Chain-of-Thought FSM Pitch Generation (Final)

- FEATURE: Der FSM-Pitch-Prompt wurde grundlegend überarbeitet und implementiert nun einen "Chain of Thought"-Ansatz für drastisch verbesserte Ergebnisse.
- Die KI analysiert nun schrittweise das Geschäftsmodell und die Service-Art, bevor sie einen strategischen, positiv formulierten Pitch generiert.
- Das Ergebnis ist nun eine Kombination aus interner Analyse und einem für die Marketing-Automation optimierten Ausgabesatz.

helpers.py

@@ -1031,18 +1031,17 @@ def generate_fsm_pitch(
     techniker_bucket_ml,
 ):
     """
-    Generiert einen maßgeschneiderten, strategischen Satz, der eine operative
+    Generiert einen FSM-Pitch mittels eines "Chain of Thought"-Ansatzes, um die Qualität
-    Herausforderung impliziert und für die E-Mail-Ansprache geeignet ist (v2.2.7).
+    und Relevanz der Ausgabe zu maximieren (v2.2.8).
     """
     logger = logging.getLogger(__name__)
 
-    # 1. Daten-Check und Extraktion der reinen Zusammenfassung
+    # 1. Datenaufbereitung (bleibt gleich)
     beschreibung_kombiniert = []
     if website_summary and '**GESCHÄFTSMODELL**' in website_summary:
         try:
             summary_text = website_summary.split('Zusammenfassung:')[1].split('**FSM-POTENZIAL**')[0].strip()
-            if summary_text:
+            if summary_text: beschreibung_kombiniert.append(f"Website-Zusammenfassung: {summary_text}")
-                beschreibung_kombiniert.append(f"Website-Zusammenfassung: {summary_text}")
         except IndexError: pass
     
     if wiki_absatz and 'k.a.' not in wiki_absatz.lower():
@@ -1051,65 +1050,57 @@ def generate_fsm_pitch(
     final_beschreibung = "\n".join(beschreibung_kombiniert)
     
     if not final_beschreibung:
-        logger.warning(f"Zu wenige Informationen für FSM-Pitch bei {company_name}.")
         return "FEHLER (Mangelnde Daten)"
 
-    # 2. Namenswahl und 3. Personalinfo (bleibt unverändert)
     display_name = company_short_name if company_short_name and company_short_name.lower() != 'k.a.' else company_name
     
-    def round_number(n):
+    personal_info = ""
-        if n < 100: return n
-        if n < 1000: return int(round(n / 50.0)) * 50
-        return int(round(n / 100.0)) * 100
-
-    personal_info = "" # Wir machen es optional
     try:
         tech = int(anzahl_techniker or 0)
         ma = int(anzahl_ma or 0)
-        if tech > 0:
+        if tech > 0: personal_info = f"bei rund {int(round(tech, -1))} Servicetechnikern"
-            personal_info = f"bei rund {round_number(tech)} Servicetechnikern"
+        elif techniker_bucket_ml and 'k.a.' not in techniker_bucket_ml.lower(): personal_info = f"bei schätzungsweise {techniker_bucket_ml} Servicetechnikern"
-        elif techniker_bucket_ml and 'k.a.' not in techniker_bucket_ml.lower():
+        elif ma > 0: personal_info = f"bei über {int(round(ma, -2))} Mitarbeitern"
-            personal_info = f"bei schätzungsweise {techniker_bucket_ml} Servicetechnikern"
+    except (ValueError, TypeError): pass
-        elif ma > 0:
-            personal_info = f"bei über {round_number(ma)} Mitarbeitern"
-    except (ValueError, TypeError):
-        pass
 
-    # 4. Der finale, strategische und positiv formulierte Prompt
+    # 2. Der neue "Chain of Thought"-Prompt
     prompt_parts = [
-        "Du bist ein B2B-Stratege, der die operativen Hebel eines Unternehmens im technischen Außendienst versteht.",
+        "Du bist ein B2B-Lösungsberater für Field Service Management. Deine Aufgabe ist es, aus Unternehmensdaten eine scharfsinnige Analyse abzuleiten und daraus einen perfekten, personalisierten Einleitungssatz für eine E-Mail zu formulieren.",
-        "Aufgabe: Formuliere EINEN EINZIGEN, positiv-beobachtenden Satz (ca. 20-35 Wörter), der die zentrale operative Herausforderung im Service subtil andeutet, indem er die Wichtigkeit der Lösung betont.",
+        
-        "",
+        "\n--- Denkprozess (Chain of Thought) ---",
-        "--- Tonalität & Stil ---",
+        "Gehe die folgenden Schritte durch und gib deine Analyse für jeden Schritt aus:",
-        "- Formuliere als scharfsinnige Beobachtung, nicht als Problem ('Für ein Unternehmen wie X ist Y entscheidend, um Z zu erreichen').",
+        "1. **Geschäftsmodell-Analyse:** Analysiere die Beschreibung und identifiziere die primäre Tätigkeit. Ist es (A) Hersteller von physischen Produkten/Anlagen, (B) ein Installateur/Dienstleister, der bei Kunden vor Ort arbeitet, oder (C) ein reiner Reparaturservice?",
-        "- Der Satz muss direkt als erster Absatz in einer E-Mail an das Unternehmen funktionieren.",
+        "2. **Service-Relevanz:** Basierend auf Schritt 1, bewerte die Wahrscheinlichkeit eines signifikanten technischen Außendienstes (Hoch, Mittel, Niedrig, Keine).",
-        "- Beziehe die Personalinfo (falls vorhanden) elegant in den Satz ein.",
+        "3. **Hebel identifizieren:** Welcher operative Hebel ist für diese Art von Service am wichtigsten? (z.B. 'maximale Anlagenverfügbarkeit', 'gleichbleibend hohe Servicequalität', 'schnelle Reaktionszeiten').",
-        "",
+        "4. **Pitch-Formulierung:** Basierend auf deiner Analyse, formuliere einen einzigen, positiv-beobachtenden Satz (20-35 Wörter), der diesen Hebel adressiert und für die E-Mail-Ansprache geeignet ist. Der Satz soll die Wichtigkeit der Prozessoptimierung betonen, nicht ein Problem anklagen.",
-        "--- Inferenz-Regeln (um die Kernaussage zu finden) ---",
+        
-        "1. **Hersteller von Anlagen/Maschinen:** Betone die Wichtigkeit der **'effizienten Inbetriebnahme'** oder der **'maximalen Anlagenverfügbarkeit (Uptime)'**.",
+        "\n--- Unternehmenskontext ---",
-        "2. **Installateur/Dienstleister (viele Standorte/Partner):** Betone die Wichtigkeit der **'gleichbleibend hohen Servicequalität'** über alle Standorte hinweg.",
+        f"Kurzname: {display_name}",
-        "3. **Reparaturservice:** Betone die Wichtigkeit der **'schnellen Reaktionszeiten'** und der **'Einhaltung von Service-Levels'**.",
+        f"KI-Branche: {ki_branche}",
-        "",
-        "--- Selbstkritik-Regel (WICHTIG) ---",
-        "Wenn die Beschreibung so allgemein ist, dass keine der Inferenz-Regeln spezifisch angewendet werden kann (z.B. reiner Handel, Online-Portal), antworte NUR mit dem Wort 'FEHLER_DATEN'.",
-        "",
-        "--- Unternehmenskontext ---",
-        f"Kurzname des Unternehmens: {display_name}",
-        f"KI-validierte Branche: {ki_branche}",
         f"Beschreibung: {final_beschreibung}",
         f"Personalinfo: {personal_info if personal_info else 'Keine Angabe'}",
-        "",
+
-        "--- Deine Aufgabe ---",
+        "\n--- Deine Ausgabe (antworte AUSSCHLIESSLICH in diesem exakten Format) ---",
-        "Gib NUR den finalen, positiv formulierten Satz aus ODER das Wort 'FEHLER_DATEN'.",
+        "1. Geschäftsmodell-Analyse: <Deine Analyse zu A, B oder C>",
+        "2. Service-Relevanz: <Deine Bewertung>",
+        "3. Hebel: <Dein identifizierter Hebel>",
+        "4. FSM-Pitch: <Dein finaler, positiv formulierter Satz>",
     ]
     prompt = "\n".join(prompt_parts)
 
     try:
-        fsm_pitch = call_openai_chat(prompt, temperature=0.6, model="gpt-4o")
+        response = call_openai_chat(prompt, temperature=0.5, model="gpt-4o")
-        if not fsm_pitch or "FEHLER_DATEN" in fsm_pitch:
+        if not response:
-            logger.warning(f"KI konnte keinen validen FSM-Pitch für {company_name} generieren (Grund: Mangelnde/unspezifische Daten).")
+            return "FEHLER (API-Antwort leer)"
-            return "FEHLER (Mangelnde Daten)"
+        
-        return fsm_pitch.strip().replace('"', '')
+        # Wir geben die gesamte Chain-of-Thought-Analyse zurück.
+        # Die Formatierung für das Sheet machen wir hier.
+        formatted_response = response.replace("1. Geschäftsmodell-Analyse:", "**Analyse:**")
+        formatted_response = formatted_response.replace("2. Service-Relevanz:", "\n**Relevanz:**")
+        formatted_response = formatted_response.replace("3. Hebel:", "\n**Hebel:**")
+        formatted_response = formatted_response.replace("4. FSM-Pitch:", "\n\n**Pitch:**")
+
+        return formatted_response.strip()
     except Exception as e:
         logger.error(f"Fehler bei der Generierung des FSM-Pitches für {company_name}: {e}")
         return "FEHLER (API-Fehler)"