Automatisierung mit n8n, Airtable & OpenAI für LinkedIn-Posts – 12.09.2025

Zusammenfassung des Trainingscalls: 

In dieser Session mit Sonja Schmid stand die vollständige technische Umsetzung eines automatisierten LinkedIn-Postings im Mittelpunkt. Ziel war es, mithilfe von n8n, Airtable und OpenAI einen vollautomatisierten Workflow zu schaffen – von der Themenauswahl bis zum fertigen Post.

Was wurde erreicht:

• Technische Grundstruktur steht:
  Die Verbindungen zwischen n8n ↔ LinkedIn, n8n ↔ Airtable, sowie n8n ↔ OpenAI wurden erfolgreich eingerichtet – ein komplexer Schritt, insbesondere bei der LinkedIn-Anbindung.
• Airtable-Struktur aufgesetzt:
  Jeder Teilnehmer hat eine eigene Tabelle in Airtable, in der pro Posting-Thema das Datum, ein Titel und (mindestens) ein Bild eingetragen werden. Ein Filter sorgt dafür, dass nur aktuelle Beiträge sichtbar sind.
• Base-ID und Table-ID generiert:
  Über ein bereitgestelltes LLM-Prompt wurden aus der Airtable-URL die nötigen IDs gezogen, um n8n korrekt mit Airtable zu verbinden.
• Systemprompt zur Tonalität erzeugt:
  Ein systematischer Prompt wurde formuliert (entweder mit eigenen Attributen oder über LinkedIn-Profil), um OpenAI anzuweisen, im gewünschten Stil Texte zu schreiben.
• JSON-Workflows bereitgestellt:
  Zwei zentrale JSON-Files wurden über die WhatsApp-Gruppe geteilt, welche direkt in n8n importiert werden konnten:
  1. Textgenerierung
  2. Veröffentlichungsvorbereitung
• Workflow-Anpassung in n8n:
  Schritt für Schritt wurden in den importierten JSON-Workflows folgende Nodes angepasst:

• • Airtable-Datenabruf
  • Übergabe des System- und Userprompts
  • API-Verbindungen über Predefined Credentials
  • Rückspeicherung des generierten Texts in Airtable

• Security-Best Practices:
  Christoph erläuterte, wie sensible Tokens (z. B. OpenAI-API-Key) über sichere Credential-Verwaltung in n8n eingebunden werden – ein wichtiger Hinweis für Datenschutz und Skalierbarkeit.
• Troubleshooting & Community-Support:
  Fehleranalysen und Live-Unterstützung durch Teilnehmer (z. B. Token-Probleme, Syntaxfehler im Prompt, Limits bei OpenAI). Die Community zeigte sich extrem hilfsbereit.
• Ausblick:
  Sonja wird bis Sonntag ein detailliertes Schritt-für-Schritt-Erklärungsvideo erstellen, das alle Nodes und Einträge im JSON nachvollziehbar macht. Am Montag um 18:30 Uhr findet ein Troubleshooting-Call für die letzten offenen Fragen statt.

Automatisierung mit n8n, Airtable & OpenAI für LinkedIn-Posts – 15.09.2025

Inhalte und Schwerpunkte

Finalisierung der LinkedIn-Automatisierungsstrecke mit n8n und Airtable (Extra-Session mit Sonja Schmid)

In dieser Trainingssession wurde die technische Umsetzung und Fehlerbehebung einer LinkedIn-Automatisierungsstrecke mithilfe von n8n und Airtable gemeinsam mit den Teilnehmenden finalisiert. Besonderer Fokus lag auf der Fehlersuche, Fehlerbehebung und Anpassung der API-Verbindungen zwischen n8n, Airtable und OpenAI. Die Session fand im Q&A-Format statt und bot viel Raum für individuelle Bildschirmfreigaben, direkte Problemlösungen und kollektive Erkenntnisse.

Ziel: Sicherstellung, dass die Workflow-Strecke zur automatisierten Erstellung und Übergabe von LinkedIn-Posts (Texte, Bilder) in n8n und Airtable bei allen funktioniert – als Vorbereitung auf die Veröffentlichung auf LinkedIn.

Technische Schwerpunkte & Problemstellungen

• Fehlermeldungen analysieren und verstehen: Häufige Fehler wie Error 422 (Ungültige Anfrage), Error 404 (Nicht gefunden), falsche Request-Formate, fehlerhafte JSON-Strukturen.

• URL-Strukturen korrekt aufbauen: Kleinigkeiten wie ein fehlender Slash / oder ein nicht erlaubter „view“-Parameter in der Airtable-URL führten regelmäßig zu Fehlern.

• API-Zugänge und Authentifizierungen prüfen:

  • Richtiges Setzen des Airtable Personal Access Token.

  • Nutzung des richtigen Base ID und Table ID – generiert über Prompts via LLM (z.B. ChatGPT).

  • Gemeinsame Arbeit mit Prompts zur Generierung der korrekten API-Parameter.

• Filter in Airtable korrekt anwenden:

  • Wichtig: Datum auf heute setzen und Status „Ready“ auswählen.

  • Fehlende Filterbedingungen führten dazu, dass keine Daten übermittelt wurden.

• JSON-Body korrekt strukturieren:

  • Abgleich mit ChatGPT half, den exakten Aufbau für Airtable zu identifizieren.

  • Unterschiedliche API-Endpunkte führten zu unterschiedlichen Resultaten.

• n8n-Workflows finalisieren:

  • Änderungen speichern nicht vergessen!

  • Nutzung von „Execute Step“ und „Execute Workflow“ zur schrittweisen Überprüfung.

• Fehlerquellen eliminieren:

  • Verwechslung von Testdaten.

  • Unvollständig gespeicherte Änderungen.

  • Inkompatible „View“-Einstellungen oder fehlerhafte Prompt-Nutzung.

Vorgehen im Call

• Individuelle Fehler wurden direkt im Call via Bildschirmfreigabe gelöst.

• Gemeinsame Generierung von API-Strings mit Hilfe von Prompts in einem LLM.

• Anpassung der Workflow-Settings (z. B. „Always Output Data“, „On Error: Continue“).

• Empfehlungen zur OpenAI-Nutzung: Hinterlegen einer Zahlungsmethode, um API-Zugriff sicherzustellen, auch im Free Trial.

• Bei Bedarf: Einrichtung einer weiteren Session oder persönliche 1:1-Zooms angeboten.

Essenz

Diese Session diente der finalen technischen Klärung und Sicherstellung der Funktionstüchtigkeit des LinkedIn-Content-Automatisierungsworkflows mit n8n, Airtable und OpenAI. Die häufigsten Fehlerquellen wurden live besprochen und behoben. Teilnehmer:innen konnten ihre individuellen Herausforderungen durch aktive Unterstützung lösen. Ziel war es, dass alle Teilnehmenden am Ende einen funktionierenden Textgenerierungsprozess in Airtable vorliegen haben, auf dessen Basis später auch der Posting-Workflow auf LinkedIn läuft. Dabei wurde technisches Verständnis für API-Strukturen, JSON-Formate, sowie für die Feinheiten in n8n- und Airtable-Konfiguration vermittelt.