Erstes Frontend Layout erstellt.

analytics/Dockerfile

@@ -0,0 +1,13 @@
+FROM python:3.11-slim
+
+WORKDIR /app
+
+# Erfordert keine schweren Systempakete, das beschleunigt auch den Build!
+# Wir installieren direkt die benötigten Python-Bibliotheken
+RUN pip3 install --no-cache-dir streamlit pandas plotly
+
+# Port für Streamlit öffnen
+EXPOSE 8501
+
+# Streamlit starten und an alle Netzwerk-Schnittstellen binden
+ENTRYPOINT ["streamlit", "run", "app.py", "--server.port=8501", "--server.address=0.0.0.0"]

analytics/app.py

@@ -0,0 +1,82 @@
+import streamlit as st
+import pandas as pd
+import plotly.express as px
+
+# Umrechnungsfaktor von Terabytes nach Bytes
+TB2B = 1024**4
+
+# Seitenkonfiguration (gibt uns ein schönes breites Layout)
+st.set_page_config(layout="wide")
+
+# 1. Daten laden (Pfad aus deinem Docker-Setup)
+FILE_PATH = "/data/json_cache.json"
+
+
+@st.cache_data
+def load_data():
+    # Falls die Datei existiert, laden, sonst leeres Dataframe für den Test
+    try:
+        return pd.read_json(FILE_PATH)
+    except Exception:
+        # Dummy-Daten, falls Node-RED noch nichts abgelegt hat
+        return pd.DataFrame([
+            {"ownerGroup": "a-123", "department": "4000", "size": 500000},
+            {"ownerGroup": "p9999", "department": "6000", "size": 1200000}
+        ])
+
+
+df = load_data()
+
+# 2. NAVIGATION LINKS (Sidebar)
+st.sidebar.title("Navigation")
+st.sidebar.markdown("Wählen Sie eine Ansicht:")
+
+# Ein Radio-Button verhält sich wie eine klickbare Liste
+auswahl = st.sidebar.radio(
+    label="Ansichten",
+    options=["Übersicht & Metriken", "Bereichs-Analyse", "Nicht zuweisbare Daten", "Rohdaten"],
+    label_visibility="collapsed"  # Versteckt das Label für eine sauberere Optik
+)
+
+# 3. ANZEIGE RECHTS (Hauptbildschirm)
+# Hier steuern wir den Inhalt basierend auf der Auswahl links
+
+if auswahl == "Übersicht & Metriken":
+    st.title("Übersicht")
+
+    # Beispiel für schnelle Metriken rechts
+    col1, col2 = st.columns(2)
+    col1.metric("Anzahl Archivgruppen", len(df))
+    col2.metric("Gesamtvolumen (TB)", f'{df["size"].sum()/TB2B:.2f}' if "size" in df else "0.00")
+
+    # Hier könnte eine Grafik hin
+    if "department" in df:
+        fig = px.pie(df, names="department", title="Verteilung nach Departments")
+        st.plotly_chart(fig, use_container_width=True)
+
+elif auswahl == "Bereichs-Analyse":
+    st.title("Bereichs-Analyse")
+    st.write("Filtern Sie die Daten gezielt nach einzelnen Abteilungen.")
+
+    # Ein zusätzlicher Filter, der nur in dieser Ansicht erscheint
+    if "department" in df:
+        depts = sorted(df["department"].unique().tolist())
+        gewaehltes_dept = st.selectbox("Wählen Sie ein Department:", depts)
+
+        filtered_df = df[df["department"] == gewaehltes_dept]
+        st.metric(f"Gruppen in Department {gewaehltes_dept}", len(filtered_df))
+        st.dataframe(filtered_df, use_container_width=True)
+
+elif auswahl == "Nicht zuweisbare Daten":
+    st.title("Nicht zuweisbare Daten")
+
+    # Die Tabelle, die du schon gebaut hast
+    st.dataframe(df, use_container_width=True)
+
+elif auswahl == "Rohdaten":
+    st.title("Rohdaten")
+    st.write("Durchsuchen und filtern Sie die vollständige Liste der Gruppen.")
+
+    # Die Tabelle, die du schon gebaut hast
+    st.dataframe(df, use_container_width=True)
+