Layer 1 · Ingestion

Pärchen-Datenbank

Strukturierte Aufgabe-Lösung-Paare mit deklaratorischer Lizenz-Provenance. Strikte Trennung zwischen aufgabe_input (geht in den Generator) und loesung_ground_truth (für späteren Vergleich zurückgehalten).

§ 1.1 · Verzeichnisstruktur

Wo die Pärchen leben.

Layout

Pärchen liegen als YAML-Dateien in data/training-pairs/. Die zugehörigen PDFs liegen lokal in .scratch/pdfs_pruefung/ oder public/<Quelle>/ — beide Verzeichnisse gitignored. Im Repo wandert nur die strukturierte YAML-Daten plus eventuelle Public-Source-URLs.

Index-Datei data/training-pairs/_candidates_2026-05-05.md dokumentiert Kandidaten-Pärchen, deren Provenienz noch geklärt werden muss. Pärchen erst candidate, dann review_pending, dann muster_vollstaendig.

§ 1.2 · Detail-Aspekte

Klick auf eine Karte für Tiefe.

§ 1.3 · Code-Pointer

Wo im Repo das passiert.

Loader

Pair.load(pair_id)

scripts/_pair_pipeline_lib.py:Pair

@classmethod
def load(cls, pair_id: str) -> "Pair":
    candidates = sorted(PAIRS_DIR.glob(f"{pair_id}*.yaml"))
    yaml_path = candidates[0]
    data = yaml.safe_load(yaml_path.read_text(...))
    pages = data["aufgabe_input"]["pdf_seiten_aufgabe"] + ...
    return cls(...)

Schema

README.md

data/training-pairs/README.md

Pflicht-Sektionen pro YAML:
  - quelle (mit lizenz_status)
  - aufgabe_input (Eingabe-Block)
  - loesung_ground_truth (Zurück-
    gehaltene Pages + erwartete
    Strategie-Beschreibung)
  - pipeline (Ontologie-Konzepte)
  - status (Reife-Stufe)

Aktuelle Pärchen

2 vollständig + 7 candidates

data/training-pairs/*.yaml

pair_001_mammitzsch_goerges-bau
  TU Dresden Diplomarbeit 2024
  Sachsen · GK4 · Denkmal

pair_002_geburtig_scharoun-theater
  FeuerTrutz Dossier 2020
  Niedersachsen · Versammlungsstätte
  Branchenpreis 2018

Layer 1 · Ingestion

→ Layer 2: Konzept-Generator

↑ Architektur-Übersicht