diff --git a/readme.md b/readme.md
index 2eb9a75e..ed192181 100644
--- a/readme.md
+++ b/readme.md
@@ -1,37 +1,30 @@
-# Projekt: Automatisierte Unternehmensbewertung & Lead-Generierung v2.1.1
+# Projekt: Automatisierte Unternehmensbewertung & Lead-Generierung v2.2.0
 
 ## 1. Projektübersicht
 
-Dieses Repository enthält Python-Skripte zur automatisierten Anreicherung, Analyse und Nutzung von Unternehmensdaten. Das Projekt ist in mehrere logische Module aufgeteilt:
+Dieses Repository enthält eine Suite von Python-Skripten zur automatisierten Anreicherung, Analyse und Nutzung von Unternehmensdaten, die über eine Weboberfläche in Google Sheets gesteuert werden können.
 
 1.  **Bestandsanreicherung (`brancheneinstufung.py`):**
-    *   **Ziel:** Systematische Anreicherung von Unternehmensdaten in einem zentralen Google Sheet.
-    *   **Kernfunktionen:** Sammeln von Daten via Web- und Wikipedia-Scraping, KI-gestützte Zusammenfassung, kontextbasierte Brancheneinstufung, und ML-basierte Schätzung von Kennzahlen (z.B. Technikeranzahl).
-    *   **Aktueller Status:** **Instabil.** Kernfunktionen wie die Brancheneinstufung und das ML-Training werfen Fehler und müssen auf der neuen modularen Architektur stabilisiert werden.
+    *   **Ziel:** Systematische Anreicherung von Unternehmensdaten.
+    *   **Kernfunktionen:** Web/Wikipedia-Scraping, KI-Zusammenfassung, kontextbasierte Brancheneinstufung 2.0 (Batch-fähig & kostenoptimiert), ML-basierte Schätzung der Technikeranzahl.
+    *   **Status:** Weitgehend stabil. Die neue Brancheneinstufung 2.0 ist implementiert.
 
 2.  **Duplikats-Check (`duplicate_checker.py`):**
-    *   **Ziel:** Intelligenter Abgleich einer neuen Firmenliste gegen den CRM-Bestand, um Duplikate zu identifizieren.
-    *   **Methode:** Regelbasiertes, mehrstufiges Matching, das Firmennamen, Website-Domains und Standorte berücksichtigt.
-    *   **Aktueller Status:** **In Entwicklung.** Mehrere Algorithmen wurden getestet, aber eine finale, stabile Version, die sowohl präzise als auch sensitiv ist, muss noch finalisiert werden.
+    *   **Ziel:** Intelligenter Abgleich neuer Firmenlisten gegen den CRM-Bestand.
+    *   **Methode:** Robuster, transparenter "Brute-Force"-Abgleich mit gewichtetem Scoring basierend auf Name, Domain und Standort.
+    *   **Status:** **Kritischer Fehler.** Der Prozess läuft durch, aber der finale Schreibvorgang der Ergebnisse ins Google Sheet schlägt fehl. **Dies ist der unmittelbar zu behebende Blocker.**
 
 3.  **Marketing-Content-Generierung (`generate_marketing_text.py`):**
-    *   **Ziel:** Automatische Erstellung von hochpersonalisierten Textbausteinen für Marketing-Automations-Kampagnen.
-    *   **Methode:** Nutzt eine reichhaltige, teils KI-generierte Wissensbasis (`marketing_wissen.yaml`), um branchen- und positionsspezifische Texte (Betreff, Einleitung, Referenzen) zu erstellen.
-    *   **Aktueller Status:** **Fortgeschritten, aber blockiert.** Die Engine zur Textgenerierung ist entwickelt, hängt aber von einer stabilen Datenbasis und Brancheneinstufung ab.
+    *   **Ziel:** Automatische Erstellung von hochpersonalisierten E-Mail-Textbausteinen.
+    *   **Methode:** Nutzt eine reichhaltige, teils KI-generierte Wissensbasis (`marketing_wissen.yaml`), um branchen- und positionsspezifische Texte zu erstellen.
+    *   **Status:** Funktional. Die Wissensbasis muss noch für alle Branchen vervollständigt werden.
 
-## 2. Technische Struktur (v2.1.1)
+4.  **Remote-Steuerung (`app.py` & Docker):**
+    *   **Ziel:** Bereitstellung einer benutzerfreundlichen Oberfläche in Google Sheets.
+    *   **Methode:** Ein Docker-Container betreibt einen Flask-Webserver und einen `ngrok`-Tunnel, der Anfragen aus einem Google Apps Script empfängt und die lokalen Python-Skripte startet.
+    *   **Status:** Funktional. Für den produktiven Einsatz ist eine permanente `ngrok`-URL (Paid Plan) erforderlich.
 
-Das Projekt ist in wiederverwendbare Python-Module aufgeteilt:
-*   `config.py`: Zentrale Konfiguration (API-Keys, URLs, Branchen-Mapping).
-*   `helpers.py`: Globale Hilfsfunktionen (API-Wrapper, Normalisierungsroutinen).
-*   `google_sheet_handler.py`: Klasse zur Kapselung der Google Sheets API-Interaktion.
-*   `wikipedia_scraper.py`: Klasse für das Suchen und Extrahieren von Wikipedia-Daten.
-*   `data_processor.py`: Zentrale Klasse zur Orchestrierung der Datenverarbeitung.
-*   `brancheneinstufung.py`: Hauptskript für die Datenanreicherung.
-*   `duplicate_checker.py`: Hauptskript für den Duplikats-Check.
-*   `generate_marketing_text.py`: Hauptskript zur Textgenerierung.
-*   `expand_knowledge_base.py`: Hilfsskript zum Aufbau der Wissensbasis.
-
-## 3. Nächster Schritt
-
-Ein **vollständiger Code-Review und eine Stabilisierungsphase** sind erforderlich. Der nächste Chat wird mit der Übergabe des gesamten Projektstandes beginnen, um eine stabile Baseline wiederherzustellen.
\ No newline at end of file
+## 2. Nächste Schritte
+**Priorität 1:** Behebung des Schreibfehlers im `duplicate_checker.py`.
+**Priorität 2:** Finalisierung der Wissensbasis und Generierung aller Marketing-Texte.
+**Priorität 3:** Umstellung auf eine permanente `ngrok`-URL für den produktiven Betrieb.
\ No newline at end of file