Wat 12.336 n8n-workflows vertellen over wat bedrijven automatiseren

Gepubliceerd op 14 september 2026

Wie zoekt naar wat je met n8n kunt, komt uit bij lijstjes: de tien beste templates, de vijf leukste AI-agents. Wij wilden iets anders weten. Niet wat een blogger leuk vindt, maar wat er daadwerkelijk gebouwd wordt. Daarom hebben we de complete openbare bibliotheek van n8n opgehaald, alle 12.336 workflows, en per workflow gekeken welke systemen eraan hangen, welk AI-model erin zit, hoe hij start, wat er gebeurt als iets misgaat en hoe vaak hij bekeken is. Dit is wat daaruit kwam, met per grafiek de bron, en onderaan de vraag die ertoe doet: wat heb je hieraan als je zelf iets wilt automatiseren?

Eerst even dit: wat n8n is, in drie zinnen

n8n is software waarmee je systemen aan elkaar knoopt zonder te programmeren: als er iets gebeurt in systeem A, doe dan iets in systeem B. Je bouwt zo’n route als een schema van blokjes, en sinds 2024 kun je daar AI-modellen in hangen die tekst lezen, samenvatten of beslissen. Het is open source, het draait op eigen servers of in de cloud van n8n zelf, en het heeft inmiddels ruim 200.000 sterren op GitHub. Wat het kost en wanneer je het inzet, staat op onze pagina over n8n. Dit artikel gaat over wat mensen ermee bouwen.

2025 was het jaar waarin de bibliotheek ontplofte

De templatebibliotheek bestaat sinds 2019. In de eerste zes jaar kwamen er 1.166 workflows in. In 2025 alleen al 6.574, en 2026 zit halverwege september op 4.596. Dat is geen groei, dat is een ander product geworden.

De verklaring staat in de volgende grafiek. Tot 2023 was n8n een koppeltool voor techneuten. Vanaf 2024 kon je er een taalmodel in hangen, en dat trok een heel ander publiek: mensen die geen API willen koppelen maar een assistent willen bouwen. In 2023 gebruikte 31% van de nieuwe templates AI. In 2025 was dat 58%.

Meer dan de helft gebruikt AI, en bijna alles is OpenAI

Van alle 12.336 workflows bevat 54% minstens één AI-onderdeel: een taalmodel, een agent, een vectordatabase of een classificatie. Welk model erin zit, is een stuk minder gevarieerd dan de discussies op LinkedIn doen vermoeden.

OpenAI zit in 34% van alle workflows, Google Gemini in 12%, Anthropic in 3,6%. Ollama, de optie om een model op eigen hardware te draaien, komt in 0,9% voor. Dat laatste is opvallend voor een tool die juist populair is bij bedrijven die hun data in huis willen houden: bijna niemand doet het.

Wat dit voor jou betekent: een template is bijna altijd gebouwd op OpenAI, en de prompt en de output-parser zijn daarop afgestemd. Wil je Gemini (goedkoper bij grote volumes) of een Europees gehost model, dan is het wisselen van de node het makkelijke deel. De prompt opnieuw testen is het echte werk, en dat staat in geen enkele templatebeschrijving.

Google Sheets is het CRM van de doe-het-zelver

De interessantste vraag voor een MKB-bedrijf is niet welk AI-model in een workflow zit, maar welke systemen eraan hangen. Want dat bepaalt of een template in jouw bedrijf past.

Google Sheets staat in 35% van alle workflows. Niet als bron, maar als bestemming: het is de plek waar de doe-het-zelver zijn leads, samenvattingen en logs in kwijt kan zonder een database te hoeven inrichten. Gmail volgt met 23%, Slack met 16%. Telegram, met 12%, is de favoriete plek om een persoonlijke AI-assistent aan te hangen.

En nu de andere kant van de lijst. Dit zijn de systemen waar een Nederlands MKB-bedrijf zijn klanten, offertes en facturen in heeft staan:

Bedrijfssoftware in de bibliotheek

HubSpot is met 1,8% de enige CRM die enigszins meedoet. Salesforce en Pipedrive komen in minder dan een procent voor. En de vier pakketten die in Nederland het meest voorkomen bij bedrijven onder de vijftig man, Exact, Moneybird, e-Boekhouden en Teamleader, staan in nul van de 12.336 workflows. Niet weinig. Nul. Dat ligt niet alleen aan de gebruikers: in onze meting van 40 Nederlandse pakketten heeft alleen Odoo een officiële n8n-node.

Dat is de belangrijkste uitkomst van dit hele onderzoek voor een Nederlandse ondernemer. Een template lost het generieke deel op (lees de mail, vat samen, zet in een tabel) en laat precies het deel over dat bij jou het werk is: de koppeling met het pakket waar je administratie in staat. Die bouw je altijd zelf, of laat je bouwen. Hoe dat gaat voor facturen staat in ons stuk over factuurverwerking automatiseren.

Hoe een workflow start: de klok wint van het formulier

Elke workflow begint met een trigger, de gebeurtenis waarop hij aanslaat. Dat zegt veel over waar automatisering in de praktijk voor gebruikt wordt.

Bijna een derde van de workflows draait op de klok: elk uur, elke ochtend, elke maandag. Dat is de saaie, betrouwbare automatisering: rapport ophalen, lijst bijwerken, mailbox opruimen. Daarna komt “handmatig gestart” met 23%, wat in de praktijk betekent: dit is een demo, geen proces. Een echte webhook, waarbij een ander systeem de workflow aanroept zodra er iets gebeurt, zit in 19%. Een formulier, de trigger waar bijna elke lead- en aanvraagroute mee begint, in 13%.

Opvallend is de nieuwkomer onderaan: 306 workflows kunnen aangeroepen worden door een AI-assistent via MCP, een standaard die pas eind 2024 bestaat. Dat is het begin van iets: workflows die niet door een mens of een klok gestart worden, maar door een AI die zelf besluit dat hij die stap nodig heeft.

Drie van de vier workflows hebben geen foutpad

Dit is het cijfer waarvoor we dit onderzoek eigenlijk deden. Een workflow die in de demo werkt, is niet hetzelfde als een workflow die in productie blijft werken. Het verschil zit in wat er gebeurt als een API niet reageert, een veld leeg is of een model onzin teruggeeft. n8n heeft daar vier voorzieningen voor. We hebben geteld hoeveel workflows er minstens één gebruiken.

75%. Drie van de vier workflows doen niets als er iets misgaat: de uitvoering stopt, en niemand hoort het. Een aparte foutroute, waarbij een mislukte stap een melding naar een mens stuurt, zit in 4,1%. Een gekoppelde foutworkflow, de nette manier om dat centraal te regelen, in 1,3%.

Dit is geen verwijt aan de makers. Een template is een voorbeeld, en een voorbeeld hoeft niet robuust te zijn. Maar het is wel de reden dat “ik heb een template gevonden” en “het werkt bij ons” twee verschillende zinnen zijn. Bij elke workflow die wij voor een klant bouwen is het foutpad de eerste vraag, niet de laatste; hoe we dat doen staat op de pagina over de n8n-specialist.

Nog één cijfer uit dezelfde hoek: een gemiddelde workflow heeft 18 stappen, en 40% heeft er meer dan twintig. Workflows met AI zijn groter dan zonder (21 tegen 15 stappen). Elke stap is een plek waar het mis kan gaan, en driekwart van die stappen heeft geen vangnet.

Wat gebouwd wordt en wat bekeken wordt zijn twee verschillende lijstjes

n8n deelt de bibliotheek in categorieën in. Als je telt hoeveel workflows er per categorie zijn, krijg je het aanbod. Als je kijkt naar de weergaven, krijg je de vraag. Die twee lijken niet op elkaar.

Samenvatten, beeld en content domineren het aanbod. De categorieën die een bedrijf het meest geld kosten in handwerk, CRM (4,7%), facturen (3,0%) en HR (2,8%), zijn samen kleiner dan alleen al de chatbots.

En de vraag? Een doorsnee workflow in de categorie Persoonlijke productiviteit is 1.053 keer bekeken, een doorsnee chatbot 519 keer. Een doorsnee factuurworkflow 120 keer, een CRM-workflow 187 keer (de middelste waarde per categorie, zodat één uitschieter het beeld niet bepaalt). De bibliotheek is een etalage voor wat leuk is om te bouwen, niet voor wat een administratie scheelt.

De aandacht is bovendien extreem geconcentreerd. De 123 meest bekeken workflows (1% van het totaal) zijn goed voor 46% van alle 42,7 miljoen weergaven. De bovenste 10% pakt 81%. En 8% van de workflows is nog nooit door iemand bekeken. De top vijf: een AI-agent-chatvenster (1.773.938 weergaven), “bouw je eerste AI-agent” (1.210.220), een WhatsApp-chatbot (528.684), een API-eindpunt (458.883) en een social-media-contentmachine (433.213).

AI-agents: een derde van alles, en meestal zonder geheugen of gereedschap

4.041 workflows, 33% van het totaal, bevatten een AI-agent: een taalmodel dat zelf beslist welke stap het neemt. Dat is het onderdeel waar de meeste aandacht naartoe gaat. Wat opvalt, is hoe kaal de meeste agents zijn. 30% heeft een geheugen (onthoudt het gesprek), 40% heeft gereedschap (kan zelf een systeem raadplegen of iets uitvoeren) en 15% hangt aan een chatvenster.

Een agent zonder gereedschap is een chatbot met een duurder woord ervoor. Het interessante deel, een agent die in je agenda kijkt, een record in je CRM bijwerkt en daarna pas antwoordt, zit in minder dan de helft van de agent-templates. Wanneer je wel en niet een agent nodig hebt, hebben we uitgewerkt op de pagina over een AI-agent laten bouwen.

Zeven dingen die je hiermee doet

1. Gebruik een template als schets, niet als product

Driekwart heeft geen foutpad, 23% start handmatig, en de koppeling met jouw administratie ontbreekt in alle 12.336. Een template bespaart je het eerste uur tekenen. Het bespaart je niet het bouwen.

2. Kijk eerst naar de koppelingen, dan pas naar de AI

De AI-node is in vijf minuten gewisseld. De koppeling met Exact of Moneybird niet. Zoek een template op het systeem dat erin zit, niet op de belofte in de titel. Staat jouw pakket er niet in, en dat is bij Nederlandse boekhoudsoftware altijd zo, dan reken je die koppeling als eigen werk.

3. Voeg een foutroute toe voordat je hem aanzet

Eén Error Trigger die de mislukte uitvoering naar een mailbox stuurt, met de naam van de workflow en de stap waar het misging. Kost tien minuten, en het is het verschil tussen een workflow die stilletjes stopt en een workflow waarvan je weet dat hij stopt. Wil je zien hoe dat eruitziet: onze drie gratis n8n-templates voor leadopvolging, offerte-opvolging en webhook-naar-CRM hebben er alle drie een.

4. Vervang de handmatige start door een echte trigger

23% van de templates begint met een knop. Dat is prima om te testen. Een proces begint bij een formulier, een binnenkomende mail, een statuswijziging in het CRM of een vast tijdstip. Bepaal welke van de vier het is voordat je bouwt, want de trigger bepaalt welke gegevens er beschikbaar zijn.

5. Kies het model bewust, niet omdat het in de template stond

34% van de workflows is gebouwd op OpenAI. Voor een samenvatting van tien regels is dat prima. Voor duizenden facturen per maand is Gemini vaak een fractie van de prijs, en voor gevoelige klantdata wil je misschien een model dat in de EU draait. Test de prompt opnieuw als je wisselt; dat is de stap die iedereen overslaat.

6. Wantrouw de weergaven

46% van de aandacht gaat naar 1% van de templates, en dat zijn chatbots en contentmachines. Een factuurworkflow met 120 weergaven kan precies zijn wat jouw administratie nodig heeft. Populariteit meet wat leuk is om naar te kijken, niet wat uren scheelt.

7. Begin bij het saaie, geplande werk

De grootste groep workflows draait op de klok, en dat is niet voor niets. Een rapport dat elke maandag klaarstaat, een lijst die elke nacht wordt bijgewerkt, een herinnering die op dag 3 en dag 10 gaat: dat is automatisering die binnen een week werkt en nooit meer aandacht vraagt. Agents komen daarna. Welke processen daar bij een MKB-bedrijf voor in aanmerking komen, staat in onze twaalf praktijkvoorbeelden.

Waarom wij geen template aanraden

Niet omdat ze slecht zijn. Omdat het deel dat in een template zit, het generieke deel is, en het deel dat bij jou het werk kost er nooit in zit: de koppeling met jouw systemen, het foutpad, de afspraak wie een melding oppakt, en de test met echte data in plaats van drie perfecte voorbeelden. Wij bouwen n8n-workflows voor bedrijven die een proces hebben dat vaker dan tien keer per week voorkomt en dat nu tussen systemen blijft hangen. Elke workflow hieronder op onze n8n-pagina draait in productie, met logging, een hersteleigenaar en een meting vooraf. En als je liever zelf bouwt: de zeven punten hierboven zijn precies de checklist die wij gebruiken.

Veelgestelde vragen

Wat is n8n?

n8n is opensource-software om systemen aan elkaar te koppelen zonder te programmeren: als er iets gebeurt in het ene systeem, voert n8n stappen uit in andere systemen. Sinds 2024 kun je er ook AI-modellen in gebruiken die tekst lezen, samenvatten of beslissen. Het draait op eigen servers of in de cloud van n8n, en de openbare bibliotheek telt ruim twaalfduizend voorbeeldworkflows.

Zijn n8n-templates gratis?

De meeste wel. Van de 12.336 openbare workflows is 10,5% betaald, met een mediane prijs van 20 dollar en uitschieters tot bijna 2.000 dollar. Een gratis template kun je met één klik in je eigen n8n importeren.

Welke AI gebruiken n8n-workflows het meest?

OpenAI, met afstand: het zit in 34% van alle workflows. Google Gemini volgt met 12%, Anthropic (Claude) met 3,6%. Een lokaal model via Ollama komt in minder dan één procent voor.

Kan ik n8n koppelen aan Exact, Moneybird of e-Boekhouden?

Ja, via de API van die pakketten, maar je vindt daar geen kant-en-klare template voor: in de hele bibliotheek komen Exact, Moneybird, e-Boekhouden en Teamleader nul keer voor. Die koppeling bouw je zelf of laat je bouwen. Hoe wij dat doen voor inkomende facturen staat op onze pagina over factuurverwerking automatiseren.

Wat kost n8n?

n8n Cloud begint rond de twintig euro per maand; op eigen hosting betaal je alleen de server. De software is niet de grootste kostenpost, het inrichten en beheren wel. Een volledige vergelijking staat in ons artikel over n8n-kosten.

Is n8n geschikt voor het MKB?

Ja, mits er een proces is dat vaak genoeg voorkomt en vaste regels heeft. Het sterkst is n8n bij werk dat tussen systemen blijft hangen: een aanvraag die van formulier naar CRM naar mailbox moet, een factuur die van mailbox naar boekhouding moet. Voor één nieuwsbrief per maand is het te veel gereedschap.

Hoe kies ik een goede n8n-template?

Kijk niet naar de weergaven maar naar drie dingen: zitten de systemen erin die jij gebruikt, heeft hij een echte trigger in plaats van een handmatige start, en heeft hij een foutroute. Dat laatste heeft driekwart van de templates niet, dus reken erop dat je die zelf toevoegt.

Verantwoording

Op 14 september 2026 hebben we alle openbare workflows uit de n8n-templatebibliotheek opgehaald via de openbare API van n8n (api.n8n.io): 12.393 in totaal, waarvan 57 niet volledig geladen konden worden en zijn weggelaten. Per workflow hebben we de volledige definitie geanalyseerd: alle nodes, hun instellingen, de categorieën die n8n eraan geeft, de publicatiedatum, de prijs en het aantal weergaven.

Een AI-workflow is een workflow met minstens één node uit de AI-bibliotheek van n8n (taalmodel, agent, embeddings, vectordatabase, classificatie of extractie). Het AI-model is geteld op nodetype; een workflow met twee modellen telt bij beide mee. Koppelingen zijn geteld zonder de bouwstenen van n8n zelf (code, HTTP-verzoek, als-dan, samenvoegen) en zonder AI-nodes. Foutafhandeling is gemeten op vier plekken: de node-instellingen “ga door bij fout” en “opnieuw proberen”, de nodes Error Trigger en Stop and Error, en de workflow-instelling die een aparte foutworkflow koppelt. Menselijke goedkeuring (een stap die wacht op een mens) is niet betrouwbaar te meten op nodetype en staat daarom niet in de cijfers.

Weergaven zijn de totalen zoals n8n ze rapporteert op de peildatum; die tellen sinds publicatie, dus oudere templates hebben een voorsprong. Categorieën zijn de indeling van n8n zelf en een workflow kan in meerdere staan. Het aantal GitHub-sterren komt van de openbare GitHub-API op dezelfde dag. Wij hebben geen commerciële band met n8n; Flowstate bouwt workflows met n8n voor klanten en zegt dat er ook bij waar dat speelt.