HubSpot Credits 2026: Wie Unternehmen AI-Agenten kontrolliert und wirtschaftlich einsetzen

HubSpot entwickelt seine AI-Funktionen zunehmend von einfachen Assistenten hin zu Agenten, die recherchieren, Inhalte erzeugen, CRM-Daten analysieren oder Folgeaktionen auslösen. Für Unternehmen eröffnet das neue Möglichkeiten – verändert aber auch die Anforderungen an Planung, Berechtigungen und Kostenkontrolle.

Die zentrale Frage lautet deshalb nicht mehr nur: „Was kann der HubSpot-Agent?“

Sondern: Wie stellen wir sicher, dass der Agent einen sinnvollen Prozess verbessert, innerhalb eines definierten Budgets bleibt und keine unkontrollierten Änderungen im CRM ausführt?

Genau dafür sind HubSpot Credits relevant. Sie bilden ein nutzungsabhängiges Abrechnungs- und Steuerungsmodell für bestimmte AI- und Automatisierungsfunktionen in HubSpot.

Was sind HubSpot Credits?

HubSpot Credits werden für bestimmte nutzungsabhängige Funktionen eingesetzt. Dazu gehören unter anderem:

• der Customer Agent,
• der Prospecting Agent,
• der Data Agent,
• Custom Agents,
• bestimmte Breeze-Aktionen in Workflows,
• Funktionen von Data Studio.

Credits werden nicht pauschal für jede Nutzung von HubSpot AI berechnet. Entscheidend ist, ob eine konkrete Funktion eine creditpflichtige Aktion ausführt.

Das bedeutet beispielsweise: Das Aktivieren grundlegender AI-Einstellungen verursacht laut HubSpot nicht automatisch Credit-Verbrauch. Eine konkrete Aktion eines Agenten kann dagegen Credits verbrauchen.

Für Unternehmen ist diese Unterscheidung wichtig. Nicht die bloße Aktivierung von AI sollte der Ausgangspunkt der Kostenplanung sein, sondern der konkrete Prozess:

• Wie oft wird ein Agent ausgeführt?
• Wie viele Datensätze verarbeitet er?
• Welche Aktionen darf er ausführen?
• Arbeitet er einmalig oder wiederkehrend?
• Wird er in einem Workflow auf viele Datensätze angewendet?

Ein gut geplanter Agent verarbeitet nicht möglichst viele Datensätze. Er verarbeitet die richtigen Datensätze mit einem klaren Ergebnis.

Welche Credit-Verbräuche gelten aktuell?

Die offiziellen Werte hängen von der jeweiligen Funktion ab. Im HubSpot Product & Services Catalog werden unter anderem folgende Richtwerte genannt:

Diese Werte sollten nicht als vollständige Kostenkalkulation verstanden werden. Bei Custom Agents hängt der Verbrauch beispielsweise von der Anzahl der benötigten Action Units ab. Auch die Komplexität eines konkreten Agentenlaufs kann den tatsächlichen Verbrauch beeinflussen.

Stand September 2026: Zusätzliche HubSpot Credits werden im offiziellen Katalog mit 0,010 US-Dollar pro Credit angegeben. Die Abrechnung kann je nach Modell als zusätzliches Credit-Paket oder nutzungsabhängig erfolgen. Preise, Pakete und Produktbedingungen können sich ändern und sollten vor einer verbindlichen Budgetplanung im eigenen HubSpot-Account geprüft werden.

Warum Credits eine Architekturfrage sind

Ein Agent kann technisch funktionieren und trotzdem wirtschaftlich oder organisatorisch ungeeignet sein.

Ein Beispiel: Ein Unternehmen erstellt einen Agenten, der jeden neuen Kontakt anhand von CRM-Daten, Website-Aktivitäten und externen Informationen bewertet. Wird dieser Agent bei jedem neuen Datensatz automatisch ausgeführt, entsteht ein laufender Verbrauch. Wenn zusätzlich mehrere Folgeaktionen, externe Recherchen oder wiederholte Prüfungen eingebaut sind, steigt die Komplexität weiter.

Die Kostenfrage ist dann nicht isoliert zu betrachten. Sie hängt mit der Prozessarchitektur zusammen:

1. Welche Datensätze werden überhaupt verarbeitet?
2. Welche Eingangskriterien müssen erfüllt sein?
3. Welche Informationen braucht der Agent wirklich?
4. Welche Ausgaben sind für den Prozess ausreichend?
5. Welche Aktionen müssen automatisch erfolgen?
6. Wo ist eine menschliche Freigabe notwendig?

Ein Agent sollte nicht möglichst viele Datensätze verarbeiten, sondern die richtigen Datensätze mit einem klaren Ergebnis.

Welche Credits sind in den Abonnements enthalten?

HubSpot weist im offiziellen Product & Services Catalog abhängig vom Produkt und Tarif enthaltene Credits aus. Für Smart CRM sowie Marketing, Sales, Service, Content und Revenue Hub werden aktuell unter anderem folgende Mengen genannt:

• Starter: 500 Credits
• Professional: 3.000 Credits
• Enterprise: 5.000 Credits

Für Data Hub und Customer Platform gelten teilweise abweichende Mengen. Die Credits mehrerer Produkte werden nicht automatisch addiert. Maßgeblich ist grundsätzlich die höchste relevante Subscription-Stufe, nicht die Summe aller gebuchten Hubs.

Auch ungenutzte Credits werden laut HubSpot nicht in den nächsten Abrechnungszeitraum übertragen. Deshalb sollte ein Unternehmen nicht nur prüfen, wie viele Credits enthalten sind, sondern auch:

• wie stark die Credits tatsächlich genutzt werden,
• welche Funktionen den Verbrauch verursachen,
• ob wiederkehrende Agentenläufe notwendig sind,
• ob bestimmte Funktionen pausiert werden können.

Welche Rollen und Seats dürfen Credits verwenden?

HubSpot unterscheidet zwischen verschiedenen Seat-Typen und Zugriffsrechten. Laut aktueller Dokumentation können Free User und View-only Seats HubSpot Credits nicht verwenden. Relevant sind unter anderem bezahlte Core Seats, Sales Seats, Service Seats, Revenue Seats und Partner Seats.

Bei einem Rollout sollten daher nicht nur fachliche Rollen betrachtet werden, sondern auch:

• Wer darf Agenten erstellen?
• Wer darf Agenten ändern?
• Wer darf Agenten ausführen?
• Wer darf CRM-Daten als Kontext verwenden?
• Wer darf Schreibaktionen freigeben?
• Wer erhält Verbrauchs- und Billing-Warnungen?

AI-Governance ist damit nicht nur eine Frage von Prompts, sondern auch von Benutzerverwaltung und Berechtigungen.

Wie sollte ein Agenten-Pilot aufgebaut werden?

Ein kontrollierter Pilot sollte mit einem kleinen, internen Use Case beginnen. Geeignet sind Prozesse, bei denen der Agent zunächst liest, strukturiert und empfiehlt.

Beispiele:

• Zusammenfassung eines abgeschlossenen Deals für die Übergabe an das Projektteam
• Vorprüfung eingehender Service-Anfragen
• Ermittlung fehlender Informationen in einem CRM-Datensatz
• Strukturierung von Gesprächsnotizen
• Erstellung eines internen Briefings vor einem Kundentermin
• Bewertung von Leads anhand klar definierter ICP-Kriterien

Für den ersten Pilot sind schreibende Aktionen in der Regel nicht notwendig. Der Agent kann zunächst CRM-Daten lesen, freigegebenes Wissen nutzen, eine strukturierte Ausgabe erzeugen und eine Handlungsempfehlung formulieren.

Erst wenn die Ergebnisse stabil und nachvollziehbar sind, sollten Änderungen an Eigenschaften, Notizen, Zuweisungen oder Folgeprozessen aktiviert werden.

Ein falscher Text ist ärgerlich. Ein falsch aktualisierter CRM-Datensatz kann dagegen Folgefehler in Workflows, Reports und Vertriebsprozessen auslösen.

Vor dem produktiven Einsatz: Kosten simulieren und Limits setzen

HubSpot bietet im Agent Builder die Möglichkeit, Agenten vor dem produktiven Einsatz zu testen. Laut aktueller Dokumentation verbrauchen Simulationen keine Credits. Unternehmen können dadurch reale Beispieldaten und verschiedene Eingaben prüfen, ohne sofort einen produktiven Verbrauch auszulösen.

Vor dem Start sollte ein Agent mindestens anhand dieser Fragen getestet werden:

• Liefert er bei vollständigen Daten ein konsistentes Ergebnis?
• Wie reagiert er auf fehlende oder widersprüchliche Informationen?
• Erkennt er Situationen, in denen er keine sichere Empfehlung geben kann?
• Verwendet er ausschließlich freigegebene Wissensquellen?
• Führt er nur die vorgesehenen Aktionen aus?
• Wie hoch ist der geschätzte Credit-Verbrauch pro Ausführung?

Zusätzlich sollten monatliche Run-Limits pro Agent definiert werden. HubSpot zeigt im Agent Builder geschätzte Credit-Spannen an und ermöglicht die Begrenzung der monatlichen Ausführungen.

Das ist besonders wichtig bei automatisierten Workflows, wiederkehrenden Agentenläufen, großen Kontakt- oder Unternehmenssegmenten, externen Datenquellen und Agenten mit mehreren Aktionen.

Wann ist ein klassischer Workflow die bessere Lösung?

Nicht jeder automatisierte Prozess braucht einen Agenten.

Ein klassischer Workflow ist meistens die bessere Wahl, wenn die Logik eindeutig und deterministisch ist. Beispiele:

• Wenn eine Eigenschaft den Wert „Kunde“ erhält, setze eine andere Eigenschaft.
• Wenn ein Ticket eine bestimmte Priorität besitzt, weise es einem Team zu.
• Wenn ein Deal eine bestimmte Phase erreicht, erstelle eine Aufgabe.
• Wenn ein Formular abgeschickt wird, sende eine definierte E-Mail.

Ein Agent ist dagegen sinnvoller, wenn Informationen interpretiert, zusammengeführt oder bewertet werden müssen.

Die Entscheidungsregel lautet: Je eindeutiger die Wenn-Dann-Logik, desto eher Workflow. Je stärker Interpretation, Kontextbewertung und flexible Formulierung erforderlich sind, desto eher Agent.

In vielen sinnvollen Architekturen werden beide Ansätze kombiniert. Ein Workflow kann beispielsweise den passenden Datensatz erkennen und den Agenten nur dann ausführen, wenn bestimmte Voraussetzungen erfüllt sind.

Welche Fehler verursachen unnötigen Credit-Verbrauch?

1. Zu breite Trigger

Ein Agent wird auf alle Kontakte, Unternehmen oder Tickets angewendet, obwohl nur ein kleiner Teil tatsächlich relevant ist. Besser ist eine enge Vorfilterung über Lifecycle Stage, Deal Stage, Tickettyp, Region, Produkt, Mindestdatenqualität oder vorhandene Aktivität.

2. Wiederholte Verarbeitung derselben Datensätze

Wenn ein Datensatz durch mehrere Trigger oder Statusänderungen erneut verarbeitet wird, können unnötige Kosten entstehen. Deshalb sollte dokumentiert werden, wann ein Agent bereits gelaufen ist und welche Änderung eine neue Ausführung rechtfertigt.

3. Zu viele Aktionen in einem Agenten

Ein Agent, der recherchiert, klassifiziert, schreibt, externe Systeme ansteuert und mehrere CRM-Felder aktualisiert, ist schwer zu testen und zu kontrollieren. Ein kleinerer Agent mit einem klaren Ergebnis ist häufig robuster als ein großer „Alles-in-einem“-Agent.

4. Unklare Wissensquellen

Veraltete Dokumente, widersprüchliche Produktinformationen und nicht freigegebene interne Inhalte verschlechtern die Ergebnisqualität. Mehr Wissen bedeutet nicht automatisch bessere Antworten.

5. Fehlende Abbruchlogik

Ein Agent sollte erkennen, wann Informationen fehlen oder eine sichere Entscheidung nicht möglich ist. Statt zu raten, sollte er einen Prüfstatus setzen, einen Fall an ein Team übergeben, fehlende Informationen benennen oder keine schreibende Aktion ausführen.

Für welche Unternehmen lohnt sich der Einsatz?

Der Nutzen hängt weniger vom Geschäftsmodell als vom Prozess ab.

In Unternehmen mit langen Vertriebsprozessen können Agenten beispielsweise bei Deal-Übergaben, Account-Recherche oder Angebotsvorbereitung unterstützen. In serviceorientierten Unternehmen sind Vorprüfung, Wissensnutzung, Ticketklassifizierung und interne Eskalation mögliche Einsatzfelder. Im E-Commerce oder bei hybriden Geschäftsmodellen können sich andere Anwendungsfälle ergeben, etwa die strukturierte Analyse von Kundenanfragen, Bestellkontexten oder wiederkehrenden Problemen.

Besonders gute Voraussetzungen bestehen, wenn:

• CRM-Daten bereits relativ strukturiert sind,
• Zuständigkeiten eindeutig geregelt sind,
• der Prozess regelmäßig vorkommt,
• ein messbares Ergebnis existiert,
• die Wissensquellen gepflegt werden,
• ein menschlicher Eskalationsweg definiert ist.

Weniger geeignet ist ein Agent, wenn der zugrunde liegende Prozess selbst noch nicht geklärt ist. Ein Agent kann keine fehlende Prozessdefinition ersetzen.

SMARTTEC-Empfehlung

Unternehmen sollten HubSpot Credits nicht isoliert als zusätzliche Kostenposition betrachten. Sinnvoller ist ein dreistufiges Vorgehen:

1. Use Case bewerten

Zuerst sollte geklärt werden, ob tatsächlich agentische Logik benötigt wird oder ob ein Workflow ausreicht.

2. Kleinen Pilot definieren

Der Pilot sollte einen klaren Datensatz, ein eindeutiges Ergebnis und möglichst geringe Schreibrechte besitzen.

3. Nutzung kontrollieren

Vor dem produktiven Start sollten Simulationen, geschätzte Credits pro Run, monatliche Ausführungslimits und Verantwortlichkeiten dokumentiert werden.

Ein guter Einstieg ist ein interner Prozess mit überschaubarem Volumen. So lässt sich prüfen, ob der Agent tatsächlich Recherchezeit spart, Übergaben verbessert oder die Datenqualität erhöht.

Fazit

HubSpot Credits machen AI-Agenten zu einer Budget-, Architektur- und Governance-Frage.

Unternehmen sollten nicht einfach möglichst viele Agenten aktivieren. Sie sollten entscheiden:

• Für welchen Prozess ist ein Agent wirklich sinnvoll?
• Welche Daten darf er verwenden?
• Welche Aktion darf er ausführen?
• Wie oft soll er laufen?
• Wie wird sein Verbrauch begrenzt?
• Wann muss ein Mensch übernehmen?

Der beste Start ist ein eng umrissener Use Case mit kontrollierten Inputs, gepflegtem Wissen, begrenzten Berechtigungen und einem monatlichen Run-Limit.

Wenn die zugrunde liegende Logik dagegen eindeutig ist, bleibt ein klassischer HubSpot-Workflow meist die transparentere, besser wartbare und häufig auch wirtschaftlichere Lösung.