n8n-RAG-Templates: Vorlagen & Prüfkriterien

Mit n8n-RAG-Templates kannst du Dokumente erschließen und einen Assistenten für Fragen zu eurem Unternehmenswissen aufbauen. Hier findest du drei verlinkte Vorlagen, ihre dokumentierten Bausteine und einen Ablauf für die eigene Prüfung.

Quellenanalyse, Stand 15. September 2026: Grundlage sind die n8n-Dokumentation und die Beschreibungen der jeweiligen Template-Autoren. Die Workflows wurden für diesen Artikel nicht in einer eigenen n8n-Instanz ausgeführt. Die Auswahl ist keine Rangliste anhand eigener Leistungsmessungen.

Für bestehende Drive-Dokumente kommt eine Vorlage mit gezielten Datei-Updates infrage.
Für gescannte PDFs ist zusätzlich Texterkennung nötig; dabei sind weitere Dienste beteiligt.
Für nachvollziehbare Antworten müssen Quelleninformationen bis zur Ausgabe erhalten bleiben.

Ein Template liefert einen Ausgangspunkt. Ob es für euren Betrieb geeignet ist, zeigt erst die Prüfung mit passenden Dokumenten, Berechtigungen und Fragen. Eine feste Einrichtungsdauer lässt sich daraus nicht ableiten.

Table of Contents

Was ist RAG und welche Rolle übernimmt n8n?

Retrieval Augmented Generation ergänzt eine Modellanfrage um Inhalte aus externen Quellen. Ein typischer Workflow lädt Dokumente, teilt sie in Abschnitte, erzeugt Embeddings und speichert diese zusammen mit Text und Metadaten. Bei einer Frage sucht er passende Abschnitte und gibt sie dem Sprachmodell als Kontext. n8n verbindet die beteiligten Schritte und Dienste. Die n8n-Dokumentation zu RAG beschreibt dieses Grundmuster.

RAG trainiert das Sprachmodell dabei nicht neu und garantiert keine fehlerfreien Antworten. Auch die Auswahl der Quellen kann falsch oder unvollständig sein. Ob aktuelle Informationen verfügbar sind, hängt von Datenquelle und Aktualisierungsprozess ab. Ein Chatprodukt kann außerdem eigene Such- oder Dateifunktionen besitzen; es ist nicht grundsätzlich auf sein Trainingswissen beschränkt.

Wenn du n8n noch nicht kennst, hilft unsere Einführung in n8n-Workflows. Weitere Anwendungsfälle findest du in der Übersicht zu n8n-Templates.

Drei n8n-RAG-Templates mit nachvollziehbaren Quellen

Die folgenden Angaben beschreiben die veröffentlichten Vorlagen. Vor dem Import solltest du die konkrete Workflow-Version, verwendete Nodes, Modellbezeichnungen, Zugangsdaten und externen Endpunkte prüfen.

Vorlage	Dokumentierter Aufbau	Prüffrage für dein Projekt
Drive, Qdrant und Gemini mit Datei-Updates	Google Drive als Quelle, OpenAI-Embeddings, Qdrant und Gemini; einzelne Dateien lassen sich anhand ihrer ID aktualisieren.	Werden Änderungen und Löschungen korrekt verarbeitet, ohne fremde Dokumente zu entfernen?
PDF-RAG mit Mistral OCR	Mistral für Texterkennung, OpenAI für Embeddings, Qdrant und Gemini; Volltext oder zusammengefasster Inhalt kann indexiert werden.	Bleiben entscheidende Zahlen, Tabellen und Textstellen nach OCR beziehungsweise Zusammenfassung erhalten?
RAG mit Dokumentquellen in der Antwort	Drive, OpenAI, Qdrant und Gemini; Dateinamen und IDs werden für die Quellenausgabe mitgeführt.	Stützt jede angegebene Quelle die jeweilige Aussage tatsächlich?

Alle drei verlinkten Vorlagen stammen laut Katalog von Davide Boizza. Bei den Qdrant-Vorlagen gehören auch Schritte zum Anlegen oder Leeren einer Collection zum beschriebenen Aufbau. Verwende für erste Versuche eine eigene Test-Collection und prüfe diese Schritte vor der Ausführung.

Die PDF-Vorlage sendet Dokumente laut Beschreibung an Mistrals OCR-API und verwendet weitere externe Modellanbieter. Ein selbst gehostetes n8n macht diesen Ablauf deshalb nicht automatisch lokal. Bei der Quellen-Vorlage sind Dateinamen vorgesehen; automatisch korrekte Seitenzahlen oder Belegstellen sind damit nicht nachgewiesen.

Vom Template zum überprüfbaren RAG-Prototyp

Aufgabe begrenzen: Wähle eine konkrete Dokumentensammlung und einen Nutzerkreis. Halte fest, welche Fragen beantwortet werden sollen und welche Inhalte ausgeschlossen bleiben.
Import prüfen: Ersetze Beispielordner, Collection-Namen und Zugangsdaten. Kontrolliere auch Unter-Workflows und Schritte, die Daten löschen oder an externe Dienste senden.
Dokumentaufnahme testen: Beginne mit wenigen freigegebenen Testdateien. Prüfe den extrahierten Text, Abschnittsgrenzen und Metadaten wie Dokument-ID, Version und Quellverweis.
Einfügen und Abfragen abstimmen: Verwende ein zueinander passendes Embedding-Modell und Vektorformat. Die n8n-Dokumentation verlangt für Einfügen und Abfragen dasselbe Embedding-Modell. Eine feste Chunk-Größe ist kein allgemeines Optimum.
Aktualisierung prüfen: Ändere und lösche eine Testdatei. Kontrolliere, ob veraltete Abschnitte aus späteren Antworten verschwinden. Ein vorhandener Drive-Zugang allein bewirkt noch keine zuverlässige Synchronisation.
Antworten bewerten: Nutze vorher festgelegte Fragen, erwartete Quellen und Fälle ohne passende Antwort. Erst danach erweiterst du den Umfang.

Zum technischen Einstieg eignet sich die aktuelle n8n-RAG-Anleitung. Eine eigene Ausführung der hier beschriebenen Konfiguration ist weiterhin erforderlich.

Speicherwahl: Der Simple Vector Store hält Daten im Arbeitsspeicher. Sie gehen beim Neustart verloren und können bei Speicherknappheit entfernt werden. Laut n8n sind die Schlüssel instanzweit zugänglich; andere Instanznutzer können entsprechende Daten über den Node abrufen. n8n empfiehlt ihn daher für Entwicklungszwecke. Verwende dort keine vertrauliche gemeinsame Wissensbasis.

Beispiel für einen Pilot: internes Support-Handbuch

Dieses Szenario ist ein Planungsvorschlag, keine Kundenfallstudie. Ein Support-Team möchte wiederkehrende Fragen anhand eines freigegebenen Handbuchs beantworten. Der Prototyp liefert zunächst Antwortentwürfe und Dokumentverweise an Mitarbeitende.

Zum Prüfbestand gehören eine aktuelle Anleitung, ihre ältere Version, zwei widersprüchliche Dokumente und ein Dokument, das für den Testnutzer gesperrt ist. Dazu kommen Fragen, deren Antwort in keinem Dokument steht. So lässt sich prüfen, ob der Workflow aktuelle Inhalte verwendet, Unsicherheit zeigt und Zugriffsgrenzen einhält.

Eine Antwort gilt im Pilot erst dann als brauchbar, wenn sie fachlich stimmt, durch die angegebene Quelle gedeckt ist und die nötige Prüfung durch das Team berücksichtigt wurde. Automatisches Versenden wird erst nach einer gesonderten Entscheidung eingerichtet.

Qualität und Performance mit eigenen Fragen messen

Vergleiche Änderungen an Chunking, Embeddings, Trefferzahl oder einem optionalen Re-Ranker mit demselben Fragenbestand. Die folgenden Prüffelder sind eine redaktionelle Empfehlung für eure Abnahme:

Prüffeld	Was du erfasst
Treffer	Wird das erwartete Dokument unter den zurückgegebenen Abschnitten gefunden?
Antwort und Quelle	Ist die Antwort fachlich richtig und durch die angegebene Textstelle gestützt?
Fehlende Grundlage	Erkennt der Ablauf Fragen, die mit den erlaubten Quellen nicht beantwortbar sind?
Berechtigungen	Bleiben gesperrte Inhalte außerhalb von Treffern, Antworten und Quellenausgabe?
Betrieb	Antwortzeit, Ausfälle, API-Verbrauch und menschliche Nacharbeit pro Fall.

Dokumentiere Modell, Workflow-Version, Fragenbestand und Messdatum. Eine Änderung gilt nur dann als Verbesserung, wenn sie euer vorher festgelegtes Ziel erreicht. Allgemeine Genauigkeits- oder Einsparprozente ersetzen diese Prüfung nicht.

API-Ratenlimits begrenzen die Anfragen pro Zeitraum und können etwa einen HTTP-429-Fehler auslösen. n8n beschreibt dafür Wartezeiten, Batching und begrenzte Wiederholungen. Das Erreichen eines Limits bedeutet nicht automatisch einen kostenpflichtigen Aufschlag; Tarifgrenzen und Abrechnung sind gesondert zu prüfen.

Datenflüsse und Zugriffsrechte vor dem Einsatz klären

Halte für jeden Schritt fest, welche Daten er verarbeitet: Quelldokumente, OCR-Text, Embedding-Eingaben, Suchtreffer, Chatverlauf und Ausführungsprotokolle. Notiere die jeweiligen Speicherorte und Dienstanbieter. Die Auswahl von n8n Cloud oder Selbsthosting beantwortet diese Fragen für die angeschlossenen Dienste noch nicht.

Prüfe den vorgesehenen Datenumfang und die zulässigen Empfänger mit den zuständigen Personen im Unternehmen.
Setze Dokumentberechtigungen vor der Weitergabe von Treffern an das Sprachmodell durch. Ein Prompt ersetzt keine Zugriffskontrolle.
Plane Änderungen, Löschungen, Aufbewahrung und Wiederherstellung für Originale, Vektorspeicher und Ausführungsdaten zusammen.
Beschränke Zugangsdaten, Nutzerrechte und Protokollinhalte auf den für den Prozess benötigten Umfang.

Die n8n-Hinweise zu Datenschutz und Sicherheit nennen unter anderem Nutzerverwaltung, Verschlüsselung und den Umgang mit gespeicherten Ausführungen. Sie ersetzen keine Prüfung des konkreten Einsatzes. Aus einer Hosting-Entscheidung oder einer Vorlage lässt sich keine pauschale Rechtskonformität ableiten.

Kosten und Nutzen eines n8n-RAG-Systems vergleichen

Vergleiche n8n und eine fertige SaaS-Lösung anhand derselben Anforderungen: Dokumentmenge, Aktualisierungen, Anfragen, Rechte, Support und Verfügbarkeit. Berücksichtige den Aufbau und den laufenden Betrieb getrennt.

Kostenblock	Planungsgrundlage
Einrichtung	Datenaufbereitung, Integration, Zugriffsrechte, Tests und Übergabe.
n8n und Infrastruktur	Passender Tarif beziehungsweise Instanzbetrieb, Ausführungen, Datenbank, Backups und Überwachung.
OCR und KI-APIs	Verarbeitete Seiten, Embedding-Eingaben, Modellnutzung und erneute Verarbeitung bei Änderungen.
Vektorspeicher	Benötigte Ressourcen, Speicherumfang, Replikation und Betriebsmodell.
Betreuung	Updates, Fehlerbehebung, Qualitätsprüfungen und menschliche Nacharbeit.

Für konkrete Angebote nutze die aktuellen n8n-Tarife und die Qdrant-Preis- und Konfigurationsangaben sowie die Preislisten der ausgewählten Modellanbieter. n8n-Tarife berücksichtigen Workflow-Ausführungen. Aus der Zahl der Dokumente allein folgt deshalb kein belastbarer monatlicher Gesamtpreis.

Rechenbeispiel mit ausdrücklich angenommenen Werten

Angenommen, ein Team bearbeitet 40 Recherchen pro Woche und spart nach Berücksichtigung der nötigen Antwortprüfung jeweils 5 Minuten. Dann werden 200 Minuten beziehungsweise 3 Stunden und 20 Minuten pro Woche frei. Bei einem angenommenen internen Stundensatz von 35 Euro entspricht das rechnerisch 116,67 Euro pro Woche oder rund 505,56 Euro pro Monat bei 52 Wochen geteilt durch 12 Monate.

Das ist ein hypothetischer Kapazitätswert, keine gemessene Einsparung, kein Anbieterpreis und kein zusätzlicher Zahlungseingang. Ob die freie Zeit wirtschaftlich nutzbar ist, muss das Unternehmen bewerten. Davon sind laufende Kosten und Einrichtungsaufwand zu unterscheiden. Ohne diese Werte lässt sich keine Amortisationsdauer angeben.

Was vor dem nächsten Ausbauschritt feststehen sollte

Der ausgewählte Workflow passt zum Dokumenttyp und zur vorgesehenen Frage.
Alle beteiligten Dienste und Speicherorte sind bekannt.
Änderungen, Löschungen und unberechtigte Abfragen wurden mit Testfällen geprüft.
Quellenangaben und Antworten sind anhand eines festgelegten Fragenbestands bewertet.
Für Fehlerfälle, laufende Betreuung und Kosten gibt es Verantwortliche.

Deine nächsten Schritte

Wähle eine Vorlage und teste sie zunächst mit wenigen geeigneten Dokumenten in einer getrennten Umgebung. Halte offene Fragen und Fehler fest, bevor du weitere Daten oder Nutzer aufnimmst. Unsere Übersicht zu Vektordatenbanken hilft bei der Einordnung der Speicheroptionen.

Du möchtest eine interne Wissenssuche oder einen Dokumenten-Assistenten für euer Unternehmen umsetzen? Bei unserer n8n-Beratung und Umsetzung klären wir Prozess, Datenquellen, Berechtigungen und die Übergabe an euer Team. Beschreibe für die Anfrage den Nutzerkreis, die Dokumenttypen, beteiligte Systeme und das gewünschte Ergebnis.