Relevance AI

Was es ist

Relevance AI ist eine No-Code-Plattform, um Teams von KI-Agenten zu bauen und zu betreiben — die Firma nennt das eine “AI Workforce” — über die Tools, die Ihr Ops-Team ohnehin nutzt. Sie setzen Agenten in einem visuellen Builder zusammen, indem Sie Anweisungen in natürlicher Sprache schreiben, ein Basismodell wählen (Claude, Gemini oder OpenAI) und jedem Agenten einen Satz an Aktionen zuweisen, die er ausführen darf. Agenten können sich gegenseitig aufrufen: Ein “BDR”-Job ist eigentlich ein Recherche-Agent, ein Scoring-Agent und ein Outbound-Agent, die als Team unter einem gemeinsamen Playbook arbeiten. Die Plattform stützt sich auf eine vierstufige Autonomie-Leiter — Assisted, Copilot, Autopilot, Self-Driving — sodass ein Prozess damit beginnt, dass ein Mensch jeden Schritt freigibt, und dazu übergeht, eigenständig zu laufen, sobald Sie ihm vertrauen. Sie verbindet sich nativ mit über 1.000 Tools und unterstützt MCP für den Rest. Das Unternehmen wurde in Sydney gegründet, sammelte im Mai 2025 eine Series B über $24M unter Führung von Bessemer Venture Partners ein (rund $37M insgesamt) und führt Qualified, SafetyCulture, Canva, KPMG und Autodesk unter seinen Kunden; es meldete allein im Januar 2025 40.000 auf der Plattform erstellte Agenten.

Wo es in Ops passt

Der Builder ist universell, aber der Schwerpunkt liegt auf GTM. Die vorgefertigten Agenten, die Relevance vermarktet, haben Vertriebszuschnitt:

• Bosh — ein KI-BDR/SDR, der Leads recherchiert, Kontakte anreichert, gegen das ICP scort, Outbound schreibt, Antworten bearbeitet, Meetings bucht und das CRM aktualisiert. Bosh ist selbst ein Multi-Agenten-System, das für Enterprise maßgeschneidert onboarded wird statt self-serve.
• Apla — ein Account-Recherche-Agent, der AEs vor Anrufen mit einem Briefing pro Account vorbereitet.
• Back-Office-Prozesse — außerhalb des Vertriebs bauen Teams ihre eigenen Agenten: einen Legal-Ops-Intake-Triagierer, der Vertragsanfragen routet, oder einen Recruiting-Agenten, der einen Kandidaten gegen das Scorecard zusammenfasst. Das sind Builds, keine Templates, die Sie einschalten.

Weil jeder Agent über denselben Connector-Graphen, dieselbe Modellschicht und dieselben Freigabe-Gates läuft, werden ein RevOps-Agent und ein Recruiting-Agent unter einer einzigen Policy regiert statt mit zwei zusammenhanglosen Punktlösungen.

Preise

Relevance AI ist Usage-based, gemessen in zwei Einheiten: Actions (jeder Schritt, den ein Agent macht) und Vendor Credits (die Modellkosten hinter diesen Schritten). Sitze sind nicht der Zähler — jeder Plan enthält unbegrenzt Agenten.

• Free — $0, ~200 Actions/Monat, ein Builder. Genug, um einen Agenten von Anfang bis Ende zu prototypisieren.
• Pro — etwa $19/Monat, für Einzelpersonen, die Agenten häufig bauen und testen.
• Team — etwa $234/Monat, ergänzt Anruf-/Meeting-Agenten, mehr Builder plus Endnutzer und Analytics.
• Enterprise — individuell; hier leben Bosh und die SSO-/Datenresidenz-Kontrollen. Die jährliche Abrechnung kommt rund ein Drittel günstiger als die monatliche.

Der Schlagzeilen-Sitzpreis ist nicht das Budget. Verbinden Sie Ihre eigenen Anthropic- oder OpenAI-Schlüssel, um Anbieterpreise direkt zu zahlen und den Credit-Aufschlag zu umgehen, und bemessen Sie dann die reale Zahl am Action-Volumen, sobald die Agenten in Produktionskadenz laufen.

Am besten für

• RevOps- und GTM-Teams, die mehrstufige Agenten-Prozesse aufstellen wollen — Recherche, Scoring, Outbound, Follow-up — mit menschlichen Freigabe-Gates, und die jemanden haben, der das Agenten-Design verantwortet.
• Ops-Teams jeder Funktion, die einen No-Code-Builder einem Engineering-Projekt vorziehen und die Modellwahl sowie MCP-natives Tool Calling wollen statt eines einzelnen festverdrahteten Modells.

Alternativen und wann Sie sie wählen

• Dust — wählen Sie es, wenn die Aufgabe ein wissensgestützter Assistent über Ihrem SaaS ist (“Wie ist unsere Position zu unbegrenzter Freistellung?”) und weniger eine Prozessautomatisierung, die Aktionen ausführt. Dust führt bei Retrieval und transparenter Flat-Preisgestaltung; Relevance führt bei autonomen Multi-Agenten-Prozessen und vorgefertigten GTM-Agenten.
• Microsoft Copilot Studio — wählen Sie es, wenn Ihr Team in Microsoft 365 lebt und Sie Agenten in diesem Bestand mit der größten Standard-Installationsbasis wollen, keine separate Plattform.
• Lindy — der am schnellsten wachsende No-Code-Agenten-Automatisierungs-Einsteiger, den Käufer gegen Relevance abwägen. Wählen Sie es für leichtere Automatisierungen von Einzelperson zu Team; Relevance zieht bei Enterprise-Governance und der Autonomie-Leiter vor.
• n8n — wählen Sie es, wenn Sie die Orchestrierung selbst verantworten und Modelle in einen DIY-Workflow verdrahten wollen, statt eine verwaltete Agenten-Schicht zu kaufen.

Worauf zu achten ist

• Actions plus Vendor Credits sind das echte Budget, nicht der $19-Sitz. Ein geschwätziger Multi-Agenten-Prozess verbrennt Actions schnell, und Modell-Credits skalieren mit Retrieval und Tool-Aufrufen. Schutz: Fahren Sie einen 30-Tage-Pilot auf Ihrem volumenstärksten Use Case, lesen Sie den Action- und Credit-Verbrauch im Dashboard ab, bevor Sie Enterprise unterschreiben, und verbinden Sie Ihre eigenen Modell-Schlüssel, um Anbieterpreise zu zahlen.
• Die Aushänge-Agenten sind GTM; der “AI Workforce”-Anspruch ist breiter als die Out-of-the-Box-Templates. Bosh und Apla haben Vertriebszuschnitt. Für einen Legal-Ops- oder Recruiting-Prozess setzen Sie Agenten im Builder zusammen, statt einen fertigen Arbeiter zu kaufen. Schutz: Stecken Sie einen Build-Sprint mit einem benannten Owner ab, bevor Sie annehmen, dass ein Prozess außerhalb des Vertriebs in einer Woche fertig ist.
• Autonomie ohne Governance ist stiller schlechter Output im großen Maßstab. Ein Self-Driving-Agent, der in Salesforce schreibt oder E-Mails versendet, kann die Deliverability oder Datenqualität verschlechtern, bevor es jemand bemerkt. Schutz: Halten Sie schreibfähige Agenten auf den Stufen Assisted/Copilot hinter Freigabe, bis Antwortrate und Genauigkeit halten, und befördern Sie einen Prozess nach dem anderen zu Autopilot, statt die gesamte Workforce am ersten Tag auf L3 zu stellen.