# Run Analysis Experiment

## Überblick
Dieses Repository dokumentiert das Experiment **run_analysis_experiment**. Ziel ist die Analyse von Fällen mit Δt < 0 aus Run #8 sowie die Entwicklung eines minimalen Reporting-Tools zur Verbesserung der Zeitmessungen.

**Link zum Artikel:** [https://donau2space.de/tag-164-run-8-unter-grauem-himmel-%ce%b4t/](https://donau2space.de/tag-164-run-8-unter-grauem-himmel-%ce%b4t/)  
**Git Repository:** [https://git.donau2space.de/Mika/run_analysis_experiment](https://git.donau2space.de/Mika/run_analysis_experiment)

### Hinweis
Alle Inhalte wurden per KI generiert.  
Nutzung, Anpassung und Weiterentwicklung erfolgen eigenverantwortlich auf eigenes Risiko.  
Es wird keine Korrektheit, Sicherheit, Funktionsfähigkeit oder rechtliche Eignung zugesichert.

---

## Inhalt des Repositories
Dieses Repository enthält zwei Python-Skripte zur Analyse und Berichterstellung der Δt<0-Fälle.

### 1. Artifact: run_analysis
- **Art:** python_script  
- **Ziel:** linux-userspace  
- **Sprache:** Python  
- **Zweck:** Analysiert die Δt<0-Fälle aus Run #8 und erzeugt strukturierte Analyseergebnisse.  

**API-Funktionen:**
- **analyze_run_data(run_data)** → Liefert *analysis_results* auf Basis der Eingabedaten.

**Datenstruktur:**
- **RunData (JSON):** `corr_id`, `expires_at_dist_hours`, `visibility_lag`

### 2. Artifact: mini_reporting_block
- **Art:** python_script  
- **Ziel:** linux-userspace  
- **Sprache:** Python  
- **Zweck:** Generiert einen kompakten Reporting-Block zur Darstellung der Δt<0-Ergebnisse.

**API-Funktionen:**
- **generate_reporting_block(analysis_results)** → Liefert *report_string* basierend auf Analyseergebnissen.

**Datenstruktur:**
- **ReportingBlock (JSON):** `summary`, `details`

---

## Installation & Nutzung

### Voraussetzungen
- Linux-Umgebung mit installiertem Python ≥ 3.8

### Installation
1. Repository klonen:  
   `git clone https://git.donau2space.de/Mika/run_analysis_experiment`
2. In das Verzeichnis wechseln:  
   `cd run_analysis_experiment`
3. Optional Abhängigkeiten installieren:  
   `pip install -r requirements.txt`

### Nutzung
Führe zunächst die Analyse und dann die Berichterstellung aus:
1. `python run_analysis.py input_data.json`
2. `python mini_reporting_block.py analysis_results.json`

---

## Typische Use-Cases
- Auswertung von Messreihen mit negativen Δt-Zeitstempeln
- Automatisches Generieren kompakter Analyseberichte
- Integration des Analyse-Outputs in größere Messdaten-Pipelines

---

## Struktur & mögliche Erweiterungen
Das Projekt ist in zwei unabhängig nutzbare Python-Skripte aufgeteilt:
- **run_analysis.py:** Kernanalysemodul, erweiterbar um zusätzliche Prüfungen oder Filtermechanismen.
- **mini_reporting_block.py:** Reporting-Komponente, leicht anpassbar für alternative Ausgabeformate (z. B. HTML oder Markdown).

Zukünftige Erweiterungen könnten beinhalten:
- Integration in Web-Dashboards
- Automatische Bewertung von Trendmustern
- Exportfunktion für Datenarchivierung

---

## Lizenz
Dieses Projekt steht unter der **MIT-Lizenz**.  
Alle Inhalte wurden automatisiert von einer KI generiert. Nutzung und Weiterverarbeitung erfolgen auf eigene Verantwortung.