Lotto-Tip-Generator/README.md

Lotto 6aus49 Analyse & Generator

Automatisiertes System zur Analyse von Lotto 6aus49-Daten und Generierung von KI-gestützten Tipps mit Telegram-Benachrichtigungen. Schwesterprojekt von Eurojackpot — gleiche Architektur, angepasst an das Lotto-Format (6 Zahlen aus 49 + 1 Superzahl).

Eine detaillierte Architektur- und Datenfluss-Beschreibung steht in documentation/ARCHITECTURE.md.

🎲 Features

• 🧠 AI/ML-basierte Tipp-Generierung: Random Forest + LSTM (PyTorch) Hybrid-Predictor
• 🎨 Pattern-Analyse: Historische Verteilungsmuster (N/M/H-Zonen)
• ⚡ 4-Strategien-System: HYBRID-OPT, BALANCED-SPREAD, HIGH-EV, SOFT-CONTRARIAN mit adaptiver Gewichtung
• 💰 EV-Optimierung: Quality-Score gewichtet gezielt auf unpopuläre (aber gleich wahrscheinliche) Zahlenkombinationen, um den Gewinnanteil im Trefferfall zu erhöhen
• 📚 Real-Time Learning: Kontinuierliches Retraining bei neuen Ziehungen
• 🤖 Automatisierung: Tipp-Generierung & Datenupdate via launchd, mit täglichem Watchdog gegen verpasste Läufe
• 📲 Telegram-Benachrichtigungen: Automatische Tipps direkt aufs Smartphone, plus Watchdog-Alarm bei Problemen
• 🔄 Data-Updates: API-Kette (Lottoland → GitHub-Archiv → lottoAPI) mit Web-Scraping- und manuellem Fallback

📁 Verzeichnisstruktur

Lotto/
├── README.md
├── config/
│   └── notifications.json          # Telegram/Email Config
├── data/
│   ├── AlleLottozahlen.csv         # Ziehungshistorie
│   ├── backups/                    # CSV-Backups (automatisch rotiert, letzte 30)
│   ├── ultimate_ml_models/         # Trainierte Modelle (RF + LSTM)
│   └── generated_tips/             # Generierte Tipps
├── scripts/
│   ├── generators/
│   │   └── ultimate_ai_ml_hybrid_generator.py   # aktiver Generator
│   ├── automation/
│   │   ├── auto_update_and_learn.py   # Update + Retraining
│   │   ├── weekly_tip_generator.py    # Tipp-Generierung
│   │   ├── com.lotto.update.plist
│   │   ├── com.lotto.weekly.plist
│   │   └── com.lotto.watchdog.plist
│   └── utils/
│       ├── notifier.py              # Telegram/Email
│       ├── update_from_api.py       # API-Updater (aktiv)
│       ├── update_from_web.py       # Web-Scraping-Fallback (automatisch, wenn API nichts liefert)
│       ├── simple_update.py         # Manuelle Eingabe
│       ├── watchdog.py              # Prüft Daten-/Modell-Aktualität, alarmiert per Telegram
│       ├── validate_csv.py          # manuelles Utility
│       ├── verify_draws.py          # manuelles Utility
│       └── health_check.py          # manuelles Utility
├── documentation/
│   └── ARCHITECTURE.md
├── results/                        # Auswertungen (z.B. Superzahl-Statistik)
├── run_tip_generator.sh
├── run_update_and_learn.sh
├── run_watchdog.sh
└── logs/

🚀 Quick Start

1. Installation

python3 -m venv venv
source venv/bin/activate
pip install pandas numpy scikit-learn requests torch beautifulsoup4

2. Telegram-Bot einrichten

1. Erstelle einen Bot mit @BotFather
2. Kopiere den Bot-Token, hole deine Chat-ID (z.B. mit @userinfobot)
3. Konfiguriere config/notifications.json (siehe TELEGRAM_BOT_SETUP.md):

{
    "telegram": {
        "enabled": true,
        "bot_token": "YOUR_BOT_TOKEN",
        "chat_id": "YOUR_CHAT_ID"
    }
}

Test-Benachrichtigung senden:

python scripts/utils/notifier.py --test

3. Tipps manuell generieren

python scripts/automation/weekly_tip_generator.py --force --num-tips 10

# Nur Historie anzeigen
python scripts/automation/weekly_tip_generator.py --history

4. Daten manuell aktualisieren + Modelle neu trainieren

./run_update_and_learn.sh

🧠 Generator-Strategien

Der Ultimate AI/ML Hybrid Generator (scripts/generators/ultimate_ai_ml_hybrid_generator.py) verteilt pro Lauf 10 Tipps über 4 Strategien, deren Gewichtung sich anhand der bisherigen Trefferleistung selbst anpasst (Startwerte in Klammern):

1. HYBRID-OPT (40%): AI-Score + historisches Pattern-Gewicht kombiniert
2. BALANCED-SPREAD (30%): erzwingt Verteilung über N/M/H-Zonen, kontrollierter Summenbereich
3. HIGH-EV (20%): 2–3 Zahlen >31, meidet empirisch belegte populäre Einzelzahlen — auf EV statt Trefferwahrscheinlichkeit optimiert
4. SOFT-CONTRARIAN (10%): bevorzugt in den letzten 30 Ziehungen unterrepräsentierte Zahlen

Warum EV statt Trefferwahrscheinlichkeit?

Lotto-Ziehungen sind unabhängige Zufallsereignisse — kein Modell kann die Trefferwahrscheinlichkeit über den statistischen Erwartungswert heben. Der Quality-Score optimiert deshalb bewusst auf Expected Value: unpopuläre Zahlenkombinationen haben bei einem Treffer weniger Mitgewinner und damit eine höhere Auszahlung. Details und Quellen dazu in documentation/ARCHITECTURE.md.

🔄 Daten aktualisieren

Der automatisierte Workflow (auto_update_and_learn.py) versucht in dieser Reihenfolge: 1. LottoAPIUpdater.fetch_from_all_apis() (Lottoland zuerst, liefert die neueste Ziehung meist noch am Ziehungstag, dann GitHub-Archiv für die Historie), 2. bei leerem API-Ergebnis automatisch der Web-Scraper (update_from_web.py, lotto.de) als Fallback.

Für manuelle Läufe steht zusätzlich bereit:

# Letzter Fallback: manuelle Eingabe / CSV-Import
python scripts/utils/simple_update.py

Jedes Update erstellt automatisch ein Backup unter data/backups/ und rotiert alte Backups (behält die letzten 30).

🐶 Watchdog

scripts/utils/watchdog.py läuft täglich (com.lotto.watchdog.plist) und prüft, ob die letzte Ziehung in den Daten älter als 5 Tage ist bzw. ob die Modelle noch auf einem älteren Stand trainiert sind als die neueste Ziehung. Das fängt genau den Fall ab, dass ein StartCalendarInterval-Job verpasst wurde (z.B. weil der Rechner im Schlaf war) — launchd holt das selbst nicht nach. Bei einem Problem kommt ein Telegram-Alarm, sonst bleibt es still.

🤖 Automatisierung

Läuft über launchd (~/Library/LaunchAgents/), nicht crontab:

Job	Plist	Zeitplan
Update & Learning	com.lotto.update.plist	Mi + Sa, 20:00 Uhr
Tipp-Generierung	com.lotto.weekly.plist	Di + Fr, 21:00 Uhr
Watchdog	com.lotto.watchdog.plist	täglich, 21:30 Uhr

📲 Telegram-Benachrichtigungen

Bei erfolgreicher Tipp-Generierung bzw. nach jeder ausgewerteten Ziehung verschickt LottoNotifier automatisch eine Zusammenfassung (bester Tipp, Ø Confidence/Quality, Trefferauswertung). Der Watchdog nutzt denselben Kanal für Alarme.

📈 Performance Tracking

Alle Generierungen werden in data/generated_tips/generation_history.json protokolliert, alle Ziehungsauswertungen in data/learning_log.json.

🧪 Tests

Regressionstests für den Popularity/EV-Score (tests/test_popularity_score.py):

pip install pytest
pytest tests/

🗂️ Datenformat

data/AlleLottozahlen.csv (Semikolon-getrennt):

datum;Z1;Z2;Z3;Z4;Z5;Z6;SZ
2026-08-08;2;8;22;30;38;43;4

Hinweise

• Lotto 6aus49: 6 Zahlen aus 49 + 1 Superzahl (0–9), Ziehungen Mi + Sa
• Keine Gewinngarantie — statistisches Analyse-Tool, keine Vorhersagekraft über den Zufalls-Erwartungswert hinaus (siehe Abschnitt "Warum EV statt Trefferwahrscheinlichkeit?")
• Bot-Token niemals öffentlich teilen

🙋 Support

1. Logs prüfen: logs/update_stdout.log, logs/stdout.log, logs/watchdog_stdout.log
2. Test-Benachrichtigung: python scripts/utils/notifier.py --test
3. Historie prüfen: python scripts/automation/weekly_tip_generator.py --history

---

🍀 Viel Glück bei der nächsten Ziehung! 🍀