Summary  
This chapter demonstrates how to assemble an automated workflow that triggers on form input, uses conditional branching, performs authenticated HTTP requests to retrieve and parse JSON data, splits array payloads into individual items, and integrates an AI model node for further processing.

General domain of usage  
Workflow automation

En **n8n-skabelon** er et forudbygget workflow, der allerede indeholder noder, logik og struktur til et specifikt anvendelsestilfælde. I stedet for at starte fra bunden kan du importere en skabelon, forbinde dine egne datakilder og straks begynde at teste.

Definition

Indtil nu har alt været teori. Her begynder det første **reelle byggeri**. Workflowet udfører tre hovedopgaver: det importerer en forudbygget n8n-skabelon, forbinder den til **Rainforest API** for at hente live Amazon-data og tilføjer en **AI-agent**, der omdanner disse data til en kort tekst.

Dette er standardmønsteret for effektivt automationsarbejde: **byg ikke fra bunden — importer, forbind, kør.** For at følge med skal du bruge tre ting:

**Rainforest API** er en tjeneste mellem n8n og Amazon, der returnerer produkt- og sælgerdata i et rent JSON-format, så der er ikke behov for scraping eller parsing.

### Import af skabelonen

I **n8n** vælges **Opret workflow blankt lærred**.
Åbn menuen og vælg **Importer fra fil**, og vælg derefter den medfølgende skabelon.

Efter import vises et forudbygget flow, der indeholder:

* En **Trigger** (aktiveres ved indsendelse af formular);
* En **IF-node** (kontrollerer om værdien er et sælger-URL);
* **HTTP Request-noder** (kalder Rainforest API);
* En **Split Out-node** (omdanner en produktliste til enkelte elementer).

### Tilføjelse af Rainforest API-nøgle

Alle HTTP Request-noder, der kalder Rainforest, skal autentificeres.
Kopiér din API-nøgle fra Rainforest-dashboardet og indsæt den i hver HTTP-node, typisk som header eller forespørgselsparameter.
Når nøglen er tilføjet, kan workflowet foretage reelle API-kald.

### Kørsel med reelle input

Klik på **Udfør workflow**. En formular vises, da triggeren er sat til ved formularindsendelse.
Find et sælger-ID i en Amazon-butik-URL (f.eks. `seller=A3NIEJTKAE5W6O`), indsæt det i formularen og indsend.

**IF-noden** kontrollerer, om inputtet er et gyldigt sælger-URL. Hvis sandt, kalder workflowet Rainforest, modtager produktdata og sender det til **Split Out**, som opdeler det store array i flere produktelementer.

Hvad er hovedformålet med at bruge Split Out-noden i dette workflow?

n8n er en fleksibel automatiseringsplatform til at forbinde apps, transformere data og opbygge AI-drevne arbejdsgange. Du opnår solide grundlæggende færdigheder gennem virkelige, praktiske eksempler, der dækker triggere, JSON-håndtering, dataflow-teori, AI-integration, webhooks og komplette automatiseringsopbygninger. Fokus er på at forstå, hvordan information bevæger sig gennem en arbejdsgang, og hvordan denne information struktureres, så noder og API'er opfører sig forudsigeligt. Resultatet er evnen til at designe, fejlfinde og implementere pålidelige automatiseringer, der fungerer fra ende til anden.

En praktisk oversigt over n8n's miljø, kerneværktøjer og den nødvendige tankegang for at opbygge automatiseringer. Begreber omfatter effektiv anvendelse af AI, forståelse af hvordan data flyder gennem noder, import af skabeloner og omdannelse af rå input til struktureret output.

En fokuseret gennemgang af de væsentlige arbejdsgangskomponenter. Triggere, datamanipulationsnoder, HTTP-forespørgsler, webhooks og flowkontrollogik. Materialet opbygger en klar mental model for, hvordan eksekveringer starter, hvordan data formes, og hvordan rutevalg træffes.

En grundig gennemgang af, hvordan n8n repræsenterer og behandler data. Emner omfatter JSON-struktur, læsning af komplette payloads, reparation af defekt JSON, håndtering af arrays og objekter samt arbejde med binære filer. Målet er forudsigelig og sikker datahåndtering på tværs af alle workflows.

En trinvis omdannelse af en ODT-plan til en struktureret automatiseringsplan. Materialet dækker pålidelige RSS-feeds, forberedelse af data til LLM'er, generering af tweets med Airtable-løkker, design af resultatbaserede flows og kortlægning af hele workflowet i Miro.

En komplet opbygning fra det indledende koncept til det endelige output. Emner omfatter strukturering af flowet, normalisering af API-data, løkker, fejlsikring og tilbageskrivning til Airtable med en gennemarbejdet automatisering, der demonstrerer pålidelighed og klarhed fra ende til anden.

Import af Skabelon og Data

Import af skabelonen

Tilføjelse af Rainforest API-nøgle

Kørsel med reelle input