AI in de praktijk AI in practice · 10 februari 2026 February 10, 2026 · 5 min leestijd 5 min read

Productteksten automatisch verrijken met AI: een praktijkcase Automatically enriching product texts with AI — a case study

Door Danny Reinders By Danny Reinders

Een handelsbedrijf importeert wekelijks honderden nieuwe artikelen van diverse leveranciers. Elke productomschrijving moet worden geschreven, gecategoriseerd en verrijkt met technische specificaties. Handmatig duurt dat uren per batch, en de kwaliteit is wisselend.

A trading company imports hundreds of new items from various suppliers weekly. Every product description needs to be written, categorized and enriched with technical specifications. Manually, this takes hours per batch, and quality varies.

Ik bouwde een systeem dat dit proces grotendeels automatiseert. In dit artikel leg ik uit hoe, welke technologie erachter zit, en wat je er als ondernemer van kunt leren.

I built a system that largely automates this process. In this article, I explain how, what technology powers it, and what you as a business owner can learn from it.

Het probleem: handwerk dat niet schaalt

The problem: manual work that doesn't scale

Het bedrijf werkt met tientallen leveranciers die elk hun eigen format aanleveren: sommige als Excel, andere als PDF, weer andere als e-mail met bijlagen. Elke keer moest iemand handmatig:

The company works with dozens of suppliers who each deliver in their own format: some as Excel, others as PDF, yet others as email attachments. Each time, someone had to manually:

De leveranciersdata interpreteren en overzetten Interpret and transfer supplier data
Een fatsoenlijke productomschrijving schrijven Write a proper product description
Het artikel categoriseren en technische specs toevoegen Categorize the item and add technical specs
Controleren op fouten en inconsistenties Check for errors and inconsistencies

Bij honderden artikelen per week is dat onhoudbaar. Niet alleen qua tijd, maar ook qua consistentie: de ene medewerker schrijft anders dan de andere.

With hundreds of items per week, that's unsustainable. Not just in terms of time, but also consistency: one employee writes differently than another.

De oplossing: import + AI-verrijking

The solution: import + AI enrichment

Ik bouwde een custom PIM (Product Information Management) systeem op Laravel dat drie dingen doet:

I built a custom PIM (Product Information Management) system on Laravel that does three things:

Automatische import

Automatic import

Leveranciersdata wordt ingelezen uit diverse formats en genormaliseerd naar een uniforme structuur.

Supplier data is read from various formats and normalized into a uniform structure.

AI-verrijking

AI enrichment

Google Gemini analyseert de ruwe productdata en genereert: een commerciële productomschrijving, categorievoorstellen, en waar mogelijk aanvullingen op technische specificaties. De AI krijgt context mee over de branche en het gewenste taalgebruik.

Google Gemini analyzes the raw product data and generates: a commercial product description, category suggestions, and where possible, additions to technical specifications. The AI receives context about the industry and desired language.

Menselijke controle

Human review

Het resultaat komt in een review-queue. Een medewerker controleert, past eventueel aan, en keurt goed. De AI doet 80% van het werk, de mens bewaakt de kwaliteit.

The result enters a review queue. An employee checks, adjusts if needed, and approves. AI does 80% of the work, humans guard the quality.

Dit is een bewuste keuze: we vervangen niemand, we nemen het saaie werk weg. De medewerker die voorheen uren aan beschrijvingen schreef, besteedt nu meer tijd aan leveranciersrelaties en kwaliteitscontrole.

This is a deliberate choice: we replace no one, we remove the tedious work. The employee who previously spent hours writing descriptions now spends more time on supplier relationships and quality control.

Wat je hiervan kunt leren

What you can learn from this

Dit project laat een patroon zien dat voor veel MKB-bedrijven relevant is:

This project shows a pattern that's relevant for many SMBs:

Productteksten die altijd op dezelfde structuur zijn gebouwd. AI genereert een bruikbaar eerste concept — jij beslist over de eindversie. Product texts that always follow the same structure. AI generates a usable first draft — you decide on the final version.
Leveranciersdata in telkens een ander format. Een import-koppeling normaliseert dat automatisch, zonder handmatig kopiëren. Supplier data arriving in a different format each time. An import integration normalises it automatically, without manual copying.
Mensen die te goed zijn om 's avonds Excel te kopiëren. Geef ze werk dat echt nadenken vraagt. People who are too skilled to spend evenings copying spreadsheets. Give them work that actually requires thinking.

Het hoeft niet meteen een heel systeem te zijn. Begin met één proces. Eén import. Eén type tekst dat je elke week schrijft. Test of AI de kwaliteit levert die je nodig hebt, en bouw dan verder.

It doesn't have to be an entire system right away. Start with one process. One import. One type of text you write every week. Test if AI delivers the quality you need, then build from there.

Heb je een soortgelijk proces in je bedrijf dat veel tijd kost? Ik help je uitzoeken hoe AI en automatisering dat concreet kunnen versnellen. Op de diensten pagina lees je meer over hoe ik dit soort AI-koppelingen bouw voor MKB-bedrijven.

Do you have a similar process in your business that takes a lot of time? I can help you figure out how AI and automation can concretely speed that up.

Soortgelijk project bij jou?

Similar project at your company?

Neem contact op of lees meer over AI & Automatisering.

Get in touch or read more about AI & Automation.

Neem contact op Get in touch Meer over AI & Automatisering More about AI & Automation