Gumloop Test: Ein Blick auf das KI-basierte Automatisierungstool

Nachdem ich die großen Player wie Zapier, Make und n8n ausprobiert hatte, dachte ich, ich hätte im Bereich Workflow-Automatisierung schon alles gesehen. Dann kam die KI-Revolution. Mit Plattformen wie Gumloop, die eine neue Ära der Automatisierung durch KI-native Tools versprechen.

Wenn du in letzter Zeit auf X oder LinkedIn unterwegs warst, hast du bestimmt den ganzen Hype rund um KI-Agenten mitbekommen. Überall gibt es Lead-Magneten zu "Bots, die ganze Unternehmen steuern", und ein Gründer behauptete sogar, dass alle seine Mitarbeitenden für eine Woche verschwunden sind, während KI-Agenten alles übernommen haben (Vertrieb, Support, Operations) – ohne irgendeinen Einfluss auf Umsatz oder Churn.

Klingt spannend, aber hält das wirklich, was es verspricht? Gumloop sieht sich selbst an der Spitze dieser AI-First-Welle. Nach unzähligen Tests verschiedenster SaaS-Tools habe ich aber gelernt, solchen großen Versprechen erstmal skeptisch zu begegnen.

Die eigentliche Frage ist nicht nur, ob Gumloop funktioniert, sondern ob es tatsächlich einen echten Unterschied gibt zwischen klassischen Workflow-Lösungen und diesen speziell für KI entwickelten Plattformen. Heute finden wir es heraus. Ich habe Gumloop auf Herz und Nieren geprüft und genau hingeschaut, was es kann, was nicht – und wo es punktet. Lass uns reinschauen!

Was ist Gumloop?

Gumloop ist eine KI-native Automatisierungsplattform, die speziell für Go-to-Market-Teams, Revenue Operations und Business Development entwickelt wurde. Sie versteht sich als No-Code-Lösung zum Erstellen von KI-gestützten Automatisierungen.

Im Grunde funktioniert sie ähnlich wie traditionelle Workflow-Tools, indem du einzelne Schritte (in Gumloop als Nodes bezeichnet) auf einer visuellen Oberfläche verbindest, um Aufgaben zu automatisieren. Allerdings wurde Gumloop im Gegensatz zu etablierten Tools, die KI erst später integriert haben, von Anfang an mit KI als Kernfokus entwickelt.

Die Plattform bietet fortschrittliche KI-Funktionen mit Nodes für Aufgaben wie Kategorisierung, Scoring, Datenextraktion und Bildanalyse sowie die Möglichkeit, je nach Aufgabe zwischen verschiedenen KI-Modellen (Claude 3.5 Sonnet, GPT-4 usw.) zu wechseln.

Außerdem ist Gumloop besonders stark beim Web Scraping durch eine Chrome-Erweiterung, die KI-Tools direkt in den Browser bringt.

Besonders hervorzuheben ist auch der Einsatz des sogenannten Model Context Protocol (MCP), einem Open-Source-Standard, der wie ein USB-C-Anschluss für KI-Anwendungen funktioniert. Dadurch gibt es eine einheitliche Möglichkeit, KI-Systeme mit externen Datenquellen, Tools und Workflows zu verbinden. Die MCP-Implementierung von Gumloop ermöglicht es, Integrationen einfach in Alltagssprache zu beschreiben, wobei die KI mit der App kommuniziert und im Hintergrund den gesamten Code generiert. Du kannst zum Beispiel konkrete Anfragen stellen wie „Hole die letzten fünf E-Mails aus meinem Gmail-Posteingang mit dem Betreff 'New lead' vom Absender sales@domain.com“ – und Gumloop erledigt das für dich!

Die wichtigsten Funktionen von Gumloop

Jetzt, wo du weißt, was Gumloop ist, schauen wir uns an, was die Plattform alles kann. Hier sind die wichtigsten Funktionen von Gumloop und was sie dir ermöglichen.

Vorher klären wir noch ein paar zentrale Begriffe von Gumloop und wie sie das Nutzungserlebnis prägen:

• Flows: Gumloops Automatisierungen, also eine Abfolge von Schritten (Nodes), die visuell miteinander verbunden sind.
• Nodes: Automatisierungsschritte oder Aktionen. Dazu gehören Core Nodes (wie Filter, If-Else-Bedingungen, manuelle Eingaben usw.), KI-Nodes zur Analyse und Verarbeitung von Inhalten, Integrations-Nodes und weitere fortgeschrittene Nodes wie Web Scraping.
• Trigger Nodes: Ein spezieller Node-Typ, mit dem du Flows automatisieren kannst.
• MCP Nodes: Individuelle Nodes, mit denen du per Alltagssprache mit einer bestimmten App sprechen kannst. Zum Beispiel: „Hole die YouTube-Video-Details und das Transkript.“
• Custom Nodes: Baue deinen eigenen Node mit KI. Beschreibe einfach, was du möchtest, und die KI erstellt ihn für dich.
• Subflows: Flows innerhalb von Flows, mit denen du besonders komplexe Automatisierungen erstellen kannst.
• Interfaces: Ähnlich wie die Interfaces von Zapier – meist Formulare, die du mit einem Flow verbinden kannst. Wenn jemand das Formular ausfüllt, werden die Informationen an die anderen Nodes weitergeleitet.

Workflow-Builder-UI

Mein erster Eindruck vom visuellen Flow-Builder in Gumloop war durchweg positiv. Das ist der schönste und intuitivste Builder, was die Benutzeroberfläche angeht. Die Oberfläche bietet ein flüssiges Drag-and-Drop-Erlebnis, mit dem du beliebige Nodes auf der Arbeitsfläche verbinden und verzweigen kannst (ähnlich wie bei Make).

Animationen, Fokus- und Hervorhebungszustände sind in der gesamten App klar und deutlich erkennbar. Das gilt auch für Hilfen und Test-Visualisierungen.

Kleine Details wie aktive Trigger zeigen an, ob es sich um einen automatisierten oder manuellen Flow handelt.

Knoten können automatisch ausgerichtet oder eingeklappt werden, um eine bessere Ausrichtung zu erreichen. Du kannst sogar das Schwenkverhalten der Arbeitsfläche auswählen (Scrollen zum Schwenken vs. Ziehen zum Schwenken) sowie den Verbindungstyp und die Option zum Einrasten am Raster einstellen.

Das sind zwar Kleinigkeiten, aber sie können die Umstellung enorm erleichtern, besonders wenn du von einem Automatisierungstool kommst, das zum Beispiel das Scrollen anstelle des Ziehens zum Schwenken verwendet. Power User wissen, wie nervig das sonst sein kann.

Datenzuordnung

Node-Eingaben und -Ausgaben sind in Gumloop klar gekennzeichnet.

Im folgenden Beispiel siehst du, dass der Interface-Node zwei Ausgaben hat. Das bedeutet, es fließen zwei Datenpunkte aus dem Node heraus (Name und E-Mail). Diese Datenpunkte stehen dann als Eingaben im Gmail-Node darunter zur Verfügung. Du kannst sie einfach als dynamische Datenpunkte in die Felder des Nodes ziehen (in diesem Fall in den E-Mail-Body).

Zuletzt können wir uns die Ausgabe des Gmail-Knotens ansehen, der den E-Mail-Status anzeigt (z. B. Gesendet, Unzustellbar usw.).

Diese Methode der Datenzuordnung ist für mich ein radikaler Fortschritt im Vergleich zu den komplexen, JSON-basierten Datenstrukturen, die Make verwendet. Ich kann mir allerdings vorstellen, dass Entwickler und fortgeschrittene Automatisierer das kritisieren werden. Ich habe keine Möglichkeit gefunden, Formeln oder JSON-Formatierung in Datenfeldern zu nutzen. Du kannst aber eigene Knoten mit KI erstellen, um Textausgaben zu formatieren (dazu später mehr).

Mehr zu meinen Erfahrungen mit Make findest du in meinem Make Review.

Automatisierungen erstellen

Mein erster positiver Eindruck hat nachgelassen, als ich versucht habe, echte Workflows in Gumloop zu bauen. Ich war wirklich verwirrt, wie die Plattform funktioniert.

Das liegt daran, dass Gumloop mit einem komplett (oder zumindest teilweise) anderen Ansatz arbeitet.

Die meisten Automatisierungsplattformen folgen dem einfachen Zapier-Modell: In einer App passiert etwas, und das löst dann etwas in einer anderen App aus. Zum Beispiel kommt ein neuer Lead rein und daraufhin wird eine Slack-Nachricht verschickt. Das ist linear und unkompliziert.

Gumloop kann das auch (wenn auch nicht so umfangreich wie Zapier), ist aber eigentlich für komplexere Datenoperationen gebaut. Denk mal daran, 50 Wettbewerberwebsites zu scrapen, jede mit KI auf Preisinformationen zu analysieren und dann für jede Firma einen individuellen Bericht zu generieren.

Zum Beispiel analysiert dieser Flow ein LinkedIn-Profil und erstellt dann eine personalisierte Outreach-Nachricht als E-Mail-Entwurf. Um den Flow auszuführen, nutzt du die Chrome-Erweiterung von Gumloop direkt auf einem LinkedIn-Profil.

Statt auf Ereignisse zu reagieren, werden diese Flows von Teams immer dann ausgeführt, wenn sie sie brauchen. Das kann sein, wenn eine Outreach-Kampagne gestartet wird, bei Marktforschung oder wenn Wettbewerber analysiert werden. Du baust im Grunde Mini-Apps, die andere nutzen können, indem sie Daten eingeben und Ergebnisse zurückbekommen.

Das ist genial für Teams, die mit Daten in Batches arbeiten statt mit einzelnen Triggern für Leadgenerierung, Scraping oder LLM-Prozesse. Der Mehrwert wird sofort klar, sobald man das Konzept verstanden hat. Ich musste allerdings erst eine Weile suchen, bis ich das Prinzip mit Triggern und Aktionen verstanden habe.

Am einfachsten erkennst du, ob du einen automatisierten oder einen on-demand Flow hast, wenn du in deinem Flow nach Trigger-Knoten suchst.

Loop Mode

Loop Mode in Gumloop ist eine Funktion, mit der ein Knoten (oder eine Gruppe von Knoten) automatisch Listen von Eingaben verarbeiten kann. Normalerweise nimmt ein Knoten eine Eingabe, macht etwas damit und gibt ein Ergebnis aus. Im Loop Mode, wenn du eine Liste (zum Beispiel ein Array) von Elementen in den Knoten gibst, verarbeitet er jedes Element einzeln und gibt dir eine Ausgabeliste mit den jeweiligen Ergebnissen zurück.

Um das besser zu verstehen, schauen wir uns den Unterschied zwischen Triggern und On-Demand-Knoten genauer an, indem wir die beiden Flows unten betrachten.

On-Demand-Flow mit Loop (Trigger nicht aktiviert)

In diesem Flow ist ein Google Sheets Reader-Node mit einem Gmail Sender-Node verbunden. Beachte, dass die Trigger-Option nicht aktiviert ist. Das bedeutet, der Flow liest und holt sich alle Zeilen (in diesem Fall Kontakte) aus deinem Google Sheet.

Im Loop-Modus wird dann der Gmail Sender-Node für jeden einzelnen Eintrag in der Tabelle ausgeführt. Wenn du zum Beispiel 10 Zeilen hast, erhältst du 10 E-Mails – jeweils eine pro Eintrag in deinem Gmail.

Das ist ziemlich praktisch, wenn du zum Beispiel eine große Anzahl personalisierter E-Mails mit KI verfassen möchtest. Um diesen Flow auszuführen, musst du auf den „Flow ausführen“-Button in Gumloop klicken.

Automatisierter Flow mit aktiviertem Trigger

Im zweiten Beispiel ist stattdessen die Trigger-Funktion aktiviert. Jetzt kannst du auch die Option „Trigger-Modus“ auswählen – in diesem Fall haben wir „Zeile erstellen“ gewählt. Das bedeutet, der Ablauf wird ausgelöst, wenn eine neue Zeile erstellt wird. Sobald das passiert, verschickt der Gmail Sender eine einzelne E-Mail mit den Details der Person, zum Beispiel als Benachrichtigung über einen neuen Kontakt.

Beachte, dass die Ausgabeelemente jetzt einfach „E-Mail“ und „Datum“ heißen und nicht mehr „E-Mail-Liste“ und „Datumsliste“. Das liegt daran, dass wir die Daten nur für eine einzelne Zeile abrufen und nicht für die gesamte Liste.

Trigger

In Gumloop ist ein Trigger eine spezielle Art von Knoten (oder Ereignis), der automatisch einen Flow (eine Automatisierung) startet, sobald eine externe Bedingung oder ein Ereignis eintritt. So sparst du dir, Automatisierungen jedes Mal manuell auszuführen. Aber der Trigger-Katalog zeigt, wo Gumloop im Vergleich zu klassischen Automatisierungsplattformen schwächelt. Mit nur 11 Triggern ist klar, dass automatisierte Flows nicht der Hauptfokus dieses Tools sind.

Wenn ich noch genauer hinschaue, komme ich einfach nicht dahinter, wie ich manche Trigger zum Laufen bringe. Der HubSpot List Reader lässt mich zum Beispiel keine einzelnen Ausgaben nutzen und bietet nur Listen an. Anders gesagt: Ich kann mir eine Liste aller Objekte in meinem CRM holen, aber ich kann sie nicht einzeln auslösen. Ich weiß nicht, ob das ein Bug ist, noch entwickelt wird oder so gewollt ist. Es fühlte sich aber merkwürdig an, vor allem weil der Google Sheet Node diese Option hatte.

Subflows

Subflows in Gumloop sind im Grunde komplette Flows, die du als Knoten innerhalb anderer Flows verwenden kannst. Damit kannst du komplizierte Logik in einzelne Funktionen aufteilen – ähnlich wie beim Programmieren, wo Funktionen den Code strukturieren. Sie sind außerdem wiederverwendbar, sodass du sie in mehreren größeren Flows einsetzen kannst.

Neben einer besseren Übersicht und Struktur deiner Flows (was vor allem bei großen Flows extrem wichtig ist) sorgen Subflows auch dafür, dass Nodes schneller verarbeitet werden. Sobald dein Subflow für ein einzelnes Element einwandfrei funktioniert, kannst du ihn mit einer Datenquelle wie einer Google-Tabelle verbinden und den Loop-Modus für parallele Verarbeitung aktivieren. So kannst du mehrere Elemente gleichzeitig und deutlich schneller abarbeiten.

Vorlagen

Mir wurde erst richtig klar, dass Gumloop einen ganz anderen Zweck erfüllt als Zapier und Make, als ich die Vorlagen von Gumloop ausprobiert habe.

Die meisten Anwendungsfälle sind auf Batch-Operationen ausgelegt: Scraping, Analyse, Recherche, Leadgenerierung und so weiter. Denk zum Beispiel an Content-Repurposing im großen Stil, LinkedIn-Profil-Analysen über Hunderte von Kontakten, umfassende Lead-Recherche oder personalisierte Outreach-Kampagnen. Make und Zapier sind hingegen eher auf Workflow-Automatisierung und -Orchestrierung ausgerichtet.

Schau dir meinen Test zu Make vs Zapier an, um mehr darüber zu erfahren, was sie können und wo ihre Stärken liegen.

Interfaces

Stell dir Interfaces als dynamische Formulare vor, die Abläufe in Gumloop auslösen können.

Zum Beispiel fragt dich das YouTube-Summarizer-Interface nach einer YouTube-Video-URL. Sobald du diese eingegeben hast, erstellt der Flow ein Transkript des Videos und ein KI-Knoten fasst es zusammen. Ziemlich cool!

Und der Ablauf:

Aber das wirklich Starke daran ist, dass du es als Sprungbrett für größere Workflows rund um Content-Produktion, Marketing-Automatisierung oder Vertriebsunterstützung nutzen kannst. Zum Beispiel könntest du automatisch einige der erfolgreichsten Ausschnitte eines Marketing-Videos extrahieren und sie dann an ChatGPT weitergeben, um automatisch LinkedIn- oder Twitter-Untertitel zu erstellen, bevor du sie an ein Social-Media-Management-Tool zum Veröffentlichen schickst.

Chrome-Erweiterung

Gumloop’s Google Chrome-Erweiterung funktioniert zusammen mit dem Browser Extension Input-Knoten.

Damit kannst du die Seite, die du gerade besuchst, scrapen oder einen Screenshot davon machen. Du kannst auch den Quellcode der Seite scrapen, was ich beim Scrape Website-Knoten nicht gesehen habe.

Zum Beispiel kannst du LinkedIn-Profile scrapen. Geh einfach auf die Seite, klick auf die Erweiterung und du siehst eine Liste der Flows, die die Browser Extension Input haben. Du kannst jeden dieser Flows direkt aus der Erweiterung starten.

Eigene Nodes

Gumloop eigene Nodes ermöglichen dir, die Plattform mit deinem eigenen Code und Funktionen zu erweitern. Sie sind wie Plugins für Automatisierungen oder wiederverwendbare Bausteine, die du in jeden Workflow einfügen kannst.

Du kannst:

• Eigenen Code schreiben (JavaScript oder Python).
• Eigene APIs integrieren.
• Spezielle Aufgaben erledigen, die von den eingebauten Gumloop-Nodes nicht abgedeckt werden.

Noch besser: Gumloops KI-Assistent Gummie hilft dir sogar dabei, diese Nodes zu erstellen, ohne dass du selbst Code schreiben musst. Du beschreibst einfach, was du brauchst, und Gummie entwirft die Logik für den Node.

Sobald ein eigener Node erstellt ist, kannst du ihn:

• In mehreren Workflows wiederverwenden.
• Mit Eingaben und Ausgaben konfigurieren.
• Nahtlos mit bestehenden Gumloop-Nodes kombinieren.

Klingt in der Theorie super, aber funktioniert das Ganze auch in der Praxis? Probieren wir es aus.

Ich habe meinem eigenen Node folgende Aufgabe gegeben: „Auslösen, wenn ein neues Calendly-Meeting gebucht wird.“ Gummie hat sich direkt daran gemacht, herauszufinden, ob meine Idee machbar ist.

Ehrlich gesagt habe ich nicht erwartet, dass es sagt, meine Idee sei machbar, weil Gumloop überhaupt nicht mit Calendly integriert ist. Eine Minute und 170 Codezeilen später kam dieser Node dabei heraus, der überraschend vielversprechend aussah:

…Aber leider gab es einen Fehler, als ich es mit einem echten API-Schlüssel getestet habe:

Nach ein bisschen Ausprobieren mit Gummie habe ich den Node auf einen scheinbar funktionalen Stand gebracht. Aber sobald ich ihn mit einem anderen Node verbunden habe, konnte ich keine echten Daten von Calendly abrufen. Es kam immer nur ein leeres Ergebnis raus.

An diesem Punkt fühlt sich dieses Feature für mich wie ein Glücksspiel an und ich würde es nur Entwickler empfehlen, die bereit sind, sich durch den KI-generierten Code zu arbeiten, um ihn zu testen und Änderungen vorzunehmen (ja, du kannst den eigentlichen Node-Code bearbeiten).

Ich hatte allerdings mehr Erfolg mit dem Contact List Formatter. Damit kannst du Daten formatieren und verarbeiten, indem du einfach natürliche Sprache als Anweisung gibst. Zum Beispiel habe ich ihn gebeten, alle Datenpunkte in einer Zeile aufzulisten, statt sie als nummerierte Liste darzustellen. Das hat problemlos funktioniert.

MCPs

Gumloops Model Context Protocol (MCP) Nodes ermöglichen dir, dich über den offenen MCP-Standard mit externen Tools und Datenquellen zu verbinden. Anstatt Integrationen aufwendig per Hand zu programmieren, beschreibst du einfach in Alltagssprache, was du möchtest. Gumloops KI-Assistent Gummie führt dich dann Schritt für Schritt durch die Einrichtung.

Im Hintergrund nutzt Gumloop MCP, um:

• Ein Python-Skript dynamisch zu generieren.
• Die Kommunikation mit der externen Integration zu übernehmen.
• Strukturierte Ergebnisse wieder in deinen Flow zurückzugeben.

Das Ergebnis: Du kannst einen voll funktionsfähigen Integrations-Node erstellen, ohne eine einzige Codezeile zu schreiben, und diesen genauso wie jeden anderen Gumloop-Node verwenden.

Diesmal war ich beim Testen etwas skeptischer, deshalb habe ich mich für etwas Klassischeres entschieden und eine der vorgeschlagenen MCP-Strings ausgewählt. Diese war dafür gedacht, alle ungelesenen E-Mails in Gmail aus den letzten acht Stunden abzurufen. Das hat Gummie nach ein paar Minuten Überlegen und Coden daraus gemacht:

Dann habe ich den Test gestartet. Voila! Dieses Mal war er erfolgreich! Der MCP-Schritt hat alle ungelesenen Nachrichten der letzten 24 Stunden erfolgreich abgerufen. Gut gemacht, Gummie!

Gummie, Gumloops KI-First-Assistent

Gummie ist wahrscheinlich der beste KI-Automatisierungsassistent, den ich getestet habe, oder zumindest auf Augenhöhe mit dem Zapier. Anstatt Knoten hin und her zu schieben, beschreibst du einfach in klarer Sprache, was du automatisieren möchtest. Gummie baut den gesamten Workflow für dich: Knoten, Verbindungen, Einstellungen, alles.

Das Erlebnis fühlt sich an, als würdest du mit einem erfahrenen Automatisierungsprofi zusammenarbeiten, der so schnell denkt wie du. Während andere Plattformen KI-Assistenten nachträglich einbauen, fühlt sich Gummie wie ein natürlicher Bestandteil von Gumloop an.

Ich habe diesen Flow mit Gummie erstellt. Er überwacht Reddit auf Markenerwähnungen, analysiert die Stimmung und verschickt einen E-Mail-Report mit allen Infos. Ich war ziemlich beeindruckt von den Ergebnissen direkt nach dem Start.

Zu guter Letzt war Gummie großartig darin, mir beim Beheben von Problemen mit Automatisierungen zu helfen. Oft hat Gummie den gesamten Ablauf von Grund auf neu aufgebaut, um logische Fehler und Probleme zu beheben. Auch wenn nicht alles perfekt ist, habe ich das Gefühl, dass dies aktuell die beste Unterstützung durch KI im Bereich Automatisierung auf dem Markt ist.

Einstieg mit Gumloop

Wie fühlt es sich an, mit Gumloop zu starten? Das wollte ich herausfinden und habe mich in die Lage eines neuen potenziellen Nutzers versetzt. Für diesen Guide nehme ich an, dass ich Content-Marketing-Dienstleistungen für SaaS-Produkte anbiete. Ich nutze Gumloop, um Leads zu generieren und eine personalisierte Nachricht aus einer Liste von E-Mail-Adressen zu erstellen. Die Datenpunkte, die ich ausfüllen möchte, sind:

• Name und E-Mail.
• Unternehmen, Webseite, Unternehmensgröße, Branche.
• Website-URL und Webseitenbeschreibung.
• Ob das Unternehmen ein SaaS-Unternehmen ist oder nicht.
• Eine personalisierte Ansprache basierend auf dem Unternehmen und der Erfahrung der Person.

So sieht die Google-Tabelle vor der Gumloop-Automatisierung aus:

Und danach:

Die Tabelle anzeigen

Und das ist mein finaler Flow.

Lass uns die einzelnen Schritte anschauen, um diesen Flow zu erstellen.

1. Start mit einer Google-Tabelle

Für diesen Flow starte ich mit dem Google Sheets Reader-Knoten. Ich verwende aber keinen Trigger-Schritt, weil ich einen vorhandenen Batch an Leads anreichern will.

2. Die Subflows trennen

Als ich diesen Flow zum ersten Mal gebaut habe, habe ich alles in einem einzigen Flow erstellt. Aber ich habe schnell gemerkt, dass das ziemlich unübersichtlich wird. Also habe ich Gummie gebeten, mir dabei zu helfen, sie in Subflows zu trennen. Leider kann Gummie aktuell noch keine Subflows erstellen und anordnen. Trotzdem war es ziemlich hilfreich, um Infos zu bekommen, wie ich das selbst machen kann.

Ich habe zwei Subflows erstellt:

• Einen für die Kontaktanreicherung.
• Einen für die Unternehmensanalyse.

3. Kontaktanreicherung-Subflow

Subflows arbeiten mit Input- und Output-Knoten. Stell dir das wie Formulare vor, die angeben, welche Informationen in den Subflow hineingehen und welche Informationen aus dem Subflow wieder herauskommen.

In diesem Fall habe ich mit einer E-Mail-Adresse angefangen und dafür ein Eingabefeld erstellt.

Als Nächstes habe ich den Kontakt über die E-Mail-Adresse mit dem nativen Node „Kontaktinformationen anreichern“ ergänzt. Gumloop bietet von Haus aus Zugriff auf Enrichment-Anbieter wie Apollo, Hunter.io und Zoominfo, was echt praktisch ist. Allerdings sind die Credits ziemlich teuer, wenn du nicht deine eigenen API-Keys verwendest. Mehr dazu später.

Etwas, das ich in diesem Stadium der Automatisierung nicht herausfinden konnte, war, wie ich an die Firmendaten der Person komme. Ich bin mir nicht sicher, ob das eine Einschränkung der Enrichment-APIs oder von Gumloop ist (es fühlt sich eher nach Letzterem an), aber deshalb musste ich einiges an Tricks anwenden, um den Firmennamen und die Website herauszuziehen.

Als optionalen zusätzlichen Schritt habe ich den Ask-AI-Knoten genutzt, um die Berufserfahrung zu formatieren und zusammenzufassen, damit sie sich leichter in der Tabelle ansehen lässt.

4. Unternehmensanalyse-Subflow

Jetzt, da das Unternehmen aus dem Kontaktanreicherungs-Subflow extrahiert wurde, kann ich es nutzen, um Unternehmensinformationen zu sammeln und zu analysieren.

Zuerst habe ich den LinkedIn Company Profile Scraper verwendet, um die Website-URL des Unternehmens (sowie ein paar weitere Datenpunkte zum Unternehmen) zu scrapen, indem ich ihm einen „Company name“ gegeben habe.

Als Nächstes habe ich den Website Scraper-Node verwendet, um den eigentlichen Inhalt der Unternehmenswebsite zu extrahieren.

Dann habe ich den Extract Data-Node mit dem Website-Inhalt genutzt, um den Website-Titel zu erfassen, den ich als Unternehmensbeschreibung verwende.

Zum Schluss habe ich Ask AI verwendet, um zu analysieren, ob das Unternehmen ein SaaS ist oder nicht.

5. Alles zusammenfügen

Jetzt, wo die Subflows für Kontaktanreicherung und Unternehmensanalyse fertig sind, kann ich die extrahierten und angereicherten Daten an den finalen Google Sheet Updater-Node weitergeben.

Stelle sicher, dass in der Suchspalte „E-Mail“ ausgewählt ist und der Suchwert auf „E-Mail-Liste“ steht, damit die Aktualisierungen in der Tabelle der richtigen E-Mail zugeordnet werden.

6. Die personalisierte Outreach-Nachricht erstellen

Zum Schluss habe ich einen Router verwendet, der prüft, ob das Unternehmen ein SaaS ist. Falls ja, nutze ich den Ask AI-Knoten, um eine individuelle, personalisierte Nachricht zu erstellen, die dann wieder in die Tabelle übernommen wird.

Das ist der Prompt, den ich verwendet habe:

„Schreibe eine personalisierte Outreach-Nachricht. Ich verkaufe einen Content-Marketing-Service für SaaS-Tools. Nutze die Unternehmensinformationen, die Branche und betone, dass sie im SaaS-Bereich tätig sind. Personalisiere eine kurze Outreach-E-Mail für die Person basierend auf ihrer Berufserfahrung.

Unternehmensinfo:

[Alle relevanten Unternehmens- und Kontaktdaten für die Personalisierung auflisten]“

Hier ist ein Beispiel-Ergebnis:

Betreff: Unterstützung für Encharge – SaaS-Marketing skalieren mit Content, der Wachstum bringt

Hi [Vorname],

Ich habe Encharge.io’s beeindruckenden Weg aufmerksam verfolgt – von der Einführung nahtloser SaaS-Marketing-Automatisierung bis zu eurer erfolgreichen Übernahme Anfang dieses Jahres. Deine Erfahrung, CRM, E-Mails und In-App-Events in gezielte Lifecycle-Kampagnen zu integrieren, zeigt klar dein tiefes Verständnis dafür, was SaaS-Wachstum antreibt.

Angesichts deiner Erfahrung als Mitgründer und beim Skalieren mehrerer SaaS-Tools, darunter Encharge und HeadReach, möchte ich dir unseren Content-Marketing-Service vorstellen, der speziell für SaaS-Agenturen wie deine entwickelt wurde. Wir spezialisieren uns auf datengesteuerte, conversion-orientierte Inhalte, die Kundenakquise und -bindung verstärken – entscheidend, um SaaS-MRR zu beschleunigen.

Ich würde gern besprechen, wie wir deine Growth-Marketing-Aktivitäten mit maßgeschneiderten Content-Strategien unterstützen können, die SaaS-Käufer wirklich ansprechen und deine Abhängigkeit von bezahlten Kanälen reduzieren.

Hast du nächste Woche Zeit für ein kurzes Gespräch? Ich bin überzeugt, dass wir dir helfen können, deine beeindruckende Wachstumsgeschichte mit Content fortzuschreiben, der messbare Ergebnisse liefert.

Freue mich darauf, von dir zu hören, [Dein Name] [Dein Unternehmen] [Kontaktinfos]“

Es geht sicher noch besser, aber als Ausgangspunkt ist es solide. Ich würde Clause statt ChatGPT nutzen, um noch feineren Text zu bekommen, und den Prompt leicht anpassen, damit es noch persönlicher wird.

Gumloop Preise

Gumloop verwendet ein kreditbasiertes Preismodell. Hier die Details:

• Der Free-Plan bietet 2.000 Credits pro Monat und 1 aktiven Trigger, also im Prinzip eine Testversion. - Der Solo-Plan startet bei 37 $/Monat für 10.000 Credits. - Der Team-Plan startet bei 244 $/Monat für 60.000 Credits und beinhaltet 10 Seats.

Das Problem ist, dass du kaum vorhersagen kannst, wie viele Credits du tatsächlich verbrauchst.

Die meisten Nodes kosten 0 Credits, aber bestimmte Nodes, die teure APIs nutzen, kosten Credits proportional zu den API-Kosten. Zum Beispiel kann eine GPT-4.1-Abfrage 20 Credits kosten, während Enrichment-Nodes sogar noch teurer sein können.

Außerdem können kleine Änderungen an einem Workflow riesige Auswirkungen auf die Kosten haben. Ein User LinkedIn-Workflow hat nach einer kleinen Anpassung plötzlich statt 1–2 Credits pro Lauf auf einmal 70 Credits verbraucht. Diese Art von Unvorhersehbarkeit macht Budgetplanung praktisch unmöglich.

Dazu kommt noch, dass es keinen klaren Kostenrechner gibt, um den Credit-Verbrauch vor dem Erstellen eines Flows abzuschätzen. Das heißt, du lernst nur über Trial & Error.

Zum Glück kannst du deine eigenen OpenAI- oder andere APIs authentifizieren, um die Kosten etwas zu senken. Trotzdem solltest du vorsichtig sein, wenn du komplexe Flows mit vielen Datensätzen ausführst.

Fazit

Erwarte nicht, dass Gumloop deinen traditionellen Automatisierungs-Stack ersetzt. Stattdessen konzentriert sich das Tool voll auf Batch-Datenverarbeitung und Scraping-Operationen für GTM- und RevOps-Teams. Ein Vergleich wie Äpfel mit Birnen. Im Grunde ist Gumloop eher ein direkter Konkurrent zu GTM-Orchestrierungs- und Enrichment-Tools wie Clay.

Und trotz aller Marketing-Versprechen, die du vielleicht gehört hast: Das ist keine „Agenten“-Plattform. Es ist ein Workflow-Automatisierungstool mit starken KI-Fähigkeiten. Es gibt viele agentenähnliche Funktionen, vor allem beim Fehlerhandling und Troubleshooting, aber im Kern erstellst du Workflows, keine KI-Agenten.

Mir gefällt an Gumloop die intuitive Bedienung und die durchdachten Use Cases. Ich würde mir nur mehr Integrationen und Trigger wünschen. Aber wie gesagt: Das ist nicht Zapier und will es auch nicht sein.

Das Fazit? Wenn du regelmäßig denkst: „Ich würde gern 100 LinkedIn-Profile auf einmal analysieren“, oder „Ich muss Wettbewerberdaten scrapen und Berichte generieren“, oder „Ich muss 50 YouTube-Videos transkribieren und zusammenfassen“, dann spart dir Gumloop unzählige Stunden manueller Arbeit. Nur für die klassische App-zu-App-Automatisierung solltest du keine Wunder erwarten.

Für Revenue-Teams, die mit großen Datenmengen arbeiten, ist es eine lohnende Investition. Für alle anderen, die allgemeine App-zu-App-Automatisierung suchen, bleib lieber bei den etablierten Tools.

Gumloop: Vorteile und Nachteile