Documenten analyseren met de Gemini API

Documentanalyse met Gemini

Gemini begrijpt PDF-documenten op een hoger niveau dan traditionele tekst-extractietools: het snapt context, tabellen, opmaak en de relatie tussen verschillende secties. Voor gescande documenten voert het automatisch OCR uit. Dit maakt het geschikt voor contractanalyse, factuurverwerking, rapportextractie en compliance-controle.

In plaats van losse tekstfragmenten krijg je antwoorden die rekening houden met de hele lay-out van het document, inclusief meerkolomspagina's, diagrammen en formuliervelden.

Voorbereiding

Installeer de SDK en zet je API-sleutel klaar als omgevingsvariabele.

pip install google-genai
export GEMINI_API_KEY="jouw-sleutel"

De client leest GEMINI_API_KEY automatisch uit de omgeving, dus je hoeft de sleutel niet hard te coderen.

PDF uploaden en analyseren

Voor documenten die je vaker hergebruikt of die groter zijn, upload je het bestand via de Files API. Geüploade bestanden blijven 48 uur beschikbaar.

from google import genai

client = genai.Client()

pdf_file = client.files.upload(file="contract.pdf")

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents=[
        pdf_file,
        "Geef een samenvatting van dit document en markeer de meest kritieke clausules."
    ]
)
print(response.text)

Voor kleine, eenmalige documenten kun je de PDF ook direct inline meesturen, zonder upload:

from google import genai
from google.genai import types
import pathlib

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents=[
        types.Part.from_bytes(
            data=pathlib.Path("contract.pdf").read_bytes(),
            mime_type="application/pdf",
        ),
        "Vat dit document samen in vijf bullets."
    ]
)
print(response.text)

Gestructureerde data extraheren uit facturen

import json
from google import genai

client = genai.Client()

def extract_invoice_data(pdf_path: str) -> dict:
    pdf_file = client.files.upload(file=pdf_path)

    response = client.models.generate_content(
        model="gemini-3.5-flash",
        contents=[
            pdf_file,
            """Extraheer de volgende gegevens uit deze factuur als JSON:
            {
              "leverancier": {
                "naam": "",
                "adres": "",
                "kvk": "",
                "btwnummer": ""
              },
              "factuur": {
                "nummer": "",
                "datum": "",
                "vervaldatum": "",
                "betaalreferentie": ""
              },
              "regels": [
                {
                  "omschrijving": "",
                  "aantal": 0,
                  "stukprijs": 0.0,
                  "btw_percentage": 0,
                  "totaal": 0.0
                }
              ],
              "totalen": {
                "subtotaal": 0.0,
                "btw": 0.0,
                "totaal_incl_btw": 0.0
              },
              "bankrekening": ""
            }
            Retourneer alleen JSON, geen andere tekst.""",
        ],
    )
    return json.loads(response.text)

Contracten analyseren

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents=[
        pdf_file,
        """Analyseer dit contract als juridisch adviseur:
        1. Partijen en hun rollen
        2. Looptijd en verlengingsclausules
        3. Betalingsverplichtingen
        4. Opzeggingstermijnen en -voorwaarden
        5. Aansprakelijkheidsbeperkingen
        6. Bijzondere risico's of ongebruikelijke clausules
        7. Ontbrekende standaardclausules die je zou verwachten

        Geef een risico-beoordeling (laag/gemiddeld/hoog).""",
    ],
)

Tabellen en data uit rapporten extraheren

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents=[
        pdf_file,
        """Zoek alle tabellen in dit document.
        Converteer elke tabel naar een JSON-array van objecten.
        Gebruik de kolomnamen als keys.
        Retourneer: {"tables": [{"title": "", "data": [...]}]}""",
    ],
)

Meerdere documenten vergelijken

doc1 = client.files.upload(file="offerte_leverancier_a.pdf")
doc2 = client.files.upload(file="offerte_leverancier_b.pdf")

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents=[
        "Offerte A:",
        doc1,
        "Offerte B:",
        doc2,
        """Vergelijk deze twee offertes in een tabel met:
        - Prijs per eenheid
        - Levertijd
        - Garantievoorwaarden
        - Betalingstermijnen
        - Serviceniveau
        Welke offerte adviseer je en waarom?""",
    ],
)

Compliance-controle automatiseren

import json
from google import genai

client = genai.Client()

def check_gdpr_compliance(document_path: str) -> dict:
    pdf_file = client.files.upload(file=document_path)

    response = client.models.generate_content(
        model="gemini-3.5-flash",
        contents=[
            pdf_file,
            """Controleer dit privacybeleid op AVG/GDPR-compliance.
            Controleer aanwezigheid van:
            - Verwerkingsdoeleinden (art. 13/14)
            - Rechtsgronden per verwerking
            - Rechten van betrokkenen
            - Bewaartermijnen
            - Derde partijen en doorgifte buiten EU
            - Contactgegevens DPO/FG
            - Klachtenprocedure AP

            Geef per punt: aanwezig/afwezig/onvolledig met uitleg.
            Formaat: JSON.""",
        ],
    )
    return json.loads(response.text)

Doorzoeken en vraagbeantwoording

def ask_about_document(pdf_path: str, question: str) -> str:
    pdf_file = client.files.upload(file=pdf_path)
    response = client.models.generate_content(
        model="gemini-3.5-flash",
        contents=[
            pdf_file,
            question,
            "Citeer de relevante passage(s) letterlijk en geef het paginanummer als dat zichtbaar is.",
        ],
    )
    return response.text

Limieten en kosten in het kort