Author: mmmtdv7@gmail.com

“AI Act-boete kan oplopen tot 35 miljoen euro.” Die kop kom je overal tegen — en hij klopt, letterlijk. Maar hij vertelt niet het hele verhaal, en voor een MKB’er of freelancer met een n8n-workflow of een AI-chatbot is dat bedrag vrijwel nooit het echte risico. Er staat namelijk een regel in de wet die bijna geen enkel artikel vermeldt.

De drie boete-niveaus (dit is waar de angst-koppen vandaan komen)

De AI Act (artikel 99) kent drie niveaus van overtreding, elk met een maximumbedrag of een percentage van de wereldwijde jaaromzet — welke van de twee hoger is, geldt in principe:

• Niveau 1 — verboden AI-toepassingen (artikel 5, zoals social scoring of manipulatieve AI): tot €35 miljoen of 7% van de wereldwijde jaaromzet.
• Niveau 2 — de meeste overtredingen (bijvoorbeeld verplichtingen voor providers/gebruikers van hoogrisico-systemen): tot €15 miljoen of 3% van de omzet.
• Niveau 3 — onjuiste informatie aan een toezichthouder: tot €7,5 miljoen of 1% van de omzet.

Voor een multinational is dat “of” de crux: bij een miljardenomzet is het percentage hoger dan het vaste bedrag, dus geldt het percentage. Vrijwel alle Nederlandse artikelen over AI Act-boetes stoppen hier — en laten precies het deel weg dat voor een MKB’er het meest relevant is.

De MKB-regel: artikel 99, lid 6

Voor MKB-bedrijven en start-ups draait diezelfde regel om: niet het hoogste van de twee bedragen geldt, maar het laagste. Dat staat met zoveel woorden in artikel 99, lid 6 van de AI Act.

Concreet voorbeeld: stel, je hebt een eenmanszaak of MKB-bedrijf met €2 miljoen omzet en je overtreedt (hypothetisch) een niveau-2-verplichting. Het percentage (3% van €2 miljoen) is €60.000 — en dat is veruit het laagste van de twee bedragen, dus dat is je maximum. Niet de €15 miljoen die in elke angstaanjagende kop staat.

Diezelfde logica geldt op alle drie de niveaus: hoe kleiner je omzet, hoe kleiner het percentage-bedrag uitvalt, en dat lagere bedrag is dan je maximum — niet het miljoenenbedrag.

Extra nuance uit de Digital Omnibus: “kleine mid-caps”

De Digital Omnibus (het pakket dat begin 2026 ook de hoogrisico-deadlines heeft verschoven, zie ons artikel over wat nu al verplicht is) voegde nog een categorie toe: “kleine mid-cap-ondernemingen” (minder dan 750 werknemers). Voor die groep geldt de laagste-bedrag-regel alléén op niveau 2 en 3 — niet op niveau 1 (verboden AI-toepassingen). Voor de meeste lezers van deze site (eenmanszaken, freelancers, kleine MKB-bedrijven) verandert dit niets: jullie vallen al onder de gewone MKB/start-up-regel van lid 6, met de laagste-bedrag-regel op alle drie de niveaus.

En dan is er nog dit: toezichthouders sturen eerst op herstel

Zelfs binnen die realistischere bedragen is een boete niet de eerste stap. De toezichthouders geven bedrijven die aantoonbaar hun zaken op orde brengen — een AI-register, een duidelijke transparantie-melding, een basis-audit-trail — de kans om te corrigeren vóórdat een boete in beeld komt. Wie niets doet en negeert dat een toezichthouder contact opneemt, loopt uiteraard wel risico.

Kort gezegd: de kans dat een freelancer of klein MKB-bedrijf met een AI-chatbot of n8n-workflow een boete van miljoenen euro’s krijgt, is vrijwel nul. Het risico dat er wél is — een boete van enkele duizenden tot tienduizenden euro’s, of gewoon een correctietraject — is reëel genoeg om je zaken op orde te hebben, maar geen reden voor paniek.

Zo breng je het zonder paniek op orde

Drie stukken die je hierbij helpen, in volgorde van waar de meeste lezers als eerste aan toe zijn:

• Weet wat nu al verplicht is (en wat niet): AI Act en jouw n8n-automatisering — een korte transparantie-melding (artikel 50) is voor de meeste bouwers de enige echt urgente actie.
• Bouw een audit-trail die meebeweegt: Bouw in n8n een AI-workflow met een ingebouwde audit-trail — precies het soort “zaken op orde” dat een toezichthouder wil zien.
• Laat de overheid meebetalen aan wat je moet leren: SLIM-subsidie + artikel 4 (AI-geletterdheid).

Dit is geen juridisch advies

Dit artikel legt de hoofdlijn van artikel 99 uit om de angst-koppen in perspectief te zetten, maar is geen vervanging van een jurist. Boetehoogtes, uitzonderingen en de precieze toepassing kunnen per situatie verschillen. Twijfel je of jouw specifieke toepassing onder een van deze niveaus valt? Raadpleeg een jurist gespecialiseerd in AI-regelgeving.

Veelgestelde vragen

Geldt de MKB-regel automatisch, of moet ik daar iets voor aanvragen?
Automatisch — het is geen subsidie of vrijstelling waar je een aanvraag voor indient, maar een rekenregel in de wet zelf die van toepassing is zodra je onder de MKB/start-up-definitie valt.

Betekent dit dat ik niets hoef te doen aan compliance?
Nee. Het betekent dat het financiële worst-case-scenario voor jou veel kleiner is dan de koppen suggereren — niet dat de verplichtingen (transparantie, AI-geletterdheid) niet gelden.

Wanneer geldt de AI Act eigenlijk al?
Het grootste deel is sinds 2 augustus 2026 van kracht en wordt actief gehandhaafd, inclusief artikel 4 (AI-geletterdheid), artikel 5 (verboden toepassingen) en artikel 50 (transparantie).

---

Bronnen: EU AI Act, artikel 99 (boetes); AIComplianceHub.nl — AI Act boetes; Thraive — EU AI Act verplichtingen MKB.

Je weet dat je eigenlijk overal shorts “moet” posten. Maar dagelijks filmen, knippen en publiceren naast je werk is niet vol te houden. De uitweg is niet méér maken — het is hergebruiken wat je al hebt. Eén podcast, webinar, klantgesprek of YouTube-video zit vol momenten die op zichzelf als short werken. Dit artikel laat zien hoe je dat systematisch doet met AI-clipping (zoals OpusClip), zonder dat het een dagtaak wordt — en waar je de AI niet blind moet vertrouwen.

Het principe: van 1 video naar 10-30 clips

De rekensom die het de moeite waard maakt: 1 video van 30-60 minuten levert gemiddeld 10-30 bruikbare clips op — genoeg voor 2-4 weken posten op TikTok, Reels, Shorts en LinkedIn. Je productie-inspanning verschuift van “elke dag maken” naar “één keer per week knippen”.

Een AI-clipping-tool analyseert de lange video, zoekt de sterkste momenten (hooks, punchlines, complete gedachten), knipt ze uit, voegt automatisch ondertitels, een hook en de juiste 9:16-uitsnede toe, en geeft elke clip een “score” als prioriteitshulp. Wat het niet doet: jouw merk, timing en publiek begrijpen. Die score is een richtlijn, geen garantie — vandaar de curatie-stap hieronder.

De workflow in 5 stappen

1. Kies de juiste bron. Spraak-gedreven, waarde-dicht materiaal werkt het best: podcast, webinar, interview, uitlegvideo, klantgesprek (met toestemming). Pure schermopnames of muziek werken slecht.
2. Upload de video of plak de link. Zet de taal op Nederlands voor de ondertiteling — test dit zelf even, AI-ondertitels missen soms namen, vaktermen of getallen.
3. Laat clippen en filter op score. Je krijgt een reeks clips met een score. Neem niet alles over — pak de top 10-15 en beoordeel ze zelf.
4. Cureer en fix — de stap die de meeste mensen overslaan. Controleer de hook (de eerste 1,5 seconde), corrigeer ondertitelfouten, snijd de clip strak (geen dode start of eind), en check of gezicht/onderwerp goed in beeld staat.
5. Publiceer en plan. Spreid de clips over 2-4 weken in plaats van ze allemaal tegelijk te posten. Meet welke hoeken scoren, en gebruik dat voor je volgende lange video.

Optioneel: koppel het aan n8n

Wil je dit verder automatiseren, dan kan een n8n-workflow de trigger en routing regelen: een nieuwe video-upload zet automatisch een clip-taak in gang, de concepten landen in een map, jij cureert, en pas dan gaat het de deur uit. De clipping-tool doet het knippen, n8n regelt de stroom eromheen — check zelf even via welke koppeling (API, Zapier of webhook) dat precies loopt.

Waarom “1 klik → viraal” niet klopt

• Ruwe AI-clips floppen vaak. De AI kiest op basis van transcript-signalen, niet op wat jóuw publiek raakt. Zonder curatie post je middelmaat op schaal.
• De hook maakt of breekt een clip. AI zet soms een opwarmzin vooraan — de eerste 1,5 seconde bepaalt of iemand blijft kijken. Altijd zelf checken.
• Nederlandse ondertitels zijn niet perfect. Namen, vaktermen en getallen gaan wel eens mis, en dat kost je meteen geloofwaardigheid. Even nalezen per clip is de belangrijkste kwaliteitsstap.
• Volume is geen resultaat. Beter 8 sterke clips dan 30 middelmatige.

Wanneer dit wel (en niet) voor jou werkt

Heb je regelmatig lange, spraak-gedreven video’s en wil je daar structureel shorts uit halen? Dan verdient een tool als OpusClip zich terug in tijd. Maak je nauwelijks lange video’s, dan is er simpelweg niets om te hergebruiken — begin dan bij bron-content maken. Wil je juist maximale controle over elke frame, dan is handmatig knippen (of een tool als Descript) passender. Andere bekende namen in dit veld zijn Vizard, Klap en Munch — vergelijk gerust voordat je kiest.

Aan de slag

Pak deze week één bestaande lange video, knip ‘m met een AI-tool, cureer de top 10, en plan ze in. Meet wat scoort voordat je verder opschaalt.

👉 Bekijk OpusClip (directe link, geen partnerlink)

Veelgestelde vragen

Kan ik alle door AI geknipte clips zomaar posten?
Beter niet — controleer in ieder geval de hook en de ondertitels voordat je publiceert. Rauwe AI-clips presteren meestal slechter dan gecureerde.

Werkt dit ook goed in het Nederlands?
Grotendeels, maar test het zelf: namen, vaktermen en getallen gaan bij Nederlandse ondertiteling af en toe mis.

Heb ik hier n8n voor nodig?
Nee, dat is optioneel. Je kunt prima handmatig een video uploaden, clippen en cureren — n8n is alleen nuttig als je de trigger en planning ook wil automatiseren.

Prijzen en features veranderen — check de officiële pagina voor de actuele stand voordat je een keuze maakt.

Facturen overtypen, bonnetjes sorteren, contracten doorlezen — het is saai, foutgevoelig en het kost tijd. Handmatige factuurverwerking kost het gemiddelde MKB naar schatting 4 tot 6 uur per week. De klassieke oplossing was een dure OCR-tool met een vast sjabloon per leverancier. Dat kan inmiddels anders: een multimodaal AI-model (zoals GPT-4o of Claude) leest een PDF, foto of scan gewoon uit — ook zonder sjabloon, ook bij een rommelige lay-out — en n8n regelt de stroom eromheen: uitlezen, controleren, wegschrijven naar je boekhouding, seintje bij twijfel.

Wat het kost, en wat het oplevert

• Tijd: handmatige factuurverwerking kost het gemiddelde MKB circa 4-6 uur per week. Een goed ingerichte n8n+AI-workflow handelt in de praktijk 80-90% van de facturen volautomatisch af — de rest controleer je even zelf.
• Kosten: n8n Cloud vanaf ongeveer €20/maand (of gratis als je zelf host) + een paar cent per factuur aan AI-modelgebruik. Geen aparte OCR-licentie nodig — dat is de besparing ten opzichte van enterprise-tools als Klippa, Nanonets of Rossum.
• Bouwtijd: een simpele versie zet je in 1-2 uur neer; met AI-verwerking en validatie erbij reken je op 4-8 uur. Eenmalig bouwen, daarna draait het.

Ter illustratie noemen leveranciers van enterprise-documentverwerking (zoals Nanonets) cijfers als “88% minder handmatig werk” — mooi als richting, maar behandel het als claim, niet als garantie voor jouw situatie.

Hoe de workflow in elkaar zit

Het patroon is steeds hetzelfde, ongeacht het documenttype:

1. Binnenkomst. Gmail/Outlook-bijlage, een map in Google Drive/Dropbox, of een upload-formulier — n8n pakt het bestand op zodra het binnenkomt.
2. Uitlezen met AI. De PDF of foto gaat naar een multimodaal AI-model met het verzoek om gestructureerde output (leverancier, factuurnummer, bedrag, btw, datum, IBAN) als JSON terug te geven. Geen sjabloon per leverancier nodig.
3. Valideren. Klopt de btw-berekening, is het bedrag boven een drempel, is de leverancier bekend, is het geen dubbele factuur? Wijkt iets af, dan gaat het naar een mens.
4. Wegschrijven naar de boekhouding. Via een koppeling naar bijvoorbeeld Moneybird, of eerst naar een tussenlaag (Google Sheets) als controle-buffer.
5. Mens-in-de-loop bij twijfel. Twijfelgevallen gaan naar een Slack- of e-mailmelding; pas na akkoord wordt de factuur ingeboekt. Leg vast wie akkoord gaf en waarop.
6. Logging. n8n’s uitvoeringslogs leggen vast wat er is gebeurd — nuttig als je ook moet kunnen aantonen hoe een document is verwerkt.

Breder dan alleen facturen

Hetzelfde patroon werkt voor meer documentstromen: contracten samenvatten en looptijd/opzegtermijn eruit halen, cv’s screenen op criteria tot een shortlist, of e-mail met bijlagen classificeren en automatisch naar de juiste map of persoon routeren.

Zelf bouwen of een kant-en-klare tool?

Een eerlijke vergelijking, geen verkooppraatje:

• Kant-en-klaar (Klippa, Nanonets, Rossum, Docsumo): sneller live, ingebouwde validatie en boekhoud-koppelingen, support — maar enterprise-prijzen, vaak demo-only, minder flexibel, en je zit vast aan hun roadmap.
• Zelf bouwen in n8n: goedkoper, volledig flexibel, breder inzetbaar (niet alleen facturen), en bij self-hosting blijft je data bij jou — maar je bouwt en onderhoudt het zelf.

Wanneer je dit beter niet zelf bouwt

• Heel weinig documenten (minder dan 10-20 per maand): handmatig is dan sneller dan bouwen en onderhouden.
• Juridisch bindende contractbeslissingen volledig aan AI overlaten: niet doen. Gebruik AI om voor te bereiden, laat een mens tekenen.
• 100% nauwkeurigheid zonder controle nodig? Reken op 80-90% automatisch en houd een mens-in-de-loop voor de rest.

AVG en de bewaarplicht

Facturen, cv’s en contracten bevatten persoonsgegevens, dus de AVG is van toepassing: regel een bewaartermijn, kies voor EU-hosting (self-host of n8n Cloud in een EU-regio) en houd een logboek bij van wat er met een document is gebeurd.

Voor de fiscale kant geldt volgens de Belastingdienst een bewaarplicht van 7 jaar voor je administratie. Let op: voor gegevens over onroerend goed en voor bepaalde regelingen bij invoer/de eenloketsysteem-regelingen geldt een langere termijn van 10 jaar. Twijfel je, check dit voor je eigen situatie op belastingdienst.nl.

Aan de slag

Begin met één documenttype — bijvoorbeeld alleen inkoopfacturen — meet de tijdwinst, en breid daarna uit naar contracten, cv’s of e-mailroutering.

👉 Bekijk n8n · Bekijk Moneybird (directe links, geen partnerlinks)

Veelgestelde vragen

Werkt dit ook zonder vast sjabloon per leverancier?
Ja — dat is precies het verschil met klassieke OCR. Een multimodaal AI-model leest de factuur inhoudelijk uit, ook bij een afwijkende lay-out.

Heb ik hiervoor een aparte OCR-tool nodig?
Voor veel MKB-cases niet — de combinatie van n8n met een multimodaal AI-model vervangt die aparte tool. Bij hoge volumes of specifieke eisen kan een enterprise-tool nog steeds logischer zijn.

Is dit veilig genoeg voor gevoelige documenten?
Zorg voor EU-hosting of self-hosting, een duidelijke bewaartermijn en een audit-trail. Voor echt gevoelige of juridisch bindende beslissingen: houd een mens in de loop.

Prijzen en features veranderen — check de officiële pagina’s van n8n en je boekhoudpakket voor de actuele stand voordat je een keuze maakt.

Gebruik je WhatsApp voor klantcontact — webshop, praktijk, horeca, of misschien een AI-klantenservice-agent? Dan verandert er per 1 oktober 2026 iets dat je niet wilt missen. Meta voert weer kosten in voor “service-berichten” — de antwoorden die je stuurt binnen een gesprek dat de klant zelf start. En er zit een harde actie-deadline aan vast: vóór 30 september 2026 moet er een geldige betaalmethode gekoppeld staan aan je WhatsApp Business Account, anders stoppen je service-berichten simpelweg met aankomen vanaf 1 oktober — zonder duidelijke melding. Klanten blijven je gewoon appen, jouw antwoorden komen alleen niet meer aan.

Wat er precies verandert op 1 oktober

Even de tijdlijn op een rij:

• Sinds november 2024: antwoorden binnen het “24-uursvenster” dat een klant zelf opent, zijn gratis en ongelimiteerd.
• Vanaf 1 oktober 2026: die service-berichten kosten weer geld, per bericht — met de eerste 1.000 service-berichten per WhatsApp-telefoonnummer per maand nog gratis. Daarboven betaal je, zonder volumekorting.
• Nieuw (scherpere regel, bijgewerkt 10 september 2026): niet alleen service-berichten verliezen hun gratis-status — ook “utility”-antwoorden die je binnen dat 24-uursvenster verstuurt, worden vanaf 1 oktober niet langer gratis bezorgd.

En het belangrijkste actiepunt: zorg dat er vóór 30 september een geldige betaalmethode gekoppeld is aan je WhatsApp Business Account. Accounts zonder betaalmethode op die datum krijgen vanaf 1 oktober simpelweg geen service-berichten meer bezorgd — een storing die je makkelijk pas opmerkt als een klant klaagt dat je niet reageert.

De vier soorten berichten (en waarom dat je rekening bepaalt)

Meta rekent per categorie een ander tarief. Welk sjabloon (template) je gebruikt, bepaalt de categorie — verkeerd ingedeeld betekent duurder of zelfs afgekeurd.

• Marketing — promotie, nieuwsbrief, aanbiedingen. Duurste categorie.
• Utility — na een actie van de klant: orderbevestiging, afspraakherinnering.
• Authentication — inlogcodes/OTP.
• Service — antwoorden binnen het 24-uursvenster dat de klant zelf opende. Nu nog gratis, vanaf 1 oktober betaald — en let op: tegen het utility-tarief, niet het duurdere marketing-tarief. Dat is goed nieuws: veel MKB’ers vrezen het marketing-tarief, maar dat geldt hier niet.

Voor Nederland komt utility uit op ongeveer €0,03–0,04 per bericht (marketing ligt ruwweg 2,5–3× hoger) — dit is Meta’s platform-tarief, exclusief de marge die je eigen provider (BSP) er nog bovenop rekent. Let op: verschillende bronnen geven net iets andere NL-cijfers, en er circuleert online een verouderd tarief van rond de €0,18 dat uit het oude, per-conversatie-model van vóór juli 2025 stamt — reken daarmee niet. Vraag voor een exact bedrag de actuele NL-rate-card op bij je eigen provider.

Een aparte categorie: als een klant wordt beantwoord door Meta’s eigen ingebouwde AI (“Business AI”), rekent Meta dat apart af per token — dat is dus een andere kostenpost dan het service-bericht-tarief hierboven. Laat je klanten antwoorden door je eigen AI-agent (bijvoorbeeld een n8n-workflow), dan val je gewoon onder het normale service-bericht-tarief.

Zo houd je de kosten laag

1. Benut het 24-uursvenster slim. Zolang de klant het gesprek opent en jij binnen 24 uur antwoordt, blijf je in de goedkoopste categorie. Een AI-agent die snel en volledig binnen dat venster reageert, drukt je kosten het hardst.
2. Stuur verkeer via een click-to-WhatsApp-advertentie of Facebook-knop. Dat opent een apart 72-uurs gratis venster voor het gesprek dat erop volgt — handig als je toch al adverteert.
3. Kies de juiste categorie per sjabloon. Stuur transactionele info als “utility”, niet als “marketing” — scheelt direct geld én afkeuringen.
4. Kies een provider die bij je volume past. Laag volume → een provider met lage vaste kosten. Bij hoger volume telt de marge per bericht zwaarder mee dan de maandelijkse abonnementskosten.
5. Automatiseer de eerstelijn. Veel service-berichten zijn dezelfde vragen (orderstatus, openingstijden, afspraak verzetten). Een AI-agent handelt die af binnen het gratis venster — minder handmatig werk, snellere reactie, lagere kosten.

De valkuil

Wacht niet tot 29 september met het koppelen van een betaalmethode — verificatie bij Meta kan een paar dagen duren, en een stille storing in je klantcontact merk je meestal te laat op. En: een AI-agent is geen excuus om vaker te sturen. Marketingberichten blijven de duurste categorie én irriteren klanten — gebruik automatisering om sneller te helpen, niet om meer te versturen.

Wat nu te doen

Nog deze maand: controleer of er een betaalmethode gekoppeld staat aan je WhatsApp Business Account, check in welke categorie je huidige sjablonen vallen, en overweeg of een AI-agent (bijvoorbeeld gebouwd in n8n, met de native WhatsApp Business Cloud-node) je eerstelijns-vragen binnen het gratis venster kan afhandelen.

Veelgestelde vragen

Wat gebeurt er als ik niks doe voor 30 september?
Vanaf 1 oktober worden service-berichten vanaf jouw account niet meer bezorgd totdat er alsnog een geldige betaalmethode gekoppeld is. Klanten kunnen jou nog wel bereiken; jouw antwoorden komen dan niet aan.

Geldt dit ook voor kleine accounts met weinig berichtenverkeer?
Ja, de eis voor een gekoppelde betaalmethode geldt voor elk WhatsApp Business Account, ongeacht volume.

Wordt alles nu duurder, ook marketing- en utility-berichten?
Nee, marketing, utility en authenticatie waren al betaald sinds de vorige prijswijziging (juli 2025). Wat nú verandert is dat de tot dusver gratis service-berichten (antwoorden binnen het klant-geopende venster) ook kosten gaan maken.

Waar regel ik de betaalmethode?
Via WhatsApp Manager / Meta Business Suite, gekoppeld aan je WhatsApp Business Account. Zit je via een provider (BSP) zoals Twilio, 360dialog of Trengo, vraag dan na of zij dit voor je regelen of dat jij het zelf moet instellen.

Je publiceert een blogpost. Die kost je een paar uur: onderzoek, schrijven, redigeren. En dan? Meestal blijft het daarbij — misschien nog één LinkedIn-berichtje erbij, als je tijd hebt.

Terwijl datzelfde stuk content makkelijk nog vier of vijf keer inzetbaar is: als LinkedIn-post, als X/Twitter-thread, als nieuwsbrief-item, zelfs als voice-over voor een korte video. Het probleem is nooit het idee — het is de tijd om het steeds opnieuw te herschrijven voor elk kanaal.

Dat is precies waar een AI-workflow in n8n het verschil maakt. In dit artikel laat ik zien hoe ik één artikel automatisch laat “repurposen” naar meerdere formats, zonder dat ik zelf iets hoef te herschrijven.

Wat is content-repurposing (en waarom kan AI dit nu goed)

Content-repurposing betekent: één stuk basiscontent (een blogpost, een video-transcript, een uitgewerkte case) hergebruiken in meerdere vormen voor meerdere kanalen. Vroeger betekende dat: zelf per kanaal herschrijven, wat al snel net zoveel tijd kost als het origineel.

Het verschil nu: een AI-node in een workflow kan die vertaalslag maken — van lang artikel naar een pakkende LinkedIn-post, of naar een thread van losse punten — zolang je ‘m duidelijk vertelt welke toon en vorm je wil. Jij blijft de bron en de controle; AI doet het herschrijfwerk.

De workflow die ik zelf gebruik

Dit is dezelfde opzet als de andere workflows op deze site: bouwbaar, exporteerbaar als JSON, en je hoeft geen developer te zijn om ‘m in elkaar te zetten.

1. Trigger: een nieuwe blogpost wordt gepubliceerd (RSS-node op je eigen site, of een handmatige trigger als je liever zelf op “start” drukt).
2. AI-node — LinkedIn-versie: vat het artikel samen tot een LinkedIn-post in jouw toon-of-voice (prompt met een paar voorbeelden van je eigen stijl erbij, zodat het niet generiek klinkt).
3. AI-node — X/Twitter-thread: zet dezelfde kerninhoud om in een reeks van 5-7 korte, op zichzelf staande punten.
4. AI-node — nieuwsbrief-intro: schrijft een korte samenvatting + call-to-action richting het volledige artikel.
5. Optioneel — voice-over: stuur de samenvatting naar een tekst-naar-spraak-node (bijvoorbeeld ElevenLabs) om een audio-versie te genereren — bruikbaar als voice-over onder een korte video of als los audiofragment.
6. Optioneel — presentatie/carrousel: laat Gamma van dezelfde samenvatting een korte slide-presentatie maken — ideaal om als LinkedIn-carrousel te posten, weer een extra format uit hetzelfde ene artikel.
7. Verzamelen: alle output komt samen in één plek (Notion, Airtable, of gewoon een e-mail naar jezelf) klaar om te reviewen en te posten.

Let op: dit vervangt niet je eigen goedkeuring. De workflow zet alles klaar — jij leest het in een paar minuten door voordat het de deur uitgaat. Dat is ook precies waarom dit type workflow AVG-technisch en reputatie-technisch geen risico is: er wordt niets automatisch gepost zonder dat jij het zag.

De rekensom

• Handmatig: een LinkedIn-post, een thread en een nieuwsbrief-intro herschrijven kost al snel 2-3 uur per artikel.
• Geautomatiseerd: de workflow draait in een paar minuten; jij besteedt er zelf nog 10-15 minuten aan om te reviewen en te posten.
• Resultaat: één artikel wordt zonder extra schrijfwerk zichtbaar op vier tot vijf plekken in plaats van één.

Tools die ik hiervoor gebruik

• n8n — de workflow-engine die dit hele proces aan elkaar knoopt. (Nog geen officieel n8n-affiliateprogramma-link beschikbaar op dit moment — rechtstreekse link: n8n.io)
• ElevenLabs — voor de optionele voice-over-stap; dit is de tool die ik zelf gebruik voor tekst-naar-spraak. Probeer ElevenLabs
• Gamma — voor de optionele presentatie/carrousel-stap; hiermee zet ik een samenvatting razendsnel om in slides. Probeer Gamma

Veelgestelde vragen

Moet ik alles automatisch laten posten?
Nee, en dat raad ik ook niet aan. Laat de workflow de content voorbereiden, review het zelf, en post handmatig of via een aparte, bewuste stap.

Werkt dit ook met video-transcripten in plaats van blogposts?
Ja — de trigger en AI-stappen werken net zo goed met een transcript als bron. Je kunt dezelfde opzet gebruiken om een YouTube-video terug te brengen naar tekstformats.

Heb ik dure AI-modellen nodig?
Nee, dit draait al goed met betaalbare modellen — dezelfde aanpak als bij de lead-opvolgingsworkflow eerder op deze site.

Op 2 augustus 2026 zou de AI Act voor een groot deel van kracht worden voor MKB’ers die AI gebruiken — van een simpele WhatsApp-bot tot een AI-receptionist. Als je de afgelopen maanden compliance-checklists hebt gelezen, ben je vast de term “audit-trail verplicht per 2 augustus” tegengekomen.

Dat klopt niet meer. In mei 2026 sloot de EU een akkoord (het zogeheten “Digital Omnibus”) dat een flink deel van die verplichtingen heeft uitgesteld. Veel content over dit onderwerp is daardoor inmiddels achterhaald.

Dus: wat moet je als n8n-gebruiker nu écht regelen, en wat kun je rustig aan laten? En waarom bouw ik de audit-trail hieronder toch, ook al is die (nog) niet verplicht?

Wat er is veranderd

Het Europees Parlement en de Raad hebben het Digital Omnibus-pakket geformaliseerd (Parlement 16 juni 2026, Raad 29 juni 2026). De belangrijkste wijziging voor bouwers: de verplichtingen voor hoogrisico AI-systemen (waaronder de logging- en bewaarplicht uit artikel 12 en 19) zijn verschoven:

• Hoogrisico-systemen onder Annex III (denk aan: sollicitatie-/HR-selectie, kredietbeoordeling, biometrische identificatie) — van 2 augustus 2026 naar 2 december 2027.
• Hoogrisico-systemen die onderdeel zijn van gereguleerde producten (medische apparatuur, machines) — naar 2 augustus 2028.

Belangrijke nuance die de meeste checklists er niet bij zetten: de meeste n8n-workflows die MKB’ers en freelancers bouwen — leadopvolging, klantenservice-automatisering, contentgeneratie — vallen sowieso niet onder “hoogrisico”. Die categorie is vrij smal en juridisch specifiek. Dus zelfs zonder het uitstel gold de zware audit-trail-verplichting voor de meeste lezers van dit artikel waarschijnlijk al niet.

Wat wél gewoon nu al geldt

Twee dingen zijn niet uitgesteld en zijn relevant voor zo goed als iedereen die AI inzet richting klanten:

Artikel 50 — transparantie. Dit staat nog steeds op de kalender van 2 augustus 2026 (dus: is nu al van kracht). Kort samengevat: als iemand met een AI-systeem communiceert (chatbot) of AI-gegenereerde content ontvangt die verward zou kunnen worden met een mens, moet je dat duidelijk maken. Voor de meeste n8n-bouwers komt dit neer op één regel: zet een korte, eerlijke disclosure in je AI-gegenereerde e-mails of chatbot-flows. Alleen de technische watermerk-plicht voor content die al vóór 2 augustus 2026 live stond, heeft een overgangsperiode tot 2 december 2026.

Artikel 4 — AI-geletterdheid. Van kracht sinds februari 2025, met het Digital Omnibus iets afgezwakt (van een harde garantie naar “de ontwikkeling van AI-geletterdheid ondersteunen”), maar nog steeds een reële verplichting: jij en je team moeten voldoende begrijpen hoe de AI-tools werken die je inzet, inclusief de risico’s.

Kort gezegd: geen paniek over audit-trails, wel een disclosure-zinnetje toevoegen en zorgen dat je zelf snapt wat je bouwt.

Waarom ik de audit-trail toch laat zien

Ook al is het (nog) niet verplicht voor de meeste n8n-workflows: een audit-trail is gewoon goede bouwpraktijk. Het scheelt je uren debuggen als een workflow misgaat, het is bewijs richting een klant als er ooit een vraag komt over een AI-gegenereerde e-mail, en als je wél ooit richting een hoogrisico-toepassing groeit, sta je er al klaar voor.

n8n genereert automatisch gestructureerde records (workflow-ID, run-ID, node-niveau in-/output, timestamps) — daar hoef je in principe niets extra’s voor te doen. Voor een workflow die je zelf onder controle wilt houden, zijn dit de bouwstenen:

1. Execution Data node — legt de zakelijke identifiers van een run vast (wie, wanneer, welke workflow).
2. Code node — voor custom logging: wat ging er precies in en uit bij de AI-stap?
3. Error Trigger — vangt en logt fouten, zodat je niet blind bent als een run vastloopt.
4. Bewaartermijn — een richtlijn van 6 maanden (zoals artikel 19 straks voor hoogrisico-systemen eist) is een prima vuistregel, ook als het voor jou nog niet verplicht is.
5. Self-hosted: exporteer logs via OpenTelemetry als je alles binnen je eigen infrastructuur wilt houden.
6. n8n Cloud (enterprise): log streaming en execution-data redaction (gevoelige data automatisch maskeren) zijn ingebouwd, geen gedoe met eigen server-beheer.

De transparantie-regel praktisch toepassen

Voor de meeste van jullie is dit de enige actie die nu echt nodig is. Twee voorbeelden:

• AI-gegenereerde e-mail (zoals in de leadopvolging-workflow): voeg een korte, nette zin toe onderaan de e-mail, bijvoorbeeld “Deze e-mail is (mede) opgesteld met AI, op basis van jouw ingevulde formulier.” Dat kost je één extra tekstregel in je AI-prompt of e-mail-template.
• AI-chatbot voor klantenservice: laat de bot bij de start van een gesprek melden dat de bezoeker met een AI-assistent chat, niet met een medewerker.

Self-hosten vs. n8n Cloud

Dezelfde afweging als bij de leadopvolging-workflow: self-hosted n8n houdt je data (en dus ook je logs) volledig binnen je eigen server — fijn als AVG-soevereiniteit voor jou zwaar weegt. Wil je niet zelf een server beheren, dan is n8n Cloud (EU-hosting) de praktische route, met logging en redaction al ingebouwd.

Dit is geen juridisch advies

Dit artikel is bedoeld om je op weg te helpen als bouwer, niet als vervanging van een jurist. De AI Act is complex en verandert nog steeds (dit artikel is geschreven na de Digital Omnibus van mei/juni 2026 — check bij twijfel altijd de laatste stand). Twijfel je of jouw specifieke AI-toepassing onder “hoogrisico” valt, of wil je zeker weten dat je aan artikel 50 voldoet? Raadpleeg een jurist die gespecialiseerd is in AI-regelgeving.

Hulp nodig bij je eigen automatisering?

Wil je een n8n-workflow laten bouwen die vanaf dag één een nette transparantie-melding en een basis-audit-trail heeft? Neem contact op of bekijk eerst de gratis workflow uit het leadopvolging-artikel.

---

Bronnen: artificialintelligenceact.eu — Artikel 12, Artikel 19, Gibson Dunn — EU AI Act Omnibus Agreement, Freshfields — The final Digital Omnibus on AI

Horeca is een van de sectoren waar AI-automatisering nog nauwelijks is doorgedrongen — en tegelijk vraagt precies deze sector om een van de meest gevraagde automatiseringen van dit moment: WhatsApp-klantenservice. Reserveringen, openingstijden, menuvragen, allergie-informatie — het zijn steeds dezelfde vragen, meerdere keren per dag, vaak buiten openingstijden. Dat is exact het soort herhalend werk waar n8n voor bedoeld is.

Dit artikel bouwt voort op je eerste AI-agent bouwen in n8n — hier passen we dat toe op een concrete branche.

Waarom horeca + WhatsApp een goede combinatie is

Twee dingen komen hier samen. Ten eerste: horeca en toerisme lopen achter in AI-adoptie vergeleken met sectoren als IT of financiële dienstverlening — er is dus weinig concurrentie in deze hoek. Ten tweede: WhatsApp-klantenservice-automatisering behoort tot de meest gevraagde AI-toepassingen bij Nederlandse MKB-bedrijven, ruim vóór bijvoorbeeld AI-marketing of contentgeneratie. Lage concurrentie + hoge vraag is precies waar je als bouwer wilt zitten.

De workflow

1. Trigger: een inkomend WhatsApp-bericht (via de WhatsApp Business API of een koppeling zoals Twilio) start de workflow.
2. Classificatie: een AI-node bepaalt het type vraag — reserveringsverzoek, algemene vraag (openingstijden, menu, allergieën), of iets dat een mens moet beantwoorden.
3. Reservering: bij een reserveringsverzoek checkt de workflow beschikbaarheid (bijv. in een Google Calendar of reserveringssysteem) en bevestigt direct, of stelt een alternatief tijdstip voor.
4. Algemene vraag: de AI Agent-node beantwoordt op basis van vooraf ingevoerde informatie (menu, openingstijden, allergie-info) — met een duidelijke grens: bij twijfel niet gokken, maar doorsturen.
5. Escalatie: alles wat de AI niet zeker weet (klachten, bijzondere verzoeken, prijsonderhandeling) gaat automatisch naar een medewerker — nooit een verzonnen antwoord.
6. Bevestiging: de gast krijgt een WhatsApp-bevestiging; de reservering komt ook in het interne systeem/agenda te staan.

Wat dit oplevert (illustratief, geen belofte)

Gepubliceerde praktijkvoorbeelden van vergelijkbare klantcommunicatie-automatisering noemen tijdsbesparingen in de orde van 40% op de tijd die aan klantcommunicatie wordt besteed, met een merkbaar hogere klanttevredenheid omdat gasten direct (ook buiten openingstijden) een antwoord krijgen in plaats van pas de volgende dag. Dit zijn cijfers uit de branche ter illustratie — geen garantie voor jouw situatie, die hangt af van hoeveel berichten je nu al krijgt en hoe repetitief de vragen zijn.

Aandachtspunten

• Begin met de meest voorkomende vragen — openingstijden en reserveringen dekken meestal het grootste deel van het verkeer. Voeg pas later meer toe.
• Bewaar geen onnodige klantdata — sla alleen op wat nodig is voor de reservering, en wees transparant over wat er met een bericht gebeurt (zie ook de AI Act-audit-trail-workflow voor de compliance-kant).
• Test met echte, lastige berichten — een dubbele boeking, een allergie-vraag met een niet-standaard antwoord, een klacht. De workflow moet weten wanneer hij níet moet antwoorden.

Veelgestelde vragen

Heb ik de officiële WhatsApp Business API nodig?
Voor een betrouwbare, schaalbare opzet wel — een koppeling via een provider zoals Twilio of 360dialog is de gangbare route. Een losse WhatsApp-koppeling zonder officiële API is minder stabiel voor zakelijk gebruik.

Werkt dit ook voor andere branches met veel herhalende vragen?
Ja — dezelfde opzet (classificeren, beantwoorden of escaleren) werkt net zo goed voor bijvoorbeeld een kapperszaak, sportschool of kleine praktijk. Horeca is hier het voorbeeld omdat de vraag naar dit type automatisering daar het grootst is.

Wat als de AI een vraag verkeerd inschat?
Bouw een lage drempel voor escalatie in — liever een keer onnodig doorsturen naar een medewerker dan een gast een fout antwoord geven.

Overal duiken tegenwoordig “AI automation agencies” op — bedrijfjes die beloven je met AI te automatiseren. Het voelt verzadigd. Maar dat is het niet, en het onderscheid is belangrijk als je zelf met automatisering geld wilt verdienen: verzadiging is een positioneringsprobleem, geen marktprobleem.

Generiek is dichtgeslibd. Verticaal staat wagenwijd open.

Duizenden aanbieders verkopen dezelfde brede pitch: “ik help bedrijven automatiseren met AI.” Dat is inwisselbaar — een potentiële klant kan niet zien waarom hij jou zou kiezen boven de volgende agency in zijn LinkedIn-feed. Wie in plaats daarvan één branche, één concrete workflow en één meetbare uitkomst benoemt, heeft nauwelijks concurrentie. Niet “ik automatiseer met AI” maar: “ik bouw de n8n-workflow die voor installatiebedrijven offertes automatiseert, en bespaart X uur per week.”

Onderzoek naar de Nederlandse AI-automation-markt bevestigt dit patroon vanaf de vraagkant: bedrijven die zich op één branche + één workflow + één meetbare uitkomst richten, onderscheiden zich duidelijk van de generieke massa.

De eerlijkheids-hoek: laat de workflow zien, niet een inkomstenscreenshot

Een tweede probleem in deze markt: veel “verdien €10k/mnd met AI-automation”-content bestaat uit beloftes zonder onderbouwing. Niemand publiceert echte, geverifieerde gemiddelden. Ik laat liever de echte workflow en de echte tijdsbesparing zien dan een schermafbeelding van een bankrekening — dat is ook waarom ik in mijn artikelen altijd de bron van een cijfer noem, en aangeef wanneer iets een illustratie is in plaats van een garantie.

Een concreet voorbeeld: het offerteproces bij een installatiebedrijf

Een branchevoorbeeld dat laat zien hoe een verticale case eruitziet (cijfers zijn illustratief, gebaseerd op gepubliceerde praktijkvoorbeelden uit de installatiebranche — geen belofte): een installatiebedrijf dat 15 offertes per week maakt, kost dat gemiddeld 3,5 uur per offerte — opzoeken van eerdere projecten, prijzen berekenen, document opmaken. Een n8n-workflow die automatisch historische projectdata gebruikt om een conceptofferte te genereren, brengt dat terug naar ongeveer 45 minuten per offerte. Op weekbasis is dat ruim 40 uur bespaarde tijd — voor een eigenaar die zelf offertes maakt, is dat een directe kostenbesparing van orde grootte €2.000 per maand.

Dat is een heel ander verhaal dan “ik automatiseer bedrijven met AI.” Het is specifiek, controleerbaar, en het spreekt één type ondernemer direct aan.

Waarom compliance je positionering juist sterker maakt

Onderzoek naar waarom Nederlandse MKB-bedrijven nog niet automatiseren wijst naar drie terugkerende drempels: onduidelijkheid over AVG/AI Act-compliance, onduidelijke ROI, en het ontbreken van interne IT-kennis. Wie in zijn positionering expliciet op deze drempels ingaat — een workflow met ingebouwde audit-trail, een concrete ROI-berekening in plaats van een vage belofte, en zelf hosten zodat je geen IT-team nodig hebt — pakt precies de reden aan waarom bedrijven twijfelen, in plaats van eromheen te praten.

Wat dit betekent voor jouw keuze

Als je zelf overweegt om met automatisering geld te verdienen: kies niet “ik doe AI-automatisering”, maar een branche + een workflow + een getal. Bekijk bijvoorbeeld de complete n8n-gids voor de bouwstenen, en zoek de branche waar de pijn het grootst is en de concurrentie het kleinst — vaak juist niet de sectoren die al volop met AI bezig zijn.

Een workflow automatiseert vaste stappen: als dit gebeurt, doe dat. Een AI-agent is iets anders — die krijgt een doel en een setje “tools” (acties die hij mag uitvoeren), en beslist zelf welke stappen hij zet en in welke volgorde. In n8n kan dat met de ingebouwde AI Agent-node. In dit artikel bouw je je eerste, werkende AI-agent, stap voor stap.

Nieuw bij n8n? Begin bij de complete n8n-gids om te zien welk artikel het beste bij jouw situatie past.

Workflow vs. agent: het verschil

In de lead-opvolgingsworkflow die ik eerder bouwde, staat elke stap vast: trigger → filter → CRM → AI-tekst → mail. De AI schrijft tekst, maar beslist niet zélf wat er gebeurt. Een agent doet dat wel: je geeft hem een instructie (“beantwoord deze klantvraag”) en een set tools (bijvoorbeeld: zoek in de kennisbank, zoek de bestelstatus op, stuur een e-mail), en de agent bepaalt zelf welke tool(s) hij inzet en in welke volgorde — inclusief meerdere pogingen als het eerste niet werkt.

Vuistregel: gebruik een workflow als het proces altijd hetzelfde is. Gebruik een agent zodra de vraag kan variëren en er meerdere routes naar het antwoord zijn.

Wat je nodig hebt

• Een n8n-omgeving (self-hosted of Cloud)
• Een API-key bij een taalmodel-aanbieder (OpenAI, Anthropic, of een lokaal model via Ollama)
• Een concreet, afgebakend doel voor je agent — begin klein

Voorbeeld: een klantenservice-agent voor je website

We bouwen een agent die binnenkomende klantvragen (via een chat-widget of webhook) beantwoordt: hij zoekt in je kennisbank, en als hij het antwoord niet weet, escaleert hij naar jou per e-mail in plaats van te gokken.

1. Trigger: een Chat Trigger-node (voor testen in n8n zelf) of een Webhook-node (voor een chat-widget op je site) vangt de inkomende vraag op.
2. AI Agent-node: voeg de AI Agent-node toe en koppel een taalmodel (bijv. via de OpenAI- of Anthropic Chat Model-node). Geef de agent een duidelijke systeeminstructie: waar hij wel/niet over mag antwoorden, en dat hij moet escaleren als hij het niet zeker weet.
3. Tool 1 — kennisbank: koppel een Vector Store-node (bijv. gevuld met je FAQ, productinfo of documentatie) als tool, zodat de agent er zelf in kan zoeken voordat hij antwoordt.
4. Tool 2 — escalatie: voeg een Gmail/SMTP-node toe als tool, zodat de agent ‘m zelf kan aanroepen als hij het antwoord niet in de kennisbank vindt.
5. Memory: voeg een Memory-node toe (bijv. Window Buffer Memory) zodat de agent het gesprek binnen één sessie onthoudt — anders vergeet hij bij elk bericht wat er eerder gezegd is.
6. Testen: stel een aantal typische én een paar lastige klantvragen, en controleer of de agent correct zoekt, antwoordt of escaleert — niet of hij “iets” antwoordt.
7. Live zetten: zet de Webhook-URL achter een chat-widget op je site, of koppel ‘m aan WhatsApp/Slack als je liever daar klantvragen binnenkrijgt.

Waar dit misgaat (en hoe je dat voorkomt)

• Te vage instructie: een agent zonder duidelijke grenzen gaat gokken. Beschrijf expliciet wat hij WEL en NIET mag beantwoorden, en wanneer hij moet escaleren.
• Te veel tools in één keer: begin met 1-2 tools en breid pas uit als die betrouwbaar werken. Meer tools = meer kans dat de agent de verkeerde kiest.
• Geen escalatiepad: bouw altijd een “ik weet het niet, stuur door naar een mens”-optie in — dat voorkomt dat de agent klanten een verzonnen antwoord geeft.
• Gevoelige data: laat de agent geen acties uitvoeren die je niet aan een junior medewerker zonder toezicht zou toevertrouwen (bijv. zelfstandig terugbetalingen doen) zonder een goedkeuringsstap.

Self-hosten of Cloud voor je agent?

Dezelfde afweging als bij elke n8n-workflow: self-hosten geeft je volledige controle over waar klantdata en gesprekslogs staan (zie self-hosted n8n opzetten), terwijl n8n Cloud je het beheer uit handen neemt als je liever niet zelf een server onderhoudt.

Veelgestelde vragen

Heb ik programmeerkennis nodig om een AI-agent te bouwen?
Nee — de AI Agent-node en de tool-nodes werken visueel. Je moet wel goed nadenken over de instructie en welke tools je geeft, maar dat is geen code schrijven.

Kan een agent zomaar acties uitvoeren zonder dat ik het merk?
Alleen de acties waar je hem toegang toe geeft (de tools die je koppelt). Bouw voor risicovolle acties altijd een goedkeuringsstap in, bijvoorbeeld een Slack-bericht dat om bevestiging vraagt voordat de agent doorgaat.

Wat kost dit aan API-gebruik?
Dat hangt af van het model en het aantal gesprekken — reken bij een taalmodel met een kosten-per-token. Begin met een goedkoop/snel model en schaal pas op naar een duurder model als de kwaliteit dat vereist.

Sinds eind augustus 2026 verschijnen er ineens veel Engelstalige artikelen over “de beste n8n-alternatieven” — Lindy, Relay.app en Gumloop worden genoemd als nieuwe, AI-native concurrenten. In het Nederlands bestond die vergelijking nog niet, dus die maak ik hier: wat doen deze tools écht anders, en welke past bij jouw MKB-bedrijf?

Zie dit als vervolg op mijn eerdere vergelijking tussen n8n, Make en Zapier — deze drie nieuwe tools zijn allemaal “AI-native”: ze bouwen AI-modellen en agents in als kernfunctie, in plaats van dat je die er zelf bij moet koppelen.

⚠️ Update 7 september 2026: Relay.app stopt ermee. Gratis accounts zijn al verwijderd (15 augustus), betaalde accounts houden op te bestaan op 14 september 2026. De oprichter is teruggegaan naar Google. Draaide je zelf workflows in Relay? Onderaan dit artikel staat hoe je op tijd migreert.

De vier tools in het kort

n8n

Open-source, developer-first automatiseringsplatform met 400+ integraties. Volledige controle, self-hosten mogelijk (gratis, AVG-vriendelijk) of n8n Cloud vanaf ongeveer €20/maand. Ondersteunt eigen code (JavaScript/Python) voor wie maatwerk wil. De bekendste en meest flexibele optie van de vier.

Lindy

Geen workflow-bouwer maar een kant-en-klare AI-assistent: Lindy regelt je inbox, agenda-afspraken en routinetaken via natuurlijke taal, over honderden gekoppelde apps. Geen gratis laag zichtbaar op de officiële pricing-pagina. Drie tiers, per gebruiker per maand en credit-based: Plus $29,99 (3.000 credits), Pro $99,99 (15.000 credits), Max $199,99 (35.000 credits) — credits worden verbruikt per actie die Lindy uitvoert. Duurste optie van de vier.

Relay.app — ⛔ stopt per 14 september 2026

Niet meer kiezen: de dienst wordt uitgefaseerd. Was gericht op niet-technische MKB’ers en solo-ondernemers: workflows bouwen in gewone taal, met ingebouwde AI-modellen (OpenAI, Claude, Gemini) zonder dat je zelf API-sleutels hoeft te beheren. Onderscheidend kenmerk was “human-in-the-loop”-stappen, waarbij een workflow pauzeert voor jouw goedkeuring voordat een kritieke actie wordt uitgevoerd — die functie vind je nu terug bij n8n via de Wait-node. Gratis laag (200 stappen, 500 AI-credits/maand) is al verwijderd; betaalde accounts (Professional €19/mnd, Team €69/mnd) stoppen 14 september 2026.

Gumloop

Visuele, drag-and-drop workflow-bouwer met AI-nodes ingebouwd. Geen gratis abonnement — wel een proefperiode van 14 dagen. Daarna start je op Pro ($37/maand): 20.000 credits inbegrepen, onbeperkt agents en seats, maar met 8% orchestratiekosten bovenop je verbruik en een limiet van 5 gelijktijdige workflow-runs / 25 agent-chats. Admin-dashboard, audit logs en VPC zijn voorbehouden aan het Enterprise-abonnement (op maat).

Vergelijkingstabel

	n8n	Lindy	Relay.app	Gumloop
Status	Actief	Actief	⛔ Stopt 14 sept 2026	Actief
Type	Workflow-bouwer (technisch)	Kant-en-klare AI-assistent	Workflow-bouwer (niet-technisch)	Workflow-bouwer (visueel)
Gratis optie	Ja (self-hosted)	Nee	Was ja — al verwijderd	Nee, wel 14-dagen trial
Instapprijs	~€20/mnd (Cloud)	$29,99/mnd/user	€19/mnd (tot 14 sept 2026)	$37/mnd + 8% orchestratiekosten
Self-hosten	Ja	Nee	Nee	Nee
Beste voor	Volledige controle, AVG, maatwerk	Kant-en-klare AI-assistent, geen bouwwerk	Niet meer kiezen — migreer naar n8n of Gumloop	Snel visueel bouwen, klein beginnen

Welke moet je kiezen?

• Wil je volledige controle en AVG-proof self-hosten? Kies n8n.
• Wil je gewoon een AI-assistent die je inbox en agenda regelt, zonder zelf iets te bouwen, en heb je budget? Kies Lindy.
• Ben je geen developer en wil je snel starten met menselijke controle op kritieke stappen? Relay.app deed dit goed, maar stopt 14 september 2026. Bouw die goedkeuringsstap nu in n8n (met de Wait-node) of kies Gumloop voor een eenvoudiger visueel alternatief.
• Wil je een visuele bouwer met AI ingebouwd, en heb je geen moeite met een vaste instapprijs plus orchestratiekosten? Kies Gumloop.

👉 Bekijk n8n · Bekijk Lindy · Bekijk Gumloop (directe links, geen partnerlinks — Relay.app is uit deze lijst gehaald omdat de dienst stopt)

Kwam je hier via Relay.app? Zo migreer je

Relay.app stopt: gratis accounts zijn al weg (15 augustus), betaalde accounts en al hun data worden definitief gewist op 14 september 2026 om 23:59 Pacific-tijd (dat is rond 15 september 08:59 uur Nederlandse tijd). Alles wat je niet exporteert — workflows, run-historie, tabellen, en de opgeslagen inloggegevens van elke gekoppelde app — is daarna onherstelbaar weg. Draaide je zelf workflows in Relay, dan is dit je stappenplan:

1. Exporteer nu je data. Relay laat je workflows/sequences als JSON, run-history en tabellen als CSV exporteren. Een volledige export kan tot 24 uur duren en de downloadlink is maar 48 uur geldig — begin dus ruim vóór 14 september.
2. Kies je nieuwe thuis. Wil je controle, AVG-proof self-hosten en het hoogste plafond? Ga naar n8n — de goedkeuringsstap die je bij Relay had, bouw je daar met de Wait-node. Was je proces simpeler en niet-technisch? Dan is Gumloop een prettiger visueel alternatief.
3. Verwacht geen importknop. Relay, n8n, Gumloop en Zapier bouwen workflows allemaal anders op — er is geen “upload je Relay-JSON en klaar”-optie. Het bruikbaarste onderdeel van je export is niet de JSON zelf, maar de beschrijving (“build-prompt”) die Relay per workflow meegeeft: plak die in n8n of Gumloop en laat de AI-assistent daar de workflow opnieuw voor je opzetten. Dat scheelt een hoop handmatig nabouwen.
4. Bouw je belangrijkste workflows eerst opnieuw op in je nieuwe tool en vergelijk de uitkomst voordat je Relay definitief uitzet.
5. Gaat het om één simpele losse taak? Dan is soms een Zapier- of Make-zap sneller dan alles herbouwen in n8n of Gumloop — kies eerlijk per klus.

Veelgestelde vragen

Zijn Lindy, Relay.app en Gumloop vervangingen voor n8n?
Niet precies — het zijn andere invalshoeken. n8n is een technisch, flexibel bouwplatform; de andere zijn “AI-native” en makkelijker in te stappen, maar met minder controle en (bij Lindy) een stuk hogere prijs. Relay.app stopt overigens per 14 september 2026 en is geen keuze meer.

Welke is het goedkoopst om mee te beginnen?
n8n is gratis als je zelf host. Relay.app had een bruikbare gratis laag, maar die is al verwijderd en de dienst stopt volledig op 14 september 2026. Gumloop en Lindy hebben geen permanente gratis versie — Gumloop biedt wel een proefperiode van 14 dagen.

Kan ik meerdere tools naast elkaar gebruiken?
Ja, dat is heel gebruikelijk — bijvoorbeeld n8n voor je kernworkflows en Lindy specifiek voor inbox-/agendabeheer.

Prijzen en features veranderen snel in deze markt — check de officiële pagina’s voor de actuele stand voordat je een keuze maakt.