Floke/Brancheneinstufung2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Bugfix

Browse Source
This commit is contained in:
Floke
2025-04-07 19:01:03 +00:00
parent 9e98f1d054
commit 238dddbb82
1 changed files with 110 additions and 108 deletions
Download Patch File Download Diff File Expand all files Collapse all files

28
brancheneinstufung.py
View File

@@ -584,6 +584,16 @@ class DataProcessor:
total_tokens = 0 total_tokens = 0
company_name = row_data[1] if len(row_data) > 1 else "" company_name = row_data[1] if len(row_data) > 1 else ""
website = row_data[3] if len(row_data) > 3 else "" website = row_data[3] if len(row_data) > 3 else ""
# Default-Initialisierung für company_data, falls Wiki-Auswertung übersprungen wird
company_data = {
'url': 'k.A.',
'first_paragraph': 'k.A.',
'branche': 'k.A.',
'umsatz': 'k.A.',
'mitarbeiter': 'k.A.',
'categories': 'k.A.',
'full_infobox': 'k.A.'
}
# Wiki-Daten werden in Spalten L bis R abgelegt # Wiki-Daten werden in Spalten L bis R abgelegt
wiki_update_range = f"L{row_num}:R{row_num}" wiki_update_range = f"L{row_num}:R{row_num}"
dt_wiki_range = f"AN{row_num}" dt_wiki_range = f"AN{row_num}"
@@ -629,17 +639,14 @@ class DataProcessor:
debug_print(f"Zeile {row_num}: Wikipedia-Timestamp bereits gesetzt – überspringe Wiki-Auswertung.") debug_print(f"Zeile {row_num}: Wikipedia-Timestamp bereits gesetzt – überspringe Wiki-Auswertung.")
# ChatGPT-Verarbeitung # ChatGPT-Verarbeitung
if process_chatgpt: if process_chatgpt:
# Umsatzvergleich: Ergebnis in "Chat Wiki Konsistenzprüfung" (Spalte S)
crm_umsatz = row_data[9] if len(row_data) > 9 else "k.A." crm_umsatz = row_data[9] if len(row_data) > 9 else "k.A."
consistency_result = compare_umsatz_values(crm_umsatz, company_data.get('umsatz', 'k.A.')) consistency_result = compare_umsatz_values(crm_umsatz, company_data.get('umsatz', 'k.A.'))
self.sheet_handler.sheet.update(values=[[consistency_result]], range_name=f"S{row_num}") self.sheet_handler.sheet.update(values=[[consistency_result]], range_name=f"S{row_num}")
# Validierung Wikipedia-Artikel: Ergebnis wird aufgeteilt in "Chat Begründung Wiki Inkonsistenz" (T) und
# "Chat Vorschlag Wiki Artikel" (U)
crm_data = ";".join(row_data[1:10]) crm_data = ";".join(row_data[1:10])
wiki_data_str = ";".join(row_data[11:18]) wiki_data_str = ";".join(row_data[11:18])
prompt = ("Bitte überprüfe, ob die folgenden beiden Datensätze grundsätzlich zum gleichen Unternehmen gehören. " prompt = ("Bitte überprüfe, ob die folgenden beiden Datensätze grundsätzlich zum gleichen Unternehmen gehören. "
f"CRM-Daten: {crm_data} | Wikipedia-Daten: {wiki_data_str}") f"CRM-Daten: {crm_data} | Wikipedia-Daten: {wiki_data_str}")
valid_result, tokens = safe_chatgpt_call(prompt, crm_data + " " + wiki_data_str, row_data[10] if len(row_data)>10 else "k.A.") valid_result, tokens = safe_chatgpt_call(prompt, crm_data + " " + wiki_data_str, row_data[10] if len(row_data) > 10 else "k.A.")
total_tokens += tokens total_tokens += tokens
if valid_result.strip().upper() == "OK": if valid_result.strip().upper() == "OK":
wiki_consistency = "OK" wiki_consistency = "OK"
@@ -649,31 +656,28 @@ class DataProcessor:
wiki_article_suggestion = valid_result wiki_article_suggestion = valid_result
self.sheet_handler.sheet.update(values=[[wiki_consistency]], range_name=f"T{row_num}") self.sheet_handler.sheet.update(values=[[wiki_consistency]], range_name=f"T{row_num}")
self.sheet_handler.sheet.update(values=[[wiki_article_suggestion]], range_name=f"U{row_num}") self.sheet_handler.sheet.update(values=[[wiki_article_suggestion]], range_name=f"U{row_num}")
# FSM-Relevanz: Ergebnisse in "Chat Prüfung FSM Relevanz" (Z) und "Chat Begründung für FSM Relevanz" (AA)
prompt_fsm = f"Bitte bewerte, ob das Unternehmen '{company_name}' für den Einsatz einer Field Service Management Lösung geeignet ist. Antworte mit 'Ja' oder 'Nein' und begründe kurz." prompt_fsm = f"Bitte bewerte, ob das Unternehmen '{company_name}' für den Einsatz einer Field Service Management Lösung geeignet ist. Antworte mit 'Ja' oder 'Nein' und begründe kurz."
fsm_result, tokens = safe_chatgpt_call(prompt_fsm, company_name, row_data[10] if len(row_data)>10 else "k.A.") fsm_result, tokens = safe_chatgpt_call(prompt_fsm, company_name, row_data[10] if len(row_data) > 10 else "k.A.")
total_tokens += tokens total_tokens += tokens
parts = fsm_result.split("-", 1) parts = fsm_result.split("-", 1)
fsm_suitability = parts[0].strip() if parts else fsm_result fsm_suitability = parts[0].strip() if parts else fsm_result
fsm_justification = parts[1].strip() if len(parts) > 1 else "" fsm_justification = parts[1].strip() if len(parts) > 1 else ""
self.sheet_handler.sheet.update(values=[[fsm_suitability]], range_name=f"Z{row_num}") self.sheet_handler.sheet.update(values=[[fsm_suitability]], range_name=f"Z{row_num}")
self.sheet_handler.sheet.update(values=[[fsm_justification]], range_name=f"AA{row_num}") self.sheet_handler.sheet.update(values=[[fsm_justification]], range_name=f"AA{row_num}")
# Servicetechniker-Schätzung: Ergebnisse in "Chat Einschätzung Anzahl Servicetechniker" (AE) und "Chat Begründung Abweichung Servicetechniker" (AF)
prompt_st = f"Bitte schätze die Anzahl der Servicetechniker für das Unternehmen '{company_name}' ein. Antwortoptionen: '<50 Techniker', '>100 Techniker', '>200 Techniker', '>500 Techniker'." prompt_st = f"Bitte schätze die Anzahl der Servicetechniker für das Unternehmen '{company_name}' ein. Antwortoptionen: '<50 Techniker', '>100 Techniker', '>200 Techniker', '>500 Techniker'."
st_estimate, tokens = safe_chatgpt_call(prompt_st, company_name, row_data[10] if len(row_data)>10 else "k.A.") st_estimate, tokens = safe_chatgpt_call(prompt_st, company_name, row_data[10] if len(row_data) > 10 else "k.A.")
total_tokens += tokens total_tokens += tokens
self.sheet_handler.sheet.update(values=[[st_estimate]], range_name=f"AE{row_num}") self.sheet_handler.sheet.update(values=[[st_estimate]], range_name=f"AE{row_num}")
internal_value = row_data[7] if len(row_data) > 7 else "k.A." internal_value = row_data[7] if len(row_data) > 7 else "k.A."
internal_category = map_internal_technicians(internal_value) if internal_value != "k.A." else "k.A." internal_category = map_internal_technicians(internal_value) if internal_value != "k.A." else "k.A."
if internal_category != "k.A." and st_estimate != internal_category: if internal_category != "k.A." and st_estimate != internal_category:
prompt_st_expl = f"Bitte erkläre, warum du für das Unternehmen '{company_name}' die Anzahl der Servicetechniker als '{st_estimate}' geschätzt hast." prompt_st_expl = f"Bitte erkläre, warum du für das Unternehmen '{company_name}' die Anzahl der Servicetechniker als '{st_estimate}' geschätzt hast."
st_explanation, tokens = safe_chatgpt_call(prompt_st_expl, company_name, row_data[10] if len(row_data)>10 else "k.A.") st_explanation, tokens = safe_chatgpt_call(prompt_st_expl, company_name, row_data[10] if len(row_data) > 10 else "k.A.")
total_tokens += tokens total_tokens += tokens
technician_explanation = st_explanation technician_explanation = st_explanation
else: else:
technician_explanation = "ok" technician_explanation = "ok"
self.sheet_handler.sheet.update(values=[[technician_explanation]], range_name=f"AF{row_num}") self.sheet_handler.sheet.update(values=[[technician_explanation]], range_name=f"AF{row_num}")
# Mitarbeiter Konsistenzprüfung: Ergebnisse in "Chat Schätzung Anzahl Mitarbeiter" (AB)
crm_mitarbeiter = row_data[10] if len(row_data) > 10 else "k.A." crm_mitarbeiter = row_data[10] if len(row_data) > 10 else "k.A."
wiki_mitarbeiter = company_data.get('mitarbeiter', "k.A.") wiki_mitarbeiter = company_data.get('mitarbeiter', "k.A.")
try: try:
@@ -685,12 +689,10 @@ class DataProcessor:
except Exception as e: except Exception as e:
mitarbeiter_result = "k.A." mitarbeiter_result = "k.A."
self.sheet_handler.sheet.update(values=[[mitarbeiter_result]], range_name=f"AB{row_num}") self.sheet_handler.sheet.update(values=[[mitarbeiter_result]], range_name=f"AB{row_num}")
# Umsatz-Schätzung: Ergebnisse in "Chat Schätzung Umsatz" (AG) und "Chat Begründung Abweichung Umsatz" (AH)
prompt_umsatz = f"Bitte schätze den Jahresumsatz (in Mio. €) für das Unternehmen '{company_name}' ein basierend auf den Daten: CRM: {crm_umsatz}, Wikipedia: {company_data.get('umsatz', 'k.A.')}. Antworte nur mit der Zahl." prompt_umsatz = f"Bitte schätze den Jahresumsatz (in Mio. €) für das Unternehmen '{company_name}' ein basierend auf den Daten: CRM: {crm_umsatz}, Wikipedia: {company_data.get('umsatz', 'k.A.')}. Antworte nur mit der Zahl."
umsatz_estimate, tokens = safe_chatgpt_call(prompt_umsatz, company_name, row_data[10] if len(row_data)>10 else "k.A.") umsatz_estimate, tokens = safe_chatgpt_call(prompt_umsatz, company_name, row_data[10] if len(row_data) > 10 else "k.A.")
total_tokens += tokens total_tokens += tokens
self.sheet_handler.sheet.update(values=[[umsatz_estimate]], range_name=f"AG{row_num}") self.sheet_handler.sheet.update(values=[[umsatz_estimate]], range_name=f"AG{row_num}")
# Gesamt-Tokens in Spalte "Tokens" (AQ) speichern
self.sheet_handler.sheet.update(values=[[str(total_tokens)]], range_name=f"AQ{row_num}") self.sheet_handler.sheet.update(values=[[str(total_tokens)]], range_name=f"AQ{row_num}")
self.sheet_handler.sheet.update(values=[[current_dt]], range_name=dt_chat_range) self.sheet_handler.sheet.update(values=[[current_dt]], range_name=dt_chat_range)
self.sheet_handler.sheet.update(values=[[current_dt]], range_name=ver_range) self.sheet_handler.sheet.update(values=[[current_dt]], range_name=ver_range)