v1.3.4 Erweiterung: FSM-Prüfung, Servicetechniker-Schätzung, Wiki-Vorschlag & 3s Pause

Bevorzugter Wikipedia-Artikel aus Spalte K wird genutzt.

Nach dem Schreiben der Wiki-Daten erfolgt eine 3-Sekunden-Pause.

Neue Funktion zur FSM-Eignungsprüfung (Spalte Y/Z) integriert.

Neue Servicetechniker-Schätzung (Spalte AD) und Vergleich mit interner Angabe (Spalte AE) hinzugefügt.

Versionsnummer wurde auf v1.3.4 aktualisiert.

brancheneinstufung.py

@@ -14,7 +14,7 @@ import csv
 
 # ==================== KONFIGURATION ====================
 class Config:
-    VERSION = "v1.3.3"  # v1.3.3: Branchenabgleich per ChatGPT integriert, Ziel-Branchenschema inkl. aller gültigen Branchen eingebunden.
+    VERSION = "v1.3.4"  # v1.3.4: FSM-Eignungsprüfung, Servicetechniker-Schätzung, Wiki-Vorschlag und 3s Pause integriert.
     LANG = "de"
     CREDENTIALS_FILE = "service_account.json"
     SHEET_URL = "https://docs.google.com/spreadsheets/d/1u_gHr9JUfmV1-iviRzbSe3575QEp7KLhK5jFV_gJcgo"
@@ -193,6 +193,86 @@ def validate_article_with_chatgpt(crm_data, wiki_data):
         debug_print(f"Fehler beim Validierungs-API-Aufruf: {e}")
         return "k.A."
 
+# ==================== NEUE FUNKTION: FSM-EIGNUNGSPRÜFUNG ====================
+def evaluate_fsm_suitability(company_name, company_data):
+    try:
+        with open("api_key.txt", "r") as f:
+            api_key = f.read().strip()
+    except Exception as e:
+        debug_print(f"Fehler beim Lesen des API-Tokens: {e}")
+        return {"suitability": "k.A.", "justification": "k.A."}
+    openai.api_key = api_key
+    prompt = (
+        f"Bitte bewerte, ob das Unternehmen '{company_name}' für den Einsatz einer Field Service Management Lösung geeignet ist. "
+        "Berücksichtige, dass ein Unternehmen mit einem technischen Außendienst, idealerweise mit über 50 Technikern und "
+        "Disponenten, die mit der Planung mobiler Ressourcen beschäftigt sind, als geeignet gilt. Nutze dabei vor allem verifizierte "
+        "Wikipedia-Daten und deine eigene Einschätzung. Antworte ausschließlich mit 'Ja' oder 'Nein' und gib eine kurze Begründung."
+    )
+    try:
+        response = openai.ChatCompletion.create(
+            model="gpt-3.5-turbo",
+            messages=[{"role": "system", "content": prompt}],
+            temperature=0.0
+        )
+        result = response.choices[0].message.content.strip()
+        debug_print(f"FSM-Eignungsantwort ChatGPT: '{result}'")
+        # Erwartetes Format: "Eignung: <Ja/Nein>\nBegründung: <...>"
+        suitability = "k.A."
+        justification = ""
+        for line in result.split("\n"):
+            if line.lower().startswith("eignung:"):
+                suitability = line.split(":", 1)[1].strip()
+            elif line.lower().startswith("begründung:"):
+                justification = line.split(":", 1)[1].strip()
+        return {"suitability": suitability, "justification": justification}
+    except Exception as e:
+        debug_print(f"Fehler beim Aufruf der ChatGPT API für FSM-Eignungsprüfung: {e}")
+        return {"suitability": "k.A.", "justification": "k.A."}
+
+# ==================== NEUE FUNKTION: SCHÄTZUNG DER ANZAHL SERVICETECHNIKER ====================
+def evaluate_servicetechnicians_estimate(company_name, company_data):
+    try:
+        with open("api_key.txt", "r") as f:
+            api_key = f.read().strip()
+    except Exception as e:
+        debug_print(f"Fehler beim Lesen des API-Tokens: {e}")
+        return "k.A."
+    openai.api_key = api_key
+    prompt = (
+        f"Bitte schätze auf Basis öffentlich zugänglicher Informationen (insbesondere verifizierte Wikipedia-Daten) "
+        f"die Anzahl der Servicetechniker des Unternehmens '{company_name}' ein. "
+        "Berücksichtige dabei Angaben zu Branche, Umsatz und Mitarbeiterzahl. "
+        "Gib die Antwort ausschließlich in einer der folgenden Kategorien aus: "
+        "'<50 Techniker', '>100 Techniker', '>200 Techniker', '>500 Techniker'."
+    )
+    try:
+        response = openai.ChatCompletion.create(
+            model="gpt-3.5-turbo",
+            messages=[{"role": "system", "content": prompt}],
+            temperature=0.0
+        )
+        result = response.choices[0].message.content.strip()
+        debug_print(f"Schätzung Servicetechniker ChatGPT: '{result}'")
+        # Wir erwarten eine Antwort, die exakt einer der vier Kategorien entspricht.
+        return result
+    except Exception as e:
+        debug_print(f"Fehler beim Aufruf der ChatGPT API für Servicetechniker-Schätzung: {e}")
+        return "k.A."
+
+def map_internal_technicians(value):
+    try:
+        num = int(value)
+    except Exception:
+        return "k.A."
+    if num < 50:
+        return "<50 Techniker"
+    elif num < 100:
+        return ">100 Techniker"
+    elif num < 200:
+        return ">200 Techniker"
+    else:
+        return ">500 Techniker"
+
 # ==================== BRANCHENABGLEICH PER CHATGPT ====================
 def load_target_branches():
     try:
@@ -225,7 +305,6 @@ focus_branches = [
 ]
 
 def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kategorien):
-    # Lade das Ziel-Branchenschema
     target_branches = load_target_branches()
     target_branches_str = "\n".join(target_branches)
     focus_branches_str = "\n".join(focus_branches)
@@ -243,7 +322,7 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
         f"Branchenbeschreibung (Spalte G): {beschreibung}\n"
         f"Wikipedia-Branche (Spalte N): {wiki_branche}\n"
         f"Wikipedia-Kategorien (Spalte Q): {wiki_kategorien}\n\n"
-        "Das Ziel-Branchenschema umfasst ALLE gültigen Branchen, also sowohl Fokusbranchen als auch weitere Branchen (z. B. 'Housing > Sozialbau Unternehmen').\n"
+        "Das Ziel-Branchenschema umfasst ALLE gültigen Branchen, also sowohl Fokusbranchen als auch weitere, z. B. 'Housing > Sozialbau Unternehmen'.\n"
         "Das vollständige Ziel-Branchenschema lautet:\n"
         f"{target_branches_str}\n\n"
         "Falls das Unternehmen mehreren Branchen zugeordnet werden könnte, wähle bitte bevorzugt eine Branche aus der folgenden Fokusliste, sofern zutreffend:\n"
@@ -266,7 +345,6 @@ 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}'")
-        # Parsing der Antwort
         branch = "k.A."
         consistency = "k.A."
         justification = ""
@@ -504,6 +582,8 @@ class WikipediaScraper:
             }
     @retry_on_failure
     def search_company_article(self, company_name, website):
+        # Zuerst prüfen: Gibt es in Spalte K bereits einen Wikipedia-Vorschlag?
+        # (Dies wird im _process_single_row gehandhabt)
         search_terms = self._generate_search_terms(company_name, website)
         for term in search_terms:
             try:
@@ -557,11 +637,26 @@ class DataProcessor:
         ver_range = f"AI{row_num}"
         print(f"\n[{datetime.now().strftime('%H:%M:%S')}] Verarbeite Zeile {row_num}: {company_name}")
         
-        article = self.wiki_scraper.search_company_article(company_name, website)
+        # Prüfe: Ist in Spalte K (Index 10) bereits ein Wikipedia-Vorschlag hinterlegt?
-        if article:
+        if len(row_data) > 10 and row_data[10].strip() not in ["", "k.A."]:
-            company_data = self.wiki_scraper.extract_company_data(article.url)
+            wiki_url = row_data[10].strip()
+            try:
+                company_data = self.wiki_scraper.extract_company_data(wiki_url)
+            except Exception as e:
+                debug_print(f"Fehler beim Laden des vorgeschlagenen Wikipedia-Artikels: {e}")
+                article = self.wiki_scraper.search_company_article(company_name, website)
+                company_data = self.wiki_scraper.extract_company_data(article.url) if article else {
+                    'url': 'k.A.',
+                    'first_paragraph': 'k.A.',
+                    'branche': 'k.A.',
+                    'umsatz': 'k.A.',
+                    'mitarbeiter': 'k.A.',
+                    'categories': 'k.A.',
+                    'full_infobox': 'k.A.'
+                }
         else:
-            company_data = {
+            article = self.wiki_scraper.search_company_article(company_name, website)
+            company_data = self.wiki_scraper.extract_company_data(article.url) if article else {
                 'url': 'k.A.',
                 'first_paragraph': 'k.A.',
                 'branche': 'k.A.',
@@ -572,7 +667,7 @@ class DataProcessor:
             }
         
         wiki_values = [
-            "k.A.",  # Vorschlag Wiki URL
+            row_data[10] if len(row_data) > 10 and row_data[10].strip() not in ["", "k.A."] else "k.A.",  # Vorschlag Wiki URL
             company_data.get('url', 'k.A.'),
             company_data.get('first_paragraph', 'k.A.'),
             company_data.get('branche', 'k.A.'),
@@ -581,7 +676,7 @@ class DataProcessor:
             company_data.get('categories', 'k.A.')
         ]
         self.sheet_handler.sheet.update(values=[wiki_values], range_name=wiki_update_range)
-        time.sleep(1)
+        time.sleep(3)  # 3 Sekunden warten, bevor Validierung durchgeführt wird.
         
         # Umsatz-Schätzung via ChatGPT (wie bisher)
         wiki_umsatz = company_data.get('umsatz', 'k.A.')
@@ -608,11 +703,6 @@ class DataProcessor:
         wiki_branche = company_data.get('branche', 'k.A.')
         wiki_kategorien = company_data.get('categories', 'k.A.')
         branche_result = evaluate_branche_chatgpt(crm_branche, beschreibung_branche, wiki_branche, wiki_kategorien)
-        
-        # Update der Spalten:
-        # Spalte V: Vorschlag neue Branche
-        # Spalte W: Konsistenzprüfung Branche (ok, wenn Übereinstimmung, sonst X)
-        # Spalte X: Begründung bei Abweichung
         branche_v_range = f"V{row_num}"
         branche_w_range = f"W{row_num}"
         branche_x_range = f"X{row_num}"
@@ -620,6 +710,23 @@ class DataProcessor:
         self.sheet_handler.sheet.update(values=[[branche_result["consistency"]]], range_name=branche_w_range)
         self.sheet_handler.sheet.update(values=[[branche_result["justification"]]], range_name=branche_x_range)
         
+        # Neue FSM-Eignungsprüfung:
+        fsm_result = evaluate_fsm_suitability(company_name, company_data)
+        self.sheet_handler.sheet.update(values=[[fsm_result["suitability"]]], range_name=f"Y{row_num}")
+        self.sheet_handler.sheet.update(values=[[fsm_result["justification"]]], range_name=f"Z{row_num}")
+        
+        # Neue Servicetechniker-Schätzung (ohne Berücksichtigung interner Angaben in Spalte H)
+        st_estimate = evaluate_servicetechnicians_estimate(company_name, company_data)
+        self.sheet_handler.sheet.update(values=[[st_estimate]], range_name=f"AD{row_num}")
+        # Vergleich mit interner Angabe (Spalte H)
+        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."
+        if internal_category != "k.A." and st_estimate != internal_category:
+            discrepancy = f"Interne Angabe: {internal_category} vs. ChatGPT: {st_estimate}"
+        else:
+            discrepancy = "ok"
+        self.sheet_handler.sheet.update(values=[[discrepancy]], range_name=f"AE{row_num}")
+        
         # Timestamp und Version schreiben
         current_dt = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
         self.sheet_handler.sheet.update(values=[[current_dt]], range_name=dt_range)
@@ -628,7 +735,8 @@ class DataProcessor:
         print(f"✅ Aktualisiert: URL: {company_data.get('url', 'k.A.')}, "
               f"Branche: {company_data.get('branche', 'k.A.')}, "
               f"ChatGPT Umsatz: {chatgpt_umsatz}, Umsatz-Abgleich: {abgleich_result}, "
-              f"Validierung: {valid_result}, Branchenvorschlag: {branche_result['branch']}")
+              f"Validierung: {valid_result}, Branchenvorschlag: {branche_result['branch']}, "
+              f"FSM: {fsm_result['suitability']}, Servicetechniker-Schätzung: {st_estimate}")
         time.sleep(Config.RETRY_DELAY)
 
 if __name__ == "__main__":