grofwerk
11 mei 2026
AItutorialn8n

AI agent maken met n8n, zonder code

Zelf een AI agent bouwen in n8n, zonder code. Stap-voor-stap tutorial: van webhook tot werkende lead qualifier met CRM actie.

Een AI agent maken kan zonder code. Met n8n, een open-source automation platform, bouw je in een middag een agent die leads kwalificeert, websites scrapt en resultaten naar je CRM stuurt. Deze tutorial laat zien hoe, stap voor stap.

Wat we gaan bouwen

Een lead qualifier agent. Die doet het volgende:

  1. Ontvangt een bedrijfsnaam en website URL
  2. Scrapt de website (titel, beschrijving, branche-indicatoren)
  3. Stuurt de informatie naar Claude, die beoordeelt of het bedrijf in je doelgroep past
  4. Scoort de lead van 0-100
  5. Stuurt het resultaat naar je CRM of spreadsheet

Handmatig kost dit 5-10 minuten per lead. De agent doet het in 30 seconden, voor 0,005 euro.

Wat je nodig hebt

  • n8n - gratis te installeren of te gebruiken via n8n.io cloud (gratis tier beschikbaar)
  • Anthropic API key - voor Claude. Kost 0,003-0,01 euro per call afhankelijk van het model
  • Een plek om resultaten op te slaan - Google Sheets, Airtable, of je CRM

Totale kosten voor dit project: 0 euro setup, 5-20 euro per maand aan API calls (afhankelijk van volume).

Stap 1: n8n opzetten

Optie A: n8n cloud. Ga naar n8n.io, maak een account aan. Je krijgt een gratis trial. Binnen 2 minuten heb je een werkende omgeving.

Optie B: self-hosted. Als je een server hebt (of een oude laptop), draai je n8n met Docker:

docker run -it --rm --name n8n -p 5678:5678 n8nio/n8n

Open localhost:5678 in je browser. Klaar.

Wij adviseren cloud om te beginnen. Self-hosted is goedkoper op termijn, maar voegt complexiteit toe die je nu niet nodig hebt.

Stap 2: webhook trigger toevoegen

Maak een nieuwe workflow in n8n. Sleep een Webhook node naar het canvas.

Configuratie:

  • HTTP Method: POST
  • Path: lead-qualifier (of wat je wilt)
  • Authentication: geen (voor nu, later beveiligen)

Dit geeft je een URL. Alles wat je naar die URL POST, komt de workflow binnen. Test het met een simpele JSON body:

{
  "company": "Grofwerk",
  "website": "https://grofwerk.nl",
  "contact_name": "Wouter"
}

De webhook vangt de data op en geeft het door aan de volgende stap.

Stap 3: website scrapen

Voeg een HTTP Request node toe na de webhook.

Configuratie:

  • Method: GET
  • URL: {{ $json.website }}
  • Response Format: Text (je krijgt de HTML terug)

Dit haalt de volledige HTML van de website op. Dat is te veel data voor de AI. Voeg een Code node toe om de relevante informatie te extraheren:

const html = $input.first().json.data;

// Pak title tag
const titleMatch = html.match(/<title>(.*?)<\/title>/i);
const title = titleMatch ? titleMatch[1] : 'Geen titel gevonden';

// Pak meta description
const metaMatch = html.match(/<meta[^>]*name="description"[^>]*content="(.*?)"/i);
const description = metaMatch ? metaMatch[1] : 'Geen beschrijving';

// Pak eerste 2000 tekens van zichtbare tekst
const textContent = html.replace(/<[^>]+>/g, ' ')
  .replace(/\s+/g, ' ')
  .trim()
  .substring(0, 2000);

return [{
  json: {
    company: $('Webhook').first().json.company,
    contact_name: $('Webhook').first().json.contact_name,
    website: $('Webhook').first().json.website,
    title,
    description,
    textContent
  }
}];

Nu heb je een compacte samenvatting van de website.

Stap 4: Claude classificeert de lead

Voeg een Anthropic Chat Model node toe, of gebruik de HTTP Request node om de Claude API direct aan te spreken.

Met HTTP Request naar https://api.anthropic.com/v1/messages:

Headers:

  • x-api-key: je Anthropic API key
  • anthropic-version: 2023-06-01
  • content-type: application/json

Body:

{
  "model": "claude-sonnet-4-20250514",
  "max_tokens": 500,
  "messages": [{
    "role": "user",
    "content": "Beoordeel deze lead voor een automation agency dat MKB bedrijven helpt met workflow automatisering en AI agents.\n\nBedrijf: {{ $json.company }}\nWebsite titel: {{ $json.title }}\nBeschrijving: {{ $json.description }}\nWebsite tekst: {{ $json.textContent }}\n\nGeef terug als JSON:\n- score (0-100, hoe goed past dit bedrijf bij onze diensten)\n- branche (welke sector)\n- omvang_inschatting (klein/midden/groot)\n- reden (1 zin waarom deze score)\n- aanbeveling (welke dienst van ons past het beste)"
  }]
}

Claude leest de website informatie en geeft een gestructureerde beoordeling terug. Een lead die software verkoopt aan 50 bedrijven scoort hoog. Een eenmanszaak in de bouw scoort laag.

Stap 5: resultaat opslaan en routeren

Voeg een IF node toe na het Claude antwoord:

  • Score >= 70: HOT lead pad
  • Score 40-69: WARM lead pad
  • Score < 40: COLD lead pad

HOT pad: voeg een Google Sheets node toe (of CRM node) die de lead opslaat met score, reden en aanbeveling. Voeg een Slack node toe die een bericht stuurt naar je sales kanaal: “Nieuwe hot lead: [bedrijf] - score [X] - [reden].”

WARM pad: sla op in Google Sheets. Geen Slack notificatie, maar wel in de lijst voor wekelijkse review.

COLD pad: sla op in een apart tabblad. Eens per maand bekijken of er patronen in zitten.

De complete workflow samengevat

Webhook (lead data binnenkomt)
  → HTTP Request (website scrapen)
  → Code node (relevante tekst extraheren)
  → Claude API (lead beoordelen en scoren)
  → IF node (score routing)
    → HOT: Google Sheets + Slack notificatie
    → WARM: Google Sheets
    → COLD: Google Sheets (apart tabblad)

6 nodes. Geen code behalve de tekst-extractie. 30 minuten om te bouwen als je n8n kent, 2 uur als het je eerste keer is.

Wat dit kost om te draaien

  • n8n cloud: 0 euro (gratis tier, 500 executions/maand) of 20 euro
  • Claude API: 0,005 euro per lead
  • Bij 100 leads per week: 2 euro per maand aan API kosten

Vergelijk dat met de 8-10 uur per week die iemand kwijt is aan handmatige lead beoordeling.

Wanneer DIY genoeg is en wanneer je hulp nodig hebt

Zelf doen werkt als:

  • Je 1-2 simpele workflows nodig hebt
  • De logica rechtlijnig is (trigger, AI, actie)
  • Je comfortabel bent met een no-code tool
  • Je team van minder dan 10 mensen is

Hulp inschakelen werkt beter als:

  • Je 5+ workflows nodig hebt die samenwerken
  • Je meerdere systemen moet koppelen (CRM, email, LinkedIn, facturatie)
  • Je agents nodig hebt die op elkaar reageren (multi-agent setups)
  • Fouten in het proces direct geld kosten
  • Je geen tijd hebt om het zelf te onderhouden

Wij bouwen regelmatig agent systemen die beginnen als het voorbeeld hierboven, en uitgroeien tot volledige sales pipelines met 15+ workflows. Het startpunt is altijd hetzelfde: een simpele agent die een repetitieve taak overneemt.

Wil je een AI agent laten maken op maat? Of eerst meer lezen over wat een AI agent precies is en hoe wij ze integreren in bestaande systemen?

← alle artikelen