bugfix

brancheneinstufung.py

@@ -1565,8 +1565,8 @@ for branch in allowed_branches:
         schema_lines.append(f"- {branch}")
     target_schema_info = "\n".join(schema_lines)
 
-# Erstelle den System-Prompt inklusive der Zielvorgaben. Hier wird das Zielbranchenschema aus der CSV-Datei 
-# (via load_target_schema) eingebunden.
+    # Erstelle den System-Prompt inklusive der Zielvorgaben.
+    # Hier wird das Zielbranchenschema aus der CSV-Datei (via load_target_schema) eingebunden.
     target_mapping, target_schema_string, allowed_targets = load_target_schema()
 
     prompt = (
@@ -1590,6 +1590,7 @@ except Exception as e:
         debug_print(f"Fehler beim Lesen des API-Tokens für Brancheneinschätzung: {e}")
         return {"branch": crm_branche, "consistency": "X", "justification": "API-Key Fehler"}
     openai.api_key = api_key
+
     try:
         response = openai.ChatCompletion.create(
             model=Config.TOKEN_MODEL,
@@ -1610,14 +1611,15 @@ openai.api_key = api_key
     consistency = ""
     explanation = ""
     for line in lines:
-        if line.lower().startswith("branche:"):
+        lower_line = line.lower()
+        if lower_line.startswith("branche:"):
             suggestion = line.split(":", 1)[1].strip()
-        elif line.lower().startswith("übereinstimmung:"):
+        elif lower_line.startswith("übereinstimmung:"):
             consistency = line.split(":", 1)[1].strip()
-        elif line.lower().startswith("begründung:"):
+        elif lower_line.startswith("begründung:"):
             explanation = line.split(":", 1)[1].strip()
 
-    # Bereinige den Vorschlag: entferne unnötige Satzzeichen und konvertiere in Kleinbuchstaben
+    # Bereinige den Vorschlag: Entferne unnötige Satzzeichen und konvertiere in Kleinbuchstaben
     clean_suggestion = re.sub(r'[^\w\s/&-]', '', suggestion).strip().lower()
 
     # Falls der bereinigte Vorschlag kein Hierarchie-Trennzeichen ">" enthält, übernehme den Präfix aus der CRM-Branche
@@ -1629,7 +1631,7 @@ openai.api_key = api_key
     valid = False
     for allowed in allowed_branches:
         sim = fuzzy_similarity(clean_suggestion, allowed)
-        if sim > 0.95:  # sehr hoher Ähnlichkeit (kann angepasst werden)
+        if sim > 0.95:  # sehr hoher Ähnlichkeitswert (anpassbar)
             valid = True
             # Setze den Vorschlag exakt auf den Zielwert
             clean_suggestion = allowed