Brancheneinstufung2/ARCHIVE_legacy_scripts/_legacy_gsheets_system/sync_manager.py

#!/usr/-bin/env python3
"""
sync_manager.py

Modul für den Datenabgleich zwischen einem D365 Excel-Export und dem Google Sheet.
Führt einen intelligenten "Full-Sync" durch, um neue, geänderte und
gelöschte Datensätze zu identifizieren und zu verarbeiten.
"""

import pandas as pd
import logging
import re, unicodedata
from collections import defaultdict

from config import COLUMN_ORDER, COLUMN_MAP, Config

class SyncStatistics:
    """Eine einfache Klasse zum Sammeln von Statistiken während des Sync-Prozesses."""
    def __init__(self):
        self.new_accounts = 0
        self.existing_accounts = 0
        self.archived_accounts = 0
        self.accounts_to_update = set()
        self.field_updates = defaultdict(int)
        self.conflict_accounts = set()
        self.field_conflicts = defaultdict(int)

    def generate_report(self):
        report = [
            "\n" + "="*50,
            " Sync-Prozess Abschlussbericht",
            "="*50,
            f"| Neue Accounts hinzugefügt:      | {self.new_accounts}",
            f"| Bestehende Accounts analysiert:   | {self.existing_accounts}",
            f"| Accounts für Archivierung markiert:| {self.archived_accounts}",
            "-"*50,
            f"| Accounts mit Updates gesamt:    | {len(self.accounts_to_update)}",
        ]
        if self.field_updates:
            report.append("| Feld-Updates im Detail:")
            # Sortiert die Feld-Updates nach Häufigkeit
            sorted_updates = sorted(self.field_updates.items(), key=lambda item: item[1], reverse=True)
            for field, count in sorted_updates:
                report.append(f"|   - {field:<25} | {count} mal")
        else:
            report.append("| Keine Feld-Updates durchgeführt.")
            
        report.append("-" * 50)
        report.append(f"| Accounts mit Konflikten:        | {len(self.conflict_accounts)}")
        if self.field_conflicts:
            report.append("| Feld-Konflikte im Detail:")
            sorted_conflicts = sorted(self.field_conflicts.items(), key=lambda item: item[1], reverse=True)
            for field, count in sorted_conflicts:
                report.append(f"|   - {field:<25} | {count} mal")
        else:
            report.append("| Keine Konflikte festgestellt.")
            
        report.append("="*50)
        return "\n".join(report)

class SyncManager:
    """
    Kapselt die Logik für den Abgleich zwischen D365-Export und Google Sheet.
    """

    def _normalize_text_for_comparison(self, text: str) -> str:
        """Normalisiert einen Text, um irrelevante Whitespace-Unterschiede zu ignorieren."""
        if not isinstance(text, str): text = str(text)
        # Ersetze Windows-Zeilenumbrüche, dann fasse alle Whitespace-Arten zusammen und trimme
        return " ".join(text.replace('\r\n', '\n').split())

    def __init__(self, sheet_handler, d365_export_path):
        self.sheet_handler = sheet_handler
        self.d365_export_path = d365_export_path
        self.logger = logging.getLogger(__name__)
        self.stats = SyncStatistics()
        self.target_sheet_name = None

        self.d365_to_gsheet_map = {
            "Account Name": "CRM Name", "Parent Account": "Parent Account Name",
            "Website": "CRM Website", "City": "CRM Ort", "Country": "CRM Land",
            "Description FSM": "CRM Beschreibung", "Branch detail": "CRM Branche",
            "No. Service Technicians": "CRM Anzahl Techniker",
            "Annual Revenue (Mio. €)": "CRM Umsatz",
            "Number of Employees": "CRM Anzahl Mitarbeiter", "GUID": "CRM ID"
        }
        
        self.d365_wins_cols = ["CRM Name", "Parent Account Name", "CRM Ort", "CRM Land", 
                               "CRM Anzahl Techniker", "CRM Branche", "CRM Umsatz", 
                               "CRM Anzahl Mitarbeiter", "CRM Beschreibung"]
        self.smart_merge_cols = ["CRM Website"]

    def _load_data(self):
        """Lädt und bereitet die Daten aus D365 (Excel) und Google Sheets vor. Hart gegen „verschmutzte“ Header im Sheet."""
        # ----------------------------
        # D365-EXPORT LADEN (Excel)
        # ----------------------------
        self.logger.info(f"Lade Daten aus D365-Export: '{self.d365_export_path}'...")
        try:
            # Alles als String laden und NaN -> '' setzen, damit Vergleiche stabil sind
            temp_d365_df = pd.read_excel(self.d365_export_path, dtype=str).fillna('')

            # Erwartete Spalten aus dem D365-Export prüfen
            for d365_col in self.d365_to_gsheet_map.keys():
                if d365_col not in temp_d365_df.columns:
                    raise ValueError(f"Erwartete Spalte '{d365_col}' nicht in der D365-Exportdatei gefunden.")

            # Auf die relevanten Spalten reduzieren und auf GSheet-Namen umbenennen
            self.d365_df = temp_d365_df[list(self.d365_to_gsheet_map.keys())].copy()
            self.d365_df.rename(columns=self.d365_to_gsheet_map, inplace=True)

            # GUID-Format vereinheitlichen (lowercase, Trim) und nur gültige GUIDs behalten
            if 'CRM ID' not in self.d365_df.columns:
                raise ValueError("Nach dem Umbenennen fehlt die Spalte 'CRM ID' im D365-DataFrame.")
            self.d365_df['CRM ID'] = self.d365_df['CRM ID'].str.strip().str.lower()
            self.d365_df = self.d365_df[self.d365_df['CRM ID'].str.match(r'^[0-9a-f]{8}-([0-9a-f]{4}-){3}[0-9a-f]{12}$', na=False)]

            # Leere DataFrames vermeiden: fehlende Spalten aus COLUMN_ORDER ergänzen
            for col_name in COLUMN_ORDER:
                if col_name not in self.d365_df.columns:
                    self.d365_df[col_name] = ''

        except Exception as e:
            self.logger.critical(f"Fehler beim Laden der Excel-Datei: {e}", exc_info=True)
            return False

        # ----------------------------
        # GOOGLE SHEET LADEN + HEADER NORMALISIEREN
        # ----------------------------
        self.logger.info("Lade bestehende Daten aus dem Google Sheet...")
        try:
            all_data_with_headers = self.sheet_handler.get_all_data_with_headers()

            if not all_data_with_headers or len(all_data_with_headers) < self.sheet_handler._header_rows:
                # Kein valider Header -> leeres DF mit korrekter Spaltenreihenfolge
                self.gsheet_df = pd.DataFrame(columns=COLUMN_ORDER)
            else:
                actual_header = all_data_with_headers[self.sheet_handler._header_rows - 1]
                data_rows = all_data_with_headers[self.sheet_handler._header_rows:]

                # Header im Log als repr ausgeben, um unsichtbare Zeichen später schnell zu finden
                try:
                    self.logger.debug("Roh-Header (repr): " + " | ".join(repr(h) for h in actual_header))
                except Exception:
                    pass

                # ---- Header-Normalisierung (NBSP, Zero-Width, BOM, überflüssige Spaces) ----
                def _norm_header(s: str) -> str:
                    if s is None:
                        return ""
                    s = str(s)
                    s = s.replace("\u00A0", " ")  # NBSP -> Space
                    s = s.replace("\u200B", "").replace("\u200E", "").replace("\u200F", "").replace("\ufeff", "")  # ZWSP/RTL/BOM raus
                    # Control/Format Zeichen entfernen
                    s = "".join(ch for ch in s if unicodedata.category(ch) not in ("Cf", "Cc", "Cs"))
                    # Whitespace normalisieren
                    s = re.sub(r"\s+", " ", s).strip()
                    return s

                norm_header = [_norm_header(h) for h in actual_header]

                # Evtl. doppelte (normalisierte) Header technisch eindeutig machen
                seen = {}
                unique_norm_header = []
                for h in norm_header:
                    n = seen.get(h, 0)
                    unique_norm_header.append(h if n == 0 else f"{h}__dup{n}")
                    seen[h] = n + 1

                # Datenzeilen auf Header-Länge bringen und direkt zu Strings casten
                fixed_rows = []
                target_len = len(unique_norm_header)
                for r in data_rows:
                    if len(r) < target_len:
                        r = r + [''] * (target_len - len(r))
                    else:
                        r = r[:target_len]
                    fixed_rows.append([str(v) for v in r])

                temp_df = pd.DataFrame(fixed_rows, columns=unique_norm_header)

                # Kanonische Namen (COLUMN_ORDER) vorbereiten: normalisiert -> Original
                canon_map = {_norm_header(c): c for c in COLUMN_ORDER}

                # Spalten umbenennen (normalisierte -> kanonische Namen) und unmappbare loggen
                rename_map = {}
                unmapped_cols = []
                for col in list(temp_df.columns):
                    base = col.split("__dup")[0]  # Duplikatsuffix entfernen
                    if base in canon_map:
                        rename_map[col] = canon_map[base]
                    else:
                        unmapped_cols.append(col)

                if rename_map:
                    temp_df.rename(columns=rename_map, inplace=True)

                if unmapped_cols:
                    self.logger.warning(
                        "Folgende GSheet-Spalten konnten NICHT auf COLUMN_ORDER gemappt werden "
                        "(vermutlich fremde/alte/abweichende Header): "
                        + ", ".join([f"{c!r}" for c in unmapped_cols])
                    )

                # Fehlende Spalten (gegenüber COLUMN_ORDER) ergänzen
                for col_name in COLUMN_ORDER:
                    if col_name not in temp_df.columns:
                        temp_df[col_name] = ""

                # Final in gewünschte Reihenfolge bringen
                self.gsheet_df = temp_df[COLUMN_ORDER]

                # Sanity-Check für den gemeldeten Fall (nur Info-Log)
                try:
                    if "CRM Anzahl Techniker" in self.gsheet_df.columns and "CRM ID" in self.gsheet_df.columns:
                        probe_guid = "0f68a69d-e330-ec11-b6e6-000d3adbc80e"
                        probe_row = self.gsheet_df[self.gsheet_df["CRM ID"].str.lower() == probe_guid]
                        if not probe_row.empty:
                            val = probe_row.iloc[0]["CRM Anzahl Techniker"]
                            self.logger.info(
                                f"Sanity-Check: GSheet['CRM Anzahl Techniker'] für {probe_guid} -> {val!r} (Typ: {type(val)})"
                            )
                except Exception:
                    # Nur zur Sicherheit – Sync soll nicht am Check scheitern
                    pass

        except Exception as e:
            self.logger.critical(f"Fehler beim Laden/Umwandeln der GSheet-Daten: {e}", exc_info=True)
            return False

        # ----------------------------
        # ZIEL-SHEET ERMITTELN & SYNC-BASIS BESTIMMEN
        # ----------------------------
        self.target_sheet_name = self.sheet_handler.get_main_sheet_name()
        if not self.target_sheet_name:
            self.logger.critical("Konnte Namen des Ziel-Sheets nicht ermitteln. Abbruch.")
            return False

        # IDs bestimmen (nur auf gefüllte CRM IDs)
        d365_ids = set(self.d365_df['CRM ID'].dropna()) if 'CRM ID' in self.d365_df.columns else set()
        gsheet_ids = set(self.gsheet_df['CRM ID'].dropna()) if 'CRM ID' in self.gsheet_df.columns else set()

        new_ids = d365_ids - gsheet_ids
        existing_ids = d365_ids.intersection(gsheet_ids)

        # Archivierung wird (wie bisher) übersprungen – Teil-Export angenommen
        deleted_ids = set()
        self.logger.info("Archivierungs-Schritt wird übersprungen (Teil-Export angenommen).")

        self.logger.info(
            f"Sync-Basis: {len(new_ids)} neu, {len(existing_ids)} vorhanden, {len(deleted_ids)} gelöscht (übersprungen)."
        )

        # Ergebnisse in Objekt speichern
        self.new_ids = new_ids
        self.existing_ids = existing_ids
        self.deleted_ids = deleted_ids

        return True


    def run_sync(self):
        """Führt den gesamten Synchronisationsprozess aus."""
        if not self._load_data(): return
            
        self.target_sheet_name = self.sheet_handler.get_main_sheet_name()
        if not self.target_sheet_name:
            self.logger.critical("Konnte Namen des Ziel-Sheets nicht ermitteln. Abbruch.")
            return

        d365_ids = set(self.d365_df['CRM ID'].dropna())
        gsheet_ids = set(self.gsheet_df['CRM ID'].dropna())

        new_ids = d365_ids - gsheet_ids
        deleted_ids = set()
        self.logger.info("Archivierungs-Schritt wird übersprungen (Teil-Export angenommen).")
        existing_ids = d365_ids.intersection(gsheet_ids)

        # Statistik befüllen
        self.stats.new_accounts = len(new_ids)
        self.stats.archived_accounts = len(deleted_ids)
        self.stats.existing_accounts = len(existing_ids)
        self.logger.info(f"Sync-Analyse: {self.stats.new_accounts} neue, {self.stats.archived_accounts} zu archivierende, {self.stats.existing_accounts} bestehende Accounts.")

        updates_to_batch, rows_to_append = [], []
        
        if new_ids:
            new_accounts_df = self.d365_df[self.d365_df['CRM ID'].isin(new_ids)]
            for _, row in new_accounts_df.iterrows():
                new_row_data = [""] * len(COLUMN_ORDER)
                for gsheet_col in self.d365_to_gsheet_map.values():
                    if gsheet_col in row:
                        col_idx = COLUMN_MAP[gsheet_col]['index']
                        new_row_data[col_idx] = row[gsheet_col]
                rows_to_append.append(new_row_data)
        
        if existing_ids:
            d365_indexed = self.d365_df.set_index('CRM ID')
            gsheet_to_update_df = self.gsheet_df[self.gsheet_df['CRM ID'].isin(existing_ids)]

            for original_row_index, gsheet_row in gsheet_to_update_df.iterrows():
                crm_id = gsheet_row['CRM ID']
                if crm_id not in d365_indexed.index: continue
                d365_row = d365_indexed.loc[crm_id]
                
                row_updates, conflict_messages, needs_reeval = {}, [], False

                for gsheet_col in self.d365_wins_cols:
                    d365_val = str(d365_row[gsheet_col]).strip()
                    gsheet_val = str(gsheet_row[gsheet_col]).strip()
                    trigger_update = False
                    
                    if gsheet_col == 'CRM Land':
                        d365_code_lower, gsheet_val_lower = d365_val.lower(), gsheet_val.lower()
                        d365_translated_lower = Config.COUNTRY_CODE_MAP.get(d365_code_lower, d365_code_lower).lower()
                        if gsheet_val_lower != d365_code_lower and gsheet_val_lower != d365_translated_lower:
                            trigger_update = True
                    elif gsheet_col == 'CRM Anzahl Techniker':
                        if (d365_val == '-1' or d365_val == '0') and gsheet_val == '': pass
                        elif d365_val != gsheet_val: trigger_update = True
                    elif gsheet_col == 'CRM Branche':
                        if gsheet_row['Chat Vorschlag Branche'] == '' and d365_val != gsheet_val:
                            trigger_update = True
                    elif gsheet_col == 'CRM Umsatz':
                        if gsheet_row['Wiki Umsatz'] == '' and d365_val != gsheet_val:
                            trigger_update = True
                    elif gsheet_col == 'CRM Anzahl Mitarbeiter':
                        if gsheet_row['Wiki Mitarbeiter'] == '' and d365_val != gsheet_val:
                            trigger_update = True
                    elif gsheet_col == 'CRM Beschreibung':
                        if gsheet_row['Website Zusammenfassung'] == '' and d365_val != gsheet_val:
                            trigger_update = True
                    else:
                        if d365_val != gsheet_val: trigger_update = True
                    
                    if trigger_update:
                        row_updates[gsheet_col] = d365_val; needs_reeval = True
                        self.logger.debug(f"Update für {crm_id} durch '{gsheet_col}': D365='{d365_val}' | GSheet='{gsheet_val}'")
                
                for gsheet_col in self.smart_merge_cols:
                    d365_val = str(d365_row.get(gsheet_col, '')).strip()
                    gsheet_val = str(gsheet_row.get(gsheet_col, '')).strip()
                    if d365_val and not gsheet_val:
                        row_updates[gsheet_col] = d365_val; needs_reeval = True
                    elif d365_val and gsheet_val and d365_val != gsheet_val:
                        conflict_messages.append(f"{gsheet_col}_CONFLICT: D365='{d365_val}' | GSHEET='{gsheet_val}'")

                if conflict_messages: 
                    row_updates["SyncConflict"] = "; ".join(conflict_messages)
                    self.stats.conflict_accounts.add(crm_id)
                    for msg in conflict_messages: self.stats.field_conflicts[msg.split('_CONFLICT')[0]] += 1
                
                if needs_reeval: row_updates["ReEval Flag"] = "x"
                
                if row_updates:
                    self.stats.accounts_to_update.add(crm_id)
                    for field in row_updates.keys(): self.stats.field_updates[field] += 1
                    sheet_row_number = original_row_index + self.sheet_handler._header_rows + 1
                    for col_name, value in row_updates.items():
                         updates_to_batch.append({ "range": f"{COLUMN_MAP[col_name]['Titel']}{sheet_row_number}", "values": [[value]] })
        
        if rows_to_append:
            self.logger.info(f"Füge {len(rows_to_append)} neue Zeilen zum Google Sheet hinzu...")
            self.sheet_handler.append_rows(sheet_name=self.target_sheet_name, values=rows_to_append)
        
        if updates_to_batch:
            self.logger.info(f"Sende {len(updates_to_batch)} Zell-Updates an das Google Sheet...")
            self.sheet_handler.batch_update_cells(updates_to_batch)
        
        # --- WIEDERHERGESTELLTER STATISTIK-BLOCK ---
        report = self.stats.generate_report()
        self.logger.info(report)
        print(report)
        # --- ENDE STATISTIK-BLOCK ---

        self.logger.info("Synchronisation erfolgreich abgeschlossen.")

    def debug_sync(self, debug_id=None):
        """
        Führt eine Analyse des Sync-Prozesses durch. Ohne debug_id wird eine
        allgemeine Statistik ausgegeben. Mit debug_id wird eine Tiefenanalyse
        für einen einzelnen Datensatz durchgeführt.
        """
        self.logger.info("========== START SYNC-DEBUG-MODUS ==========")
        
        # Lade die Rohdaten, aber brich die _load_data Funktion noch nicht ab
        self.logger.info("Lade Rohdaten aus Google Sheet für Tiefenanalyse...")
        try:
            all_data_with_headers = self.sheet_handler.get_all_data_with_headers()
            if not all_data_with_headers:
                self.logger.error("Debug abgebrochen, Google Sheet ist leer.")
                return
        except Exception as e:
            self.logger.error(f"Debug abgebrochen, Fehler beim Laden der Rohdaten: {e}")
            return

        if not debug_id:
            # Führe den Rest von _load_data aus für die allgemeine Statistik
            if not self._load_data():
                self.logger.error("Debug abgebrochen, da das Laden der Daten fehlschlug.")
                return
            self.logger.info("Keine spezifische ID angegeben. Führe allgemeine Statistik-Analyse durch.")
            d365_ids = set(self.d365_df['CRM ID'])
            gsheet_ids = set(self.gsheet_df[self.gsheet_df['CRM ID'] != '']['CRM ID'].dropna())
            self.logger.info("\n--- Set-Analyse (Vergleich) ---")
            self.logger.info(f"Anzahl neuer IDs: {len(d365_ids - gsheet_ids)}")
            self.logger.info(f"Anzahl zu archivierender IDs: {len(gsheet_ids - d365_ids)}")
            self.logger.info(f"Größe der Schnittmenge: {len(d365_ids.intersection(gsheet_ids))}")
            self.logger.info("========== ENDE SYNC-DEBUG-MODUS ==========")
            return

        # --- TIEFENANALYSE FÜR EINE SPEZIFISCHE ID ---
        self.logger.info(f"\n--- Tiefenanalyse für CRM ID: {debug_id} ---")
        debug_id_lower = debug_id.lower().strip()
        
        # 1. Finde die Roh-Zeile im Google Sheet
        self.logger.info("\n--- Rohdaten-Analyse aus Google Sheet ---")
        header = all_data_with_headers[self.sheet_handler._header_rows - 1]
        crm_id_index = -1
        try:
            # Finde den Index der 'CRM ID' Spalte im Header
            crm_id_index = header.index("CRM ID")
        except ValueError:
            self.logger.error("Spalte 'CRM ID' nicht im Header des Google Sheets gefunden!")

        found_raw_row = None
        if crm_id_index != -1:
            for i, row in enumerate(all_data_with_headers[self.sheet_handler._header_rows:]):
                # Stelle sicher, dass die Zeile lang genug ist
                if len(row) > crm_id_index:
                    if str(row[crm_id_index]).lower().strip() == debug_id_lower:
                        found_raw_row = row
                        self.logger.info(f"Roh-Zeile gefunden bei Index {i} (nach Header):")
                        self.logger.info(found_raw_row)
                        break
        
        if not found_raw_row:
             self.logger.warning("ID in den Rohdaten des Google Sheets nicht gefunden.")

        # 2. Führe jetzt die normale Datenverarbeitung durch, um das DataFrame zu bekommen
        if not self._load_data():
            self.logger.error("Debug abgebrochen, da das Laden der Daten fehlschlug.")
            return

        # 3. Analyse der DataFrames (wie gehabt)
        d365_row = self.d365_df[self.d365_df['CRM ID'] == debug_id_lower]
        if d365_row.empty:
            self.logger.warning("ID in D365-Export nicht gefunden.")
        else:
            self.logger.info("\nDatensatz aus D365-Export (nach Verarbeitung):")
            self.logger.info(d365_row.to_dict('records')[0])

        gsheet_row = self.gsheet_df[self.gsheet_df['CRM ID'] == debug_id_lower]
        if gsheet_row.empty:
            self.logger.warning("ID im Google Sheet DataFrame nicht gefunden (nach Bereinigung).")
        else:
            self.logger.info("\nDatensatz aus Google Sheet (nach Verarbeitung zu DataFrame):")
            self.logger.info(gsheet_row.to_dict('records')[0])

        # 4. Direkter Vergleich des kritischen Feldes
        if not d365_row.empty and not gsheet_row.empty:
            self.logger.info("\n--- Direkter Feld-Vergleich: CRM Anzahl Techniker ---")
            d365_val = d365_row.iloc[0]['CRM Anzahl Techniker']
            gsheet_val = gsheet_row.iloc[0]['CRM Anzahl Techniker']
            
            self.logger.info(f"Wert aus D365: '{d365_val}' (Typ: {type(d365_val)})")
            self.logger.info(f"Wert aus GSheet DataFrame: '{gsheet_val}' (Typ: {type(gsheet_val)})")

            if str(d365_val).strip() != str(gsheet_val).strip():
                self.logger.info("--> Ergebnis: Werte sind UNTERSCHIEDLICH.")
            else:
                self.logger.info("--> Ergebnis: Werte sind IDENTISCH.")

        self.logger.info("========== ENDE SYNC-DEBUG-MODUS ==========")
    
    def simulate_sync(self, debug_id=None):
        """
        Führt eine reine "Trockenlauf"-Analyse des Sync-Prozesses durch, ohne Daten zu schreiben.
        Gibt einen detaillierten, gruppierten Bericht über alle potenziellen Änderungen aus.
        """
        self.logger.info("========== START SYNC-SIMULATION ==========")
        if not self._load_data():
            self.logger.error("Simulation abgebrochen, da das Laden der Daten fehlschlug.")
            return

        # Die Analyse-Logik ist identisch zum echten Lauf
        d365_ids = set(self.d365_df['CRM ID'].dropna())
        gsheet_ids = set(self.gsheet_df['CRM ID'].dropna())
        new_ids = d365_ids - gsheet_ids
        existing_ids = d365_ids.intersection(gsheet_ids)
        
        simulation_results = defaultdict(list)
        
        # 1. Bestehende Accounts analysieren
        if existing_ids:
            d365_indexed = self.d365_df.set_index('CRM ID')
            gsheet_to_update_df = self.gsheet_df[self.gsheet_df['CRM ID'].isin(existing_ids)]

            for _, gsheet_row in gsheet_to_update_df.iterrows():
                crm_id = gsheet_row['CRM ID']
                d365_row = d365_indexed.loc[crm_id]
                
                changes = []
                conflicts = []
                needs_reeval = False

                for gsheet_col in self.d365_wins_cols:
                    d365_val = str(d365_row[gsheet_col]).strip()
                    gsheet_val = str(gsheet_row[gsheet_col]).strip()
                    
                    trigger_update = False
                    if gsheet_col == 'CRM Land':
                        d365_code_lower, gsheet_val_lower = d365_val.lower(), gsheet_val.lower()
                        d365_translated = Config.COUNTRY_CODE_MAP.get(d365_code_lower, d365_code_lower).lower()
                        if gsheet_val_lower != d365_code_lower and gsheet_val_lower != d365_translated:
                            trigger_update = True
                    elif gsheet_col == 'CRM Anzahl Techniker':
                        semantically_empty = ['', '0', '-1']
                        if d365_val in semantically_empty and gsheet_val in semantically_empty: pass
                        elif d365_val != gsheet_val: trigger_update = True
                    elif gsheet_col == 'CRM Branche':
                        if gsheet_row['Chat Vorschlag Branche'] == '' and d365_val != gsheet_val:
                            trigger_update = True
                    elif gsheet_col == 'CRM Umsatz':
                        if gsheet_row['Wiki Umsatz'] == '' and d365_val != gsheet_val:
                            trigger_update = True
                    elif gsheet_col == 'CRM Anzahl Mitarbeiter':
                        if gsheet_row['Wiki Mitarbeiter'] == '' and d365_val != gsheet_val:
                            trigger_update = True
                    elif gsheet_col == 'CRM Beschreibung':
                        if gsheet_row['Website Zusammenfassung'] == '' and d365_val != gsheet_val:
                            trigger_update = True
                    else:
                        if d365_val != gsheet_val: trigger_update = True
                    
                    if trigger_update:
                        # --- NEUE KOMPAKTE LOG-AUSGABE ---
                        if gsheet_col == 'CRM Beschreibung':
                            changes.append(f"UPDATE: {gsheet_col} wurde geändert (Text zu lang für Log).")
                        else:
                            changes.append(f"UPDATE: {gsheet_col} von '{gsheet_val}' zu '{d365_val}'")
                        needs_reeval = True

                for gsheet_col in self.smart_merge_cols:
                    d365_val = str(d365_row.get(gsheet_col, '')).strip()
                    gsheet_val = str(gsheet_row.get(gsheet_col, '')).strip()
                    if d365_val and gsheet_val and d365_val != gsheet_val:
                        conflicts.append(f"CONFLICT: {gsheet_col} (D365='{d365_val}' vs GSheet='{gsheet_val}')")

                if changes or conflicts:
                    account_name = d365_row.get('CRM Name', 'Unbekannt')
                    key = f"ACCOUNT: {crm_id} ({account_name})"
                    simulation_results[key].extend(changes)
                    simulation_results[key].extend(conflicts)
                    if needs_reeval:
                        simulation_results[key].append("AKTION: ReEval Flag würde gesetzt werden.")

        # 2. Den Bericht generieren und ausgeben
        self.logger.info("\n\n" + "="*80)
        self.logger.info(" S Y N C   S I M U L A T I O N S B E R I C H T")
        self.logger.info("="*80)
        
        self.logger.info(f"\n--- ZUSAMMENFASSUNG ---")
        self.logger.info(f"Accounts im D365-Export: {len(d365_ids)}")
        self.logger.info(f"Accounts im Google Sheet: {len(gsheet_ids)}")
        self.logger.info(f"--> {len(new_ids)} NEUE Accounts würden hinzugefügt.")
        self.logger.info(f"--> {len(simulation_results)} BESTEHENDE Accounts würden geändert.")
        self.logger.info(f"--> {len(existing_ids) - len(simulation_results)} bestehende Accounts bleiben UNVERÄNDERT.")
        self.logger.info("-" * 80)
        
        if new_ids:
            self.logger.info(f"\n--- {len(new_ids)} NEUE ACCOUNTS ---")
            new_accounts_df = self.d365_df[self.d365_df['CRM ID'].isin(new_ids)]
            for _, row in new_accounts_df.head(20).iterrows(): # Zeige maximal die ersten 20
                self.logger.info(f"  - NEU: {row['CRM ID']} ({row['CRM Name']})")
            if len(new_ids) > 20: self.logger.info("  - ... und weitere.")
        
        if simulation_results:
            self.logger.info(f"\n--- {len(simulation_results)} ZU AKTUALISIERENDE ACCOUNTS ---")
            for account, details in simulation_results.items():
                self.logger.info(account)
                for detail in details:
                    self.logger.info(f"  - {detail}")
        
        self.logger.info("\n" + "="*80)
        self.logger.info(" S I M U L A T I O N   B E E N D E T")
        self.logger.info("="*80)