Slack-Bot mit n8n und KI erstellen: Schritt-für-Schritt-Anleitung

Ein Slack-Bot mit n8n und KI er­mög­licht es, Nach­rich­ten au­to­ma­tisch zu empfangen, zu ver­ar­bei­ten und in­tel­li­gent darauf zu reagieren. Dabei werden ein­ge­hen­de Inhalte aus Slack in einem Workflow ver­ar­bei­tet und an einen KI-Dienst wei­ter­ge­lei­tet, der passende Antworten generiert. Auf diese Weise lassen sich ganz ohne komplexe Pro­gram­mie­rung Kom­mu­ni­ka­ti­on, Au­to­ma­ti­sie­rung und künst­li­che In­tel­li­genz effizient mit­ein­an­der verbinden.

Vorteile eines Slack-Bots mit n8n und KI

Ein Slack-Bot auf Basis des Low-Code-Tools n8n bietet Ihnen eine äußerst flexible Mög­lich­keit, Au­to­ma­ti­sie­rung und Kom­mu­ni­ka­ti­on zu verbinden. Sie können wie­der­keh­ren­de Aufgaben au­to­ma­ti­sie­ren und gleich­zei­tig dank einer Ein­bin­dung von KI bzw. Large Language Models in­tel­li­gen­te Antworten ge­ne­rie­ren lassen. Dadurch sparen Sie Zeit und re­du­zie­ren manuelle Arbeit erheblich.

Ein großer Vorteil liegt in der voll­stän­di­gen Kontrolle über Ihre Daten, ins­be­son­de­re wenn Sie n8n selbst hosten. Zudem lassen sich Workflows visuell zu­sam­men­stel­len, ohne tief­ge­hen­de Pro­gram­mier­kennt­nis­se zu benötigen. Auch komplexe Prozesse lassen sich modular erweitern und anpassen.

Ein weiterer Pluspunkt ist die einfache In­te­gra­ti­on mit be­stehen­den Tools und APIs. So können Sie Ihren Bot jederzeit erweitern, bei­spiels­wei­se um Da­ten­ban­ken, CRM-Systeme oder Mo­ni­to­ring-Tools, wodurch eine in­di­vi­du­el­le, ska­lier­ba­re und zu­kunfts­si­che­re Lösung für au­to­ma­ti­sier­te Kom­mu­ni­ka­ti­on auf allen Ebenen rea­li­siert werden kann.

Vor­aus­set­zun­gen

Bevor Sie mit der Er­stel­lung beginnen, sollten einige grund­le­gen­de Vor­aus­set­zun­gen erfüllt sein. Zunächst benötigen Sie eine laufende n8n-Instanz. Diese Instanz muss über das Internet er­reich­bar sein, damit Slack-Webhooks darauf zugreifen können. Wichtig ist außerdem, dass Sie HTTPS verwenden, da Slack keine un­si­che­ren Endpunkte ak­zep­tiert. Für pro­duk­ti­ve Setups empfiehlt sich außerdem ein Reverse Proxy sowie eine stabile Ser­ver­um­ge­bung.

Außerdem benötigen Sie einen Account bei Slack sowie Ad­mi­nis­tra­tor­rech­te für einen Workspace, denn nur so können Sie eine eigene Slack-App erstellen und kon­fi­gu­rie­ren. Für die KI-In­te­gra­ti­on benötigen Sie darüber hinaus einen API-Key, bei­spiels­wei­se von OpenAI. Dieser wird später in n8n hin­ter­legt, um Anfragen an das Modell zu senden.

Schritt 1: Slack-App erstellen und kon­fi­gu­rie­ren

Öffnen Sie in einem ersten Schritt die Slack-API-Seite in Ihrem Browser und melden Sie sich mit dem Slack-Konto an, das Zugriff auf den ge­wünsch­ten Workspace hat. Klicken Sie dort auf „Create New App“ und wählen Sie die Option „From scratch“, damit Sie die App manuell kon­fi­gu­rie­ren können.

An­schlie­ßend vergeben Sie einen Namen für Ihre App. Wählen Sie dabei am besten eine ein­deu­ti­ge Be­zeich­nung, damit Sie die App später in Slack und in n8n sofort wie­der­erken­nen. Danach wählen Sie den Workspace aus, in dem der Bot verwendet werden soll, und be­stä­ti­gen die Er­stel­lung.

Nach dem Anlegen der App wechseln Sie in die Ein­stel­lun­gen Ihrer neuen Slack-App. Dort richten Sie den ei­gent­li­chen Bot ein, der später mit Be­nut­ze­rin­nen und Benutzern in Slack in­ter­agiert. In vielen Fällen ist die Bot-Funktion bereits als Teil der App vor­ge­se­hen, Sie müssen nun aber die nötigen Be­rech­ti­gun­gen festlegen. Öffnen Sie dafür den Bereich „OAuth & Per­mis­si­ons“. Hier de­fi­nie­ren Sie die so­ge­nann­ten Scopes, also die Rechte Ihrer App.

Für einen einfachen Bot, der auf Er­wäh­nun­gen reagieren und Antworten senden soll, benötigen Sie in der Regel unter anderem chat:write, damit der Bot Nach­rich­ten posten darf, sowie app_mentions:read, damit er direkte Er­wäh­nun­gen in Slack erkennt. Je nach An­wen­dungs­fall und den ge­wünsch­ten Channel-Typen können weitere Be­rech­ti­gun­gen und Events nötig sein.

Nachdem Sie die Be­rech­ti­gun­gen fest­ge­legt haben, müssen Sie die App zunächst im Workspace in­stal­lie­ren. Klicken Sie dazu im Bereich „OAuth & Per­mis­si­ons“ auf „Install to Workspace“ bzw. bei Än­de­run­gen auf „Reinstall to Workspace“ und be­stä­ti­gen Sie den Vorgang. Dann wird Ihnen ein Bot User OAuth Token angezeigt. Dieses Token dient später in n8n als Zu­gangs­schlüs­sel, damit Ihr n8n-Workflow mit Slack kom­mu­ni­zie­ren und im Namen des Bots Aktionen ausführen kann. Behandeln Sie dieses Token ver­trau­lich und speichern Sie es nicht un­ge­schützt in Skripten oder Notizen.

Wenn Ihr Bot nicht nur Nach­rich­ten senden, sondern auch auf Er­eig­nis­se aus Slack reagieren soll, richten Sie im nächsten Schritt zu­sätz­lich so­ge­nann­te „Event Sub­scrip­ti­ons“ ein.

Dort können Sie festlegen, welche Slack-Er­eig­nis­se Ihre App an n8n wei­ter­lei­ten soll, zum Beispiel Er­wäh­nun­gen des Bots oder neue Nach­rich­ten in be­stimm­ten Kontexten. Dafür tragen Sie später die Webhook-URL aus n8n als Request URL ein.

Schritt 2: Webhook in n8n ein­rich­ten

Für die Ver­ar­bei­tung von Slack-Er­eig­nis­sen sollten Sie in n8n nicht den all­ge­mei­nen Webhook-Node, sondern den dafür vor­ge­se­he­nen Slack Trigger Node verwenden. Dieser ist bereits so vor­be­rei­tet, dass er mit den An­for­de­run­gen von Slack kom­pa­ti­bel ist und ein­ge­hen­de Events korrekt ver­ar­bei­tet.

Öffnen Sie Ihre n8n-Ober­flä­che und erstellen Sie einen neuen Workflow. Fügen Sie an­schlie­ßend einen Slack Trigger-Node hinzu. Dieser Node stellt au­to­ma­tisch eine Webhook-URL bereit, die Sie später in Slack hin­ter­le­gen.

Hin­ter­le­gen Sie im nächsten Schritt Ihre Slack-Cre­den­ti­als. Verwenden Sie dafür den Bot User OAuth Token, den Sie zuvor in Slack erhalten haben.

Schritt 3: Slack mit n8n verbinden

Gehen Sie zurück in die Ein­stel­lun­gen Ihrer Slack-App und öffnen Sie den Bereich „Event Sub­scrip­ti­ons“. Ak­ti­vie­ren Sie die Funktion und tragen Sie die zuvor in n8n ge­ne­rier­te Webhook-URL als Request URL ein. Slack prüft diese URL au­to­ma­tisch, indem eine Test­an­fra­ge gesendet wird, daher muss Ihr n8n-Webhook bereits er­reich­bar und aktiv sein.

Nach er­folg­rei­cher Ve­ri­fi­zie­rung können Sie festlegen, auf welche Er­eig­nis­se Ihr Bot reagieren soll. Wählen Sie dazu unter „Subscribe to bot events“ bei­spiels­wei­se app_mention, damit der Bot auf Er­wäh­nun­gen reagiert, oder message.channels, um Nach­rich­ten aus Channels zu ver­ar­bei­ten. Je nach An­wen­dungs­fall können Sie hier weitere Events ergänzen.

Speichern Sie an­schlie­ßend die Ein­stel­lun­gen. In manchen Fällen verlangt Slack, dass Sie die App erneut im Workspace in­stal­lie­ren, damit die neuen Be­rech­ti­gun­gen und Events über­nom­men werden.

Schritt 4: KI-In­te­gra­ti­on hin­zu­fü­gen

Fügen Sie in n8n nun einen weiteren Node hinzu, der die KI-Ver­ar­bei­tung übernimmt. Dafür nutzen Sie am ein­fachs­ten direkt den OpenAI-Node, da dieser bereits fertig für die Kom­mu­ni­ka­ti­on mit der API vor­be­rei­tet ist und Ihnen viel Kon­fi­gu­ra­ti­ons­auf­wand erspart. Wenn Sie einen anderen KI-Zugang verbinden wollen, geht dies über einen HTTP-Request-Node jedoch ebenfalls. Wählen Sie im OpenAI-Node als Aktion bei­spiels­wei­se „Message a model“. (Abhängig von der ver­wen­de­ten Version kann die Aktion auch als „Generate a Chat Com­ple­ti­on“ bzw. „Generate a Model Response“ ge­kenn­zeich­net sein.)

Hin­ter­le­gen Sie an­schlie­ßend Ihren API-Key sicher in den n8n-Cre­den­ti­als. Dazu legen Sie einmalig neue OpenAI-Cre­den­ti­als an und speichern dort den Schlüssel. Auf diese Weise vermeiden Sie, dass sensible Daten direkt im Workflow stehen. Nach der Ver­bin­dung wählen Sie im Node das ge­wünsch­te Modell aus und kon­fi­gu­rie­ren die Eingaben.

Im nächsten Schritt übergeben Sie den Text aus der Slack-Nachricht an die KI. Dafür greifen Sie auf die Daten aus dem Webhook- oder Slack-Node zu, ty­pi­scher­wei­se über ein Feld wie {{$json.text}}. Ergänzen Sie zu­sätz­lich eine System-Nachricht, den so­ge­nann­ten Prompt. Dieser legt fest, wie sich der Bot verhalten soll, zum Beispiel als hilf­rei­cher Assistent im Slack-Channel. So stellen Sie sicher, dass die Antworten kon­sis­tent und sinnvoll for­mu­liert sind.

Sobald der Workflow aus­ge­führt wird, ver­ar­bei­tet die KI die Eingabe und generiert au­to­ma­tisch eine passende Antwort. Diese Ausgabe steht Ihnen im nächsten Node zur Verfügung und kann direkt wieder in Slack zu­rück­ge­sen­det werden. Achten Sie darauf, nur die wirklich re­le­van­ten Inhalte an die KI zu übergeben, um unnötige Kosten zu vermeiden und die Ant­wort­qua­li­tät zu ver­bes­sern.

Schritt 5: Antwort in Slack senden

Zum Abschluss kümmern Sie sich um die n8n-Slack-In­te­gra­ti­on und fügen dafür einen Slack-Node hinzu, der die von der KI ge­ne­rier­te Antwort zurück in Ihren Slack-Channel sendet. Wählen Sie im Node die Aktion „Send Message“.

An­schlie­ßend legen Sie fest, in welchen Channel die Nachricht gesendet werden soll. Wenn Sie möchten, dass der Bot direkt auf eine ein­ge­hen­de Nachricht antwortet, können Sie zu­sätz­lich die Channel-ID dynamisch aus den ein­ge­hen­den Daten über­neh­men. Setzen Sie den Inhalt der Nachricht auf die Ausgabe des OpenAI-Nodes, also die ge­ne­rier­te Antwort der KI. Achten Sie darauf, das richtige Feld aus dem vor­he­ri­gen Node aus­zu­wäh­len, damit der Text korrekt über­nom­men wird.

Testen Sie den kom­plet­ten Workflow, indem Sie den Bot in Slack erwähnen oder eine ent­spre­chen­de Nachricht senden. Prüfen Sie, ob die Anfrage korrekt ver­ar­bei­tet und die Antwort im Channel aus­ge­ge­ben wird. Wenn alles funk­tio­niert, ak­ti­vie­ren Sie den Workflow mit einem Klick auf „Publish“ in der n8n-Ober­flä­che dauerhaft, sodass Ihr Bot au­to­ma­tisch auf neue Nach­rich­ten reagiert.

An­wen­dungs­bei­spie­le für Slack-Bots mit KI

Mit n8n, Slack und KI lassen sich zahl­rei­che prak­ti­sche Bots umsetzen, die Ihren Ar­beits­all­tag deutlich er­leich­tern. Besonders spannend ist die Kom­bi­na­ti­on aus au­to­ma­ti­scher Da­ten­er­fas­sung und in­tel­li­gen­ter Ver­ar­bei­tung. Im Folgenden finden Sie drei konkrete Beispiele.

1. Support-Bot für häufige Fragen

Ein Support-Bot kann ein­ge­hen­de Fragen au­to­ma­tisch be­ant­wor­ten und so die interne Kom­mu­ni­ka­ti­on deutlich entlasten. Nut­ze­rin­nen und Nutzer stellen ihre Fragen direkt im Slack-Channel, woraufhin der Bot sofort reagiert. Der Workflow startet mit einem Slack-Trigger, der die Nachricht erfasst und an n8n wei­ter­lei­tet. An­schlie­ßend wird der Inhalt an die KI übergeben, die die Anfrage ana­ly­siert und eine passende Antwort for­mu­liert.

Optional können Sie den Bot um eine Wis­sens­da­ten­bank erweitern. Dafür fügen Sie in n8n einen zu­sätz­li­chen Node ein, zum Beispiel einen Datenbank-Node (z. B. Post­greS­QL), einen HTTP-Request-Node für eine externe API oder einen Read-File-Node für lokale Dokumente. In diesem Schritt durch­sucht der Workflow gezielt relevante Inhalte anhand der ein­ge­hen­den Frage. Die ge­fun­de­nen In­for­ma­tio­nen können Sie an­schlie­ßend zusammen mit der ur­sprüng­li­chen Frage an den OpenAI-Node übergeben, sodass die KI kon­text­ba­sier­te und deutlich präzisere Antworten erzeugt. Häufig wird dafür ein zu­sätz­li­cher Edit-Fields-Node genutzt, um die Daten passend auf­zu­be­rei­ten.

Die ge­ne­rier­te Antwort wird danach au­to­ma­tisch zurück in den ent­spre­chen­den Channel gesendet, ohne dass ein manuelles Ein­grei­fen er­for­der­lich ist. Auf diese Weise lassen sich Support-Anfragen rund um die Uhr be­ar­bei­ten, auch außerhalb der üblichen Ar­beits­zei­ten. Besonders in größeren Teams sorgt ein solcher Bot dafür, dass wie­der­keh­ren­de Fragen effizient ab­ge­fan­gen werden und sich Mit­ar­bei­ten­de auf kom­ple­xe­re Aufgaben kon­zen­trie­ren können.

2. Meeting-Zu­sam­men­fas­sungs-Bot

Eine andere Mög­lich­keit für einen n8n-Slack-Bot ist ein Bot, der Meetings au­to­ma­tisch zu­sam­men­fasst und somit dafür sorgt, dass wichtige Inhalte schnell verfügbar sind. Nach einem Meeting wird ein Tran­skript oder Protokoll im Slack-Channel gepostet, das als Aus­gangs­punkt für den Workflow dient. Ein Slack-Trigger in n8n erkennt die neue Nachricht und leitet den Inhalt an den nächsten Ver­ar­bei­tungs­schritt weiter. An­schlie­ßend wird der Text an die KI übergeben, die daraus eine struk­tu­rier­te Zu­sam­men­fas­sung mit den wich­tigs­ten Punkten erstellt.

Optional können Sie den Workflow erweitern, indem Sie zu­sätz­li­che Nodes einsetzen, um gezielt To-Dos zu ex­tra­hie­ren. Dafür können Sie bei­spiels­wei­se einen weiteren OpenAI-Node mit einem an­ge­pass­ten Prompt nutzen, der explizit nach Aufgaben, Ver­ant­wort­li­chen und Deadlines sucht und diese in Tools wie Jira mit n8n sendet. Al­ter­na­tiv lassen sich die Er­geb­nis­se auch über einen Edit-Fields-Node weiter struk­tu­rie­ren, bevor sie aus­ge­ge­ben werden.

Die fertige Zu­sam­men­fas­sung wird an­schlie­ßend au­to­ma­tisch im Slack-Channel ver­öf­fent­licht, sodass alle Be­tei­lig­ten schnell einen klaren Überblick über die wich­tigs­ten Inhalte und nächsten Schritte erhalten, ohne das gesamte Protokoll lesen zu müssen.

3. Mo­ni­to­ring- und Alert-Bot

Ein Mo­ni­to­ring-Bot in­for­miert Sie au­to­ma­tisch über wichtige Sys­tem­er­eig­nis­se und hilft dabei, schnell auf Probleme zu reagieren. Externe Tools wie Mo­ni­to­ring- oder Logging-Systeme senden ihre Daten per Webhook an n8n, wo der Workflow gestartet wird. Die ein­ge­hen­den In­for­ma­tio­nen werden zunächst ver­ar­bei­tet und bei Bedarf gefiltert, bevor sie an die KI wei­ter­ge­ge­ben werden. Diese bewertet die Relevanz der Er­eig­nis­se und kann ent­schei­den, ob es sich um einen kri­ti­schen Vorfall handelt.

Optional können Sie zu­sätz­li­che Nodes einbauen, um die Daten weiter an­zu­rei­chern oder gezielt zu steuern. Bei­spiels­wei­se lässt sich ein IF-Node nutzen, um nur bestimmte Feh­ler­ty­pen wei­ter­zu­lei­ten, oder ein weiterer OpenAI-Node, um konkrete Hand­lungs­emp­feh­lun­gen zu ge­ne­rie­ren. Auch eine Anbindung an Da­ten­ban­ken oder Logs ist möglich, um mehr Kontext be­reit­zu­stel­len.

Nur relevante Er­eig­nis­se werden an­schlie­ßend über einen Slack-Node in den passenden Channel gesendet. Dadurch vermeiden Sie unnötige Be­nach­rich­ti­gun­gen und behalten dennoch alle kri­ti­schen Si­tua­tio­nen im Blick. Gerade in DevOps-Um­ge­bun­gen ist dies ein großer Vorteil, da Teams schneller reagieren und Ausfälle ef­fi­zi­en­ter beheben können.