KI-gestütztes Inventarsystem — Wie Nova jede Komponente in meinem Smart Home verfolgt

Wenn du so bist wie ich, hast du Schubladen voller Widerstände, ESP32-Boards, Sensoren und Stecker — und weißt nie, was du eigentlich hast. Mein KI-Assistent Nova verwaltet jetzt mein gesamtes Elektronik-Inventar. Foto machen, Bauteil wird erkannt. Per Telegram fragen, sofort wissen ob es auf Lager ist.

Das Problem

Jeder Maker kennt das: Man bestellt Bauteile für ein Projekt, verbaut die Hälfte und wirft den Rest in eine Schublade. Drei Wochen später bestellt man die gleichen Teile nochmal, weil man vergessen hat, dass man sie schon hat. Oder noch schlimmer — man fängt am Samstagnachmittag ein Projekt an und merkt, dass ein einziger Widerstand fehlt.

Ich wollte ein System, das mir erlaubt, mein Inventar per Sprache zu durchsuchen, neue Einkäufe automatisch hinzuzufügen und unbekannte Bauteile per Foto zu identifizieren. Keine Spreadsheet Tabellen. Keine manuelle Dateneingabe.

3 Wege, Bauteile hinzuzufügen

Novas Inventar-System empfängt neue Bauteile aus drei verschiedenen Quellen — jede optimiert für eine andere Situation.

1. Foto-Formular — KI-Bilderkennung

Ich fotografiere ein Bauteil — einen Chip, ein Sensormodul, eine Tüte Widerstände — und lade es über ein einfaches Webformular hoch. GPT-4o Vision analysiert das Bild und liest:

• Chip-Beschriftungen und Teilenummern
• Bauteilwerte (Widerstand, Kapazität)
• Gehäusetyp und Pin-Anzahl
• Hersteller-Identifikation

Die KI macht nicht einfach nur OCR — sie versteht, was sie sieht. Ein Foto eines blauen Potentiometers liefert korrekt den Typ, den Widerstandsbereich und identifiziert es sogar als A3144 Hall Sensor. Eine Tüte SMD-Widerstände wird anhand der Markierungscodes identifiziert.

2. Amazon-Email-Parsing

Wenn ich Bauteile bei Amazon bestelle, werden Versand- und Lieferbestätigungen automatisch verarbeitet. Ein LLM extrahiert:

• Produktname und Beschreibung
• Bestellte Menge
• Bestellnummer und Lieferdatum
• Geschätzte Kategorie (Sensor, Mikrocontroller, passives Bauteil, etc.)

Der Bestellstatus wird automatisch verfolgt: Unterwegs → Geliefert → Auf Lager. Wenn ein Paket ankommt, bekomme ich eine Telegram-Benachrichtigung mit der Frage, ob ich es bestätigen und einem Lagerfach zuweisen möchte.

3. Telegram / Sprache

Ich sage Nova einfach: „Füge 10 ESP32-S3 DevKits in Fach B3 hinzu“ — und der Eintrag wird erstellt. Sprachnachrichten funktionieren auch, dank Whisper-Transkription im Hintergrund.

Der Workflow

Unabhängig von der Eingabequelle durchläuft jedes Bauteil die gleiche Pipeline:

1. KI-Erkennung — GPT-4o Vision identifiziert das Bauteil vom Foto, oder das LLM extrahiert Details aus Amazon-Emails
2. Telegram-Freigabe — Nova schickt mir eine Vorschau mit dem erkannten Bauteil, der Menge und der vorgeschlagenen Kategorie. Ich bestätige oder korrigiere mit einem Tipp
3. Projekt-Zuordnung — Jedes Bauteil wird einem Projekt (z.B. „Doorbell Display v3“) und einem physischen Lagerfach zugeordnet
4. Inventar-Eintrag — Das Bauteil wird mit Fotos, Spezifikationen, Projektreferenz und Lagerort gespeichert
5. Status-Tracking — Für Amazon-Bestellungen: Der Lieferstatus wird verfolgt, bis das Teil physisch auf Lager ist

Die gesamte Pipeline ist in n8n aufgebaut, mit Code-Nodes für die Verarbeitungslogik und OpenAI-Nodes für die KI-Erkennung.

Wie ich es täglich nutze

Durchsuchbares Dashboard

Eine eigene Seite zeigt alle Inventar-Einträge mit Fotos, Mengen und Filtern. Ich kann nach Bauteilname, Projekt, Kategorie oder Lagerfach suchen. Jeder Eintrag zeigt das Originalfoto — so sind auch unbeschriftete Bauteile auf einen Blick erkennbar.

Sprachsuche via Telegram

„Hab ich noch ESP32s?“ — Nova durchsucht das Inventar und antwortet mit Menge, Lagerort und welchem Projekt sie zugeordnet sind. Keine App öffnen, keine Tabelle durchscrollen.

Projekt-Management

Wenn ich einen neuen Build plane, kann ich prüfen, welche Bauteile ich schon habe und was ich bestellen muss. Nova weiß, welche Teile zu welchem Projekt gehören, sodass ich auf einen Blick sehe, ob ein Projekt alle Materialien hat.

QR-Code Etikettendruck

Jedes Lagerfach bekommt ein QR-Code-Etikett. Scannen zeigt sofort den Inhalt des Fachs. Wenn ich Bauteile umsortiere, aktualisiere ich einfach die Fachzuordnung — der QR-Code bleibt gleich.

Tech Stack

• n8n — Workflow-Orchestrierung (Fotoverarbeitung, Email-Parsing, Telegram-Interface)
• GPT-4o Vision — Bauteil-Identifikation anhand von Fotos
• GPT-4o — Amazon-Email-Extraktion und natürlichsprachliche Abfragen
• Telegram Bot — Primäres Interface für Abfragen und Freigaben
• Home Assistant — Dashboard-Integration
• Whisper — Sprachnachrichten-Transkription

Was kommt als Nächstes

Das System spart mir jetzt schon Zeit und Geld — keine doppelten Bestellungen mehr, kein Wühlen durch unbeschriftete Tüten. Als Nächstes: automatische Nachbestellungs-Vorschläge wenn der Bestand unter einen Schwellwert fällt.

Wenn du ein Maker bist, der in Bauteilen ertrinkt, lohnt sich so ein System absolut. Allein die KI-Erkennung zahlt sich nach der ersten vermiedenen Doppelbestellung aus.

Mehr Details findest Du in meiner Übersicht über mein KI-gestütztes Smart Home.