Automatisch überwachen
RSS-Feeds, Google News und andere Quellen werden regelmäßig und robust abgefragt – mit Timeouts, Retries und Fehlerbehandlung.
Fachbuch · Python · Juli 2026
Die Information kommt zu dir.
Watch & Alert zeigt dir Schritt für Schritt, wie du einen eigenen Nachrichtenmonitor baust: RSS-Feeds abfragen, relevante Meldungen filtern, auf Wunsch mit einem LLM bewerten und sofort auf Telegram oder per E-Mail benachrichtigt werden – mit echtem, getestetem Python-Code.
Nicht ständig selbst suchen. Einmal festlegen, was dich interessiert – relevante Nachrichten kommen automatisch zu dir.
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.
Was im Buch steht
11 Kapitel, die logisch aufeinander aufbauen – vom ersten Python-Skript bis zum produktiven Alert-System.
1 · Python installieren und einrichten
Installation, venv, pip und das erste eigene Skript.
2 · Linux-Grundlagen & Bash
Terminal, Navigation, Prozesse, Rechtemodell, Cron und ein Git-Exkurs.
3 · Architektur und Module
Die fünf Klassen des Bots, Module vs. Skripte, dein erstes RSS-Skript.
4 · Konfiguration und Geheimnisse
.env, YAML, TOML – und wo was lebt. Keine Token im Quellcode.
5 · Sicherheit und Hygiene
HTTPS, Token rotieren, Logging ohne Geheimnisse zu leaken.
6 · Der erste Watcher
Vom Skript zum wiederverwendbaren Modul – sauber, testbar, wartbar.
7 · RSS-Feeds robust abfragen
Timeouts, Retries, Backoff und Fehlerbehandlung in Produktion.
8 · Datenbanken mit SQLite
Schema, Migrationen, Duplikaterkennung und sauberer Lifecycle.
9 · LLMs sinnvoll einsetzen
Klassifikation, Prompt-Design, Kosten, Latenz und Fallbacks.
10 · Filter-Pipeline
Quellen → Vorfilter → LLM → Versand, sauber orchestriert.
11 · Benachrichtigungs-Kanäle
Telegram-Bot, ntfy.sh, E-Mail. Inklusive Tests und systemd-Timer.
Anhang · Lösungen & Schluss
Musterlösungen zu allen Übungen, weiterführende Links, Glossar.
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: assets/leseprobe.pdf
Was Sie lernen
Sechs konkrete Ergebnisse, die Sie nach der Lektüre in den Händen halten.
- 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
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 fünf 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.
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
Stephan Paul interessiert sich viel für die Geschehnisse rund um die IT Welt.
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 Watch-Probleme nützlich ist.
Bestellen
E-Book jetzt sofort erhältlich
Als PDF direkt kaufen und sofort herunterladen – 9,99 €
E-Book kaufenDas Taschenbuch folgt in Kürze als Printausgabe. Trag dich auf der Interessentenliste ein – du bekommst Bescheid, sobald Bestelllinks und ISBN feststehen. Die Eintragung ist kostenlos und unverbindlich.
Du erhältst maximal eine kurze Nachricht zum Erscheinen. Keine Werbung, kein Tracking. Deine Daten werden nur für die Benachrichtigung verwendet und niemals an Dritte weitergegeben.
Kontakt
Du hast eine Frage, möchtest ein Rezensionsexemplar anfragen oder Feedback geben? Schreib mir kurz – ich melde mich persönlich zurück.
Oder direkt per E-Mail: kontakt@watch-and-alert.de