No-Code-Workflows (DAG-Automatisierung)
Zuletzt aktualisiert am 8 Nov. 2026
Überblick
Mit Workflows können Sie Schritte zu einer automatisierten Pipeline verketten — einem DAG (gerichteter azyklischer Graph) aus Knoten — ohne Code zu schreiben. Ein Workflow kann Inhalte generieren, KI-Fähigkeiten aufrufen, externe APIs ansprechen, verzweigen, iterieren, warten, Freigaben einholen und Ergebnisse veröffentlichen. Jeder Schritt läuft mit seinem eigenen Timeout, Budget und seiner eigenen Fehlerrichtlinie, sodass ein einzelner instabiler Schritt nicht außer Kontrolle geraten oder den gesamten Lauf blockieren kann.
Knotentypen
Workflows unterstützen diese Schritttypen:
- Capability — ruft eine KI-Fähigkeit auf (Chat, Bild, TTS, Übersetzung usw.)
- Tool — ruft ein registriertes Tool/eine Funktion auf
- HttpRequest — ruft einen externen HTTP-Endpunkt auf
- Branch — leitet anhand einer Bedingung weiter
- Loop — iteriert über eine Sammlung
- FanOut / FanIn — parallelisiert und führt wieder zusammen
- Transform — setzt/formt Variablen um
- ArtifactSave — speichert ein flüchtiges Asset dauerhaft in Ihrem CDN
- Publish — sendet an einen Kanal (Webhook, Markdown-Artefakt usw.)
- SubWorkflow — ruft einen anderen Workflow als Schritt auf
- HumanApproval — pausiert für eine Freigabe
- Wait — Verzögerung
- Webhook — POST an einen externen Hook
Steuerung pro Schritt
Jeder Knoten trägt:
- Timeout — wie lange der Schritt laufen darf, bevor er abgebrochen wird.
- Error policy — was bei einem Fehler passiert: den Lauf fehlschlagen lassen, erneut versuchen oder fortfahren/ignorieren. Setzen Sie z. B. einen Benachrichtigungsschritt auf Ignorieren, damit ein Ausfall dort nicht den gesamten Lauf scheitern lässt, und setzen Sie einen Abrufschritt auf Erneut versuchen für vorübergehende Aussetzer im Upstream.
Variablen und Artefakte
- Variables leiten Daten zwischen Schritten weiter. Schritte lesen vorherige Ausgaben mit der
{{vars.name}}-Interpolation. - Artifacts sind Ausgaben, die Sie dauerhaft speichern — ArtifactSave hostet flüchtige Anbieter-URLs erneut als dauerhafte Bunny-CDN-URLs, damit Links nicht ablaufen.
Kosten
Es gibt keine separate Workflow-Ausführungsgebühr. Ein Lauf wird als Summe des BillingRecord jedes Schritts abgerechnet — exakt dieselbe Abrechnung pro Aufruf wie beim manuellen Ausführen jedes Schritts. Schritte, die keinen KI-Aufruf machen (HTTP, Transform, Wait, Webhook), kosten nichts. Sub-Workflow-Kosten fließen in die Gesamtsumme des übergeordneten Laufs ein.
Ausführen und überwachen
Starten Sie einen Lauf und beobachten Sie ihn auf der Seite der Workflow-Läufe. Jeder Lauf protokolliert seine Schritte, deren Ergebnisse und die Gesamtkosten. Fehlgeschlagene Schritte zeigen ihren Fehler gemäß der Fehlerrichtlinie des Schritts an.
Tipps
- Geben Sie externen/Benachrichtigungsschritten eine nachsichtige Fehlerrichtlinie (Erneut versuchen oder Fortfahren) und Kernschritten eine strenge.
- Verwenden Sie ArtifactSave für jedes generierte Medium, das Sie behalten möchten — Anbieter-URLs laufen ab.
- Extrahieren Sie wiederverwendbare Teilgraphen in einen SubWorkflow und rufen Sie ihn von mehreren übergeordneten Workflows auf.
- Testen Sie einen Ablauf mit günstigen Echo-/Transform-Schritten, bevor Sie kostspielige KI-Capability-Schritte einbinden.
Sehen Sie, wie es funktioniert
How AI workflows work: one form in, a finished video out
A workflow is a ready-made recipe of AI steps. You pick a template, fill in a short form, and every step runs on its own until a finished video comes out. Here we follow one bedtime story video from the form to the result.
Dieses Video ist auf Englisch.
What happens when you press Run? The anatomy of an AI workflow
Let's open one workflow and look inside. A workflow is a graph: each box is a step, the arrows set the order, and steps that don't depend on each other run side by side. Your answers flow into the steps, some steps check their own work and run again, some wait for your approval, and every AI call is recorded with its own cost.
Dieses Video ist auf Englisch.
The building blocks of an AI workflow
Every workflow, from a bedtime story to a research report, is built from the same few blocks. The AI step sends a prompt to a model and gets back text, an image, a voice, music or a video. Knowledge blocks bring in facts with their sources. Quality blocks check the work, and a human approval waits for you. Logic blocks shape the flow with branches and loops. Output blocks join everything into one video and save the result.
Dieses Video ist auf Englisch.