Make (früher Integromat): visuelle Szenarien mit 1.500+ Apps und EU-Hosting-Region

Was ist Make?

Make (vormals Integromat, 2016 in Prag gegründet, seit 2020 unter dem Dach von Celonis) ist eine proprietäre Cloud-Plattform für visuelle Workflow-Automation. Das Tool richtet sich an Marketing-, Sales- und Operations-Teams, die ohne Code-Knowhow mehrere SaaS-Anwendungen miteinander verknüpfen wollen. Im Editor entstehen sogenannte Szenarien: ein Trigger startet die Kette, weitere Module verarbeiten die Daten, Filter, Router und Iteratoren bilden die Logik ab.

Stand Mai 2026 verbindet Make über 1.500 Apps – von Google Workspace und Microsoft 365 über Salesforce, HubSpot, Notion, Airtable, Slack, Stripe bis hin zu Branchen-Tools wie Bexio, Lexoffice oder DocuSign. Eigene HTTP-Module decken alle REST/JSON-APIs ab, ein Webhook-Modul empfängt Eingaben von extern. Seit 2024 stehen dedizierte AI-Module für OpenAI, Anthropic, Mistral, ElevenLabs und Stability AI bereit; zusätzlich gibt es das „Make AI Agents"-Feature (2025+), das tool-using-Agents direkt im Szenario erlaubt.

Kommerziell läuft Make rein als Cloud-Service – Self-Hosting ist nicht vorgesehen. Seit Anfang 2025 können Kunden bei der Org-Erstellung die Region wählen (US oder EU); ein Wechsel nachträglich ist nicht möglich. Das Pricing basiert auf Operations: jeder Modul-Schritt in einem Szenario ist eine Operation. Der Pro-Tarif startet bei USD 10.59 pro Monat für 10.000 Operations, höhere Tarife bis Enterprise skalieren auf Millionen Operations. Komplexe Szenarien mit 20 Schritten brauchen also pro Run 20 Operations.

Im CH-Treuhand-Kontext sehen wir Make am häufigsten dort, wo Marketing-Teams Lead-Funnels aus HubSpot, Mailchimp und LinkedIn Ads zusammenfügen – die EU-Region erlaubt eine vertretbare Risiko-Position für Marketing-Daten, für Mandanten-Daten bleibt aber Self-Hosting (n8n, Activepieces) die regelmässige Empfehlung.

Warum es wichtig ist

Make ist preislich pro Operation rund ein Drittel günstiger als Zapier und bietet bei vergleichbarer App-Auswahl einen deutlich mächtigeren visuellen Editor. Wer mit 1-3 Personen ein Marketing-Setup automatisieren will, kommt mit Make oft schneller ans Ziel als mit jeder Self-Hosted-Alternative – kein Server-Setup, keine Updates, kein Backup-Plan.

Für eine CH-Treuhand mit Marketing-Aktivitäten gibt es drei konkrete Hebel. Erstens: Lead-Capture-Funnel. Ein Website-Formular sendet einen Webhook an Make, Make reichert die Daten via Clearbit oder Apollo an, prüft per AI-Modul auf Spam, legt im HubSpot-CRM einen neuen Kontakt an und benachrichtigt das Sales-Team via Slack. 5-7 Operations pro Lead, bei 200 Leads/Monat 1.000-1.400 Operations – der Pro-Tarif für USD 10.59 deckt das mit Reserve.

Zweitens: Content-Distribution. Ein neuer Blog-Beitrag in WordPress triggert ein Szenario, das den Beitrag automatisch in LinkedIn, X, Bluesky und Mastodon postet, eine Vorschau-Mail an die Newsletter-Liste sendet und im internen Notion-Workspace dokumentiert. Solche Multi-Channel-Posts sind in Make in 20 Minuten gebaut, in Zapier oft nicht möglich (Filter-Logik limitierter).

Drittens: AI-gestützte Inhalts-Klassifikation. Eingehende Kontaktanfragen werden vom OpenAI-Modul nach Themengebiet (MWST, Lohn, Jahresabschluss, GwG) klassifiziert und an die zuständige Person geroutet. Die Logik bleibt visuell nachvollziehbar – für Marketing-Verantwortliche, die selten in Code-Reviews sitzen, ist das ein realer Vorteil gegenüber Code-First-Lösungen.

Die EU-Region (seit 2025 wählbar) reduziert das Datenschutz-Risiko für Marketing-Daten. Für hochsensible Mandanten-Daten bleibt aber die Transfer-Impact-Assessment-Pflicht: Make verarbeitet die Daten zwar in der EU, ist aber als Teil von Celonis (US-naher Konzern) weiterhin theoretisch dem US-CLOUD-Act-Zugriff exponiert. Wer Berufsgeheimnis-relevante Daten (Art. 321 StGB) verarbeitet, gehört nicht auf Make.

Wie es funktioniert

Ein Make-Szenario besteht aus Modulen, die über Routen verbunden sind. Im Gegensatz zu n8n laufen Module sequentiell entlang der Route – ein Modul verarbeitet seinen Input, gibt das Ergebnis weiter, dann startet das nächste. Das Konzept der Bundles erlaubt aber Iteration: ein Modul gibt mehrere Datensätze aus (z.B. eine Liste von Zeilen aus einem Google Sheet), und die folgenden Module verarbeiten jeden Datensatz einzeln.

Die wichtigsten Modul-Typen: Triggers (zeitbasiert oder ereignisbasiert), Actions (HTTP-Calls, App-Operationen), Searches (Daten aus externen Systemen lesen), Filter (bedingte Weiterleitung), Router (parallele Pfade mit unterschiedlicher Logik), Iterator (Liste in Einzelelemente zerlegen), Aggregator (Einzelelemente wieder zu Liste zusammenfügen) und Tools (Variablen setzen, Datums-Konvertierung, JSON-Parsing).

Ein typisches AI-Szenario für Mandanten-Triage: Webhook-Modul empfängt eine eingehende Mail (von Mail-Provider weitergeleitet) -> OpenAI-Modul klassifiziert nach 4 Themen -> Router teilt in 4 Zweige -> jeder Zweig legt ein anderes HubSpot-Ticket an und sendet eine andere Slack-Nachricht -> Aggregator fasst alle Zweige für ein Reporting-Modul zusammen. Im Operations-Zähler sind das pro Mail 5-7 Operations.

Die Datenstrukturen sind streng typisiert. Make parst Antworten automatisch in eine Struktur (Strings, Numbers, Dates, Arrays, Collections) und macht sie in folgenden Modulen via Drag-and-Drop verfügbar. Built-in-Funktionen (formatDate, parseDate, replace, get, map) decken alle gängigen Transformations-Anforderungen ab. Wer wirklich JavaScript braucht, kann ein „Custom JS Module" einbinden oder über ein HTTP-Module ein externes Lambda triggern.

Fehler-Handling läuft pro Modul: jedes Modul hat einen optionalen Error-Handler-Pfad, der bei Exceptions getriggert wird. Drei Strategien sind eingebaut: Resume (Daten ignorieren, weitermachen), Rollback (alle bisherigen Änderungen rücknehmen), Commit (trotz Fehler weitermachen, Änderungen behalten). Für Mandanten-Operationen ist Rollback meist die richtige Wahl.

Make-Setup in 5 Schritten

1. 01Organisations-Account anlegen, dabei zwingend EU-Region wählen (nachträglich nicht änderbar). Pro-Tarif für 10.000 Operations buchen.
2. 02Apps verbinden: OAuth-Verbindungen für HubSpot, Google Workspace, Slack, Stripe und ggf. Bexio/Lexoffice einrichten – Connections sind pro Org wiederverwendbar.
3. 03Erstes Szenario aufbauen: Webhook-Trigger -> 2-3 Module mit Filter -> Action-Modul. Test-Run im Editor, Operations-Verbrauch prüfen.
4. 04Error-Handler-Routen einbauen: pro kritisches Modul eine Rollback- oder Resume-Route mit Slack-Alarm an das Operations-Team.
5. 05Monitoring einrichten: Make-built-in-Dashboard für Operations-Verbrauch und Szenario-Erfolgsrate, Alert bei Operations > 80% des Tariflimits.

Wann Make einsetzen

Make ist die richtige Wahl, wenn (a) ein Marketing- oder Sales-Team ohne Engineering-Resource automatisieren soll, (b) die genutzten Apps in der 1.500+-Liste enthalten sind, (c) Datenschutz mit EU-Region als ausreichend bewertet ist und (d) das Operations-Budget zum erwarteten Workflow-Volumen passt.

Konkrete Fälle: Marketing-Funnels (Lead-Capture -> Enrichment -> CRM -> Nurturing-Sequence), Social-Media-Distribution (ein Beitrag in mehrere Kanaele), E-Commerce-Triggers (neuer Stripe-Charge -> Buchhaltung -> Bestätigungs-Mail -> Kunden-Onboarding), interne Reporting-Automation (täglich Daten aus 5 SaaS-Tools in eine Slack-Zusammenfassung) und Multi-App-Synchronisation (Notion <-> Airtable <-> Google Sheets).

Für Teams ohne DevOps-Kapazität ist der Trade-off klar: Make kostet ca. CHF 15-50/Monat für typische Szenarien, deckt 90% der gängigen SaaS-Apps ab und braucht keinen Server. Die Frage ist nicht „Self-Host oder Make", sondern „Make oder gar keine Automatisierung". Wer mit dieser Frage konfrontiert ist, fährt mit Make besser als mit dem Versuch, n8n ohne Engineering-Support zu betreiben.

Für KI-gestützte Klassifikation und Routing sind die nativen AI-Module bequem. Wer im Marketing-Stack OpenAI oder Anthropic einsetzen will und die Daten als unkritisch einstuft, hat in Make eine schnelle Implementierung.

Wann NICHT

Make ist falsch für Berufsgeheimnis-relevante Daten (Anwalt, Treuhand, Arzt, Banker). Auch mit EU-Region bleibt die Cloud-Architektur ein Drittland-Risiko über den Mutterkonzern. Mandanten-Mails, Steuerdaten, Lohndaten, MWST-Belege gehören auf n8n self-hosted oder Activepieces – nicht in Make.

Ungeeignet ist Make bei sehr grossen Operations-Volumina. Wer 500.000+ Operations pro Monat braucht, zahlt im Enterprise-Tarif schnell USD 500-2.000/Monat – für das Geld lässt sich Self-Hosting auf Hetzner inklusive Engineering-Aufwand finanzieren.

Nicht passend ist Make bei komplexen Code-Anforderungen. Das Custom-JS-Module ist limitiert (kein npm-Install, keine externen Libraries beyond what Make ships). Wer Python-Pandas, Selenium, oder spezialisierte SDKs braucht, muss über externe Lambdas gehen – dann ist Pipedream, Windmill oder direkt eine Code-Lösung schneller.

Für Daten-Pipelines (ETL, Data-Warehouse-Laden, Cleansing) ist Make überbezahlt. Per-Operation-Pricing ruiniert jedes ETL-Szenario, das über 50k Zeilen pro Run schreibt. Airflow, dbt oder Airbyte sind dort die produktiveren Tools.

Keine Self-Hosting-Option – wer aus regulatorischen Gründen Daten zwingend auf eigener Hardware braucht, hat keinen Pfad in Make.

Vor- und Nachteile

Häufige Fragen

Verwandte Themen

Quellen

1. Make documentation – modules, scenarios, regions · 2026-05
2. Make pricing page · 2026-05
3. Make AI Agents announcement and AI modules · 2026-04
4. Celonis acquisition of Integromat (2020) and EU region rollout 2025 · 2026-02