AgentenCode AgentenProfilAutomatisierung
✓ Redaktionell geprüftPrüfdatum: 30. September 2026
AgentenProfil · Automatisierung
Make AI Agents
Visuelle Plattform zum Bauen von KI-Agenten, die Tools und Automationen über zahlreiche Apps orchestrieren.
Automatisierungredaktionelle Einordnung
MakeAnbieter
7 Primärquellen dokumentiertQuellenstatus
1. Oktober 2026letzte Prüfung
AgentenTrust 2.0 · EU & Governance Evidence
EU AI Act, Datenschutz und Kontrolle bei Make AI Agents
Direktantwort: Für Make AI Agents sind aktuell 9 von 36 normalisierten Trust-Controls feldgenau öffentlich belegt. Nicht belegte Felder bleiben Unknown – niemals automatisch Nein.
EU AI ActEvidence-Kontext zu Art. 12–15, ohne automatische Anwendbarkeits- oder Compliance-Aussage.
DSGVOEvidence-Kontext zu Art. 5, 28 und 32. Data Residency allein ist kein Compliance- oder Transfer-Nachweis.
Wichtig: Diese Zahlen zeigen Dokumentationsabdeckung, keine Produktbewertung. 0 von 10 bedeutet: Für diese 10 Felder liegt im aktuellen Datensatz kein feldgenauer öffentlicher Beleg vor. Es bedeutet nicht, dass der Agent die Funktionen nicht besitzt.
Entscheidungsrelevante Kernsignale
Zwölf häufige EU-, Datenschutz-, Security- und Governance-Fragen – inklusive Unknowns.
Ja belegtNein belegtWert belegtUnknown
Datenschutz & Daten
UnknownData Residency
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Datenschutz & Daten
UnknownKundendaten für Training
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Datenschutz & Daten
UnknownDatenaufbewahrung / Retention
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Datenschutz & Daten
UnknownDPA / Auftragsverarbeitung
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Security & Zugriff
Wert belegtVerschlüsselung at rest
AES-256
Scope: make_platform_including_ai_agents · geprüft 2026-10-01 · Quelle ↗Security & Zugriff
Belegt: JaRBAC
Ja
Scope: make_enterprise_including_ai_agents · geprüft 2026-10-01 · Quelle ↗Menschliche Kontrolle
UnknownHuman Approval
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Menschliche Kontrolle
UnknownHuman Oversight
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Audit & Nachvollziehbarkeit
Belegt: JaAudit Logs
Ja
Scope: make_enterprise_including_ai_agents · geprüft 2026-10-01 · Quelle ↗Audit & Nachvollziehbarkeit
UnknownTracing
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Audit & Nachvollziehbarkeit
UnknownActivity History
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Security & Zugriff
UnknownSecrets / Credential Handling
Nicht öffentlich belegt
Keine feldgenaue öffentliche Evidence im aktuellen Datensatz.Alle dokumentierten Trust-Signale
Jeder Wert bleibt an Scope, Prüfdatum und Primärquelle gebunden. Ein Plattformbeleg wird nicht automatisch auf jeden Agenten vererbt.
Security & Zugriff · 7 dokumentierte Signale
Custom Roles
Belegt: Jagovernance.custom_rolesJa
Scope: make_enterprise · geprüft 2026-10-01 · Primärquelle ↗OIDC SSO
Belegt: Jagovernance.sso.oidcJa
Scope: make_enterprise_including_ai_agents · geprüft 2026-10-01 · Primärquelle ↗RBAC
Belegt: Jagovernance.rbacJa
Scope: make_enterprise_including_ai_agents · geprüft 2026-10-01 · Primärquelle ↗SAML SSO
Belegt: Jagovernance.sso.samlJa
Scope: make_enterprise_including_ai_agents · geprüft 2026-10-01 · Primärquelle ↗SOC 2 Type 2
Belegt: Jasecurity.soc2_type2Ja
Scope: make_platform_including_ai_agents · geprüft 2026-10-01 · Primärquelle ↗Verschlüsselung at rest
Wert belegtsecurity.encryption.at_restAES-256
Scope: make_platform_including_ai_agents · geprüft 2026-10-01 · Primärquelle ↗Verschlüsselung in transit
Wert belegtsecurity.encryption.in_transitTLS 1.2/1.3
Scope: make_platform_including_ai_agents · geprüft 2026-10-01 · Primärquelle ↗Audit & Nachvollziehbarkeit · 2 dokumentierte Signale
Audit Logs
Belegt: Jagovernance.audit_logs.availableJa
Scope: make_enterprise_including_ai_agents · geprüft 2026-10-01 · Primärquelle ↗Audit-Log-Aufbewahrung
Wert belegtgovernance.audit_logs.retention_days365
Scope: make_enterprise_audit_logs · geprüft 2026-10-01 · Primärquelle ↗Kein Compliance-Score.
AgentenTrust bildet Evidence ab. Die rechtliche Einordnung hängt vom konkreten Einsatz ab.
Kurz erklärt
Visuelle Plattform zum Bauen von KI-Agenten, die Tools und Automationen über zahlreiche Apps orchestrieren. AgentenCode beschreibt nicht nur die Anbieterpositionierung, sondern ordnet Funktionen, Einsatzgrenzen und Kontrollpunkte anhand nachvollziehbarer Kriterien ein.
AnbieterMake
ProdukttypAgentenplattform / Builder
ZugangMake; Agentenfunktionen je nach Produktstatus und Plan
EinordnungAutomatisierung
AgentenProfil
Standardisierte Referenzdaten
AnbieterMake
KategorieAutomatisierung
ProdukttypAgentenplattform / Builder
ZielgruppeUnternehmen
ZugangMake; Agentenfunktionen je nach Produktstatus und Plan
Quellenstatus7 Primärquellen dokumentiert
PrüfstatusRedaktionell geprüft
Prüfdatum1. Oktober 2026
Profilversion2.0
Filterdaten werden aus demselben strukturierten Datensatz erzeugt wie dieses Profil. Unbestätigte Merkmale werden nicht automatisch als „Nein“ gewertet.
Was ist Make AI Agents?
Visuelle Plattform zum Bauen von KI-Agenten, die Tools und Automationen über zahlreiche Apps orchestrieren.
Produktspezifische Evidenzlage zu Make AI Agents
Dieses Profil trennt den dokumentierten Produktfokus von feldgenauer Evidence. Für Make AI Agents sind aktuell 7 eindeutige Primärquellen über Profil, Trust- und Relationsdaten verknüpft. Die folgenden Punkte sind keine allgemeine Klassenbeschreibung, sondern stammen aus den für dieses konkrete Produkt gespeicherten Feldern.
- Verschlüsselung at rest: AES-256 · Scope: make_platform_including_ai_agents · geprüft 1. Oktober 2026 · Primärquelle ↗
- Verschlüsselung in transit: TLS 1.2/1.3 · Scope: make_platform_including_ai_agents · geprüft 1. Oktober 2026 · Primärquelle ↗
- SOC 2 Type 2: Ja · Scope: make_platform_including_ai_agents · geprüft 1. Oktober 2026 · Primärquelle ↗
- Audit Logs: Ja · Scope: make_enterprise_including_ai_agents · geprüft 1. Oktober 2026 · Primärquelle ↗
- Audit-Log-Aufbewahrung: 365 · Scope: make_enterprise_audit_logs · geprüft 1. Oktober 2026 · Primärquelle ↗
Automatisierungs-Agenten kombinieren KI-Entscheidungen mit Werkzeugen, APIs und bestehenden Workflows. Im Unterschied zu starren Automationen können sie innerhalb definierter Grenzen selbst entscheiden, welcher nächste Schritt oder welches Tool für ein Ziel sinnvoll ist.
Bei Make AI Agents ist deshalb weniger die Bezeichnung „Agent“ entscheidend als die Frage, welche Aufgaben das System tatsächlich übernimmt, welche Werkzeuge es verwenden darf und an welchen Stellen ein Nutzer oder Administrator die Kontrolle behält. AgentenCode trennt bestätigte Produktmerkmale von redaktioneller Einordnung und kennzeichnet ein Prüfdatum, weil Funktionen und Tarife in diesem Markt häufig verändert werden.
Wie funktioniert Make AI Agents?
Make AI Agents verbindet ein Sprachmodell mit definierten Tools, Szenarien und App-Integrationen. Im visuellen Make-Umfeld werden Aufgaben, Kontext, Entscheidungen und Aktionen nachvollziehbar orchestriert.
Die Systeme bestehen typischerweise aus Anweisungen, einem Modell, verbundenen Tools, Kontext und Ausführungsregeln. Häufig werden deterministische Workflow-Schritte mit agentischen Entscheidungen kombiniert: Der Workflow legt sichere Grenzen fest, während der Agent offene Teilaufgaben übernimmt.
1Auslöser oder Ziel
2Kontext sammeln
3Passendes Tool wählen
4Aktion ausführen
5Ergebnis prüfen/protokollieren
Dieser Ablauf ist keine Behauptung, dass jeder interne Schritt bei Make AI Agents exakt so implementiert ist. Er zeigt das typische agentische Muster der Kategorie und hilft dabei, das Produkt gegenüber einem einfachen Chat, einer klassischen Suche oder einem fest verdrahteten Workflow einzuordnen.
Was kann Make AI Agents konkret übernehmen?
Die folgenden Anwendungsfelder ergeben sich aus dem dokumentierten Produktschwerpunkt. Ob ein Einsatz sinnvoll ist, hängt davon ab, wie gut der Agent auf die benötigten Daten zugreifen kann, welche Aktionen erlaubt sind und wie wichtig Fehlerfreiheit im jeweiligen Prozess ist.
Business-Automation
Bei „Business-Automation“ ist für Make AI Agents besonders „Visuelle Automationslogik“ relevant. Der Einsatz sollte im dokumentierten Produktscope „Make; Agentenfunktionen je nach Produktstatus und Plan“ bewertet werden. Vor produktiver Nutzung gilt als konkreter Prüfpunkt: Tool-Berechtigungen begrenzen. Diese Einordnung verbindet den gespeicherten Produktfokus mit den sichtbaren Quellen; sie ist kein Leistungsbenchmark.
App-übergreifende Aufgaben
Bei „App-übergreifende Aufgaben“ ist für Make AI Agents besonders „Großes Integrationsökosystem“ relevant. Der Einsatz sollte im dokumentierten Produktscope „Make; Agentenfunktionen je nach Produktstatus und Plan“ bewertet werden. Vor produktiver Nutzung gilt als konkreter Prüfpunkt: Kosten durch Agentenläufe beobachten. Diese Einordnung verbindet den gespeicherten Produktfokus mit den sichtbaren Quellen; sie ist kein Leistungsbenchmark.
Operations
Bei „Operations“ ist für Make AI Agents besonders „Agenten und klassische Workflows kombinierbar“ relevant. Der Einsatz sollte im dokumentierten Produktscope „Make; Agentenfunktionen je nach Produktstatus und Plan“ bewertet werden. Vor produktiver Nutzung gilt als konkreter Prüfpunkt: Kritische Aktionen mit Freigaben absichern. Diese Einordnung verbindet den gespeicherten Produktfokus mit den sichtbaren Quellen; sie ist kein Leistungsbenchmark.
Interne Assistenten
Bei „Interne Assistenten“ ist für Make AI Agents besonders „Nachvollziehbare Tool-Nutzung“ relevant. Der Einsatz sollte im dokumentierten Produktscope „Make; Agentenfunktionen je nach Produktstatus und Plan“ bewertet werden. Vor produktiver Nutzung gilt als konkreter Prüfpunkt: Tool-Berechtigungen begrenzen. Diese Einordnung verbindet den gespeicherten Produktfokus mit den sichtbaren Quellen; sie ist kein Leistungsbenchmark.
Für Privatpersonen und Unternehmen
Für Privatpersonen
Für technikaffine Privatnutzer möglich, aber der größere Nutzen liegt bei wiederkehrenden Arbeits- und Geschäftsprozessen.
Für Einzelpersonen und Selbstständige sind solche Agenten dann nützlich, wenn viele wiederkehrende Aufgaben über E-Mail, Kalender, Tabellen, CRM oder Webdienste verteilt sind. Je mehr Apps verbunden werden, desto wichtiger wird eine klare Begrenzung der Schreibrechte.
Für Unternehmen
Make eignet sich für Unternehmen, die Agenten mit bestehenden SaaS-Prozessen und Automationen verbinden möchten.
Unternehmen profitieren von der Verbindung mit bestehenden Prozessen, benötigen aber Governance: Wer darf Agenten bauen? Welche Tools dürfen sie verwenden? Welche Aktionen brauchen Freigaben? Wie werden Ausführungen protokolliert und Kosten begrenzt?
Stärken von Make AI Agents
Die folgenden Punkte sind keine Rangliste. Sie beschreiben Merkmale, die für die dokumentierten Einsatzfelder relevant sein können.
Visuelle Automationslogik
„Visuelle Automationslogik“ ist bei Make AI Agents deshalb entscheidungsrelevant, weil das Profil „Business-Automation“ als konkretes Einsatzfeld führt. Der Nutzen hängt davon ab, ob dieser Arbeitsablauf im gebuchten Plan und mit den vorgesehenen Daten- und Toolrechten verfügbar ist. Gegenprüfung vor dem Einsatz: Tool-Berechtigungen begrenzen.
Großes Integrationsökosystem
„Großes Integrationsökosystem“ ist bei Make AI Agents deshalb entscheidungsrelevant, weil das Profil „App-übergreifende Aufgaben“ als konkretes Einsatzfeld führt. Der Nutzen hängt davon ab, ob dieser Arbeitsablauf im gebuchten Plan und mit den vorgesehenen Daten- und Toolrechten verfügbar ist. Gegenprüfung vor dem Einsatz: Kosten durch Agentenläufe beobachten.
Agenten und klassische Workflows kombinierbar
„Agenten und klassische Workflows kombinierbar“ ist bei Make AI Agents deshalb entscheidungsrelevant, weil das Profil „Operations“ als konkretes Einsatzfeld führt. Der Nutzen hängt davon ab, ob dieser Arbeitsablauf im gebuchten Plan und mit den vorgesehenen Daten- und Toolrechten verfügbar ist. Gegenprüfung vor dem Einsatz: Kritische Aktionen mit Freigaben absichern.
Nachvollziehbare Tool-Nutzung
„Nachvollziehbare Tool-Nutzung“ ist bei Make AI Agents deshalb entscheidungsrelevant, weil das Profil „Interne Assistenten“ als konkretes Einsatzfeld führt. Der Nutzen hängt davon ab, ob dieser Arbeitsablauf im gebuchten Plan und mit den vorgesehenen Daten- und Toolrechten verfügbar ist. Gegenprüfung vor dem Einsatz: Tool-Berechtigungen begrenzen.
Grenzen und Punkte vor dem Einsatz
Agenten sollten nicht nur anhand einer Demo bewertet werden. Entscheidend ist, wie sie mit unvollständigem Kontext, widersprüchlichen Daten, fehlenden Berechtigungen und ungewöhnlichen Fällen umgehen. Für Make AI Agents sind insbesondere folgende Punkte sinnvoll zu prüfen:
Tool-Berechtigungen begrenzen
Tool-Berechtigungen begrenzen. Dieser Punkt ist für Make AI Agents besonders bei „Business-Automation“ relevant, weil Agentenwirkung und Risiko vom tatsächlich freigegebenen Scope abhängen. AgentenCode wertet fehlende öffentliche Evidence dabei nicht als Gegenbeleg; offene Punkte bleiben Unknown und sollten im Pilot oder mit dem Anbieter geklärt werden.
Kosten durch Agentenläufe beobachten
Kosten durch Agentenläufe beobachten. Dieser Punkt ist für Make AI Agents besonders bei „App-übergreifende Aufgaben“ relevant, weil Agentenwirkung und Risiko vom tatsächlich freigegebenen Scope abhängen. AgentenCode wertet fehlende öffentliche Evidence dabei nicht als Gegenbeleg; offene Punkte bleiben Unknown und sollten im Pilot oder mit dem Anbieter geklärt werden.
Kritische Aktionen mit Freigaben absichern
Kritische Aktionen mit Freigaben absichern. Dieser Punkt ist für Make AI Agents besonders bei „Operations“ relevant, weil Agentenwirkung und Risiko vom tatsächlich freigegebenen Scope abhängen. AgentenCode wertet fehlende öffentliche Evidence dabei nicht als Gegenbeleg; offene Punkte bleiben Unknown und sollten im Pilot oder mit dem Anbieter geklärt werden.
Sicherheit, Datenschutz und Berechtigungen
Das Hauptrisiko liegt bei Automatisierungs-Agenten in den Berechtigungen. Ein fehlerhafter Textentwurf ist leicht korrigierbar; ein Agent mit Schreibrechten kann dagegen Datensätze verändern, Nachrichten versenden oder Folgeprozesse starten. Least-Privilege, Freigaben und Audit-Logs sind daher zentral.
Bei Make AI Agents sollte zusätzlich geprüft werden, welche Daten an den Anbieter und gegebenenfalls an verbundene Modell- oder Tool-Anbieter übertragen werden. Maßgeblich sind die aktuelle Dokumentation, der gebuchte Tarif und die konkrete Organisationskonfiguration. AgentenCode macht deshalb keine pauschale Aussage wie „DSGVO-konform“ oder „sicher“, wenn die Bewertung vom Einsatzkontext abhängt.
Praktische Regel: Je mehr ein Agent lesen, verändern oder extern ausführen darf, desto wichtiger sind minimale Berechtigungen, nachvollziehbare Logs, Testfälle und Freigaben für irreversible Aktionen.
Zugang, Kosten und Voraussetzungen
Aktuell dokumentierter Zugang: Make; Agentenfunktionen je nach Produktstatus und Plan
Preis- und Nutzungsmodelle ändern sich bei KI-Agenten häufig. Manche Anbieter rechnen über Nutzerlizenzen, Credits, Modellverbrauch, Aufgaben oder erfolgreich bearbeitete Vorgänge ab. Deshalb verzichtet AgentenCode auf unbestätigte oder schnell veraltende Preisangaben und verweist für Vertragsentscheidungen auf die offiziellen Anbieterinformationen.
Wie lässt sich Make AI Agents sinnvoll vergleichen?
Ein Vergleich sollte nicht mit der Frage „Welcher Agent ist der beste?“ beginnen, sondern mit dem konkreten Ziel. Für diese Kategorie sind insbesondere folgende Kriterien relevant:
| App- und Tool-Ökosystem | Bei Make AI Agents sollte „App- und Tool-Ökosystem“ im konkreten Einsatzfall „Business-Automation“ geprüft werden. Relevant sind der gebuchte Produkt-Scope, die dafür dokumentierten Quellen und der Prüfpunkt „Tool-Berechtigungen begrenzen“. Ein fehlender Beleg bleibt Unknown und wird nicht als negatives Produktmerkmal gewertet. |
|---|---|
| Freigaben | Bei Make AI Agents sollte „Freigaben“ im konkreten Einsatzfall „App-übergreifende Aufgaben“ geprüft werden. Relevant sind der gebuchte Produkt-Scope, die dafür dokumentierten Quellen und der Prüfpunkt „Kosten durch Agentenläufe beobachten“. Ein fehlender Beleg bleibt Unknown und wird nicht als negatives Produktmerkmal gewertet. |
| Workflow-Kontrolle | Bei Make AI Agents sollte „Workflow-Kontrolle“ im konkreten Einsatzfall „Operations“ geprüft werden. Relevant sind der gebuchte Produkt-Scope, die dafür dokumentierten Quellen und der Prüfpunkt „Kritische Aktionen mit Freigaben absichern“. Ein fehlender Beleg bleibt Unknown und wird nicht als negatives Produktmerkmal gewertet. |
| Protokollierung | Bei Make AI Agents sollte „Protokollierung“ im konkreten Einsatzfall „Interne Assistenten“ geprüft werden. Relevant sind der gebuchte Produkt-Scope, die dafür dokumentierten Quellen und der Prüfpunkt „Tool-Berechtigungen begrenzen“. Ein fehlender Beleg bleibt Unknown und wird nicht als negatives Produktmerkmal gewertet. |
| Kosten und Skalierung | Bei Make AI Agents sollte „Kosten und Skalierung“ im konkreten Einsatzfall „Business-Automation“ geprüft werden. Relevant sind der gebuchte Produkt-Scope, die dafür dokumentierten Quellen und der Prüfpunkt „Kosten durch Agentenläufe beobachten“. Ein fehlender Beleg bleibt Unknown und wird nicht als negatives Produktmerkmal gewertet. |
Zusätzlich sollte ein Pilot mit realen Aufgaben durchgeführt werden. Ein Agent, der in einer Demo beeindruckt, kann im eigenen Daten- und Berechtigungskontext ganz anders abschneiden. Reproduzierbare Testfälle sind deshalb aussagekräftiger als Marketingbenchmarks allein.
Ähnliche Agenten und Alternativen
Häufige Fragen zu Make AI Agents
Was ist Make AI Agents?
Visuelle Plattform zum Bauen von KI-Agenten, die Tools und Automationen über zahlreiche Apps orchestrieren.
Für wen eignet sich Make AI Agents?
Für technikaffine Privatnutzer möglich, aber der größere Nutzen liegt bei wiederkehrenden Arbeits- und Geschäftsprozessen. Make eignet sich für Unternehmen, die Agenten mit bestehenden SaaS-Prozessen und Automationen verbinden möchten.
Kann Make AI Agents Aufgaben selbstständig ausführen?
Der Grad der Autonomie hängt bei Make AI Agents von der jeweiligen Oberfläche, den aktivierten Tools und den vergebenen Berechtigungen ab. AgentenCode unterscheidet deshalb zwischen Analyse, Vorschlägen und tatsächlich ausführbaren Aktionen.
Was sollte ich vor der Nutzung von Make AI Agents prüfen?
Prüfen Sie insbesondere Datenzugriff, Schreibrechte, Quellenqualität, Kostenmodell, Freigaben und die Frage, wie Fehler erkannt oder rückgängig gemacht werden können.
Ist Make AI Agents für sensible Daten geeignet?
Das lässt sich nicht pauschal beantworten. Maßgeblich sind Vertrag, Tarif, Organisationskonfiguration, Datenresidenz, verbundene Modellanbieter und die konkret aktivierten Integrationen. Für sensible Daten sollten die aktuellen Anbieterunterlagen und internen Richtlinien geprüft werden.
Wie aktuell ist dieses Profil?
Das Profil wurde am 30. September 2026 anhand der unten verlinkten Primärquellen geprüft. Produkte im Agentenmarkt verändern sich schnell; kurzfristige Änderungen zwischen zwei Prüfungen sind möglich.
Für Unternehmen
Ist Ihr Prozess wirklich ein Fall für einen KI-Agenten?
Der kostenlose Agenten-Check bewertet Eignung, Readiness, Risiko, Autonomie und Wirtschaftlichkeit direkt im Browser.
Offizielle Quellen
Dieses Profil verknüpft 7 eindeutige Primärquellen aus Produktprofil, feldgenauer Evidence, Trust-Layer und dokumentierten Relationen. Die Quellen bleiben maßgeblich, wenn sich das Produkt zwischen zwei Prüfzyklen ändert.
- Make Help – AI Agents
- Make Help – Audit logs
- Make – Governance updates
- Make – Enterprise
- Make Help – Single Sign-on
- Make Help – Create your first AI agent
- Make – Security and Compliance
Transparenz
Letzte redaktionelle Prüfung: 1. Oktober 2026. Unklare Merkmale werden nicht als bestätigte Fakten dargestellt. Es gibt keine bezahlte Rangfolge.
Deep Profile · GEO/SEO-Evidenzlayer
Make AI Agents: belegte Einordnung und Entscheidungscheck
Make AI Agents ist Visuelle Plattform zum Bauen von KI-Agenten, die Tools und Automationen über zahlreiche Apps orchestrieren. Anbieter ist Make; AgentenCode ordnet das Produkt der Kategorie Automatisierung und dem Produkttyp Agentenplattform / Builder zu. Diese Einordnung ergänzt den ausführlichen Artikel um einen kompakten, maschinenlesbaren Evidenz- und Auswahlkontext.
Welche Punkte sind für die Auswahl entscheidend?
Automatisierungs-Agenten verbinden Modelle mit Triggern, Apps und Aktionen. Entscheidend sind deshalb Tool-Berechtigungen, Schreibrechte, Freigaben, Fehlerpfade und die Frage, ob kritische Aktionen kontrolliert gestoppt werden können.
Welche Apps und Daten darf der Agent lesen oder verändern?
Nur dokumentierte Antworten als Tatsache übernehmen; fehlende Information bleibt unbekannt.
Welche Aktionen sind irreversibel oder extern sichtbar?
Nur dokumentierte Antworten als Tatsache übernehmen; fehlende Information bleibt unbekannt.
Wo greifen Freigaben und Eskalationen?
Nur dokumentierte Antworten als Tatsache übernehmen; fehlende Information bleibt unbekannt.
Wie werden Fehler, Retries und Audit-Logs behandelt?
Nur dokumentierte Antworten als Tatsache übernehmen; fehlende Information bleibt unbekannt.
Welche Stärken und Grenzen sind dokumentiert?
Dokumentierte Stärken
- Visuelle Automationslogik
- Großes Integrationsökosystem
- Agenten und klassische Workflows kombinierbar
- Nachvollziehbare Tool-Nutzung
Vor dem Einsatz prüfen
- Tool-Berechtigungen begrenzen
- Kosten durch Agentenläufe beobachten
- Kritische Aktionen mit Freigaben absichern
Welche Eigenschaften von Make AI Agents sind feldgenau belegt?
Die folgenden Aussagen sind in AgentenGraph direkt mit Primärquellen verknüpft. Nicht aufgeführte Eigenschaften bleiben unbekannt, solange keine geeignete Quelle sie bestätigt oder ausdrücklich verneint.
governance.audit_logs.available
dokumentiert
Make Enterprise provides audit logs.
Make Help – Audit logs →governance.audit_logs.retention_days
365
Make Enterprise audit logs are retained for 12 months (365 days).
Make Help – Audit logs →governance.custom_roles
dokumentiert
Make Enterprise supports custom roles.
Make – Governance updates →hosting.managed
dokumentiert
Make AI Agents run within Make's managed cloud platform.
Make – Enterprise →protocols.mcp.client
dokumentiert
Make AI Agent (New) can act as an MCP client for configured MCP servers.
Make Help – Create your first AI agent →security.encryption.at_rest
AES-256
Make documents AES-256 encryption at rest.
Make – Security and Compliance →security.encryption.in_transit
TLS 1.2/1.3
Make documents TLS 1.2/1.3 encryption in transit.
Make – Security and Compliance →security.soc2_type2
dokumentiert
Make documents SOC 2 Type II compliance.
Make – Security and Compliance →Welche Primärquellen stützen dieses Profil?
AgentenCode bevorzugt aktuelle Primärquellen. Aussagen eines Anbieters werden nicht automatisch auf andere Produkte oder Detailfelder übertragen.
| Quelle | Typ | Verwendung |
|---|---|---|
| Make Help – AI Agents | Primärquelle | Profil-, Evidence-, Trust- oder Relationsbeleg |
| Make Help – Audit logs | Primärquelle | Profil-, Evidence-, Trust- oder Relationsbeleg |
| Make – Governance updates | Primärquelle | Profil-, Evidence-, Trust- oder Relationsbeleg |
| Make – Enterprise | Primärquelle | Profil-, Evidence-, Trust- oder Relationsbeleg |
| Make Help – Single Sign-on | Primärquelle | Profil-, Evidence-, Trust- oder Relationsbeleg |
| Make Help – Create your first AI agent | Primärquelle | Profil-, Evidence-, Trust- oder Relationsbeleg |
| Make – Security and Compliance | Primärquelle | Profil-, Evidence-, Trust- oder Relationsbeleg |
AgentenGraph · Produktverlauf
Strukturierte Historie von Make AI Agents
AgentenGraph speichert strukturierte Zustände dieses Agenten über die Zeit. Neue Werte ersetzen ältere Zustände nicht stillschweigend: Änderungen werden versioniert und als Ereignis erfasst. Frühere Zustände vor der Baseline werden nicht rückwirkend behauptet.
01Baseline erfasst1. Oktober 2026
Ab diesem Datum beobachtet AgentenCode strukturierte Änderungen dieses Agenten.
Der heutige Stand ist der Ausgangspunkt. Historische Aussagen vor diesem Datum erscheinen nur, wenn sie durch belastbare Quellen belegt werden können.
Aktueller strukturierter StandAI-0017 · 34 aktive Aussagen
11 feldgenau belegtAnbieterMake
KategorieAutomatisierung
ProdukttypAgentenplattform / Builder
Zielgruppeunternehmen
ZugangMake; Agentenfunktionen je nach Produktstatus und Plan
Letzte Profilprüfung1. Oktober 2026
Strukturierte Anwendungsfelder
Business-AutomationOperationsApp-übergreifende AufgabenInterne Assistenten
Evidenzstatus
11 von 34 aktiven Aussagen besitzen bereits eine explizite Feld-zu-Quelle-Zuordnung. Die übrigen Aussagen verwenden weiterhin das Quellen-Set des Profils.
Methodik zur Datenhistorie →Dokumentierte Änderungen seit BaselineProduktbezogene AgentenGraph-Ereignisse
2026-10-01 · 6 Governance-Eigenschaften dokumentiert
Eine erstmalige Datenaufnahme oder Feldverifikation ist nicht automatisch eine neue Herstellerfunktion.
governance.audit_logs.retention_days
Strukturierte Änderung erfasst
Vorher: —Jetzt: 365
governance.custom_roles
Strukturierte Änderung erfasst
Vorher: —Jetzt: True
governance.sso.oidc
Strukturierte Änderung erfasst
Vorher: —Jetzt: True
governance.rbac
Strukturierte Änderung erfasst
Vorher: —Jetzt: True
governance.audit_logs.available
Strukturierte Änderung erfasst
Vorher: —Jetzt: True
governance.sso.saml
Strukturierte Änderung erfasst
Vorher: —Jetzt: True
Quellen
Quellen-Set geändert
Die dem AgentenProfil zugeordneten Primärquellen wurden strukturell verändert. Die konkrete fachliche Bedeutung wird weiterhin redaktionell geprüft.
hosting.managed
Strukturierte Änderung erfasst
Vorher: —Jetzt: True
protocols.mcp.client
Strukturierte Änderung erfasst
Vorher: —Jetzt: True
2026-10-01 · 3 Sicherheitseigenschaften dokumentiert
Eine erstmalige Datenaufnahme oder Feldverifikation ist nicht automatisch eine neue Herstellerfunktion.
security.encryption.in_transit
Strukturierte Änderung erfasst
Vorher: —Jetzt: TLS 1.2/1.3
security.encryption.at_rest
Strukturierte Änderung erfasst
Vorher: —Jetzt: AES-256
security.soc2_type2
Strukturierte Änderung erfasst
Vorher: —Jetzt: True
Änderungsverlauf
Changelog
Blockierte Make-Marketingseite entfernt; das Profil stützt sich nun auf die bereits erfolgreich überwachte offizielle Help-Center-Dokumentation.
Primärquellen und Produktstand erneut geprüft; Profil, Verfügbarkeit und Einordnung auf den Prüfstand 30. September 2026 aktualisiert.
Profil auf AgentenProfil 2.0 umgestellt; Quellenstatus, Prüfdatum, Changelog und Filterdaten ergänzt.