Bernd Schäferling.
← Zurück zu den Projekten
n8nPerplexity API JavaScriptNotionRaspberry Pi

Automatisiertes Lieferanten-Scouting

Ein selbst entwickeltes System, das eigenständig nach potenziellen Anbietern sucht, Webseiten prüft, Ergebnisse strukturiert und in einer zentralen Datenbasis zusammenführt – über mehrere Länder und Fertigungsbereiche hinweg.

14+n8n-Workflows
876+recherchierte Einträge
12+Fertigungskategorien

Ausgangslage & Idee

Lieferantenrecherche ist oft manuelle Kleinarbeit: Für eine Fertigungskategorie – etwa CNC-Teile, Reinraummontage oder Galvanik – muss man Hersteller in verschiedenen Märkten suchen (DACH, Nearshore Osteuropa, Westeuropa), Websites prüfen, Kontaktdaten sammeln und alles strukturiert ablegen. Meist landet das in Excel-Listen, die schnell veralten.

Die Idee war, diesen Rechercheprozess zu automatisieren: pro Kategorie und Region automatisch Kandidaten finden, grob validieren und in einer zentralen, durchsuchbaren Datenbank ablegen – statt jedes Mal von null anzufangen.

Ablauf

Auslöser → Suche → Analyse → Prüfung → Speichern, verteilt auf ~14 spezialisierte Workflows. Je Kategorie und Region ein eigener Workflow, weil Suchbegriffe und Kriterien stark variieren.

StartGemischt: die Scouting-Läufe manuell bei Bedarf, andere Knoten (z. B. der Wochenreport) per festem Zeitplan.
SuchePerplexity API mit kategorie- und regionsspezifischen Prompts durchsucht das Web nach passenden Herstellern.
AnalyseRohantwort → einheitliches Format: Firma, Land, Website, Spezialisierung, ggf. Zertifizierungen.
Prüfung (2-stufig)1. HTTP-Erreichbarkeit der Website. 2. Zweite Perplexity-Abfrage zur Plausibilität fraglicher Treffer.
SpeichernAblage in Notion mit einheitlichem Schema und Status-Feld: verifiziert / fraglich / verworfen.
Nebenlauf: Ein Wochenreport-Workflow wertet die Datenbank aus – Trefferzahlen nach Kategorie und Land – und fasst das Ergebnis per E-Mail zusammen.

Was funktioniert – und wo die Grenzen liegen

Funktioniert gut

  • Kandidaten finden: Die KI-Suche liefert zuverlässig passende Hersteller je Kategorie und Region.
  • Skalierung über Märkte: Ein Workflow-Muster, viele Länder und Fertigungsbereiche.
  • Zentrale, filterbare Ablage statt verstreuter, schnell veralteter Excel-Listen.

Grenzen

  • Freitext in strukturierten Feldern: Trotz klarer Prompt-Vorgabe kam z. B. „United Kingdom (parent company), products marketed globally“ zurück – sprengt ein Notion-Select-Feld. Lösung: alles vor der ersten Klammer bzw. dem ersten Komma abschneiden.
  • Intent-Suche unzuverlässig: Der Versuch, Firmen mit aktiver Kaufabsicht zu finden, lieferte stattdessen wieder Lieferanten selbst. Dafür bräuchte es spezialisierte B2B-Intent-Datenquellen.
  • Rate Limits: Viele parallele API-Calls wurden gedrosselt – gelöst durch Batching (1 Request alle 3 Sekunden) und automatische Retry-Logik.

Erkenntnis: Die KI ist gut darin, Kandidaten zu finden – aber unzuverlässig darin, Daten sauber im geforderten Format zu liefern. Das Nacharbeiten der Antworten war am Ende aufwändiger als der eigentliche Rechercheschritt.

Fragen zum Aufbau oder Lust auf fachlichen Austausch zu n8n, LLM-Recherche oder Notion?

Austausch aufnehmen →