, Make für den Kleber behalten
eesel ist die andere Hälfte dieser Aufteilung. Make liefert dir die Bauteile. Bei eesel stellst du einsatzbereite KI-Teammitglieder für bestimmte Aufgaben ein. Das KI-Helpdesk-Teammitglied tritt deiner Gorgias-Warteschlange oder Zendesk bei, lernt aus früheren Tickets und deinem Help Center und wird an historischen Tickets getestet, bevor es einem Kunden antwortet. Der KI-Blog-Autor erledigt dieselbe Aufgabe für Inhalte.
Wenn du Make wegen der Kontrolle magst, ist die eesel CLI der Teil, den du dir ansehen solltest. Es ist dasselbe Teammitglied wie im Dashboard, gesteuert aus deinem Terminal. npx @eesel/cli init chat-bubble --site https://your-site.com erstellt einen Agenten, der deine Website liest, ohne dass du zum Start ein Konto brauchst. eesel integrations connect zendesk startet die Helpdesk-Verbindung, die ein Mensch in Zendesk freigibt. eesel automations und eesel instructions verwalten, was es selbstständig tut, und eesel approvals approve <id> gibt zurückgehaltene Aktionen frei. Jeder Befehl gibt JSON aus, und --dry-run zeigt den genauen Aufruf, den ein Schreibzugriff ausführen würde, sodass Claude Code, Cursor oder Codex das Setup für dich übernehmen können. eesel mcp token macht außerdem deinen Workspace zu einem MCP-Server. Make AI Agents können Tools von MCP-Servern nutzen, das ist also eine Möglichkeit, beide zu verbinden, auch wenn ich die Kombination testen würde, bevor ich mich darauf verlasse. Mein Leitfaden zur Kundensupport-CLI behandelt das größere Bild.
Die Preise sind feste monatliche Credit-Tarife ab 299 $ für 500 Credits, wobei ein Ticket oder Chat 1 Credit kostet, egal wie viele Schritte nötig sind, und es gibt eine kostenlose Testphase mit 100 Credits. Behalte deine Make-Szenarien für den Kleber und lass ein Teammitglied, das deinen Helpdesk bereits kennt, die Warteschlange übernehmen. eesel testen.