Gumloop

Was es ist

Gumloop ist ein No-Code-KI-Workflow-Canvas, auf dem Ops-Teams modulare Nodes per Drag-and-drop verbinden, um mehrstufige KI-Automatisierungen ohne Code zu erstellen. Ein Flow ist ein visueller Graph: Ein Trigger-Node läuft nach Zeitplan oder bei einem Ereignis, Daten fließen durch Anreicherungs-Nodes, KI-Modell-Nodes (Claude Sonnet, GPT-4o, Gemini 2.5, DeepSeek — pro Node individuell wählbar) und Aktions-Nodes, die Ergebnisse in die genutzten Apps zurückschreiben. Die Plattform liefert über 130 native Integrationen, über 115 vorgefertigte Blöcke und eine Chrome-Erweiterung, die Browser-Daten direkt in Flows lädt. Der Unterschied zu klassischer Workflow-Automatisierung (Zapier, Make) liegt in der Dokumentenintelligenz — strukturierte Extraktion aus PDFs, E-Mails und Bildern im Maßstab — und der Modellflexibilität pro Node: Ein einziger Flow kann Claude für die Extraktion rechtlicher Klauseln, GPT für die Texterstellung und Gemini für die Bildklassifikation aufrufen und dabei die Modellkosten je Schritt optimieren.

Gumloop startete in YC W24 (Winter 2024) und sammelte $70,1 Mio. in Seed ($3,1 Mio., First Round, Juli 2024), Series A ($17 Mio., Nexus Venture Partners, Januar 2025) und Series B ($50 Mio., geführt von Benchmark, März 2026). Zu den genannten Kunden zählen Shopify, Ramp, Gusto, Samsara und Instacart. Das Unternehmen beschäftigt 37 Mitarbeitende und hat seinen Sitz in San Francisco.

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

Derselbe Canvas bedient alle drei Vertikalen, weil die zugrunde liegende Aufgabe identisch ist: unstrukturierte Inputs aufnehmen, KI darüber laufen lassen und strukturierte Outputs an die Tools weitergeben, die sie benötigen.

• RevOps nutzt Gumloop für Prospect-Anreicherungs-Pipelines: eine Liste aus HubSpot ziehen, die Website jedes Unternehmens scrapen, einen Claude-Node zur Extraktion von ICP-Signalen ausführen und angereicherte Felder zurück ins CRM schreiben — ohne Code. Ebenso läuft es für die Personalisierung von Outbound-Outreach (Liste aufnehmen → Body mit LLM personalisieren → in das Versandtool exportieren) und CRM-Datenhygiene-Jobs.
• Legal Ops richtet Dokumentenverarbeitungs-Flows ein, um PDFs aus einem gemeinsamen Ordner zu ingestieren, Klauseldaten oder Parteinamen mit einem GPT-Node zu extrahieren und markierte Dokumente an einen Slack-Alert oder einen Vertragseingangsordner weiterzuleiten.
• Recruiting automatisiert Kandidaten-Screening-Pipelines: Lebensläufe ingestieren, mit einem LLM gegen die Stellenbeschreibung bewerten, qualifizierte Zeilen ins ATS schieben und den Recruiter benachrichtigen — als Ersatz für eine manuelle Sortierung, die sonst täglich 2–3 Stunden kostet.

Preise in der Praxis

Gumloop hat zwei öffentliche Tarife und einen individuellen Enterprise-Plan:

• Free — $0; 5.000 Credits/Monat, 1 Seat, 1 aktiver Trigger, 2 gleichzeitige Ausführungen. Für das Prototyping eines einzelnen Flows konzipiert, nicht für den Produktionseinsatz im Team.
• Pro — $37/Monat; über 20.000 Credits, unbegrenzte Seats, unbegrenzte aktive Trigger, 5 gleichzeitige Ausführungen, 25 gleichzeitige Agent-Interaktionen, 1 gehostete MCP-Server-Instanz, Team-Kollaboration. Der Produktionstarif für die meisten Teams.
• Enterprise — individuell; ergänzt rollenbasierte Zugriffskontrollen, SCIM/SAML-SSO, VPC-Deployment, KI-Ausgaben-Insights, Workflow-Queuing, mehrere MCP-Server-Instanzen und einen dedizierten Support-Kanal mit einem eingebetteten Gumloop-Experten.

Bei $37/Monat für über 20.000 Credits gegenüber Lindys $49,99/Monat für 5.000 Credits liefert Gumloop ungefähr das 4-Fache des Credit-Volumens zu einem niedrigeren Preis. Der Vergleich ist unvollkommen: Gumloop-Credits laufen auf einem Canvas, den Sie selbst aufbauen; Lindy-Credits treiben vorgefertigte Urteilsfähigkeits-Agenten an. Budgetieren Sie anhand des spezifischen Flows, den Sie ausführen möchten — nicht anhand des Headline-Verhältnisses.

Am besten geeignet für

Nicht-technische RevOps-, Legal-Ops- und Recruiting-Teams mit 5 bis 300 Personen, die dokumentenintensive KI-Pipelines, Prospect-Anreicherungsautomatisierungen oder Multi-LLM-Workflows benötigen, die kein einzelnes Point-Tool abdeckt. Der ROI ist am deutlichsten beim Ersetzen von ≥1 manueller Recherche- oder Verarbeitungsaufgabe, die derzeit mehr als 3 Stunden pro Woche kostet und deren Software-Kosten pro Seat über $37/Monat liegen.

Alternativen und wann man sie wählt

• n8n — die führende selbst gehostete Open-Source-Workflow-Automatisierungsplattform. Wählen Sie sie, wenn Ihr Team Engineering-Support hat, vollständige Datenresidenz benötigt und die Infrastruktur selbst kontrollieren möchte. Das Self-Hosting von n8n ist kostenlos; Cloud-Pläne beginnen bei $24/Monat. Die Connector-Tiefe übertrifft die von Gumloop, aber Dokumentenintelligenz-Nodes erfordern eigenen Code statt vorgefertigter Blöcke.
• Lindy — wählen Sie Lindy, wenn die Automatisierung dauerhaftes Urteilsvermögen erfordert: einen Posteingang beobachten, Inbound triage durchführen oder über den CRM-Status im Zeitverlauf nachdenken. Lindys Agent-Modell ist immer aktiv und ereignisgesteuert; Gumloops Canvas führt Flows beim Trigger bis zum Abschluss aus. Für Lead-Routing oder die Zusammenfassung von Meeting-Notizen passt Lindys urteilsorientiertes Design besser als ein Canvas.
• Zapier — Marktführer bei Workflow-Automatisierung mit dem breitesten Integrationskatalog. Wählen Sie ihn, wenn die Arbeit deterministisches Plumbing ist (Daten von A nach B verschieben, wenn C auslöst) und kein KI-Reasoning-Schritt erforderlich ist. Zapiers Preismodell pro Aufgabe skaliert bei hohem Volumen für KI-intensive Pipelines schlecht im Vergleich zu Gumloops Pauschale von $37/Monat.
• Make — wählen Sie Make, wenn komplexe Verzweigungslogik, ein breiter Connector-Katalog und niedrigere Kosten pro Operation bei hohem Volumen wichtiger sind als native KI-Dokumentenintelligenz. Makes kostenloser Tarif ist großzügiger als der von Gumloop; es ist die am schnellsten wachsende Alternative im Budget-Automatisierungssegment.

Achtung

• Credit-Verbrauch konzentriert sich bei KI-intensiven Flows auf den Anfang. LLM-Aufrufe, Dokumentenanalyse und Bildanalyse-Nodes verbrauchen Credits deutlich schneller als einfache Datenbewegungsoperationen. Ein Flow, der 200 PDFs mit einem Claude-Opus-Node verarbeitet, kann die 20.000 Credits des Pro-Plans in einer einzigen Ausführung erschöpfen. Schutzmaßnahme: Flow erstellen, auf einem 10-Zeilen-Testset ausführen, Credit-Dashboard lesen und den Plan dann auf Basis der beobachteten Kosten pro Zeile dimensionieren — nicht anhand der Headline-Zahl.
• Das Limit von 5 gleichzeitigen Ausführungen im Pro schafft eine Durchsatz-Obergrenze für große Batch-Jobs. Eine 500-Zeilen-Liste, die in einem Batch verarbeitet wird, braucht bei einer Concurrency-Beschränkung von 5 die 100-fache Dauer eines einzelnen Flows. Schutzmaßnahme: Batch-Abschlusszeit gegen das Zeitfenster messen, das Downstream-Systeme erfordern; auf Enterprise wechseln (das Workflow-Queuing und höhere Concurrency-Limits hinzufügt), wenn die Lücke nicht handhabbar ist.
• MCP-Server-Hosting ist im Pro auf 1 Instanz beschränkt. Teams, die mehrere interne APIs via MCP exponieren müssen — für Claude Code Agenten, Flow-übergreifendes Datenrouting oder KI-Ausgabenkontrollen — benötigen Enterprise. Schutzmaßnahme: Wenn MCP ein Anforderungstreiber für Ihre Architektur ist, holen Sie Enterprise-Preise ein, bevor Sie die Integration aufbauen.