From aaa6db7873811025f00a3c1cc5d1be0fbe567114 Mon Sep 17 00:00:00 2001
From: Floke <floke.com@gmail.com>
Date: Mon, 4 Aug 2025 17:19:21 +0000
Subject: [PATCH] entferne def evaluate_branche_chatgpt

---
 helpers.py | 94 ------------------------------------------------------
 1 file changed, 94 deletions(-)

diff --git a/helpers.py b/helpers.py
index f2083324..d2e9af1e 100644
--- a/helpers.py
+++ b/helpers.py
@@ -902,100 +902,6 @@ def summarize_wikipedia_article(full_text, company_name):
         return "FEHLER (API-Fehler bei Zusammenfassung)"
 
 
-
-
-# ==============================================================================
-# 9. OPENAI API WRAPPER (BRANCH EVALUATION)
-# ==============================================================================
-
-@retry_on_failure
-def evaluate_branche_chatgpt(company_name, website_summary, wiki_absatz):
-    """
-    Führt eine kontextbasierte Brancheneinstufung (v2.0) durch.
-    Das Unternehmensprofil wird mit dem vollständigen, definierten Branchenschema
-    abgeglichen, um die bestmögliche Zuordnung zu finden.
-    """
-    logger = logging.getLogger(__name__)
-
-    # 1. Baue das Unternehmensprofil zusammen
-    unternehmens_profil = [f"- Name: {company_name}"]
-    if website_summary and 'k.a.' not in website_summary.lower():
-        unternehmens_profil.append(f"- Website-Zusammenfassung: {website_summary}")
-    if wiki_absatz and 'k.a.' not in wiki_absatz.lower():
-        unternehmens_profil.append(f"- Wikipedia-Auszug: {wiki_absatz}")
-    
-    if len(unternehmens_profil) == 1:
-        logger.warning(f"Zu wenige Informationen für Brancheneinstufung von '{company_name}'. Breche ab.")
-        return {
-            "branch": "FEHLER (Mangelnde Daten)",
-            "confidence": "N/A",
-            "justification": "Keine Website- oder Wikipedia-Daten zur Analyse vorhanden."
-        }
-    
-    # 2. Baue das Ziel-Branchenschema als Textblock auf
-    schema_text_parts = []
-    for i, (branch, details) in enumerate(Config.BRANCH_GROUP_MAPPING.items()):
-        schema_text_parts.append(f"{i+1}. Branche: {branch}")
-        if details.get("definition"):
-            schema_text_parts.append(f"   Definition: {details['definition']}")
-        if details.get("beispiele"):
-            schema_text_parts.append(f"   Beispiele: {details['beispiele']}")
-    
-    ziel_branchenschema_text = "\n".join(schema_text_parts)
-
-    # 3. Baue den Master-Prompt zusammen
-    prompt_parts = [
-        "Du bist ein erfahrener Branchenanalyst bei einer führenden Unternehmensberatung. Deine Aufgabe ist es, ein Unternehmen präzise einer von 54 vordefinierten Branchenkategorien zuzuordnen. Nutze dafür ausschließlich die bereitgestellten Definitionen.",
-        "\n--- UNTERNEHMENS-PROFIL ---",
-        "\n".join(unternehmens_profil),
-        "\n--- ZIEL-BRANCHENSCHEMA (Deine einzig gültige Wissensbasis) ---",
-        ziel_branchenschema_text,
-        "\n--- DEINE AUFGABE (DENKPROZESS) ---",
-        "1. **Analysiere das Unternehmens-Profil:** Was ist die exakte, primäre Geschäftstätigkeit des Unternehmens?",
-        "2. **Vergleiche diese Tätigkeit mit ALLEN Definitionen** im Ziel-Branchenschema. Achte genau auf die Abgrenzungen.",
-        "3. **Identifiziere die Definition, die am besten passt.** Nutze die Beispielunternehmen zur Validierung deiner Wahl.",
-        "4. **Triff eine Entscheidung** und gib das Ergebnis im folgenden JSON-Format aus:",
-        '''
-{
-  "Branche": "<Exakter Name der am besten passenden Branche aus dem Schema>",
-  "Konfidenz": "<Hoch, Mittel oder Niedrig>",
-  "Begruendung": "<Eine sehr kurze Begründung für deine Wahl und warum andere ähnliche Branchen (falls zutreffend) ausgeschlossen wurden.>"
-}
-        '''
-    ]
-    
-    prompt = "\n".join(prompt_parts)
-
-    # 4. API-Aufruf
-    try:
-        response_str = call_openai_chat(prompt, temperature=0.0, model="gpt-4o", response_format_json=True)
-        if not response_str:
-             raise APIError("Keine Antwort von OpenAI erhalten.")
-        
-        response_json = json.loads(response_str)
-        
-        # Validierung des Ergebnisses
-        final_branch = response_json.get("Branche")
-        if final_branch not in Config.BRANCH_GROUP_MAPPING:
-            logger.warning(f"KI hat eine ungültige Branche zurückgegeben: '{final_branch}'. Markiere als Fehler.")
-            response_json["Branche"] = "FEHLER (Ungültige Antwort)"
-            response_json["Begruendung"] = f"Originalantwort: {final_branch}. " + response_json.get("Begruendung", "")
-
-        return {
-            "branch": response_json.get("Branche", "FEHLER (Parsing)"),
-            "confidence": response_json.get("Konfidenz", "N/A"),
-            "justification": response_json.get("Begruendung", "Keine Begründung erhalten.")
-        }
-        
-    except Exception as e:
-        logger.error(f"Endgültiger FEHLER beim OpenAI-Aufruf für Brancheneinstufung von {company_name}: {e}")
-        return {
-            "branch": "FEHLER (API)",
-            "confidence": "N/A",
-            "justification": f"Fehler bei der API-Kommunikation: {str(e)[:100]}"
-        }
-
-
 def evaluate_branches_batch(companies_data):
     """
     Führt eine kontextbasierte Brancheneinstufung für einen Batch von Unternehmen durch.