Tätigkeitsnachweis-Generator

Streamlit-App zur automatisierten Erstellung von Tätigkeitsnachweisen aus Excel-Daten.

Setup

1. Python 3.9+ installieren (falls nicht vorhanden): https://python.org
2. Virtuelle Umgebung erstellen und Abhängigkeiten installieren:

python -m venv .venv
.venv\Scripts\activate     # Windows
pip install -r requirements.txt

3. App starten:

streamlit run app.py

Oder einfach start.bat (Windows) bzw. ./start.sh (macOS/Linux) ausführen.

Cold Run – Headless-Generierung

coldrun.py erzeugt ohne GUI einen Tätigkeitsnachweis für die erste Person – automatisch mit der ersten Input- und Template-Datei. Ergebnis wird auf macOS im Finder geöffnet.

# Kommandozeile
.venv/bin/python coldrun.py

# oder per Doppelklick (macOS)
coldrun.command

Bedienung

1. Input-Datei wählen – Dropdown zeigt alle .xlsx-Dateien aus dem input/-Ordner
   • Nach Auswahl wird die Datei sofort validiert
   • Angezeigt werden: Anzahl Mitarbeiter, Antragsnummern, Einträge pro Monat
2. Template wählen – Dropdown zeigt alle .xlsx-Dateien aus dem template/-Ordner
   • Nach Auswahl wird das Template sofort validiert
   • Angezeigt wird: Anzahl gefundener Zielfelder
3. Mitarbeiter auswählen – Multiselect-Liste aller gefundenen Mitarbeiter
   • Standardmäßig sind alle ausgewählt
   • Nicht selektierte Mitarbeiter werden bei der Generierung übersprungen
4. "Tätigkeitsnachweise generieren" klicken
   • Die generierten Dateien werden im output/-Ordner abgelegt

Konfiguration

Alle Einstellungen liegen im config/-Ordner:

settings.ini

• [paths] – Ordner für Input, Template, Output
• [output] – Dateinamen-Pattern ({first_name}, {last_name})
• [parsing] – Monats-Sheet-Erkennung, Leerzeilen-Verhalten

input-fields.json

Definiert die Spalten der Input-Tabelle:

• column: Spaltenbuchstabe (A, B, C…)
• field_name: Exakte Spaltenüberschrift aus der Excel-Datei
• type: string oder number
• required: true oder false

output-fields.json

Mapping von Input-Feldern auf Template-Zellen:

• source_field: Exakte Spaltenüberschrift aus input-fields.json
• target_cell: Zelladresse im Template (z. B. "C16")
• format: Optionaler Format-String (z. B. "%.2f" für Prozentwerte)

Erwartetes Input-Format

• Eine .xlsx-Datei mit einem Sheet pro Monat (z. B. "Januar 2025", "Februar 2025", …)
• Jedes Sheet hat in Zeile 1 die Spaltenüberschriften (laut input-fields.json)
• Daten beginnen ab Zeile 2
• Jede Zeile entspricht einer Mitarbeiter-Funktion-Kombination für diesen Monat

Output

• Pro selektiertem Mitarbeiter wird eine .xlsx-Datei erstellt
• Jeder Monat wird als eigenes Sheet (Kopie des Templates) eingefügt
• Dateiname: {Nachname}_{Vorname}_Tätigkeitsnachweis.xlsx

Tests

End-to-End-Tests parsen die reale Input-Datei (input/2025 JM.xlsx) und das reale Template (template/Tätigkeitsnachweise Stellenförderung.xlsx) und validieren den gesamten Generierungs-Workflow.

# Test-Abhängigkeiten installieren
.venv/bin/pip install pytest

# Tests ausführen
.venv/bin/python -m pytest tests/test_e2e.py -v

Die Tests prüfen:

• Vorhandensein der Input- und Template-Dateien
• Korrekte Parsierung (168 Datensätze, 19 Personen)
• Vollständige Pipeline für die erste Person („Draßdo, Cornelia"): 12 Monats-Sheets mit allen Zellinhalten (Antragsnummer, Name, Stellenanteil, Qualifikation, Monat, Funktion, Tätigkeit, Ort, Datum)