{
"tool_response": [
{
"type": "text",
"text": "{\n \"success\": true,\n \"doc\": {\n \"id\": 111,\n \"parent_id\": 100,\n \"slug\": \"dokument-import\",\n \"path\": \"\/prozesse\/rag-prozess\/dokument-import\",\n \"title\": \"Dokument-Import\",\n \"description\": \"PDF\/Text-Dokumente in die Pipeline laden und Metadaten extrahieren\",\n \"content\": \"\\n<p class=\\\"doc-meta\\\"><strong>Erstellt:<\/strong> 2025-12-24 | <strong>Aktualisiert:<\/strong> 2025-12-24<\/p>\\n<h2>Dokument-Import (Phase 0-1)<\/h2>\\n\\n<h3>Ziel<\/h3>\\n<p>Ein Dokument wird kontrolliert übernommen, eindeutig identifiziert und unverändert archiviert. Der extrahierte Inhalt wird vollständig und reproduzierbar in der SQL-Datenbank als <strong>Single Source of Truth<\/strong> gespeichert.<\/p>\\n\\n<h3>Eingangskanäle<\/h3>\\n<ul>\\n <li>Dateiupload über Content Pipeline UI<\/li>\\n <li>Ablage in beobachtetem Import-Verzeichnis<\/li>\\n <li>Übergabe über interne Schnittstelle<\/li>\\n<\/ul>\\n\\n<h3>Akzeptierte Formate<\/h3>\\n<ul>\\n <li>PDF (via pdfplumber)<\/li>\\n <li>Markdown<\/li>\\n <li>Plain Text<\/li>\\n<\/ul>\\n\\n<h3>Identität und Versionierung<\/h3>\\n<table>\\n <tr><th>Konzept<\/th><th>Beschreibung<\/th><\/tr>\\n <tr><td>Content Hash<\/td><td>Primäre Dublettenerkennung über SHA256 der Originaldatei<\/td><\/tr>\\n <tr><td>Dokumenten-ID<\/td><td>Stabile, systemgenerierte ID über gesamten Lebenszyklus<\/td><\/tr>\\n <tr><td>Versionierung<\/td><td>Neue Version bei geändertem Inhalt, referenziert Original-ID<\/td><\/tr>\\n<\/table>\\n\\n<h3>Archivierung<\/h3>\\n<p>Die Originaldatei wird unverändert archiviert und dient als Quelle für Reprocessing:<\/p>\\n<ul>\\n <li>Binärartefakt<\/li>\\n <li>Content Hash<\/li>\\n <li>Dateigröße<\/li>\\n <li>Erfassungszeit<\/li>\\n<\/ul>\\n\\n<h3>Textgewinnung<\/h3>\\n<ul>\\n <li>Formatabhängige, deterministische Extraktion<\/li>\\n <li>Linearer Textstrom ohne Layoutlogik<\/li>\\n <li>Keine Inhalte entfernt, zusammengefasst oder interpretiert<\/li>\\n<\/ul>\\n\\n<h3>Normalisierung<\/h3>\\n<ul>\\n <li>Vereinheitlichung von Zeilenumbrüchen<\/li>\\n <li>Unicode-Normalisierung<\/li>\\n <li>Entfernung technischer Steuerzeichen<\/li>\\n<\/ul>\\n\\n<h3>Beteiligte Komponenten<\/h3>\\n<table>\\n <thead><tr><th>Komponente<\/th><th>Pfad<\/th><th>Funktion<\/th><\/tr><\/thead>\\n <tbody>\\n <tr><td>Content Pipeline<\/td><td><code>\/content-pipeline<\/code><\/td><td>Web-UI für Imports<\/td><\/tr>\\n <tr><td>import_pdf()<\/td><td><code>pipeline\/import_pipeline.py<\/code><\/td><td>PDF-Extraktion<\/td><\/tr>\\n <tr><td>documents-Tabelle<\/td><td><code>ki_content.documents<\/code><\/td><td>Dokument-Metadaten<\/td><\/tr>\\n <tr><td>document_pages<\/td><td><code>ki_content.document_pages<\/code><\/td><td>Seitenweise Extraktion<\/td><\/tr>\\n <\/tbody>\\n<\/table>\\n\\n<h3>Datenbank-Schema<\/h3>\\n<pre>\\ndocuments:\\n id, filename, source_path, file_size, content_hash,\\n page_count, status, version, created_at\\n\\ndocument_pages:\\n id, document_id, page_number, content, \\n metadata, created_at\\n<\/pre>\\n\\n<h3>Prüfbedingungen für Supervision<\/h3>\\n<ul>\\n <li>Für jede Dokumenten-ID existiert mindestens eine unveränderte Originaldatei<\/li>\\n <li>Jede spätere Verarbeitung referenziert exakt diese Dokumenten-ID und Version<\/li>\\n <li>Reprocessing mit derselben Originaldatei ergibt identische Content Hash Werte<\/li>\\n <li>Der gespeicherte Text ist vollständig aus der Originaldatei rekonstruierbar<\/li>\\n<\/ul>\",\n \"status\": \"published\",\n \"sort_order\": 1,\n \"depth\": 2,\n \"created_at\": \"2025-12-24T09:59:20\",\n \"updated_at\": \"2025-12-27T15:58:19\"\n }\n}"
}
]
}