Update app.py

app.py

@@ -18,8 +18,6 @@ df.columns = (
     df.columns
     .str.strip()
     .str.replace(" ", " ", regex=False)  # geschützte Leerzeichen
-    .str.replace("CHF", "€")
-    .str.replace("grösse", "größe")
 )
 
 # Datum verarbeiten
@@ -35,14 +33,14 @@ else:
 
 X = df[[
     "Kundentyp", "Branche", "Produktgruppe", "Region", "Kanal",
-    "Dringlichkeit", "Wochentag", "Anfrage_Text", "Projektgröße €"
+    "Dringlichkeit", "Wochentag", "Anfrage_Text", "Projektgröße (€)"
 ]]
 y = df["Abschluss"]
 
 categorical_features = ["Kundentyp", "Branche", "Produktgruppe", "Region",
                         "Kanal", "Dringlichkeit", "Wochentag"]
 text_feature = "Anfrage_Text"
-numeric_feature = "Projektgröße €"
+numeric_feature = "Projektgröße (€)"
 
 # ----------------------------
 # 🧠 Modell-Pipeline
@@ -77,7 +75,7 @@ def predict_lead(kundentyp, branche, produktgruppe, region, kanal,
         "Dringlichkeit": dringlichkeit,
         "Wochentag": wochentag,
         "Anfrage_Text": anfrage_text,
-        "Projektgröße €": float(projektgroesse)
+        "Projektgröße (€)": float(projektgroesse)
     }])
 
     prob = pipeline.predict_proba(input_data)[0][1]