STABLE - Objektorientiertes Schema-Handling

- MAJOR REFACTOR: Globale Variablen für Branchenschema komplett entfernt. Das Schema wird nun in der `DataProcessor`-Instanz gehalten.
- FIX: Kritischer Prompt-Fehler endgültig behoben. `evaluate_branche_chatgpt` erhält das Schema nun als explizites Argument, was Scope-Probleme beseitigt.
- Das Projekt ist nun in einem stabilen, logisch konsistenten und lauffähigen Zustand für die Bestandsanreicherung. Die Grundlage für neue Features ist gelegt.

helpers.py

@@ -898,30 +898,23 @@ def summarize_batch_openai(tasks_data):
 # ==============================================================================
 
 @retry_on_failure
-def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kategorien, website_summary):
+def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kategorien, website_summary, schema_data):
     """
-    Bewertet die Branche eines Unternehmens.
+    Bewertet die Branche eines Unternehmens. Erhält das Schema als Argument.
-    NUTZT DIE BEWÄHRTE PARSING-LOGIK AUS v1.7.9.
+    Verwendet die robuste Parsing-Logik aus v1.7.9.
     """
     logger = logging.getLogger(__name__)
     
-    # HINWEIS: Die globalen Variablen TARGET_SCHEMA_STRING, FOCUS_BRANCHES_PROMPT_PART
+    if not schema_data or not schema_data.get("allowed_branches"):
-    # und ALLOWED_TARGET_BRANCHES werden auf Modulebene importiert und von
+        logger.critical("FEHLER: Kein gültiges Schema-Datenobjekt an evaluate_branche_chatgpt übergeben.")
-    # initialize_target_schema() modifiziert. Wir dürfen sie hier nicht erneut importieren.
+        return {"branch": "FEHLER - SCHEMA FEHLT", "confidence": "N/A", "consistency": "error_schema_missing", "justification": "Fehler: Schema-Daten fehlen."}
 
-    # Lazy Loading des Branchenschemas
+    allowed_branches = schema_data["allowed_branches"]
-    if not ALLOWED_TARGET_BRANCHES:
+    schema_prompt = schema_data["schema_prompt_string"]
-        logger.warning("Branchenschema nicht geladen. Versuche es jetzt zu laden...")
+    allowed_branches_lookup = {b.lower(): b for b in allowed_branches}
-        if not initialize_target_schema():
-            logger.critical("FEHLER in evaluate_branche_chatgpt: Schema konnte nicht geladen werden.")
-            return {"branch": "FEHLER - SCHEMA FEHLT", "confidence": "N/A", "consistency": "error_schema_missing", "justification": "Fehler: Schema nicht geladen."}
     
-    allowed_branches_lookup = {b.lower(): b for b in ALLOWED_TARGET_BRANCHES}
+    prompt_parts = [schema_prompt]
-    prompt_parts = [TARGET_SCHEMA_STRING, FOCUS_BRANCHES_PROMPT_PART]
+    # Rest der Prompt-Zusammenstellung
-    prompt_parts.append("\nOrdne das Unternehmen anhand folgender Angaben exakt einer Branche des Ziel-Branchenschemas (Kurzformen) zu.")
-    prompt_parts.append("Gib zusätzlich eine Konfidenz für deine Branchenwahl an (Hoch, Mittel oder Niedrig).")
-    
-    # --- Prompt-Zusammenstellung (unverändert) ---
     if crm_branche and str(crm_branche).strip() and str(crm_branche).strip().lower() != "k.a.": prompt_parts.append(f"- CRM-Branche (Referenz): {str(crm_branche).strip()}")
     if wiki_branche and str(wiki_branche).strip() and str(wiki_branche).strip().lower() != "k.a.":
         if beschreibung and str(beschreibung).strip() and str(beschreibung).strip().lower() != "k.a.": prompt_parts.append(f"- Beschreibung (CRM): {str(beschreibung).strip()[:500]}...")
@@ -929,11 +922,10 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
         prompt_parts.append(f"- Wikipedia-Branche: {str(wiki_branche).strip()[:300]}...")
         if wiki_kategorien and str(wiki_kategorien).strip() and str(wiki_kategorien).strip().lower() != "k.a.": prompt_parts.append(f"- Wikipedia-Kategorien: {str(wiki_kategorien).strip()[:500]}...")
     else:
-        logger.debug("evaluate_branche_chatgpt: Keine validen Wiki-Daten, nutze Website-Zusammenfassung als primäre Beschreibung.")
         if website_summary and str(website_summary).strip() and str(website_summary).strip().lower() != "k.a." and not str(website_summary).strip().startswith("k.A. (Fehler"): prompt_parts.append(f"- Website-Zusammenfassung (als Hauptbeschreibung): {str(website_summary).strip()[:800]}...")
         elif beschreibung and str(beschreibung).strip() and str(beschreibung).strip().lower() != "k.a.": prompt_parts.append(f"- Beschreibung (CRM, als Hauptbeschreibung): {str(beschreibung).strip()[:800]}...")
     
-    prompt = "\n".join(filter(None, prompt_parts))
+    prompt = "\n".join(prompt_parts)
     
     try:
         chat_response = call_openai_chat(prompt, temperature=0.0)
@@ -942,72 +934,54 @@ def evaluate_branche_chatgpt(crm_branche, beschreibung, wiki_branche, wiki_kateg
         logger.error(f"Endgueltiger FEHLER beim OpenAI-Aufruf fuer Branchenevaluation: {e}")
         return {"branch": "FEHLER API", "confidence": "N/A", "consistency": "error_api_failed", "justification": f"Fehler API: {str(e)[:100]}"}
 
-    # --- v1.7.9 PARSING LOGIK WIEDERHERGESTELLT ---
+    # v1.7.9 Parsing Logic
     lines = chat_response.strip().split("\n")
     result = {"confidence": "N/A", "justification": ""}
     suggested_branch = ""
-    parsed_branch = False
 
     for line in lines:
         line_lower = line.lower()
-        if line_lower.startswith("branche:"):
+        if "branche:" in line_lower:
-            suggested_branch = line.split(":", 1)[1].strip()
+            suggested_branch = line.split(":", 1)[1].strip().strip('"\'')
-            parsed_branch = True
+            break
-            break # Wichtig: Schleife beenden, sobald der Treffer da ist
+    if not suggested_branch and lines:
+        suggested_branch = lines[0].strip().split(":", 1)[-1].strip().strip('"\'')
 
-    # Fallback, wenn "Branche:" nicht gefunden wurde (Logik aus v1.7.9)
+    # Extrahiere Konfidenz und Begründung
-    if not parsed_branch and lines:
-        suggested_branch = lines[0].strip() # Nimm die erste Zeile als Vorschlag
-        logger.warning(f"Konnte 'Branche:' nicht finden. Interpretiere erste Zeile als Vorschlag: '{suggested_branch}'")
-
-    # Extrahiere Konfidenz und Begründung separat
     for line in lines:
-        line_lower = line.lower()
+        if line.lower().startswith("konfidenz:"): result["confidence"] = line.split(":", 1)[1].strip()
-        if line_lower.startswith("konfidenz:"):
+        elif line.lower().startswith("begruendung:"): result["justification"] = line.split(":", 1)[1].strip()
-            result["confidence"] = line.split(":", 1)[1].strip()
-        elif line_lower.startswith("begruendung:"):
-            result["justification"] = line.split(":", 1)[1].strip()
 
     if not suggested_branch:
-        logger.error(f"Fehler: Konnte keine Branche aus der Antwort extrahieren: {chat_response[:200]}")
+        logger.error(f"Fehler: Konnte keine Branche aus Antwort parsen: {chat_response[:200]}")
-        return {"branch": "FEHLER PARSING", "confidence": "N/A", "consistency": "error_parsing", "justification": f"Antwort leer oder unklar: {chat_response[:100]}"}
+        return {"branch": "FEHLER PARSING", "confidence": "N/A", "consistency": "error_parsing", "justification": f"Antwortformat unerwartet: {chat_response[:100]}"}
 
-    # --- Validierung und intelligenter Fallback (leicht angepasst aus v1.9.1) ---
+    # Validierung und intelligenter Fallback
     final_branch = None
     suggested_branch_lower = suggested_branch.lower()
 
     if suggested_branch_lower in allowed_branches_lookup:
         final_branch = allowed_branches_lookup[suggested_branch_lower]
-        logger.debug(f"KI-Vorschlag '{suggested_branch}' ist ein exakter Match.")
     else:
-        # Substring-Match für KI-Vorschlag
+        best_suggestion_match = next((val for key, val in allowed_branches_lookup.items() if suggested_branch_lower in key.lower()), None)
-        best_suggestion_match = next((val for key, val in allowed_branches_lookup.items() if suggested_branch_lower in key), None)
+        if best_suggestion_match: final_branch = best_suggestion_match
-        if best_suggestion_match:
-            final_branch = best_suggestion_match
-            logger.info(f"KI-Vorschlag '{suggested_branch}' per Substring zu '{final_branch}' gemappt.")
     
     if final_branch:
         result["branch"] = final_branch
-        # Konsistenzprüfung (ok/X)
+        if final_branch.lower() == crm_branche.strip().lower(): result["consistency"] = "ok"
-        if final_branch.lower() == crm_branche.strip().lower():
+        else: result["consistency"] = "X"
-            result["consistency"] = "ok"
-        else:
-            result["consistency"] = "X"
     else:
-        # Fallback auf CRM-Branche
-        logger.debug(f"Vorschlag '{suggested_branch}' nicht im Schema. Prüfe Fallback auf CRM-Branche...")
         crm_short_branch_lower = crm_branche.strip().lower()
-        best_crm_fallback = next((val for key, val in allowed_branches_lookup.items() if crm_short_branch_lower in key and crm_short_branch_lower), None)
+        best_crm_fallback = next((val for key, val in allowed_branches_lookup.items() if crm_short_branch_lower and crm_short_branch_lower in key.lower()), None)
-        
         if best_crm_fallback:
             result["branch"] = best_crm_fallback
             result["consistency"] = "fallback_crm_substring"
-            result["justification"] = f"Fallback: KI-Vorschlag ungültig. CRM-Branche '{crm_branche}' passt zu Schema '{best_crm_fallback}'."
+            result["justification"] = f"Fallback: KI-Vorschlag ungültig. CRM-Branche '{crm_branche}' passt zu '{best_crm_fallback}'."
             result["confidence"] = "N/A (Fallback)"
         else:
             result["branch"] = "FEHLER - UNGUELTIGE ZUWEISUNG"
             result["consistency"] = "fallback_invalid"
-            result["justification"] = f"Fehler: Weder KI-Vorschlag ('{suggested_branch}') noch CRM-Branche ('{crm_branche}') passen zum Schema."
+            result["justification"] = f"Fehler: Weder KI ('{suggested_branch}') noch CRM ('{crm_branche}') passen."
             result["confidence"] = "N/A (Fehler)"
 
     logger.debug(f"Finale Branch-Evaluation: {result}")