Update documentation to version 2.9.1, incorporating WP-15c enhancements including section-based links, multigraph support, and improved scoring logic. Add details on Super-Edge aggregation and Note-Level Diversity Pooling for better retrieval accuracy. Enhance context descriptions and clarify provenance handling in technical references.

2025-12-31 16:55:12 +01:00 · 2025-12-31 16:55:12 +01:00 · 4de9a4f649
commit 4de9a4f649
parent d35bdc64b9
5 changed files with 448 additions and 21 deletions
--- a/docs/02_concepts/02_concept_graph_logic.md
+++ b/docs/02_concepts/02_concept_graph_logic.md
@ -4,7 +4,7 @@ audience: architect, product_owner
 scope: graph, logic, provenance
 status: active
 version: 2.9.1
-context: "Fachliche Beschreibung des Wissensgraphen: Knoten, Kanten, Provenance, Matrix-Logik und WP-22 Scoring-Prinzipien."
+context: "Fachliche Beschreibung des Wissensgraphen: Knoten, Kanten, Provenance, Matrix-Logik, WP-15c Multigraph-Support und WP-22 Scoring-Prinzipien."
 ---

 # Konzept: Die Graph-Logik
@ -59,7 +59,7 @@ Um eine konsistente mathematische Gewichtung zu garantieren, werden alle Kanten

 ### 2.2 Provenance (Herkunft & Vertrauen)

-Nicht alle Kanten sind gleich viel wert. Mindnet unterscheidet drei Qualitätsstufen (**Provenance**), um bei der Berechnung des Edge-Bonus Prioritäten zu setzen.
+Nicht alle Kanten sind gleich viel wert. Mindnet unterscheidet mehrere Qualitätsstufen (**Provenance**), um bei der Berechnung des Edge-Bonus Prioritäten zu setzen.

 **1. Explicit (Der Mensch hat es gesagt)**
 * *Quelle:* Inline-Links (`[[rel:...]]`) oder Wikilinks im Text.
@ -76,6 +76,19 @@ Nicht alle Kanten sind gleich viel wert. Mindnet unterscheidet drei Qualitätsst
 * *Vertrauen:* **Niedrig (0.7)**.
 * *Bedeutung:* Systemseitige Heuristik. Diese Verbindungen dienen der Entdeckung neuer Pfade, haben aber weniger Gewicht als explizite Links.

+**4. Structure (System-interne Verkettung)**
+* *Quelle:* Automatische Struktur-Kanten (`belongs_to`, `next`, `prev`).
+* *Vertrauen:* **Hoch (1.0)**.
+* *Bedeutung:* Diese Kanten werden ausschließlich durch interne Prozesse erzeugt und sind durch die **Provenance Firewall** geschützt. Sie können weder durch Nutzer noch durch KI manipuliert werden.
+
+### 2.3 Provenance Firewall (WP-15c)
+
+Die **Edge Registry** (v0.8.0) implementiert eine strikte Trennung zwischen System-Kanten und Inhalts-Kanten:
+
+* **Geschützte System-Kanten:** `next`, `prev`, `belongs_to` dürfen nur mit `provenance="structure"` gesetzt werden.
+* **Blockierung:** Alle anderen Provenienzen (`explicit`, `semantic_ai`, `inherited`, `global_pool`, `rule`) werden bei System-Kanten blockiert und auf `related_to` zurückgesetzt.
+* **Zweck:** Sichert die Graph-Integrität und verhindert Manipulationen an der internen Struktur.
+
 ---

 ## 3. Matrix-Logik (Kontext-Sensitivität)
@ -122,12 +135,16 @@ Der Intent-Router injiziert spezifische Multiplikatoren für kanonische Typen:

 Seit v2.9.1 unterstützt Mindnet **Deep-Links** zu spezifischen Abschnitten innerhalb einer Note.

-### 6.1 Link-Parsing
-Links wie `[[Note#Section]]` werden in zwei Komponenten aufgeteilt:
+### 6.1 Link-Parsing & Self-Links (WP-15c)
+
+Die Logik erkennt nun präzise **Obsidian-Anker** (`[[Note#Section]]`) und **Self-Links** (`[[#Section]]`):
+
+* **Obsidian-Anker:** `[[Note#Section]]` wird in `target_id="Note"` und `target_section="Section"` aufgeteilt.
+* **Self-Links:** `[[#Section]]` wird zu `target_id="current_note_id"` und `target_section="Section"` aufgelöst.
 * **`target_id`:** Enthält nur den Note-Namen (z.B. "Mein Leitbild")
 * **`target_section`:** Enthält den Abschnitts-Namen (z.B. "P3 – Disziplin")

-**Vorteil:** Verhindert "Phantom-Knoten", die durch das Einbeziehen des Anchors in die `target_id` entstanden wären.
+**Vorteil:** Verhindert "Phantom-Knoten", die durch das Einbeziehen des Anchors in die `target_id` entstanden wären. Ermöglicht präzise Verlinkung innerhalb derselben Note.

 ### 6.2 Multigraph-Support
 Die Edge-ID enthält nun einen `variant`-Parameter (die Section), sodass mehrere Kanten zwischen denselben Knoten existieren können, wenn sie auf verschiedene Sections zeigen:
--- a/docs/03_Technical_References/03_tech_data_model.md
+++ b/docs/03_Technical_References/03_tech_data_model.md
@ -120,10 +120,12 @@ Gerichtete Kanten zwischen Knoten. Stark erweitert in v2.6 für Provenienz-Track
 }
 ```

-**Section-Support:**
+**Section-Support (WP-15c):**
 * Links wie `[[Note#Section]]` werden in `target_id="Note"` und `target_section="Section"` aufgeteilt.
-* Die Edge-ID enthält die Section als `variant`, sodass mehrere Kanten zwischen denselben Knoten existieren können, wenn sie auf verschiedene Sections zeigen.
+* **Self-Links:** `[[#Section]]` wird zu `target_id="current_note_id"` und `target_section="Section"` aufgelöst.
+* Die Edge-ID enthält die Section als `variant`, sodass mehrere Kanten zwischen denselben Knoten existieren können, wenn sie auf verschiedene Sections zeigen (Multigraph-Modus).
 * Semantische Deduplizierung basiert auf `src->tgt:kind@sec` Key, um "Phantom-Knoten" zu vermeiden.
+* **Metadaten-Persistenz:** `target_section`, `provenance` und `confidence` werden durchgängig im In-Memory Subgraph und Datenbank-Adapter erhalten.

 **Erforderliche Indizes:**
 Es müssen Payload-Indizes für folgende Felder existieren:
--- a/docs/03_Technical_References/03_tech_retrieval_scoring.md
+++ b/docs/03_Technical_References/03_tech_retrieval_scoring.md
@ -3,22 +3,29 @@ doc_type: technical_reference
 audience: developer, data_scientist
 scope: backend, retrieval, scoring, modularization
 status: active
-version: 2.9.0
-context: "Detaillierte Dokumentation der Scoring-Algorithmen, inklusive WP-22 Lifecycle-Modifier, Intent-Boosting und WP-14 Modularisierung."
+version: 2.9.1
+context: "Detaillierte Dokumentation der Scoring-Algorithmen, inklusive WP-22 Lifecycle-Modifier, Intent-Boosting, WP-15c Diversity Engine und WP-14 Modularisierung."
 ---

 # Retrieval & Scoring Algorithmen

 Der Retriever unterstützt **Semantic Search** und **Hybrid Search**. Seit v2.4 nutzt Mindnet ein gewichtetes Scoring-Modell, das Semantik, Graphentheorie und Metadaten kombiniert. Mit Version 2.7 (WP-22) wurde dieses Modell um **Lifecycle-Faktoren** und **Intent-Boosting** erweitert sowie die Architektur modularisiert (WP-14).

-## 1. Scoring Formel (v2.7.0)
+## 1. Scoring Formel (WP-15c / v1.0.3)

-Der Gesamtscore eines Treffers berechnet sich als gewichtete Summe. Alle Gewichte ($W$) und Modifier ($M$) sind in `retriever.yaml` und `decision_engine.yaml` konfigurierbar.
+Seit WP-15c nutzt Mindnet eine **hybride Multiplikations-Formel** für präziseres Scoring. Alle Gewichte ($W$) und Modifier ($M$) sind in `retriever.yaml` und `decision_engine.yaml` konfigurierbar.

 $$
-TotalScore = (W_{sem} \cdot S_{sem} \cdot W_{type} \cdot M_{status}) + (W_{edge} \cdot B_{edge}) + (W_{cent} \cdot B_{cent}) + B_{intent}
+Final = (Semantic \cdot StatusMult) \cdot (1 + TypeBoost + EdgeBonus + CentBonus)
 $$

+**Komponenten:**
+* **Base Score:** `Semantic * StatusMult` (Lifecycle-Filter)
+* **Boosts:** `TypeBoost + EdgeBonus + CentBonus` (additiv, dann multiplikativ auf Base)
+* **Graph Boost Factor:** Intent-spezifische Verstärkung (1.5x bei aktivem Intent)
+
+**Vorteil:** Status wirkt als Multiplikator auf die Basis-Relevanz, Graph-Boni werden proportional verstärkt.
+
 ### Die Komponenten (Klassisch v2.4)

 **1. Semantic Score ($S_{sem}$):**
@ -43,13 +50,15 @@ $$

 ### Die WP-22 Erweiterungen (v2.7.0)

-**5. Status Modifier ($M_{status}$):**
+**5. Status Modifier ($M_{status}$) - Status-Gatekeeper:**
 * **Herkunft:** Feld `status` aus dem Frontmatter (verarbeitet in `retriever_scoring.get_status_multiplier`).
-* **Zweck:** Bestraft unfertiges Wissen (Drafts) oder bevorzugt stabiles Wissen.
-* **Werte (Auftrag WP-22):** * `stable`: **1.2** (Belohnung für verifiziertes Wissen).
-    * `active`: **1.0** (Standard-Gewichtung).
-    * `draft`: **0.5** (Malus für unfertige Fragmente).
-    * `system`: Exkludiert (siehe Ingestion Lifecycle Filter).
+* **Zweck:** Wirkt als **Multiplikator** auf die Basis-Semantik. Bestraft unfertiges Wissen (Drafts) oder bevorzugt stabiles Wissen.
+* **Werte (WP-15c):**
+    * `stable`: **1.2** (Belohnung für verifiziertes Wissen)
+    * `active`: **1.0** (Standard-Gewichtung)
+    * `draft`: **0.5** (Malus für unfertige Fragmente)
+    * `system`: Exkludiert (siehe Ingestion Lifecycle Filter)
+* **Impact:** Der Status wirkt direkt auf die semantische Ähnlichkeit, bevor Graph-Boni berechnet werden.

 **6. Intent Boost ($B_{intent}$):**
 * **Herkunft:** Dynamische Injektion durch die Decision Engine basierend auf der Nutzerfrage.
@ -70,16 +79,25 @@ Seit v2.9 ist die Retrieval-Engine im spezialisierten Paket `app.core.retrieval`
 * Diese delegiert an `app.core.graph.graph_subgraph`, um direkte Nachbarn aus der `_edges` Collection zu laden.
 * Konstruktion eines in-memory Graphen zur Berechnung topologischer Boni.

-**Phase 3: Re-Ranking (Modular)**
+**Phase 3: Graph-Intelligenz & Super-Edge Aggregation (WP-15c)**
+* **Super-Edge Aggregation:** Parallele Kanten zwischen zwei Notizen (z.B. auf verschiedene Sections) werden mathematisch zu einer "Super-Edge" aggregiert:
+  * Primäre Kante zählt voll (höchstes Gewicht)
+  * Weitere Kanten werden mit Dämpfungsfaktor **0.1** gewichtet
+  * Verhindert Score-Explosionen durch multiple Links
+* **Provenance Weighting:** Kanten werden nach Provenance gewichtet (`explicit`=1.0, `smart`=0.9, `rule`=0.7)
+* **Intent Boost:** Dynamische Multiplikatoren für spezifische Kanten-Typen (z.B. `caused_by` bei "Warum"-Fragen)
+
+**Phase 4: Re-Ranking & Diversity Pooling (WP-15c)**
 * Der Orchestrator übergibt den Graphen und die Seeds an die `ScoringEngine` (`retriever_scoring.py`).
 * Berechnung der finalen Scores unter Berücksichtigung von $B_{edge}$, $B_{cent}$ sowie der Lifecycle- und Intent-Modifier.
+* **Note-Level Diversity Pooling:** Pro `note_id` wird nur der relevanteste Treffer behalten (verhindert "Note-Flooding").
 * Sortierung absteigend nach `TotalScore` und Limitierung auf die angeforderten Top-Resultate.

 ---

-## 3. Explanation Layer (WP-22 Update)
+## 3. Explanation Layer (WP-15c)

-Bei `explain=True` generiert das System eine detaillierte Begründung inklusive Provenienz-Informationen.
+Bei `explain=True` generiert das System eine detaillierte Begründung inklusive Provenienz-Informationen. Der Explanation Layer liefert detaillierte Begründungen für jeden Bonus (z.B. Sektions-Links oder Hub-Zentralität), was die Transparenz massiv erhöht.

 **Erweiterte JSON-Struktur:**

--- a/docs/99_Archive/WP15c_merge_commit.md
+++ b/docs/99_Archive/WP15c_merge_commit.md
@ -0,0 +1,123 @@
+# Branch Merge Commit Message: WP15c
+
+```
+feat: Multigraph-Support, Diversity Engine & Provenance Firewall (v2.9.1)
+
+## Graph Topology & Edge Management (WP-15c)
+
+### Section-Präzision & Multigraph-Modus
+- Präzise Erkennung von Obsidian-Ankern (`[[Note#Section]]`) und Self-Links (`[[#Section]]`)
+- Links werden in `target_id="Note"` und `target_section="Section"` aufgelöst
+- Edge-ID enthält `variant` (Section) für eindeutige Identifikation
+- Multigraph-Modus: Mehrere Kanten zwischen denselben Notizen möglich, wenn sie auf verschiedene Sections zeigen
+- Behebt "Phantom-Knoten" durch korrekte Trennung von Note-Name und Abschnitt
+
+**Geänderte Dateien:**
+- `app/core/graph/graph_utils.py`: `parse_link_target()` für Section-Extraktion & Self-Links (v1.1.2)
+- `app/core/graph/graph_derive_edges.py`: Multigraph-Support, `target_section` in Edge-Payload (v1.1.2)
+- `app/core/graph/graph_subgraph.py`: Metadaten-Persistenz (v1.2.0)
+- `app/core/graph/graph_db_adapter.py`: Vollständige Metadaten-Durchreichung (v1.1.1)
+
+### Provenance Firewall (Edge Registry v0.8.0)
+- System-Kanten (`next`, `prev`, `belongs_to`) dürfen nur mit `provenance="structure"` gesetzt werden
+- Alle anderen Provenienzen (`explicit`, `semantic_ai`, `inherited`, `global_pool`, `rule`) werden blockiert
+- Automatischer Fallback auf `related_to` bei unerlaubter Verwendung
+- Logging in `data/logs/unknown_edges.jsonl` für Admin-Review
+
+**Geänderte Dateien:**
+- `app/services/edge_registry.py`: Provenance Firewall (v0.8.0)
+
+## Retrieval-Intelligenz (The Diversity Engine)
+
+### Note-Level Diversity Pooling
+- Pro `note_id` wird nur der relevanteste Treffer im Endergebnis behalten
+- Verhindert "Note-Flooding" (Dominanz einer einzigen Notiz durch viele ähnliche Chunks)
+- Workflow: Sortierung nach finalem Score → Diversity-Pooling → Begrenzung auf `top_k`
+
+**Geänderte Dateien:**
+- `app/core/retrieval/retriever.py`: Note-Level Diversity Pooling (v0.7.0)
+
+### Super-Edge Aggregation
+- Parallele Kanten zwischen zwei Notizen werden mathematisch zu einer "Super-Edge" aggregiert
+- Primäre Kante zählt voll, weitere Kanten werden mit Dämpfungsfaktor **0.1** gewichtet
+- Verhindert Score-Explosionen durch multiple Links auf verschiedene Sections
+- Metadaten: `is_super_edge` Flag und `edge_count` für Explanation Layer
+
+**Geänderte Dateien:**
+- `app/core/retrieval/retriever.py`: Super-Edge Aggregation (v0.7.0)
+
+### Metadaten-Persistenz
+- In-Memory Subgraph und Datenbank-Adapter erweitert für durchgängige Metadaten-Erhaltung
+- `target_section`, `provenance` und `confidence` werden vollständig erhalten
+- Ermöglicht präzises Retrieval-Reasoning und Explanation Layer
+
+**Geänderte Dateien:**
+- `app/core/graph/graph_subgraph.py`: Metadaten-Persistenz (v1.2.0)
+- `app/core/graph/graph_db_adapter.py`: Vollständige Metadaten-Durchreichung (v1.1.1)
+
+## Mathematisches Scoring (WP-22 Integration)
+
+### Hybrid Scoring Formula (v1.0.3)
+- Neue Formel: `Final = (Semantic * StatusMult) * (1 + TypeBoost + EdgeBonus + CentBonus)`
+- Status-Gatekeeper: `stable` = 1.2, `draft` = 0.5, `active` = 1.0
+- Graph Boost Factor: Intent-spezifische Verstärkung (1.5x bei aktivem Intent)
+- Status wirkt als Multiplikator auf die Basis-Relevanz, Graph-Boni werden proportional verstärkt
+
+**Geänderte Dateien:**
+- `app/core/retrieval/retriever_scoring.py`: Hybrid Scoring Formula (v1.0.3)
+
+### Explanation Layer
+- Detaillierte Begründungen für jeden Bonus (Sektions-Links, Hub-Zentralität, Super-Edge-Informationen)
+- Provenance-Informationen für erhöhte Transparenz
+- Massiv erhöhte Transparenz für Debugging und Nutzer-Vertrauen
+
+**Geänderte Dateien:**
+- `app/core/retrieval/retriever.py`: Explanation Layer (v0.7.0)
+
+## Ingestion & Profil-Synchronisation
+
+### Registry-First Profiling (v2.13.12)
+- Hierarchische Auflösung: Frontmatter > types.yaml Typ-Config > Global Defaults
+- Konsistente Verarbeitung je nach Notiz-Typ
+- Note-Typen wie `value` erhalten automatisch das korrekte Profil (`structured_smart_edges_strict`)
+
+**Geänderte Dateien:**
+- `app/core/ingestion/ingestion_processor.py`: Registry-First Profiling (v2.13.12)
+
+## Impact & Breaking Changes
+
+### Keine Migration erforderlich
+**WICHTIG:** Diese Version ist **rückwärtskompatibel**. Bestehende Vaults funktionieren ohne Re-Import.
+
+**Empfehlung:** Optionaler Re-Import für optimale Nutzung der neuen Features:
+```bash
+python3 -m scripts.import_markdown --vault ./vault --prefix "mindnet" --apply --force
+```
+
+### Fixes
+- ✅ Resolves: "Phantom-Knoten" durch korrekte Trennung von Note-Name und Section
+- ✅ Resolves: Score-Explosionen durch multiple Links auf verschiedene Sections
+- ✅ Resolves: "Note-Flooding" durch fehlende Diversity-Filterung
+- ✅ Resolves: Inkonsistente Metadaten durch fehlende Persistenz im Subgraph
+- ✅ Resolves: Manipulation von System-Kanten durch Provenance Firewall
+
+## Dokumentation
+
+Alle relevanten Dokumente aktualisiert:
+- `02_concept_graph_logic.md`: Provenance Firewall, Self-Links, Multigraph-Support
+- `03_tech_retrieval_scoring.md`: Hybrid Scoring Formula, Note-Level Diversity, Super-Edge Aggregation
+- `03_tech_data_model.md`: Section-Support, Metadaten-Persistenz
+- `03_tech_ingestion_pipeline.md`: Registry-First Profiling (bereits dokumentiert)
+
+## Versionen
+
+- Edge Registry: v0.8.0
+- Graph Utils / Derive Edges: v1.1.2
+- Graph Subgraph: v1.2.0
+- Graph DB Adapter: v1.1.1
+- Retriever: v0.7.0
+- Retriever Scoring: v1.0.3
+- Ingestion Processor: v2.13.12
+
+Closes #[issue-number]
+```
--- a/docs/99_Archive/WP15c_release_notes.md
+++ b/docs/99_Archive/WP15c_release_notes.md
@ -0,0 +1,267 @@
+# Release Notes: Mindnet v2.9.1 (WP15c)
+
+**Release Date:** 2025-12-31  
+**Type:** Feature Release - Multigraph & Diversity Engine  
+**Branch:** WP15c
+
+---
+
+## 🎯 Übersicht
+
+Diese Version transformiert den Graphen von einer flachen Struktur zu einem **hochpräzisen Multigraphen** mit intelligenter Ergebnis-Filterung (Diversity) und gewichtetem Scoring. Die Änderungen verbessern die Retrieval-Qualität durch präzise Sektions-Links, Note-Level Diversity Pooling und mathematische Super-Edge Aggregation.
+
+---
+
+## ✨ Neue Features
+
+### Section-Präzision & Multigraph-Modus
+
+Mindnet erkennt nun präzise **Obsidian-Anker** (`[[Note#Section]]`) und **Self-Links** (`[[#Section]]`):
+
+**Obsidian-Anker:**
+```markdown
+[[rel:based_on Mein Leitbild#P3 – Disziplin]]
+```
+
+**Self-Links:**
+```markdown
+[[#P3 – Disziplin]]  → Verlinkt innerhalb derselben Note
+```
+
+**Technische Details:**
+- Links werden in `target_id="Note"` und `target_section="Section"` aufgelöst
+- Edge-IDs enthalten `variant` (Section) für eindeutige Identifikation
+- **Multigraph-Modus:** Mehrere Kanten zwischen denselben Notizen möglich, wenn sie auf verschiedene Sections zeigen
+- Verhindert "Phantom-Knoten" durch korrekte Trennung von Note-Name und Abschnitt
+
+### Provenance Firewall (Edge Registry v0.8.0)
+
+Die **Edge Registry** stellt sicher, dass System-Kanten (`next`, `prev`, `belongs_to`) ausschließlich durch interne Struktur-Prozesse und nicht durch Nutzer oder KI manipuliert werden können:
+
+**Schutz-Mechanismus:**
+- System-Kanten dürfen nur mit `provenance="structure"` gesetzt werden
+- Alle anderen Provenienzen (`explicit`, `semantic_ai`, `inherited`, `global_pool`, `rule`) werden blockiert
+- Automatischer Fallback auf `related_to` bei unerlaubter Verwendung
+- Logging in `data/logs/unknown_edges.jsonl` für Admin-Review
+
+**Vorteil:** Garantiert Graph-Integrität und verhindert Manipulationen an der internen Struktur.
+
+### Note-Level Diversity Pooling
+
+Um das **"Note-Flooding"** (Dominanz einer einzigen Notiz durch viele ähnliche Chunks) zu verhindern, wird pro `note_id` nur noch der relevanteste Treffer im Endergebnis behalten:
+
+**Workflow:**
+1. Alle Kandidaten werden nach finalem Score sortiert
+2. Pro `note_id` wird nur der Hit mit dem höchsten `total_score` behalten
+3. Begrenzung auf `top_k` nach dem Diversity-Pooling
+
+**Impact:** Verhindert, dass 10 Chunks derselben Note andere KeyNotes verdrängen. Erhöht die Vielfalt der Suchergebnisse.
+
+### Super-Edge Aggregation
+
+Parallele Kanten zwischen zwei Notizen werden mathematisch zu einer **"Super-Edge"** aggregiert:
+
+**Aggregations-Logik:**
+- Primäre Kante (höchstes Gewicht) zählt voll
+- Jede weitere Kante (z.B. auf eine andere Sektion) wird mit Dämpfungsfaktor **0.1** gewichtet
+- Formel: `total_weight = primary_weight + sum(secondary_weights * 0.1)`
+
+**Vorteil:** Verhindert Score-Explosionen durch multiple Links auf verschiedene Sections derselben Note.
+
+**Metadaten:**
+- `is_super_edge`: Flag für Explanation Layer
+- `edge_count`: Anzahl der aggregierten Kanten
+
+---
+
+## 🔧 Verbesserungen
+
+### Mathematisches Scoring (WP-22 Integration)
+
+Die Engine berechnet den finalen Score basierend auf einer **hybriden Multiplikations-Formel**:
+
+```
+Final = (Semantic * StatusMult) * (1 + TypeBoost + EdgeBonus + CentBonus)
+```
+
+**Komponenten:**
+- **Base Score:** `Semantic * StatusMult` (Lifecycle-Filter)
+- **Status-Gatekeeper:** `stable` = 1.2, `draft` = 0.5, `active` = 1.0
+- **Boosts:** `TypeBoost + EdgeBonus + CentBonus` (additiv, dann multiplikativ auf Base)
+- **Graph Boost Factor:** Intent-spezifische Verstärkung (1.5x bei aktivem Intent)
+
+**Vorteil:** Status wirkt als Multiplikator auf die Basis-Relevanz, Graph-Boni werden proportional verstärkt.
+
+### Explanation Layer
+
+Der Retriever liefert detaillierte Begründungen für jeden Bonus:
+- Sektions-Links (z.B. "Link zu 'Mein Leitbild#P3 – Disziplin'")
+- Hub-Zentralität (z.B. "Note ist zentraler Knoten mit 5 eingehenden Kanten")
+- Super-Edge-Informationen (z.B. "3 parallele Kanten aggregiert")
+- Provenance-Informationen (z.B. "Explizite Kante vom Nutzer")
+
+**Impact:** Massiv erhöhte Transparenz für Debugging und Nutzer-Vertrauen.
+
+### Metadaten-Persistenz
+
+Der In-Memory Subgraph und der Datenbank-Adapter wurden so erweitert, dass Metadaten durchgängig erhalten bleiben:
+
+**Erhaltene Metadaten:**
+- `target_section`: Abschnitts-Name für präzise Verlinkung
+- `provenance`: Herkunft der Kante (explicit, smart, rule, structure)
+- `confidence`: Vertrauenswürdigkeit (0.0 - 1.0)
+- `is_super_edge`: Flag für aggregierte Kanten
+
+**Vorteil:** Ermöglicht präzises Retrieval-Reasoning und Explanation Layer.
+
+### Profil-Synchronisation (Ingestion v2.13.12)
+
+Der Ingestion-Prozessor löst Chunking-Profile hierarchisch über die `types.yaml` auf:
+
+**Hierarchie:**
+1. **Frontmatter** (höchste Priorität)
+2. **types.yaml Typ-Config**
+3. **Global Defaults**
+
+**Impact:** Konsistente Verarbeitung je nach Notiz-Typ. Note-Typen wie `value` erhalten automatisch das korrekte Profil (`structured_smart_edges_strict`).
+
+---
+
+## 🐛 Bugfixes
+
+- ✅ **Behoben:** "Phantom-Knoten" durch korrekte Trennung von Note-Name und Section in `target_id`
+- ✅ **Behoben:** Score-Explosionen durch multiple Links auf verschiedene Sections
+- ✅ **Behoben:** "Note-Flooding" durch fehlende Diversity-Filterung
+- ✅ **Behoben:** Inkonsistente Metadaten durch fehlende Persistenz im Subgraph
+- ✅ **Behoben:** Manipulation von System-Kanten durch Provenance Firewall
+
+---
+
+## ⚠️ Breaking Changes & Migration
+
+### Keine Migration erforderlich
+
+**WICHTIG:** Diese Version ist **rückwärtskompatibel**. Bestehende Vaults funktionieren ohne Re-Import.
+
+**Empfehlung:** Optionaler Re-Import für optimale Nutzung der neuen Features:
+```bash
+python3 -m scripts.import_markdown --vault ./vault --prefix "mindnet" --apply --force
+```
+
+**Was passiert beim Re-Import?**
+- Bestehende Links werden neu geparst und in `target_id` + `target_section` aufgeteilt
+- Self-Links (`[[#Section]]`) werden korrekt aufgelöst
+- Edge-Struktur wird konsolidiert (Multigraph-Support)
+
+---
+
+## 📚 API-Änderungen
+
+### Keine Breaking Changes
+
+Die API bleibt vollständig kompatibel. Neue Metadaten werden optional zurückgegeben:
+
+**EdgeDTO (erweitert):**
+```python
+class EdgeDTO(BaseModel):
+    # ... bestehende Felder ...
+    target_section: Optional[str] = None  # Neu: Abschnitts-Name
+    is_super_edge: Optional[bool] = False    # Neu: Aggregations-Flag
+```
+
+**QueryResponse (erweitert):**
+- Explanation Layer enthält nun Super-Edge-Informationen
+- Metadaten wie `target_section` werden in Edge-Objekten zurückgegeben
+
+---
+
+## 📖 Dokumentation
+
+Alle relevanten Dokumente wurden aktualisiert:
+
+- ✅ `02_concept_graph_logic.md`: Provenance Firewall, Self-Links, Multigraph-Support
+- ✅ `03_tech_retrieval_scoring.md`: Hybrid Scoring Formula, Note-Level Diversity, Super-Edge Aggregation
+- ✅ `03_tech_data_model.md`: Section-Support, Metadaten-Persistenz
+- ✅ `03_tech_ingestion_pipeline.md`: Registry-First Profiling (bereits dokumentiert)
+
+---
+
+## 🔄 Technische Details
+
+### Geänderte Module
+
+**Graph Topology:**
+- `app/services/edge_registry.py`: Provenance Firewall (v0.8.0)
+- `app/core/graph/graph_utils.py`: `parse_link_target()` für Section-Extraktion & Self-Links (v1.1.2)
+- `app/core/graph/graph_derive_edges.py`: Multigraph-Support, `target_section` in Edge-Payload (v1.1.2)
+- `app/core/graph/graph_subgraph.py`: Metadaten-Persistenz (v1.2.0)
+- `app/core/graph/graph_db_adapter.py`: Vollständige Metadaten-Durchreichung (v1.1.1)
+
+**Retrieval:**
+- `app/core/retrieval/retriever.py`: Note-Level Diversity Pooling, Super-Edge Aggregation (v0.7.0)
+- `app/core/retrieval/retriever_scoring.py`: Hybrid Scoring Formula (v1.0.3)
+
+**Ingestion:**
+- `app/core/ingestion/ingestion_processor.py`: Registry-First Profiling (v2.13.12)
+
+### Versionsnummern
+
+- Edge Registry: **v0.8.0**
+- Graph Utils / Derive Edges: **v1.1.2**
+- Graph Subgraph: **v1.2.0**
+- Graph DB Adapter: **v1.1.1**
+- Retriever: **v0.7.0**
+- Retriever Scoring: **v1.0.3**
+- Ingestion Processor: **v2.13.12**
+
+---
+
+## 🚀 Upgrade-Pfad
+
+### Für Administratoren
+
+1. **Code aktualisieren:**
+   ```bash
+   git pull origin main
+   source .venv/bin/activate
+   pip install -r requirements.txt
+   ```
+
+2. **Services neu starten:**
+   ```bash
+   sudo systemctl restart mindnet-prod
+   sudo systemctl restart mindnet-ui-prod
+   ```
+
+3. **Optional: Re-Import für optimale Nutzung:**
+   ```bash
+   python3 -m scripts.import_markdown --vault ./vault --prefix "mindnet" --apply --force
+   ```
+
+### Für Entwickler
+
+- Keine Code-Änderungen erforderlich, wenn nur API genutzt wird
+- Frontend kann neue Metadaten (`target_section`, `is_super_edge`) optional nutzen
+- Explanation Layer enthält nun Super-Edge-Informationen
+
+---
+
+## 📝 Bekannte Einschränkungen
+
+- **Re-Import-Dauer:** Große Vaults (>10.000 Notizen) können 30+ Minuten benötigen (optional)
+- **Temporärer Speicher:** Während des Re-Imports kann Qdrant-Speicher temporär ansteigen
+
+---
+
+## 🙏 Danksagungen
+
+Diese Version wurde durch umfangreiche Code-Analyse und Dokumentationsprüfung ermöglicht. Besonderer Fokus lag auf:
+- Transformation zu einem hochpräzisen Multigraphen
+- Intelligente Ergebnis-Filterung (Diversity Engine)
+- Mathematisches Scoring mit gewichteten Boni
+- Graph-Integrität durch Provenance Firewall
+
+---
+
+**Vollständige Changelog:** Siehe Git-Commits für detaillierte Änderungen  
+**Support:** Bei Fragen siehe [Admin Operations Guide](../04_Operations/04_admin_operations.md)