Am zuverlässigsten ist ein Workflow-System mit einem LLM im Zentrum: n8n übernimmt die Orchestrierung, Ollama führt das Modell aus und deterministischer Code steuert, wer wann kontaktiert wird und ob eine Nachricht versendet werden darf. Dieser letzte Punkt ist genauso wichtig wie die KI selbst. Ein Self-Hosted KI-Vertriebsagent ohne Compliance- und Sperrlistenprüfungen wird schnell zum Haftungsrisiko.
Warum ein Workflow-System statt eines vollständig autonomen Agenten?
Die Idee, eine KI für die gesamte Kontaktaufnahme einzusetzen, klingt verlockend. Ein enger gefasstes Modell funktioniert jedoch verlässlicher: Die KI recherchiert und erstellt Entwürfe, während deterministischer Code entscheidet, wer wann kontaktiert und welche Nachricht zum Versand freigegeben wird. Diese Arbeitsteilung spielt die jeweiligen Stärken aus. Sprachmodelle können Rechercheergebnisse zusammenführen und personalisierte Entwürfe schreiben, sollten aber keine unumkehrbaren Aktionen wie den E-Mail-Versand an echte Personen selbstständig auslösen. Die menschliche Freigabe vor dem Versand trennt ein nützliches Werkzeug von einem drohenden Compliance-Verstoß.
Die Referenzarchitektur
Eine praxistaugliche Pipeline sieht so aus: Leads stammen aus einem CRM-Export, einem Formular oder einer CSV-Datei. Das System normalisiert und dedupliziert sie, bevor ein Recherche-Agent Informationen zum Unternehmen und zur Rolle sammelt und mögliche Pain Points ermittelt. Die Ergebnisse landen in einer PostgreSQL-Lead-Datenbank. Daraus erstellt ein Personalisierungsagent einen Ansatz für die Kontaktaufnahme und einen Nachrichtenentwurf. Vor dem Versand prüft eine Richtlinien- und Qualitätssicherungsebene Abmeldungen, Duplikate und Konfidenzschwellen. Erst danach erhält ein Mensch die Nachricht zur abschließenden Freigabe. Jede Phase bleibt als eigener Schritt einsehbar und überprüfbar.
Der Stack: n8n, Ollama und PostgreSQL
n8n übernimmt die Workflow-Orchestrierung. Die Plattform unterstützt dokumentiert selbst gehostete Agenten und bietet eine native PostgreSQL-Integration sowie einen Ollama-Connector. Das Self-Hosted AI Starter Kit von n8n bündelt n8n, Ollama, Qdrant und PostgreSQL in einem direkt ausführbaren Docker-Compose-Template. Ollama stellt das Sprachmodell bereit. Du kannst ein kleineres Modell lokal ausführen und so die volle Kontrolle über deine Daten behalten oder eine externe API anbinden, wenn du die lokale Inferenz nicht selbst verwalten möchtest. PostgreSQL speichert die Lead-Datenbank und den Status der Pipeline. Qdrant oder pgvector übernimmt die Vektorsuche, wenn der Recherche-Agent zusätzlich zum offenen Web auf deine eigene Wissensdatenbank zugreifen soll. Für den Einstieg läuft der gesamte Stack mit Docker Compose auf einem einzelnen VPS.
Die Compliance-Ebene, die viele Anleitungen auslassen
Diese Ebene gehört fest in die Architektur. In den USA gilt CAN-SPAM für kommerzielle E-Mails einschließlich B2B-Outreach. Das Gesetz verlangt korrekte Header-Informationen, nicht irreführende Betreffzeilen, eine physische Postanschrift, eine funktionierende Abmeldemöglichkeit und die zeitnahe Berücksichtigung von Abmeldungen. Für Kontakte im Vereinigten Königreich oder in der EU gelten deutlich andere Regeln: Die britische PECR schränkt Marketingnachrichten an Einzelpersonen ohne Einwilligung oder zulässiges Soft-Opt-in grundsätzlich ein und behandelt Unternehmenskunden anders. Das berechtigte Interesse nach der DSGVO ist ebenfalls an eigene Bedingungen für B2B-Marketingkontakte geknüpft. In der Praxis brauchst du eine Sperrtabelle in deiner Datenbank, die E-Mail-Adresse, Domain, Grund, Quelle und Aufnahmedatum erfasst. Das System muss diese Tabelle automatisch prüfen, bevor eine Nachricht versendet werden darf. Verlasse dich dabei nicht auf einen manuellen Schritt, den jemand vergessen könnte. Diese Angaben dienen nur der allgemeinen Information und sind keine Rechtsberatung. Prüfe vor echter Kontaktaufnahme die aktuellen Vorgaben für deine Rechtsordnung und deinen konkreten Anwendungsfall.
Passende VPS-Größe für diesen Stack
Die Entscheidung zwischen einem API-basierten LLM und einem selbst gehosteten lokalen Modell verändert die VPS-Anforderungen, den GPU-Bedarf und die Datenresidenz der gesamten Pipeline:
| Variante | Mindestanforderungen | Contabo Plan | Hinweise |
|---|---|---|---|
| API-basiertes LLM (Claude, GPT, Gemini) | 4 vCPU / 8 GB RAM / 100 GB SSD | Cloud VPS 4 (5,24 €/Monat) | Modellanfragen laufen über die API des Anbieters. Auf deinem VPS werden nur n8n, PostgreSQL und die Orchestrierung ausgeführt |
| Lokales Modell über Ollama (7-13B, CPU) | 8 vCPU / 24 GB RAM / 300 GB SSD | Cloud VPS 8 (13,33 €/Monat) | Eine reine CPU-Inferenz reicht bei mittlerem Volumen für Lead-Recherche und Entwürfe aus, aber nicht für Antworten in Echtzeit mit Chat-Geschwindigkeit |
| Lokales Modell über Ollama (GPU-beschleunigt) | GPU + mindestens 8 GB VRAM, abhängig von der Modellgröße | Contabo GPU Cloud (aktuelle Preise prüfen) | Erforderlich, wenn die Antwortlatenz oder Modellgröße die CPU-Inferenz für dein Volumen zu langsam macht |
Beginne mit der API-basierten Variante, sofern die Datenresidenz keine lokale Inferenz erfordert. Sie ist einfacher zu betreiben, und der Unterschied bei den VPS-Kosten fällt bei den meisten Lead-Volumen gegenüber den API-Token-Kosten gering aus.
Wann sich ein fertiges Framework besser eignet
Die bisherige Architektur setzt voraus, dass du die Pipeline selbst aus n8n, Ollama und PostgreSQL zusammensetzt. Das passt, wenn du jede Phase vollständig kontrollieren möchtest und einen eigenen Workflow verwalten kannst. Wenn du lieber mit einer umfangreicheren Referenzarchitektur beginnen möchtest, in der Agenten-Framework, Memory und CRM-Anbindung bereits enthalten sind, lies unsere Anleitung zum Aufbau eines selbst gehosteten Hermes AI SDR. Sie behandelt dieselben Grundlagen zu Compliance und VPS-Größe, verwendet aber einen fertigen Agenten-Stack, den du nicht Knoten für Knoten zusammensetzen musst.
FAQ: Self-Hosted KI-Vertriebsagenten
Wie baue ich auf meinem eigenen Server einen Self-Hosted KI-Vertriebsagenten auf, der Lead-Recherche und Outreach automatisiert?
Baue ein Workflow-System mit n8n für die Orchestrierung, Ollama für die Modellbereitstellung und PostgreSQL als Lead-Datenbank auf. Eine deterministische Richtlinienebene prüft Abmeldungen und Konfidenzschwellen, bevor etwas versendet wird. Das Self-Hosted AI Starter Kit von n8n bündelt die zentralen Komponenten als Ausgangspunkt.
Eignet sich n8n oder ein spezielles KI-Agenten-Framework besser für einen Self-Hosted Vertriebsagenten?
n8n ist der bessere Ausgangspunkt, wenn du jeden Schritt einsehen und kontrollieren möchtest. Lead-Normalisierung, Recherche, Entwurf und Compliance-Prüfungen bleiben separate, überprüfbare Knoten. Mit einem speziellen Agenten-Framework bist du möglicherweise schneller startklar, hast aber weniger Kontrolle darüber, wann und wie eine Nachricht zum Versand freigegeben wird. Für Outreach ist diese Kontrolle besonders wichtig.
Welche Compliance-Regeln gelten für KI-gestützte Kaltakquise?
In den USA gilt CAN-SPAM für kommerzielle E-Mails einschließlich B2B-Outreach und verlangt korrekte Header, eine echte Postanschrift und eine funktionierende Abmeldemöglichkeit. Kontakte im Vereinigten Königreich und in der EU unterliegen PECR beziehungsweise DSGVO. Diese Regeln schränken Marketingkontakte ohne Einwilligung oder zulässige Rechtsgrundlage stärker ein. Erstelle eine Sperrliste, die vor jedem Versand automatisch geprüft wird, und behandle die Vorgaben für deinen Anwendungsfall als echte Rechtsfrage. Diese Angaben sind allgemeine Informationen und keine Rechtsberatung.
Welche VPS-Spezifikationen brauche ich für diesen Stack?
Für eine Einrichtung mit API-basiertem LLM reichen 4 vCPU und 8 GB RAM für n8n, PostgreSQL und die Orchestrierung aus. Wenn du über Ollama ein lokales Modell ausführst, solltest du für eine reine CPU-Inferenz bei mittlerem Volumen mit 8 vCPU und 24 GB RAM planen. Nutze eine GPU-Instanz, wenn Antwortgeschwindigkeit oder Modellgröße die CPU-Inferenz zu langsam machen.
Haftungsausschluss: Die in diesem Artikel genannten Produktspezifikationen, Funktionen und Preise können sich ändern und je nach Region, Abrechnungszeitraum und laufender Aktion abweichen. Dieser Artikel enthält allgemeine Informationen und keine Rechtsberatung. Wende dich für Hinweise zu deinen konkreten Compliance-Pflichten an eine qualifizierte Fachperson. Aktuelle Angaben und Preise findest du auf der offiziellen Website des jeweiligen Anbieters oder der jeweiligen Marke.
