🙏 Widerspruchsassistent

Ein KI-gestützter Assistent für die Erstellung von Widersprüchen gegen Behördenbescheide

Ein intelligenter Streamlit-basierter Assistent, der Nutzern hilft, rechtlich korrekte Widersprüche gegen Bescheide von Behörden zu erstellen. Das System verwendet LLM-agnostische Architektur mit LangChain und unterstützt mehrere KI-Anbieter.

🌟 Features

📄 Dokumentenanalyse

• OCR-Verarbeitung: Automatische Texterkennung aus PDF-Dokumenten
• Intelligente Analyse: KI-gestützte Interpretation von Behördenbescheiden
• Interaktiver Chat: Stellen Sie Fragen zu Ihrem Dokument

⚖️ Widerspruchserstellung

• Automatische Generierung: KI erstellt formelle Widersprüche basierend auf Ihren Angaben
• Rechtliche Korrektheit: Spezialisiert auf deutsches Sozial- und Verwaltungsrecht
• Anpassbare Vorlagen: Personalisieren Sie Widersprüche nach Ihren Bedürfnissen

🔄 LLM-Flexibilität

• Multi-Provider Support: Mistral, OpenAI, Anthropic
• Kosteneffizienz: Wählen Sie den besten Anbieter für Ihre Bedürfnisse
• Spezialisierte OCR: Mistral für optimale Dokumentenverarbeitung

🏗️ Architektur

Hybrid-Ansatz

• LLM-Operationen (Chat, Widerspruchserstellung): LLM-agnostisch via LangChain
• OCR-Operationen (Dokumentenverarbeitung): Mistral-spezifisch (proprietäre OCR)

Unterstützte Anbieter

Anbieter	Modelle	Dokument-URLs	Beste Verwendung
Mistral	magistral-medium-2509, ministral-8b-latest	✅	Kosteneffizient, deutsche Sprache
OpenAI	gpt-4o-mini, gpt-4o	✅ (Vision-Modelle)	Hohe Qualität, Vision-Fähigkeiten
Anthropic	claude-3-5-sonnet-20241022	✅	Langer Kontext, komplexe Argumentation

🚀 Installation

Voraussetzungen

• Python 3.8+
• Streamlit
• API-Schlüssel für gewählte LLM-Anbieter
• Mistral API-Schlüssel (immer erforderlich für OCR)

1. Repository klonen

git clone <repository-url>
cd 23_RECHTSO

2. Abhängigkeiten installieren

pip install -r requirements.txt

3. Konfiguration einrichten

# Beispiel-Konfiguration kopieren
cp .env.example .env

# .env mit Ihren API-Schlüsseln bearbeiten

4. Anwendung starten

cd app
streamlit run pages/1_📄_Erkläre_mein_Dokument.py

⚙️ Konfiguration

Schnelle Einrichtung

1. Primären LLM-Anbieter wählen:

   LLM_PROVIDER=mistral  # oder "openai" oder "anthropic"

2. API-Schlüssel konfigurieren:

   # Mistral (immer erforderlich für OCR)
   MISTRAL_API_KEY=ihr_mistral_api_schluessel
   
   # OpenAI (optional - nur wenn OpenAI verwendet wird)
   OPENAI_API_KEY=ihr_openai_api_schluessel
   
   # Anthropic (optional - nur wenn Anthropic verwendet wird)
   ANTHROPIC_API_KEY=ihr_anthropic_api_schluessel

Detaillierte Konfiguration

Siehe ENV_README.md für eine vollständige Anleitung zur Konfiguration.

📁 Projektstruktur

23_RECHTSO/
├── .env                         # Ihre Konfiguration (privat!)
├── .env.example                # Konfigurationsvorlage
├── ENV_README.md               # Konfigurationsanleitung
├── app/                        # Hauptanwendungsverzeichnis
│   ├── pages/                  # Streamlit-Seiten
│   │   ├── 1_📄_Erkläre_mein_Dokument.py
│   │   └── 2_📄_Erstelle_einen_Widerspruch.py
│   ├── config.py               # Konfigurationsverwaltung
│   ├── llm_providers.py        # LLM-Anbieter-Abstraktion
│   ├── conversation_service.py # Gesprächsservice
│   ├── ocr_service.py         # OCR-Service
│   ├── utils.py               # Hilfsfunktionen
│   └── test_imports.py         # Import-Test-Skript
├── requirements.txt             # Python-Abhängigkeiten
├── README.md                   # Diese Datei
└── LLM_AGNOSTIC_README.md     # Technische Dokumentation

🎯 Verwendung

1. Dokument hochladen

• Gehen Sie zur Hauptseite
• Laden Sie Ihr PDF-Dokument hoch
• Das System verarbeitet es automatisch mit OCR

2. Dokument verstehen

• Besuchen Sie "📄 Erkläre mein Dokument"
• Stellen Sie Fragen zu Ihrem Dokument
• Erhalten Sie verständliche Erklärungen

3. Widerspruch erstellen

• Besuchen Sie "📄 Erstelle einen Widerspruch"
• Beschreiben Sie die Leistungen, die Sie beantragt haben
• Das System erstellt automatisch einen formellen Widerspruch

🔧 Entwicklung

Lokale Entwicklung

1. Repository klonen und einrichten:

   git clone <repository-url>
   cd 23_RECHTSO
   pip install -r requirements.txt

2. Konfiguration testen:

   cd app
   python test_imports.py

3. Anwendung im Entwicklungsmodus starten:

   streamlit run pages/1_📄_Erkläre_mein_Dokument.py --server.runOnSave true

Neue LLM-Anbieter hinzufügen

1. Neuen Anbieter in llm_providers.py implementieren:

   class NewProvider(BaseLLMProvider):
       def _create_client(self):
           # Implementierung
       def chat_complete(self, messages):
           # Implementierung

2. Konfiguration in config.py erweitern

3. Factory-Methode aktualisieren

🚨 Wichtige Hinweise

Rechtlicher Disclaimer

⚠️ Dieser Assistent erstellt nur Vorschläge für Widersprüche. Lassen Sie diese von einem Anwalt prüfen, bevor Sie sie einreichen.

Datenschutz

🔒 Ihre Dokumente werden nur zur Verarbeitung verwendet und nicht gespeichert.

API-Kosten

💰 Überwachen Sie Ihre API-Nutzung und Kosten bei den jeweiligen Anbietern.

🐛 Fehlerbehebung

Häufige Probleme

"No module named 'langchain_mistralai'"

pip install langchain-mistralai langchain-openai langchain-anthropic mistralai

"API-Schlüssel nicht konfiguriert"

• Überprüfen Sie Ihre secrets.toml-Datei
• Stellen Sie sicher, dass der Anbieter-Name korrekt ist
• Mistral API-Schlüssel ist immer erforderlich (für OCR)

"Empty response from AI model"

• Überprüfen Sie die Gültigkeit Ihres API-Schlüssels
• Kontrollieren Sie Ihr Guthaben bei dem Anbieter
• Überprüfen Sie anbieter-spezifische Ratenlimits

🔗 Nützliche Links

• Streamlit Documentation
• LangChain Documentation
• Mistral AI Console
• OpenAI Platform
• Anthropic Console

---