bugfix

brancheneinstufung.py

@@ -1406,19 +1406,21 @@ class WikipediaScraper:
 
 # ==================== NEUE FUNKTION: Angepasste evaluate_branche_chatgpt ====================
 def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kategorien, website_summary):
+    # Ziel-Branchenschema laden (BOM entfernen)
     def load_target_branches():
         try:
-            # Mit "utf-8-sig" werden BOM-Zeichen automatisch entfernt.
             with open("ziel_Branchenschema.csv", "r", encoding="utf-8-sig") as csvfile:
                 reader = csv.reader(csvfile)
-                # Filtern: Nur Zeilen, deren erster Eintrag (nach Strip) nicht exakt "branche" (unabhängig von Groß-/Kleinschreibung) ist.
+                # Nimm alle Einträge (Spalte 0), ohne leere Zeilen
-                branches = [row[0].strip() for row in reader if row and row[0].strip().lower() != "branche"]
+                branches = [row[0].strip() for row in reader if row and row[0].strip()]
             return branches
         except Exception as e:
             debug_print(f"Fehler beim Laden des Ziel-Branchenschemas: {e}")
             return []
     target_branches = load_target_branches()
     target_branches_str = "\n".join(target_branches)
+    
+    # Definierte Fokusbranchen (wie bisher)
     focus_branches = [
         "Gutachter / Versicherungen > Baugutachter",
         "Gutachter / Versicherungen > Technische Gutachten",
@@ -1437,6 +1439,8 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
         "Versorger > Telekommunikation"
     ]
     focus_branches_str = "\n".join(focus_branches)
+    
+    # API-Key laden
     try:
         with open("api_key.txt", "r") as f:
             api_key = f.read().strip()
@@ -1445,6 +1449,7 @@ 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
 
+    # Fallback: Wenn kein Wikipedia-Artikel vorhanden, verwende 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
@@ -1452,6 +1457,7 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
         used_description = beschreibung
         debug_print(f"Verwendete Angaben: CRM-Branche='{crm_branche}', externe Beschreibung='{beschreibung}', Wiki-Branche='{wiki_branche}', Wiki-Kategorien='{wiki_kategorien}'")
     
+    # System-Prompt erstellen
     system_prompt = (
         "Du bist ein Experte im Field Service Management. Deine Aufgabe ist es, ein Unternehmen basierend auf folgenden Angaben einer Branche zuzuordnen.\n\n"
         f"CRM-Branche (Spalte F): {crm_branche if crm_branche.strip() != '' else 'k.A.'}\n"
@@ -1467,8 +1473,7 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
         "1. Wikipedia-Branche (Spalte N) zusammen mit Wikipedia-Kategorien (Spalte Q) (höchste Priorität, wenn verifiziert, ansonsten erhöhte Gewichtung der Kategorien)\n"
         "2. Branchenbeschreibung (Spalte G) – (hier wird die Website-Zusammenfassung genutzt, wenn kein Wikipedia-Artikel vorhanden ist)\n"
         "3. CRM-Branche (Spalte F)\n\n"
-        "Ordne das Unternehmen exakt einer der oben genannten Branchen zu (keine zusätzlichen Branchen erfinden). "
+        "Ordne das Unternehmen exakt einer der oben genannten Branchen zu (keine zusätzlichen Branchen erfinden). Bitte antworte im Format:\n"
-        "Bitte antworte im Format:\n"
         "Branche: <vorgeschlagene Branche>\nÜbereinstimmung: <ok oder X>\nBegründung: <kurze Begründung, falls abweichend, ansonsten leer>"
     )
     
@@ -1484,35 +1489,44 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
         debug_print(f"Fehler beim Aufruf der ChatGPT API für Branchenabgleich: {e}")
         return {"branch": "k.A.", "consistency": "k.A.", "justification": "k.A."}
     
-    branch = None
+    # Ergebnisse parsen
-    consistency = None
+    chat_branch = None
-    justification = ""
+    chat_consistency = None
+    chat_justification = ""
     for line in result.split("\n"):
-        if line.lower().startswith("branche:"):
+        lower_line = line.lower()
-            branch = line.split(":", 1)[1].strip()
+        if lower_line.startswith("branche:"):
-        elif line.lower().startswith("übereinstimmung:"):
+            chat_branch = line.split(":", 1)[1].strip()
-            consistency = line.split(":", 1)[1].strip()
+        elif lower_line.startswith("übereinstimmung:"):
-        elif line.lower().startswith("begründung:"):
+            chat_consistency = line.split(":", 1)[1].strip()
-            justification = line.split(":", 1)[1].strip()
+        elif lower_line.startswith("begründung:"):
+            chat_justification = line.split(":", 1)[1].strip()
     
-    # Fallback-Logik: Falls der von ChatGPT vorgeschlagene Branch nicht im Ziel-Branchenschema enthalten ist,
+    # Überprüfung: Wird ein Branch vorgeschlagen und ist dieser im Ziel-Schema enthalten?
-    # wird geprüft, ob der in CRM angegebene Branch vorhanden und gültig ist; andernfalls der erste Eintrag.
+    valid = False
-    target_lower = [tb.lower() for tb in target_branches]
+    if chat_branch:
-    if branch is None or branch.lower() not in target_lower:
+        # Vergleiche normiert
-        debug_print("Vorgeschlagene Branche entspricht nicht dem Ziel-Branchenschema, Fallback verwenden.")
+        norm_chat = normalize_company_name(chat_branch)
-        fallback = None
+        norm_targets = [normalize_company_name(tb) for tb in target_branches]
-        if crm_branche.strip() and crm_branche.lower() in target_lower:
+        if norm_chat and norm_chat in norm_targets:
-            fallback = crm_branche.strip()
+            valid = True
-        elif target_branches:
+
-            fallback = target_branches[0]
+    if not valid:
+        # Falls der Vorschlag nicht im Schema enthalten ist, gebe klar die Fehlermeldung zurück
+        debug_print("Vorgeschlagene Branche entspricht nicht dem Ziel-Branchenschema.")
+        return {"branch": "k.A.", "consistency": "X", "justification": "Vorgeschlagene Branche entspricht nicht dem Ziel-Branchenschema."}
     else:
-            fallback = "k.A."
+        # Wenn der ChatGPT-Vorschlag gültig ist, vergleichen wir ihn mit der normierten CRM-Branche
-        branch = fallback
+        norm_crm = normalize_company_name(crm_branche)
-        consistency = "ok"
+        norm_chat = normalize_company_name(chat_branch)
-        justification = ""
+        debug_print(f"Vergleich normierter Werte: CRM='{norm_crm}' vs. ChatGPT='{norm_chat}'")
-    debug_print(f"Endergebnis Branchenbewertung: Branche='{branch}', Übereinstimmung='{consistency}', Begründung='{justification}'")
+        if norm_crm and norm_crm == norm_chat:
-    return {"branch": branch, "consistency": consistency, "justification": justification}
+            chat_consistency = "ok"
-
+            chat_justification = ""
+        else:
+            chat_consistency = "X"
+        debug_print(f"Endergebnis Branchenbewertung: Branche='{chat_branch}', Übereinstimmung='{chat_consistency}', Begründung='{chat_justification}'")
+        return {"branch": chat_branch, "consistency": chat_consistency, "justification": chat_justification}