{
"event": "PreToolUse",
"tool_name": "mcp__mcp-docs__docs_update",
"tool_input": {
"id": 100,
"content": "<nav class=\"breadcrumb\">\n <a href=\"\/docs\">Dokumentation<\/a> » <a href=\"\/docs\/prozesse\">Prozesse<\/a> » RAG-Prozess\n<\/nav>\n\n<h1>RAG-Prozess<\/h1>\n\n<section>\n <h2>Übersicht<\/h2>\n <p>Der RAG-Prozess (Retrieval Augmented Generation) bildet das Herzstück der KI-gestützten Wissensgenerierung. Die Architektur trennt strikt zwischen <strong>Offline-Pipeline<\/strong> (Wissensaufbau) und <strong>Online-Pipeline<\/strong> (Wissenskonsum).<\/p>\n \n <h3>Grundprinzip<\/h3>\n <ul>\n <li>Die <strong>Offline-Pipeline<\/strong> erzeugt und strukturiert Wissen (Python-Skripte)<\/li>\n <li>Die <strong>Online-Pipeline<\/strong> konsumiert Wissen, ohne es zu verändern (PHP-Services)<\/li>\n <li>Zwischen beiden Pipelines besteht <strong>keine Rückkopplung zur Laufzeit<\/strong><\/li>\n <\/ul>\n<\/section>\n\n<section>\n <h2>Drei-Säulen-Architektur<\/h2>\n <table>\n <thead><tr><th>System<\/th><th>Rolle<\/th><th>Inhalt<\/th><\/tr><\/thead>\n <tbody>\n <tr><td><strong>SQL-Datenbank<\/strong><\/td><td>Single Source of Truth<\/td><td>Text, Struktur, Entitäten, Aussagen, Provenienz<\/td><\/tr>\n <tr><td><strong>Vektordatenbank<\/strong><\/td><td>Ähnlichkeitsindex<\/td><td>Embeddings für Chunk-Retrieval (keine Semantik!)<\/td><\/tr>\n <tr><td><strong>Graph<\/strong><\/td><td>Wissensmodell<\/td><td>Entitäten, Relationen, Ontologie, Taxonomie<\/td><\/tr>\n <\/tbody>\n <\/table>\n<\/section>\n\n<!-- ============================================================== -->\n<!-- OFFLINE-PIPELINE - TATSÄCHLICHE IMPLEMENTIERUNG -->\n<!-- ============================================================== -->\n\n<hr>\n<h1>Offline-Pipeline (Import)<\/h1>\n<p><em>Basierend auf Code-Analyse: <code>\/var\/www\/scripts\/pipeline\/<\/code><\/em><\/p>\n\n<section>\n <h2>Pipeline-Architektur (IST-Zustand)<\/h2>\n \n <h3>Orchestrierung<\/h3>\n <p><strong>Hauptskript:<\/strong> <code>pipeline.py<\/code><\/p>\n <pre>\n# CLI-Befehle\npython pipeline.py scan # Dokumente scannen\npython pipeline.py process # Queue abarbeiten\npython pipeline.py embed # Ausstehende Embeddings\npython pipeline.py all # Vollständiger Durchlauf\npython pipeline.py file <path> # Einzeldatei verarbeiten\npython pipeline.py status # Status anzeigen\n <\/pre>\n \n <h3>Verarbeitungsfluss (process_file)<\/h3>\n <p><strong>Quelle:<\/strong> <code>pipeline.py:32-187<\/code><\/p>\n <pre>\n┌─────────────┐\n│ Extract │ extract.py - Text aus PDF\/DOCX\/PPTX\/MD\/TXT\n└──────┬──────┘\n │ (nur PDF)\n ▼\n┌─────────────┐\n│ Vision │ vision.py - Bild\/Tabellen-Analyse mit llama3.2-vision:11b\n└──────┬──────┘\n │\n ▼\n┌─────────────┐\n│ Chunk │ chunk.py - Semantisches Chunking nach Struktur\n└──────┬──────┘\n │ (nur PDF)\n ▼\n┌─────────────┐\n│ Enrich │ enrich.py - Vision-Kontext zu Chunks hinzufügen\n└──────┬──────┘\n │\n ▼\n┌─────────────┐\n│ Embed │ embed.py - Vektorisierung → Qdrant\n└──────┬──────┘\n │\n ▼\n┌─────────────┐\n│ Analyze │ analyze.py - Entitäten, Relationen, Taxonomie\n└─────────────┘\n <\/pre>\n \n <h3>Vollständiger Durchlauf (run_full_pipeline)<\/h3>\n <p><strong>Quelle:<\/strong> <code>pipeline.py:234-365<\/code><\/p>\n <pre>\nPhase 1: SCAN\n └─ scan_directory() → Dateien mit Hash-Vergleich finden\n └─ queue_files() → In pipeline_queue einfügen\n\nPhase 2: PROCESS\n └─ get_pending_queue_items(limit=100)\n └─ Für jedes Item: process_file() aufrufen\n └─ Status in pipeline_queue aktualisieren\n\nPhase 3: EMBED REMAINING\n └─ embed_pending_chunks() → Chunks ohne qdrant_id verarbeiten\n <\/pre>\n<\/section>\n\n<section>\n <h2>Konfiguration (IST-Zustand)<\/h2>\n <p><strong>Quelle:<\/strong> <code>config.py<\/code><\/p>\n \n <table>\n <thead><tr><th>Parameter<\/th><th>Wert<\/th><th>Beschreibung<\/th><\/tr><\/thead>\n <tbody>\n <tr><td>NEXTCLOUD_PATH<\/td><td><code>\/var\/www\/nextcloud\/data\/root\/files\/Documents<\/code><\/td><td>Quellverzeichnis<\/td><\/tr>\n <tr><td>SUPPORTED_EXTENSIONS<\/td><td><code>[\".pdf\", \".pptx\", \".docx\", \".md\", \".txt\"]<\/code><\/td><td>Dateitypen<\/td><\/tr>\n <tr><td>EMBEDDING_MODEL<\/td><td><code>mxbai-embed-large<\/code><\/td><td>Ollama-Modell<\/td><\/tr>\n <tr><td>EMBEDDING_DIMENSION<\/td><td><code>1024<\/code><\/td><td>Vektordimension<\/td><\/tr>\n <tr><td>MAX_EMBED_CHARS<\/td><td><code>800<\/code><\/td><td>Max. Zeichen pro Embedding<\/td><\/tr>\n <tr><td>MIN_CHUNK_SIZE<\/td><td><code>100<\/code><\/td><td>Min. Chunk-Größe<\/td><\/tr>\n <tr><td>MAX_CHUNK_SIZE<\/td><td><code>2000<\/code><\/td><td>Max. Chunk-Größe<\/td><\/tr>\n <tr><td>CHUNK_OVERLAP_PERCENT<\/td><td><code>10<\/code><\/td><td>Überlappung<\/td><\/tr>\n <tr><td>DB_CONFIG.database<\/td><td><code>ki_content<\/code><\/td><td>Content-Datenbank<\/td><\/tr>\n <tr><td>DB_LOG_CONFIG.database<\/td><td><code>ki_dev<\/code><\/td><td>Log-Datenbank<\/td><\/tr>\n <tr><td>QDRANT_HOST<\/td><td><code>localhost<\/code><\/td><td>Qdrant-Server<\/td><\/tr>\n <tr><td>QDRANT_PORT<\/td><td><code>6333<\/code><\/td><td>Qdrant-Port<\/td><\/tr>\n <\/tbody>\n <\/table>\n \n <h3>Qdrant Collections<\/h3>\n <pre>\nQDRANT_COLLECTIONS = {\n \"documents\": {\"size\": 1024, \"distance\": \"Cosine\"},\n \"mail\": {\"size\": 1024, \"distance\": \"Cosine\"},\n \"entities\": {\"size\": 1024, \"distance\": \"Cosine\"}\n}\n <\/pre>\n<\/section>\n\n<section>\n <h2>Skript-Details<\/h2>\n \n <h3>detect.py - Datei-Erkennung<\/h3>\n <p><strong>Quelle:<\/strong> <code>detect.py:23-86<\/code><\/p>\n <pre>\nFunktion: scan_directory(path=NEXTCLOUD_PATH)\n - Rekursiver Scan, versteckte Dateien\/Ordner ignoriert\n - SHA-256 Hash-Berechnung pro Datei\n - Prüfung gegen documents.file_hash\n - Rückgabe: Liste mit {path, name, ext, size, hash, action: \"new\"|\"update\"}\n\nFunktion: queue_files(files)\n - Einfügen in pipeline_queue via db.add_to_queue()\n <\/pre>\n \n <h3>extract.py - Text-Extraktion<\/h3>\n <pre>\nUnterstützte Formate:\n - PDF: pdfplumber + OCR (tesseract, Sprache: deu)\n - DOCX: python-docx\n - PPTX: python-pptx\n - MD: direktes Lesen\n - TXT: direktes Lesen\n\nRückgabe: {success, content, file_type, error?}\n <\/pre>\n \n <h3>chunk.py - Chunking<\/h3>\n <pre>\nFunktion: chunk_by_structure(extraction)\n - Semantisches Chunking basierend auf Dokumenttyp\n - Erhält heading_path (JSON-Array der Überschriften)\n - Respektiert MIN_CHUNK_SIZE und MAX_CHUNK_SIZE\n - Rückgabe: [{content, heading_path, position_start, position_end, metadata}]\n <\/pre>\n \n <h3>embed.py - Embedding<\/h3>\n <p><strong>Quelle:<\/strong> <code>embed.py:20-116<\/code><\/p>\n <pre>\nFunktion: get_embedding(text)\n - Kollabiert mehrfache Punkte (z.B. \"...\" für Inhaltsverzeichnis)\n - Truncation bei MAX_EMBED_CHARS (800 Zeichen)\n - POST an {OLLAMA_HOST}\/api\/embeddings\n - Modell: mxbai-embed-large\n\nFunktion: store_in_qdrant(collection, point_id, vector, payload)\n - PUT an \/collections\/{collection}\/points\n - Payload enthält: document_id, document_title, chunk_index, \n content (truncated 1000 chars), heading_path, source_path\n\nFunktion: embed_chunks(chunks, document_id, document_title, source_path)\n - Iteriert über Chunks\n - Erzeugt UUID v4 für Qdrant point_id\n - Speichert in Qdrant und aktualisiert chunks.qdrant_id\n <\/pre>\n \n <h3>analyze.py - Semantische Analyse<\/h3>\n <p><strong>Quelle:<\/strong> <code>analyze.py<\/code><\/p>\n <pre>\nFunktion: analyze_document(document_id, text, use_anthropic=True)\n - Extrahiert Entitäten → entities Tabelle\n - Extrahiert Relationen → entity_relations Tabelle\n - Klassifiziert in Taxonomie → document_taxonomy Tabelle\n - Analysiert Chunks → chunk_semantics Tabelle\n \nGespeicherte Felder in chunk_semantics:\n - summary, keywords, sentiment, topics\n - analysis_model (z.B. \"claude-opus-4-5-20251101\")\n <\/pre>\n<\/section>\n\n<section>\n <h2>Pipeline-Konfigurationen (DB)<\/h2>\n <p><strong>Tabellen:<\/strong> <code>ki_content.pipeline_configs<\/code>, <code>ki_content.pipeline_steps<\/code><\/p>\n \n <h3>Bestehende Pipelines<\/h3>\n <table>\n <thead><tr><th>ID<\/th><th>Name<\/th><th>Steps<\/th><th>Default<\/th><th>Status<\/th><\/tr><\/thead>\n <tbody>\n <tr><td>1<\/td><td>Standard<\/td><td>5<\/td><td>Ja<\/td><td>Produktiv<\/td><\/tr>\n <tr><td>2<\/td><td>Schulungsunterlagen<\/td><td>20<\/td><td>Nein<\/td><td>Spezialisiert<\/td><\/tr>\n <\/tbody>\n <\/table>\n \n <h3>Verfügbare Step-Types (ENUM)<\/h3>\n <pre>\ndetect, validate, page_split, vision_analyze, extract, structure,\nsegment, chunk, metadata_store, embed, collection_setup, vector_store,\nindex_optimize, entity_extract, relation_extract, taxonomy_build,\nsemantic_analyze, summarize, question_generate, finalize, analyze,\nknowledge_page, knowledge_section, knowledge_document, knowledge_validate\n <\/pre>\n<\/section>\n\n<!-- ============================================================== -->\n<!-- ONLINE-PIPELINE - TATSÄCHLICHE IMPLEMENTIERUNG -->\n<!-- ============================================================== -->\n\n<hr>\n<h1>Online-Pipeline (Query)<\/h1>\n<p><em>Basierend auf Code-Analyse: PHP-Services<\/em><\/p>\n\n<section>\n <h2>Architektur (IST-Zustand)<\/h2>\n \n <h3>Komponenten<\/h3>\n <table>\n <thead><tr><th>Komponente<\/th><th>Datei<\/th><th>Verantwortung<\/th><\/tr><\/thead>\n <tbody>\n <tr><td>ChatController<\/td><td><code>src\/Controller\/ChatController.php<\/code><\/td><td>HTTP-Endpunkte<\/td><\/tr>\n <tr><td>SendChatMessageUseCase<\/td><td><code>src\/UseCases\/Chat\/SendChatMessageUseCase.php<\/code><\/td><td>Orchestrierung<\/td><\/tr>\n <tr><td>ChatService<\/td><td><code>src\/Infrastructure\/AI\/ChatService.php<\/code><\/td><td>RAG-Pipeline<\/td><\/tr>\n <tr><td>QdrantService<\/td><td><code>src\/Infrastructure\/AI\/QdrantService.php<\/code><\/td><td>Vektor-Suche<\/td><\/tr>\n <tr><td>OllamaService<\/td><td><code>src\/Infrastructure\/AI\/OllamaService.php<\/code><\/td><td>Embe... [TRUNCATED-fa907802b2a93488]"
}
}
{
"tool_response": [
{
"type": "text",
"text": "{\n \"success\": true,\n \"doc\": {\n \"id\": 100,\n \"parent_id\": 91,\n \"slug\": \"rag-prozess\",\n \"path\": \"\/prozesse\/rag-prozess\",\n \"title\": \"RAG-Prozess\",\n \"description\": \"Dokumentation des gesamten RAG-Prozesses (Retrieval Augmented Generation) für Chat und Content Studio\",\n \"content\": \"<nav class=\\\"breadcrumb\\\">\\n <a href=\\\"\/docs\\\">Dokumentation<\/a> » <a href=\\\"\/docs\/prozesse\\\">Prozesse<\/a> » RAG-Prozess\\n<\/nav>\\n\\n<h1>RAG-Prozess<\/h1>\\n\\n<section>\\n <h2>Übersicht<\/h2>\\n <p>Der RAG-Prozess (Retrieval Augmented Generation) bildet das Herzstück der KI-gestützten Wissensgenerierung. Die Architektur trennt strikt zwischen <strong>Offline-Pipeline<\/strong> (Wissensaufbau) und <strong>Online-Pipeline<\/strong> (Wissenskonsum).<\/p>\\n \\n <h3>Grundprinzip<\/h3>\\n <ul>\\n <li>Die <strong>Offline-Pipeline<\/strong> erzeugt und strukturiert Wissen (Python-Skripte)<\/li>\\n <li>Die <strong>Online-Pipeline<\/strong> konsumiert Wissen, ohne es zu verändern (PHP-Services)<\/li>\\n <li>Zwischen beiden Pipelines besteht <strong>keine Rückkopplung zur Laufzeit<\/strong><\/li>\\n <\/ul>\\n<\/section>\\n\\n<section>\\n <h2>Drei-Säulen-Architektur<\/h2>\\n <table>\\n <thead><tr><th>System<\/th><th>Rolle<\/th><th>Inhalt<\/th><\/tr><\/thead>\\n <tbody>\\n <tr><td><strong>SQL-Datenbank<\/strong><\/td><td>Single Source of Truth<\/td><td>Text, Struktur, Entitäten, Aussagen, Provenienz<\/td><\/tr>\\n <tr><td><strong>Vektordatenbank<\/strong><\/td><td>Ähnlichkeitsindex<\/td><td>Embeddings für Chunk-Retrieval (keine Semantik!)<\/td><\/tr>\\n <tr><td><strong>Graph<\/strong><\/td><td>Wissensmodell<\/td><td>Entitäten, Relationen, Ontologie, Taxonomie<\/td><\/tr>\\n <\/tbody>\\n <\/table>\\n<\/section>\\n\\n<!-- ============================================================== -->\\n<!-- OFFLINE-PIPELINE - TATSÄCHLICHE IMPLEMENTIERUNG -->\\n<!-- ============================================================== -->\\n\\n<hr>\\n<h1>Offline-Pipeline (Import)<\/h1>\\n<p><em>Basierend auf Code-Analyse: <code>\/var\/www\/scripts\/pipeline\/<\/code><\/em><\/p>\\n\\n<section>\\n <h2>Pipeline-Architektur (IST-Zustand)<\/h2>\\n \\n <h3>Orchestrierung<\/h3>\\n <p><strong>Hauptskript:<\/strong> <code>pipeline.py<\/code><\/p>\\n <pre>\\n# CLI-Befehle\\npython pipeline.py scan # Dokumente scannen\\npython pipeline.py process # Queue abarbeiten\\npython pipeline.py embed # Ausstehende Embeddings\\npython pipeline.py all # Vollständiger Durchlauf\\npython pipeline.py file <path> # Einzeldatei verarbeiten\\npython pipeline.py status # Status anzeigen\\n <\/pre>\\n \\n <h3>Verarbeitungsfluss (process_file)<\/h3>\\n <p><strong>Quelle:<\/strong> <code>pipeline.py:32-187<\/code><\/p>\\n <pre>\\n┌─────────────┐\\n│ Extract │ extract.py - Text aus PDF\/DOCX\/PPTX\/MD\/TXT\\n└──────┬──────┘\\n │ (nur PDF)\\n ▼\\n┌─────────────┐\\n│ Vision │ vision.py - Bild\/Tabellen-Analyse mit llama3.2-vision:11b\\n└──────┬──────┘\\n │\\n ▼\\n┌─────────────┐\\n│ Chunk │ chunk.py - Semantisches Chunking nach Struktur\\n└──────┬──────┘\\n │ (nur PDF)\\n ▼\\n┌─────────────┐\\n│ Enrich │ enrich.py - Vision-Kontext zu Chunks hinzufügen\\n└──────┬──────┘\\n │\\n ▼\\n┌─────────────┐\\n│ Embed │ embed.py - Vektorisierung → Qdrant\\n└──────┬──────┘\\n │\\n ▼\\n┌─────────────┐\\n│ Analyze │ analyze.py - Entitäten, Relationen, Taxonomie\\n└─────────────┘\\n <\/pre>\\n \\n <h3>Vollständiger Durchlauf (run_full_pipeline)<\/h3>\\n <p><strong>Quelle:<\/strong> <code>pipeline.py:234-365<\/code><\/p>\\n <pre>\\nPhase 1: SCAN\\n └─ scan_directory() → Dateien mit Hash-Vergleich finden\\n └─ queue_files() → In pipeline_queue einfügen\\n\\nPhase 2: PROCESS\\n └─ get_pending_queue_items(limit=100)\\n └─ Für jedes Item: process_file() aufrufen\\n └─ Status in pipeline_queue aktualisieren\\n\\nPhase 3: EMBED REMAINING\\n └─ embed_pending_chunks() → Chunks ohne qdrant_id verarbeiten\\n <\/pre>\\n<\/section>\\n\\n<section>\\n <h2>Konfiguration (IST-Zustand)<\/h2>\\n <p><strong>Quelle:<\/strong> <code>config.py<\/code><\/p>\\n \\n <table>\\n <thead><tr><th>Parameter<\/th><th>Wert<\/th><th>Beschreibung<\/th><\/tr><\/thead>\\n <tbody>\\n <tr><td>NEXTCLOUD_PATH<\/td><td><code>\/var\/www\/nextcloud\/data\/root\/files\/Documents<\/code><\/td><td>Quellverzeichnis<\/td><\/tr>\\n <tr><td>SUPPORTED_EXTENSIONS<\/td><td><code>[\\\".pdf\\\", \\\".pptx\\\", \\\".docx\\\", \\\".md\\\", \\\".txt\\\"]<\/code><\/td><td>Dateitypen<\/td><\/tr>\\n <tr><td>EMBEDDING_MODEL<\/td><td><code>mxbai-embed-large<\/code><\/td><td>Ollama-Modell<\/td><\/tr>\\n <tr><td>EMBEDDING_DIMENSION<\/td><td><code>1024<\/code><\/td><td>Vektordimension<\/td><\/tr>\\n <tr><td>MAX_EMBED_CHARS<\/td><td><code>800<\/code><\/td><td>Max. Zeichen pro Embedding<\/td><\/tr>\\n <tr><td>MIN_CHUNK_SIZE<\/td><td><code>100<\/code><\/td><td>Min. Chunk-Größe<\/td><\/tr>\\n <tr><td>MAX_CHUNK_SIZE<\/td><td><code>2000<\/code><\/td><td>Max. Chunk-Größe<\/td><\/tr>\\n <tr><td>CHUNK_OVERLAP_PERCENT<\/td><td><code>10<\/code><\/td><td>Überlappung<\/td><\/tr>\\n <tr><td>DB_CONFIG.database<\/td><td><code>ki_content<\/code><\/td><td>Content-Datenbank<\/td><\/tr>\\n <tr><td>DB_LOG_CONFIG.database<\/td><td><code>ki_dev<\/code><\/td><td>Log-Datenbank<\/td><\/tr>\\n <tr><td>QDRANT_HOST<\/td><td><code>localhost<\/code><\/td><td>Qdrant-Server<\/td><\/tr>\\n <tr><td>QDRANT_PORT<\/td><td><code>6333<\/code><\/td><td>Qdrant-Port<\/td><\/tr>\\n <\/tbody>\\n <\/table>\\n \\n <h3>Qdrant Collections<\/h3>\\n <pre>\\nQDRANT_COLLECTIONS = {\\n \\\"documents\\\": {\\\"size\\\": 1024, \\\"distance\\\": \\\"Cosine\\\"},\\n \\\"mail\\\": {\\\"size\\\": 1024, \\\"distance\\\": \\\"Cosine\\\"},\\n \\\"entities\\\": {\\\"size\\\": 1024, \\\"distance\\\": \\\"Cosine\\\"}\\n}\\n <\/pre>\\n<\/section>\\n\\n<section>\\n <h2>Skript-Details<\/h2>\\n \\n <h3>detect.py - Datei-Erkennung<\/h3>\\n <p><strong>Quelle:<\/strong> <code>detect.py:23-86<\/code><\/p>\\n <pre>\\nFunktion: scan_directory(path=NEXTCLOUD_PATH)\\n - Rekursiver Scan, versteckte Dateien\/Ordner ignoriert\\n - SHA-256 Hash-Berechnung pro Datei\\n - Prüfung gegen documents.file_hash\\n - Rückgabe: Liste mit {path, name, ext, size, hash, action: \\\"new\\\"|\\\"update\\\"}\\n\\nFunktion: queue_files(files)\\n - Einfügen in pipeline_queue via db.add_to_queue()\\n <\/pre>\\n \\n <h3>extract.py - Text-Extraktion<\/h3>\\n <pre>\\nUnterstützte Formate:\\n - PDF: pdfplumber + OCR (tesseract, Sprache: deu)\\n - DOCX: python-docx\\n - PPTX: python-pptx\\n - MD: direktes Lesen\\n - TXT: direktes Lesen\\n\\nRückgabe: {success, content, file_type, error?}\\n <\/pre>\\n \\n <h3>chunk.py - Chunking<\/h3>\\n <pre>\\nFunktion: chunk_by_structure(extraction)\\n - Semantisches Chunking basierend auf Dokumenttyp\\n - Erhält heading_path (JSON-Array der Überschriften)\\n - Respektiert MIN_CHUNK_SIZE und MAX_CHUNK_SIZE\\n - Rückgabe: [{content, heading_path, position_start, position_end, metadata}]\\n <\/pre>\\n \\n <h3>embed.py - Embedding<\/h3>\\n <p><strong>Quelle:<\/strong> <code>embed.py:20-116<\/code><\/p>\\n <pre>\\nFunktion: get_embedding(text)\\n - Kollabiert mehrfache Punkte (z.B. \\\"...\\\" für Inhaltsverzeichnis)\\n - Truncation bei MAX_EMBED_CHARS (800 Zeichen)\\n - POST an {OLLAMA_HOST}\/api\/embeddings\\n - Modell: mxbai-embed-large\\n\\nFunktion: store_in_qdrant(collection, point_id, vector, payload)\\n - PUT an \/collections\/{collection}\/points\\n - Payload enthält: document_id, document_title, chunk_index, \\n content (truncated 1000 chars), heading_path, source_path\\n\\nFunktion: embed_chunks(chunks, document_id, document_title, source_path)\\n - Iteriert über Chunks\\n - Erzeugt UUID v4 für Qdrant point_id\\n - Speichert in Qdrant und aktualisiert chunks.qdrant_id\\n <\/pre>\\n \\n <h3>analyze.py - Semantische Analyse<\/h3>\\n <p><strong>Quelle:<\/strong> <code>analyze.py<\/code><\/p>\\n <pre>\\nFunktion: analyze_document(document_id, text, use_anthropic=True)\\n - Extrahiert Entitäten → entities Tabelle\\n - Extrahiert Relationen → entity_relations Tabelle\\n - Klassifiziert in Taxonomie → document_taxonomy Tabelle\\n - Analysiert Chunks → chunk_semantics Tabelle\\n \\nGespeicherte Felder in chunk_semantics:\\n - summary, keywords, sentiment, topics\\n - analysis_model (z.B. \\\"claude-opus-4-5-20251101\\\")\\n <\/pre>\\n<\/section>\\n\\n<section>\\n <h2>Pipeline-Konfigurationen (DB)<\/h2>\\n <p><strong>Tabellen:<\/strong> <code>ki_content.pipeline_configs<\/code>, <code>ki_content.pipeline_steps<\/code><\/p>\\n \\n <h3>Bestehende Pipelines<\/h3>\\n <table>\\n <thead><tr><th>ID<\/th><th>Name<\/th><th>Steps<\/th><th>Default<\/th><th>Status<\/th><\/tr><\/thead>\\n <tbody>\\n <tr><td>1<\/td><td>Standard<\/td><td>5<\/td><td>Ja<\/td><td>Produktiv<\/td><\/tr>\\n <tr><td>2<\/td><td>Schulungsunterlagen<\/td><td>20<\/td><td>Nein<\/td><td>Spezialisiert<\/td><\/tr>\\n <\/tbody>\\n <\/table>\\n \\n <h3>Verfügbare Step-Types (ENUM)<\/h3>\\n <pre>\\ndetect, validate, page_split, vision_analyze, extract, structure,\\nsegment, chunk, metadata_store, embed, collection_setup, vector_store,\\nindex_optimize, entity_extract, relation_extract, taxonomy_build,\\nsemantic_analyze, summarize, question_generate, finalize, analyze,\\nknowledge_page, knowledge_section, knowledge_document, knowledge_validate\\n <\/pre>\\n<\/section>\\n\\n<!-- ============================================================== -->\\n<!-- ONLINE-PIPELINE - TATSÄCHLICHE IMPLEMENTIERUNG -->\\n<!-- ============================================================== -->\\n\\n<hr>\\n<h1>Online-Pipeline (Query)<\/h1>\\n<p><em>Basierend auf Code-Analyse: PHP-Services<\/em><\/p>\\n\\n<section>\\n <h2>Architektur (IST-Zustand)<\/h2>\\n \\n <h3>Komponenten<\/h3>\\n <table>\\n <thead><tr><th>Komponente<\/th><th>Datei<\/th><th>Verantwortung<\/th><\/tr><\/thead>\\n <tbody>\\n <tr><td>ChatCon... [TRUNCATED-915d109d5fbae5b8]"
}
]
}