Wie Sie einen AI Agent mit Lindy bauen
Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
Lindy ist ein No-code-Builder für AI agents, der sich klar an Business-Anwender statt an Entwickler richtet, und von den gängigen Plattformen die schnellste, um einen ersten funktionierenden agent zum Laufen zu bringen. Sie bauen einen „Lindy" aus drei Teilen: einem Trigger (dem Ereignis, das ihn weckt, etwa eine neue E-Mail oder ein Formular-Eingang), einer oder mehreren Aktionen (was er tun kann, etwa eine E-Mail beantworten oder einen CRM-Datensatz aktualisieren) und Skills (übergeordnete Richtlinien, auf die der agent zurückgreift und von denen er selbst entscheidet, wann er sie anwendet). Es gibt kein visuelles Flussdiagramm aus Nodes, das Sie verdrahten müssten, und keinen Code-Editor. Sie konfigurieren ihn, und zunehmend können Sie ihn einfach in normalem Englisch beschreiben und Lindy den Ablauf zusammenbauen lassen.
Dieser Leitfaden behandelt, warum Teams zuerst zu Lindy greifen, was Trigger, Aktionen und Skills tatsächlich bedeuten, eine vollständige Build-Anleitung, ein durchgespieltes Beispiel, Kosten und Grenzen und wann Lindy das falsche Werkzeug für die Aufgabe ist.
Warum Teams agents in Lindy bauen
Lindy wurde von Flo Crivello gegründet, einem Gründer, der zuvor das Virtual-Office-Startup Teamflow aufgebaut und skaliert hat, bevor er zu agents wechselte, und das Produkt spiegelt diesen gründergeführten Fokus darauf, Reibung für nicht technische Anwender abzubauen.
Es ist wirklich No-code, nicht Low-code mit freundlicherem Etikett. Wo n8n und Make Sie noch bitten, in Nodes oder Modulen zu denken, bittet Lindy Sie, in einfachen Sätzen zu denken: Was soll das auslösen, was soll es tun, was soll es nie tun. Der „Agent Builder" der Plattform geht noch einen Schritt weiter: Sie beschreiben einen agent in natürlicher Sprache, und er erzeugt aus der Beschreibung eine funktionierende erste Version.
Es ist auf kommunikationsintensive, dauerhaft laufende Arbeit ausgelegt. Lindys eigene Positionierung setzt auf den „AI Executive Assistant", erreichbar per Chat und sogar per iMessage oder SMS, der Posteingangs-Triage, Terminplanung und Nachfassaktionen so erledigt wie ein menschlicher Assistent, statt als Batch-Job, der einmal am Tag läuft.
Templates senken die Einstiegskosten. Statt eine Kette aus Trigger, Aktion und Skill auf einer leeren Fläche zu bauen, starten die meisten Teams mit einem Template nah an ihrem Anwendungsfall und passen es von dort an, ein großer Teil des Grundes, warum nicht technische Teams zuerst zu Lindy greifen.
Lindy wird von Teams in bekannten Unternehmen genutzt (auf der eigenen Website nennt es Logos wie Shopify, Adobe und Airbnb unter den Organisationen, die es einsetzen), hat eine Bewertung von 4,9 Sternen auf G2 und hat mehr als 50 Millionen $ Funding eingesammelt, um die Plattform auszubauen. Das zeigt: Dies ist kein Randwerkzeug, sondern eine solide finanzierte Wette speziell auf No-code-agents.
Was Trigger, Aktionen und Skills tatsächlich bedeuten
| Komponente | Was sie ist | Beispiel |
|---|---|---|
| Trigger | Das Ereignis, das den agent startet | Eine neue E-Mail kommt an, eine Stripe-Zahlung geht ein, ein CRM-Datensatz wird angelegt, ein geplanter Zeitpunkt erreicht |
| Aktion | Eine konkrete Aufgabe, die der agent ausführen kann | Eine E-Mail beantworten, einen HubSpot-Datensatz aktualisieren, eine Notion-Seite anlegen, eine Slack-Nachricht senden |
| Skill | Eine übergeordnete Richtlinie, die der agent nach eigenem Ermessen anwendet | „Bestätigen Sie Preise immer anhand der aktuellen Tabelle, bevor Sie eine Zahl nennen", angewendet, wann immer es relevant ist, nicht nach festem Zeitplan |
Skills machen aus einem Lindy einen agent statt einer festen Automatisierung: Die Plattform entscheidet, wann ein Skill greift, statt dass Sie jede Verzweigung von Hand skripten, dieselbe selbstgesteuerte Entscheidungsfindung, die im Autonomous Agent Pattern beschrieben wird.
Der Unterschied zwischen einer Aktion und einem Skill ist derselbe, der allgemein in Wie Sie einen AI Agent bauen behandelt wird: Aktionen entsprechen eher dem Baustein Tools, also konkreten Dingen, die er tun kann, während Skills eher den Regeln entsprechen, dauerhafter Orientierung, die jede Entscheidung prägt, statt eines einzelnen Schritts in einer Abfolge. Wenn Sie diese Trennung falsch ziehen, bekommen Sie einen agent, der entweder nicht handeln kann (nur Skills, keine Aktionen) oder starr ohne Urteilsvermögen handelt (nur Aktionen, keine Skills).
Mit dem Agent Builder von Lindy können Sie das Zusammenbauen von Hand für einen ersten Entwurf überspringen: Beschreiben Sie die Aufgabe in normalem Englisch, und er schlägt eine Kombination aus Trigger und Aktion als Ausgangspunkt vor, die Sie dann verfeinern. Das ist ein deutlich anderer Startpunkt als bei n8n oder Make, wo Sie die Teile vom ersten Klick an selbst zusammensetzen.
Die Build-Anleitung
- Einen Trigger wählen. Beginnen Sie mit dem Ereignis, das den agent wecken soll: eine eingehende E-Mail, ein Formular-Eingang, ein geplanter Zeitpunkt, ein Webhook aus einem anderen Tool.
- Die Kernaktionen des agents wählen. Legen Sie fest, was er tatsächlich tun darf: eine Antwort entwerfen, einen Datensatz aktualisieren, ein Meeting buchen, eine Nachricht senden. Halten Sie diese Liste zunächst schmal, Sie können mehr ergänzen, sobald die Grundlagen zuverlässig laufen.
- Skills für dauerhafte Ermessensentscheidungen ergänzen. Alles, was breit gelten soll, Tonalität, welche Fakten er nennen darf, wann er eskaliert, gehört hierher statt in eine einzelne Aktion.
- Die nötigen Apps verbinden. Verknüpfen Sie Ihr E-Mail-Postfach, Ihren Kalender, Ihr CRM oder andere Systeme über die mehr als 100 Integrationen von Lindy, damit die definierten Aktionen tatsächlich einen Ort haben, an dem sie handeln.
- Explizite Eskalationsregeln festlegen. Bestimmen Sie genau, wann Lindy anhalten und einen Menschen fragen soll, statt weiterzumachen, dieselbe Entscheidungslogik aus Handeln, Fragen und Übergabe, die in Wie Sie einen AI Agent bauen behandelt wird.
- An echten, aktuellen Beispielen testen (tatsächliche E-Mails, tatsächliche Meeting-Anfragen), bevor Sie ihn auf den live eingehenden Verkehr loslassen.
- Die ersten echten Läufe genau beobachten und Skills und Eskalationsregeln dort nachschärfen, wo er handelt, obwohl er hätte fragen sollen, oder fragt, obwohl er die Antwort längst kennen sollte.
Der Build führt von einer Aufgabenbeschreibung in einfacher Sprache über abgegrenzte Aktionen, wiederverwendbare Skills und Eskalationsregeln zu Belegen aus echter Arbeit.
Ein durchgespieltes Beispiel: Ein AI-Meeting-Scheduler-Agent in Lindy
Die Stärken von Lindy, Arbeit nah an Posteingang und Kalender, chatbasierte Interaktion und schnelle Einrichtung, passen eng zur Terminplanung, daher ist dies ein naheliegender erster agent.
Trigger: Eine neue E-Mail kommt an, die ein Meeting anfragt, oder ein Lead füllt ein Formular „Gespräch buchen" aus.
Aktionen: den relevanten Kalender auf freie Slots prüfen, in einer Antwort zwei oder drei konkrete Zeiten vorschlagen, den Kalendereintrag anlegen, sobald die andere Person bestätigt, und eine Bestätigung mit allen Vorbereitungsdetails senden.
Skills: „Schlagen Sie Zeiten immer innerhalb der Geschäftszeiten in der wahrscheinlichen Zeitzone des Empfängers vor", „buchen Sie nie einen Slot doppelt, der bereits belegt ist", „wenn die anfragende Person eine bestimmte Person wünscht, die nicht der Standardkalender ist, klären Sie das mit einem Menschen, bevor Sie fortfahren."
Eskalationsregel: Wenn der Austausch mehr als dreimal hin und her geht, ohne dass ein Termin feststeht, oder die anfragende Person eine Frage außerhalb der Terminplanung stellt (Preise, eine technische Frage), übergeben Sie mit einer Zusammenfassung des gesamten Verlaufs an einen Menschen, statt eine Antwort zu raten, die der agent nicht geben kann.
Das entspricht eng dem Blueprint AI Meeting Scheduler Agent, der die vollständigen Regeln und Guardrails für diese Funktion enthält, falls Sie die komplette Spezifikation möchten, statt sie von Grund auf zusammenzubauen. Und weil Scheduling-agents im echten Posteingang einer Person leben, gilt die Guardrail-Disziplin aus AI agent Guardrails direkt: nie Verfügbarkeit erfinden, nie ein Meeting bestätigen, das der Kalender nicht tatsächlich als frei zeigt, und immer eine saubere Spur dessen bewahren, was vorgeschlagen und bestätigt wurde.
Kosten und Grenzen
Lindy rechnet in Stufen ab, beginnend bei etwa 49,99 $ pro Monat für den Plus-Plan, skalierend mit der Nutzung (Tasks oder Credits, je nach Plan) statt mit einer pauschalen Gebühr pro Lizenz. Das macht es für eine kleine Zahl gut abgegrenzter agents vergleichsweise einfach zu schätzen und zu etwas, das Sie aktiv beobachten sollten, sobald viele agents mit echtem Volumen laufen. Lesen Sie AI Total Cost of Ownership, bevor Sie annehmen, dass ein niedriger Listenpreis niedrig bleibt, wenn die Nutzung im Team wächst, denn die Task-basierte Abrechnung skaliert genau mit dem Volumen, das Sie automatisieren wollen.
Der Preis für Lindys Tempo ist die Tiefe der Kontrolle. Wo n8n Ihnen einen Code-Node und Make eine vollständige Modulbibliothek zum Verdrahten von Hand bietet, bedeutet Lindys Einfachheit weniger Low-Level-Anpassung für wirklich ungewöhnliche Logik und einen schmaleren Katalog an Nischenintegrationen als die mehr als 3.000 Apps von Make. Für eine klar definierte, kommunikationszentrierte Aufgabe (Posteingangs-Triage, Terminplanung, Meeting-Nachfassen) ist das selten eine echte Einschränkung. Für etwas mit ungewöhnlicher Verzweigungslogik über viele Systeme kann es eine sein.
Wann Lindy, wann Alternativen
| Wenn Sie ... wollen | Wählen Sie |
|---|---|
| Den schnellsten Weg zu einem funktionierenden agent ohne Zusammenbauen, in einfachem Englisch beschrieben | Lindy |
| Den breitesten vorgefertigten App-Katalog und eine Scenario-Engine, die Sie zu agents ausbauen | Make |
| Self-Hosting und volle Kontrolle, mit mehr von Hand zusammengesetzter Logik | n8n |
| Volle Code-Kontrolle direkt auf den eigenen Modellen von OpenAI, überhaupt keine visuelle Ebene | OpenAIs Responses API |
Lindy verdient seinen Platz an der Spitze dieser Liste für eine bestimmte Art von Team: Business-Anwender, keine Ingenieure, die diese Woche einen funktionierenden agent für eine kommunikationsintensive Aufgabe brauchen und bereit sind, dafür etwas Low-Level-Kontrolle gegen Tempo einzutauschen. Wenn Ihr erster agent Posteingangs-Triage, Terminplanung oder eine ähnliche dauerhaft laufende Assistenzaufgabe ist, ist Lindy meist der kürzeste Weg von der Idee zu etwas Laufendem.
Key Facts
- Lindy baut agents aus Triggern (was ihn weckt), Aktionen (was er tun kann) und Skills (dauerhafte Richtlinien, die er nach eigenem Ermessen anwendet), konfigurierbar über natürliche Sprache statt über einen Node-basierten Canvas.
- Der Agent Builder von Lindy kann aus einer Beschreibung der Aufgabe in einfachem Englisch einen funktionierenden ersten Entwurf vorschlagen.
- Die Plattform verbindet mehr als 100 Integrationen und wird laut Lindys eigener veröffentlichter Kundenliste von Teams bei Unternehmen wie Shopify, Adobe und Airbnb genutzt.
- Lindy hat mehr als 50 Millionen $ Funding eingesammelt und hat 2026 eine Bewertung von 4,9 Sternen auf G2.
- Die Preise beginnen bei etwa 49,99 $ pro Monat und skalieren mit der Nutzung, sodass die Kosten genau dem Volumen folgen, das Sie automatisieren.
Häufig gestellte Fragen zum Bau eines AI Agent mit Lindy
Muss ich programmieren können, um einen agent in Lindy zu bauen?
Nein. Lindy ist für nicht technische Anwender gebaut: Sie konfigurieren Trigger, Aktionen und Skills über eine visuelle Oberfläche oder indem Sie die Aufgabe über den Agent Builder in einfachem Englisch beschreiben. Es gibt keinen Code-Editor und keinen Node-basierten Canvas, den Sie lernen müssten.
Was ist der Unterschied zwischen einer Aktion und einem Skill in Lindy?
Eine Aktion ist eine konkrete Aufgabe, die der agent ausführt, etwa eine E-Mail beantworten oder einen Datensatz aktualisieren. Ein Skill ist eine übergeordnete, dauerhafte Richtlinie, die der agent nach eigenem Ermessen anwendet, wann immer sie relevant ist, etwa eine Tonalitätsregel oder eine Eskalationsbedingung, statt eines einzelnen Schritts, den er immer ausführt.
Für welche Art von agent ist Lindy am besten geeignet?
Für kommunikationsintensive, dauerhaft laufende Arbeit: Posteingangs-Triage, Terminplanung, Nachfassaktionen und ähnliche Assistenzaufgaben, bei denen das Tempo bis zu einer funktionierenden ersten Version wichtiger ist als tiefe individuelle Logik. Lindys eigene Positionierung setzt mit dem Leitbild „AI Executive Assistant" darauf.
Was kostet Lindy?
Kostenpflichtige Pläne beginnen bei etwa 49,99 $ pro Monat und skalieren mit der Nutzung (Tasks oder Credits, je nach Stufe) statt mit einem pauschalen Preis pro Lizenz. Die Kosten wachsen mit dem Volumen, das Sie tatsächlich automatisieren, daher lohnt es sich, anhand der real erwarteten Task-Zahlen zu schätzen, bevor Sie sich auf einen Plan festlegen.
Eignet sich Lindy für komplexe Workflows über mehrere Systeme?
Es kann sich über seine mehr als 100 Integrationen mit vielen Systemen verbinden, aber seine Stärke sind Tempo und Einfachheit, nicht tiefe individuelle Logik. Für eine Aufgabe mit ungewöhnlicher Verzweigung über viele Systeme oder mit Bedarf an eigenem Code bietet eine Plattform wie n8n oder Make in der Regel mehr Low-Level-Kontrolle.
Wie es weitergeht
Lindy ist der schnellste Weg zu einem ersten agent, aber nicht der einzige, den man kennen sollte. Wenn Ihre Aufgabe viele verschiedene SaaS-Tools umfasst, lesen Sie Wie Sie einen AI Agent mit Make bauen. Wenn Sie Self-Hosting und volle Kontrolle über die Logik wollen, lesen Sie Wie Sie einen AI Agent mit n8n bauen. Die Übersicht zu AI-Tools und der Leitfaden zu den besten No-code-Automatisierungs-Tools sind sinnvolle nächste Stationen, um Lindy mit dem Rest der Kategorie zu vergleichen.
