Kundendaten anreichern

Deine Kundenliste mit Firmendaten ergänzen.

1

Firmen zuordnen

curl -G "https://handelsregister.ai/api/v1/fetch-organization" \
  -H "x-api-key: DEIN_API_SCHLUESSEL" \
  --data-urlencode 'q=Hetzner Online GmbH Gunzenhausen'
1{2  "entity_id": "94eb910fef13f94585c48c263fa446d4",3  "name": "Hetzner Online GmbH",4  "status": "ACTIVE",5  "registration": {6    "court": "Ansbach",7    "register_type": "HRB",8    "register_number": "6089"9  },10  "address": {11    "house_number": "25",12    "street": "Industriestraße",13    "postal_code": "91710",14    "city": "Gunzenhausen",15    "county": "Weißenburg-Gunzenhausen",16    "state": "Bayern",17    "country": "DEU",18    "coordinates": {19      "latitude": 49.12483,20      "longitude": 10.7805221    }22  },23  "meta": {24    "request_credit_cost": 5,25    "credits_remaining": 14526  }27}
200 · Beispielantwort: Treffer für Name und Ort (Ausschnitt)
Findet die API keine Firma, kommt HTTP 404. Ohne AI-Mode kostet das nichts. Markiere den Kunden zur Prüfung. Den AI-Mode (ai_search=on-default) setzt du gezielt für unscharfe Einträge ein; er kostet 20 Credits zusätzlich, auch ohne Treffer.
2

Viele Firmen abrufen

Python-Skript
import csv
import time

import requests

API = "https://handelsregister.ai/api/v1/fetch-organization"
HEADERS = {"x-api-key": "DEIN_API_SCHLUESSEL", "Accept": "application/json"}
PER_MINUTE = 60  # Limit von fetch-organization


def lookup(row):
    # Registergericht mit Registernummer ist eindeutig, sonst Name und Ort
    q = row["register"] or f'{row["name"]} {row["city"]}'
    headers = {**HEADERS, "Idempotency-Key": f'kunde-{row["id"]}'}
    for attempt in range(5):
        response = requests.get(API, params={"q": q}, headers=headers, timeout=120)
        if response.status_code == 429:
            time.sleep(int(response.headers.get("Retry-After", "10")))
        elif response.status_code in (408, 500, 502, 503, 504):
            time.sleep(30 * (attempt + 1))
        else:
            break
    return response


spent = 0
with open("kunden.csv", newline="") as source, open("kunden_angereichert.csv", "w", newline="") as target:
    reader = csv.DictReader(source)
    writer = csv.DictWriter(target, fieldnames=reader.fieldnames + ["entity_id", "registergericht", "registernummer"])
    writer.writeheader()
    for row in reader:
        response = lookup(row)
        if response.status_code == 402:
            print("Guthaben reicht nicht, Lauf angehalten")
            break
        data = response.json()
        spent += data.get("meta", {}).get("request_credit_cost", 0)
        if response.status_code == 200:
            registration = data.get("registration") or {}
            row["entity_id"] = data["entity_id"]
            row["registergericht"] = registration.get("court")
            row["registernummer"] = f'{registration.get("register_type")} {registration.get("register_number")}'
        writer.writerow(row)
        time.sleep(60 / PER_MINUTE)

print(f"Verbraucht: {spent} Credits")
1{2  "entity_id": "94eb910fef13f94585c48c263fa446d4",3  "name": "Hetzner Online GmbH",4  "meta": {5    "request_credit_cost": 0,6    "credits_remaining": 1457  }8}
200 · Beispielantwort: wiederholte Anfrage mit demselben Idempotency-Key (Ausschnitt)
Das Python-SDK bringt mit enrich eine fertige Anreicherung für CSV-, JSON- und Excel-Dateien mit.
3

Kosten im Blick behalten

Kosten und Limits
Was Credits
Firmenprofil mit den Basisdaten 5
Jedes Feature, nur wenn es Daten liefert 1 bis 80
AI-Mode, auch ohne Treffer +20
Echtzeit, bei jedem erfolgreichen Live-Abruf +10

Limit: 60 Anfragen pro Minute. Was eine Anfrage tatsächlich gekostet hat, steht in jeder Antwort unter meta.request_credit_cost.

Typische Stolpersteine

Weiter