diff --git a/readme.md b/readme.md
index 2423f769..e815955d 100644
--- a/readme.md
+++ b/readme.md
@@ -9,49 +9,10 @@ Dieses Repository enthält eine Suite von Python-Skripten zur automatisierten An
 *   **`generate_marketing_text.py`:** Eine Engine zur Erstellung personalisierter Marketing-Texte.
 *   **`app.py` & Docker:** Eine fernsteuerbare Schnittstelle via Google Sheets.
 
-## 2. Aktueller Status: **KRITISCHER FEHLER (BLOCKER)**
-
-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.
-
-## 3. Nächster Schritt
-
-**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.
-
-# Automatisierte Unternehmensbewertung & Lead-Generierung
-
-**Version:** 2.1.0 (nach Implementierung des Sync-Moduls)
-
 ## Projektbeschreibung
 
 Dieses Projekt automatisiert die Anreicherung von Unternehmensdaten aus einem D365-CRM-System. Es nutzt externe APIs (Google, Wikipedia, OpenAI) und Web-Scraping, um Stammdaten zu validieren, zu ergänzen und neue, marketing-relevante Informationen (z.B. FSM-Pitches) zu generieren. Die Verarbeitung und Speicherung der angereicherten Daten erfolgt in einem Google Sheet.
 
-## Aktueller Status (August 2025)
-
-*   **Systemstabilität:** Das System ist nach der Behebung von Inkompatibilitäten mit der OpenAI-Bibliothek stabil und voll lauffähig.
-*   **Daten-Import:** Ein robuster, intelligenter Synchronisations-Mechanismus (`sync_manager.py`) wurde implementiert. Er gleicht einen vollständigen D365-Excel-Export mit dem Google Sheet ab, aktualisiert Stammdaten nach definierten Fachregeln und markiert Datätze für die Neu-Anreicherung.
-*   **Kernfunktionen:** Datenanreicherung (Wikipedia, Website-Scraping) und KI-basierte Analysen (Brancheneinstufung, Text-Zusammenfassungen) sind operational.
-*   **Nächster Schritt:** Implementierung des Daten-Exports aus dem Google Sheet zur Aktualisierung des D365-Systems.
 
 ## Duplicate Checker (duplicate_checker_old.py)