n8n vs Make: welk workflow-tool kies je voor je AI-agent

Een losse prompt is niet meer genoeg voor deze taak. Dat heb je besloten. Nu moet je kiezen tussen n8n en Make, de twee tools die in elke gids over een AI-agent maken zonder code langskomen. Op het eerste gezicht doen ze hetzelfde. Blokken slepen, systemen verbinden, een AI-stap ertussen zetten. Het verschil zit dieper. n8n is gratis zelf te hosten voor eigen bedrijfsgebruik. Dat blijkt uit de licentievoorwaarden op GitHub. Make en Zapier draaien altijd in de cloud van de leverancier. Daar betaal je per taak voor. Dat verschil bepaalt straks je rekening, niet welke interface prettiger aanvoelt. Dit artikel geeft je de n8n vs Make vergelijking waar je iets aan hebt. Een beslisregel met drempels, een agent die gebouwd en getest is, en het moment waarop je beter naar Claude Code kijkt dan naar nog een workflow-tool.

Wat is een AI-agent, en wat doet een workflow-tool zoals n8n daarin?

Een AI-agent is een AI-systeem dat zelf stappen zet om een doel te bereiken, in plaats van alleen antwoord te geven op een vraag. n8n en Make zijn geen agents op zichzelf. Het zijn workflow-tools: ze vangen de trigger op, roepen de AI-stap aan en sturen de actie door, zonder dat een mens op de knop hoeft te drukken. In de keuzelogica van AI-agent maken zonder code is dat niveau 3, en je hoort daar zodra je merkt dat je dezelfde koppeling steeds handmatig legt. Dit artikel gaat over de keuze die daarna komt: niet óf je automatiseert, maar met welk gereedschap.

n8n vs Make: waar staat je data en wie beheert de server?

Het grootste verschil tussen n8n en Make zit niet in de blokken die je sleept. Het zit in wie de server beheert. n8n publiceert zijn broncode onder een Sustainable Use License. Je mag het gratis gebruiken en aanpassen "voor je eigen interne bedrijfsdoeleinden", staat letterlijk in de licentietekst op GitHub. Dat betekent zelf hosten, op een server die jij kiest en beheert. Alleen doorverkoop als eigen product valt erbuiten. Dat vraagt een aparte Enterprise-licentie. Make en Zapier bestaan alleen als dienst. Je workflow draait op hun servers, in hun datacenter, en dat kun je niet veranderen.

Dat werkt zo omdat een fair-code licentie zoals die van n8n eigen gebruik expliciet toestaat en alleen herverkoop beperkt. Zelf hosten kost je vooraf tijd. Reken op een halve dag installatiewerk en de gewoonte om maandelijks te updaten en patches te volgen. Doe je dat niet, dan is Make of Zapier de betere keuze. De leverancier regelt daar onderhoud en updates voor je. Je betaalt daarvoor wel. Het gemak van een cloudtool komt terug in een rekening die meegroeit met hoe vaak je workflow draait, niet met wat je zelf beheert.

Voor gevoelige gegevens (klantdossiers, personeelsdata, concurrentiegevoelige cijfers) is dat het echte afwegingspunt. Bij zelf hosten weet je precies op welke server de data staat. Bij een cloudtool vertrouw je op wat de leverancier daarover zegt in zijn verwerkersovereenkomst. Breng dat in kaart voordat er persoonsgegevens doorheen gaan, niet erna.

n8n vs Make: wat kost het als je volume groeit?

Make en Zapier rekenen per taak: elke keer dat een stap in je workflow draait, telt mee voor je maandelijkse limiet. Dat werkt prima bij een voorspelbaar, laag volume, en je betaalt dan weinig. Het wordt duur zodra je volume groeit, want de prijs stijgt vrijwel lineair mee. Tien keer zoveel binnenkomende aanvragen betekent ruwweg tien keer zoveel taakuitvoeringen, en dus een zwaarder abonnement. n8n zelf gehost rekent niet per taakuitvoering. Je betaalt een vaste serverprijs, ongeacht hoe vaak de workflow draait.

Reken je eigen omslagpunt uit in twee minuten

Prijzen en taaklimieten wijzigen elk kwartaal, dus een bedrag in dit artikel is een week later alweer onbetrouwbaar. De rekensom eronder verandert niet. Pak de prijspagina van de tool die je op het oog hebt en vul drie getallen in.

1. Je prijs per taakuitvoering. Maandbedrag van het abonnement gedeeld door het aantal taken dat erin zit. Kost een plan 29 euro voor 10.000 taken, dan is dat 0,29 cent per taak.
2. Je echte volume. Aantal triggers per dag maal het aantal stappen in je workflow maal dertig. Niet je testvolume, dat is het getal waar bijna iedereen naast zit.
3. Je omslagpunt. Deel de maandprijs van een kleine cloudserver door je prijs per taakuitvoering. Dat is het aantal taken waarboven zelf hosten goedkoper wordt.

Een voorbeeld met die drie stappen, met bedragen die je zelf vervangt door de actuele tarieven. Stel: een plan van 29 euro met 10.000 taken (0,29 cent per taak) en een cloudserver van 12 euro per maand. Omslagpunt: 12 gedeeld door 0,0029 is ruim 4.100 taakuitvoeringen per maand. Daaronder is de cloudtool goedkoper dan een server die je zelf beheert. Daarboven loopt de cloudrekening door terwijl de serverprijs stil blijft staan, en bij 40.000 taken betaal je in dit rekenvoorbeeld het tienvoudige aan abonnement tegenover hetzelfde tientje aan server.

Let op wat dit antwoord níét meeneemt: je eigen tijd. Reken bij zelf hosten een halve dag installatie en ongeveer een uur per maand aan updates erbij. Zet je die tijd op een intern uurtarief, dan schuift het omslagpunt omhoog, vaak met een paar duizend taken. Daarom staat er in de beslisregel hieronder niet één getal maar een bandbreedte: het exacte punt hangt af van wat jouw uur kost.

n8n vs Zapier: wanneer wint Zapier het toch?

Zapier heeft het grootste aanbod aan kant-en-klare koppelingen en de eenvoudigste interface: in een middag staat je eerste workflow. Dat is de reden om Zapier te kiezen in de n8n vs Zapier-afweging. Niet de prijs op lange termijn, maar het gemak bij een taak die één keer opgezet wordt en niet vaak draait. Doe dat niet bij een taak die dagelijks draait en blijft groeien: vul dan eerst de rekensom hierboven in, want dat omslagpunt kom je bij Zapier het snelst tegen van de drie tools.

Vul dat in de rekensom hierboven in en je ziet waar de grens ligt. Duizend orders van elk vijf stappen zijn vijfduizend taakuitvoeringen per maand: op de meeste instapabonnementen zit je daar al overheen, en elke duizend orders erbij kost weer een stap in je plan. Doe die som voor je tekent, niet als de eerste rekening binnen is.

Make vs Zapier: de twee cloudtools naast elkaar

Make en Zapier lijken het meest op elkaar. Allebei een cloudtool, allebei rekenen per taakuitvoering. Het verschil zit in de opbouw van een workflow. Make laat vertakkingen, filters en herhalingen in één scherm zien als een stroomdiagram. Dat is prettiger zodra een workflow meer dan drie stappen krijgt. Zapier bouwt lineairder, stap voor stap. Dat is sneller voor een simpele koppeling, maar onoverzichtelijker bij vertakkingen. Voor een eenvoudige koppeling van twee apps maakt dit weinig verschil. Komt er een AI-stap met meerdere uitkomsten bij, zoals hieronder in het voorbeeld, dan werkt de opbouw van Make prettiger. Kies toch Zapier bij die AI-stap, dan bouw je de vertakkingen met losse "Paths"-modules na elkaar. Dat werkt, maar bij meer dan drie uitkomsten (zoals ons voorbeeld met "lead", "geen_lead" en "onduidelijk") wordt dat sneller onoverzichtelijk dan in het ene schema van Make.

Waarom een code-node meer kan dan klikken en slepen

Het verschil tussen n8n en de andere twee zit dieper dan een extra knop. De code-node in n8n draait echte JavaScript of Python in een eigen sandbox, met variabelen, functies en een lus die zichzelf herhaalt tot een voorwaarde klopt. Een routeerblok in Make of Zapier vertakt alleen op vooraf ingestelde condities: "als veld X gelijk is aan Y, ga naar pad A." Dat werkt voor het lead-voorbeeld hieronder, met drie vaste labels. Het werkt niet meer zodra je bijvoorbeeld een lijst met een wisselend aantal items moet doorlopen en bij elk item een andere berekening moet doen: dat is een lus, en een lus bouw je met blokken niet na, alleen met code. Gebruik de code-node dus pas als je merkt dat je dezelfde reeks routeerblokken blijft kopiëren voor iets wat met tien regels code in één keer zou kunnen. Voor een workflow met twee of drie vaste uitkomsten, zoals het voorbeeld in dit artikel, heb je hem niet nodig.

Beslisregel: wanneer kies je n8n, Make of toch Zapier?

Elke regel volgt uit een rekensom: wat het handmatig kost, tegenover wat bouwen en beheren kost.

Draait je bedrijf al op Microsoft 365? Zet Microsoft Power Automate dan mee op je lijst, maar kijk goed naar welke laag je nodig hebt. De Premium-laag kost 15 dollar per gebruiker per maand. Zodra een stap onbeheerd moet draaien, dus zonder dat een mens is ingelogd, val je in Power Automate Process: 150 dollar per bot per maand, of 215 dollar per bot per maand als Microsoft ook de virtuele machine beheert. Dat staat zo op de officiële prijspagina van Microsoft. Precies het scenario uit dit artikel, een workflow die zelfstandig doordraait, zit dus in die duurste laag: reken op tien keer het bedrag per gebruiker. Power Automate is daarmee vooral de moeite waard als de koppelingen met SharePoint, Teams of Dynamics je meer besparen dan die 150 dollar per maand kost, en niet omdat het "er toch al bij zit".

Een lead-agent bouwen: de prompt, de fout en de reparatie

Een technische groothandel krijgt dagelijks tientallen berichten binnen via het contactformulier. Sommige zijn serieuze inkoopvragen, andere zijn reclame van bureaus die zelf iets verkopen. De eigenaar wil een workflow die elk bericht beoordeelt en alleen de echte leads doorstuurt naar sales.

De binnenkomende invoer

Naam: R. Kuiper
Bedrijf: Kuiper Groeimarketing
Bericht: Hallo, wij zien dat jullie nog geen actieve SEO-strategie voeren.
Wij helpen technische groothandels aan meer vindbaarheid en offertes via
Google. Neem gerust contact op voor een vrijblijvende scan van jullie
website, geheel kosteloos.

De AI-stap in de workflow

Na de trigger (nieuw formulier) roept de workflow een AI-module aan met deze instructie:

#CONTEXT: Je beoordeelt binnenkomende contactformulieren voor een
technische groothandel. Sales wil alleen berichten zien met een
concrete inkoopvraag.

#DOEL: Bepaal of dit bericht een serieuze inkoopvraag is, of geen lead.

#WERKWIJZE:
1. Zoek naar een concreet product, aantal of tijdlijn in het bericht.
2. Geef een van drie labels: lead, geen_lead of onduidelijk.

#OUTPUT: JSON met het label en een reden in maximaal één zin.

Wat de AI teruggeeft

{"label": "lead", "reden": "Bericht is zakelijk van toon en noemt een concreet aanbod voor groothandels, past bij een potentiële samenwerking."}

Dat is fout. Dit is reclame, geen inkoopvraag, en de AI stuurt hem toch door naar sales. Het mechanisme is simpel: het model herkent een zakelijke toon en een aanbod. Die twee kenmerken komen ook voor in echte leads. Zonder een regel die het onderscheid benoemt, kiest het model het patroon dat het vaakst voorkomt bij "zakelijk klinkend bericht". Niet het patroon dat hier telt: wie is de aanbieder en wie de vrager.

Wat je repareert voordat de workflow live gaat

Twee regels toevoegen aan de prompt, direct onder de #WERKWIJZE:

3. Is de afzender zelf een aanbieder van diensten (marketing, SEO,
   financiering, werving)? Label dit dan als geen_lead, ook als de
   toon zakelijk klinkt en er een concreet aanbod in staat.
4. Een aanbod dat de afzender zelf doet ("wij helpen", "wij bieden")
   is nooit een inkoopvraag van de afzender.

Met die twee regels erbij, op hetzelfde bericht van Kuiper Groeimarketing, geeft de AI-module dit terug:

{"label": "geen_lead", "reden": "Afzender biedt zelf marketingdiensten aan (SEO-scan), geen inkoopvraag van de afzender zelf."}

Dat klopt. De workflow stuurt dit bericht nu naar de map "geen lead" in plaats van naar sales. Test dit daarna op minstens tien echte berichten uit je eigen archief, de helft reclame en de helft echte aanvragen. Doe dat voordat de workflow ongecontroleerd doorstuurt. Dat kostte in dit voorbeeld twee extra regels en tien minuten testen. Zonder die reparatie vist een sales-team anders elke week een paar reclamemails tussen de echte aanvragen door.

Wanneer is zelfs n8n of Make niet genoeg?

Soms schiet een workflow-tool met blokken tekort: de logica heeft echte functies nodig, of de agent moet in je eigen codebase passen en meedraaien in een test- en releaseproces. Dan kijk je niet naar een zwaarder abonnement, maar naar Claude Code, waarmee je in de terminal of een IDE met AI code schrijft, test en commit. Dat vraagt iemand in het team die met git overweg kan. Kom je er met n8n, Make of Zapier na een paar weken structureel niet uit omdat de logica te complex blijft? Dan is dat het signaal.

Waar dit naartoe gaat: workflow-tools worden ook agent-platforms

De scheiding tussen "workflow-tool" en "agent-platform" wordt dunner. n8n heeft een MCP Server Trigger-node: die zet een workflow zelf klaar als gereedschap dat Claude, ChatGPT of Cursor rechtstreeks kan aanroepen. Make bouwde hetzelfde met zijn eigen MCP-server, waarmee een Make-scenario "als tool door AI-assistenten gebruikt kan worden", staat in de broncode-documentatie op GitHub. Praktisch betekent dit dat je straks niet alleen een AI-stap in je workflow zet, maar je hele workflow als los stuk gereedschap aan een agent kunt hangen: de lead-check uit het voorbeeld hierboven wordt dan een functie die een extern agentsysteem zelf oproept, in plaats van een stap die alleen binnen jouw eigen workflow draait.

Voor de keuze in dit artikel verandert dat niets: waar je data staat en hoe je betaalt, blijven de twee dingen die de rekening bepalen. Er is wel één consequentie die je vooraf moet nagaan, en die raakt precies de rekensom hierboven. Een workflow die via MCP door een externe agent wordt aangeroepen, is technisch dezelfde taakuitvoering als wanneer jij zelf op de knop drukt. Bij een cloudtool die per taak rekent, ligt het dus voor de hand dat zo'n aanroep meetelt voor je maandlimiet, terwijl je het volume niet meer zelf in de hand hebt: een agent die vaker aanklopt dan verwacht, duwt je over je limiet zonder dat iemand dat merkt. Dit is onze eigen redenering, geen tariefregel die een van de drie leveranciers vandaag zo publiceert, dus controleer het bij je eigen leverancier voor je een workflow openzet voor agents van buiten. Bij n8n zelf gehost speelt het niet: de serverprijs blijft vast, wie de aanroep ook doet.

Waar het misgaat bij n8n vs Make: het verkeerde criterium kiezen

De meeste bedrijven kiezen hun workflow-tool op basis van welke YouTube-tutorial ze het eerst zagen. Of welke tool een collega toevallig al kende. Dat gaat een tijd goed, tot het volume groeit. Een webshop bouwt bijvoorbeeld een orderworkflow in Zapier, op het instapabonnement. Dat werkt prima in de testfase, met een paar orders per dag. Dan wordt de winkel drukker. Elke order kost vijf taakstappen: ontvangen, AI-check, CRM bijwerken, factuur klaarzetten, bevestiging sturen. Het aantal taakuitvoeringen loopt sneller op dan verwacht. Vijftig orders per dag wordt al snel tweehonderdvijftig taken per dag, ruim boven de meeste instaplimieten binnen een maand.

Privacy: wat verandert er met een workflow-tool

Zodra persoonsgegevens door je workflow gaan (een naam, een e-mailadres, een klantdossier) geldt de AVG. Dat geldt ongeacht welke tool je kiest. Regel dat met een zakelijk account en een verwerkersovereenkomst met de leverancier. Nooit met een instelling in de workflow zelf, want een instelling in een workflow regelt wat het model doet met de tekst, niet wat de leverancier met je data mag. Bij een cloudtool als Make of Zapier teken je die overeenkomst met de leverancier. Bij n8n zelf gehost ben je zelf verantwoordelijk voor de server, en teken je hooguit een overeenkomst met je hostingpartij. Sla deze stap niet over omdat "het maar een test is": een testworkflow met echte klantdata is voor de AVG een gewone verwerking. Onze gids over veilig omgaan met bedrijfsdata in AI-tools laat zien hoe je dat regelt, ook voor de AI-stap binnen je workflow.

Wat je na zeven dagen meet

Reken op een halve tot een hele dag om je eerste workflow werkend te krijgen. Test de AI-stap daarbij op tien echte berichten uit je eigen archief. Uit onze trainingen: bij de meeste teams draait zo'n eerste workflow na een week voor 70 tot 85% van de gevallen goed, zonder handmatig ingrijpen. De rest blijft naar een mens gaan. Meestal omdat een bericht niet in een van de vooraf bedachte categorieën past. Dat aandeel verbetert de tweede week, met elke fout die je terugvindt en in de prompt vastlegt. Eén ding wordt niet vanzelf beter: een bericht met een compleet nieuw patroon erin. Dat mis je zonder dat iemand het meldt.

Hou dit drie weken bij, zonder aparte tooling:

• Hoeveel berichten kregen het label "onduidelijk"? Meer dan 2 van de 10 betekent dat je prompt een categorie mist. Kijk naar wat er telkens tussenin valt en voeg die toe.
• Hoeveel keer stuurde de workflow iets fout door? (zoals de reclamemail hierboven) Tel dit met sales mee. Boven de 1 op de 10 is de guardrail in je prompt nog niet scherp genoeg.
• Hoeveel taakuitvoeringen verbruikte je die maand? Vergelijk dat met de limiet van je abonnement. Zit je op meer dan 70% van de limiet in je eerste maand, reken dan de beslisregel hierboven opnieuw door voor je volgend kwartaal.

Doe dit deze week

1. Tel je verwachte volume, niet je testvolume

   Hoeveel keer per dag gaat deze taak draaien als hij normaal meedraait, niet in de eerste testweek? Vermenigvuldig met het aantal stappen in je workflow.

2. Leg dat getal naast de beslisregel hierboven

   Onder de duizend taakuitvoeringen per maand: begin in Make of Zapier. Daarboven, of bij gevoelige data: begin met n8n zelf gehost.

3. Bouw de AI-stap met het voorbeeld hierboven als startpunt

   Vervang het lead-voorbeeld door jouw eigen categorieën. Test op tien echte berichten uit je eigen archief voordat er iets automatisch doorgestuurd wordt.

Het agent-recept dat vandaag werkt: een trigger op elk nieuw formulierbericht, een AI-stap met de prompt hierboven als basis, en een filter die alleen het label "lead" doorstuurt naar je CRM. Alles met "onduidelijk" gaat naar één verzamelmail die jij zelf checkt.

Wil je dit niet alleen uitzoeken, maar in twee weken met begeleiding een werkende agent bouwen op jouw eigen taak? In de Agent Sprint kiest elke deelnemer zijn eigen agent-idee en krijgt de juiste tooling-match. Twijfel je nog waar te beginnen, plan een vrijblijvend gesprek.

Bronnen

• n8n, licentietekst (Sustainable Use License) op GitHub. Voorwaarden voor gratis eigen gebruik en de grens met de Enterprise-licentie.
• n8n, hoofdrepository op GitHub. Fair-code licentiemodel en zelf-hostbaarheid.
• Anthropic, Claude Code overzicht. Wat Claude Code doet en hoe het verschilt van een workflow-tool.
• Microsoft, Power Automate pricing. Tarieven van het Microsoft-alternatief, geraadpleegd op 20 september 2026: 15 dollar per gebruiker per maand (Premium), 150 dollar per bot per maand (Process, onbeheerd) en 215 dollar per bot per maand (Hosted Process).
• Make MCP Server, documentatie op GitHub. Hoe een Make-scenario als tool door AI-assistenten aangeroepen kan worden via MCP.

Veelgestelde vragen

• Wat is het verschil tussen n8n en Make?

  n8n is fair-code software die je gratis zelf mag hosten voor eigen bedrijfsgebruik, op een server die jij beheert. Make bestaat alleen als dienst in de cloud van de leverancier, en rekent per taakuitvoering. Het verschil zit dus niet in de blokken die je sleept, maar in wie de server beheert en hoe de rekening meegroeit met je volume.

• Is n8n echt gratis te gebruiken voor mijn bedrijf?

  Zelf gehost wel, onder de Sustainable Use License. Die staat gratis gebruik toe "voor je eigen interne bedrijfsdoeleinden", blijkt uit de licentietekst op GitHub. Alleen als je n8n zelf doorverkoopt als product heb je een aparte Enterprise-licentie nodig. Wil je niet zelf een server beheren, dan betaal je voor de n8n Cloud-versie.

• n8n vs Zapier: welke is beter voor een klein bedrijf?

  Voor een enkele, simpele koppeling die niet vaak draait wint Zapier: het grootste aanbod aan kant-en-klare koppelingen en de snelste opzet. Groeit die taak naar honderden uitvoeringen per dag, dan loop je bij Zapier sneller tegen de grens van je abonnement aan dan bij n8n zelf gehost, waar de prijs niet per taakuitvoering stijgt.

• Make vs Zapier: wat is het verschil?

  Allebei zijn het cloudtools die per taakuitvoering rekenen. Het verschil zit in de opbouw: Make toont een workflow als stroomdiagram met vertakkingen in één scherm, wat overzichtelijker is zodra er meer dan drie stappen of een AI-beslissing met meerdere uitkomsten bijkomt. Zapier bouwt lineairder, stap voor stap, wat sneller is voor een simpele koppeling van twee apps.

• Wanneer kies je Claude Code in plaats van n8n of Make?

  Zodra de logica van je workflow niet meer met klikken en slepen te bouwen is, of de agent in je eigen codebase moet passen en moet meedraaien in een test- en releaseproces. Claude Code is een tool waarmee je met AI code schrijft, test en commit. Dat vraagt wel dat iemand in het team met git en een terminal overweg kan.