n8n fügt Google Gemini 4 Carbon für sicherere Automatisierung hinzu

Google Gemini 4 Carbon wurde zur n8n-Workflow-Plattform hinzugefügt und bietet Automatisierungsingenieuren ein Modell, das laut Google das bisher stärkste für Coding, langlaufende agentische Aufgaben und Cybersicherheit ist. Das Modell erreicht mit einer Punktzahl von 53,9 % den Spitzenwert im AutomationBench-Benchmark und stellt damit ein überzeugendes Upgrade für jeden auf n8n basierenden KI-Agenten dar.

Was passiert ist

Laut dem n8n-Blog ist Gemini 4 Carbon nun sowohl im Knoten „Google Gemini Chat Model“ als auch im eigenständigen Knoten „Google Gemini“ wählbar. Das Modell erzielt 53,9 % auf AutomationBench, den höchsten Wert unter den getesteten Modellen. Sicherheitsbezogene Benchmarks zeigen, dass Carbon den Verteidigungslebenszyklus anführt: 88,2 % auf SEC-bench Pro für die Schwachstellenerkennung, 54,8 % auf ExploitGym für die Ausbeutbarkeitsbewertung und 71,0 % auf CWE-bench für das Patchen. Auf dem Prompt-Injection-Benchmark von Gray Swan erzielte Carbon eine Erfolgsquote von 0,0 % für Angriffe, was eine Verbesserung gegenüber der Quote von 0,7 % seines Vorgängers, Gemini 4 Argon, darstellt. Google weist zudem darauf hin, dass interne Teams mehrwöchige, mehrstufige Aufgaben mit Carbon ohne die „Sackgassen“-Fehler früherer Modelle ausgeführt haben. Die Preise spiegeln die Einführungspreise von Argon wider – 2 US-Dollar pro Million Eingabetokens und 10 US-Dollar pro Million Ausgabetokens – und steigen nach dem 30. November 2026 auf 4 bzw. 20 US-Dollar. n8n-Cloud-Nutzer können Carbon über Gateway-Guthaben nutzen, während Self-Hosted-Nutzer einen Gemini-API-Schlüssel hinzufügen. Bestehende Argon-Nutzer können Argon für einfache Aufgaben beibehalten und nur für Schritte mit hoher Rechenlast auf Carbon umsteigen.

Warum es für Automatisierungsteams wichtig ist

Für kleine und mittlere Unternehmen, die sich auf n8n verlassen, um SaaS-Tools zu verbinden, sind die Sicherheitsvorteile unmittelbar spürbar. Viele n8n-Agenten verarbeiten unzuverlässige Daten – Webhook-Payloads, E-Mails, gescrapte Seiten – und diese Eingaben sind klassische Vektoren für Prompt-Injection-Angriffe. Die Erfolgsquote von 0 % von Carbon im Benchmark bedeutet weniger Chancen für bösartige Payloads, einen Agenten zu übernehmen, was den Bedarf an umfangreichen nachgelagerten Validierungen reduziert. Auch die Fähigkeit für lange Aufgaben ist von Bedeutung: Agenten, die mehrere APIs abfragen, auf menschliche Genehmigungen warten oder große Datensätze durchlaufen müssen, können nun länger „im Thread“ bleiben, ohne den Kontext zu verlieren, was Workflow-Fragmentierung und manuelle Wiederholungen reduziert. Schließlich bedeutet die Preisparität mit Argon, dass Teams ohne Budgetschock experimentieren können, und die Möglichkeit, Modelle zu mischen, ermöglicht es, die teuerste Rechenleistung nur dort einzusetzen, wo es zählt, und so Token-Budgets zu erhalten.

Was diese Woche zu tun ist

1. Öffnen Sie einen n8n-Cloud-Workflow, fügen Sie einen Google Gemini 4 Carbon-Knoten hinzu und führen Sie einen schnellen Test durch, der eine Beispiel-Webhook-Payload liest und eine Zusammenfassung an Slack sendet, um die Integration zu überprüfen.
2. Erstellen Sie einen sicherheitsfokussierten Workflow, der eine Mock-Alert abruft, sie mit einer Liste bekannter Probleme abgleicht und das Ergebnis protokolliert – nutzen Sie die Prompt-Injection-Resistenz von Carbon, um zu sehen, wie es absichtlich fehlerhafte Eingaben behandelt.
3. Vergleichen Sie die Laufzeitkosten, indem Sie einen bestehenden Argon-basierten Klassifizierungsflow klonen, das Modell im Schritt mit hoher Rechenlast durch Carbon ersetzen und den Token-Verbrauch nach einigen Läufen messen.

Quellen

• Build Safer n8n Agents and Workflows with Google Gemini 4 Carbon — n8n Blog