bugfix

brancheneinstufung.py

@@ -1443,7 +1443,7 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
         return {"branch": "k.A.", "consistency": "k.A.", "justification": "k.A."}
     openai.api_key = api_key
 
-    # Falls kein Wikipedia-Artikel vorliegt, nutze die Website-Zusammenfassung als Fallback für die Branchenbeschreibung
+    # Falls kein Wikipedia-Artikel vorhanden ist, nutzen wir die Website-Zusammenfassung
     if wiki_branche.strip().lower() == "k.a.":
         debug_print("Kein Wikipedia-Artikel vorhanden – verwende Website-Zusammenfassung als Branchenbeschreibung-Fallback.")
         used_description = website_summary
@@ -1479,40 +1479,38 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
         )
         result = response.choices[0].message.content.strip()
         debug_print(f"Branchenabgleich ChatGPT Antwort: '{result}'")
-        branch = "k.A."
-        consistency = "k.A."
-        justification = ""
-        for line in result.split("\n"):
-            if line.lower().startswith("branche:"):
-                branch = line.split(":", 1)[1].strip()
-            elif line.lower().startswith("übereinstimmung:"):
-                consistency = line.split(":", 1)[1].strip()
-            elif line.lower().startswith("begründung:"):
-                justification = line.split(":", 1)[1].strip()
-        
-        # Zuerst prüfen, ob der ChatGPT-Vorschlag überhaupt zum Ziel-Branchenschema gehört
-        if branch.lower() not in [tb.lower() for tb in target_branches]:
-            justification = "Vorgeschlagene Branche entspricht nicht dem Ziel-Branchenschema."
-            branch = "k.A."
-            consistency = "X"
-        else:
-            # Vergleiche die normierten Werte der CRM-Branche und des ChatGPT-Vorschlags
-            norm_crm = normalize_company_name(crm_branche)
-            norm_branch = normalize_company_name(branch)
-            debug_print(f"Vergleich normierter Werte: CRM='{norm_crm}' vs. ChatGPT='{norm_branch}'")
-            if norm_crm and norm_branch == norm_crm:
-                justification = ""
-                consistency = "ok"
-            else:
-                consistency = "X"
-        
-        debug_print(f"Endergebnis Branchenbewertung: Branche='{branch}', Übereinstimmung='{consistency}', Begründung='{justification}'")
-        return {"branch": branch, "consistency": consistency, "justification": justification}
     except Exception as e:
         debug_print(f"Fehler beim Aufruf der ChatGPT API für Branchenabgleich: {e}")
         return {"branch": "k.A.", "consistency": "k.A.", "justification": "k.A."}
     
+    branch = None
+    consistency = None
+    justification = ""
+    for line in result.split("\n"):
+        if line.lower().startswith("branche:"):
+            branch = line.split(":", 1)[1].strip()
+        elif line.lower().startswith("übereinstimmung:"):
+            consistency = line.split(":", 1)[1].strip()
+        elif line.lower().startswith("begründung:"):
+            justification = line.split(":", 1)[1].strip()
     
+    # Fallback-Logik: Wenn der vorgeschlagene Branch nicht im Zielschema ist, 
+    # dann wähle den in CRM vorliegenden Branch, sofern er gültig ist, sonst verwende den ersten Eintrag im Schema.
+    target_lower = [tb.lower() for tb in target_branches]
+    if branch is None or branch.lower() not in target_lower:
+        debug_print("Vorgeschlagene Branche entspricht nicht dem Ziel-Branchenschema, Fallback verwenden.")
+        fallback = None
+        if crm_branche.strip() and crm_branche.lower() in target_lower:
+            fallback = crm_branche
+        elif target_branches:
+            fallback = target_branches[0]
+        else:
+            fallback = "k.A."
+        branch = fallback
+        consistency = "ok"
+        justification = ""
+    debug_print(f"Endergebnis Branchenbewertung: Branche='{branch}', Übereinstimmung='{consistency}', Begründung='{justification}'")
+    return {"branch": branch, "consistency": consistency, "justification": justification}
 
 
 def evaluate_servicetechnicians_estimate(company_name, company_data):