Behöver ert företag hjälp med att implementera AI? Kontakta oss och få prisoffert här →
AI Skolan ›
januari 22, 2026

OpenAI Vision till Airtable – logoblad till databas

Rickard Andersson Partner, Nodenordic.se

Du har ”logoblad” överallt. En PDF från en partner. En PNG från en pitch deck. En skärmdump från Slack. Och ändå hamnar inget av det i databasen du faktiskt använder.

Det är här OpenAI Airtable-automatisering betalar sig själv. Marknadschefer som bygger en verktygskatalog märker det först, men ops-ansvariga och byråägare som underhåller varumärkesstackar dras in i samma städloop. Resultatet är enkelt: en uppladdning blir en strukturerad Airtable-katalog du kan lita på.

Nedan ser du hela flödet, vad det löser och hur processen ”uppladdning → databas” ser ut i praktiken.

Så fungerar den här automatiseringen

Hela n8n-flödet, från trigger till slutresultat:

n8n Workflow Template: OpenAI Vision till Airtable – logoblad till databas

Problemet: logoblad blir inte användbar data

Ett logoblad ser organiserat ut tills du försöker göra något med det. Du kan inte filtrera en PDF. Du kan inte avduplicera en skärmdump. Och du kan definitivt inte svara tillförlitligt på ”Har vi redan listat det här verktyget?” när enda sanningskällan är en hög med bilder i Google Drive. Det värsta är efterarbetet: någon måste manuellt skriva produktnamn, hitta på taggar och hålla attribut konsekventa över dussintals poster. En vecka senare blir ”Analytics” till ”Reporting” och då slutar sökningen fungera.

Det växer snabbt. Här är var det vanligtvis fallerar i det dagliga arbetet.

  • Manuell transkribering från ett logoblad till Airtable är långsam, och det är lätt att missa saker som ser likadana ut vid en snabb blick.
  • Attribut glider över tid eftersom olika personer namnger samma sak olika (”CRM” vs ”Sales CRM”).
  • Dubbletter smyger in eftersom du saknar ett stabilt ID, så ”Notion” och ”Notion AI” blir två separata ”nya” verktyg.
  • Du måste ändå göra en andra städpassning, vilket är den delen som ingen avsätter tid för.

Lösningen: gör logoblad-bilder till en Airtable-katalog

Det här flödet börjar med en enkel uppladdning: du skickar in en logoblad-bild (eller PDF) via ett n8n-formulär. Därifrån använder en AI-agent OpenAI Vision för att ”läsa” bladet och extrahera en strukturerad lista med verktyg, inklusive produktnamn och en uppsättning attribut. Den försöker också upptäcka när något liknar något annat i samma kontext, vilket hjälper till att undvika den klassiska ”vi lade till samma verktyg två gånger”-situationen. Efter AI-steget växlar flödet till deterministisk bearbetning: det normaliserar den extraherade datan, skapar saknade attributposter i Airtable och upsertar sedan verktygsposterna så att upprepningar uppdateras i stället för att dupliceras. Till sist genererar det en lättläst HTML-sammanfattning så att du snabbt kan granska vad som lades till.

Flödet startar när du laddar upp en bild eller PDF i formuläret. OpenAI Vision extraherar verktyg och attribut som strukturerad JSON. Airtable uppdateras med korrekta upserts, plus en läsbar sammanfattning du kan skumma igenom på några sekunder.

Det du får: automatisering vs. resultat

Exempel: så här ser det ut

Säg att du får ett logoblad i veckan med cirka 40 loggor. Manuellt tar även en snabb genomgång kanske 3 minuter per logga för att identifiera verktyget, skriva namnet, lägga till några attribut och undvika dubbletter, vilket blir runt 2 timmar (plus en andra städpassning senare). Med det här flödet laddar du upp en gång (en minut), väntar på extrahering och Airtable-uppdateringar (ofta 5–10 minuter beroende på filen) och skummar sedan igenom HTML-sammanfattningen. Det är ungefär 15 minuter totalt i stället för att tappa en hel eftermiddag.

Det du behöver

  • n8n-instans (testa n8n Cloud gratis)
  • Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
  • Airtable för din databas med verktyg och attribut
  • OpenAI (Vision via chattmodell) för att extrahera verktyg från bilder/PDF:er
  • OpenAI API-nyckel (hämta den från OpenAI API-dashboarden)

Kunskapsnivå: Medel. Du kopplar konton, mappar några fält och är bekväm med att redigera prompts och tabellscheman.

Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).

Så fungerar det

Trigger via formuläruppladdning. Du skickar in en logoblad-bild (eller en PDF) via den inbyggda n8n-formulärtriggern, som fångar upp filen för bearbetning.

AI-extrahering till strukturerad data. Flödet förbereder en korrekt formaterad ”agent input”, och sedan använder en AI-agent baserad på OpenAI Chat Model vision för att returnera en strukturerad lista med verktyg och attribut (parsad till JSON så att efterföljande steg inte behöver gissa).

Databasnormalisering och upserts. Extraherade attribut delas upp, avdupliceras och upsertas till Airtable först. Därefter hashar flödet verktygsnamn (MD5) för att skapa stabila identifierare och upsertar verktygsposter, inklusive relationer för ”liknande verktyg” när agenten flaggar dem.

Granskningsvänlig output. På slutet renderar det en läsbar HTML-lista baserad på ditt Airtable-schema, så att du kan stickprovsgranska vad som lades till utan att klicka in i 40 poster en och en.

Du kan enkelt justera attributschemat så att det matchar din taxonomi (kategorier, integrationer, prisnivå) utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementation

Steg 1: Konfigurera formulärtriggern

Sätt upp arbetsflödets startpunkt så att användare kan ladda upp en logotypsheet och en valfri prompt.

  1. Lägg till noden Form Intake Trigger och ställ in Form Title på AI Logo Sheet Feeder.
  2. I Form Fields lägger ni till ett obligatoriskt filfält med etiketten The Logo-Sheet as Image.
  3. Lägg till ett andra fält med etiketten Addional Prompt (e.g.: What the meaning of the graphic?) *optional but helps from time to time. och platshållaren It's a graph chart comparing AI Tools.
  4. Ställ in Form Description på Provide a Image with multiple Logos comparing or bringing multiple Tools into Context with one another..
  5. Anslut Form Intake Trigger till Prepare Agent Input.

Steg 2: Anslut Airtable

Dessa noder skriver verktyg och attribut till Airtable, så autentiseringsuppgifter samt base-/tabellinställningar måste vara korrekta.

  1. Öppna Upsert Attribute Records och ställ in Base till er Airtable-base (för närvarande [YOUR_ID]) och Table till Attributes.
  2. I Upsert Attribute Records bekräftar ni att Operation är upsert och att fältet Name mappar till {{$json.attributes}}.
  3. Öppna Upsert Tool Records och ställ in Base till [YOUR_ID] och Table till Tools, med Operation inställt på upsert.
  4. Säkerställ att Upsert Tool Records mappar Hash till {{$json.hash}} och Name till {{$json.name}}.
  5. Öppna Ensure Similar Records och bekräfta att den gör upsert till tabellen Tools med Hash = {{$json.hash}} och Name = {{$json.similar}}.
  6. Öppna Upsert Final Tool Data och bekräfta att den mappar Similar till {{$json.savingSimilars}} och Attributes till {{$json.savingAttributes}}.
  7. Autentiseringsuppgifter krävs: Anslut era airtableTokenApi-credentials till Upsert Attribute Records, Upsert Tool Records, Ensure Similar Records och Upsert Final Tool Data.

⚠️ Vanlig fallgrop: Matchningskolumnerna i Airtable måste innehålla Hash eller Name exakt som konfigurerat, annars kommer upserts att skapa dubbletter.

Steg 3: Sätt upp AI-extraktionskedjan

Det här avsnittet förbereder prompten och kör LLM + parser för att extrahera verktyg, attribut och liknande verktyg.

  1. I Prepare Agent Input ställer ni in chatInput till {{$json.Prompt}} och låter Include Other Fields vara aktiverat.
  2. Konfigurera OpenAI Chat Model med Model inställt på gpt-4o.
  3. Autentiseringsuppgifter krävs: Anslut era openAiApi-credentials till OpenAI Chat Model.
  4. I Extract Tools Agent låter ni Has Output Parser vara aktiverat och säkerställer att systemprompten matchar era extraktionskrav.
  5. I Structured JSON Parser behåller ni JSON Schema Example som angivet för att tvinga fram struktur för verktygsextraktionen.
  6. Obs: Structured JSON Parser är ett subnod-verktyg för Extract Tools Agent. Lägg endast in credentials på OpenAI Chat Model, inte på parsern.
  7. I Output as JSON ställer ni in JSON Output till {{ $json.output }}.

Tips: Om modellen returnerar ogiltig JSON, skärp systemmeddelandet i Extract Tools Agent och låt schemat i Structured JSON Parser vara oförändrat.

Steg 4: Dela upp och lagra attribut

Attribut delas upp, upsertas till Airtable och mappas sedan tillbaka till verktygsobjekten.

  1. I Split Tools List ställer ni in Field to Split Out till tools.
  2. Split Tools List skickar utdata till både Iterate Attributes och Await Attribute Upsert parallellt.
  3. I Capture All Attributes ställer ni in JSON Output till {{ $json }} för att fånga råa items.
  4. I Split Attribute Items ställer ni in Field to Split Out till attributes.
  5. Split Attribute Items skickar utdata till både Upsert Attribute Records och Combine Attribute Data parallellt.
  6. I Combine Attribute Data låter ni Mode vara combine och Combine By vara combineByPosition.
  7. I Assign Attribute IDs mappar ni id till {{ $json.id }} och attribute till {{ $json.attributes }}.
  8. I Map Attribute RecIDs behåller ni koden som den är så att attribut ersätts med Airtable record IDs.

⚠️ Vanlig fallgrop: Om Map Attribute RecIDs inte kan hitta matchningar, kontrollera att Upsert Attribute Records skriver Name exakt som extraherat (skiftläge och mellanslag spelar roll).

Steg 5: Hasha, slå ihop och uppdatera verktygsposter

Det här avsnittet hashar verktygsnamn, upsertar verktygsposter och slår ihop attribut och liknande verktygs-ID:n innan den slutliga uppdateringen.

  1. I Hash Tool Names ställer ni in Value till {{ $json.name.toLowerCase().trim() }} och Data Property Name till hash.
  2. Hash Tool Names skickar utdata till både Upsert Tool Records och Merge Tool Data parallellt.
  3. I Select Tool Fields mappar ni hash till {{ $json.fields.Hash }}, id till {{ $json.id }}, existingAttributes till {{ $json.fields.Attributes ? $json.fields.Attributes : [] }} och existingSimilars till {{ $json.fields.Similar ? $json.fields.Similar : [] }}.
  4. I Merge Tool Data låter ni Mode vara combine och Fields to Match vara hash.
  5. I Compute Attributes To Save behåller ni befintlig kod för att bygga savingAttributes.
  6. Compute Attributes To Save skickar utdata till både Split Similar Tools och Await Similar Merge parallellt.

Steg 6: Lös upp liknande verktyg och gör slutlig upsert

Liknande verktyg hashas och upsertas, och mappas sedan tillbaka till record IDs innan den slutliga verktygsuppdateringen.

  1. I Split Similar Tools ställer ni in Field to Split Out till similar.
  2. Split Similar Tools skickar utdata till både Hash Similar Names och Merge Similar Data parallellt.
  3. I Hash Similar Names ställer ni in Value till {{ $json.similar.toLowerCase().trim() }} och Data Property Name till hash.
  4. I Merge Similar Data låter ni Mode vara combine och Combine By vara combineByPosition.
  5. I Collect Similar IDs mappar ni id till {{ $json.id }} och similar till {{ $json.similar }}.
  6. I Map Similar RecIDs behåller ni koden så att liknande namn ersätts med Airtable record IDs.
  7. I Compute Similar To Save behåller ni koden för att bygga savingSimilars.
  8. I Upsert Final Tool Data säkerställer ni att Attributes mappar till {{ $json.savingAttributes }} och att Similar mappar till {{ $json.savingSimilars }}.

Steg 7: Valfria verktyg och schemainspektion

Dessa noder är för dokumentation eller schemainspektion och körs separat från huvudpipen.

  1. Utility: Tools Table skickar utdata till både Utility: Tools Table och Utility: Attributes Table parallellt för no-op-dokumentation.
  2. Fetch Base Schema är inaktiverad; om ni aktiverar den, bekräfta att Resource är base och att Operation är getSchema.
  3. Render Readable List är inaktiverad och kan användas för att visa schemautdata när den är aktiverad.
  4. Autentiseringsuppgifter krävs: Om ni aktiverar Fetch Base Schema, anslut era airtableTokenApi-credentials där också.

Steg 8: Testa och aktivera ert arbetsflöde

Verifiera end-to-end-extraktionen och Airtable-uppdateringarna innan ni aktiverar arbetsflödet i produktion.

  1. Klicka på Execute Workflow och skicka in en exempelbild via Form Intake Trigger.
  2. Bekräfta att Extract Tools Agent returnerar en strukturerad lista i Output as JSON med en tools-array.
  3. Kontrollera Airtable: Attributes ska upsertas av Upsert Attribute Records, och verktyg ska finnas i Upsert Tool Records.
  4. Verifiera att Upsert Final Tool Data uppdaterar fälten Attributes och Similar med record IDs.
  5. När allt fungerar, växla arbetsflödet till Active för användning i produktion.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Vanliga fallgropar

  • Airtable-inloggning kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera först scopes för Airtable personal access token och åtkomst till basen.
  • Om du använder Wait-noder eller extern rendering varierar process-tiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
  • Standardprompter i AI-noder är generiska. Lägg in din varumärkeston tidigt, annars kommer du redigera output för alltid.

Relaterade flöden

Om du standardiserar en katalog som den här vill du sannolikt också ha konsekventa taggar på innehåll och landningssidor. Google Sheets + OpenAI: sökordstaggar fixas åt dig passar bra eftersom det gör rörig text till ett kontrollerat taggsystem du kan återanvända.

För team som lever i kalkylark under research är Google Sheets + GPT-4: direktsvar i chatten ett bra komplement. Du kan ställa frågor om det du importerat (”Vilka verktyg är fokus på analys?”) utan att först bygga ett komplicerat rapportlager.

När din verktygskatalog också behöver kostnadsspårning hjälper Gmail till Google Sheets, utgifter loggas felfritt dig att fånga kvitton och fakturor, så att du kan koppla ”vad vi använder” till ”vad det kostar”.

Behöver du flytta data mellan system när katalogen växer? Google Sheets + Airtable: leads loggas, mejl skickas är användbart när Airtable blir sanningskällan men teamet fortfarande samlar in indata i Sheets.

Slutligen, om du gillar mönstret ”formulärintag → Airtable” och vill ha det för lead capture, är Webbplatsformulär till Airtable, leads fångas felfritt nästa enklaste steg. Samma destination, annan data.


Snabbreferens:

Vanliga frågor

Hur lång tid tar det att sätta upp den här OpenAI Airtable-automatiseringen?

Cirka 45 minuter om din Airtable-bas är redo.

Behöver jag kodningskunskaper för att automatisera OpenAI Airtable-automatisering?

Nej. Du kopplar mest konton och mappar Airtable-fält. Den enda ”tekniska” delen är lätt promptredigering, vilket är mer skrivande än kodning.

Är n8n gratis att använda för det här flödet för OpenAI Airtable-automatisering?

Ja. n8n har ett gratis self-hosted-alternativ och en gratis testperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in OpenAI API-användning, vilket oftast är några cent per logoblad beroende på bildstorlek och promptlängd.

Var kan jag hosta n8n för att köra den här automatiseringen?

Två alternativ: n8n Cloud (hanterad, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och kör n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serverhantering.

Kan jag anpassa det här flödet för OpenAI Airtable-automatisering för ett annat katalogschema?

Ja, och det bör du. De flesta anpassningar görs i AI-agentens prompt (vilka fält den extraherar) och i Airtable-upsert-stegen (vilka kolumner du sparar). En vanlig justering är att byta ut ”Attribut” mot en striktare taxonomi som kategori, prisnivå, primärt användningsfall och integrationer.

Varför fallerar min Airtable-anslutning i det här flödet?

Oftast handlar det om en utgången token eller saknade behörigheter till basen. Skapa en ny Airtable personal access token, bekräfta att den har åtkomst till rätt bas och välj sedan om bas/tabell i Airtable-noderna så att n8n uppdaterar schemat. Om det bara fallerar ibland kan du också slå i rate limits när du bearbetar en stor lista, så att sänka batchstorleken kan hjälpa. Kontrollera även ändringar i fältnamn, eftersom att byta namn på en kolumn i Airtable kan bryta mappningar på sätt som ser ut som ”auth”-fel.

Hur många logoobjekt kan den här OpenAI Airtable-automatiseringen hantera?

I praktiken är dussintals per körning normalt, och taket beror mer på dina Airtable-/API-begränsningar än på n8n i sig. På n8n Cloud beror dina månatliga körningar på plan, men en enskild körning kan hantera en lång lista eftersom flödet delar upp objekt i batchar. Om du self-hostar finns ingen körningsgräns, men väldigt stora logoblad kan göra AI-steget långsammare och öka kostnaderna för OpenAI-användning. Om du importerar hundratals åt gången är det smartare att köra flera mindre blad och granska sammanfattningarna längs vägen.

Är den här OpenAI Airtable-automatiseringen bättre än att använda Zapier eller Make?

Ofta, ja, eftersom det här flödet bygger på logik i flera steg: strukturerad parsning, batchning, villkorade upserts och hantering av relationer för ”liknande verktyg”. n8n är helt enkelt bekvämare när ett flöde måste loopa igenom listor, skapa saknade poster och sedan slå ihop allt igen. Zapier och Make kan göra delar av det, men scenariot tenderar att spåra ur och kostnaderna stiger när varje loop räknas som extra operationer. Om du bara behöver ”ladda upp fil → skapa rader” kan de verktygen fungera bra. Om du vill ha avduplicering och normalisering av attribut är n8n ett bättre val. Prata med en automationsexpert om du vill ha en snabb rekommendation för din exakta setup.

Du laddar upp ett rörigt logoblad en gång, och Airtable förblir strukturerat. Ärligt talat är det den typen av tråkig tillförlitlighet som gör skalning enklare.

Kontakta oss

Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.

Våra tjänster Om Node Nordic
×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Kopiera och importera JSON-arbetsflödet i ditt n8n-arbetsflöde

Få prisoffert redan idag!
Få prisoffert redan idag!

Berätta vad ni behöver hjälp med så hör vi av oss inom en arbetsdag!

Få prisoffert redan idag!
Få prisoffert redan idag!

Berätta vad ni behöver hjälp med så hör vi av oss inom en arbetsdag!