Lohnbüro-Tool

Lokales Tool zur automatischen Extraktion von Stammdaten aus deutschen Lohn- und Gehaltsabrechnungen (PDF) und zum Eintrag in eine Excel-Vorlage ("Arbeitnehmer-Liste" für Insolvenzgeld-Verfahren).

• Drag-and-Drop für PDFs (auch eingescannte, verpixelte Dokumente)
• Verarbeitet auch große PDFs mit hunderten Seiten
• Doppelte Verifikation jeder Seite: jede Seite läuft 2× durch Claude; abweichende Werte werden im Excel orange markiert und bekommen einen Kommentar mit den beiden Lesungen, damit der Bediener sie prüfen kann
• Aggregiert mehrere Seiten desselben Mitarbeiters (gleiche Pers-Nr) zu einem Datensatz
• Bestehende Excel-Vorlage wird kopiert; Formatierung und Formeln (Alter, Summen) bleiben erhalten

Setup auf dem Mac (Entwicklung & Test)

cd ~/Desktop/Lohnbuero-Tool
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env
# .env öffnen und ANTHROPIC_API_KEY eintragen
python app.py

API-Key besorgen: https://console.anthropic.com → API Keys → Create Key. Kosten ca. 1–3 Cent pro Seite (Claude Opus 4.7 mit Vision-PDF).

Tests

pytest tests/test_extraction.py -v

Macht echte API-Calls gegen die zwei Beispiel-PDFs in tests/fixtures/ und prüft, dass Pers-Nr 4 (Nitu) korrekt erkannt wird (Geburtsdatum, Eintritt, Adresse, SV-Nr ≠ Steuer-ID).

Build der Windows-EXE (für den Rechner deines Vaters)

Du musst nichts auf Windows bauen — das macht GitHub Actions automatisch.

1. Repo auf GitHub pushen (privat ist ok).
2. .github/workflows/build-windows.yml läuft bei jedem Push auf main.
3. Im Repo unter Actions → Build Windows EXE → letzter Run → Artifacts die Lohnbuero-Tool-Windows.zip herunterladen, entpacken → fertige Lohnbuero-Tool.exe.
4. EXE auf den Windows-Rechner kopieren, Doppelklick.
5. Beim ersten Start: Button API-Key… klicken und den Anthropic-Key einmalig eintragen (wird in der Windows-Registry gespeichert).

Für eine offizielle Version mit Tag (git tag v0.1 && git push --tags) wird die EXE automatisch an einen GitHub Release angehängt.

Projektstruktur

Lohnbuero-Tool/
├── app.py                 # PySide6 GUI Entry-Point
├── src/
│   ├── pdf_splitter.py    # PDF → einzelne Seiten
│   ├── extractor.py       # Claude API: Extraktion + Verifikation
│   ├── aggregator.py      # Mehrere Seiten pro Mitarbeiter zusammenführen
│   ├── excel_writer.py    # Template befüllen + Orange-Markierung
│   └── models.py          # Datenklassen + Excel-Spalten-Mapping
├── tests/
│   ├── fixtures/          # 2 Beispiel-PDFs + Excel-Template
│   └── test_extraction.py
├── .github/workflows/build-windows.yml
├── requirements.txt
└── .env.example

Wie der Double-Check funktioniert

Pro PDF-Seite:

1. Pass 1 (Extract): Claude liest das PDF, gibt strukturiertes JSON zurück.
2. Pass 2 (Verify): Claude bekommt das PDF und das JSON aus Pass 1, wird aufgefordert, jedes Feld erneut zu prüfen, gibt eigenes JSON zurück.
3. Felder, bei denen Pass 1 ≠ Pass 2 → als unsicher markiert.

Beim Schreiben ins Excel:

• Sichere Felder → normal
• Unsichere Felder → orange Hintergrund + Kommentar mit beiden Werten

Bei Mitarbeitern, die auf mehreren Abrechnungen vorkommen (z.B. 3 Monate), werden zusätzlich die Lesungen über die Seiten hinweg verglichen — auch hier führen Konflikte zu einer Orange-Markierung.

Sicherheit / Datenschutz

• API-Key wird lokal gespeichert (Mac: .env; Windows: Registry).
• PDFs werden zur Verarbeitung an die Anthropic API gesendet (USA/EU). Anthropic bietet einen DSGVO-konformen DPA an.
• Keine Daten werden persistent bei Anthropic gespeichert (Standard-Policy).

Bekannte Einschränkungen Phase 1

• Nur Stammdaten (keine Monats-Brutto-Werte). Das kommt in Phase 2.
• Datumswerte werden als Text im DD.MM.YYYY-Format ins Excel geschrieben.
• Keine OCR-Fallback-Strategie ohne API (Internet auf dem Windows-Rechner nötig).