Fireflies.ai - So verwandelst du Onboardings in fertige Kundenprofile
Mit fireflies.ai und n8n Onboardings automatisieren
Kennst du das? Der Onboarding-Call mit dem neuen Kunden lief richtig gut, alle wichtigen Infos kamen auf den Tisch. Zwei Tage später sitzt dein Texter vor einem leeren Dokument und grübelt, was der Kunde eigentlich über seine Zielgruppe gesagt hat. Die Notizen sind lückenhaft, der Projektmanager steckt schon im nächsten Termin, und am Ende geht eine Rückfrage-Mail an den Kunden raus.
Bei ihm kommt an: Die haben mir gar nicht richtig zugehört.
Das Problem liegt nicht an mangelndem Einsatz deines Teams. Das eigentliche Problem ist, dass die wertvollsten Informationen für dein gesamtes Fulfillment an genau einer Stelle entstehen, nämlich im Erstgespräch, und dort viel zu oft nicht sauber gesichert werden.
Dabei lässt sich genau dieser Prozess heute vollständig automatisieren, sodass am Ende ein strukturiertes Kundenprofil steht, ohne dass jemand tippen muss.
Ich werde in diesem Blog auch noch mehrere Möglichkeiten darstellen Fireflies in Kombination mit n8n zu benutzen um daraus den größtmöglichen Mehrwert für dich und dein Business zu schaffen.
Unser Workflow fasst Fireflies-Meetings automatisch zusammen und übermittelt eine strukturierte Zusammenfassung zur menschlichen Prüfung an Slack. Nach Freigabe wird ein zweisprachiger, kundenfertiger E-Mail-Entwurf auf Englisch und Deutsch erstellt und als Antwort im Slack-Thread veröffentlicht. Es wird niemals automatisch eine E-Mail an den Kunden versendet.
Keine Lust selbst zu implementieren? ➡️ https://calendly.com/apex-consulting-call/ki-beratung
Der Call ist dein Rohstofflager
Alles, was eine Agentur produziert, speist sich aus denselben Grundlagen: Wer ist die Zielgruppe, was hält sie nachts wach, was unterscheidet den Kunden vom Wettbewerb, welche Einwände tauchen im Vertrieb typischerweise auf. Ob Meta Ads, Landingpage, Sales Letter oder Recruiting-Kampagne, die Qualität jedes einzelnen Assets hängt direkt davon ab, wie vollständig diese Informationen vorliegen.
Gesammelt werden sie im Onboarding-Call. Einmal, und danach ist alles nur noch Verarbeitung. Wenn diese Verarbeitung auf hastigen Stichpunkten und der Erinnerung deines Teams basiert, bekommst du zwangsläufig generische Texte. Basiert sie dagegen auf einem vollständigen, strukturierten Datensatz, kann eine KI daraus in Sekunden Material erzeugen, das wirkt, als hätte jemand drei Wochen mit dem Kunden verbracht.
So läuft der Workflow in der Praxis ab
- Ein KI-Notetaker sitzt im Call mit. Das Tool tritt dem Meeting bei, egal ob Zoom, Teams oder Google Meet, und transkribiert das komplette Gespräch inklusive Sprechererkennung. Niemand muss mehr mitschreiben, dein Team kann sich voll auf das Gespräch konzentrieren.
- Das fertige Transkript ist der Startschuss. Sobald die Transkription steht, löst ein Webhook den nächsten Schritt aus. Ab hier klickt kein Mensch mehr, das Transkript ist nicht mehr nur Ablage, sondern aktiver Auslöser.
- Die KI extrahiert und strukturiert. Ein KI-Agent liest das vollständige Transkript und ordnet die Inhalte fest definierten Feldern zu: Unternehmen, Angebot, Zielgruppe, Schmerzpunkte, Differenzierung, Einwände, offene Positionen.
- Die Daten werden veredelt. Aus einem beiläufigen Satz wie "unsere Leute sind meistens Quereinsteiger aus dem Handwerk" wird eine ausformulierte Zielgruppenbeschreibung mit Motiven, Ängsten und passenden Ansprachewinkeln. Das Gespräch liefert die Fakten, die KI macht sie nutzbar.
- Alles landet in einer zentralen Datenbank. Kundenprofil, Leistungsprofile, Stellenprofile: sauber verknüpft und für das ganze Team einsehbar. Das wird ab sofort die Single Source of Truth für diesen Kunden.
- Die Asset-Produktion greift direkt darauf zu. Werbetexte, Landingpage-Entwürfe, E-Mail-Sequenzen oder ganze Kampagnen entstehen auf Knopfdruck oder vollautomatisch, immer auf Basis der echten Kundendaten plus deiner hinterlegten Tonalität und Textstruktur.
Der wichtigste Hebel liegt vor der Technik
Ein Notetaker schreibt auf, was gesagt wird. Nicht mehr. Wenn im Call die falschen Fragen gestellt werden, bekommst du ein perfektes Transkript von einem komplett unbrauchbaren Gespräch. Die beste Automatisierung kann das nicht retten.
Automatische Meeting-Zusammenfassungen & Aufgaben aus Fireflies direkt in Slack oder direkt ins Projektmanagement-Tool wie Asana, Clickup oder Monday gepusht.
Deshalb braucht jede Dienstleistung einen eigenen, standardisierten Gesprächsleitfaden. Für eine Recruiting-Kampagne fragst du andere Dinge ab als für die klassische Neukundengewinnung. Entscheidend ist, dass jeder Call zu derselben Leistung derselben Struktur folgt, egal wer ihn führt. Nur dann bekommt die Automatisierung jedes Mal dieselbe Datenlage. Ohne diesen Standard baust du dir ein System, das spätestens beim dritten Kunden bricht.
Ein zweiter Fehler, der in der Praxis ständig passiert: die automatische Zusammenfassung wird weiterverarbeitet statt des vollständigen Transkripts. Die Summary ist für Menschen gedacht, die schnell wissen wollen, worum es ging. Für die Asset-Produktion ist sie fast wertlos, weil genau die Details fehlen, die gute Texte ausmachen, etwa die konkrete Formulierung des Kunden, das Beispiel aus dessen Alltag oder der Nebensatz über den Wettbewerber. Die KI sollte deshalb immer mit dem kompletten Transkript arbeiten.
Was sich durch diesen Workflow konkret verändert
| Vorher | Nachher |
|---|---|
| Wissen steckt in Köpfen einzelner Mitarbeiter | Jeder im Team greift auf dasselbe Kundenprofil zu |
| Kunde muss Dinge mehrfach erklären | Kunde erklärt sein Geschäft einmal, das reicht |
| Qualität schwankt je nach Kunde und Bearbeiter | Konsistente Qualität durch dieselbe Datenstruktur |
| Wachstum erfordert neue Stellen | Skalierung ohne proportional steigende Personalkosten |
Gerade der letzte Punkt ist geschäftlich der spannendste. Pro Kunde bleiben nur noch das Gespräch selbst und die abschließende Qualitätskontrolle übrig. Alles dazwischen erledigt das System. Genau das verschiebt die Marge, denn du skalierst deinen Umsatz, ohne die Personalkosten im gleichen Tempo mitziehen zu müssen.
Die drei häufigsten Fehler beim Aufbau
- Der Notetaker läuft, aber danach passiert nichts. Das Transkript liegt in der Mediathek und wird höchstens bei Bedarf durchsucht. Das ist ein besseres Notizbuch, aber kein System.
- Copy-Paste in ein Chat-Tool. Transkript rauskopieren, einfügen, Prompt schreiben. Funktioniert einmal, skaliert aber nie und ist letztlich nur ein neuer manueller Prozess.
- Automatisieren, bevor die Prozesse stehen. Wer keinen einheitlichen Leitfaden und kein definiertes Datenmodell hat, automatisiert am Ende nur das bestehende Chaos. Erst die Prozesse sauber aufnehmen und visualisieren, dann bauen.
Wie sich das technisch umsetzen lässt
Ein KI-Notetaker wie Fireflies.ai übernimmt Aufnahme und Transkription.
Ein Automatisierungstool wie n8n bildet das Rückgrat: Es empfängt den Webhook, ruft das vollständige Transkript per API ab und steuert die einzelnen KI-Schritte.
Die Extraktion läuft über strukturierte Outputs, sodass jedes Feld zuverlässig befüllt wird, statt als unstrukturierter Fließtext zurückzukommen.
Die Anreicherung der Daten erfolgt in einem separaten Schritt mit eigenen Prompts pro Profiltyp. Eine Datenbank wie Airtable dient als zentrale Ablage mit verknüpften Tabellen für Kunden, Leistungen und Stellen, auf die alle weiteren Produktions-Workflows zugreifen.
Optional lässt sich das fertige Profil vor der Asset-Produktion noch zur Freigabe an den zuständigen Projektmanager schicken. So bleibt an der entscheidenden Stelle immer noch ein Mensch im Loop, der die Qualität final prüft.
Fazit: Das Fundament für alles Weitere
Dieser Workflow ist kein einzelner Use Case, sondern das Fundament, auf dem jede weitere Automatisierung im Agentur-Fulfillment aufbaut. Wer ihn einmal sauber aufsetzt, hat nicht nur ein Problem gelöst, sondern die Grundlage für zwanzig weitere Anwendungen geschaffen.
Schau dir deinen eigenen Onboarding-Prozess einmal genau an: Wo gehen aktuell Informationen verloren, und wie viele Rückfragen entstehen dadurch bei deinen Kunden? Genau da lohnt es sich anzusetzen.
Brauche ich für diesen Workflow ein großes technisches Team?
Nein, die Grundversion lässt sich mit gängigen No-Code-Tools wie einem Notetaker, n8n und Airtable auch mit überschaubarem technischem Know-how aufsetzen, entscheidend ist vor allem eine saubere Planung im Vorfeld.
Was passiert, wenn sich die Anforderungen pro Kunde stark unterscheiden?
Dafür legst du für jede Dienstleistung einen eigenen Gesprächsleitfaden und ein eigenes Datenmodell an, sodass die Struktur innerhalb einer Leistung immer gleich bleibt, auch wenn sich die Leistungen selbst unterscheiden.
Ersetzt dieser Workflow den persönlichen Kontakt zum Kunden?
Nein, im Gegenteil: Der persönliche Call bleibt der wichtigste Moment, weil dort die Rohdaten entstehen, automatisiert wird lediglich die anschließende Verarbeitung und Nutzung dieser Informationen.
Wie stelle ich sicher, dass die KI keine falschen Informationen erfindet?
Indem die KI ausschließlich auf Basis des vollständigen, echten Transkripts arbeitet und die Ergebnisse vor dem Einsatz durch einen Projektmanager freigegeben werden, bevor die Asset-Produktion startet.
Lohnt sich der Aufwand auch für kleinere Agenturen?
Ja, gerade kleinere Teams profitieren stark, weil Wissen nicht mehr an einzelne Personen gebunden ist und Wachstum möglich wird, ohne sofort neue Stellen schaffen zu müssen.