How I Accidentally Built a $28K/Month Automation Agency in 6 Months
Zusammenfassung
Kurz
Code Coup schreibt, mit direkter Bedarfsermittlung und n8n-/GPT-Prototypen binnen sechs Monaten eine Automatisierungsagentur mit 28.000 US-Dollar Monatseinnahmen aufgebaut zu haben. Der Bericht empfiehlt einfache Ansprache, ehrliche Kommunikation und den Fokus auf zeitraubende Aufgaben in traditionellen Branchen; die Erfolg- und Branchenangaben bleiben unbelegte Selbstauskünfte.
Mittel
Code Coup berichtet, innerhalb von sechs Monaten aus dem Betrieb eines E-Commerce-Shops eine Automatisierungsagentur mit monatlich 28.000 US-Dollar Einnahmen aufgebaut zu haben. Auslöser sei der Wunsch gewesen, eigene Routineaufgaben mit n8n zu automatisieren. Bei der Kundensuche habe der Verfasser Unternehmen direkt gefragt, welche Tätigkeiten ihnen am meisten Zeit kosteten, und anschließend mit GPT und n8n passende Lösungsideen erstellt und vorgestellt.
Als Beispiele nennt der Beitrag zeitaufwendige Dokumentenarbeit in Kanzleien, Terminprobleme in Zahnarztpraxen und Tabellenarbeit in Restaurants. Empfohlen werden wenig glamouröse Branchen wie Buchhaltung, Recht, Zahnmedizin und Gastronomie. Der Verfasser rät außerdem, fehlende Erfahrung offen anzusprechen, erst den Bedarf zu erfragen und Geschäftsergebnisse statt Technik zu betonen. Zu den eigenen Fehlern zählt er, auf perfekte Fähigkeiten gewartet, Lösungen ohne Nachfrage gebaut und aus Unsicherheit zu günstig kalkuliert zu haben.
Der Artikel schlägt einen raschen Startplan vor und stellt zwei bis drei Kunden zu je 5.000–10.000 US-Dollar als mögliches Ziel dar. Umsatz und Kundenergebnisse sind Selbstauskünfte; der Text bietet dafür keine unabhängigen Belege. Auch die Aussagen über die Zahlungsbereitschaft verschiedener Branchen werden nicht durch Vergleichsdaten gestützt.
Ausführlich lesen
Der Bericht ist ein Erfahrungsbericht von Code Coup über den Aufbau einer Automatisierungsagentur. Die Autorin oder der Autor berichtet, sechs Monate zuvor einen durchschnittlichen E-Commerce-Shop betrieben zu haben und mit dessen monotonen Aufgaben unzufrieden gewesen zu sein: Lagerbestände aktualisieren, wiederkehrende Fragen beantworten und ähnliche Anzeigen erstellen. Mit n8n habe man zunächst eigene Abläufe vereinfachen wollen. Daraus sei die Idee entstanden, dass auch andere Unternehmen manuelle Routinearbeit loswerden möchten.
Für die Suche nach dem ersten Kunden habe der Verfasser nach eigener Darstellung weder Anzeigen noch eine aufwendige Website genutzt. Stattdessen habe er oder sie mit einem kleinen n8n-Ablauf potenzielle Kontakte gesucht und Unternehmen per E-Mail gefragt, welche Tätigkeiten im Alltag besonders viel Zeit kosteten. Das Ziel sei zunächst gewesen, zuzuhören und Probleme zu verstehen, nicht sofort etwas zu verkaufen.
Als Beispiele für solche Probleme nennt der Bericht Anwälte, die viel Zeit mit Dokumenten verbringen, Zahnarztpraxen mit Schwierigkeiten bei der Terminplanung und Restaurantbetreiber, die abends Tabellen bearbeiten. Der Verfasser deutet diese Fälle als Bedarf an Entlastung von wiederkehrenden Aufgaben und stellt den praktischen Nutzen für Menschen über die Technik selbst.
Das beschriebene Vorgehen besteht darin, Geschäftsleute anzuschreiben, nach zeitraubenden Aufgaben zu fragen, mithilfe von GPT und n8n einen Lösungsvorschlag zu erstellen, diesen vorzustellen und anschließend den Auftrag zu gewinnen. Fehlende Referenzen habe man offen angesprochen und als Ausgleich besondere Einsatzbereitschaft sowie die Bitte um ein späteres Testimonial angeboten. Der Bericht behauptet, diese Ehrlichkeit sei gut angekommen.
Bei der Kundenauswahl empfiehlt der Verfasser sogenannte „langweilige“ Branchen wie Buchhaltung, Zahnmedizin, Recht und Gastronomie. E-Commerce- und SaaS-Kunden werden pauschal als anspruchsvoll, streitlustig und wenig zahlungsbereit dargestellt; die genannten traditionellen Branchen dagegen als besonders an Effizienz interessiert und zahlungsfähig. Diese Einschätzungen sind persönliche Behauptungen des Verfassers, keine im Text belegten Branchenvergleiche.
Für einen Neustart skizziert der Bericht einen kurzen Ablauf: am ersten Tag eine Nische wählen, am zweiten zehn Betriebe mit einer Forschungsanfrage kontaktieren, am dritten deren größtes Problem bestimmen und am vierten eine Lösung entwerfen. Am siebten Tag solle man diese präsentieren und zwei bis drei Kunden zu je 5.000 bis 10.000 US-Dollar gewinnen. Als zentrale Fehler nennt der Verfasser, auf vermeintlich perfekte Fähigkeiten gewartet, Lösungen ohne vorherige Bedarfsklärung gebaut, Technik statt Geschäftsergebnisse betont und aus Unsicherheit zu niedrige Preise verlangt zu haben.
Der Verfasser schreibt den Übergang vom E-Commerce-Shop zu Einnahmen von 28.000 US-Dollar pro Monat innerhalb von sechs Monaten dem Helfen bei konkreten Geschäftsproblemen zu. Der Beitrag präsentiert jedoch eine persönliche Erfolgserzählung und praktische Empfehlungen; er liefert keine unabhängigen Nachweise für Umsatz, Kundenzahl, Preise oder die allgemeine Wirksamkeit des Vorgehens. Die vorgeschlagenen Zeitpläne und Ergebnisse sind daher als Behauptungen beziehungsweise Empfehlungen des Verfassers zu verstehen, nicht als zugesicherte Resultate.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Die Bewertung bezieht sich auf die Fassung „mittel“, die die Kernaussagen des Berichts sachlich wiedergibt. Die Fassung „kurz“ ist knapper und enthält keine erfundenen Angaben. Beide Fassungen geben die Selbstauskünfte zu Umsatz und Kundenzahl korrekt als unbelegt wieder.
Im Bericht, aber nicht in der Zusammenfassung
- Die Kaltansprache per E-Mail mit Forschungsrahmen statt Verkaufsabsicht wird nur als Bedarfsermittlung angedeutet, nicht konkret beschrieben.
- Der Tausch von kostenloser Arbeit gegen ein Testimonial bei fehlender Erfahrung wird nicht genannt, nur allgemein als offene Ansprache.
- Die Warnung vor beliebten Nischen wie E-Commerce und SaaS fehlt in der Zusammenfassung.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vertrauen in Modelle
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 52 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 37 %Hintergrund, keine Belege
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug