# Data Platform - Multi-Agent Service

Eine Full-Stack-Webapplikation für die Ausführung von Multi-Agent-Workflows zur Verarbeitung und Analyse von Daten basierend auf natürlichsprachlichen Benutzeranfragen.

Hier: http://localhost:8000/docs 

## Übersicht

Das System ermöglicht Benutzern:
- Hochladen und Verwalten verschiedener Datendateien
- Definieren von Prompts/Anweisungen für KI-Agenten
- Auswählen und Kombinieren spezialisierter Agenten
- Ausführen von Workflows mit Echtzeit-Protokollierung
- Visualisieren und Verwalten der Ergebnisse

## Projektstruktur

Das Projekt besteht aus zwei Hauptkomponenten:

### Frontend (HTML/CSS/JavaScript)

- `index.html` - Hauptstruktur der Benutzeroberfläche
- `styles.css` - Umfangreiches CSS für das responsive Design
- `script.js` - Client-seitige Logik für Interaktionen

### Backend (Python/FastAPI)

- `app.py` - Hauptanwendung mit API-Endpunkten
- `models.py` - Datenmodelle und Validierungsschemas
- `database.py` - Datenpersistenz (JSON-basiert für Demo)
- `agent_service.py` - Multi-Agent-Orchestrierung
- `requirements.txt` - Python-Abhängigkeiten

## Hauptfunktionen

### Workspace-Management
- Mehrere Workspaces für verschiedene Projekte
- Organisierte Gruppenarbeit mit geteilten Ressourcen

### Datei-Verarbeitung
- Upload verschiedener Dateitypen (PDF, Excel, Bilder, etc.)
- Automatische Erkennung und Kategorisierung

### Agent-Orchestrierung
- Kombination verschiedener Agent-Typen:
  - **Datenanalyse-Agent**: Extrahiert Insights aus strukturierten Daten
  - **Visualisierungs-Agent**: Erstellt Diagramme und visuelle Darstellungen
  - **Text-Generator**: Verfasst Berichte und Zusammenfassungen
  - **Web-Scraper**: Sammelt externe Daten
  - **Marktanalyse-Agent**: Spezialisiert auf Wettbewerbsanalyse

### Workflow-Ausführung
- Echtzeit-Protokollierung des Fortschritts
- Vollständige Nachverfolgbarkeit aller Schritte

### Ergebnis-Management
- Strukturierte Darstellung von Analysen, Diagrammen und Berichten
- Export- und Sharing-Funktionen

## Installation und Einrichtung

### Voraussetzungen
- Python 3.8+
- Ein moderner Webbrowser
- Optional: Node.js für Entwicklungswerkzeuge

### Frontend-Installation
1. Klonen des Repositories
2. Platzieren der Frontend-Dateien auf einem Webserver oder lokalen Entwicklungsserver:
   ```bash
   # Mit Python einen einfachen HTTP-Server starten
   python -m http.server 8080
   ```

### Backend-Installation
1. Virtuelle Umgebung erstellen und aktivieren:
   ```bash
   python -m venv venv
   source venv/bin/activate  # Linux/Mac
   venv\Scripts\activate     # Windows
   ```

2. Abhängigkeiten installieren:
   ```bash
   pip install -r requirements.txt
   ```

3. Server starten:
   ```bash
   uvicorn app:app --reload --host 0.0.0.0 --port 8000
   ```

4. Zugangspunkte:
   - Frontend: `http://localhost:8080`
   - Backend API: `http://localhost:8000`
   - API-Dokumentation: `http://localhost:8000/docs`

## Verwendung: Der Customer Journey

### 1. Workspace auswählen oder erstellen
- Wählen Sie einen vorhandenen Workspace oder erstellen Sie einen neuen für Ihr Projekt

### 2. Dateien hochladen
- Laden Sie die zu analysierenden Dateien hoch
- Das System erkennt automatisch Dateitypen und bereitet sie für die Verarbeitung vor

### 3. Prompt formulieren
- Definieren Sie in natürlicher Sprache, was Sie analysieren möchten
- Je präziser Ihre Anweisungen, desto zielgerichteter die Ergebnisse

### 4. Agenten konfigurieren
- Wählen Sie die passenden Agenten für Ihre Aufgabe
- Kombinieren Sie Agenten für umfassendere Analysen
  - Datenanalyse → Visualisierung → Textgenerierung

### 5. Workflow ausführen
- Starten Sie den Workflow und verfolgen Sie die Ausführung in Echtzeit
- Im linken Bereich sehen Sie die Konfiguration
- Im rechten Bereich werden Protokoll und Ergebnisse angezeigt

### 6. Ergebnisse verwenden
- Sehen Sie Analysen, Diagramme und Berichte ein
- Exportieren oder teilen Sie die Ergebnisse
- Iterieren Sie bei Bedarf mit angepassten Prompts oder Agent-Konfigurationen

## Anpassung und Erweiterung

### Integration mit echten KI-Diensten
Die aktuelle Implementierung simuliert die Agent-Verarbeitung. Für eine produktive Nutzung:

1. Erweitern Sie `agent_service.py` mit Integrationen zu:
   - OpenAI GPT-Modellen (ChatGPT, GPT-4)
   - Claude von Anthropic
   - Eigenentwickelten Modellen mit spezieller Expertise

2. Implementieren Sie robuste Datei-Parser für:
   - PDF-Dokumente mit OCR
   - Excel- und CSV-Verarbeitung
   - Bild- und Medienanalyse

3. Ergänzen Sie Authentifizierung und Autorisierung:
   - Benutzer-Accounts mit Rollenkonzept
   - API-Schlüsselverwaltung für externe Dienste
   - Sichere Datenspeicherung

### Datenbank-Migration
Für größere Installationen die JSON-basierte Datenbank ersetzen durch:
- PostgreSQL für relationale Daten
- MongoDB für Dokumente und unstrukturierte Daten
- Redis für Caching und Workflow-Status

## Technische Details

### Frontend-Architektur
- Vanilla JavaScript ohne Framework-Abhängigkeiten
- Modularer CSS-Ansatz für einfache Anpassungen
- Responsive Design für Desktop und mobile Nutzung

### Backend-Architektur
- FastAPI für hohe Performance und automatische API-Dokumentation
- Asynchrone Verarbeitung für parallele Agent-Ausführung
- Erweiterbare Service-Struktur für einfache Integration neuer Agententypen

## Lizenz

PRIVATE LICENSE PATRICK MOTSCH ValueOn AG
---
Für Fragen oder Unterstützung wenden Sie sich bitte an p.motsch@valueon.ch