OTTO veröffentlicht Lieferantenliste

Ein Fundstück für Onlinehändler und ein Test für KI. Wer sich schon immer gefragt hat, woher OTTO eigentlich seine Produkte bezieht, wird jetzt fündig: OTTO hat gleich zwei umfangreiche Lieferantenlisten veröffentlicht. Hunderte Namen und Adressen – von internationalen Outdoor-Profis bis zu globalen Playern. Für Onlinehändler, die neue Bezugsquellen suchen, ein Goldstück!

Doch so ehrlich müssen wir sein: In den Listen fehlen Infos – nämlich Produktgruppen und Kontaktdaten der richtigen Ansprechpartner. Eine E-Mail-Adresse sucht man vergeblich.

Genau hier kommt die KI ins Spiel: Der Autor hat die komplette Liste hochgeladen und von einer KI prüfen lassen: Wer liefert was, welche Branche und wie finde ich den ersten Draht zum Lieferanten, also wo finde ich die Mailadresse?

Das Ergebnis:

Die KI erkennt auf Basis von Firmennamen, Adresse und Handelsregisterdaten, welche Produktsegmente wahrscheinlich hinter jedem Lieferanten stehen – von Fashion bis Elektronik oder Baumarkt.

Mit Tools wie LinkedIn, Handelsregisterdatenbanken und sogar Google Maps werden Ansprechpartner und oft auch Telefon, E-Mail und Webadresse gefunden oder zumindest vorgeschlagen.

Das Matching für Händler funktioniert deutlich schneller als jede manuelle Recherche: Die „KI-Liste“ ist der perfekte Ausgangspunkt für eigene Sourcing-Anfragen oder automatisierte Serienanschreiben – spart Zeit, Nerven und bringt neue Produkte ins Listings.

Hier findest du die Original-Lieferantenliste als Download und Details zum KI-Sourcing-Test.
Probier’s selbst aus und berichte in den Kommentaren!

Liste 1: https://wortfilter.de/wp-content/uploads/2025/10/final_list_facilities_july_2024.pdf

Liste 2: https://wortfilter.de/wp-content/uploads/2025/10/otto-group_list-of-business-partners-and-factories.pdf

Hunderte an OTTO Lieferanten

Und wer es richtig smart machen möchte, der verwendet Python. Wie ihr das mit Python umsetzen könnt erklärt euch ChatGPT. Fragt und ihr bekommt die richtigen Antworten. Wichtig ist, dass ihr mit der KI kommuniziert. Wenn ihr nicht mehr weiter wisst, dann fragt. Das ist das Ergebnis der automatischen Abfrage. Python liest das .pdf ein, analysiert es und führt mit Hilfe des SerpAPI-Keys die Webanfrage aus. Danach schreibt es die Ergebnisse in einer html-Tabelle.

Der vollständige Code:

import os
import re
import json
import requests
from PyPDF2 import PdfReader
from bs4 import BeautifulSoup

# ==========================
# 🔑 Deine SerpAPI API-Key
# ==========================
SERPAPI_KEY = "DEIN_SERPAPI_KEY_HIER"  # <-- hier deinen Key einfügen

# ==========================
# 📄 PDF EINLESEN UND PARSEN
# ==========================
def extract_companies_from_pdf(pdf_path):
    reader = PdfReader(pdf_path)
    text = ""
    for page in reader.pages:
        text += page.extract_text() + "\n"

    lines = [line.strip() for line in text.split("\n") if line.strip()]
    companies = []
    for line in lines:
        parts = re.split(r"\s{2,}", line)
        if len(parts) >= 3:
            name = parts[0]
            country = parts[1] if len(parts) > 1 else ""
            city = parts[2] if len(parts) > 2 else ""
            address = parts[3] if len(parts) > 3 else ""
            companies.append({
                "Name": name,
                "Country": country,
                "City": city,
                "Address": address
            })
    return companies[:10]  # Nur die ersten 10 für Demo

# ==========================
# 🌐 WEB-SUCHE MIT SERPAPI
# ==========================
def serpapi_search(query):
    url = "https://serpapi.com/search"
    params = {
        "engine": "google",
        "q": query,
        "hl": "en",
        "gl": "bd",
        "api_key": SERPAPI_KEY,
        "num": 10
    }
    response = requests.get(url, params=params)
    return response.json()

# ==========================
# 🧩 INFORMATIONEN EXTRAHIEREN
# ==========================
def extract_info_from_results(results):
    text_dump = json.dumps(results)
    emails = list(set(re.findall(r"[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}", text_dump)))
    snippet_texts = [res.get("snippet", "") for res in results.get("organic_results", [])]
    products = []
    for s in snippet_texts:
        if any(word in s.lower() for word in ["product", "manufacture", "garment", "knit", "jeans", "textile", "shirt", "apparel"]):
            products.append(s)
    return ", ".join(emails[:3]), " / ".join(products[:2])

# ==========================
# 🎨 HTML-TABELLE IM WORTFILTER-STIL
# ==========================
def generate_html_table(data):
    style = """
    <style>
    .wf-table {
        width: 100%;
        border-collapse: collapse;
        font-family: 'Inter', Arial, sans-serif;
        font-size: 15px;
        background-color: #fafafa;
        color: #222;
        border: 1px solid #e5e5e5;
        box-shadow: 0 1px 3px rgba(0,0,0,0.05);
    }
    .wf-table th {
        background-color: #f3f3f3;
        text-align: left;
        padding: 10px;
        border-bottom: 2px solid #ddd;
        font-weight: 600;
    }
    .wf-table td {
        padding: 8px;
        border-bottom: 1px solid #eee;
    }
    .wf-table tr:nth-child(even) { background-color: #f9f9f9; }
    .wf-table tr:hover { background-color: #f1f1f1; }
    </style>
    """
    html = style + "<table class='wf-table'><thead><tr><th>Name</th><th>Country</th><th>City</th><th>Address</th><th>Mailadresse(n)</th><th>Produkte / Tätigkeitsfeld</th></tr></thead><tbody>"
    for c in data:
        html += f"<tr><td>{c['Name']}</td><td>{c['Country']}</td><td>{c['City']}</td><td>{c['Address']}</td><td>{c.get('Emails','')}</td><td>{c.get('Products','')}</td></tr>"
    html += "</tbody></table>"
    return html

# ==========================
# 🧮 HAUPTPROGRAMM
# ==========================
def main():
    pdf_path = "final_list_facilities_july_2024.pdf"
    companies = extract_companies_from_pdf(pdf_path)
    print(f"📘 {len(companies)} Firmen extrahiert")

    enriched_data = []
    for company in companies:
        query = f"{company['Name']} + Bangladesh + email + contact + products"
        print(f"🔍 Suche nach: {query}")
        results = serpapi_search(query)
        emails, products = extract_info_from_results(results)
        company["Emails"] = emails
        company["Products"] = products
        enriched_data.append(company)

    html_output = generate_html_table(enriched_data)
    with open("firmen_tabelle.html", "w", encoding="utf-8") as f:
        f.write(html_output)
    print("✅ Fertig! Datei gespeichert: firmen_tabelle.html")

if __name__ == "__main__":
    main()

Das Ergebnis:

Das Ergebnis wird wahrscheinlich noch fehlerhaft sein, weil die Abfrage nicht interaktiv und sehr grob gestaltet worden ist. Dieses Beispiel soll zeigen wie einfach es für Newbies ist schnell nach vorne zu kommen. Hier jetzt eine Anleitung wie ihr euch Python installieren könnt. Nehmt aber auch gerne ChatGPT zur Hilfe.