HubSpot Agent Hub: eigene KI-Agenten mit dem Agent-Builder erstellen

Mit dem HubSpot Agent Hub bündelt HubSpot vorgefertigte KI-Agenten, eigene (benutzerdefinierte) Agenten und agentische Workflows an einem Ort. Neu ist vor allem der Agent-Builder: das Tool, mit dem du eigene Agenten baust, statt nur fertige zu aktivieren. Statt starrer Wenn-dann-Automatisierung entsteht so ein Agent, der Kontext auswertet, den nächsten Schritt vorbereitet und – je nach Freigabe – selbst handelt.

In diesem Artikel zeigen wir dir, was der Agent-Builder kann, wie er sich von fertigen Agenten und klassischen Workflows unterscheidet, worauf du bei Governance und Datenschutz achten musst und für wen sich der Einsatz heute lohnt.

Beta-Hinweis (Stand Juli 2026): Der Agent Hub ist laut HubSpot als BETA gekennzeichnet. Einzelne Funktionen – insbesondere externe Anbindungen wie Webhooks oder Slack-Trigger – befinden sich teils in Private oder Public Beta und können sich ändern. Wir kennzeichnen im Text, was offiziell dokumentiert ist und was aktuell nur aus dem HubSpot-Umfeld (LinkedIn) beschrieben wird.

Kurz gesagt: Agent Hub ist die Bühne, der Agent-Builder ist die Werkstatt.

Der Agent Hub ist laut offizieller HubSpot-Dokumentation der Ort, an dem du siehst, wo in der Customer Journey KI-Agenten aktiv sind, welche Ergebnisse sie liefern und wo du eingreifen musst. Er vereint drei Dinge: vorgefertigte Agenten von HubSpot, deine eigenen (benutzerdefinierten) Agenten und agentische Workflows.   Die fünf vorgefertigten Agenten decken den Funnel ab:

• AEO – Sichtbarkeit der Marke in KI-gestützter Suche verbessern (Attract).
• Daten-Agent (Data Agent) – CRM-Daten anreichern und pflegen, um die Datenqualität zu erhöhen (Identify).ch
• Prospecting-Agent – Zielunternehmen recherchieren und personalisierte Erstansprache erstellen (Engage). Wie dieser Agent im Detail arbeitet, haben wir im Beitrag zum HubSpot Breeze Prospecting Agent beschrieben.
• Dealprogression – Vertriebsteams mit KI-Empfehlungen unterstützen, Deals durch die Pipeline zu bewegen (Close).
• Agent für den Kundenservice (Customer Agent) – auf Support-Anfragen reagieren und sie lösen (Serve).

Der Agent-Builder ist die Ebene darunter: Hier baust du eigene Agenten, wenn kein fertiger passt. Genau das ist der eigentliche Sprung – weg vom „Feature aktivieren“, hin zum „Prozess selbst modellieren“.   Ein Namens-Hinweis für die Praxis: HubSpots deutsche Wissensdatenbank ist eine automatische Übersetzung (die englische Fassung ist maßgeblich). Im Deutschen heißt das Bau-Tool Agent-Builder, im Englischen sprechen HubSpot-Vertreter auch von Agent Builder. Wenn du in HubSpot suchst: Der Einstieg heißt „Agent Hub für Agents“.

Nicht jeder Prozess braucht einen eigenen Agenten. Die ehrliche Entscheidung sieht so aus:

• Fertiger Agent, wenn dein Use Case einem Standard entspricht – Prospecting, Deal-Fortschritt, Datenanreicherung, Support. Schneller Start, weniger Konfiguration, klarer Guthaben-Preis pro Aktion.
• Eigener Agent (Agent-Builder), wenn dein Prozess vom Standard abweicht: eine spezifische Qualifizierungslogik, eine besondere Tonalität, ein branchenspezifischer Ablauf oder die Verknüpfung mehrerer Schritte, die kein Fertig-Agent so abbildet.

Faustregel: Erst prüfen, ob ein vorgefertigter Agent den Kern trifft. Erst wenn nicht, in den Agent-Designer gehen. Ein eigener Agent ist mächtiger, aber auch pflegeintensiver – und er ist nur so gut wie die Anweisungen und Daten, die du ihm gibst.

Laut HubSpot-Dokumentation konfigurierst du einen eigenen Agenten über mehrere Bausteine. Diese Konfiguration bestimmt, wie der Agent arbeitet und welche Informationen er beim Ausführen von Aufgaben nutzt:

• Eingaben – womit der Agent startet (z. B. ein Kontakt, ein Unternehmen, ein Auslöser).
• Anweisungen – die Aufgabe in Klartext: Was soll der Agent tun, in welchem Ton, mit welchem Ziel.
• Tools – welche Aktionen der Agent ausführen darf.
• Wissensquellen – auf welche Informationen er zugreifen darf (dazu gleich mehr beim KI-Kontext).
• Automatisierungseinstellungen – ob und wie autonom er handelt.

Der entscheidende konzeptionelle Unterschied zu einem klassischen HubSpot-Workflow: Ein Workflow führt die Regel aus, die du vorher geschrieben hast – „Wenn X, dann Y“. Ein Agent mit ausreichend Kontext wägt mehrere Signale ab und entscheidet, ob Y in dieser Situation überhaupt sinnvoll ist. Das ist die Grenze zwischen Automatisierung und agentischem Verhalten – und laut HubSpot-CTO Dharmesh Shah genau der Punkt, an dem der Agent-Designer ansetzt.

KI-Kontext & Wissenstresore: der oft unterschätzte Baustein

Bevor ein Agent gute Arbeit leisten kann, muss er deinen Kontext kennen. HubSpot trennt das in zwei Ebenen:

• KI-Kontext – allgemeine Geschäftsinformationen wie Unternehmens-Messaging, Tonfall, Marke und deine Idealkundenprofile (ICPs).
• Wissenstresore (Knowledge Vaults) – spezifischere Informationen für gezielte Anwendungsfälle, etwa Produktdetails, interne Dokumentation oder Support-Anleitungen.

Kurz gesagt: Der KI-Kontext ist der Unterschied zwischen einem Agenten, der generische Floskeln produziert, und einem, der klingt und entscheidet wie dein Team. Wer diesen Schritt überspringt, bekommt austauschbare Ergebnisse – egal wie gut die Technik ist.

Neben einzelnen Agenten kannst du im Agent Hub agentische Workflows erstellen, um mehrstufige Prozesse zu automatisieren. Laut HubSpot konfigurierst du dabei Trigger und Aktionen und fügst Agenten hinzu, um Aufgaben im gesamten HubSpot-Account zu automatisieren. Den Einstieg findest du über „Erstellen → Workflow“.   Damit lässt sich ein Ablauf bauen, in dem ein Trigger einen Agenten aktiviert, dieser recherchiert und einen Vorschlag erarbeitet, und eine nachgelagerte Aktion den Vorschlag ausführt oder zur Freigabe weiterreicht.

Webhooks und externe Daten (Beta – nicht offiziell bestätigt)

Hier beginnt der Bereich, den wir bewusst als Ausblick kennzeichnen. Die offizielle Dokumentation bestätigt „Trigger und Aktionen“ nur allgemein. Konkrete externe Anbindungen werden aktuell vor allem in LinkedIn-Beiträgen aus dem HubSpot-Umfeld beschrieben:

• Webhook-Aktionen (GET/POST): Laut einem LinkedIn-Beitrag von Lukas Liskovec (als Private Beta bezeichnet) sollen Agenten Webhooks direkt aus dem Agent-Builder aufrufen können. GET würde externe Daten hereinholen, die im CRM bisher fehlen – etwa Nutzungsdaten aus Amplitude oder PostHog, Rechnungsstatus aus Stripe, Tickets aus Zendesk oder Jira, Anreicherung aus Clay oder Health-Scores aus dem Data Warehouse. POST würde nach außen schreiben – eine Slack-Nachricht senden, eine Asana-Aufgabe anlegen oder ein anderes System aktualisieren.
• Externe LLM- und Custom-API-Aktionen sowie „Agent ruft Agent“: Laut Dharmesh Shah (Public Beta) sollen sich als Aktionen unter anderem Slack-Benachrichtigungen, der Aufruf eines LLM (z. B. OpenAI oder Anthropic) und eigene APIs einbinden lassen – und ein Agent soll andere Agenten aufrufen können.

Wichtig: Diese Angaben stammen aus Beiträgen einzelner Personen, nicht aus der offiziellen HubSpot-Doku, und tragen Beta-Kennzeichnungen. Prüfe den aktuellen Stand in deinem Account, bevor du darauf einen Prozess aufsetzt.

Slack als Trigger und Datenquelle (Beta – nicht offiziell bestätigt)

Ebenfalls aus dem HubSpot-Umfeld (LinkedIn-Beitrag von Stjepan Grcic) stammt die Beschreibung, dass sich Workflows über Slack-Ereignisse auslösen lassen – etwa, wenn in einem Kanal eine Nachricht mit bestimmten Schlüsselwörtern gepostet wird. Beispiele aus dem Beitrag: „churn“ markiert einen Account und alarmiert den CSM; ein Wettbewerbername wird am Deal protokolliert; „bug + customer“ erzeugt ein nach Tier priorisiertes Ticket. Auch das ist Stand heute nicht offiziell dokumentiert und entsprechend zu verifizieren.

Die folgenden Szenarien illustrieren, wie ein eigener Agent gegenüber einem starren Workflow wirkt. Sie basieren auf den oben genannten (teils Beta-)Beschreibungen und sind als Denkmodell zu verstehen, nicht als garantierter Funktionsumfang.  

1. Renewal-Agent. Ein Vertrag läuft in 60 Tagen aus. Statt eine generische Aufgabe zu erzeugen, prüft der Agent Nutzung, offene Tickets und Zahlungsstatus. Gesunder Account mit steigender Nutzung → Expansions-Chance für das Account Management. Sinkende Nutzung mit ungelösten Tickets → Weiterleitung an Customer Success, inklusive Kontext.
2. Inbound-Qualifizierung. Ein Formular geht ein. Der Agent prüft die Anreicherung (z. B. via Clay oder Apollo), bestätigt den ICP-Fit, scannt die bisherige CRM-Historie und leitet nur qualifizierte Accounts an den richtigen Ansprechpartner weiter.
3. Churn-Signal aus Slack. Ein CS-Mitarbeiter schreibt in einem Kanal „klingt, als könnten die abwandern“. Der Agent erkennt das Schlüsselwort, recherchiert Nutzung und Tickets zum Unternehmen und briefed den zuständigen CSM – bevor die Nachricht im Kanal-Verlauf untergeht.

1. KI-Kontext zuerst festlegen. Bevor du baust: Messaging, Tonfall, Marke und ICPs im Kontext-Tab hinterlegen und relevante Wissenstresore befüllen. Ohne diese Basis bleibt jeder Agent generisch.
2. Agenten anlegen. In deinem HubSpot-Account auf „Mehr“ → „Agent Hub für Agents“, dann auf der Registerkarte „Einführung“ über das Dropdown „Erstellen“ den Punkt „Agent“ wählen.
3. Aufgabe und Grenzen definieren. Eingaben, Anweisungen, erlaubte Tools und Wissensquellen konfigurieren. Formuliere die Anweisung so klar, dass eine fachfremde Person sie verstehen würde – vage Anweisungen erzeugen vage Ergebnisse.
4. Mit Human-in-the-Loop starten. Setze den Autonomiegrad zunächst niedrig an und prüfe die Ausgaben im Agenten-Postfach. So kontrollierst du Tonalität, fachliche Richtigkeit und Datenschutz, bevor der Agent eigenständig handelt.
5. Messen und iterativ freigeben. Erst wenn die Ergebnisse zuverlässig überzeugen, erhöhst du den Automatisierungsgrad. Tipp: Ein fertiger Agent aus dem Agenten-Marketplace kann als Vorlage dienen, die du anschließend anpasst.

Kurz gesagt: Die APIs zu verbinden ist der einfache Teil. Der schwierige Teil ist Governance – und genau hier scheitern Teams, nicht an der Technik.   Vier Fragen musst du vor dem Produktivbetrieb beantworten:  

• Was darf der Agent lesen?
• Was darf er ohne Rückfrage verändern?
• Was braucht zwingend eine menschliche Freigabe?
• Was passiert, wenn er falsch liegt?

Niemand will einen Agenten, der stillschweigend einen Vertrag bearbeitet oder eigenständig einen Kunden anschreibt. Ein Agent hingegen, der Kontext sammelt, den nächsten Schritt vorbereitet und ihn zur Freigabe vorlegt, nimmt deinem RevOps-Team bereits einen erheblichen Teil manueller Arbeit ab – die Entscheidung bleibt beim Menschen.   HubSpot liefert dafür die Bordmittel: In den KI-Einstellungen verwaltest du den Zugriff auf KI-Funktionen und konfigurierst, welche Daten geteilt werden. Für Sicherheitskontrollen, Datennutzung und Compliance verweist HubSpot auf die KI-Modellkarten und die FAQ zu den KI-Tools.   Für den deutschen und europäischen Markt gilt zusätzlich: DSGVO zuerst. Wenn ein Agent über (mögliche) externe Anbindungen Daten aus Drittsystemen zieht oder anreichert, brauchst du Klarheit über Rechtsgrundlage, Auftragsverarbeitung und Datenflüsse. Kläre das, bevor externe Quellen im Spiel sind – nicht danach.

Wichtig: In deiner HubSpot-Version ist bereits ein Guthaben-Kontingent enthalten – im HubSpot-Preisrechner (Beispiel Enterprise) sind das 5.000 Einheiten pro Monat. Erst was darüber hinaus verbraucht wird, kostet extra. Für viele Teams deckt das enthaltene Kontingent den Einstieg bereits ab. Das genaue Kontingent hängt von deiner Version ab.

Die Abrechnung läuft über HubSpot-Guthaben (Guthabeneinheiten), die pro Aktion verbraucht werden. Laut HubSpot-Preisrechner (Stand Juli 2026) kostet Guthaben 10,00 € je 1.000 Einheiten bei jährlicher Zahlung; in einer Version sind Einheiten enthalten (im Beispiel 5.000), zusätzliche kaufst du dazu.   Beispielhafte Verbrauchssätze aus dem HubSpot-Rechner:

Rechne vor dem Rollout eine grobe Monatsmenge hoch: Ein verbrauchsbasiertes Modell skaliert mit dem Nutzen, kann bei unkontrolliertem Einsatz aber schnell wachsen. Die konkreten Sätze und die Verfügbarkeit einzelner Agenten können abweichen – prüfe die aktuelle HubSpot-Preisübersicht für deinen Account.

Der Agent-Builder lohnt sich für Teams, die HubSpot bereits als zentrales CRM nutzen, auf Professional oder Enterprise liegen und Prozesse haben, die über den Standard hinausgehen. Entscheidend ist – wie beim Prospecting-Agent – weniger die Unternehmensgröße als die Qualität von Daten und Prozessen: Sind ICPs unscharf, Felder uneinheitlich gepflegt oder Übergaben ungeklärt, produziert auch der beste Agent nur schneller unbrauchbare Ergebnisse.   Weniger geeignet ist der Weg für Teams, die noch kein sauberes Setup haben. Dann ist die richtige Reihenfolge: erst Daten und Prozesse, dann Agenten.

Der Agent-Builder ist der logische nächste Schritt: HubSpot geht von einzelnen KI-Features hin zu einer Plattform, auf der du eigene Agenten baust und orchestrierst. Der eigentliche Hebel liegt nicht in der Technik, sondern in zwei Dingen, die viele unterschätzen: sauberer KI-Kontext und belastbare Governance.   Unsere Empfehlung deckt sich mit dem, was wir schon beim Prospecting-Agent geraten haben: kontrolliert starten, Human-in-the-Loop nutzen, Autonomie erst erhöhen, wenn die Ergebnisse überzeugen. Und speziell für den deutschen Markt: Datenschutz und Datenquellen klären, bevor externe Anbindungen ins Spiel kommen.   Ein Agent ersetzt keine Strategie und kein Team. Er entlastet dort, wo dein Team heute Zeit verliert – aber nur, wenn das Fundament stimmt.