Automatisch überwachen
RSS-Feeds, Google News und andere Quellen werden regelmäßig und robust abgefragt, mit Timeouts, Retries und Fehlerbehandlung.
🎉 Rabattcode FRUEHLESER: jetzt 2 EUR sparen beim E-Book · 🎉 Rabattcode FRUEHLESER: jetzt 2 EUR sparen beim E-Book · 🎉 Rabattcode FRUEHLESER: jetzt 2 EUR sparen beim E-Book · 🎉 Rabattcode FRUEHLESER: jetzt 2 EUR sparen beim E-Book ·
Worum es geht
Du wartest auf eine wichtige Nachricht: eine Ausschreibung, einen Börsengang, einen Produkt-Rückruf, eine Meldung zu deinem Thema. Mit Watch & Alert hörst du auf, jeden Tag selbst zu suchen.
Relevant filtern
Kontextsensitive Stichwortfilter, Duplikaterkennung und SQLite als Gedächtnis. Keine doppelten Alerts, kein Rauschen.
Mit LLM bewerten
Auf Wunsch klassifiziert ein lokales oder Cloud-LLM jede Meldung und entscheidet, ob sie wirklich zu deinem Thema passt.
Sofort benachrichtigen
Treffer landen als formatierte Nachricht auf deinem Telegram-Bot, per E-Mail oder über ntfy.sh, wie du es konfigurierst.
Bestellen
PDF · 6x9 · 275 Seiten
Watch & Alert, Automatisierte Nachrichten- und Marktüberwachung mit Python
Das komplette Wissen aus dem Buch als durchgehendes PDF: von deinem ersten RSS-Feed bis zum produktionsreifen Alert-System, mit echtem, getestetem Python-Code, kontextsensitiver Filterung und optionaler LLM-Bewertung. Ideal, wenn du nicht jeden Tag selbst suchen willst.
9,99 €inkl. MwSt., Kleinunternehmer § 19 UStG, keine USt-Ausweisung
Bezahlung über PayPal. Du erhältst den Download-Link per E-Mail. Fragen zur Bestellung: Kontakt.Was du lernst
Sechs konkrete Ergebnisse, die du nach der Lektüre in den Händen hältst.
- Vollständiges Watch- und Alert-System mit Python, RSS und SQLite
- LLM-gestützte Klassifikation mit OpenAI und Ollama
- Benachrichtigung über Telegram, ntfy und E-Mail
- Automatisierung mit Cron, systemd-Timer und anacron
- Sicherheit: Geheimnisse, Token-Rotation, Audit
- Testing mit pytest und Reifegrad-Modell
Leseprobe
Drei Seiten aus dem Buch: das komplette Vorwort und der Anfang von Kapitel 1 (Python installieren und einrichten, inklusive WSL2-Hinweis für Windows-Nutzer). So bekommst du ein echtes Gefühl für Ton, Tiefe und Aufbau, bevor du bestellst.
3 Seiten · A4 · PDF · 52 KB
- Vorwort: was das Buch ist, für wen es ist, wie es aufgebaut ist
- Die Fallstudie hinter dem EngineAI-IPO-Monitor
- Kapitel 1: Python installieren, Einleitung, Lernziel, WSL2-Exkurs, 1.1 Warum Python, 1.2 Installation
Direkt im Browser öffnen: files/theme-watch-and-alert/assets/leseprobe.pdf
Ein echtes Referenzprojekt
Keine Spielwiese. Das durchgehende Beispiel des Buches ist ein produktiver Watcher, der unter anderem den Börsengang eines Unternehmens beobachtet, Meldungen einsammelt, filtert und auf Wunsch per Telegram-Alert liefert.
- Vollständiger Quellcode mit Modulen, Tests und Konfiguration
- Saubere Architektur in sechs klar getrennten Klassen
- Reale Testläufe, inklusive echtem Alert auf einem echten Telegram-Bot
- Reproduzierbar: Skripte, Datenbank und Caches sind im Buch dokumentiert
Beispiel-Ausgabe
10 Artikel gefunden
7 relevante Meldungen gesendet
0 Duplikate beim zweiten Lauf
1 Telegram-Alert zugestelltIm Buch beschrieben. Mit einem anderen Thema getestet. Funktioniert.
Aus dem Blog
Kurze, praxisnahe Artikel rund um das Buch-Thema: zum Reinklicken, Ausprobieren und Weiterdenken.
Secrets nach Projekt statt nach Environment: Ordnung für Zugangsdaten
Zugangsdaten nach Projekt statt nach Umgebung zu ordnen macht Rotation und Nachvollziehbarkeit einfacher. Das Prinzip, erklärt an einer Pipeline mit mehreren Komponenten.
Geschäftsgeheimnisse und KI-APIs: Warum sensible Feeds lokal klassifiziert werden sollten
Berichte über einen Streit um Geschäftsgeheimnisse zeigen ein allgemeines Risiko: Was an fremde KI-Dienste geht, verlässt deine Kontrolle. Sensible Feeds gehören lokal klassifiziert.
Selbst gehostete Datenquellen anbinden: Trainingsdaten per API in die Pipeline
Selbst gehostete Anwendungen mit HTTP-API lassen sich per Polling in eine Pipeline einbinden. Am Beispiel eines Trainings-Trackers: inkrementell abfragen, in SQLite speichern, bei Neuem melden.
Secret-Rotation ohne Downtime
Wer Tokens und Passwörter dreht, will keinen Ausfall riskieren. Mit zwei parallel gültigen Schlüsseln und einer festen Reihenfolge klappt die Rotation ohne Unterbrechung.
Telegram-Bot Rate-Limits umgehen
Wer viele Meldungen an einen Telegram-Chat schickt, stößt auf Rate-Limits. Warteschlange, Backoff mit Jitter und das Zusammenfassen von Meldungen halten den Versand stabil.
Lokaler KI-Agent statt Cloud-API: Self-Hosting mit Ollama
Ein selbst gehostetes Sprachmodell über Ollama ersetzt die Cloud-API in der Klassifikation: Daten bleiben im Haus, Kosten sind planbar, und ein Fallback fängt Ausfälle ab.
Open Source: der ganze Code
Sämtliche Skripte, Module und Konfigurationen aus dem Buch liegen öffentlich auf GitHub. Du kannst sie direkt klonen, ausprobieren und an deine eigenen Themen anpassen.
watch-alert-book / engineai-monitoring Python news & market monitor: RSS → LLM → Telegram. Reference project for the book „Watch & Alert“.
Klonen, ein eigenes .env mit deinem Telegram-Token anlegen, loslegen.
Eine Schritt-für-Schritt-Anleitung findest du in Kapitel 3 und 6.
Über den Autor
Die Welt der IT hat mich schon seit meiner Kindheit fasziniert. Bits und Bytes begleiten mich seit vielen Jahren, und insbesondere die Themen Python, PHP, Automatisierung sowie das allgegenwärtige Thema Künstliche Intelligenz haben mich dazu inspiriert, diese Website und dieses Buch zu veröffentlichen.
Beruflich bin ich als Master Scheduler in der Luftfahrt tätig. In meiner Freizeit verbringe ich gerne Zeit außerhalb der eigenen vier Wände, beim Spazierengehen, beim Lesen von Fachbüchern, beim Musikhören oder gemeinsam mit meiner Freundin.
Dieses Buch entstand aus dem Wunsch, den Börsengang eines chinesischen Robotikunternehmens nicht zu verpassen und aus der Erkenntnis, dass das dabei entstandene Werkzeug auch für viele andere Themen in der "realen" Welt hilfreich sein kann.