12. Juni 2026, kurz nach halb neun, ein Whiteboard voller Ordnernamen. Am Vortag hatten wir mit dem Team der Thalox AG angefangen, eine Frage zu sortieren, die sich jedes Beratungshaus mit KI früher oder später stellt: Wie arbeitet eine KI zuverlässig in den HubSpot-Systemen von Kunden, ohne Daten zu vermischen und ohne eigenmächtig zu handeln? An diesem Morgen haben wir aus der Frage eine Struktur gemacht. Knapp drei Monate später hat die Thalox AG LEA vorgestellt, ihr neues KI-Teammitglied.
Ausgangslage: KI im Kundenservice eines HubSpot-Beratungshauses
Die Thalox AG ist ein CRM-Beratungshaus mit Fokus auf HubSpot. Sie betreut Unternehmen, die mit HubSpot arbeiten, und betreibt eine eigene HubSpot-App, die bei diesen Kunden installiert ist. Das Ziel war klar formuliert: Die Mitarbeitenden der AG sollen Service-Tickets ihrer Kunden mit Claude bearbeiten können, effizient und immer mit dem richtigen Kontext.
Die Anforderungen dahinter sind typisch für ein Beratungshaus. Manche Tickets laufen über mehrere Iterationsstufen und brauchen die ganze Vorgeschichte. Das Team arbeitet mehrsprachig, die Ausgabe an den Kunden soll trotzdem einheitlich auf Englisch sein. Dazu kommt eine sehr praktische Grenze, die jeder kennt, der täglich mit KI-Modellen arbeitet: Jede Seite, die das Modell unnötig einliest, verbraucht Kontext und Nutzungskontingent und macht die Antworten unschärfer.
Der KI-Workshop: eine Methode für KI-Agenten
Wir haben in zwei Blöcken gearbeitet, erst am Whiteboard, dann am Bildschirm. Am Ende stand keine Software, sondern eine Arbeitsweise, die aus wenigen klaren Entscheidungen besteht.
Dateien statt Blackbox. Jeder Kunde bekommt einen eigenen Ordner, jedes Ticket darin einen eigenen Ordner unter seiner HubSpot-Ticket-ID, mit einer Index-Datei und einem Journal, das festhält, was am Ticket passiert ist. Eine zentrale Anweisungsdatei beschreibt, wie der Agent arbeitet, und alle anderen Steuerdateien verweisen nur darauf, damit die Struktur ohne Aufwand wiederverwendbar bleibt. Index-Dateien und Querverweise geben der KI einen Lesepfad vor, fast wie einen kleinen Wissensgraphen. Der Grund für diese Feinheit ist einfach: Je granularer die Ablage ist, desto weniger muss die KI einlesen, die Chats bleiben kurz und das Modell bleibt in seinen Grenzen.
Die KI baut sich ihre Werkzeuge selbst. Für jede Aufgabe schreibt sich der Agent ein kleines Skript gegen die HubSpot-Schnittstelle und führt es aus. Es gibt also kein großes Integrationsprojekt vorab, sondern genau das Werkzeug, das die jeweilige Aufgabe braucht.
Regeln, bevor der erste Testlauf startet. In jedem Chat wird zuerst geklärt, für welchen Kunden gearbeitet wird, und innerhalb eines Chats wechselt der Agent den Kunden nicht. In HubSpot schreibt er nichts ohne Genehmigung, nach außen sendet er nichts ohne Genehmigung, und Mails formuliert er immer auf Englisch. Diese Regeln liegen in eigenen Regeldateien je Anwendungsfall, damit sie sich gezielt anpassen lassen, ohne den Rest anzufassen.
Klein testen. Wir haben bewusst nicht mit dem perfekten Rechtekonzept begonnen. Mein Satz an diesem Morgen war: „Wir müssen ja auch mal anfangen und gucken, ob das überhaupt funktioniert.“ Für die Feinarbeit haben wir das Konzept mit einem bewährten Ansatz für Markdown-basierte Wissensablagen zusammengeführt und von drei verschiedenen KIs gegenprüfen lassen.
Der Mensch entscheidet. Der Agent bereitet vor, zum Beispiel eine Antwortmail zum Ticket, die er im Chat vorformuliert. Ob sie rausgeht, entscheidet ein Mensch. Das ist keine Vorsichtsmaßnahme für die Anfangszeit, sondern das Prinzip, auf dem die ganze Struktur aufbaut.
Das Ergebnis: LEA, das KI-Teammitglied der Thalox AG
Anfang September 2026 hat die Thalox AG LEA öffentlich vorgestellt, zuerst im eigenen Podcast HubHype in Folge 22 und im Blog, danach auf LinkedIn und auf der HubSpot-Konferenz UNBOUND. Erwin Arnold, CEO der Thalox AG, fasst es auf LinkedIn so zusammen: „We didn’t build software. We built a brain.“ Gemeint ist ein gemeinsames Wissen, auf das das ganze Team zugreift. Die AG hat ihre HubSpot- und Beratungserfahrung eingebracht, und dieses Wissen ist über MCP mit den Live-Daten aus HubSpot verbunden.
LEA ist der Name und das Gesicht dieses Systems, eine lila Krake. Die Figur ist bewusst gewählt. Kraken gelten als sehr intelligente Tiere, und ihr großer Kopf steht für diese große Intelligenz. Ein Gehirn als Bild wollte das Team ausdrücklich nicht. Die Arme stehen für die vielen helfenden Hände, die ganz unterschiedliche Aufgaben übernehmen, etwa Discover, Design, Build, Test und Document.
Auf der UNBOUND hatte Erwin Arnold die Figur dabei und hat sie zusammen mit einem kostenlosen HubSpot Health Check verschenkt. Das Foto unten stammt aus seinem LinkedIn-Beitrag vom 16.09.2026, verlinkt unter den Quellen.
In derselben Podcastfolge beschreibt das Team einen Ticket-Agenten, den die AG für einen ihrer Kunden als Custom Agent in HubSpot gebaut hat. Er liest den Inhalt eines Tickets, ordnet ihm eine Unterkategorie zu, leitet daraus die übergeordnete Kategorie und die Priorität ab und arbeitet dabei in verschiedenen Sprachen, weil er die Sprache eines Tickets automatisch erkennt. Laut dem Team hat das für den Kunden gut funktioniert.
Einige Fragen kommen mir aus dem Juni bekannt vor: HubSpot-Tickets als Gegenstand, mehrsprachige Arbeit mit einheitlicher Ausgabe. Den Ticket-Agenten hat die AG auf ihrem eigenen Weg umgesetzt, direkt in HubSpot. Bemerkenswert finde ich, wie weit die AG seitdem gegangen ist. Im Juni haben wir mit Skripten gearbeitet, die sich die KI selbst schreibt. Heute ist LEA über MCP direkt mit HubSpot verbunden. Inzwischen implementiert LEA sogar Custom Agents für HubSpot im Agent Hub.
Die Rolle von Thalox Sphere bei der KI-Einführung
Unser Beitrag war die Methode. Wir haben die dateibasierte Struktur, die Regeln und das Vorgehen in kleinen Schritten in die Sitzung gebracht und gemeinsam mit dem Team auf die Anforderungen der AG zugeschnitten. Gebaut, weiterentwickelt und in den Alltag gebracht hat LEA das Team der Thalox AG, und das Team betreibt LEA auch.
Erwin Arnold, CEO der Thalox AG, dazu:
Was uns bei Thalox Sphere überzeugt hat, war die Kombination aus tiefem KI-Fachwissen und handfester Systematik. Im Workshop ging es nicht um Folien, sondern um eine belastbare Architektur: Wissen in Dateien statt in einer Blackbox, klare Regeln bevor der Agent arbeitet, und der Mensch entscheidet. Das war technisch präzise und sofort umsetzbar. Genau daraus ist bei uns der Weg zu LEA entstanden.Erwin Arnold, CEO Thalox AG
KI-Agenten im Unternehmen einführen: vier Learnings
- Struktur kommt vor dem Werkzeug. Ein Agent ist nur so gut wie die Ordnung, in der sein Wissen liegt. Ordner, Index und Journal klingen unspektakulär, entscheiden aber darüber, ob eine KI den richtigen Kontext findet oder rät. Wenn das Wissen in eigenen Dateien liegt, bleibt es im Unternehmen, auch wenn sich das Modell dahinter ändert.
- Grenzen gehören in Regeln, nicht ins Bauchgefühl. Ein Kunde pro Chat, nichts geht ohne Freigabe raus, eine feste Sprache für die Ausgabe. Solche Regeln schreibt man auf, bevor der Agent zum ersten Mal arbeitet, nicht nachdem etwas schiefgegangen ist.
- Klein anfangen ist kein Kompromiss. Wer mit einem überschaubaren Ausschnitt startet, lernt schnell, was trägt und was nicht. Eine gute Struktur lässt sich später erweitern, ohne sie umzubauen.
- Die Verantwortung bleibt beim Menschen. Der Agent sortiert, priorisiert und formuliert vor. Entscheiden und senden die Mitarbeitenden. Genau das macht den Einsatz im Kundengeschäft vertretbar.
Häufig gestellte Fragen zu KI-Agenten
Was ist ein KI-Agent?
Ein KI-Agent ist ein KI-System, das Aufgaben nicht nur beantwortet, sondern selbst vorbereitet und ausführt. Er liest zum Beispiel Daten aus einem CRM, ordnet Tickets ein oder formuliert Antworten vor. Bei der Thalox AG schreibt sich der Agent für jede Aufgabe ein kleines Skript gegen die HubSpot-Schnittstelle und führt es aus. Was nach außen geht, entscheidet ein Mensch.
Welche Beispiele für KI-Agenten im Kundenservice gibt es?
Zwei Beispiele aus dieser Case Study: Mitarbeitende der Thalox AG bearbeiten Service-Tickets ihrer Kunden mit einem KI-Agenten, der die Vorgeschichte eines Tickets kennt und Antwortmails vorformuliert. Außerdem hat die AG für einen Kunden einen Ticket-Agenten als Custom Agent in HubSpot gebaut, der Tickets einer Kategorie und Priorität zuordnet und die Sprache eines Tickets automatisch erkennt.
Wie führt man KI-Agenten im Unternehmen sicher ein?
Mit klaren Regeln, bevor der erste Testlauf startet, und mit kleinen Schritten. Bei der Thalox AG gilt: ein Kunde pro Chat, in HubSpot wird nichts ohne Genehmigung geschrieben, nach außen wird nichts ohne Genehmigung gesendet, und die Entscheidung bleibt beim Menschen. Das Wissen liegt in eigenen Dateien statt in einer Blackbox und bleibt so im Unternehmen, auch wenn sich das KI-Modell ändert.
Wie arbeitet ein KI-Agent mit HubSpot zusammen?
Im Workshop im Juni 2026 hat der Agent für jede Aufgabe ein eigenes Skript gegen die HubSpot-Schnittstelle geschrieben, ein großes Integrationsprojekt war dafür nicht nötig. Heute ist LEA, das KI-Teammitglied der Thalox AG, über MCP direkt mit den Live-Daten aus HubSpot verbunden und implementiert sogar Custom Agents für HubSpot im Agent Hub.
Hat Thalox Sphere LEA entwickelt?
Nein. Thalox Sphere hat in Workshop und Arbeitssitzung die Methode eingebracht: die dateibasierte Wissensstruktur, die Regeln und das Vorgehen in kleinen Schritten. Gebaut, weiterentwickelt und in den Alltag gebracht hat LEA das Team der Thalox AG, das LEA auch betreibt.
Zur Beziehung zwischen der Thalox AG und Thalox Sphere
Die Namen sind fast gleich, die Unternehmen sind eigenständig. Die Thalox AG ist Partner von Thalox Sphere, wir arbeiten seit 2025 in Projekten zusammen, die AG erbringt für uns auch technische Beratung, und auf ihrer Teamseite bin ich als Founder Thalox Sphere aufgeführt. Diese Case Study ist deshalb keine Referenz eines unabhängigen Kunden, sondern ein offener Einblick in die Zusammenarbeit unter Partnern.
KI-Agenten für Ihr Unternehmen
Sie wollen KI-Agenten im Kundenservice, im Vertrieb oder in der Sachbearbeitung einsetzen und suchen dafür eine tragfähige Struktur statt eines weiteren Piloten? Dann lohnt ein Blick auf unsere Leistungen zur Unternehmens-KI und zu digitalen Agenten und zur Prozessautomatisierung mit KI-Workflows. Warum viele KI-Projekte im Pilotstatus hängen bleiben, beschreibt unser Beitrag KI-Lösungen für Unternehmen: Vier Bruchstellen und ein 90-Tage-Plan. Weitere Projekte finden Sie in unseren Case Studies.
Erstgespräch zu Ihrem KI-Anwendungsfall buchen
