Restore Wiki-Verify Mode, Update FSM Pitch prompt

- FEATURE: Der `wiki_verify`-Modus wurde wiederhergestellt und ist nun über die CLI/das Menü aufrufbar.
- FIX: `data_processor.py` enthält nun die `process_wiki_verify`-Methode, die gezielt Wikipedia-Artikel mittels ChatGPT verifiziert.
- FIX: Dispatcher in `brancheneinstufung.py` erkennt und startet den `wiki_verify`-Modus korrekt.

helpers.py

@@ -998,67 +998,152 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
     logger.debug(f"Finale Branch-Evaluation: {result}")
     return result
 
+
+@retry_on_failure
+def verify_wiki_article_chatgpt(company_name, website, wiki_url):
+    """
+    Überprüft mittels ChatGPT, ob ein gegebener Wikipedia-Artikel zum Unternehmen passt.
+    """
+    logger = logging.getLogger(__name__)
+    logger.info(f"Starte ChatGPT-Verifizierung für '{company_name}' und URL '{wiki_url[:50]}...'")
+
+    prompt = f"""
+    Aufgabe: Prüfe, ob der folgende Wikipedia-Artikel tatsächlich das angegebene Unternehmen beschreibt.
+
+    Unternehmen:
+    - Name: {company_name}
+    - Website: {website}
+
+    Vorgegebener Wikipedia-Artikel:
+    - URL: {wiki_url}
+
+    Antworte ausschließlich im folgenden Format (keine Einleitung, kein Schlusssatz):
+    Konsistenz: <OK oder X>
+    Begründung: <Sehr kurze Begründung für deine Entscheidung. Gib an, welche Namen oder Fakten übereinstimmen oder abweichen.>
+    Vorschlag URL: <Gib hier die korrekte URL an, falls der Artikel falsch ist und du eine bessere findest. Sonst leer lassen.>
+    """
+    
+    try:
+        chat_response = call_openai_chat(prompt, temperature=0.0)
+        if not chat_response:
+            raise APIError("Keine Antwort von OpenAI für Wiki-Verifizierung erhalten.")
+
+        # Parsing der Antwort
+        result = {"consistency": "FEHLER", "justification": "", "suggested_url": ""}
+        lines = chat_response.strip().split("\n")
+        for line in lines:
+            if ":" in line:
+                key, value = line.split(":", 1)
+                key = key.strip().lower()
+                value = value.strip()
+                if key == "konsistenz":
+                    result["consistency"] = value.upper()
+                elif key == "begründung":
+                    result["justification"] = value
+                elif key == "vorschlag url":
+                    result["suggested_url"] = value
+        
+        return result
+
+    except Exception as e:
+        logger.error(f"Fehler bei der ChatGPT Wiki-Verifizierung: {e}")
+        return {"consistency": "FEHLER API", "justification": str(e), "suggested_url": ""}
+
     # ==============================================================================
     # Chat GPT FSM Pitch
     # ==============================================================================
 
+
 @retry_on_failure
-def generate_fsm_argument(company_name, crm_branche, website_summary, wiki_absatz, anzahl_ma, anzahl_techniker):
+def generate_fsm_pitch(company_name, company_short_name, ki_branche, website_summary, wiki_absatz, anzahl_ma, anzahl_techniker, techniker_bucket_ml):
     """
-    Generiert einen maßgeschneiderten, nicht-werblichen Satz, warum das Unternehmen FSM einsetzen sollte.
+    Generiert einen maßgeschneiderten, nicht-werblichen Satz, der eine operative
-    Nutzt eine "Chain-of-Thought"-Anweisung für spezifischere Ergebnisse.
+    Service-Herausforderung des Unternehmens beschreibt (v2.1).
     """
     logger = logging.getLogger(__name__)
 
-    techniker_info = ""
+    # 1. Daten-Check: Genug Futter für einen guten Satz?
-    if anzahl_techniker and str(anzahl_techniker).strip().lower() not in ['0', 'k.a.', '']:
+    beschreibung_kombiniert = []
-        techniker_info = f"bei rund {anzahl_techniker} Servicetechnikern im Außendienst"
+    if website_summary and 'k.a.' not in website_summary.lower():
-    elif anzahl_ma and str(anzahl_ma).strip().lower() not in ['0', 'k.a.', '']:
+        beschreibung_kombiniert.append(f"Website-Zusammenfassung: {website_summary}")
-        techniker_info = f"bei über {anzahl_ma} Mitarbeitern"
+    if wiki_absatz and 'k.a.' not in wiki_absatz.lower():
-    else:
+        beschreibung_kombiniert.append(f"Wikipedia-Einleitung: {wiki_absatz}")
-        techniker_info = "in einem Unternehmen Ihrer Größe"
     
-    # Nimm die bessere Beschreibung, wenn vorhanden
+    final_beschreibung = "\n".join(beschreibung_kombiniert)
-    beschreibung = website_summary if website_summary and website_summary.lower() != 'k.a.' else wiki_absatz
     
+    if not final_beschreibung or len(final_beschreibung.split()) < 10:
+        logger.warning(f"Zu wenige Informationen für FSM-Pitch für {company_name}. Breche ab.")
+        return "FEHLER (Mangelnde Daten)"
+
+    # 2. Firmennamen priorisieren: Kurzform > Langform
+    display_name = company_short_name if company_short_name and company_short_name.lower() != 'k.a.' else company_name
+
+    # 3. Mitarbeiter-/Techniker-Info aufbereiten und priorisieren
+    def round_number(n):
+        if n < 100: return n
+        if n < 1000: return int(round(n / 50.0)) * 50
+        return int(round(n / 100.0)) * 100
+
+    personal_info = "in einem Unternehmen Ihrer Größe" # Default
+    try:
+        # Priorität 1: Explizite Technikerzahl
+        if anzahl_techniker and int(anzahl_techniker) > 0:
+            anzahl_techniker = round_number(int(anzahl_techniker))
+            personal_info = f"bei rund {anzahl_techniker} Servicetechnikern"
+        # Priorität 2: ML-Techniker-Bucket (wenn keine exakte Zahl vorhanden)
+        elif techniker_bucket_ml and 'k.a.' not in techniker_bucket_ml.lower() and anzahl_techniker == 0:
+            personal_info = f"bei schätzungsweise {techniker_bucket_ml} Servicetechnikern"
+        # Priorität 3: Gesamtmitarbeiterzahl
+        elif anzahl_ma and int(anzahl_ma) > 0:
+            anzahl_ma = round_number(int(anzahl_ma))
+            personal_info = f"bei über {anzahl_ma} Mitarbeitern"
+    except (ValueError, TypeError):
+        logger.debug("Keine validen MA/Techniker-Zahlen für Pitch.")
+    
+    # 4. Der finale, verbesserte Prompt
     prompt_parts = [
-        "Du bist ein B2B-Stratege, der die verborgenen operativen Herausforderungen eines Unternehmens erkennt und präzise auf den Punkt bringt.",
+        "Du bist ein B2B-Stratege, der die operativen Herausforderungen eines Unternehmens im technischen Außendienst erkennt und präzise auf den Punkt bringt.",
-        "Aufgabe: Formuliere EINEN EINZIGEN, flüssig lesbaren Satz (ca. 20-35 Wörter), der als hochpersonalisierter Einstieg in einer E-Mail dient.",
+        "Aufgabe: Formuliere EINEN EINZIGEN, flüssig lesbaren Satz (ca. 20-35 Wörter).",
-        "Stil-Regeln:",
+        "Dieser Satz muss eine spezifische, operative Service-Herausforderung des Unternehmens beschreiben, basierend auf seinen Produkten oder Dienstleistungen.",
-        "- Absolut NICHT werblich klingen. Keine Produktnamen, keine direkten Lösungsangebote.",
-        "- Formuliere es als eine scharfsinnige Beobachtung über die operative Tätigkeit des Unternehmens.",
-        "- Der Satz muss spezifische Keywords aus der Unternehmensbeschreibung aufgreifen.",
         
-        "\n--- Denkprozess (Schritt für Schritt): ---",
+        "\n--- Stil-Regeln ---",
-        "1. Analysiere die untenstehenden Unternehmensdaten.",
+        "- Formuliere als scharfsinnige Beobachtung, nicht werblich.",
-        "2. Identifiziere die **spezifischste genannte Dienstleistung oder das spezifischste Produkt** (z.B. 'Installation von Wärmepumpen', 'Wartung von Aufzügen', 'Verlegung von Glasfaser').",
+        "- Verwende den bereitgestellten 'Kurznamen des Unternehmens' natürlich im Satz.",
-        "3. Leite daraus die **konkrete operative Tätigkeit** ab, die von mobilen Teams durchgeführt wird (z.B. 'Installations-Termine', 'Störungsbehebungen', 'Wartungsarbeiten').",
+        "- Verwende KEINE Anführungszeichen um den Firmennamen im finalen Satz.",
-        "4. Formuliere den finalen Satz, der diese spezifische Tätigkeit und die Personalinfo elegant verbindet.",
+        "- Vermeide generische Phrasen wie 'Schlüssel zum Erfolg'. Fokussiere auf operative Konsequenzen (z.B. 'entscheidend für die Servicequalität', 'unerlässlich für die Anlagenverfügbarkeit').",
+        "- Wenn die Beschreibung keine klare Service-Tätigkeit enthält, antworte NUR mit dem Wort 'FEHLER_DATEN'.",
+
+        "\n--- Denkprozess (Schritt für Schritt) ---",
+        "1. Analysiere die Unternehmensdaten. Leite aus der Beschreibung die konkrete Tätigkeit von mobilen Teams ab (Installation, Wartung, Reparatur, Logistik, Begutachtung).",
+        "2. Formuliere einen Satz, der diese Tätigkeit mit der Personalinfo verbindet und als Herausforderung darstellt.",
+        "3. Wenn keine klare Service-Tätigkeit erkennbar ist, antworte mit 'FEHLER_DATEN'.",
 
         "\n--- Unternehmenskontext ---",
-        f"Unternehmen: {company_name}",
+        f"Kurzname des Unternehmens: {display_name}",
-        f"Branche: {crm_branche}",
+        f"KI-validierte Branche: {ki_branche}",
-        f"Beschreibung: {beschreibung}",
+        f"Beschreibung (aus Website & Wikipedia): {final_beschreibung}",
-        f"Personalinfo für den Satz: {techniker_info}",
+        f"Personalinfo für den Satz: {personal_info}",
+        f"Gesamtmitarbeiterzahl (Kontext): {anzahl_ma}",
 
         "\n--- Beispiele für den gewünschten Output-Stil ---",
-        "Beispiel 1 (Kontext: Branche 'Energie', Beschreibung '...baut Ladeinfrastruktur aus...'): Angesichts des beschleunigten Ausbaus der Ladeinfrastruktur ist die reibungslose Koordination der Installationstermine Ihrer mobilen Teams entscheidend für den Projekterfolg.",
+        "Beispiel 1: Angesichts des beschleunigten Ausbaus der Ladeinfrastruktur bei EnBW ist die reibungslose Koordination der Installationstermine Ihrer mobilen Teams entscheidend für den Projekterfolg.",
-        "Beispiel 2 (Kontext: Branche 'Anlagenbau', Beschreibung '...Service für Produktionsanlagen...'): Bei der Wartung komplexer Produktionsanlagen hängt die Kundenzufriedenheit direkt von der pünktlichen und effizienten Durchführung der Serviceeinsätze ab.",
+        "Beispiel 2: Bei der Wartung komplexer Produktionsanlagen für Siemens hängt die Kundenzufriedenheit direkt von der pünktlichen und effizienten Durchführung der Serviceeinsätze ab.",
         
         "\n--- Deine Aufgabe ---",
-        "Führe den Denkprozess durch und gib NUR den finalen, perfekten Satz für das oben genannte Unternehmen aus:",
+        "Führe den Denkprozess durch und gib NUR den finalen Satz aus ODER das Wort 'FEHLER_DATEN'.",
     ]
 
     prompt = "\n".join(prompt_parts)
     
     try:
-        # Expliziter Aufruf eines fortschrittlicheren Modells für diese spezielle, kreative Aufgabe.
+        fsm_pitch = call_openai_chat(prompt, temperature=0.6, model="gpt-4o")
-        # 'gpt-4-turbo-preview' oder 'gpt-4o' sind gute, kosteneffiziente Optionen.
+        if not fsm_pitch or "FEHLER_DATEN" in fsm_pitch:
-        fsm_pitch = call_openai_chat(prompt, temperature=0.7, model="gpt-4-turbo-preview")
+            logger.warning(f"KI konnte keinen validen FSM-Pitch für {company_name} generieren (Grund: Mangelnde Daten).")
-        return fsm_pitch.strip().replace('"', '') if fsm_pitch else "k.A. (Pitch-Generierung fehlgeschlagen)"
+            return "FEHLER (Mangelnde Daten)"
+        return fsm_pitch.strip().replace('"', '')
     except Exception as e:
         logger.error(f"Fehler bei der Generierung des FSM-Pitches für {company_name}: {e}")
-        return "k.A. (Fehler bei Pitch-Generierung)"
+        return "FEHLER (API-Fehler)"
 
 
 @retry_on_failure