Floke/Brancheneinstufung2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

readme.md aktualisiert

Browse Source
This commit is contained in:
Floke
2025-08-18 12:48:19 +00:00
parent b586bb3d65
commit b898026a3a
1 changed files with 19 additions and 26 deletions
Download Patch File Download Diff File Expand all files Collapse all files

45
readme.md
View File

@@ -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.
## 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.