Promotion / feat(config): Vereinheitlichung aller Export- und Theme-Konfigurationen

- Refaktorierung aller Konfigurationsdateien (config_korrelation.py, config_netzwerk.py, config_deskriptive_literaturauswahl.py) zur einheitlichen Steuerung von Visualisierungs- und PNG-Export über zentrale Schalter:
    - export_fig_visual
    - export_fig_png
    - Einzel-Flags pro Plot als Ableitung des zentralen Schalters
- Integration der CI-konformen Templatefunktionen (get_standard_layout, get_colors, get_plot_styles) in alle Analyse-Skripte
- Standardisierte Exportlogik mittels `export_figure(...)` aus plotly_template, inkl. PNG-Support
- Titelergänzung mit Quelle (BibTeX-Dateiname), dynamischem Datum und Fallzahl
- Konsequent responsive Darstellung aller Visualisierungen

📁 Neue Datei:
- deskriptive-literaturauswahl.py: Ergänzung einer eigenständigen Analyse für deskriptive SC-Zeitreihenvisualisierung, basierend auf winsorisiertem Median, Quartilen und Bias-Schwellenwerten.

🔧 Hinweis:
- Die Exportdateien (HTML/PNG) sind CI-konform benannt und versionierbar

analyse_korrelation.py

@@ -2,6 +2,7 @@
 import os
 
 # Import theme and all export_fig_... variables from central config before any use
+from ci_template.plotly_template import export_figure
 from config_korrelation import (
     theme,
     export_fig_visual,
@@ -58,26 +59,8 @@ def prepare_figure_export(fig, name):
     safe_filename = slugify(f"{name}_{bib_filename.replace('.bib', '')}")
     return f"{safe_filename}.html"
 
-# Zentrale Exportfunktion
 def export_and_transfer_figure(fig, function_name, export_flag):
-    # Plot immer anzeigen, unabhängig vom Exportflag
+    export_figure(fig, function_name, export_flag, export_fig_png)
-    fig.show(config={"responsive": True})
-    print(f"🔄 Exportversuch: {function_name} | Aktiv: {export_flag}")
-
-    if export_flag:
-        export_path = prepare_figure_export(fig, function_name)
-        try:
-            fig.write_html(export_path, full_html=True, include_plotlyjs="cdn")
-            print(f"HTML gespeichert unter: {export_path}")
-
-            remote_path = "jochen-hanisch@sternenflottenakademie.local:/mnt/deep-space-nine/public/plot/promotion/"
-            result = subprocess.run(["scp", export_path, remote_path], check=True, capture_output=True, text=True)
-            print("✅ Übertragung erfolgreich")
-            # Nach erfolgreichem scp Transfer lokale Datei löschen
-            os.remove(export_path)
-            print(f"🗑️ Lokale Datei '{export_path}' wurde gelöscht.")
-        except Exception as e:
-            print(f"❌ Fehler: {str(e)}")
 
 # BibTeX-Datei laden
 bib_path = os.path.join("Research", "Charité - Universitätsmedizin Berlin", "Systematische Literaturrecherche", "Bibliothek", bib_filename)

analyse_netzwerk.py

@@ -1,6 +1,8 @@
 
 from config_netzwerk import theme, export_fig_visual, bib_filename
 
+from ci_template.plotly_template import export_figure
+
 import os
 
 # Clear the terminal
@@ -61,20 +63,8 @@ from config_netzwerk import (
     export_fig_visualize_languages,
 )
 
-# Zentrale Exportfunktion für Visualisierungen
 def export_figure(fig, name, flag, bib_filename=None):
-    if flag:
+    export_figure(fig, name, flag, export_fig_png)
-        export_path = prepare_figure_export(fig, name)
-        fig.write_html(export_path, full_html=True, include_plotlyjs="cdn")
-        remote_path = "jochen-hanisch@sternenflottenakademie.local:/mnt/deep-space-nine/public/plot/promotion/"
-        try:
-            subprocess.run(["scp", export_path, remote_path], check=True, capture_output=True, text=True)
-            print(f"✅ Datei '{export_path}' erfolgreich übertragen.")
-            os.remove(export_path)
-            print(f"🗑️ Lokale Datei '{export_path}' wurde gelöscht.")
-        except subprocess.CalledProcessError as e:
-            print("❌ Fehler beim Übertragen:")
-            print(e.stderr)
 
 from ci_template.plotly_template import get_colors, get_plot_styles, get_standard_layout
 

config_deskriptive_literaturauswahl.py

@@ -0,0 +1,15 @@
+# Konfiguration für deskriptive-literaturauswahl.py
+
+# Theme: "light" oder "dark"
+theme = "light"
+
+# Exportsteuerung
+export_fig_visual = False  # Steuerung, ob Visualisierungen exportiert werden
+export_fig_png = False     # Separater Schalter für PNG-Export
+
+# Einzelne Exportflags (optional überschreibbar)
+export_fig_silhouette_plot = export_fig_visual
+export_fig_n_jahresverteilung = export_fig_visual
+export_fig_quartile_trendlinien = export_fig_visual
+export_fig_balkenverteilung_n = export_fig_visual
+export_fig_winsor_median = export_fig_visual

deskriptive-literaturauswahl.py

@@ -0,0 +1,104 @@
+# ===============================
+# Deskriptive Analyse: Silhouette-Scores & Fallzahlen
+# ===============================
+
+# --- System- und Modul-Imports ---
+import os
+import numpy as np
+import matplotlib.pyplot as plt
+import plotly.graph_objects as go
+from datetime import date
+from scipy.stats.mstats import winsorize
+
+# --- CI-Template & Konfiguration ---
+from ci_template.plotly_template import (
+    get_standard_layout,
+    get_colors,
+    set_theme
+)
+from ci_template.plotly_template import export_figure
+from config_deskriptive_literaturauswahl import theme, export_fig_visual
+
+# --- Initialisierung ---
+os.system('cls' if os.name == 'nt' else 'clear')
+set_theme(theme)
+colors = get_colors()
+current_date = date.today().isoformat()
+
+# --- Datenbasis ---
+years = np.array([
+    2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017,
+    2018, 2019, 2020, 2021, 2022, 2023, 2024, 2025
+])
+sc_values = np.array([
+    1.0000, 0.9655, 0.8571, 1.0000, 0.9583, 1.0000, 1.0000, 1.0000,
+    0.9895, 1.0000, 0.9968, 0.9854, 0.9916, 0.9702, 0.9208, 0.9696
+])
+n_values = np.array([
+    7, 29, 7, 28, 24, 28, 25, 98,
+    95, 202, 303, 377, 430, 899, 780, 192
+])
+
+# --- Berechnungen ---
+q1 = np.percentile(sc_values, 25)
+q2 = np.percentile(sc_values, 50)
+q3 = np.percentile(sc_values, 75)
+max_value = np.max(sc_values)
+min_value = np.min(sc_values)
+
+sc_winsorized = winsorize(sc_values, limits=[0.1, 0.1])
+median_winsorized = np.median(sc_winsorized)
+
+fatigue_threshold = 0.96
+circadian_optimum = 0.99
+
+# --- Visualisierung ---
+fig = go.Figure()
+
+# SC-Linie
+fig.add_trace(go.Scatter(x=years, y=sc_values, name='Silhouette-Scores',
+                         mode='lines+markers', yaxis='y1'))
+
+# n-Balken
+fig.add_trace(go.Bar(x=years, y=n_values, name='n-Werte (Fallzahlen)',
+                     yaxis='y2', opacity=0.3, marker_color=colors["depthArea"]))
+
+# Quartile & Bezugslinien
+fig.add_trace(go.Scatter(x=years, y=[q1]*len(years), mode='lines', name=f'SC Q1 = {q1:.4f}',
+                         line=dict(dash='dot', color='green'), yaxis='y1'))
+fig.add_trace(go.Scatter(x=years, y=[q2]*len(years), mode='lines', name=f'SC Median (Q2) = {q2:.4f}',
+                         line=dict(dash='dot', color='blue'), yaxis='y1'))
+fig.add_trace(go.Scatter(x=years, y=[q3]*len(years), mode='lines', name=f'SC Q3 = {q3:.4f}',
+                         line=dict(dash='dot', color='purple'), yaxis='y1'))
+fig.add_trace(go.Scatter(x=years, y=[min_value]*len(years), mode='lines', name=f'SC Min = {min_value:.4f}',
+                         line=dict(dash='dash', color='red'), yaxis='y1'))
+fig.add_trace(go.Scatter(x=years, y=[max_value]*len(years), mode='lines', name=f'SC Max = {max_value:.4f}',
+                         line=dict(dash='dash', color='orange'), yaxis='y1'))
+fig.add_trace(go.Scatter(x=years, y=[fatigue_threshold]*len(years), mode='lines',
+                         name=f'Schwelle: Erschöpfungs-Bias = {fatigue_threshold:.4f}',
+                         line=dict(dash='dashdot', color='firebrick'), yaxis='y1'))
+fig.add_trace(go.Scatter(x=years, y=[circadian_optimum]*len(years), mode='lines',
+                         name=f'Idealer Wert (circadian) = {circadian_optimum:.4f}',
+                         line=dict(dash='dashdot', color='darkcyan'), yaxis='y1'))
+fig.add_trace(go.Scatter(x=years, y=[median_winsorized]*len(years), mode='lines',
+                         name=f'Winsorisierter Median = {median_winsorized:.4f}',
+                         line=dict(dash='dot', color='black'), yaxis='y1'))
+
+# Layout
+fig.update_layout(
+    **get_standard_layout(
+        title=f"Silhouette-Scores und Fallzahlen (n={sum(n_values)}, Stand: {current_date})",
+        x_title="Jahr",
+        y_title="Silhouette-Score",
+        yaxis2=dict(
+            title="Fallzahlen (n)",
+            showgrid=False
+        )
+    )
+)
+
+# Anzeige
+fig.show(config={"responsive": True})
+
+# --- Export ---
+export_figure(fig, "silhouette_scores_und_fallzahlen", export_fig_silhouette_plot, export_fig_png)