Wie ich mit Claude und Make das komplette Onboarding meiner Agentur automatisiert habe — und was dabei wirklich passiert ist

Ich werde in diesem Beitrag sehr ehrlich sein. Nicht, weil es gerade trendy ist über AI zu reden, sondern weil ich glaube, dass die meisten AI-Posts da draußen Bullshit sind. Sie zeigen den fertigen Output, den perfekten Workflow, das saubere Dashboard — aber nie den Prozess. Nie die 47 Fehlermeldungen. Nie den Moment, in dem du um 23 Uhr vor Make sitzt und zum dritten Mal „Source is not valid JSON“ liest.
Also hier ist meine Geschichte. Ungefiltert.

Was wir gebaut haben

Ich betreibe mit SMART11.de, eine Performance-Marketing-Agentur in Düsseldorf. Wir schalten Meta Ads für Handwerksbetriebe, Mittelstand und Industrie — Recruiting, Leadgen für Wärmepumpen und Photovoltaik. Das Onboarding eines neuen Kunden war bisher ein manueller Albtraum: Google Drive Ordner anlegen, Airtable befüllen, ClickUp Tasks erstellen, Werbetexte schreiben, Qualifier-Skripte bauen, E-Mails versenden. Pro Kunde locker 3-4 Stunden Arbeit, verteilt auf verschiedene Leute. Mit mehr Leuten kam dann auch das Informationschaos.

Mein Ziel: Ein Kunde wird in Close CRM als „Gewonnen“ markiert — und alles andere passiert automatisch. Drive-Ordner, Airtable-Records, ClickUp-Tasks, AI-generierte Werbetexte, Qualifier-Skripte, E-Mails ans Team und an den Kunden. Alles. Nichts mehr manuell.

Hier ein kleiner Einblick in meinen Alltag der letzten Wochen:

Problem 1: „Source is not valid JSON“ Claude gibt sauberes JSON zurück. Make sagt trotzdem nein. Der Grund? Der Text Parser zwischen Claude und JSON Parse hat \n durch Leerzeichen ersetzt — und dabei Arrays zerstört. Lösung: Text Parser entfernen, direkt parsen.

Problem 2: „Bad escaped character“ Google Bewertungen enthalten Anführungszeichen: „Besten Dank für die Zuverlässigkeit!“ — diese Quotes brechen den JSON-Body im HTTP-Modul. Lösung: Ein Set Variable davor, das alle " durch ' ersetzt.

Problem 3: Zeilenumbrüche aus der Hölle Close Call Summaries enthalten literal \n Strings. Die sind kein echtes Newline, aber JSON versteht sie als Control Characters. Lösung: Text Parser mit Regex [\x00-\x1F]|\\n|\\t|\\r der alles bereinigt.

Problem 4: „Missing value of required parameter ‚json'“ Der JSON Parse bekommt einen leeren Input. Warum? Weil replace(X; "```json"; ) ohne leeren String am Ende die gesamte Formel kaputt macht. In Make muss es replace(X; "```json"; "") heißen — mit expliziten "".

Ich habe diese Fehler nicht einmal gemacht. Ich habe sie dutzendfach gemacht. In verschiedenen Szenarien. Mit verschiedenen Variationen.

Die große Vereinfachung

Nach Wochen des Debuggens hatte ich eine Erkenntnis: JSON ist das Problem, nicht die Lösung. Mein ursprünglicher Ansatz war: Claude generiert strukturiertes JSON → Make parsed es → Set Variables extrahieren die Felder → Google Docs Template bekommt die Werte. Pro Dienstleistung. Pro Dokument-Typ. Das waren 16+ Module die fehlschlagen konnten.

Der neue Ansatz: Claude schreibt direkt fertigen Text. Google Docs bekommt den Text 1:1.

Vorher: Claude → Text Parser → JSON Parse → Set Variables → Google Docs Template
Nachher: Claude → Google Docs

Von 6 Modulen auf 2. Von 16 Fehlerpunkten auf 1. Der Output ist nicht so „sauber strukturiert“ — aber er funktioniert. Jeden Tag. Ohne Fehler. Das war die wichtigste Lektion: Einfach schlägt elegant. Immer.

Was Claude gut kann und was nicht

Ich will fair sein. Claude hat mir enorm geholfen. Nicht nur beim Generieren der neuen Templates für die Werbetexte, sondern vor allem beim Denken. Die Architektur des Orchestrators, die Fallback-Ketten für die Kundensuche, die Error-Handler-Strategie — das alles habe ich mit Prompting in Claude entwickelt. Und das starke war, ich hatte während der Implementierung weitere Ideen und konnte so von Anfang bis Ende planen.

Was gut funktioniert:

• Werbetexte generieren auf Basis von Kundendaten (Website, Bewertungen, Sales-Notizen)
• AM-Briefings mit Persönlichkeitsprofil und Churn-Risiko-Einschätzung
• Qualifier-Skripte mit branchenspezifischen Fragen
• Architektur-Entscheidungen durchdenken („Soll ich hier einen Router oder ein Sub-Szenario nutzen?“)

Was nicht so gut funktioniert:

• Konsistente JSON-Ausgabe mit Claude und dem https-Modul über viele Aufrufe hinweg — manchmal ein Anführungszeichen zu viel, manchmal ein Array statt String
• Skalierbare Werbetexte — die Texte sind gut, aber jeder Kunde bekommt etwas komplett anderes, was die Qualitätssicherung und Skalierung schwierig macht
• Lange Prompts stabil halten — je mehr Regeln im System-Prompt, desto wahrscheinlicher ignoriert Claude einzelne davon

Mein Fazit: Claude ist ein hervorragender Sparringspartner und ein guter erster Entwurf. Aber „AI-generiert = fertig“ stimmt nicht. Zumindest nicht in meinem Setup.

Ausfallsicherheit: Der unterschätzte Teil

Ein Workflow der in 90% der Fälle funktioniert ist wertlos. Weil die 10% Fehler genau dann kommen, wenn ein neuer Kunde ongeboardet wird und das Team auf die Dokumente wartet. Deswegen habe ich drei Dinge eingebaut, die den Unterschied machen:

1. Error Handler auf jedem Claude Call Wenn Claude fehlschlägt oder ungültiges JSON zurückgibt, bekommt das Team eine Slack-Nachricht statt dass der Workflow abbricht. „Marketing-Briefing für Krüger konnte nicht automatisch generiert werden. Bitte manuell erstellen.“

2. Exists-or-Create Pattern Jedes Sub-Szenario prüft zuerst, ob der Kunde bereits existiert. Sucht in Airtable nach der Record-ID, dann in Close nach der E-Mail, dann in Airtable nach dem Firmennamen. Vier Chancen den Kunden zu finden, bevor ein neuer angelegt wird.

3. Multi-Stufen Kundensuche Was passiert wenn ein Kunde das Boarding-Formular ausfüllt, aber kein Calendly-Termin gebucht wurde? Oder wenn die Record-ID aus Airtable fehlt? Das System sucht über E-Mail in Close, dann über Firmennamen in Airtable, und legt nur im absoluten Notfall einen neuen Kunden an — mit Slack-Warnung.

Was ich anderen Agentur-Inhabern mitgeben würde

1. Starte mit dem Prozess, nicht mit dem Tool. Ich hätte mir Wochen gespart, wenn ich zuerst den Prozess auf Papier gezeichnet hätte, statt direkt in Make zu bauen.
2. JSON ist Gift für Make-Workflows. Wenn du Claude in Make nutzt, lass Claude fertigen Text generieren statt JSON. Dein zukünftiges Ich wird dir danken.
3. Baue Error Handler ein. Überall. Nicht weil etwas fehlschlägt, sondern weil etwas fehlschlagen wird.
4. Nutze "" (leere Strings) in Make’s replace(). Nie leer lassen. Das hat mich drei Tage gekostet herauszufinden.
5. Airtable Formeln nutzen Kommas, nicht Semikolons. Make nutzt Semikolons. Airtable Filter Formula Felder werden direkt an die API geschickt. Klingt trivial, kostet Stunden.
6. Die AI ist ein Werkzeug, kein Ersatz. Claude generiert gute erste Entwürfe. Aber die finale Qualitätskontrolle muss ein Mensch machen besonders bei Werbetexten.

---

Wie geht es weiter?

Der Onboarding-Prozess steht. Als nächstes kommen:

• Going-Live Szenario — Automatische E-Mail an den Kunden wenn die Kampagne live geht
• Feedback-Gespräch — 7 Tage nach Going Live automatisch terminieren
• Vertragsende-Warnung — 30 Tage vorher Slack-Alarm an Account Manager
• Lexoffice Zahlungsprüfung — Täglich checken ob Rechnungen bezahlt wurden
• Migration bestehender Kunden — 286 Bestandskunden in die neue Struktur überführen

Und ehrlich gesagt: Ich bin gespannt, welche neuen Fehler dabei auf mich warten. Denn eins habe ich gelernt — bei Automationen ist der Fehler nicht die Ausnahme, sondern der Normalzustand. Der Unterschied liegt darin, wie gut man damit umgeht.

Wenn du Fragen zum Setup hast oder selbst eine Agentur automatisieren willst — schreib mir auf LinkedIn oder per Mail. Kein Verkaufspitch, versprochen. Ich teile gerne, was funktioniert hat und was nicht.

Dominick