v1.4.7 Fallback Website-Details: Mehr Logging & Fallback in Branchenbewertung

- In evaluate_branche_chatgpt() wird geprüft, ob sowohl Wiki- als auch externe Beschreibung 'k.A.' sind.
- Falls ja, wird der Website-Zusammenfassungstext als Fallback zur Branchenbewertung genutzt.
- Zusätzliche debug_print()-Ausgaben wurden eingefügt, um anzuzeigen, welche Informationen für die Entscheidungsfindung herangezogen wurden.
- Nach der ChatGPT-Antwort wird das Endergebnis ebenfalls geloggt.

brancheneinstufung.py

@@ -1,16 +1,15 @@
 #!/usr/bin/env python3
 """
-Version: v1.4.6
+Version: v1.4.7
 Datum: {aktuelles Datum}
 Git-Überschrift (max. 100 Zeichen):
-v1.4.6 Erweiterte Modi: Neuer Modus 23 Website-Detail Extraction + SERP Lookup
+v1.4.7 Fallback Website-Details: Mehr Logging & Fallback in Branchenbewertung
 
 Git-Änderungsbeschreibung:
-- Neuer Modus 23 implementiert: Website Detail Extraction für Zeilen mit "x" in Spalte A.
-- scrape_website_details() extrahiert Seitentitel, Meta-Description und h1/h2/h3 aus der Startseite.
-- SERP-API Website Lookup (Modus 22) integriert: Fehlt in Spalte D eine Website, wird diese ermittelt und normalisiert.
-- Alignment Demo bleibt unverändert; neue Spalten AR (Website Rohtext) und AS (Website Zusammenfassung) werden beibehalten.
-- Main-Funktion und DataProcessor entsprechend der neuen Betriebsmodi angepasst.
+- In evaluate_branche_chatgpt() wird geprüft, ob sowohl Wiki- als auch externe Beschreibung 'k.A.' sind.
+- Falls ja, wird der Website-Zusammenfassungstext als Fallback zur Branchenbewertung genutzt.
+- Zusätzliche debug_print()-Ausgaben wurden eingefügt, um anzuzeigen, welche Informationen für die Entscheidungsfindung herangezogen wurden.
+- Nach der ChatGPT-Antwort wird das Endergebnis ebenfalls geloggt.
 
 """
 
@@ -940,15 +939,19 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
         debug_print(f"Fehler beim Lesen des API-Tokens (Branche): {e}")
         return {"branch": "k.A.", "consistency": "k.A.", "justification": "k.A."}
     openai.api_key = api_key
-    
-    # Wenn weder Wikipedia-Branche noch externe Beschreibung vorliegen, verwende Website-Zusammenfassung als Fallback
+
+    # Fallback: Falls Wikipedia-Branche und externe Beschreibung beide 'k.A.' sind, nutze Website-Zusammenfassung
     if wiki_branche.strip().lower() == "k.a." and beschreibung.strip().lower() == "k.a.":
-        beschreibung = website_summary
+        debug_print("Keine Wiki- und externe Branchenbeschreibung vorhanden, verwende Website-Zusammenfassung als Fallback.")
+        used_description = website_summary
+    else:
+        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 = (
         "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"
-        f"Branchenbeschreibung (Spalte G): {beschreibung if beschreibung.strip() != '' else 'k.A.'}\n"
+        f"Branchenbeschreibung (Spalte G): {used_description if used_description.strip() != '' else 'k.A.'}\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, z. B. 'Housing > Sozialbau Unternehmen'.\n"
@@ -958,7 +961,7 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
         f"{focus_branches_str}\n\n"
         "Gewichtung der Angaben:\n"
         "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 übernimmt gegebenenfalls der Website-Zusammenfassungstext, wenn beide fehlen)\n"
+        "2. Branchenbeschreibung (Spalte G) – (hier wird Website-Zusammenfassung genutzt, wenn beide Wikipedia- und externe Beschreibung fehlen)\n"
         "3. CRM-Branche (Spalte F)\n\n"
         "Ordne das Unternehmen exakt einer der oben genannten Branchen zu (keine zusätzlichen Branchen erfinden). "
         "Bitte antworte im Format:\n"
@@ -983,18 +986,23 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
                 consistency = line.split(":", 1)[1].strip()
             elif line.lower().startswith("begründung:"):
                 justification = line.split(":", 1)[1].strip()
+        # Falls das Ergebnis nicht im Ziel-Branchenschema enthalten ist, vermerke dies
         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"
+        # Falls die CRM-Branche exakt übereinstimmt, löschen wir die Begründung
         if crm_branche.strip() and branch.lower() == crm_branche.strip().lower():
             justification = ""
             consistency = "ok"
+        # Zusätzliche Debug-Ausgabe zur Endbewertung
+        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."}
 
+
 def evaluate_servicetechnicians_estimate(company_name, company_data):
     try:
         with open("serpApiKey.txt", "r") as f: