n8n vs Make.com vs Zapier: welke past bij jou?

De korte versie

Als je geen zin hebt in de rest: Zapier als je snel iets eenvoudigs wilt en de kosten er niet toe doen. Make als je workflows vertakkingen en lussen hebben en je visueel wilt werken. n8n als je volume hebt, gevoelige data verwerkt, of niet afhankelijk wilt zijn van een prijslijst die iemand anders vaststelt.

Voor het Nederlandse MKB komt het in de praktijk vaak neer op Make of n8n. Zapier is uitstekend maar rekent per handeling af op een manier die bij groei ongemakkelijk wordt.

Waar ze echt van elkaar verschillen

De twee rijen die er op termijn het meest toe doen zijn de laatste twee van de kostenkant: zelf hosten en data in eigen beheer. Dat zijn ook de enige twee waar je later niet omheen kunt bouwen.

De kostenval

Alle drie rekenen per uitgevoerde stap of handeling, en daar zit het addertje. Een workflow die je bouwt met tien stappen, verbruikt bij elke uitvoering tien eenheden. Draait hij duizend keer per maand, dan zit je aan tienduizend.

Bij lage volumes merk je daar niets van en zit je op een goedkoop of gratis pakket. Bij een factuurstraat die 400 documenten per maand door acht stappen haalt, of een leadopvolging die op elk formulier reageert, loopt het snel op. Ik heb bedrijven gezien die na een jaar meer aan hun automatiseringsplatform betaalden dan aan de boekhoudsoftware die eraan hing.

Bij n8n kun je die curve doorbreken door het zelf te draaien: dan betaal je serverkosten in plaats van kosten per handeling. Dat is bij volume het verschil tussen tientjes en honderden euro's per maand. Reken het vooraf door met de kostenposten uit dit cluster.

Waar je data staat

Zapier en Make draaien in hun eigen cloud. Alles wat je workflow passeert — klantnamen, factuurbedragen, e-mailinhoud — gaat door hun infrastructuur. Voor veel toepassingen is dat prima geregeld met verwerkers- overeenkomsten, en het is de reden dat je die overeenkomst moet lezen in plaats van aanvinken.

n8n kun je op je eigen server zetten. Dan verlaat je data je eigen omgeving niet, behalve richting de systemen die je zelf aanroept. Voor bedrijven die met medische gegevens, personeelsdossiers of financiële data werken, is dat vaak het argument dat de keuze bepaalt — los van kosten of gemak. Zie privacy en wetgeving voor welke vragen je hier vooraf moet beantwoorden.

Mijn eigen afweging

Ik bouw het grootste deel in Python met directe API-koppelingen, en zet een platform ertussen wanneer de klant het zelf moet kunnen aanpassen. Dat is geen principekwestie maar een onderhoudskeuze: een script dat ik zelf beheer, kost niets per handeling en breekt niet als een platform zijn prijsmodel wijzigt.

De omslag ligt ruwweg hier: moet iemand bij de klant zonder mij een stap kunnen toevoegen, dan een platform. Draait het als infrastructuur op de achtergrond en mag het jarenlang niets kosten, dan code. Bij Fayters & HighTech-SS viel die keuze op het tweede: duizenden producten per nacht via een platform laten lopen zou meer kosten dan de hele automatisering oplevert.

Meer over wanneer welke aanpak past, staat in het stuk over AI versus gewone automatisering.