Stellen Sie sich ein Content-Team vor, das bei jedem neuen Artikel im Katalog ein frisches Produktbild und einen kurzen Promo-Clip benötigt. Heute öffnet jemand ein Bild-Tool, schreibt einen Prompt, lädt das Ergebnis herunter, wechselt zu einem Video-Tool, lädt das Bild hoch, wartet, lädt es erneut herunter und postet schließlich alles in ein CMS oder einen Social-Media-Kanal. Multipliziert man dies mit Dutzenden von Produkten pro Woche, wird die kreative Pipeline zu einem manuellen Flaschenhals. Dies ist genau die Art von repetitivem, mehrstufigem Prozess, für den Workflow-Automatisierung entwickelt wurde, und n8n ist eines der beliebtesten Tools für diese Aufgabe.
Die Herausforderung besteht darin, dass KI-Bild- und Videogenerierung meist hinter separaten APIs liegen, jede mit eigenem SDK, Abrechnungskonto und Preismodell. Die Anbindung von drei oder vier Anbietern an einen einzigen n8n-Workflow bedeutet, mehrere Schlüssel zu verwalten und diverse Rechnungen abzugleichen. Dieser Leitfaden erläutert, wie n8n-Automatisierung funktioniert, und zeigt dann einen konkreten Weg auf, wie beide Bild- und Videomodelle über einen einzigen Workflow mit nur einem API-Schlüssel gesteuert werden können, sodass die gesamte kreative Pipeline ohne manuelle Übergaben von Anfang bis Ende durchläuft.
Was n8n-Automatisierung tatsächlich bewirkt
n8n ist eine Open-Source-Plattform für Workflow-Automatisierung. Sie erstellen Flows visuell durch das Verbinden von Nodes, wobei jeder Node eine diskrete Aktion ausführt: auf ein Ereignis warten, eine API aufrufen, Daten transformieren, nach einer Bedingung verzweigen oder in eine Datenbank schreiben. Ein Workflow beginnt mit einem Trigger-Node (ein Webhook, ein Zeitplan, eine neue Zeile in einer Tabelle, ein Formular-Absenden) und leitet die Daten dann von Node zu Node weiter, bis die Aufgabe erledigt ist.
Für die KI-Generierung ist der Reiz offensichtlich. Anstatt dass eine Person manuell einen Prompt für ein Modell schreibt, kann ein n8n-Workflow auf ein Ereignis reagieren, einen Prompt an ein Bildmodell senden, diese Ausgabe nehmen und sie in ein Videomodell einspeisen, um das Ergebnis dann automatisch zu speichern oder zu veröffentlichen. Der Workflow wird zur Orchestrierungsebene, und die KI-Modelle werden zu aufrufbaren Schritten innerhalb dieser Ebene.
Die Reibung entsteht, wenn jedes gewünschte Modell auf einer anderen Plattform liegt. Ein typischer kreativer Workflow nutzt möglicherweise einen Anbieter für schnelle Text-zu-Bild-Generierung, einen zweiten für hochwertige Bearbeitungen und einen dritten für Video. Jeder erfordert eine separate Berechtigung in n8n, ein separates Konto zum Aufladen und ein separates Dashboard zur Überwachung der Kosten. Je sauberer die API-Oberfläche ist, desto einfacher ist der Workflow – deshalb ist ein OpenAI-kompatibler Endpunkt, der mehrere Modalitäten abdeckt, für die Automatisierung so wichtig.
Wichtige Punkte vor dem Aufbau
Bevor Sie einen Workflow zusammenstellen, sollten Sie einige Entscheidungen treffen, die die gesamte Pipeline prägen:
- Modellauswahl: Wählen Sie Bild- und Videomodelle, die Ihren Qualitäts- und Budgetzielen entsprechen, da der Preis pro Bild oder pro Sekunde stark variiert.
- Authentifizierung: Weniger Anmeldedaten bedeuten weniger Fehlerquellen. Bevorzugen Sie daher einen einzelnen API-Schlüssel anstelle eines Schlüssels pro Anbieter.
- Datenfluss: Entscheiden Sie, wie die Bildausgabe (normalerweise eine URL oder ein base64-String) an den Videoschritt übergeben wird.
- Speicherung und Auslieferung: Wählen Sie den Zielort für fertige Assets, sei es Cloud-Speicher, ein CMS, ein Slack-Kanal oder eine Social-Media-Plattform.
- Kostenkontrolle: Kennen Sie den Echtzeitpreis jedes Generierungsaufrufs, um die Kosten pro Workflow-Durchlauf schätzen zu können, bevor Sie skalieren.
Sobald diese Punkte geklärt sind, wird der Aufbau zu einer reinen Verkettung von Nodes.
Automatisierung der Generierung mit dem Atlas Cloud n8n-Node
Atlas Cloud ist eine multimodale KI-Inferenzplattform, die Text-, Bild- und Videomodelle über einen einzigen OpenAI-kompatiblen Endpunkt bereitstellt. Dieses Design passt hervorragend zur n8n-Automatisierung, da ein API-Schlüssel und ein Abrechnungskonto die gesamte kreative Pipeline abdecken. Der Community-Node ist unter github.com/AtlasCloudAI/n8n-nodes-atlascloud zu finden. Nach der Installation können Sie Modelle wie unter anderem GPT Image 2, Flux Dev, Nano Banana 2, Wan-2.2 Turbo Spicy und Kling v3.0 Std direkt aus einem Node aufrufen.
Die Einrichtung ist einfach: Installieren Sie den Community-Node über das n8n-Nodes-Panel, erstellen Sie eine Atlas Cloud-Berechtigung und fügen Sie Ihren API-Schlüssel von console.atlascloud.ai ein. Da der Endpunkt OpenAI-kompatibel ist, können Sie, falls Sie bereits OpenAI-SDK-Logik an anderer Stelle verwenden, einfach die base_url und den Schlüssel ändern, anstatt etwas neu schreiben zu müssen. Von dort aus ist jedes Bild- und Videomodell über dieselbe Berechtigung erreichbar.
Auswahl von Bildmodellen und deren Preise
Atlas Cloud listet über 300 kuratierte SOTA-Modelle auf, deren Bild-Preise von budgetfreundlich bis Premium reichen. Für automatisierte Workflows sind drei gängige Optionen:
- GPT Image 2 für USD0.009 pro Bild für schnelle, anweisungsbasierte Text-zu-Bild-Aufgaben.
- Flux Dev für USD0.012 pro Bild für hochwertigere Generierungen bei niedrigen Kosten.
- Nano Banana 2 für USD0.080 pro Bild für Referenz-zu-Bild-Aufgaben und höchste Wiedergabetreue.
Die richtige Wahl ist ein Kompromiss zwischen Kosten und Qualität. Eine hochvolumige Social-Media-Pipeline könnte auf GPT Image 2 oder Flux Dev setzen, während ein wichtiges Kampagnen-Asset möglicherweise Nano Banana 2 rechtfertigt.
Auswahl von Videomodellen und deren Preise
Video wird nach Ausgabedauer in Dollar pro Sekunde abgerechnet, sodass die Kosten mit der Clip-Länge skalieren. Für eine automatisierte Pipeline können Sie wählen:
- Wan-2.2 Turbo Spicy für USD0.026 pro Sekunde für schnelle, wirtschaftliche Clips.
- Kling v3.0 Std für USD0.071 pro Sekunde für stärkere Bewegung und Kohärenz.
- Seedance 2.0 für High-End-Generierung, wenn die Ausgabequalität Priorität hat.
Ein sechssekündiger Clip mit Wan-2.2 Turbo Spicy kostet etwa USD0.16, während die gleiche Länge bei Kling v3.0 Std bei etwa USD0.43 liegt. Wenn Sie den Preis pro Sekunde im Voraus kennen, können Sie die Kosten für jeden Workflow-Durchlauf vorhersagen.
Beispiel-Workflow: Vom Trigger zur Veröffentlichung
So fügen sich die Teile in einen einzigen n8n-Flow ein, der einen Produkteintrag in ein veröffentlichtes Bild und Video verwandelt:
- Trigger: Ein Webhook- oder Zeitplan-Node startet, wenn ein neues Produkt hinzugefügt wird, oder ein Formular-Node erfasst einen Prompt und Produktdetails.
- Bild generieren: Ein Atlas Cloud-Node ruft GPT Image 2 oder Flux Dev mit dem Produkt-Prompt auf und gibt eine Bild-URL oder base64-Ausgabe zurück.
- Video generieren: Ein zweiter Atlas Cloud-Node übergibt dieses Bild an Wan-2.2 Turbo Spicy oder Kling v3.0 Std für einen Image-to-Video-Clip und gibt die Videoausgabe zurück.
- Speichern oder posten: Ein Speicher-Node schreibt beide Assets in den Cloud-Speicher oder ein CMS, und ein optionaler Node postet das Ergebnis auf Slack, einer Social-Media-Plattform oder zurück an das ursprüngliche System.
Da jeder Modellaufruf dieselbe Atlas Cloud-Berechtigung verwendet, ändert sich zwischen dem Bild- und dem Videoschritt nur der Modellname und die Parameter. Kein zweites Konto, kein zweiter Schlüssel, keine zweite Rechnung zum Abgleichen.
Kostenkontrolle mit Echtzeit-Preisen im Playground
Ein praktisches Bedenken bei automatisierter Generierung sind ausufernde Kosten, da ein Workflow, der Hunderte Male am Tag läuft, die Kosten pro Aufruf multipliziert. Atlas Cloud begegnet dem mit Echtzeit-Preisen im eigenen Playground: Jedes Modell zeigt seinen aktuellen Preis direkt neben dem "Run"-Button an, sodass Sie genau bestätigen können, was GPT Image 2, Flux Dev oder Kling v3.0 Std kosten werden, bevor Sie sie in die Produktion einbinden. Sie können einen Prompt testen, den Preis lesen und erst dann das Modell für Ihren Workflow festlegen.
Die Abrechnung erfolgt transparent nach dem Pay-as-you-go-Prinzip: Sie zahlen für die generierten Bilder und die produzierten Videosekunden, ohne Kreditpakete oder Punkte-Umrechnungen. Für Teams, die eine kreative Pipeline skalieren, macht diese Vorhersehbarkeit es einfach, die Kosten eines vollständigen Workflow-Durchlaufs zu modellieren und monatliche Ausgaben zu prognostizieren. Der vollständige Katalog und die Preise finden Sie unter atlascloud.ai/models, und Videoraten sind unter atlascloud.ai/pricing aufgeführt.
Vergleich zur separaten Anbindung von Anbietern
Die Alternative zu einem einzelnen Node besteht darin, mehrere spezialisierte Anbieter in Ihren n8n-Flow einzubinden. Plattformen wie Fal.ai bieten eine starke Bild- und Videogenerierung, und Replicate ist exzellent für das Hosten von Open-Source-Modellen; sie sind daher gültige Optionen, wenn Sie nur eine Modalität benötigen. Die Kosten dieses Ansatzes sind operativer Natur: Jeder Anbieter fügt eine Berechtigung, ein Konto und eine Abrechnungsoberfläche hinzu, die innerhalb desselben Workflows verwaltet werden müssen.
Ein vereinheitlichter, OpenAI-kompatibler Endpunkt reduziert diesen Overhead, da ein einziger Schlüssel sowohl Bild- als auch Videoschritte steuern kann. Zudem bleibt das Monitoring an einem Ort, da die Ausgaben für alle Modelle in einem einzigen Konto zusammengefasst werden. Der Kompromiss ist leicht zu bewerten: Mehr Anbieter bedeuten möglicherweise mehr spezialisierte Optionen, während ein vollständiger, multimodaler Endpunkt weniger bewegliche Teile in der Automatisierung selbst bedeutet.
Häufig gestellte Fragen
F: Benötige ich in n8n separate API-Schlüssel für Bild- und Videomodelle? A: Nein. Mit dem Atlas Cloud-Node decken ein OpenAI-kompatibler API-Schlüssel und ein Abrechnungskonto sowohl Bildmodelle (wie GPT Image 2 und Flux Dev) als auch Videomodelle (wie Wan-2.2 Turbo Spicy und Kling v3.0 Std) ab.
F: Wie wird die Videogenerierung abgerechnet? A: Video wird nach Ausgabedauer in Dollar pro Sekunde abgerechnet. Zum Beispiel kostet Wan-2.2 Turbo Spicy USD0.026 pro Sekunde und Kling v3.0 Std USD0.071 pro Sekunde, sodass ein sechssekündiger Clip etwa USD0.16 bzw. USD0.43 kostet.
F: Kann ich ein KI-generiertes Bild direkt an einen Video-Node übergeben? A: Ja. Ein gängiges Muster ist es, mit einem Atlas Cloud-Node ein Bild zu generieren und dessen Ausgabe-URL an einen zweiten Node zu übergeben, der ein Image-to-Video-Modell aufruft – alles innerhalb desselben Workflows.
F: Wie überprüfe ich den Preis, bevor ich ein Modell in einen Workflow einbinde? A: Der Atlas Cloud Playground zeigt Echtzeit-Preise neben dem "Run"-Button jedes Modells an, sodass Sie die Kosten eines Aufrufs bestätigen können, bevor Sie das Modell in Ihren n8n-Flow einfügen.
F: Muss ich vorhandenen OpenAI-Code umschreiben, um dies zu nutzen?
A: Nein. Da der Endpunkt OpenAI-kompatibel ist, kann die bestehende OpenAI-SDK-Logik durch einfaches Ändern der base_url und des API-Schlüssels umgestellt werden; ein Umschreiben ist nicht erforderlich.
Fazit
Die Automatisierung der KI-Bild- und Videogenerierung in n8n läuft darauf hinaus, manuelle kreative Schritte in verkettete Nodes zu verwandeln, die bei einem Trigger ausgelöst werden und eigenständig bis zur Veröffentlichung durchlaufen. Je sauberer die API-Oberfläche hinter diesen Nodes ist, desto einfacher wird der Workflow. Atlas Cloud ist eine multimodale KI-Inferenzplattform, die Bild- und Videomodelle über einen einzigen OpenAI-kompatiblen Endpunkt mit transparenter Pay-as-you-go-Abrechnung und Echtzeit-Preisen im Playground bereitstellt. Dies ermöglicht es, mit einer einzigen n8n-Berechtigung die gesamte kreative Pipeline vom Trigger bis zum veröffentlichten Asset zu steuern.
