Zum Inhalt springen

KI-Agents in HubSpot im laufenden Betrieb: Governance, Monitoring und Erfolgsmessung

Wie ihr KI-Agents in HubSpot nach dem Go-live betreibt: Rollen, Governance-Regeln, Monitoring von Qualität und Credits und Kennzahlen für den Nutzen.

Im laufenden Betrieb brauchen KI-Agents in HubSpot eine verantwortliche Person je Agent, klare Regeln für Zugriffe und Freigaben und einen festen Blick auf Qualität, Credits und Nutzen. Diese Aufgaben übernimmt auf Dauer euer eigenes Team. Bis Rollen und Routinen sitzen, führt ein Partner den Betrieb und befähigt euer Team parallel. Bei Mark Lotse übernehmen wir das mit Managed AI Services in den ersten drei bis sechs Monaten.

Vor dem Go-live stehen Datenqualität und die Auswahl des ersten Agents im Mittelpunkt, beschrieben in unserem Beitrag HubSpot-Daten für KI-Agents vorbereiten.

Was ändert sich nach dem Go-live eines KI-Agents?

Nach dem Go-live wird aus dem Projekt eine Daueraufgabe. Produkte, Preise und Abläufe ändern sich, und jede Änderung muss in den Wissensquellen ankommen. Beim Customer Agent gleicht HubSpot Artikel der Wissensdatenbank automatisch ab, sobald ihr sie ändert. Website-Seiten, Dateien und importierte URLs gleicht HubSpot laut Hilfeartikel einmal pro Woche ab. Ändert ihr einen Preis auf der Website, stoßt ihr den Abgleich deshalb selbst über „Refresh“ an.

Dazu kommen die Kosten: Seit dem 23. Juli 2026 verbrauchen laut HubSpot alle KI-Agents HubSpot Credits. Fehlt eine feste Zuständigkeit, veralten Quellen, und niemand bemerkt steigenden Verbrauch.

Welche Rollen braucht der Betrieb von KI-Agents?

Im Betrieb bleiben die vier Rollen aus der Einführung bestehen. Ihre Aufgaben verschieben sich vom Aufbauen zum Pflegen und Prüfen. In kleineren Teams bündelt eine Person auch mehrere Rollen.

  • Sponsor in der Geschäftsführung: Er gibt Budget für Credits und neue Use Cases frei und erhält jedes Quartal die Ergebnisse.
  • Fachlicher Owner je Agent: Diese Person kennt den Prozess, prüft Stichproben und entscheidet über Änderungen an Anweisungen und Wissensquellen. Beim Customer Agent passt jemand aus dem Service, beim Prospecting Agent jemand aus dem Vertrieb.
  • CRM- und RevOps-Verantwortung: Diese Rolle pflegt Berechtigungen, Aktionen und Grenzen der Agents. Wer Agents im Agent Builder anlegt und anpasst, braucht laut HubSpot Super-Admin-Rechte oder die Berechtigung „Agent Builder“. Läuft ein Agent über einen Workflow, nutzt er laut HubSpot die Rechte der Person, der er gehört. Fehlt ihr ein Zugriff, scheitern die betroffenen Aktionen. Prüft diese Zuordnung deshalb, sobald jemand das Unternehmen verlässt oder die Rolle wechselt.
  • Enablement: Diese Rolle schult neue Kolleginnen und Kollegen und sammelt Rückmeldungen aus dem Team. Auf Dauer bündelt ein kleines Kernteam, oft Center of Excellence genannt, dieses Wissen.

Wie diese Rollen in der Einführung entstehen, beschreibt unser Fahrplan für KI in Marketing und Vertrieb.

Welche Regeln gehören in die Governance von KI-Agents?

Governance legt fest, was ein Agent darf, wer ihn ändert und wer seine Ergebnisse freigibt. Für eigene Agents aus dem Agent Builder bietet HubSpot dafür mehrere Einstellungen (Stand: November 2026).

  • Zugriff: Je Agent legt ihr fest, wer ihn ausführt und wer ihn bearbeitet. Standardmäßig dürfen alle Nutzer einen Agent ausführen, bearbeiten dürfen ihn nur Super Admins. Prüft diese Voreinstellung bei jedem Agent, der Daten schreibt oder nach außen kommuniziert.
  • Aktionen und Wissen: Ihr wählt die Aktionen, die ein Agent ausführen darf, etwa CRM-Datensätze lesen oder schreiben, und die Wissensquellen, auf die er zugreift. Gebt nur frei, was der Use Case braucht.
  • Freigaben: In der Agent-Inbox stehen Läufe, die auf die Freigabe einer Aktion warten, unter dem Status „Needs approval“. Legt fest, wer diese Läufe prüft und wie schnell.
  • Laufgrenzen: Für jeden Agent legt ihr eine monatliche Laufgrenze fest. Ist sie erreicht, stoppt der Agent.
  • Änderungen testen: Neue Anweisungen oder Quellen prüft ihr vorher in einer Simulation. Sie verbraucht laut HubSpot keine Credits. Verbundene MCP-Tools können dabei trotzdem laufen, nutzt deshalb Beispieldaten.
  • Dokumentation: Haltet je Agent fest, wofür er da ist, wer verantwortlich ist und wann sich Anweisungen oder Quellen geändert haben. So bleibt nachvollziehbar, warum sich ein Ergebnis verändert hat.

Wie überwacht ihr KI-Agents in HubSpot?

Überwacht werden drei Dinge: die Qualität der Ergebnisse, die Übergaben an Menschen und der Verbrauch an Credits. Für den Customer Agent liefert HubSpot eigene Berichte, für eigene Agents die Agent-Inbox.

Customer Agent: die Lösungsquote richtig lesen

Unter „Analyze“ zeigt HubSpot Berichte zur Lösungsquote (Resolution rate), zu Übergaben an Menschen (Human handoffs) und zum Anteil der Gespräche ohne menschliche Beteiligung (Deflection rate). Drei Details bestimmen, wie ihr die Zahlen lest:

  • Verzögerung: Ob ein Gespräch gelöst ist, bewertet HubSpot erst 72 Stunden nach der letzten Antwort des Kunden. Die laufende Woche zeigt deshalb eine zu niedrige Lösungsquote.
  • Deflection zeigt Entlastung: Dazu zählt jedes Gespräch, das ohne Menschen auskommt, auch wenn der Kunde ohne passende Antwort gegangen ist. Die Qualität zeigt die Lösungsquote.
  • Manuelle Zuweisung: Eine Lösung verhindert nur eine Übergabe, die der Kunde auslöst, etwa mit dem Wunsch nach einem Menschen oder über eine festgelegte Übergabephrase. Weist euer Team ein Gespräch manuell oder per Workflow zu, kann es trotzdem als gelöst gelten. Im Bericht „Human handoffs“ erscheint es dagegen.

Unter „Coaching opportunities“ sammelt HubSpot Gespräche, in denen dem Agent Wissen fehlte, sich Quellen widersprachen oder eine Aktion scheiterte. Von dort bessert ihr in den Tabs Knowledge, Actions, Handoff und Experience nach.

Der Tab „Source Usage“ ordnet eure Wissensquellen in vier Gruppen: viel genutzt mit hoher Lösungsquote, viel genutzt mit niedriger Lösungsquote, selten genutzt mit hoher Lösungsquote und selten genutzt mit niedriger Lösungsquote. Die zweite Gruppe verdient eure Aufmerksamkeit zuerst, weil der Agent diese Quellen oft heranzieht und damit selten löst.

Für diese Auswertung braucht ihr laut HubSpot eine Professional- oder Enterprise-Edition, etwa Service Hub, Smart CRM oder Revenue Hub, und HubSpot Credits (Stand: November 2026).

Eigene Agents: Läufe in der Agent-Inbox prüfen

Läufe eigener Agents prüft ihr in der Agent-Inbox. Je Lauf zeigt HubSpot Status, Auslöser, Nutzer und die geschätzten Credits, dazu Ergebnis, Denkschritte und verwendete Quellen. Über den Statusfilter findet ihr fehlgeschlagene Läufe und solche, die auf eine Freigabe warten. Für die Inbox schaltet ein Super Admin in den KI-Einstellungen unter anderem den Zugriff auf generative KI, CRM-Daten und den Breeze Assistant frei.

Credits: was Agents verbrauchen und wann sie stoppen

Wie ein Agent Credits verbraucht, hängt vom Typ ab. Der Customer Agent verbraucht laut HubSpot Credits nur für gelöste Gespräche, unabhängig von der Zahl der Nachrichten. Eigene Agents aus dem Agent Builder verbrauchen Credits je Lauf, abhängig davon, wie viel sie denken, handeln und erzeugen. Die geschätzten Kosten je Lauf zeigt HubSpot in der Agent-Inbox und in der Simulation.

Den Verbrauch seht ihr unter Konto & Abrechnung im Tab „HubSpot Credits“. Dort setzt ihr Grenzen für das ganze Konto, für einzelne Funktionen und für Buyer Intent und den Customer Agent auch je Aktion. Bei 75, 85 und 90 Prozent Verbrauch verschickt HubSpot Warnungen an die Billing-Kontakte. Sind keine hinterlegt, gehen sie an Super Admins und Billing Admins (HubSpot, Stand: November 2026). Im neuen Preismodell verbrauchen auch E-Mails und fast alle Workflow-Aktionen Credits (HubSpot).

Sind nur die enthaltenen Credits gebucht und aufgebraucht, pausieren alle Funktionen, die Credits nutzen, bis zum nächsten monatlichen Neustart oder bis zum Nachkauf. Im neuen Preismodell stehen damit auch E-Mails und Workflows still. Mit gekauften Zusatzpaketen läuft die Nutzung weiter, bis die Ausgabengrenze des Kontos erreicht ist. HubSpot setzt sie standardmäßig 50 Prozent über das Monatskontingent und rechnet den Mehrverbrauch ab oder erweitert euer Paket, je nach Abrechnungseinstellung. Reste verfallen am Ende jedes Monats.

Plant Laufgrenzen und Grenzen je Funktion deshalb so, dass ein einzelner Agent genug Guthaben für eure übrigen Abläufe übrig lässt.

Prüfrhythmus für den Betrieb

Als Ausgangspunkt eignet sich diese Aufteilung, die ihr an Volumen und Zahl der Agents anpasst:

WannWas ihr prüft
WöchentlichCoaching opportunities des Customer Agents, Läufe mit „Needs approval“ und fehlgeschlagene Läufe in der Agent-Inbox
MonatlichCredit-Verbrauch je Funktion und Agent, Laufgrenzen, Source Usage
Bei jeder Änderung an Produkten, Preisen oder AbläufenWissensquellen aktualisieren, Abgleich über „Refresh“ anstoßen, Anweisungen in einer Simulation testen
QuartalsweiseKennzahlen mit dem Sponsor, Rollen und Zugriffe, neue HubSpot-Funktionen

Mit welchen Kennzahlen messt ihr den Erfolg eines KI-Agents?

Den Erfolg messt ihr im Vorher-nachher-Vergleich. Jeder Agent bekommt vor dem Go-live Startwerte, die ihr regelmäßig mit den aktuellen Werten vergleicht. Drei Gruppen von Kennzahlen gehören dazu.

  • Qualität: Lösungsquote, Anteil der Übergaben an Menschen und die Ergebnisse eurer Stichproben. Sie zeigen, ob der Agent verlässlich arbeitet.
  • Wirkung: gesparte Zeit, Reaktionszeiten, qualifizierte Termine oder Umsatzeffekte je Use Case. Sie zeigen den Nutzen für Vertrieb und Service.
  • Kosten: Credits je gelöstem Gespräch beim Customer Agent, Credits je Lauf bei eigenen Agents. Sie zeigen, ob sich der Agent rechnet.

Prüft die Werte einmal im Quartal gemeinsam mit dem Sponsor und passt Aufgaben, Quellen und Grenzen an. Für belastbare Aussagen zu Pipeline und Umsatz braucht ihr mindestens ein Quartal. Welche Messgröße zu einzelnen KI-Abläufen passt, zeigt unser Beitrag KI-Workflows in HubSpot.

Wer betreut KI-Agents im laufenden Betrieb?

Bei Mark Lotse betreuen wir KI-Agents in HubSpot mit Managed AI Services, als HubSpot Platinum Partner mit Büros in Landau in der Pfalz und Bremen. Wir befähigen euer Team, den Betrieb selbst zu steuern. In den ersten drei bis sechs Monaten pflegen wir dafür gemeinsam Agents, Prompts, Regeln und Wissensbasen, überwachen die Qualität mit definierten Schwellwerten und liefern der Geschäftsführung jedes Quartal einen Outcome-Report. Die Begleitung läuft in vier Schritten: Übernahme, Begleitung, Übergabe und Sparring. Danach steuert euer Center of Excellence den Betrieb.

Im LOTSE-Modell mit den Etappen Lagebild, Orientierung, Testlauf, Skalierung und Ertrag beginnt der Betrieb nach dem Testlauf. Die Einrichtung eines Agents begleiten wir in Etappe T, beschrieben auf unserer Seite Breeze & Agents. Skalierung und Ertrag decken unsere Managed AI Services ab.

Umfang, Ablauf und Einstieg zeigt unsere Seite Managed AI Services für HubSpot.

Fragen zum Betrieb von KI-Agents in HubSpot

Lasst uns euren Kurs bestimmen.

Im Erstgespräch klären wir, wo ihr steht und welcher nächste Schritt am meisten bewegt. 30 Minuten, konkret, ohne Verpflichtung.