Gumloop-Test: Ein tiefer Einblick in ein KI-first-Automatisierungstool

Nachdem ich mir die großen Player wie Zapier, Make und n8n angeschaut habe, dachte ich, ich hätte im Bereich Workflow-Automatisierung schon alles gesehen. Dann kam aber die KI-Revolution. Mit Plattformen wie Gumloop, die eine neue Ära von Automatisierung mit KI-nativen Tools versprechen.

Wenn du in letzter Zeit auf X oder LinkedIn unterwegs warst, hast du bestimmt das Engagement-Farming rund um KI-Agenten gesehen. Lead-Magneten zum Thema "Bots, die ganze Unternehmen betreiben" sind überall. Ein Gründer hat sogar behauptet, dass alle seine Mitarbeitenden eine Woche lang verschwunden waren und KI-Agenten alles übernommen haben (Vertrieb, Support, Operations) – ohne Auswirkungen auf Umsatz oder Churn.

Klingt spannend, aber hält das auch wirklich, was es verspricht? Gumloop sieht sich selbst als Vorreiter dieser KI-first-Welle. Aber nach unzähligen Erfahrungen mit SaaS-Tools gehe ich große Versprechen immer mit einer Portion Skepsis an.

Die eigentliche Frage ist nicht nur, ob Gumloop funktioniert, sondern ob es wirklich einen entscheidenden Unterschied zu klassischen Workflow-Lösungen gibt oder ob diese neuen Plattformen für KI einfach nur alter Wein in neuen Schläuchen sind. Genau das finden wir heute heraus. Ich habe Gumloop ausgiebig getestet und mir genau angeschaut, was es kann, was nicht – und wo es wirklich liefert. Lass uns reinschauen!

Was ist Gumloop?

Gumloop ist eine KI-native Automatisierungsplattform, die speziell für Go-to-Market-(GTM)-Teams, Revenue Operations und Business Development entwickelt wurde. Die Plattform versteht sich als No-Code-Lösung, mit der du KI-gestützte Automatisierungen erstellen kannst.

Im Grunde funktioniert Gumloop ähnlich wie klassische Workflow-Tools. Du kannst Schritte (in Gumloop als Nodes bezeichnet) auf einer visuellen Oberfläche verbinden, um Aufgaben zu automatisieren. Im Gegensatz zu etablierten Tools, die KI erst später hinzugefügt haben, wurde Gumloop allerdings von Grund auf mit KI im Mittelpunkt entwickelt.

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

Auch beim Web Scraping überzeugt Gumloop: Über eine eigene Chrome-Erweiterung bringst du die KI-Tools direkt in deinen Browser.

Besonders spannend ist, dass Gumloop das sogenannte Model Context Protocol (MCP) nutzt. Das ist ein Open-Source-Standard, der wie ein USB-C-Anschluss für KI-Anwendungen funktioniert. Damit gibt es einen standardisierten Weg, wie KI-Systeme mit externen Datenquellen, Tools und Workflows verbunden werden können. Mit Gumloops MCP-Implementierung kannst du einfach in Alltagssprache beschreiben, was eine Integration machen soll. Die KI kommuniziert dann mit der App und erstellt im Hintergrund den gesamten Code. Du kannst Anweisungen geben wie: Rufe die letzten fünf E-Mails aus meinem Gmail-Posteingang mit dem Betreff 'New lead' vom Absender sales@domain.com ab, und Gumloop erledigt das für dich!

Die wichtigsten Funktionen von Gumloop

Jetzt weißt du, was Gumloop ist. Schauen wir uns an, was die Plattform im Detail kann. Hier findest du die wichtigsten Funktionen von Gumloop und wie sie dich unterstützen können.

Vorher aber noch kurz die wichtigsten Begriffe und Konzepte, die Gumloop ausmachen und die Nutzererfahrung prägen:

• Flows: Gumloops Automatisierungen, eine Serie von Schritten (Nodes), die visuell miteinander verbunden werden.
• Nodes: Automatisierungsschritte oder Aktionen. Dazu gehören Kern-Nodes (wie Filter, If-Else-Bedingungen, manuelle Eingaben usw.), KI-Nodes zur Analyse und Verarbeitung von Inhalten, Integrations-Nodes und fortgeschrittene Nodes wie Web Scraping.
• Trigger-Nodes: Spezielle Node-Art, mit der du Flows automatisieren kannst.
• MCP-Nodes: Individuelle Nodes, mit denen du über semantische Sprache mit einer bestimmten App kommunizieren kannst. Zum Beispiel: Hole dir die YouTube-Video-Details und das Transkript.
• Custom Nodes: Eigene individuelle Nodes, die du mithilfe von KI erstellen kannst. Beschreibe einfach, was du brauchst, und die KI baut es für dich.
• Subflows: Flows innerhalb von Flows, mit denen du richtig komplexe Automatisierungen bauen kannst.
• Interfaces: Ähnlich wie bei Zapier sind das meist Formulare, die du mit einem Flow verbinden kannst. Wenn jemand das Formular ausfüllt, werden die Infos automatisch an die anderen Nodes weitergegeben.

Workflow Builder UI

Mein erster Eindruck vom visuellen Flow-Builder in Gumloop war durchweg positiv. Das ist der schönste und intuitivste Builder, was das UI angeht. Die Oberfläche setzt komplett auf Drag-and-Drop, du kannst beliebige Nodes über das Canvas verbinden und verzweigen (ähnlich wie bei Make).

Animationen, Fokus und Hervorhebungen sind klar und deutlich in der ganzen App zu erkennen.

Das gilt auch für Hilfetexte und Test-Visualisierungen.

Kleine Details, wie aktive Trigger, zeigen direkt an, ob dein Flow automatisch oder manuell ausgeführt wird.

Knoten können automatisch ausgerichtet oder eingeklappt werden, um die Ausrichtung zu verbessern. Du kannst sogar das Verschiebeverhalten der Leinwand auswählen (Scrollen-zu-Pan vs. Ziehen-zu-Pan), sowie den Kantentyp und die Optionen für das Einrasten am Raster.

Das sind zwar Kleinigkeiten, aber sie können die Umstellung enorm erleichtern, wenn du zum Beispiel von einem Automatisierungstool kommst, das Scrollen vs. Ziehen als Verschiebeverhalten nutzt. Power-User wissen, wie nervig das sein kann.

Datenzuordnung

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

Im folgenden Beispiel sieht man, dass der Interface-Knoten zwei Ausgänge hat. Anders gesagt: Zwei Datenwerte fließen aus dem Knoten heraus (Name und E-Mail). Diese Werte stehen anschließend im Gmail-Knoten unten als Eingaben zur Verfügung. Man zieht sie einfach als dynamische Datenwerte in die Felder des Knotens (in diesem Fall in den E-Mail-Body).

Zum Schluss können wir uns das Output des Gmail-Nodes anschauen, das den E-Mail-Status anzeigt (z. B. Gesendet, Gebounced usw.).

Diese Art von Daten-Mapping ist für mich eine radikale Verbesserung im Vergleich zu den komplexen, JSON-basierten Datenstrukturen, die Make verwendet. Allerdings kann ich mir vorstellen, dass Entwickler und fortgeschrittene Automatisierer hier Kritik äußern würden. Ich habe keine Möglichkeit gefunden, Formeln und JSON-Formatierungen in Datenfeldern zu nutzen. Du kannst aber eigene Custom Nodes mit KI erstellen, um Textausgaben zu formatieren (dazu später mehr).

Du kannst mehr darüber erfahren, was ich von Make halte, in meinem Make Testbericht.

Automatisierungen bauen

Mein anfangs positiver Eindruck hat sich leider geändert, als ich versucht habe, in Gumloop echte Workflows zu bauen. Ich war ehrlich gesagt ziemlich verwirrt, wie das System funktioniert.

Das liegt daran, dass Gumloop nach einem ganz anderen (oder zumindest teilweise anderen) Prinzip arbeitet.

Die meisten Automatisierungsplattformen orientieren sich am einfachen Zapier-Modell: In einer App passiert etwas, das dann etwas anderes in einer anderen App auslöst. Zum Beispiel: Ein neuer Lead kommt rein, und das löst eine Slack-Nachricht aus. Das ist linear und einfach.

Gumloop kann das auch (wenn auch nicht so umfangreich wie Zapier), wurde aber eigentlich für deutlich komplexere Datenoperationen entwickelt. Stell dir vor, du scrapest 50 Konkurrenz-Webseiten, lässt von der KI pro Seite die Preisinformation herausfiltern und generierst dann für jedes Unternehmen einen eigenen Report.

Ein Beispiel: Dieser Flow analysiert ein LinkedIn-Profil und generiert dann eine personalisierte Outreach-Nachricht als E-Mail-Entwurf. Um das auszuführen, nutzt du die Chrome-Erweiterung von Gumloop direkt auf dem LinkedIn-Profil.

Anstatt auf Events zu reagieren, starten Teams diese Flows immer dann, wenn sie sie brauchen. Das kann bei einer Outreach-Kampagne, für Marktrecherche oder bei der Wettbewerbsanalyse sein. Du baust praktisch Mini-Apps, die andere nutzen können, indem sie Daten eingeben und ein passendes Ergebnis bekommen.

Gerade für Teams, die mit Daten in Batches arbeiten und nicht mit einzelnen Triggern – zum Beispiel für Leadgenerierung, Scraping und LLM-Prozesse – ist das richtig genial. Der Mehrwert ist sofort klar, sobald man das Prinzip verstanden hat. Es hat bei mir selbst aber einen Moment gedauert, weil ich die ganze Zeit nach Triggern und Action-Steps gesucht habe.

Am einfachsten erkennst du automatisierte oder On-Demand-Flows, indem du nach Trigger-Nodes in deinem Flow suchst.

Loop-Modus

Der Loop-Modus in Gumloop ist ein Feature, mit dem ein Node (oder eine Gruppe von Nodes) automatisch Listen mit Eingabewerten verarbeiten kann. Normalerweise nimmt ein Node einen Input, macht etwas damit und gibt ein Ergebnis aus. Im Loop-Modus kannst du eine Liste (zum Beispiel ein Array) an diesen Node übergeben. Dann wird jeder einzelne Wert verarbeitet und du bekommst eine Ergebnisliste mit den jeweiligen Outputs.

Um das besser zu verstehen, schauen wir uns gleich nochmal den Unterschied zwischen Trigger- und On-Demand-Nodes anhand der beiden folgenden Flows an.

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

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

Im Loop-Modus wird dann der Gmail Sender-Knoten für jeden Eintrag in der Tabelle einzeln ausgeführt. Wenn wir zum Beispiel 10 Zeilen haben, bekommen wir 10 E-Mails, jeweils eine pro Datensatz in unserem Gmail.

Das ist besonders praktisch, wenn du zum Beispiel viele persönliche E-Mails mithilfe von KI entwerfen möchtest. Um diesen Flow auszuführen, musst du in Gumloop auf die Schaltfläche "Run Flow" klicken.

Automatisierter Flow mit aktiviertem Trigger

Im zweiten Beispiel ist stattdessen die Trigger-Funktion aktiviert. Jetzt kann man auch den Trigger-Modus auswählen – in diesem Fall haben wir Create Row gewählt. Das heißt, der Flow wird ausgelöst, sobald eine neue Zeile erstellt wird. Dann schickt der Gmail Sender eine einzelne E-Mail mit den Details der Person, zum Beispiel als neuen Kontaktalarm.

Beachte, dass die Ausgabewerte jetzt einfach Email und Date heißen und nicht mehr Email list und Date list. Das liegt daran, dass wir die Daten jetzt nur für eine einzelne Zeile abrufen und nicht für die ganze Liste.

Trigger

In Gumloop ist ein Trigger eine spezielle Art von Knoten (oder Ereignis), der einen Flow (eine Automation) automatisch startet, sobald eine externe Bedingung oder ein bestimmtes Ereignis eintritt. Damit sparst du dir das manuelle Ausführen der Automation jedes Mal. Aber der Trigger-Katalog zeigt auch, wo Gumloop im Vergleich zu klassischen Automatisierungsplattformen Schwächen hat. Mit nur 11 Triggern wird deutlich, dass automatisierte Flows hier nicht im Mittelpunkt stehen.

Je tiefer ich eintauche, desto weniger konnte ich herausfinden, wie manche Trigger funktionieren. Der HubSpot List Reader zum Beispiel erlaubt mir nicht, ein einzelnes Ergebnis zu nutzen, sondern bietet nur Listen an. Sprich: Ich kann mir eine Liste aller Objekte im CRM holen, aber sie nicht einzeln triggern. Ob das ein Bug, noch in Entwicklung oder eine bewusste Designentscheidung ist, weiß ich nicht – es war immerhin seltsam, da der Google Sheets Node diese Option hatte

Subflows

Subflows in Gumloop sind im Grunde vollständige Flows, die du als Knoten in anderen Flows verwenden kannst. Damit kannst du komplizierte Logik in einzelne Funktionen aufteilen, ähnlich wie beim Programmieren mit Funktionen. Sie sind außerdem wiederverwendbar, sodass du sie in mehrere größere Flows einbauen kannst.

Neben einer besseren Übersicht und Organisation deiner Flows (was besonders wichtig ist, wenn du große Flows baust) sorgen Subflows auch für eine schnellere Verarbeitung der Knoten. Sobald dein Subflow für ein einzelnes Element perfekt läuft, kannst du ihn mit einer Datenquelle wie einem Google Sheet verbinden und den Loop-Modus aktivieren, um parallel zu verarbeiten. So lassen sich mehrere Elemente gleichzeitig und schneller ausführen.

Vorlagen

Als ich mir die Vorlagen von Gumloop genauer angesehen habe, wurde mir klar, dass Gumloop einen ganz anderen Zweck erfüllt als Zapier und Make.

Die meisten Anwendungsfälle sind auf Massenverarbeitung ausgerichtet: Scraping, Analyse, Recherche, Lead-Generierung usw. Stell dir vor, Inhalte in großem Stil wiederzuverwenden, hunderte LinkedIn-Profile zu analysieren, umfassende Lead-Recherchen durchzuführen oder personalisierte Outreach-Kampagnen umzusetzen. Make und Zapier dagegen sind eher auf Workflow-Automatisierung und Orchestrierung ausgerichtet.

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

Interfaces

Stell dir Interfaces wie dynamische Formulare vor, mit denen du Flows in Gumloop auslösen kannst.

Beispielsweise fordert dich das YouTube-Summarizer-Interface auf, eine YouTube-Video-URL einzugeben. Sobald du das gemacht hast, erstellt der Flow ein Transkript des Videos und ein AI-Knoten fasst es zusammen. Ziemlich praktisch!

Und der Flow:

Aber das wirklich Starke daran ist, dass du es als Ausgangspunkt für größere Flows rund um Content-Produktion, Marketing-Automatisierung oder Sales-Enablement nutzen kannst. Zum Beispiel könntest du automatisch die besten Ausschnitte eines Marketing-Videos extrahieren und diese anschließend an ChatGPT weitergeben, um automatisch LinkedIn- oder Twitter-Captions zu erstellen, bevor du alles zum Veröffentlichen an ein Social-Media-Management-Tool weiterleitest.

Chrome Extension

Die Google Chrome-Erweiterung von Gumloop 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 sogar den Quellcode der Seite scrapen, was ich beim Scrape Website-Knoten nicht gesehen habe.

Du kannst zum Beispiel LinkedIn-Profile scrapen. Gehe einfach auf die entsprechende Seite, klicke auf die Erweiterung, und du siehst eine Liste der Flows, die den Browser Extension Input enthalten. Du kannst jeden dieser Flows direkt aus der Erweiterung heraus ausführen.

Custom Nodes

Mit den Custom Nodes von Gumloop kannst du die Plattform mit eigenem Code und neuen Funktionen erweitern. Sie sind wie Plugins für Automationen oder wiederverwendbare Bausteine, die du in jeden Workflow einbauen kannst.

Du kannst:

• eigenen Code schreiben (JavaScript oder Python)
• proprietäre APIs integrieren
• spezielle Aufgaben bearbeiten, die mit den eingebauten Gumloop-Nodes nicht abgedeckt sind

Noch besser: Gumloop’s AI-Assistent Gummie hilft dir dabei, diese Nodes zu erstellen, ohne dass du selbst Code schreiben musst. Du beschreibst einfach, was du brauchst, und Gummie entwirft die Logik für deinen Node.

Einmal erstellt, ist ein Custom Node:

• in mehreren Workflows wiederverwendbar
• mit Eingaben und Ausgaben konfigurierbar
• nahtlos in bestehende Gumloop-Nodes integrierbar

Klingt in der Theorie super, aber klappt das auch in der Praxis? Probieren wir’s aus.

Meinen Custom Node habe ich mit folgendem Wunsch beauftragt: Auslösen, wenn ein neues Calendly-Meeting gebucht wird. Gummie hat direkt losgelegt und überprüft, ob diese Idee machbar ist.

Ehrlich gesagt habe ich nicht erwartet, dass meine Idee als machbar erkannt wird, denn Gumloop hat gar keine Anbindung zu Calendly. Eine Minute und 170 Code-Zeilen später stand dieser Node, der überraschend vielversprechend aussah

…Aber leider gab es beim Testen mit einem echten API-Key einen Fehler

Nach ein paar Anpassungen mit Gummie sah der Node zunächst funktionsfähig aus. Aber sobald ich ihn mit einem anderen Node verbunden habe, konnte ich keine echten Daten von Calendly abrufen. Die Ausgabe blieb immer leer.

An diesem Punkt wirkt diese Funktion für mich eher zufällig zuverlässig, und ich würde sie nur Entwickler empfehlen, die bereit sind, sich durch den KI-generierten Code zu arbeiten, um ihn zu testen und gegebenenfalls zu ändern (ja, du kannst den Node-Code tatsächlich bearbeiten).

Trotzdem hatte ich mehr Erfolg mit dem Contact List Formatter. Damit kannst du Daten formatieren und verarbeiten, indem du einfach Anweisungen in natürlicher Sprache gibst. Ich habe zum Beispiel gefragt, alle Datenwerte in einer Zeile auszugeben statt als nummerierte Liste aufzulisten. Das hat einwandfrei funktioniert.

MCPs

Mit den Model Context Protocol (MCP)-Nodes von Gumloop kannst du externe Tools und Datenquellen über den offenen MCP-Standard anbinden. Du musst keine Integrationen von Hand programmieren. Stattdessen beschreibst du einfach in natürlicher Sprache, was du möchtest, und Gumloop’s KI-Assistent Gummie begleitet dich Schritt für Schritt bei der Einrichtung.

Im Hintergrund nutzt Gumloop MCP, um:

• ein Python-Skript dynamisch zu generieren
• die Kommunikation mit der externen Integration zu übernehmen
• strukturierte Ergebnisse zurück in deinen Flow zu liefern

Das Ergebnis: Du hast in wenigen Minuten einen komplett funktionierenden Integrations-Node, ohne eine einzige Zeile Code zu schreiben, und kannst ihn wie jeden anderen Gumloop-Node nutzen.

Diesmal war ich beim Testen etwas skeptischer und habe mich für etwas Klassisches entschieden – und einfach eine der vorgeschlagenen MCP-Strings übernommen. Diese war dazu bestimmt, alle ungelesenen E-Mails aus Gmail der letzten acht Stunden abzurufen. Nach ein paar Minuten Überlegen und Coden hat Gummie das hier für mich erstellt:

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

Gummie, der AI-First-Assistent von Gumloop

Gummie ist vermutlich der beste KI-Automationsassistent, den ich getestet habe – oder er ist zumindest auf Augenhöhe mit dem Chatbot von Zapier. Anstatt Knoten manuell zu verschieben, beschreibst du einfach in natürlicher Sprache, was du automatisieren möchtest. Gummie erstellt dann den gesamten Workflow für dich: Knoten, Verbindungen, Einstellungen, alles.

Die Erfahrung fühlt sich an, als würdest du mit einem erfahrenen Automationsprofi zusammenarbeiten, der so schnell arbeitet wie du denkst. Während andere Plattformen ihre KI-Assistenten eher als nachträgliche Ergänzung anbieten, ist Gummie wirklich nativ in Gumloop integriert.

Diesen Flow habe ich mit Gummie erstellt. Er überwacht Reddit auf Markenerwähnungen, analysiert die Stimmung und schickt einen E-Mail-Report mit allen Infos. Ich war von den Ergebnissen direkt ziemlich begeistert.

Nicht zuletzt war Gummie wirklich stark darin, mir beim Troubleshooting von Automationen zu helfen. Oft wurde der komplette Flow von Grund auf neu aufgebaut, um logische Fehler und Probleme zu beheben. Perfekt ist es zwar nicht, aber das ist aktuell das Beste, was der Markt für KI-Unterstützung bei Automationen zu bieten hat.

Einstieg mit Gumloop

Wie fühlt es sich an, mit Gumloop loszulegen? Das wollte ich herausfinden und habe mich in die Lage eines neuen Nutzers versetzt. In diesem Leitfaden tue ich so, als würde ich Content-Marketing-Services für SaaS-Produkte verkaufen. Mit Gumloop möchte ich Leads sowie eine personalisierte Nachricht aus einer Liste von E-Mail-Adressen generieren. Die Datenpunkte, die ich ausfüllen möchte, sind:

• Name und E-Mail
• Unternehmen, Website, Unternehmensgröße, Branche
• Website-URL und Website-Beschreibung
• Ob es sich um ein SaaS-Unternehmen handelt oder nicht
• Eine personalisierte Outreach-Nachricht, basierend auf dem Unternehmen und der Erfahrung der Person

So sieht das Google Spreadsheet vor der Gumloop-Automation aus:

Und danach:

Spreadsheet ansehen

Und das ist mein finaler Flow.

Schauen wir uns die einzelnen Schritte zur Erstellung dieses Flows an.

1. Start mit einem Google Spreadsheet

Für diesen Flow beginne ich mit dem Google Sheets Reader-Knoten, aber ich nutze keinen Trigger, da ich eine ganze Reihe bestehender Leads anreichern möchte.

2. Subflows aufteilen

Als ich diesen Flow zum ersten Mal gebaut habe, habe ich alles in einem einzigen Flow erstellt. Ich habe aber schnell gemerkt, dass das ziemlich unübersichtlich wird, also habe ich Gummie gebeten, mir beim Aufteilen in Subflows zu helfen. Leider kann Gummie aktuell noch keine Subflows erstellen oder anordnen, aber bei den Infos, wie das geht, war die Hilfe trotzdem hilfreich.

Ich habe zwei Subflows erstellt:

• Einen für die Kontaktdaten-Anreicherung.
• Einen für die Unternehmensanalyse.

3. Subflow zur Kontaktdaten-Anreicherung

Subflows arbeiten mit Input- und Output-Knoten. Stell dir das wie Formulare vor: Sie zeigen an, welche Informationen in den Subflow hinein und welche aus dem Subflow heraus übergeben werden.

In diesem Fall habe ich mit einer E-Mail-Adresse begonnen und dafür ein Input-Feld erstellt.

Anschließend habe ich den Kontakt über die E-Mail-Adresse mit dem nativen Enrich Contact Information-Knoten angereichert. Gumloop unterstützt von Haus aus die Anbindung an Enrichment-Anbieter wie Apollo, Hunter.io und Zoominfo, was richtig praktisch ist. Die Credits sind allerdings recht teuer, wenn du nicht deine eigenen API-Keys nutzt (dazu später mehr).

Etwas, das ich an diesem Punkt der Automation nicht herausfinden konnte, war, wie ich die Firmendaten der Person bekomme. Ich weiß nicht, ob das an den Enrichment-APIs oder an Gumloop liegt (gefühlt eher letzteres), aber deshalb musste ich einiges an Jiu-Jitsu anwenden, um den Firmennamen und die Website herauszufiltern.

Optional habe ich noch den Ask AI-Knoten verwendet, um die Berufserfahrung zu formatieren und zusammenzufassen, damit die Übersicht in der Tabelle leichter fällt.

4. Subflow zur Unternehmensanalyse

Nachdem das Unternehmen durch den Subflow zur Kontaktdaten-Anreicherung extrahiert wurde, kann ich damit Unternehmensinformationen sammeln und analysieren.

Zuerst habe ich den LinkedIn Company Profile Scraper genutzt, um die Website-URL des Unternehmens (sowie noch ein paar andere Datenpunkte zum Unternehmen) auszulesen – und zwar einfach durch Angabe des Firmennamens.

Als Nächstes habe ich den Website Scraper-Knoten verwendet, um die eigentlichen Inhalte der Unternehmenswebsite auszulesen.

Dann habe ich mit dem Extract Data-Knoten anhand des Website-Inhalts den Titel der Seite ermittelt, den ich als Unternehmensbeschreibung nutze.

Zum Schluss habe ich den Ask AI-Knoten eingesetzt, um zu analysieren, ob das Unternehmen ein SaaS-Unternehmen ist oder nicht.

5. Alles zusammenführen

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

Achte darauf, dass die Suchspalte Email ausgewählt ist und der Suchwert auf Email List gesetzt ist. So werden die Updates in der Tabelle den richtigen E-Mails zugeordnet.

6. Personalisierte Outreach-Nachricht generieren

Zum Schluss habe ich einen Router verwendet, der prüft, ob das Unternehmen ein SaaS ist. Falls ja, erstelle ich mit dem Ask AI-Knoten eine individuell angepasste Nachricht, die dann zurück ins Spreadsheet geschrieben 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 hebe hervor, dass sie SaaS sind. Personalisiere eine kurze Outreach-E-Mail für die Person auf Basis ihrer Berufserfahrung."

Unternehemnsinfos:

[Alle relevanten Unternehmens- und Kontaktinformationen für die Personalisierung auflisten]

Hier ist ein Beispiel für das Ergebnis:

Betreff: SaaS-Marketing bei Encharge mit Content auf Wachstumskurs bringen

Hi [Vorname],

ich verfolge Encharge.io’s beeindruckenden Weg schon länger – von eurer Pionierrolle im Bereich SaaS-Marketing-Automatisierung bis hin zur erfolgreichen Übernahme Anfang des Jahres. Deine Erfahrung, CRM, E-Mails und In-App-Events in gezielte Lifecycle-Kampagnen zu integrieren, zeigt deutlich, wie gut du verstehst, was SaaS-Wachstum vorantreibt.

Da du mehrere SaaS-Tools wie Encharge und HeadReach mitgegründet und aufgebaut hast, möchte ich dir unseren Content-Marketing-Service vorstellen, der speziell für SaaS-Agenturen wie deine entwickelt wurde. Wir sind darauf spezialisiert, datengetriebenen, conversion-fokussierten Content zu erstellen, der sowohl die Kundenakquise als auch die -bindung stärkt. Beides entscheidend, um das SaaS-MRR zu steigern.

Ich würde gerne besprechen, wie wir dein Growth-Marketing mit maßgeschneiderten Content-Strategien unterstützen können, die bei SaaS-Käufern ankommen und die Abhängigkeit von Paid Channels reduzieren.

Hast du nächste Woche Zeit für einen kurzen Call? Ich bin sicher, dass wir auf deiner starken Wachstumsgeschichte aufbauen und dir mit Content helfen können, der messbare Ergebnisse bringt.

Freue mich auf den Kontakt.
[Dein Name]
[Dein Unternehmen]
[Kontaktinfo]

Es geht sicher noch besser, aber das ist ein solider Anfang. Ich würde Clause statt ChatGPT nutzen, um einen noch ausgefeilteren Text zu bekommen, und den Prompt leicht anpassen, damit das Ergebnis noch persönlicher wird.

Gumloop Preise

Gumloop nutzt ein kreditbasiertes Preismodell. So sieht das im Detail aus:

• Der Free-Plan bietet 2.000 Credits pro Monat und 1 aktiven Trigger. Du kannst das also als Testversion sehen.
• Der Solo-Plan startet bei 37 $/Monat für 10.000 Credits.
• Der Team-Plan startet bei 244 $/Monat für 60.000 Credits und enthält 10 Seats.

Das Problem ist, dass es schwer vorherzusagen ist, wie viele Credits du verbrauchst.
Die meisten Nodes kosten 0 Credits, aber bestimmte Nodes, die teure APIs nutzen, kosten Credits proportional zu den API-Kosten. Ein GPT-4.1-Query kann zum Beispiel 20 Credits kosten, während Enrichment-Nodes sogar noch teurer sein können.

Außerdem können kleinere Änderungen an einem Workflow zu stark unterschiedlichen Kosten führen. Ein User's LinkedIn Workflow hat zum Beispiel zuerst 1-2 Credits pro Durchlauf verbraucht und plötzlich nach einer kleinen Änderung 70 Credits. Diese Art von Unvorhersehbarkeit macht das Budgetieren fast unmöglich.

Obendrein gibt es keinen klaren Kostenrechner, mit dem du den Kreditverbrauch vor dem Erstellen eines Flows abschätzen kannst – du musst also durch Trial & Error lernen.

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

Fazit

Erwarte nicht, dass Gumloop deinen klassischen Automation-Stack ersetzt. Stattdessen konzentriert es sich ganz klar auf Batch-Datenverarbeitung und Scraping für GTM- und Rev Ops-Teams. Das ist nicht vergleichbar mit anderen Tools. In gewisser Hinsicht ist Gumloop eher ein direkter Konkurrent zu GTM-Orchestrierungs- und Enrichment-Tools wie Clay.

Trotzdem – auch wenn das Marketing etwas anderes verspricht – ist das keine "Agenten"-Plattform. Es ist ein Workflow-Automation-Tool mit starken KI-Funktionen. Es hat viele agentische Features, besonders beim Error Handling und Troubleshooting, aber im Kern baust du Workflows und keine KI-Agenten.

Mir gefällt Gumloop wegen seines intuitiven Designs und der gut entwickelten Use Cases. Ich wünschte nur, es gäbe mehr Integrationen und Trigger. Aber wie gesagt, Gumloop ist kein Zapier und will es auch nicht sein.

Das Wichtigste? Wenn du dir oft denkst "Ich will 100 LinkedIn-Profile auf einmal analysieren", "Ich muss Wettbewerberdaten scrapen und Reports erstellen" oder "Ich muss 50 YouTube-Videos transkribieren und zusammenfassen", dann wird dir Gumloop unzählige Stunden manuelle Arbeit ersparen. Erwarte nur nicht, dass es deine gesamte App-to-App-Automation übernimmt.

Für Revenue-Teams, die mit großen Datenmengen arbeiten, ist es eine solide Investition. Für alle anderen, die allgemeine App-to-App-Automation brauchen, bleib bei den etablierten Tools.

Nutzung von Gumloop: Vorteile und Nachteile

Wenn du dir nicht sicher bist, ob Gumloop zu dir passt, schau dir auch meine Tests zu Alternativen wie n8n und Pabbly Connect an