f2a12f1238
- Scraper: HTML-Extraktion von ECOnGOOD-Webseite - Analyzer: LLM-Bewertung (Qwen) nach GWÖ-Matrix 2.0 - Aggregator: Partei-Auswertung + Kandidat:innen-Ranking - CLI: Reproduzierbarer Workflow (scrape → analyze → aggregate) - Output: 7 Dokumente inkl. Pressemitteilung und Methodik - 27 Kandidat:innen, 162 Einzelbewertungen
3.2 KiB
3.2 KiB
GWÖ-Wahlprüfsteine Auswertung
Telegram-Topic: 📋 Wahlprüfsteine (thread_id 7281) Status: ✅ Tool funktionsfähig, Auswertung komplett
Datenquelle
- URL: https://germany.econgood.org/wahlpruefsteine-zu-den-bayerischen-kommunalwahlen-2026
- Umfrage: Bayerische Kommunalwahlen 2026 (Bürgermeister-Kandidat:innen)
- Rücklauf: 27 veröffentlichte Antworten
- 6 Fragen zu GWÖ-Themen
Kernergebnisse
Das Substanz-Problem
Von 27 Kandidat:innen erreichen nur 3 einen GWÖ-Durchschnitt ≥ 5.0.
- Ø GWÖ-Score: 2.2/10
- Ø Substanz-Score: 0.9/3
- Ja-Quote: 75–100% bei den meisten Parteien
- Aber: Konkrete Maßnahmen fehlen häufig
Typisches Muster: "Ja" ohne Erläuterung oder mit Floskeln.
Parteilabel ≠ Kandidat:innen-Qualität
Die Bandbreite innerhalb der Parteien ist oft größer als zwischen Parteien:
| Partei | Ø GWÖ | Bandbreite | Δ |
|---|---|---|---|
| ÖDP | 4.2 | 0.9–5.8 | 4.9 |
| Grüne | 3.0 | 0.3–5.8 | 5.5 |
| Freie Wähler | 1.5 | 0.0–4.9 | 4.9 |
→ Fazit: Keine pauschale Parteiempfehlung möglich. Einzelne Kandidat:innen prüfen!
GWÖ-Vorreiter:innen
| Rang | Name | Kommune | Partei | Ø GWÖ |
|---|---|---|---|---|
| 1 | Heiko Helmbrecht | Landshut | ÖDP | 5.8 |
| 2 | Dominik Krause | München | Grüne | 5.8 |
| 3 | Nicole Kreußel | Bad Rodach | ÖDP | 5.8 |
Output-Dateien
wahlpruefsteine/output/
├── partei-auswertung.md # Detailreport mit Zitaten + Bandbreiten
├── parteienlandschaft.md # Komprimierte Übersicht
├── kandidaten-ranking.md # Alle 27 Kandidat:innen im Ranking
└── wahlempfehlung.md # Begründete Empfehlung + Substanz-Problem
CLI-Nutzung
cd wahlpruefsteine
source .venv/bin/activate
# Vollständiger Workflow
python3 cli.py run
# Einzelne Schritte
python3 cli.py scrape # Daten laden
python3 cli.py analyze # LLM-Bewertung (Qwen)
python3 cli.py aggregate # Reports generieren
python3 cli.py status # Übersicht
python3 cli.py export # JSON-Export
Architektur
wahlpruefsteine/
├── cli.py # Haupteinstiegspunkt
├── scraper.py # HTML → SQLite
├── analyzer.py # LLM-Bewertung (Qwen via DashScope)
├── aggregator.py # Partei-Aggregation + Reports
├── schema.sql # Datenbankschema
├── wahlpruefsteine.db # SQLite (162 Bewertungen)
└── .venv/ # Python Virtual Environment
Bewertungskriterien
Substanz-Score (0-3)
- 0: Keine Antwort / nur Ja-Nein
- 1: Ausweichend, Floskeln
- 2: Substanziell, erkennbare Haltung
- 3: Umfassend mit konkreten Maßnahmen
GWÖ-Score (0-10)
Nach Matrix 2.0 für Gemeinden:
- 7-10: Vorbildlich
- 4-6: Erfahren
- 2-3: Fortgeschritten
- 0-1: Basislinie
Technologie
- Python 3.11+ mit venv
- SQLite (lokale DB)
- Qwen Plus via DashScope API
- BeautifulSoup (HTML-Parsing)
- Kosten: ~$0.10 für 162 Bewertungen
Weiterführende Dokumentation
DOKUMENTATION.md— Technische DetailsANLEITUNG-NACHBAU.md— Schritt-für-Schritt für eigene Projekte
Erstellt: 29.03.2026