Elke retailer kent het ritme: een nieuwe prijslijst in Excel van leverancier A, een productblad als PDF van leverancier B, een assortimentsbestand uit het portal van leverancier C. Iemand zoekt de artikelen op, typt de nieuwe prijs over, plakt een omschrijving in de webshop en hoopt dat alles klopt. Bij tientallen leveranciers en duizenden producten groeit dat uit tot een dagtaak, en fouten sluipen er vanzelf in.
AI neemt die intake over. Niet als blinde tekstgenerator, maar als combinatie van uitlezen, normaliseren en controleren. De stappen die daarbij horen, en de plekken waar een mens nog moet meekijken, staan hieronder.
Welke productinformatie komt binnen via e-mail, Excel, PDF en portals?
De intake van productdata begint bij de bron. Leveranciers leveren hun informatie op allerlei manieren aan:
- Prijslijsten in Excel of CSV, vaak met één rij per artikel.
- Productbladen als PDF, met omschrijving, specificaties en afbeeldingen.
- Assortimentsbestanden via leveranciersportals, waar je zelf een export moet downloaden.
- E-mails met losse updates: een gewijzigde prijs, een nieuw artikel, een uitverkochte variant.
De kans op fouten zit niet in één bestand, maar in de verschillen tussen bestanden. De ene leverancier noemt het veld artno, de ander artikelnummer en een derde gebruikt alleen een EAN. Prijzen staan soms inclusief en soms exclusief btw, en bedragen worden geschreven als 5,99, 5.99 of € 5,99. Precies dat werk houdt een systeem met vaste regels niet bij, omdat elke leverancier net even anders werkt.
Velden herkennen, normaliseren en varianten bij elkaar houden
De eerste AI-stap is herkennen: welk veld is een artikelnummer, welke kolom bevat de verkoopprijs, en waar staat de levertermijn? Modellen lezen de structuur van elk bestand, ook als die per leverancier verschilt. Vervolgens normaliseert de workflow de gevonden waarden naar één formaat: prijzen naar één notatie, maten naar één eenheid, btw-tarieven naar één codering.
Daarna komt het matchen. Een zelfde product komt vaak bij meerdere leveranciers voor, of in meerdere varianten: zelfde artikel, andere kleur of maat. AI koppelt die aan elkaar op EAN, artikelnummer of een combinatie van merk en type, zodat je geen dubbele productkaarten krijgt en varianten onder één product blijven hangen.
Veel van deze bestanden arriveren in de inkoopmailbox. Hoe je die mails automatisch laat verwerken, staat in leveranciersmails automatisch verwerken met AI.
Productdata controleren op ontbrekende of tegenstrijdige informatie
Uitlezen is nog geen publiceren. Voordat productdata naar de webshop gaat, controleert de workflow de gegevens op:
- Ontbrekende velden: geen EAN, geen prijs, geen afbeelding.
- Tegenstrijdigheden: de omschrijving noemt maat M, de specificaties zeggen L.
- Duplicaten: hetzelfde artikelnummer dat bij twee leveranciers opduikt.
- Afwijkingen: een prijs die twintig procent hoger ligt dan de vorige, of een levertijd die niet klopt met het bestand.
Die controles zijn geen vrije interpretatie van het model. Je legt van tevoren vast welke regels gelden, en de workflow toetst daar elke rij tegen. Wat afwijkt, komt in een aparte wachtrij voor de medewerker in plaats van direct online.
Van leveranciersbestand naar PIM, ERP of webshop
Na controle gaat de data naar de plek waar die thuishoort: de webshop, marktplaatsen, het kassasysteem, een PIM of het ERP. Daar houdt het uitlezen op en begint de werkstroom. Het ene systeem accepteert een CSV-import, het andere heeft een API en een derde werkt met een tussenbestand. De workflow zorgt dat elk systeem zijn eigen formaat krijgt, zonder dat iemand gegevens overschrijft.
Het uitlezen en structureren van de bestanden is documentverwerking; het aansturen van de stroom van bestand naar systeem is werkstroomorkestratie. Voor retailers en e-commercebedrijven bouwen we deze stromen rond bestaande systemen, zie AI-automatisering voor de retail.
In een compact overzicht ziet de hele keten er zo uit:
| Input | Verwerking | Controle | Output |
|---|---|---|---|
| Prijslijst in Excel | Artikelnummer, prijs en btw herkennen | Nieuwe prijs vergelijken met de huidige | Prijsupdate klaargezet voor de webshop |
| Productblad als PDF | Omschrijving en specificaties uitlezen | Volledigheid en merktaal controleren | Conceptproductkaart voor review |
| Assortimentsbestand uit portal | Artikelen matchen op EAN of artikelnummer | Duplicaten en afwijkingen signaleren | Importbestand voor PIM of ERP |
Menselijke review, merkrichtlijnen en onderhoud van productdata
Zelfs met goede controles blijft er een menselijke laag nodig. Merkrichtlijnen zijn daar een goed voorbeeld van: de ene webshop wil tijdloos design lezen, de andere wil droge specificaties. AI kan conceptomschrijvingen maken, maar de merkstem bepaal je zelf, net als de regels voor toegestane claims en afbeeldingen.
Ook na de eerste inrichting stopt het werk niet. Leveranciers wijzigen assortimenten, prijzen veranderen en producten verdwijnen of komen erbij. Een vaste controleloop houdt de productinformatie op alle kanalen gelijk, en afwijkingen komen terecht bij de medewerker die ze moet beoordelen. Hetzelfde principe werkt voor andere retailstromen, zoals retouraanvragen automatisch verwerken met AI.
Veelgestelde vragen
Welke bestanden kan AI automatisch verwerken?
Excel, CSV, PDF, e-mail en exports uit leveranciersportals komen het meest voor. Zolang de informatie leesbaar is, kan de workflow er velden uit halen. Ook gescande productbladen of foto's zijn verwerkbaar, al kost die intake meer controle dan een gestructureerd bestand.
Schrijft AI zelf productomschrijvingen?
AI kan conceptomschrijvingen opstellen op basis van bestaande productdata, bijvoorbeeld om een consistent format te krijgen. Beschrijvingen met claims, garanties of afmetingen die je niet kunt verifiëren, laat je beter reviewen. Het model is geen vervanging van je merkrichtlijnen, maar een hulp om ze consequent toe te passen.
Hoe weet AI welk artikel bij welk artikelnummer hoort?
Door te matchen op EAN, artikelnummer of een combinatie van merk en type, en door varianten zoals kleur en maat bij elkaar te houden. Bij twijfel zet de workflow het artikel in een wachtrij voor menselijke controle in plaats van het zelf te raden.
Zijn leveranciersbestanden veilig om met AI te verwerken?
Leveranciersdata is meestal geen persoonsdata, maar het kan wel commercieel gevoelig zijn: prijsafspraken, marges en assortimentsafspraken. Bepaal daarom zelf waar de data wordt verwerkt en wie er toegang toe heeft, en check je leverancierscontracten op wat je met de data mag doen.
Hoe begin ik met productdata automatiseren?
Pak één leverancier of productgroep waar de meeste handmatige tijd in zit. Richt de intake in, zet de controles op de belangrijkste velden en laat de output naar één systeem gaan. Meet na een paar weken wat het scheelt in tijd en fouten, en breid dan pas uit naar meer leveranciers en kanalen.