Att manuellt skriva in körkortsuppgifter är den typen av ”snabb uppgift” som i tysthet tar över din dag. En felaktig siffra i körkortsnumret, ett förväxlat födelsedatum, och plötsligt jagar du rättningar i onboarding, HR-mappar eller compliance-loggar.
Den här konfigurationen för Drive OCR logging är en lättnad för operativa chefer som hanterar köer i intaget. Den gör också livet enklare för HR-team som verifierar nyanställda och för småföretagare som bara vill ha register man kan lita på utan att behöva vakta processen.
Du kopplar Google Drive, AI-OCR (via VLM Run) och Google Sheets så att varje ny körkortsuppladdning blir en felfri rad i ditt kalkylark, plus valfria notiser när något behöver uppmärksamhet.
Så fungerar automatiseringen
Här är hela arbetsflödet du kommer att sätta upp:
n8n Workflow Template: Google Drive till Google Sheets: körkortsdata
flowchart LR
subgraph sg0["Track Drive Uploads Flow"]
direction LR
n0@{ icon: "mdi:cog", form: "rounded", label: "AI License Parser", pos: "b", h: 48 }
n1@{ icon: "mdi:play-circle", form: "rounded", label: "Track Drive Uploads", pos: "b", h: 48 }
n4@{ icon: "mdi:cog", form: "rounded", label: "Retrieve License File", pos: "b", h: 48 }
n4 --> n0
n1 --> n4
end
subgraph sg1["Flow 2"]
direction LR
n2["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/webhook.dark.svg' width='40' height='40' /></div><br/>Webhook Result Intake"]
n3@{ icon: "mdi:database", form: "rounded", label: "Append to License Sheet", pos: "b", h: 48 }
n2 --> n3
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n1 trigger
class n3 database
class n2 api
classDef customIcon fill:none,stroke:none
class n2 customIcon
Varför det här spelar roll: manuell inmatning av körkortsdata skapar risk
Att fånga upp körkortsdata ser enkelt ut tills du gör det i större skala. Någon laddar upp en bild som är lite sned, filnamnet är ”IMG_4938”, och nu sitter teamet och zoomar in, kisar och skriver om fält i ett kalkylark. Sedan kommer följden: samma person laddar upp en PDF i stället för en JPG, eller en HEIC från en iPhone, och din ”process” blir ren improvisation. Det handlar inte bara om tid. Det är den mentala belastningen av att dubbelkolla, pinsamheten i onödiga stavfel och oron för regelefterlevnad när en post är ofullständig.
Friktionen byggs snabbt på. Här är var det oftast fallerar i riktiga team.
- Varje körkort kräver vanligtvis att 8–12 fält kopieras över, och repetitionen gör att risken för misstag ökar ju längre du håller på.
- Blandade filformat (JPG, PNG, PDF, HEIC) spårar ur ”standardiserad” manuell hantering och saktar ner din intake-kö.
- När flera personer jobbar i samma kalkylark glider formateringen, och din data slutar vara tillförlitlig för efterföljande arbetsflöden.
- Om du någon gång behöver ett revisionsspår är ”vi skrev in det från ett foto” ingen särskilt trygg berättelse.
Vad du bygger: Google Drive OCR till loggning i Google Sheets
Det här arbetsflödet bevakar en specifik Google Drive-mapp där teamet lägger nya körkortsfiler. När en ny fil dyker upp hämtar n8n den och skickar bilden (eller PDF:en) till VLM Run för AI-OCR, som plockar ut de fält du faktiskt bryr dig om: körkortsnummer, namn, födelsedatum och viktiga datum. Den extraherade datan kommer tillbaka i ett strukturerat format, så du slipper kopiera och klistra in från ett rörigt textblock. Till sist lägger n8n till en ny rad i Google Sheets så att din onboarding- eller verifieringslogg alltid är uppdaterad automatiskt. Vill du ta det ett steg längre senare kan du grena ut till notiser (Slack eller Telegram) eller skapa ett dokument i Google Docs för ett prydligt ”paket” per person.
Arbetsflödet startar med en trigger för uppladdning i Drive. Därefter hämtar det filen och kör AI-OCR via community-noden för VLM Run. Ett webhook-steg för intake tar emot det tolkade resultatet och skickar det direkt till Google Sheets som en ny rad.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att teamet onboardar 20 personer i veckan och att varje körkort tar cirka 10 minuter att skriva in, verifiera och formatera i ett kalkylark. Det är ungefär 3 timmar monotont arbete, plus extra tid som försvinner när ett fält blir fel och du måste dubbelkolla bilden. Med det här arbetsflödet ligger den mänskliga insatsen närmare ”ladda upp filen” (kanske en minut) och stickprova raden vid behov. OCR-bearbetningen körs asynkront, så den kan tugga igenom högupplösta bilder utan att någon behöver stå och passa.
Innan du börjar
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Google Drive för uppladdningsmappen och filåtkomst.
- Google Sheets för att spara extraherade körkortsfält som rader.
- VLM Run API-uppgifter (hämta dem i kontrollpanelen för ditt VLM Run-konto).
Svårighetsgrad: Medel. Du kopplar OAuth-uppgifter, lägger till en community-nod (egen drift) och klistrar in ID:n för din Drive-mapp och ditt kalkylark.
Vill du att någon bygger det här åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
En ny körkortsfil landar i Google Drive. Du väljer en dedikerad uppladdningsmapp, och arbetsflödet lyssnar efter nya filer så att inget faller mellan stolarna.
Filen hämtas för bearbetning. n8n laddar ner bilden eller PDF:en från Drive, vilket gör att teamet slipper ladda ner filer manuellt och ladda upp dem någon annanstans.
AI-OCR extraherar fälten du behöver. VLM Run-noden läser körkortet och returnerar strukturerad data som namn, födelsedatum, körkortsnummer samt utfärdandedatum och utgångsdatum.
Resultaten fångas upp och loggas i Google Sheets. Ett webhook-steg för intake tar emot den tolkade payloaden, och sedan lägger arbetsflödet till en felfri rad i ditt ”License Log”-ark för snabb sökning och rapportering.
Du kan enkelt justera vilka fält du extraherar och vilka kolumner du fyller i, baserat på dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementation
Steg 1: Konfigurera Google Drive-triggern
Konfigurera triggern så att arbetsflödet startar varje gång en ny fil skapas i en specifik Google Drive-mapp.
- Lägg till och öppna Track Drive Uploads.
- Ställ in Event på
fileCreated. - Ställ in Trigger On på
specificFolder. - I Folder To Watch väljer ni målmappen eller ställer in Value till
[YOUR_ID]. - Ställ in Poll Times på
everyMinute. - Credential Required: Anslut era googleDriveOAuth2Api-uppgifter.
Steg 2: Anslut Google Drive
Ladda ned den nyligen uppladdade licensfilen så att den kan skickas vidare till AI-tolken.
- Lägg till och öppna Retrieve License File.
- Ställ in Operation på
download. - Ställ in File ID till
{{ $json.id }}för att använda den uppladdade filen från Track Drive Uploads. - Credential Required: Anslut era googleDriveOAuth2Api-uppgifter.
- Koppla Track Drive Uploads → Retrieve License File.
Steg 3: Konfigurera AI License Parser
Konfigurera AI-extraktionstjänsten för att tolka licensdata och skicka tillbaka resultaten till er webhook.
- Lägg till och öppna AI License Parser.
- Ställ in Domain på
document.us-drivers-license. - Ställ in Callback URL till
https://example.com/webhook. - Aktivera Process Asynchronously genom att sätta den till
true. - Credential Required: Anslut era vlmRunApi-uppgifter.
- Koppla Retrieve License File → AI License Parser.
https://example.com/webhook med den live-URL som ni får från Webhook Result Intake, annars kan AI-tjänsten inte returnera resultat.Steg 4: Konfigurera utdata-/åtgärdsnoder
Ta emot AI-callbacken och lägg till de extraherade fälten i Google Sheets.
- Lägg till och öppna Webhook Result Intake.
- Ställ in HTTP Method på
POST. - Ställ in Path på
extract-us-driver-license. - Lägg till och öppna Append to License Sheet.
- Ställ in Operation på
append. - Ställ in Document ID till
[YOUR_ID]och Sheet Name tillgid=0(Sheet1). - Mappa kolumnerna med dessa uttryck:
- DOB →
{{ $json.body.response.date_of_birth }} - Name →
{{ $json.body.response.full_name }} - Expiry →
{{ $json.body.response.expiration_date }} - Issue date →
{{ $json.body.response.issue_date }} - License No →
{{ $json.body.response.license_number }} - Credential Required: Anslut era googleSheetsOAuth2Api-uppgifter.
- Koppla Webhook Result Intake → Append to License Sheet.
Steg 5: Testa och aktivera ert arbetsflöde
Kör ett komplett end-to-end-test för att bekräfta att uppladdningen, AI-extraktionen och tillägget i Google Sheets fungerar som det ska.
- Klicka på Test i Webhook Result Intake för att börja lyssna efter inkommande resultat.
- Kör arbetsflödet manuellt och ladda upp en bild på licensen till den bevakade mappen i Track Drive Uploads.
- Verifiera att AI License Parser tar emot filen och postar resultaten tillbaka till webhooken.
- Bekräfta att en ny rad läggs till i Append to License Sheet med ifyllda fält.
- När ni är nöjda, växla arbetsflödet till Active för användning i produktion.
Tips för felsökning
- Google Drive-inloggningar kan gå ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera din n8n-skärm för Credentials och bekräfta att det anslutna Google-kontot har åtkomst till uppladdningsmappen.
- Om du använder Wait-noder eller extern rendering varierar bearbetningstiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Kvaliteten på VLM Runs tolkning beror på prompten och vilka fält du förväntar dig. Var noggrann här: lägg till dina obligatoriska utdata (och din kolumnnamngivning) tidigt, annars får du lägga tid på att rensa kalkylarket senare.
Snabba svar
Cirka 45 minuter om Drive och Sheets redan är förberedda.
Nej. Du kopplar konton och klistrar in några ID:n för mappen och kalkylarket.
Ja. n8n har ett gratis alternativ för egen drift och en gratis testperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med VLM Run API-användning baserat på hur många körkort du behandlar.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och hanterar n8n bra. Egen drift ger obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du troligen göra. Du kan justera vilka fält du extraherar i AI License Parser-noden och sedan mappa nya kolumner när du Append to License Sheet i Google Sheets. Vanliga justeringar är att fånga adressfält, lägga till dubblettkontroll (sök i arket innan du lägger till) och att skicka undantag till Slack eller Telegram när OCR-konfidensen ser tveksam ut. Du kan också grena efter webhook-intake för att skapa en Google Doc-post per person eller skicka datan till ett CRM.
Oftast beror det på utgången OAuth-behörighet eller att Drive-triggern bevakar fel mapp. Återanslut din Google Drive-credential i n8n och bekräfta sedan att mapp-ID:t i triggern matchar uppladdningsmappen du faktiskt använder. Kontrollera också att ditt Google-konto har åtkomst om mappen delas från en annan Workspace.
På en typisk egen drift-installation kan du hantera mycket så länge servern och VLM Run-kvoten hänger med. I praktiken börjar de flesta team med tiotals per dag och skalar därifrån genom att köra jobb asynkront och hålla uppladdningar i en och samma mapp.
Ofta, ja, eftersom det här flödet bygger på en community-nod (VLM Run) och drar nytta av mer flexibel förgrening och payload-hantering i n8n. Egen drift spelar också roll här: du kan köra OCR i hög volym utan att oroa dig för att prissättning per uppgift drar iväg. Zapier eller Make kan fortfarande fungera bra om du bara behöver ett enkelt flöde som ”fil uppladdad → skicka ett mejl”, men OCR-pipelines blir snabbt röriga. Om du vill kan du lägga till Slack-varningar och ett manuellt granskningssteg så att teamet bara hanterar edge cases. Prata med en automationsexpert om du är osäker på vad som passar.
När detta väl är live slutar körkortsuppladdningar vara en flaskhals och blir i stället ett system. Ditt kalkylark håller sig felfritt, och teamet får tillbaka tid för arbete som faktiskt kräver en människa.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.