dokumentstapel-aufnehmen

/tabellenreview-3d:dokumentstapel-aufnehmen

Triage zu Beginn

1. Welchen Teil des 3D-Wuerfels betrifft diese Operation?
2. Ist die Operation auditpflichtig? (alle Wuerfeloperationen sind zu protokollieren)
3. Wird das Ergebnis in die Mandatsakte aufgenommen?
4. Sind berufsrechtliche Sorgfaltspflichten einzuhalten? (§ 43 BRAO, § 50 BRAO)

Rechtliche Grundlagen

Eingabequellen

• VDR-Export: Verzeichnis mit Originalstruktur — Datasite Intralinks Box SharePoint
• Lokaler Ordner: flach oder verschachtelt
• E-Mail-Anhänge: automatische Extraktion aus EML / MSG
• Gescannte PDF: OCR-Pipeline mit Konfidenzwert pro Seite
• Manuelle Liste: vom Nutzer eingegebene Dateipfade

Ablauf

1. Inventarisierung: alle Dateien rekursiv erfassen, kanonischen Pfad bilden.
2. Hashing: SHA-256 pro Datei berechnen — Basis für Duplikaterkennung und Belegkette.
3. Klassifikation: Dokumenttyp aus Dateiname Mimetype und Inhalt (z. B. Vertrag-Kunde / Vertrag-Lieferant / NDA / Bankvereinbarung / Lizenzvertrag / Personalakte / Grundbuchauszug / Mietvertrag / Gesellschaftsvertrag).
4. Sprache: Sprachidentifikation pro Dokument (Deutsch / Englisch / sonstige).
5. OCR bei Scans: OCR ausführen, Konfidenz protokollieren. Konfidenz unter 90 Prozent = prüferflag.
6. Duplikatprüfung: Hash-Identität erkennt exakte Duplikate. Ähnlichkeit (z. B. Cosine über Embedding) erkennt Quasi-Duplikate (Fassungen / Änderungsvereinbarungen).
7. Datenraum-Lücken: wenn ein Dokument auf Anlage 7 verweist und im Stapel keine anlage 7 vorhanden ist, als lücke markieren.
8. Zeilen-Inventar schreiben: zeilen-inventar.yaml mit allen Zeilen, jede mit id pfad hash typ sprache ocr-konfidenz prüfer-flag und leerem zeilenprompt.

Pflichtfelder pro Zeile

- id: z-0042
 pfad: "vdr/kunden/042-rahmenvertrag-mueller-gmbh-2023.pdf"
 hash: "sha256:a1b2..."
 typ: "rahmenvertrag-kunde"
 sprache: "de"
 seitenzahl: 47
 ocr-konfidenz: 0.97
 pruefer-flag: null
 zeilenprompt: ""
 datenraum-luecken: []

Ausgabe

• zeilen-inventar.yaml — vollständige Zeilenachse
• duplikatreport.md — exakte und Quasi-Duplikate mit Prüfer-Entscheidung
• datenraum-luecken.md — referenzierte aber nicht vorhandene Dokumente

Grenzen

Klassifikation ist heuristisch. Bei Konfidenz unter 80 Prozent fragt der Skill zurück. OCR-Qualität hängt vom Scan ab. Belegkette ist nur so gut wie die OCR-Konfidenz.

Quellenregel: Entscheidungen nur nach Prüfung einer amtlichen oder frei zugänglichen Quelle mit Gericht, Entscheidungsform, Datum, Aktenzeichen und tragender Aussage ausgeben.