v2.0.3: fix: Stabilize DataProcessor core logic

- Korrektur der Spaltenzugriffe in `prepare_data_for_modeling` zur Behebung von `TypeError`.
- Umbenennung von `reclassify_all_branches` zu `process_reclassify_branches` zur Behebung des Dispatcher-Fehlers.
- Korrektur des `alignment_demo` Aufrufs, um auf die zentrale Helper-Funktion zu verweisen.
- Härtung verschiedener Batch-Prozesse gegen fehlerhafte Daten und `None`-Werte.

data_processor.py

@@ -7,7 +7,7 @@ Enthält die Logik für die Verarbeitung einzelner Zeilen sowie die Steuerung
 verschiedener Batch-Modi und Dienstprogramme.
 """
 
-__version__ = "v2.0.1"
+__version__ = "v2.0.3"
 
 import logging
 import time
@@ -5527,7 +5527,7 @@ class DataProcessor:
                 f"FEHLER: Spalte '{branche_col_internal}' (aus 'Chat Vorschlag Branche') nicht im DataFrame gefunden.")
             return None
 
-# Verwende die CRM Branche als Basis für die Gruppierung
+        # Verwende die CRM Branche als Basis für die Gruppierung
         branche_col_internal = "branche_crm" # NEU: Wir verwenden die CRM-Branche als Feature
         self.logger.info(
             f"Verarbeite kategoriales Feature '{branche_col_internal}' und mappe es zu 'Branchen_Gruppe'...")
@@ -5659,72 +5659,26 @@ class DataProcessor:
         self.logger.info(
             f"Daten gesplittet. Train Set: {len(X_train)} Zeilen, Test Set: {len(X_test)} Zeilen.")
 
-        # 3. Imputation (Fehlende Werte ersetzen)
+        # 3. Pipeline-Definition (Imputation wird Teil der Pipeline)
-        imputer = SimpleImputer(strategy='median')
+        # Schritt 1: Imputer für fehlende Werte
-        self.logger.info(
+        # Schritt 2: SMOTE für Klassen-Balancierung
-            f"Fitte Imputer mit Strategie '{imputer.strategy}' auf Trainingsdaten...")
+        # Schritt 3: RandomForestClassifier als Modell
-        imputer.fit(X_train)
-
-        # Speichern Sie den Imputer (wird fuer Vorhersagen benoetigt).
-        self.imputer = imputer  # Speichern Sie ihn in der Instanz
-        try:
-            imputer_dir = os.path.dirname(imputer_out)
-            if imputer_dir and not os.path.exists(imputer_dir):
-                os.makedirs(imputer_dir, exist_ok=True)
-            with open(imputer_out, 'wb') as f:
-                pickle.dump(imputer, f)
-            self.logger.info(
-                f"Imputer erfolgreich gespeichert in '{imputer_out}'.")
-        except Exception as e:
-            self.logger.error(
-                f"FEHLER beim Speichern des Imputers in '{imputer_out}': {e}")
-            self.logger.debug(traceback.format_exc())
-            # Training sollte hier nicht unbedingt abbrechen, aber ein Hinweis
-            # ist wichtig
-
-        X_train_imputed = imputer.transform(X_train)
-        X_test_imputed = imputer.transform(X_test)
-        X_train_imputed = pd.DataFrame(
-            X_train_imputed,
-            columns=feature_columns_ml)  # feature_columns_ml verwenden
-        X_test_imputed = pd.DataFrame(
-            X_test_imputed,
-            columns=feature_columns_ml)   # feature_columns_ml verwenden
-
-        # +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
-        # +++ ANPASSUNG HIER: GridSearchCV mit Pipeline für SMOTE & RandomForest +
-        # +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
-        # 4. Erstellen einer Pipeline und Definieren des Parameter-Grids
-
-        # Schritt 1: SMOTE für Klassen-Balancierung
-        # Schritt 2: RandomForestClassifier als Modell
         pipeline = ImbPipeline([
+            ('imputer', SimpleImputer(strategy='median')),
             ('smote', SMOTE(random_state=42)),
-            # class_weight nicht nötig bei SMOTE
             ('classifier', RandomForestClassifier(random_state=42, n_jobs=-1))
         ])
 
-        # Definieren der Hyperparameter, die getestet werden sollen.
+        # 4. Hyperparameter-Grid für GridSearchCV definieren
-        # WICHTIG: Die Parameternamen müssen mit dem Namen des Schritts in der
+        # Die Parameternamen müssen mit dem Namen des Schritts in der Pipeline beginnen.
-        # Pipeline beginnen (z.B. 'classifier__...')
         param_grid = {
-            'classifier__n_estimators': [200, 300],         # Anzahl der Bäume
+            'classifier__n_estimators': [200, 300],
-            # Maximale Tiefe der Bäume (None = unbegrenzt)
             'classifier__max_depth': [10, 20, None],
-            # Mindestanzahl Samples für einen Split
             'classifier__min_samples_split': [2, 5],
-            # Mindestanzahl Samples in einem Blatt
             'classifier__min_samples_leaf': [1, 2]
         }
-        # HINWEIS: Dies sind 2 * 3 * 2 * 2 = 24 Kombinationen.
-        # Mit cv=3 (siehe unten) werden 24 * 3 = 72 Modelle trainiert. Dies kann dauern!
-        # Für einen schnellen Test können Sie die Anzahl der Optionen
-        # reduzieren.
 
-        # Initialisieren von GridSearchCV
+        # 5. GridSearchCV initialisieren
-        # cv=3 bedeutet 3-fache Kreuzvalidierung.
-        # scoring='accuracy' bedeutet, dass die beste Kombination anhand der Genauigkeit ausgewählt wird.
-        # verbose=2 gibt detaillierte Log-Ausgaben während der Suche.
         grid_search = GridSearchCV(
             estimator=pipeline,
             param_grid=param_grid,
@@ -5735,10 +5689,10 @@ class DataProcessor:
 
         self.logger.info("Starte Hyperparameter-Tuning mit GridSearchCV...")
         start_fit_time = time.time()
-        # Fitte das Grid auf den (noch nicht resampleten) Trainingsdaten.
+        
-        # Die Pipeline kümmert sich intern darum, dass SMOTE nur auf die
+        # 6. Grid auf den Original-Trainingsdaten fitten (ohne vorherige Imputation)
-        # Trainings-Folds angewendet wird.
+        # Die Pipeline kümmert sich intern um die korrekte Imputation und SMOTE für jeden Fold.
-        grid_search.fit(X_train_imputed, y_train)
+        grid_search.fit(X_train, y_train)
         end_fit_time = time.time()
         self.logger.info(
             f"GridSearchCV-Suche abgeschlossen. Dauer: {end_fit_time - start_fit_time:.2f} Sekunden.")