VPS uzerinde n8n ile Claude AI is akislari olusturma

Ne inşa ediyorsunuz

Hâlihazırda çalıştırdığınız n8n örneği üzerinde üç adet işlevsel yapay zeka iş akışı: gönderdiğiniz her şeyi özetleyen bir webhook, makaleleri yapılandırılmış elektronik tablo satırlarına dönüştüren zamanlanmış bir besleme okuyucu ve soruları yanıtlamak için kendi başına bir HTTP API'sini çağıran bir yapay zeka ajanı. Bu, VPS üzerinde Python ile Claude API'sini çağırma rehberinin kodsuz (no-code) karşılığıdır; aynı API, aynı token kullanımı ve aynı maliyet söz konusudur, ancak orkestrasyon bir betik yerine n8n düğümleri (nodes) içinde gerçekleşir.

n8n'in Docker üzerinde self-hosted n8n rehberi uyarınca HTTPS arkasında kurulu olduğunu varsayıyorum. Eğer kurulu değilse, önce bunu yapın; webhook'lar gerçek bir TLS uç noktasına ihtiyaç duyar ve API anahtarını içine yerleştireceğiniz kimlik bilgisi deposu, rehberde önemle belirtilen şifreleme anahtarı yedeğini gerektirir.

Buradaki ilginç sorunlar sürükle-bırak işlemleriyle ilgili değildir. Sorunlar; düğüm başına model seçimi, undefined değerini sessizce araya ekleyen istem (prompt) alanları ve bir otomasyonun gözetimsiz çalışması gerçeğidir. Çalıştırma başına yarım sent maliyeti olan bir iş akışı ucuzdur, ancak bir yeniden deneme döngüsü (retry loop) bunu gece boyunca dört bin kez çalıştırırsa durum değişir. Bu rehberin büyük bir kısmı bu konulara odaklanmaktadır.

Yedeklediğiniz anahtar ile şifrelenmiş tek bir kimlik bilgisi

Anthropic Console üzerinden platform.claude.com adresine gidin, Ayarlar (Settings) kısmından API Anahtarları (API Keys) bölümüne girin ve n8n-vps gibi bir isimle yeni bir anahtar oluşturun. Bu anahtar yalnızca bir kez gösterilir. Hesabınıza bakiye yükleyin veya faturalandırma ayarlarını yapın; API kullanımı token başına ücretlendirilir ve Claude.ai aboneliğinden tamamen bağımsızdır. Bu üç iş akışını hiçbir ücret ödemeden oluşturmayı planlıyorsanız, ücretsiz bir katman bulunmamaktadır; yalnızca küçük bir kayıt kredisi ve bazı ücretsiz uç noktalar mevcuttur.

n8n içerisinde: Kimlik Bilgileri (Credentials) kısmına gidin, Kimlik bilgisi oluştur (Create credential) seçeneğine tıklayın, Anthropic öğesini seçin, anahtarı API Key alanına yapıştırın ve kaydedin. Her iş akışındaki tüm Claude düğümleri bu kayıtlı kimlik bilgisini referans alır; anahtarı hiçbir zaman doğrudan bir düğümün içine yapıştırmazsınız.

İki operasyonel not:

İlk olarak n8n, kayıtlı kimlik bilgilerini N8N_ENCRYPTION_KEY ile şifreler. n8n kılavuzuna göre bu environment değişkeni compose dosyasında açıkça ayarlanırsa kimlik bilgileriniz container yeniden oluşturulduğunda korunur. n8n bir anahtar üretir ve volume daha sonra kaybedilirse bu anahtar dahil olmak üzere kayıtlı tüm kimlik bilgileri kurtarılamaz şifreli metin haline gelir. Bu adımı atladıysanız anahtarı şimdi yedekleyin.

İkinci olarak n8n kimlik bilgisi deposunu etki alanı olarak değerlendirin: instance üzerinde workflow düzenleyebilen herkes Anthropic anahtarınızı kullanarak istek gönderebilir. Community edition, kimlik bilgileri için kullanıcı bazında izinler sunmaz. Bu instance'a başka kişiler giriş yapacaksa hesapları vermeden önce ücretli n8n lisansının hangi erişim denetimlerini sağladığını okuyun. Ele geçirilmiş veya kontrolsüz biçimde istek gönderen bir instance için üst sınır belirlemek amacıyla Console içinde Settings bölümünden harcama limiti ayarlayın.

Model seçimi düğüm bazlı bir karardır

n8n'in Claude düğümlerindeki model açılır menüsü, verileri doğrudan API üzerinden canlı olarak çeker; bu sayede anahtarınızın hangi modellere erişebileceğini gösterir. Temmuz 2026 itibarıyla model listesi ve milyon girdi/çıktı token'ı başına API fiyatlandırması şu şekildedir: 200K bağlam penceresi ile Claude Haiku 4.5 (claude-haiku-4-5) 1$/5$, 1M token bağlam penceresi ile Claude Sonnet 5 (claude-sonnet-5) 3$/15$ (31 Ağustos 2026'ya kadar giriş fiyatı 2$/10$) ve Claude Opus 4.8 (claude-opus-4-8) 5$/25$. Ayrıca en zorlu mantıksal yürütme işleri için 10$/50$ fiyatıyla Claude Fable 5 (claude-fable-5) mevcuttur; bu kılavuzdaki hiçbir işlem için bu modele ihtiyaç duyulmamaktadır. Bu kimlikleri (ID) tam olarak kullanın; eski bir eğitimden hatırladığınız tarih ekli varyantlar 404 hatası verecektir. Fiyatlar değişkenlik gösterdiğinden, burada veya başka bir yerde okuduğunuz hiçbir rakama güvenmeden önce platform.claude.com adresini kontrol edin.

Edinilmesi gereken alışkanlık şudur: Modeli platform bazında değil, düğüm bazında seçin. Otomasyonun temelini oluşturan sınıflandırma, veri çıkarma, özetleme ve yönlendirme işlemleri, Haiku üzerinde Sonnet'in liste fiyatının üçte birine ve Opus'un beşte birine mükemmel şekilde çalışır. Sonnet'i ajanlar ve çok adımlı mantıksal yürütme süreçleri için, Opus'u ise yanlış bir cevabın token maliyetinden daha pahalıya mal olduğu nadir iş akışları için saklayın. Beş Claude düğümü içeren bir iş akışı, farklı modelleri bir arada kullanabilir ve kullanmalıdır.

İki Claude düğümü ve hangisinin nerede kullanılacağı

n8n, iki farklı Anthropic entegrasyonu ile gelir ve yanlış olanı seçmek, yeni başlayanların en sık yaptığı hatadır.

Anthropic düğümü standart bir uygulama düğümüdür: bir istek girer, bir yanıt çıkar. Metin (Text) kaynağı, Message a Model işleminin yanı sıra görüntü ve belge analizi için de işlemler barındırır. İş akışı mantığı n8n içinde (tetikleyici, Claude çağrısı, sonraki düğüm şeklinde) ilerlediğinde bunu kullanın. Aşağıdaki 1 ve 2 numaralı iş akışları, bu düğümü veya bunun zincir karşılığını kullanır.

Anthropic Chat Model düğümü bir alt düğümdür; AI Agent veya Basic LLM Chain gibi bir kök düğüme model sağlayan küçük bir eklentidir. Kendi başına bir tetikleyicisi veya çıktısı yoktur; model seçicinin yanı sıra Maximum Number of Tokens ve Sampling Temperature gibi örnekleme seçeneklerini sunar. n8n dokümantasyonunda yer alan ve ezberlenmesi gereken önemli bir uyarı: alt düğümlerdeki ifadeler her öğe için değil, her zaman ilk giriş öğesine göre çözümlenir. Bu nedenle, öğe bazlı ifadeleri alt düğümde değil, kök düğümün istem (prompt) alanlarında kullanın.

İş Akışı 1: webhook girişi, özet çıkışı

Yapay zeka otomasyonunun "hello-world" uygulaması: bir URL'ye POST edilen her şey özetlenir ve Slack'e veya gelen kutunuza düşer.

1. Webhook düğümü, HTTP Metodu POST, yol summarize. n8n size bir test URL'si ve bir üretim URL'si verir; üretim URL'si yalnızca iş akışı aktif olduğunda dinlemeye başlar.
2. Anthropic düğümü, Bir Modele Mesaj Gönder, model claude-haiku-4-5, Maksimum Token yaklaşık 300.
3. Slack düğümü (veya E-posta Gönder), yanıt metnini bir kanala gönderin.

n8n ifadelerinin Claude ile buluştuğu yer prompt kısmıdır. Bir POST gövdesi $json.body altında yer alır, bu nedenle kullanıcı mesajı alanı şu şekilde görünür:

Summarize the following feedback in three bullets, then one line:
verdict: praise | complaint | churn-risk. No preamble.

{{ $json.body.text }}

Rol ve biçim talimatlarını kullanıcı mesajına değil, düğümün sistem istemi (system prompt) alanına yerleştirin; sistem istemi sabit kalırken yük (payload) değişir, bu da davranışın kararlı kalmasını sağlar ve istemin altı ay sonra da okunabilir olmasını kolaylaştırır. Bunu doğrudan VPS üzerinden test edin:

curl -X POST https://n8n.example.com/webhook/summarize \
  -H 'Content-Type: application/json' \
  -d '{"text": "Third support ticket this month about slow disk IO..."}'

Haiku üzerinde çalıştırma başına maliyet: 1.200 token'lık bir yük artı istem girişi yaklaşık 0.0012 dolar, 300 token'lık çıkış ise 0.0015 dolardır; yani yaklaşık çeyrek sent. Ayda bin çalıştırma 3 doların altındadır. Aynı düğümün Opus 4.8'e yönlendirilmesi bunun yaklaşık beş katıdır. Oluşturduğunuz her iş akışıyla çarpılan bu oran, düğüm başına model alışkanlığının neden önemli olduğunun nedenidir.

İş Akışı 2: Zamanlanmış RSS'den yapılandırılmış satırlara

Şimdi saatlik çalışan ve yapılandırılmış çıktı üreten bir iş akışına bakalım: RSS beslemesini saatlik olarak okuyun, her öğeyi sınıflandırın ve bir tabloya satır olarak ekleyin.

1. Zamanlanmış Tetikleyici (Schedule Trigger), her saat başı.
2. RSS Okuma (RSS Read), besleme URL'si. Her makale için bir öğe çıktısı verir.
3. Temel LLM Zinciri (Basic LLM Chain), claude-haiku-4-5 olarak ayarlanmış bir Anthropic Chat Model alt düğümü ve JSON şeması içeren bir Yapılandırılmış Çıktı Ayrıştırıcı (Structured Output Parser) alt düğümü ile.
4. Google Sheets (veya Postgres), her öğe için bir satır ekleme.

Yapılandırılmış Çıktı Ayrıştırıcı, "Claude, lütfen JSON döndür" isteğini bir temenniden bir sözleşmeye dönüştüren bileşendir: Modelin yanıtını şemanıza göre doğrular ve hatalı satırlar yazmak yerine, öğeyi işleme almayarak hata verir. Aşağıdaki gibi bir şema:

{
  "type": "object",
  "properties": {
    "category": { "type": "string", "enum": ["release", "security", "tutorial", "other"] },
    "relevance": { "type": "number" },
    "one_line_summary": { "type": "string" }
  },
  "required": ["category", "relevance", "one_line_summary"]
}

Ve zincirin istemi, besleme öğesine referans verir:

Classify this article for a VPS hosting audience.

Title: {{ $json.title }}
Content: {{ $json.contentSnippet }}

Maliyet hesabı burada değişir: Bu işlem çalıştırma başına değil, öğe başına maliyetlendirilir. Saatte elli makale, günde yirmi dört saat, ayda 36.000 Claude çağrısı demektir; Haiku modelinde makale uzunluğuna bağlı olarak yaklaşık 40–90 dolar, Opus modelinde ise bunun yaklaşık beş katı maliyet oluşur. LLM düğümünden önce verileri tekilleştirin (daha önce görülen bağlantılara karşı basit bir IF kontrolü veya n8n'in Remove Duplicates düğümü ile) ve sayı hızla düşecektir, çünkü çoğu saatlik sorgu yeni bir içerik barındırmaz. En ucuz token, hiç yapmadığınız çağrıdır.

İş Akışı 3: Araç kullanan bir yapay zeka ajanı

İlk iki iş akışı birer ardışık düzendir; adımlara siz karar verirsiniz. Bir AI Agent düğümü bunu tersine çevirir: Claude'a bir hedef ve araçlar verirsiniz; iş bitene kadar hangi araçları, hangi sırayla çağıracağına o karar verir. n8n, bir sohbet modeli alt düğümü ve en az bir araç alt düğümü eklenmesini gerektirir.

Somut bir yapı örneği olarak, izleme sisteminizden "ne çalışmıyor ve neden" sorusuna yanıt veren bir operasyon asistanı:

1. Chat Trigger (veya webhook), soru buradan gelir.
2. AI Agent, claude-sonnet-5 olarak ayarlanmış bir Anthropic Chat Model alt düğümü ile. Ajanlar araç çağrılarını planlar ve zincirler; Haiku basit, tek araçlı ajanları yönetebilir ancak araç sayısı arttığında Sonnet makul bir alt sınırdır.
3. HTTP Request düğümü, Uptime Kuma durum API veya Zabbix uç noktasına yönlendirilmiş bir araç olarak eklenir. İkinci bir HTTP aracı, REST API'sine sahip başka herhangi bir servise erişebilir.

İşin büyük kısmını iki ayar yapar. Ajanın System Message kısmı görevi tanımlar: "Sen bir operasyon asistanısın. Yanıt vermeden önce mevcut izleme durumunu kontrol etmek için durum aracını kullan. Yalnızca çalışmayan izleyicileri ve süresini raporla." Ayrıca her aracın açıklaması insanlar için bir dokümantasyon değil, Claude'un onu ne zaman çağıracağına karar verme yöntemidir. "Tüm izlenen servislerin mevcut açık/kapalı durumunu JSON olarak döndürür" ifadesi doğru anlarda çağrılır; "durum API'si" ifadesi ise göz ardı edilir veya yanlış kullanılır. HTTP Request düğümünü araç olarak eklediğinizde, Optimize Response seçeneğini etkinleştirin ve önemli olan JSON alanlarını seçin; aksi takdirde her ayrıntılı API yanıtı, ödeme yaptığınız girdi token'ları olarak modelin bağlamına doldurulur.

Ajan üzerindeki Max Iterations değerini (varsayılan 10'dur), işe yarayan en küçük sayıya ayarlayın; bu, "ajan 4 araç çağrısından sonra vazgeçti" ile bir düzine model gidiş-dönüş döngüsü arasındaki farktır. Ayrıca faturalandırma yapısını anlayın: her yineleme, şimdiye kadarki tüm konuşmayı, sistem mesajını, soruyu ve önceki tüm araç sonuçlarını girdi token'ı olarak yeniden gönderir. Altı yinelemeli bir ajan çalışması kolayca toplam 20.000 kümülatif girdi token'ına ve 2.000 çıktı token'ına ulaşabilir: Sonnet 5'in giriş fiyatlandırmasında yaklaşık $0.06, standart $3/$15 fiyatlandırmasında yaklaşık $0.09 tutar; bu, basit bir özetleme işleminin yirmi katıdır. Tek bir ajana çok sayıda araç bağladığınızı fark ederseniz, VPS üzerinde MCP sunucuları çalıştırmanın daha temiz bir mimari haline geldiği nokta orasıdır.

Maliyet koruma mekanizmaları: kimse izlemediğinde

Gözetimsiz bir iş akışı, klavye başındaki bir insanın örtük olarak sağladığı kontrollere ihtiyaç duyar. En ucuzdan başlayarak dört katmanlı bir yapı kurun.

Her Claude düğümünde Max Tokens. Bu, katı bir çıktı sınırıdır. Bir özetleyici 300, bir sınıflandırıcı 100 token gerektirir. Bu, maliyet tablosunun pahalı tarafını (girdi tokenları için 1-5 dolar iken çıktı tokenları için milyon başına 5-25 dolar) sınırlar ve aynı zamanda bir acil durum freni görevi görür; Claude'un saçmalamasına neden olan bir istem hatası 8.000 değil, yalnızca 300 token harcar.

Düğüm başına model seçimi. Yukarıda belirtildiği gibi; mevcut ürün yelpazesinde beş ila on kat fiyat farkı yaratan bir kaldıraçtır ve ayarlanması on saniye sürer.

Döngüleri sınırlandırın. Ajanlar üzerinde Max Iterations değerini belirleyin. İş akışı ayarlarında bir zaman aşımı (timeout) tanımlayın; böylece takılı kalan bir yürütme sonsuz döngüye girmek yerine sonlanır. Düğüm bazlı Retry On Fail ayarına dikkat edin: geçici hatalar için doğru araçtır ancak yeniden denemeler maliyeti katlar. 5000 ms bekleme süresi ile 3 kez yeniden deneme (Max Tries), kalıcı bir hatada öğe başına vazgeçmeden önce üç kez faturalandırılmanıza neden olur. Zaten yüksek maliyetle başarıya ulaşmış bir düğümü asla yeniden deneme döngüsüne almayın.

Son çare olarak hata iş akışı. Error Trigger düğümü ile başlayan ve başarısız olan iş akışının adını ve hata detayını Slack'e gönderen bir iş akışı oluşturun, ardından bunu her yapay zeka iş akışının ayarlarında Error Workflow olarak tanımlayın. Bu mekanizma, en kötü senaryoyu yakalar: zamanlanmış bir iş akışının her saat başı hata vermesi ve bir hafta boyunca her çalıştırmada durmadan önce token tüketmesi. Bunu, Anthropic Console üzerinden aylık harcama limiti ile eşleştirin ve zamanlanmış herhangi bir şeyi devreye aldıktan sonraki ilk birkaç gün boyunca Console üzerindeki kullanım sayfasını kontrol edin. Tam olarak ne için faturalandırıldığınızı anlamak istiyorsanız, token kullanım kılavuzu konuyu detaylıca açıklar.

Hata modları ve karşılaşacağınız dizgeler

Düğüm "Authorization failed - please check your credentials." hatasıyla anında başarısız oluyor. API 401 kodu döndürdü. Temel gövde içeriği şöyledir:

{"type": "error", "error": {"type": "authentication_error", "message": "invalid x-api-key"}}

Hatalı yapıştırılmış, kesilmiş, sonunda boşluk karakteri bulunan bir anahtar veya bir eğitim dokümanından kalan yer tutucu söz konusudur. n8n kimlik bilgisini yeniden oluşturun ve tekrar yapıştırın; eğer dün çalışıyorsa, anahtarın Console üzerinden iptal edilip edilmediğini veya bir disk yedeği geri yüklemesinin farklı bir N8N_ENCRYPTION_KEY ile şifrelenmiş bir kimlik bilgisine dönüp dönmediğini kontrol edin.

Çalıştırmalar 429 rate_limit_error hatasıyla anlık olarak başarısız oluyor, mesaj "Number of request tokens has exceeded your per-minute rate limit" ifadesine benzer. Hız sınırları dakika bazlı kotalardır ve n8n, elli webhook veya RSS çalıştırmasını aynı anda tetiklemeyi çok kolaylaştırır. Sorunu yapısal olarak çözün: öğeleri paralel yerine sırayla (Loop Over Items) işleyin ve Retry On Fail ayarını Max Tries 3, Wait Between Tries değerini ise 5000 ms maksimum sınırına getirin; n8n bu alanı 5000 ms ile sınırlar. Daha uzun bir bekleme süresine ihtiyaç duyduğunuzda, yeniden denemelerin bir sonraki dakika penceresine denk gelmesi için hata yoluna bir Wait düğümü ekleyin veya öğeleri tek tek işleyin. Yanıt, tam olarak ne kadar beklemeniz gerektiğini belirten bir retry-after başlığı içerir; n8n'in sabit bekleme süresi bunu okuyamaz, bu yüzden daha uzun duraklamayı kendiniz oluşturun.

Modelinizi adlandıran 404 not_found_error hatası. Gövde, yazım hatasını yansıtır:

{"type": "error", "error": {"type": "not_found_error", "message": "model: claude-haiku-4.5"}}

Tire yerine nokta kullanımı (4-5 yerine 4.5), eski bir blog gönderisinden kalan tarih soneki veya kullanımdan kaldırılmış bir model söz konusudur. Kimliği güncel listeye göre düzeltin; bu durum, model alanını açılır menüden seçmek yerine ifade (expression) olarak yazan kullanıcıların sıkça karşılaştığı bir sorundur.

Claude sormadığınız bir soruya yanıt veriyor. Herhangi bir hata yok, çalıştırma başarılı görünüyor. message kullanılan bir yükte {{ $json.body.text }} gibi eksik bir alana başvuran bir n8n ifadesi, undefined dizgesini isteminize (prompt) ekler ve Claude hiçbir şey ifade etmeyen bir isteme yanıt verir. Başvurulan düğüm hiç çalışmadıysa "Referenced node is unavailable" hatası alırsınız, ancak eksik bir alan sessiz kalır. Etkinleştirmeden önce her zaman gerçek verilerle bir kez çalıştırın ve düğümün giriş panelinde oluşturulan gerçek istemi okuyun; ifade düzenleyici çözümlenmiş değeri önizler ve dikkatli bakarsanız undefined orada görülebilir.

FAQ

Claude'u n8n'e nasıl bağlarım?

Anthropic Console üzerinde platform.claude.com adresinden bir API anahtarı oluşturun, ardından n8n içinde Anthropic türünde bir kimlik bilgisi (credential) ekleyin ve anahtarı API Key alanına yapıştırın. Anthropic uygulama düğümü ve Anthropic Chat Model alt düğümü dahil olmak üzere her Claude düğümü, bu kayıtlı kimlik bilgisini referans alır. n8n bu veriyi N8N_ENCRYPTION_KEY ile şifreler; bu nedenle anahtarınızı yedekleyin, aksi takdirde volume silindiğinde kimlik bilgileriniz kaybolur.

Bir yapay zeka iş akışının çalışma başına maliyeti nedir?

Çalışma başına token sayısını tahmin edin ve ardından modelin milyon başına fiyatlarıyla çarpın. Temmuz 2026 itibarıyla Haiku 4.5 giriş/çıkış tokenları için milyon başına 1$/5$, Sonnet 5 ise 3$/15$ (Ağustos 2026'ya kadar geçerli tanıtım fiyatı 2$/10$) olarak fiyatlandırılmaktadır. Haiku üzerinde bir webhook özetleme işlemi yaklaşık çeyrek sent tutar; birkaç araç çağrısı içeren Sonnet üzerindeki bir ajan çalışması ise 0.06$–0.10$ civarına yaklaşır, çünkü her yineleme tüm konuşmayı girdi olarak tekrar gönderir. Tahminlere güvenmek yerine, çalışma maliyetini Console üzerindeki kullanım sayfasından doğrulayın.

n8n otomasyonları için hangi Claude modelini kullanmalıyım?

Sınıflandırma, veri çıkarma, özetleme, yönlendirme ve hız ile fiyatın ön planda olduğu yüksek hacimli işler için Haiku 4.5 tercih edilmelidir. AI Agent düğümleri ve çok adımlı mantıksal yürütmeler için Sonnet 5 kullanılmalıdır. Opus 4.8, yalnızca yanlış bir cevabın maliyetinin, Haiku'nun beş katı ve Sonnet'in iki katından biraz az olan 5$/25$ liste fiyatını haklı çıkaracak kadar yüksek olduğu durumlarda kullanılmalıdır. Modeli iş akışı bazında değil, düğüm bazında ayarlayın; tek bir iş akışı üç modeli de içerebilir.

Bir n8n iş akışının Claude API üzerinde aşırı harcama yapmasını nasıl engellerim?

Güvenlik önlemlerini katmanlandırın: her Claude düğümünde düşük bir Max Tokens değeri, ajanlarda Max Iterations, bir iş akışı zaman aşımı ve hataların token harcamasını katlamaması için muhafazakar Retry On Fail ayarları kullanın. Ardından, herhangi bir yapay zeka iş akışı başarısız olduğunda sizi Slack üzerinden uyaracak bir Error Trigger iş akışı ekleyin ve Anthropic Console üzerinde VPS üzerindeki hiçbir işlemin aşamayacağı kesin bir aylık harcama limiti belirleyin.

Yapay zeka ajanı araç çağrıları ek ücrete tabi midir?

Ayrı bir araç kullanım ücreti yoktur ancak araçlar ücretsiz değildir: her araç sonucu girdi tokenı olarak modele geri beslenir ve her ajan yinelemesi o ana kadarki tüm konuşmayı tekrar gönderir. Filtrelenmemiş, sohbet tarzındaki bir API yanıtı, gerçek isteminizi gölgede bırakabilir; bu nedenle HTTP Request araçlarında Optimize Response seçeneğini etkinleştirin ve yalnızca ajanın ihtiyaç duyduğu alanları döndürün.