readme.md aktualisiert

readme.md

@@ -1,30 +1,39 @@
-# Projekt: Automatisierte Unternehmensbewertung & Lead-Generierung v2.2.0
+# Projekt: Automatisierte Unternehmensbewertung & Lead-Generierung v2.2.1
 
 ## 1. Projektübersicht
 
-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.
+Dieses Repository enthält eine Suite von Python-Skripten zur automatisierten Anreicherung und Analyse von Unternehmensdaten. Das System ist modular aufgebaut und für den Betrieb in einem Docker-Container ausgelegt.
 
-1.  **Bestandsanreicherung (`brancheneinstufung.py`):**
-    *   **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.
+*   **`brancheneinstufung.py`:** Das Kernmodul zur Datenanreicherung (Web, Wikipedia, KI-Analyse).
+*   **`duplicate_checker.py`:** Ein Modul zur intelligenten Duplikatsprüfung.
+*   **`generate_marketing_text.py`:** Eine Engine zur Erstellung personalisierter Marketing-Texte.
+*   **`app.py` & Docker:** Eine fernsteuerbare Schnittstelle via Google Sheets.
 
-2.  **Duplikats-Check (`duplicate_checker.py`):**
-    *   **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.**
+## 2. Aktueller Status: **KRITISCHER FEHLER (BLOCKER)**
 
-3.  **Marketing-Content-Generierung (`generate_marketing_text.py`):**
-    *   **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.
+Das gesamte System ist derzeit **nicht lauffähig**. Ein Inkompatibilitätsproblem zwischen dem bestehenden Code und der installierten Version der `openai`-Python-Bibliothek führt zu einem `ModuleNotFoundError` bei jedem Versuch, eine KI-Funktion aufzurufen. Dies verhindert jegliche Weiterentwicklung und Nutzung.
 
-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.
+## 3. Nächster Schritt
 
-## 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.
+**Priorität 1:** Behebung des `openai`-Abhängigkeitskonflikts. Die gewählte Strategie ist ein gezieltes Downgrade der `openai`-Bibliothek auf eine mit dem Code kompatible Version, um die Funktionalität schnellstmöglich wiederherzustellen.
+planning.md (v2.2.1)
+code
+Markdown
+# Projektplanung v2.2.1
+
+## 1. Aktueller Stand
+*   **[X] Architektur & Module:** Alle Kernmodule sind konzipiert und implementiert.
+*   **[!] System-Blocker:** Ein Versionskonflikt der `openai`-Bibliothek legt das gesamte System lahm. Alle Funktionen, die auf die KI zugreifen, stürzen mit einem `ModuleNotFoundError` ab.
+
+## 2. Strategischer Plan
+
+**Phase 1: Stabilität wiederherstellen (Hotfix)**
+*   **[ ]** **Schritt 1.1 (Analyse):** Überprüfung aller Code-Stellen, die `openai`-Fehlerklassen importieren oder verwenden, um den Umfang des Problems zu bestätigen.
+*   **[ ]** **Schritt 1.2 (Downgrade):** Modifikation der `requirements.txt`, um die `openai`-Bibliothek auf eine stabile, kompatible Version (z.B. `0.28.0`) festzuschreiben.
+*   **[ ]** **Schritt 1.3 (Anwendung):** Neubau des Docker-Images (`docker build`), um die Installation der korrekten Bibliotheksversion zu erzwingen.
+*   **[ ]** **Schritt 1.4 (Validierung):** Durchführung eines Testlaufs (z.B. `reclassify_branches`), um zu bestätigen, dass der `ModuleNotFoundError` behoben ist und die KI-Aufrufe wieder funktionieren.
+
+**Phase 2: Geplante Weiterentwicklung (nach Hotfix)**
+*   **[ ]** Finalisierung des Duplikats-Checks.
+*   **[ ]** Vervollständigung der Wissensbasis und Generierung aller Marketing-Texte.
+*   **[ ]** (Zukünftig) Planung des Code-Refactorings, um die neue `openai` v1.x API zu unterstützen.