Deutsche Fassung

app.py

@@ -54,13 +54,13 @@ def initialize_local_models():
 def initialize_app():
     """Initialize the Streamlit application"""
     st.set_page_config(
-        page_title="Video Frame Analyzer with Ontology",
+        page_title="Masterarbeit – Prototyp zur Bahngleiserfassung",
         page_icon="🎥",
         layout="wide"
     )
     
-    st.title("🎥 Video Frame Analyzer with Ontology-Based Risk Assessment")
-    st.markdown("Upload a video and analyze frames using AI models with ontology-based safety classification")
+    st.title("🎥 Masterarbeit – Prototyp zur Bahngleiserfassung")
+    st.markdown(" Dieses Tool wurde im Rahmen einer Masterarbeit entwickelt. Es dient zur **Analyse von Videoaufnahmen auf sicherheitskritische Situationen** im Bahnumfeld. Der Prototyp verwendet **lokale KI-Modelle**, um Personen im Gleisbereich zu erkennen,  und kombiniert diese Erkennung mit einer ontologiebasierten Risikobewertung zur Einschätzung  potenzieller Gefahren.")
 
 
 def setup_local_models():
@@ -72,7 +72,7 @@ def setup_local_models():
         try:
             local_manager = initialize_local_models()
             local_models_available = True
-            st.success("🤖 Local AI models initialized successfully!")
+            st.success("🤖 Die lokalen Modelle wurden erfolgreich geladen.!")
         except Exception as e:
             st.warning(f"Local AI models not available: {str(e)}")
             st.info("💡 Install AI packages: `pip install torch torchvision transformers accelerate sentencepiece`")

app_original_backup.py

@@ -440,7 +440,7 @@ def main():
             )
         
         # Process button
-        process_button = st.button("Process Video", type="primary")
+        process_button = st.button("Video auswählen", type="primary")
     
     with col2:
         st.header("Results")

ui_components.py

@@ -23,7 +23,7 @@ def render_sidebar_config(settings: Dict, local_models_available: bool, local_ma
     Returns configuration settings
     """
     with st.sidebar:
-        st.header("Configuration")
+        st.header("Konfiguration")
         
         # Model type selection
         available_options = []
@@ -34,7 +34,7 @@ def render_sidebar_config(settings: Dict, local_models_available: bool, local_ma
         model_type = st.radio(
             "Model Type",
             available_options,
-            help="Choose between local AI models or remote Hugging Face API"
+            help="Wähle zwischen den KI-Modellen"
         )
         
         # Model selection based on type
@@ -75,11 +75,21 @@ def render_sidebar_config(settings: Dict, local_models_available: bool, local_ma
 def _render_local_model_config(local_manager) -> tuple:
     """Render local model configuration"""
     available_local_models = local_manager.get_available_models()
+
+    # Standard-Auswahl auf "Person on Track Detector" setzen (falls vorhanden)
+    default_index = (
+        available_local_models.index("Person on Track Detector")
+        if "Person on Track Detector" in available_local_models else 0
+    )
+
     selected_model = st.selectbox(
-        "Select Local Model",
+        "Lokales Modell auswählen",
         options=available_local_models,
+        index=default_index,  # <-- diese Zeile ist neu
         help="Choose between CNN (fast) or Transformer (detailed) models"
     )
+
+
     
     # Show model info
     model_info = local_manager.get_model_info()
@@ -141,7 +151,7 @@ def render_prompt_section(config: Dict[str, Any]) -> str:
     if (model_type == "Local Models" and 
         selected_model == "Person on Track Detector"):
         # Person on Track Detector works automatically
-        st.info("🤖 Person on Track Detector works automatically - no prompt needed!")
+        st.info("🤖Das Modell ist mit einem ontologiebasierten Ansatz gefüttert und erfordert keinen Prompt")
         return "automatic"
     else:
         # Regular models need user prompt