From 662370ca609e3c0951e4bdf8a97f95071c189ea9 Mon Sep 17 00:00:00 2001
From: Floke <floke.com@gmail.com>
Date: Sun, 30 Mar 2025 10:36:32 +0000
Subject: [PATCH] =?UTF-8?q?Log=20erweitert:=20Zeitstempel=20in=20gpt=5Fant?=
 =?UTF-8?q?worten=5Flog.csv=20erg=C3=A4nzt?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 brancheneinstufung.py | 62 ++++++++++++++++++++-----------------------
 1 file changed, 29 insertions(+), 33 deletions(-)

diff --git a/brancheneinstufung.py b/brancheneinstufung.py
index 147b4175..f4d8fd8e 100644
--- a/brancheneinstufung.py
+++ b/brancheneinstufung.py
@@ -91,43 +91,16 @@ system_prompt = {
         "Ziel ist es, Unternehmen mit >50 Technikern im Außeneinsatz zu identifizieren.\n\n"
         "Struktur: Firmenname; Website; Ort; Aktuelle Einstufung; Beschreibung der Branche Extern\n\n"
         "Gib deine Antwort im CSV-Format (1 Zeile, 8 Spalten, durch Semikolon getrennt):\n"
-        "Wikipedia-Branche;LinkedIn-Branche;Umsatz (Mio €);Empfohlene Neueinstufung;Begründung;FSM-Relevanz (Ja/Nein/k.A. mit Begründung);Techniker-Einschätzung;Techniker-Begründung\n\n"
+        "Wikipedia-Branche;LinkedIn-Branche;Umsatz (Mio €);Empfohlene Neueinstufung;Begründung;"
+        "FSM-Relevanz (Ja/Nein/k.A. mit Begründung);Techniker-Einschätzung;Techniker-Begründung\n\n"
         "Falls ein Wikipedia-Link angegeben ist, vertraue ausschließlich den Angaben aus diesem Artikel für Branche und Umsatz.\n"
         "Falls kein Wikipedia-Link existiert, gib für 'Wikipedia-Branche' und 'Umsatz (Mio €)' bitte 'k.A.' aus.\n\n"
         "Ziel-Branchenschema:\n" + "\n".join(branches)
     )
 }
 
-# === GPT BEWERTUNG ===
-def classify_company(row, wikipedia_url=""):
-    user_prompt = {
-        "role": "user",
-        "content": (
-            f"{row[0]};{row[1]};{row[2]};{row[4]};{row[5]}\n"
-            f"Wikipedia-Link: {wikipedia_url}"
-        )
-    }
-    response = openai.chat.completions.create(
-        model="gpt-3.5-turbo",
-        messages=[system_prompt, user_prompt],
-        temperature=0
-    )
-    full_text = response.choices[0].message.content.strip()
-    lines = full_text.splitlines()
-    csv_line = next((l for l in lines if ";" in l and not l.lower().startswith("wikipedia-branche")), "")
-    parts = [v.strip().strip('"') for v in csv_line.split(";")] if csv_line else []
-    if len(parts) != 8:
-        print("⚠️  Antwort unvollständig → Setze alles auf 'k.A.'")
-        parts = ["k.A."] * 8
-    with open(LOG_CSV, "a", newline="", encoding="utf-8") as log:
-        writer = csv.writer(log, delimiter=";")
-        writer.writerow([row[0], *parts, full_text])
-    return parts
-
-# === WIKIPEDIA DATEN LADEN ===
-WHITELIST_KATEGORIEN = [
-    "Unternehmen", "Hersteller", "Produktion", "Industrie", "Maschinenbau", "Technik", "Dienstleistungsunternehmen"
-]
+# === WIKIPEDIA FUNKTION ===
+WHITELIST_KATEGORIEN = ["Unternehmen", "Hersteller", "Produktion", "Industrie", "Maschinenbau", "Technik", "Dienstleistungsunternehmen"]
 
 def get_wikipedia_data(name, website_hint=""):
     begriffe = [name.strip(), " ".join(name.split()[:2])]
@@ -184,6 +157,29 @@ def get_wikipedia_data(name, website_hint=""):
                 continue
     return "", "k.A.", "k.A."
 
+# === GPT BEWERTUNG ===
+def classify_company(row, wikipedia_url=""):
+    user_prompt = {
+        "role": "user",
+        "content": f"{row[0]};{row[1]};{row[2]};{row[4]};{row[5]}\nWikipedia-Link: {wikipedia_url}"
+    }
+    response = openai.chat.completions.create(
+        model="gpt-3.5-turbo",
+        messages=[system_prompt, user_prompt],
+        temperature=0
+    )
+    full_text = response.choices[0].message.content.strip()
+    lines = full_text.splitlines()
+    csv_line = next((l for l in lines if ";" in l and not l.lower().startswith("wikipedia-branche")), "")
+    parts = [v.strip().strip('"') for v in csv_line.split(";")] if csv_line else []
+    if len(parts) != 8:
+        print("⚠️  Antwort unvollständig → Setze alles auf 'k.A.'")
+        parts = ["k.A."] * 8
+    with open(LOG_CSV, "a", newline="", encoding="utf-8") as log:
+        writer = csv.writer(log, delimiter=";")
+        writer.writerow([datetime.now().strftime("%Y-%m-%d %H:%M:%S"), row[0], *parts, full_text])
+    return parts
+
 # === VERARBEITUNG ===
 for i in range(start, min(start + DURCHLÄUFE, len(sheet_values))):
     row = sheet_values[i]
@@ -192,8 +188,8 @@ for i in range(start, min(start + DURCHLÄUFE, len(sheet_values))):
     url, wiki_branche, umsatz = get_wikipedia_data(row[0], row[1])
     wiki, linkedin, umsatz_chat, new_cat, reason, fsm, techniker, techniker_reason = classify_company(row, wikipedia_url=url)
 
-    wiki_final = wiki_branche if wiki_branche != "k.A." else wiki
-    umsatz_final = umsatz if umsatz != "k.A." else umsatz_chat
+    wiki_final = wiki_branche if url else "k.A."
+    umsatz_final = umsatz if url else "k.A."
 
     values = [
         wiki_final,