Gumloop

Was es ist

Gumloop ist eine KI-Agent-Plattform mit einem No-Code-Workflow-Canvas darunter. Diese Reihenfolge ist die Änderung, die man kennen muss: Früher führte das Produkt mit dem Canvas — Nodes ziehen, verbinden, einen Flow per Trigger bis zum Ende laufen lassen — heute führt es mit Agents. Der Canvas ist das, was ein Agent aufruft, wenn ein Schritt wiederholbar statt begründet sein muss.

Drei Oberflächen sind für den Käufer relevant. Agents laufen im Chat, in Slack, aus einem Agent-E-Mail-Postfach heraus oder über Zeitplan- und Ereignis-Trigger. Workflows sind der Canvas: ein Trigger-Node, Anreicherungs-Nodes, Modell-Nodes (über 35 Modelle, pro Node wählbar, oder mit eigenem API-Key) und Aktions-Nodes, die Ergebnisse in Ihre Apps zurückschreiben. Brain ist die Retrieval-Schicht: Sie indexiert Notion-Seiten, Google-Drive-Dokumente, öffentliche Slack-Kanäle, GitHub-Repos, Confluence-Spaces, Zendesk-Artikel und -Tickets, Salesforce-Datensätze und hochgeladene Dateien, mit dem Geltungsbereich persönlich / Team / Organisation. Für Google Drive und Salesforce kann Brain die Quellberechtigungen erben, sodass das Retrieval nur zurückgibt, was die fragende Person ohnehin öffnen könnte.

Die Connector-Bibliothek umfasst inzwischen über 300 Einträge, gegenüber den über 130, die Gumloop Mitte 2026 auswies; neuere Ergänzungen kommen als MCP-Server statt als handgebaute Nodes. Gumloop startete in YC W24, hat $70,1 Mio. eingesammelt — $3,1 Mio. Seed (First Round, Juli 2024), $17 Mio. Series A (Nexus Venture Partners, Januar 2025) und $50 Mio. Series B unter Führung von Benchmark (März 2026) — und nennt Shopify, Instacart, Gusto, Samsara, Ramp und Opendoor als Kunden.

Warum es in RevOps-, Legal- und Recruiting-Stacks auftaucht

Dieselbe Plattform deckt drei Verticals ab, weil die zugrunde liegende Aufgabe identisch ist: unstrukturierte Eingaben nehmen, ein Modell darüber laufen lassen und strukturierte Ausgaben in das führende System schreiben.

• RevOps fährt damit Prospect-Anreicherung — eine Liste aus HubSpot ziehen, jede Firmenwebsite scrapen, ICP-Signale mit einem Modell-Node extrahieren, die Felder zurückschreiben — dazu Outbound-Personalisierung und CRM-Hygiene-Jobs, die sonst ein Python-Skript und jemanden zum Pflegen bräuchten.
• Legal Ops fährt damit den Dokumenteneingang: PDFs aus einem geteilten Drive-Ordner einlesen, Klauseldaten und Parteinamen extrahieren und alles Markierte in einen Slack-Kanal oder die Vertrags-Intake-Queue routen. Genau hier zahlt sich die Modellwahl pro Node aus — Klauselextraktion mit dem einen Modell, Zusammenfassung mit einem günstigeren.
• Recruiting fährt damit das Screening von Lebensläufen gegen eine Stellenbeschreibung und schiebt qualifizierte Zeilen mit einer Recruiter-Benachrichtigung ins ATS. Das ersetzt eine manuelle Sichtung, die bei Volumen typischerweise 2–3 Stunden pro Tag kostet.

Preisrealität

Den kostenlosen Tarif gibt es nicht mehr. Gumloop führte zuvor einen $0-Tarif mit 5.000 Credits pro Monat; die Preisseite listet jetzt zwei Optionen und eine 14-tägige Testphase, die ohne Kündigung in einen bezahlten Plan übergeht. Wenn Ihr Evaluationsplan lautete „im kostenlosen Tarif bauen, bei Erfolg upgraden“, ist dieser Weg zu.

• Pro — $37/Monat. 20.000 Credits, unbegrenzte Seats, unbegrenzte Agents und Teams, 5 gleichzeitige Workflow-Läufe, 25 gleichzeitige Agent-Chats, über 35 Modelle, eigener API-Key, Brain, Skill-Sync mit GitHub, geteilte Zugangsdaten, Agent-spezifische Guardrails, ein gehosteter MCP-Server und E-Mail-Support.
• Enterprise — individuell. Die Standardwerte steigen auf 15 gleichzeitige Workflow-Läufe und 100 gleichzeitige Agent-Chats, beide verhandelbar; hinzu kommen Request-Queueing, organisationsweite Guardrails, VPC-Deployment, SCIM/SAML, rollenbasierte Zugriffskontrolle, Audit-Logs, ein Admin-Dashboard, individuelles MCP-Hosting und -Proxying, Managed Tunnels für private MCP-Server, eine verhandelte Orchestrierungsrate, dedizierter Slack-Support und ein eingebetteter Gumloop-Experte.

Was ein Team tatsächlich zahlt, ist die Credit-Linie, nicht die $37. Gumloop rechnet mit 1 Credit = $0,005 und reicht die Modell-Tokenkosten zu diesem Umrechnungskurs durch. Ein Agent-Chat wird über fünf Komponenten abgerechnet: Chat- und Reasoning-Tokens; mindestens 1 Credit pro erfolgreichem Tool-Aufruf; Compute mit 5 Credits pro Sitzungsminute; eine Orchestrierungsgebühr von 8% auf die Summe dieser drei; und die vollen Kosten jedes Workflows, den der Agent auslöst. Bringen Sie einen eigenen Modell-Key mit, entfällt die Reasoning-Komponente aus Ihrem Credit-Guthaben — die Orchestrierungsgebühr verdoppelt sich dann jedoch auf 16%. Workflows rechnen einfacher ab: 1 Credit für den Start plus die Kosten jedes laufenden Nodes, die meisten nativen Nodes kostenlos, ohne Compute- oder Orchestrierungsaufschlag.

Kalkulieren Sie gegen die 20.000 Credits, nicht gegen das Abo. Ein Workflow-lastiges Team mit überwiegend nativen Nodes kommt der Obergrenze nicht nahe. Ein Agent-lastiges Team schon: Allein der Compute-Anteil bringt eine 60-minütige Agent-Sitzung auf 300 Credits, bevor ein einziger Token oder Tool-Aufruf gezählt ist.

Am besten geeignet für

RevOps-, Legal-Ops- und Recruiting-Teams mit 5 bis 300 Personen ohne Engineering-Support, die dokumentenlastige Pipelines oder Multi-Modell-Arbeit fahren, die kein einzelnes Point-Tool abdeckt. Der ROI ist am klarsten, wenn die Plattform mindestens eine wiederkehrende manuelle Aufgabe von 3+ Stunden pro Woche ersetzt.

Nichts für Sie, wenn Ihre Automatisierungen deterministische Datenbewegung ohne Reasoning-Schritt sind: Sie zahlen dann Agent-Plattform-Preise für Plumbing, das Zapier oder Make günstiger erledigen. Ebenfalls nichts für Sie, wenn Sie einen dauerhaft kostenlosen Tarif zum Prototyping brauchen, oder wenn die Batch-Jobs eines einzelnen Teams regelmäßig 5 gleichzeitige Läufe überschreiten: Im Pro-Tarif werden diese Anfragen abgewiesen, nicht eingereiht, und die Lösung ist ein Enterprise-Vertrag, kein Tarifwechsel.

Alternativen und wann Sie sie wählen

• Zapier — Marktführer nach Anteil, mit dem breitesten Connector-Katalog. Wählen Sie ihn, wenn die Arbeit deterministisches Plumbing ist (Daten von A nach B verschieben, wenn C auslöst) und kein Reasoning-Schritt vorkommt. Die Abrechnung pro Task skaliert bei modelllastigen Pipelines schlecht — genau dort gewinnt Gumloops Pauschale von $37 plus gemessene Credits.
• Make — wählen Sie es für komplexe Verzweigungslogik, eine breite Connector-Bibliothek und niedrigere Kosten pro Operation bei hohem Volumen, wenn native Dokumentenintelligenz nachrangig ist. Make führt weiterhin einen kostenlosen Tarif; Gumloop nicht mehr, was jetzt mehr wiegt als zuvor.
• n8n — der am schnellsten wachsende Anbieter im Segment und die Wahl, wenn Sie Engineering-Support haben, Datenresidenz benötigen oder die Infrastruktur selbst kontrollieren wollen. Die selbst gehostete Community Edition ist kostenlos; die Cloud startet bei €20/Monat bei jährlicher Zahlung für 2.500 Ausführungen. Die Connector-Tiefe übertrifft die von Gumloop, aber Dokumentenintelligenz bedeutet hier eigenen Code statt eines fertigen Blocks.
• Lindy — wählen Sie es, wenn die Automatisierung ein dauerhafter Beobachter ist und keine Pipeline: ein Postfach überwachen, Inbound triagieren, über den CRM-Zustand im Zeitverlauf schlussfolgern. Lindy rechnet pro Nutzer ab (Plus $29,99/Nutzer/Monat für 3.000 Credits, Pro $99,99 für 15.000); Gumloops Seats sind unbegrenzt und die Credits gepoolt, sodass sich beide umkehren, je nachdem ob Ihre Beschränkung Headcount oder Volumen ist.

Worauf zu achten ist

• Die Orchestrierungsgebühr kommt auf alles obendrauf und verdoppelt sich beim eigenen API-Key. Teams bringen ihren eigenen Key mit, um Kosten zu senken, und stellen dann fest, dass die Plattformgebühr von 8% auf 16% der Chat-, Compute- und Tool-Aufruf-Credits gestiegen ist. Absicherung: Lassen Sie denselben Flow in beiden Varianten über einen Testsatz von 10 Zeilen laufen und lesen Sie das Credit-Dashboard, bevor Sie sich auf eine Key-Strategie festlegen — der eigene Key gewinnt nur, wenn Ihre verhandelte Modellrate Gumloops Durchreichung um mehr als diese zusätzlichen 8% unterbietet.
• Agent-Compute wird nach Uhrzeit abgerechnet, nicht nach geleisteter Arbeit. Bei 5 Credits pro Sitzungsminute verbrennt ein lang laufender Agent, der die meiste Zeit auf langsame Tool-Aufrufe wartet, Credits genauso schnell wie einer, der wirklich rechnet. Warten auf Nutzereingaben ist kostenlos, Warten auf eine API nicht. Absicherung: Verlagern Sie lange, deterministische Abschnitte in einen Workflow, der weder Compute- noch Orchestrierungsgebühr trägt, und lassen Sie den Agenten ihn aufrufen.
• Pro weist überzählige Parallelität ab, statt sie einzureihen. Jenseits von 5 gleichzeitigen Workflow-Läufen gibt die API HTTP 429 zurück, und Agent-Chats scheitern mit einem Concurrency-Fehler; Queueing ist ein Enterprise-Feature. Ein Batch mit 500 Zeilen, als parallele Läufe abgefeuert, verliert still Arbeit, wenn nichts erneut versucht. Absicherung: Trigger staffeln, große Jobs in Subflows zerlegen (die nicht gegen das Limit zählen) und in allem, was die API aufruft, ein Retry bei 429 einbauen.
• MCP-Hosting ist im Pro-Tarif auf einen Server begrenzt. Mehrere interne APIs über MCP bereitzustellen — für Claude-Code-Agents, Routing zwischen Flows oder private Dienste hinter einem Managed Tunnel — erfordert Enterprise. Absicherung: Wenn die MCP-Topologie eine Anforderung und kein Extra ist, holen Sie Enterprise-Preise ein, bevor Sie die Architektur darauf auslegen.