Cannabis-Apotheke: KI-Marktanalyse mit KI-Agenten für Einkauf & Preise

Projekt-Steckbrief

Kunde

Apotheke mit Onlineshop (anonymisiert)

Branche

Pharmahandel, medizinisches Cannabis

Standort

Deutschland

Leistungen

KI-Agenten, Individualsoftware

Technik

Python, FastAPI, PostgreSQL, React, Claude (Anthropic), MCP-Server

Zeitraum

seit Februar 2026, laufende Weiterentwicklung

Quelle: Datenbank und Marktanalyse der Plattform, Stand 15.10.2026.

Die Ausgangslage

Einkaufsentscheidungen basierten auf Erfahrung und einzelnen Stichproben. Ob ein Angebot günstig ist, wie sich der Marktpreis einer Sorte entwickelt oder ob ein Wettbewerber gerade die Preise senkt, ließ sich nur mit viel Handarbeit beantworten.

Lösung: Was wir entwickelt haben

• Marktdaten: öffentliche Marktpreise von 592 Apotheken, stündlich erfasst; rund 3.900 Produkte (3.667 Blüten, 243 Extrakte), seit Februar 2026 lückenlos als Preis-Historie gespeichert.
• Großhändler-Listen: Preislisten als CSV, Excel oder PDF werden per KI-Texterkennung strukturiert eingelesen.
• Sorten-Rating: eigener Score von 0 bis 95 je Sorte aus 5 gewichteten Faktoren – Qualität 30 %, Wirkung 25 %, Preis/Wert 25 %, Geschmack 12 %, Vertrauen 8 %. Ausgewertet werden mehr als 130.000 Beiträge aus Community-Gruppen und einem Patientenforum; neuere Beiträge zählen stärker, Warnhinweise (z. B. Schimmel) senken den Wert, wenige Erwähnungen senken die Sicherheit.
• Einkaufs-Ampel: für jedes Angebot ein empfohlener Maximal-Einkaufspreis.
• Signale: Preisverfall vor Ablaufdatum, Preiskriege, neue Sorten, ein Score für den Marktzyklus.
• Aktionen: Markt-Beobachtung, Preis-Assistent, tägliche Einkaufs-Mail, Alerts zu Wettbewerbern und über 50 Dashboards.
• Betrieb: Bestandsabgleich über mehrere Verkaufskanäle und Buchhaltungs-Export im DATEV-Format.

KI-Agenten — aber der Mensch entscheidet

Sprachmodelle von Anthropic (Claude) übernehmen Texterkennung, Recherche und Analysen. Ein externer KI-Agent greift über einen eigenen MCP-Server kontrolliert auf die Daten zu. Jeden Abend kommen Vorschläge per WhatsApp — umgesetzt wird nur, was ein Mensch freigibt. Im Hintergrund laufen 22 automatisierte Prozesse, abgesichert gegen Doppelausführung.

Technik

Python mit FastAPI und SQLAlchemy, PostgreSQL, React mit TypeScript, betrieben bei Hetzner. Seit Februar 2026 kontinuierlich weiterentwickelt: über 1.100 Commits und rund 130.000 Zeilen Code.

Häufige Fragen zu diesem Projekt

Entscheidet die KI selbst über Preise und Einkauf?

Nein. KI-Agenten liefern Vorschläge; umgesetzt wird nur, was ein Mensch freigibt.

Welche KI-Modelle kommen zum Einsatz?

Sprachmodelle von Anthropic (Claude) für Texterkennung, Recherche und Analysen; ein externer Agent greift kontrolliert über einen MCP-Server zu.

Wie funktioniert das Sorten-Rating?

Jede Sorte bekommt einen Wert von 0 bis 95 aus 5 gewichteten Faktoren: Qualität 30 %, Wirkung 25 %, Preis/Wert 25 %, Geschmack 12 %, Vertrauen 8 %. Grundlage sind mehr als 130.000 Community-Beiträge; neuere Beiträge zählen stärker.

Warum ist der Kunde anonym?

Marktbeobachtung ist ein Wettbewerbsvorteil. Branche, Umfang und Technik nennen wir, Namen und Details nicht.

Ähnliche Projekte

Alle Referenzen im Überblick →