Während ich dies aus einem Hotelzimmer heraus verfasse, freue ich mich, mit dir eine selbst entwickelte Lösung zu teilen. Wenn es um das Surfen im Internet geht, ist die saubere Extraktion von strukturierten Daten von Webseiten eine Herausforderung, die wir zusammen meistern können. Meine Lösung konzentriert sich auf eine sehr spezifische Aufgabe: das Herausfiltern von Impressumsdaten von Firmenwebseiten. Stell dir vor, du benötigst Kontaktinformationen einer bestimmten Firma. Anstatt Daten mühevoll manuell zu sammeln, ermöglicht meine Lösung, den gesamten Prozess zu automatisieren. Du gibst einfach den Firmennamen ein und ein Großteil der Informationen wird automatisch gesammelt.
Wie sieht das jetzt aus?
Die Lösung nennt sich ‚Flowise‘, ein KI-basierter Generator, flankiert von einem GPT-gestützten Assistenten, dem Impressum-Bot. Dieser besitzt zwei Kernfunktionen: die Durchführung einer zielgerichteten Google-Suche und ein Tool, das die Impressumsdaten extrahiert und verarbeitet. Nach Eingabe des Firmennamens beginnt die Arbeit des Assistenten. Eine speziell konfigurierte Google-Suche lokalisiert zuerst die entsprechende Impressumseite. Anschließend leitet die ‚Get Imprint Data‘-Funktion die korrekte URL an, die benötigt wird, um relevante Firmendaten zu sammeln und strukturiert auszugeben.
Die Suchfunktion ist intuitiv gestaltet, während die zweite Funktion einen Webhook an die Plattform ‚Make‘ sendet. Hierbei werden die URL und der Name der Firma übertragen. Aufgrund verschiedener Firmenangaben auf Impressumseiten ist es wichtig, den genauen Firmennamen zu kennen. ‚Flowise‘ stützt sich auf einen Dienst namens Browserless, der Webseiten in ihrem HTML-Format analysiert. Die Extraktion fokussiert sich auf den Body-Bereich der Seite – dort wo die gesuchten Daten liegen. Nach eingehender Analyse liefert das Tool die aufbereiteten Daten an den Bot zurück. So wird ein Effizienzniveau erreicht, bei dem allein die Eingabe des Firmennamens genügt, um ein komplettes Set an Adressdaten zu erhalten und dadurch das Surfen im Internet merklich ressourcenschonender zu gestalten.