Was Make ist
Make ist eine visuelle Automationsplattform rund um Szenarien: Auslöser, Module, Routen, Filter, Iteratoren, Datentransformationen und Aktionen. KI-Agenten ergänzen eine modellgesteuerte Schicht, die unter genehmigten Modulen, wiederverwendbaren Szenarien und MCP-Werkzeugen wählen kann. Dieselbe Plattform kann damit vorhersehbare Integrationslogik und flexiblere agentische Schleifen ausführen.
Das macht die beiden Modi nicht austauschbar. Ein festes Szenario ist meist besser für Rechnungsregeln, Datensatzsynchronisation, Benachrichtigungen und andere Prozesse mit definierbarem Pfad. Nutzen Sie einen Agenten, wenn variabler Kontext wirklich Interpretation oder Werkzeugwahl verlangt. Halten Sie Seiteneffekte möglichst in ausdrücklichen Szenarioschritten, damit sie testbar und beobachtbar bleiben.
Agentenwerkzeuge und minimaler Zugriff
Ein Make-Agent verbindet Modell, Anweisungen, Kontext oder Wissen und Werkzeuge. Werkzeuge können breite Geschäftsfunktionen freigeben. Ein Kalenderwerkzeug, das vollständige Ereignisdetails zurückgibt, ist erheblich riskanter als eines, das nur Frei-/Belegt-Zeiten liefert. Ein CRM-Werkzeug zum Löschen oder massenhaften Aktualisieren von Datensätzen hat einen anderen Schadensradius als eine schreibgeschützte Suche.
Makes aktueller Best-Practices-Leitfaden für Agenten sagt, man solle annehmen, Menschen könnten auf mit dem Agenten geteilte Informationen zugreifen, einschließlich Werkzeugdaten und Wissen. Er empfiehlt, Zugang zu minimieren und nur nötige Daten in ein Werkzeug abzubilden. Der Leitfaden erklärt außerdem, Agenten könnten ausdrückliche Leitplanken ignorieren oder falsch interpretieren. Das ist ein wichtiges Beschaffungssignal: Ein Systemprompt ist keine Autorisierungsschicht.
Begrenzen Sie Ausgabetoken, Ausführungsschritte, Threadverlauf, Wiederholungen und Werkzeugzahl. Langer Verlauf erhöht Kosten und unbeabsichtigte Offenlegung. Schrittlimits helfen, Schleifen zu stoppen, können aber eine Geschäftstransaktion teilweise abgeschlossen hinterlassen. Leiten Sie unvollständige oder wenig sichere Ergebnisse an eine Prüfwarteschlange weiter, statt Erfolg vorzutäuschen.
Menschliche Prüfung und Wiederherstellung
Make kann eine menschliche Prüfanfrage auf einer Szenarioroute platzieren. Ein nützliches Muster lässt den Agenten klassifizieren und entwerfen und pausiert dann vor E-Mail, Bestellung, CRM-Schreibaktion oder externer Veröffentlichung. Der Prüfer sollte ursprüngliche Eingabe, vorgeschlagene Nutzlast, unterstützende Daten und genaues Ziel sehen – nicht nur eine generierte Zusammenfassung.
Prüfen Sie, wie der Zustand nach Genehmigung oder Ablehnung fortgesetzt wird. Eine abgelaufene Freigabe sollte geschlossen fehlschlagen. Wiederholen darf frühere Seiteneffekte nicht erneut auslösen. Ergänzen Sie eindeutige Transaktionsschlüssel, Fehlerbehandler und einen manuellen Reparaturpfad. Testen Sie widerrufene Zugangsdaten, API-Rate-Limits, fehlerhafte Werkzeugausgabe, Prompt Injection, doppelte Webhooks und ein Modell, das nie eine Abbruchbedingung erreicht.
Preise und Credits
Am Prüftag führte Makes Preisseite Free auf und bepreiste Core für 12, Pro für 21 und Teams für 38 US-Dollar monatlich in einer Konfiguration mit 10.000 Credits. Enterprise wurde individuell angeboten. Core ergänzte unbegrenzt aktive Szenarien und API-Zugang; Pro Prioritätsausführung, eigene Variablen und Volltextsuche in Protokollen; Teams Teamrollen und gemeinsame Vorlagen. Währung, Abrechnungszeitraum, Credit-Stufe und regionale Steuern können angezeigte Beträge ändern.
Credits sind nicht die gesamten Kosten. Gewähltes Modul, Datenbewegung, KI-Agentenausführung, externe Modellverbindung, Code und Wiederholungen können den Verbrauch beeinflussen. Bezahlte Tarife können eigene KI-Anbieterverbindungen nutzen und so manche Modellkosten und Datenbedingungen zu diesem Anbieter verschieben. Schätzen Sie Credits mit einer normalen und einer fehlerreichen Ausführung; beziehen Sie Tests, Schleifen, menschliche Prüfung und Anbietertokenkosten ein.
Sicherheit, Protokolle und Datenrouten
Makes Sicherheitsseite nennt SOC-2-Type-II- und SOC-3-Audits, verschlüsselte Zugangsdaten und Speicherung, TLS für Transport und Cloudinfrastruktur über zwei AWS-Verfügbarkeitszonen. Protokolldaten werden laut Seite standardmäßig 30 Tage gespeichert; Enterprise kann längere Speicherung bieten. Enterprise läuft in einer getrennt verwalteten AWS-Umgebung gegenüber Self-Service-Cloudkunden.
Ausführungsprotokolle können abgebildete Datensätze, Prompts, Werkzeugantworten und Fehlernutzlasten enthalten. Kürzerer Verlauf reduziert Exposition, kann aber Vorfalluntersuchung schwächen. Bestimmen Sie, welche Felder protokolliert werden dürfen, wer Ausführungen durchsuchen kann und wohin Exporte gehen. Das Trennen einer App entfernt keine bereits in andere Systeme geschriebenen Datensätze.
Makes Datenschutzhinweis sagt, Google-Workspace-API-Daten würden nicht zur Entwicklung, Verbesserung oder zum Training verallgemeinerter KI- oder Machine-Learning-Modelle verwendet. Diese Aussage ist spezifisch und darf nicht zu einer unbelegten Behauptung über jede Kundendatenkategorie oder jeden externen Anbieter erweitert werden. Prüfen Sie gewählte Modellverbindung, Unterauftragsverarbeiter, DPA, Region und Löschprozess getrennt.
Wer sollte Make wählen?
Make eignet sich gut für Teams, die einen visuellen Canvas schätzen und deterministische Automation neben begrenzten Agentenentscheidungen halten möchten. Seine offizielle Sicherheitsanleitung ist ungewöhnlich direkt zu Grenzen, was verantwortlichen Buildern hilft, aber auch klarstellt, dass sorgfältige Architektur erforderlich ist.
Vergleichen Sie Zapier AI für breite App-Automation und getrennte Agenten, n8n für Self-Hosting und Codeflexibilität sowie Gumloop für ein KI-natives Credit-Modell. Die Kategorie KI-Automation und Agentenwerkzeuge erklärt das Testen von Berechtigungen, Freigaben, Traces und Kosten.
Make AI Agents besuchen
