Programmmanagement/Programmplan_V2.2.md aktualisiert

Programmmanagement/Programmplan_V2.2.md

@@ -1,7 +1,7 @@
 # mindnet v2.2 — Programmplan
-**Version:** 2.2  
+**Version:** 2.2.1 (Post-WP04 Update)
-**Stand:** 2025-12-06  
+**Stand:** 2025-12-07
-**Status:** Aktiv (Fortschreibung von v2.1)   
+**Status:** Aktiv
 
 ---
 
@@ -72,10 +72,12 @@ Kernprinzipien der Vision:
 
 - Automatische Sammlung von Wissen aus Markdown-Vault und ersten Chat-Dialogen.
 - Aufbau eines stabilen Graph-Speichers in Qdrant (`*_notes`, `*_chunks`, `*_edges`).
-- Semantischer und graphbasierter Retriever (WP-04a abgeschlossen, WP-04b/04c in Vorbereitung).   
+- Semantischer und graphbasierter Retriever (WP-04a abgeschlossen).
+- **Erklärbarkeit:** Why-Layer liefert Begründungen zu Treffern (WP-04b abgeschlossen).
+- **Feedback-Loop:** Systematisches Logging von Suche und Bewertung (WP-04c abgeschlossen).
 - Automatisierte Erkennung von Beziehungen:
   - Wikilinks, Inline-Relationen, Callout-Edges, Typ-Defaults.
-- Schrittweises Lernen über Feedback (Score-Tuning, noch „manuell“ konfiguriert). :contentReference[oaicite:8]{index=8}  
+- Schrittweises Lernen über Feedback (Score-Tuning, noch „manuell“ konfiguriert).
 - „Mitwachsendes“ Schema ohne Obsidian-Umstrukturierungen:
   - Neues Wissen kann sofort erfasst werden,
   - bestehende Notizen bleiben gültig (Virtual Schema Layer).
@@ -87,6 +89,7 @@ Kernprinzipien der Vision:
 ### 3.2 Mittelfristig
 
 - Persönlichkeitsprofil wird stabil erkannt und für Antworten genutzt (Typen, Werte-Notizen, Entscheidungsnotizen).
+- **RAG-Chat:** KI antwortet in natürlicher Sprache auf Basis von Wissen und Persönlichkeit (WP-05).
 - Why-Layer: KI-Assistenz für Entscheidungen mit nachvollziehbarer Argumentation.
 - Interview-Assistent erstellt neue Notes automatisch (strukturierte Dialoge → Markdown).
 - mindnet erzeugt Vorschläge für neue Notes & Edges und bietet einen „Vernetzungs-Assistenten“ für manuell angelegte Notizen.
@@ -156,7 +159,7 @@ Die folgenden Prinzipien steuern alle Workpackages und Entscheidungen:
     Phase D – Agenten, MCP & Interaktion
     Phase E – Review, Refactoring, Dokumentation
 
-Alle Workpackages sind einer Phase zugeordnet; einige Workpackages (z. B. WP-03, WP-04a) sind bereits abgeschlossen und bilden heute die Basis für alle weiteren Schritte.
+Alle Workpackages sind einer Phase zugeordnet. WP-01 bis WP-04c sind bereits erfolgreich abgeschlossen.
 
 ---
 
@@ -167,7 +170,7 @@ Alle Workpackages sind einer Phase zugeordnet; einige Workpackages (z. B. WP-03,
 - Aufwand: Niedrig / Mittel / Hoch
 - Komplexität: Niedrig / Mittel / Hoch
 
-Die Status-Ampel zeigt den aktuellen Stand gemäß Programmfortschritt. :contentReference[oaicite:18]{index=18}  
+Die Status-Ampel zeigt den aktuellen Stand gemäß Programmfortschritt.
 
 ---
 
@@ -178,33 +181,12 @@ Die Status-Ampel zeigt den aktuellen Stand gemäß Programmfortschritt. :content
 
 **Ziel:**
 Grundlegendes Schema für mindnet festlegen (`knowledge_design.md`), inkl.:
+- Note-Typen (z. B. `concept`, `experience`, `project`, `decision`, `value`).
+- Standard-Properties und Grundstruktur von Edges.
+- Abbildung zentraler Lebens-Bereiche.
 
-- Note-Typen (z. B. `concept`, `experience`, `project`, `decision`, `value`, `principle`, `person`, `event`, etc.).  
+**Erreichte Ergebnisse:**
-- Standard-Properties (Titel, Typ, Tags, Status, Zeitstempel, Referenzen, Policies).  
+- `knowledge_design.md` und `types.yaml` definieren die Zielarchitektur.
-- Grundstruktur von Edges (z. B. `belongs_to`, `references`, `depends_on`, `similar_to`, `related_to`, `influenced_by`).  
-- Abbildung zentraler Lebens-Bereiche, Rollen und Wissenskategorien.
-
-**Aufwand / Komplexität:**  
-- Aufwand: Mittel  
-- Komplexität: Mittel  
-
-**Erreichte Ergebnisse / Funktionsumfang:**  
-
-- `knowledge_design.md` in Version 1.5 definiert:
-  - Zielarchitektur,  
-  - Collections,  
-  - Identitätsmodell,  
-  - zentrale Typen und Edges. :contentReference[oaicite:20]{index=20}  
-- Das Dokument beschreibt klar:
-  - wie Wissen fachlich strukturiert wird,  
-  - welche Typen und Relationen in mindnet „erwartet“ werden,  
-  - wie spätere Erweiterungen (neue Typen, zusätzliche Edge-Arten) ohne Retro-Migration möglich sind.  
-
-**DoD:**  
-
-- Schema ist konsistent beschrieben.  
-- Grundtypen und Edge-Arten sind definiert und im Code konzeptionell verankert (z. B. via `types.yaml`).  
-- Das Dokument dient als Referenz für alle folgenden WPs.
 
 ---
 
@@ -214,32 +196,11 @@ Grundlegendes Schema für mindnet festlegen (`knowledge_design.md`), inkl.:
 **Status:** 🟢 abgeschlossen
 
 **Ziel:**
-Festlegen und implementieren einer robusten Chunking-Strategie und einer Hash-Logik zur Änderungs­erkennung.  
+Festlegen und implementieren einer robusten Chunking-Strategie und einer Hash-Logik zur Änderungserkennung.
 
-**Umfang (fachlich & technisch):**   
+**Erreichte Ergebnisse:**
-
+- Implementierte Chunker-Logik mit Overlap.
-- Text in semantisch sinnvolle Chunks teilen (Heading-/Block-aware).  
+- Stabile Hash-Strategie zur sicheren Änderungserkennung.
-- Parallelhaltung von:
-  - `text` (Chunk-Kern ohne Overlap),
-  - `window` (Chunk-Fenster mit Overlap für Embeddings).  
-- Hash-Modi zur Änderungs­erkennung (Body / Frontmatter / Full, canonical vs. none).  
-- Unterstützung eines „Baseline-Modus“ (mehrere Hash-Signaturen), um spätere Modus-Wechsel zu ermöglichen, ohne alle Notizen als „geändert“ zu sehen.
-
-**Aufwand / Komplexität:**  
-- Aufwand: Mittel  
-- Komplexität: Mittel/Hoch  
-
-**Erreichte Ergebnisse / Funktionsumfang:**  
-
-- Implementierte Chunker-Logik mit Ziel-Längen, Overlap und Nachbarschaft (`neighbors_prev`, `neighbors_next`).  
-- Tests zur Überprüfung der Rekonstruktion von Notiz-Bodies aus Chunks (`verify_chunks_integrity.py`, `check_chunks_window_vs_text.py`).   
-- Hash-Konfiguration über ENV-Variablen + Option `--baseline-modes`.  
-- Roundtrip-Tests für Vault → Qdrant → Export-Vault (keine ungewollten Veränderungen an Inhalten).  
-
-**DoD:**  
-
-- Chunking stabil, deterministisch, überprüft.  
-- Hash-Strategie ermöglicht sichere Änderungs­erkennung ohne Mass-Diffs bei Konfigurationswechsel.  
 
 ---
 
@@ -249,39 +210,11 @@ Festlegen und implementieren einer robusten Chunking-Strategie und einer Hash-Lo
 **Status:** 🟢 abgeschlossen
 
 **Ziel:**
-Durchgängige Import-Pipeline von Markdown → Notes/Chunks/Edges in Qdrant mit deterministischen IDs, typbasierten Defaults und erklärbarem Edge-Modell.   
+Durchgängige Import-Pipeline von Markdown → Notes/Chunks/Edges in Qdrant mit deterministischen IDs.
 
-**Umfang:**  
+**Erreichte Ergebnisse:**
-
+- Vollständige E2E-Import-Pipeline.
-- Parser (robust gegenüber Zeichensatzfehlern, Frontmatter/Body-Erkennung, Sonderfälle wie Silverbullet-Dateien).  
+- Vollständiges Edge-Modell (Strukturkanten, Wikilinks, Inline-Relationen).
-- Bau von Note-Payloads (`note_payload`):  
-  - Typ-Vererbung (`retriever_weight`, `chunk_profile`, `edge_defaults`).  
-- Bau von Chunk-Payloads (`chunk_payload`):  
-  - `text`, `window`, Nachbarn, Typ-Information.  
-- Edge-System:
-  - Strukturkanten (`belongs_to`, `next`, `prev`),  
-  - explizite Wikilinks (`[[Note]]` → `references`),  
-  - Inline-Relationen (`[[rel:depends_on Note]]`),  
-  - Callout-Edges (`> [!edge] related_to: [[Note]]`),  
-  - typbasierte Standardkanten aus `types.yaml` (`edge_defaults`).   
-- Idempotente Upserts in Qdrant (Notes/Chunks/Edges).  
-
-**Aufwand / Komplexität:**  
-- Aufwand: Hoch  
-- Komplexität: Hoch  
-
-**Erreichte Ergebnisse / Funktionsumfang:**  
-
-- Vollständige E2E-Import-Pipeline incl. Tests (`run_e2e_roundtrip.sh`, `compare_vaults.py`, `validate_edges`, `edges_full_check`).   
-- deterministische ID-Vergabe für Notes/Chunks/Edges.  
-- vollständiges Edge-Modell gemäß Facharchitektur (`mindnet_functional_architecture.md`). :contentReference[oaicite:26]{index=26}  
-- Exporte zurück nach Markdown (Export-Pipeline) ermöglicht Roundtrip-Vergleich.  
-
-**DoD:**  
-
-- Importer generiert stabile Notes/Chunks/Edges für gesamten Vault.  
-- Edge-Invarianten (`belongs_to == #Chunks`, `next/prev` konsistent) erfüllt.  
-- Roundtrip: Exportierte Vault-Version stimmt inhaltlich mit originalem Vault überein (bis auf bewusst ausgeschlossene Dateien).  
 
 ---
 
@@ -291,132 +224,64 @@ Durchgängige Import-Pipeline von Markdown → Notes/Chunks/Edges in Qdrant mit
 **Status:** 🟢 abgeschlossen
 
 **Ziel:**
-Aufbau eines hybriden Retrievers, der Semantik (Embeddings), Typwissen (`retriever_weight`) und Graph-Informationen (Edges, Centrality) zu einem erklärbaren Score kombiniert.   
+Aufbau eines hybriden Retrievers, der Semantik, Typwissen und Graph-Informationen kombiniert.
 
-**Umfang:**  
+**Erreichte Ergebnisse:**
-
+- Hybrides Scoring-Modell (Semantic + Edge + Centrality).
-- Retriever-Modul (`app/core/retriever.py`):  
+- Konfiguration über `retriever.yaml`.
-  - Vektorsuche über `*_chunks`,  
+- `/query` Endpoint aktiv.
-  - Zusammenführung von Chunk-Treffern mit Note-Metadaten,  
-  - Aufbau eines Subgraphen (Nachbarn über Edges, Centrality-Berechnung).  
-- Scoring-Formel:
-      semantic_score
-      retriever_weight
-      edge_bonus
-      centrality_bonus
-- Konfiguration über `config/retriever.yaml` (Gewichte, Parameter). :contentReference[oaicite:28]{index=28}  
-- FastAPI-Endpoint `/query` mit Rückgabe:
-  - Trefferliste,
-  - Teil-Scores,
-  - Begründung (inkl. Edge-Kontext).
-
-**Aufwand / Komplexität:**  
-- Aufwand: Hoch  
-- Komplexität: Hoch  
-
-**Erreichte Ergebnisse / Funktionsumfang:**  
-
-- Hybrides Scoring-Modell mit konfigurierbaren Gewichten (`semantic_weight`, `edge_weight`, `centrality_weight`).  
-- Nutzung von `retriever_weight` aus `types.yaml` in Score-Berechnung.   
-- Graph-boni aus echten Edges (explizit, Inline, Typ-Defaults, Strukturkanten).  
-- Funktionsfähiger `/query`-Endpoint mit Testcases (inkl. Relations-Showcase-Vault).  
-- Basis für spätere Self-Tuning-Mechanismen (Logging von Scores, Konfiguration in `retriever.yaml`).  
-
-**DoD:**  
-
-- `/query` liefert nachvollziehbare Ergebnisse mit sichtbarem Einfluss von:
-  - Typprioritäten,  
-  - Edge-Struktur,  
-  - Centrality.  
-- Scoring ist rein konfigurierbar (Konfig-Change → Score-Veränderung ohne Code-Änderung).  
 
 ---
 
-### WP-04b – Explanation Layer (geplant)
+### WP-04b – Explanation Layer ("Why-Layer") (abgeschlossen)
 
 **Phase:** B
-**Status:** 🟡 geplant  
+**Status:** 🟢 abgeschlossen (Neu)
 
 **Ziel:**
-Treffererklärungen liefern, die für dich (Mindmaster) und spätere Nutzer verständlich sind (Why-Layer).  
+Treffererklärungen liefern, die verständlich machen, warum ein Ergebnis gewählt wurde.
 
-**Umfang:**  
+**Erreichte Ergebnisse:**
-
+- **DTO-Erweiterung:** `QueryHit` enthält `explanation`, `breakdown` und `reason`.
-- Erklärungsschicht über dem Retriever:
+- **Logic:** Graph-Adapter unterstützt `incoming_edges` (Reverse Lookup) für Authority-Erklärungen.
-  - Aufschlüsselung des Scores pro Treffer,
+- **Output:** `/query` Endpoint liefert auf Wunsch (`explain: true`) menschenlesbare Begründungen ("Verweist auf...").
-  - Ketten von Edges (Pfade) als Begründungsgraph,
-  - Markierung relevanter Chunks / Notizen.  
-- Darstellung von:
-  - verwendeten Typen,  
-  - Edges und deren `rule_id` / `confidence`,  
-  - Centrality-Beiträgen.  
-
-**Aufwand / Komplexität:**  
-- Aufwand: Mittel  
-- Komplexität: Hoch  
-
-**DoD (Zielbild):**  
-
-- API-Endpoint (z. B. `/query/explain`), der eine strukturierte Erklärung in JSON liefert.  
-- Mindestens ein Beispiel, in dem Score-Änderung nachvollziehbar auf Policies/Edges zurückgeführt werden kann.  
 
 ---
 
-### WP-04c – Feedback Logging & Bewertungsdaten (geplant)
+### WP-04c – Feedback Logging & Bewertungsdaten (abgeschlossen)
 
 **Phase:** B
-**Status:** 🟡 geplant  
+**Status:** 🟢 abgeschlossen (Neu)
 
 **Ziel:**
-Grundlage für Self-Tuning schaffen, indem Queries, Antworten und Bewertungen systematisch protokolliert werden.  
+Grundlage für Self-Tuning schaffen durch systematisches Logging.
 
-**Umfang:**  
+**Erreichte Ergebnisse:**
-
+- **Data Flywheel:** Logging von Queries und User-Feedback in lokalen JSONL-Dateien.
-- Logging von:
+- **Search Log:** Speichert Query + Score-Snapshot in `data/logs/search_history.jsonl`.
-  - Query-Texten,
+- **Feedback Log:** Speichert User-Ratings in `data/logs/feedback.jsonl`.
-  - verwendeten Policies/Config-Versionen,
+- **Traceability:** Durchgängige `query_id` von Request bis Feedback.
-  - Trefferlisten (Scores, Edges),
-  - Feedback (z. B. „hilfreich“, „irrelevant“, „falsch“).  
-- Persistente Speicherung (z. B. in einer separaten Sammlung oder Datei-basiert).  
-- Bereitstellung von Auswertungs-Skripten (Statistiken, Ranking-Qualität).  
-
-**Aufwand / Komplexität:**  
-- Aufwand: Mittel  
-- Komplexität: Mittel/Hoch  
-
-**DoD (Zielbild):**  
-
-- Vollständiger Feedback-Trail für ausgewählte Test-Sessions.  
-- Exportfähige Datenbasis zur späteren Optimierung der Retriever-Parameter.  
 
 ---
 
-### WP-05 – Persönlichkeitsmodell (geplant)
+### WP-05 – Persönlichkeitsmodell & RAG-Chat (Startbereit)
 
 **Phase:** C
-**Status:** 🟡 geplant  
+**Status:** 🟡 geplant (Nächster Schritt)
 
 **Ziel:**
-Aufbau eines expliziten Persönlichkeitsmodells, das Werte, Prinzipien, prägende Erfahrungen und wiederkehrende Entscheidungsstrategien abbildet.  
+Aufbau eines RAG-Systems, das nicht nur sucht, sondern in natürlicher Sprache antwortet und dabei eine definierte Persönlichkeit (Werte, Prinzipien) einnimmt.
 
 **Umfang:**
-
+- **Config:** `config/prompts.yaml` für System-Prompts, Werte und RAG-Templates.
-- Identifikation und Typisierung relevanter Notes:
+- **Service:** `llm_service.py` für Text-Generierung (Ollama-Anbindung).
-  - `value`, `principle`, `life_event`, `milestone`, `decision`.  
+- **Router:** `/chat` Endpoint (Kontext-Assembly -> Prompt -> LLM).
-- Aufbau eines Modells, das:
+- **Persönlichkeit:** Definition von "Mindnet" als KI-Zwilling (Stil, Haltung).
-  - typische Begründungsmuster erkennt,
-  - Wertprioritäten identifiziert,
-  - langfristig in Scoring & Antwort-Formulierung einfließt.  
 
 **Aufwand / Komplexität:**
 - Aufwand: Mittel
 - Komplexität: Mittel
 
-**DoD (Zielbild):**  
-
-- Dokumentiertes Persönlichkeitsmodell (z. B. YAML/Markdown), das konkrete Wert-/Prinzipien-Strukturen beschreibt.  
-- Basis-Integration in den Retriever (z. B. Wert-Bezüge in Explanation-Layer).  
-
 ---
 
 ### WP-06 – Decision Engine (geplant)
@@ -428,23 +293,14 @@ Aufbau eines expliziten Persönlichkeitsmodells, das Werte, Prinzipien, prägend
 Entscheidungsunterstützung auf Basis von Wissen, Persönlichkeit und Zielen – inklusive nachvollziehbarer Begründung.
 
 **Umfang:**
-
+- Identifikation typischer Entscheidungssituationen.
-- Identifikation typischer Entscheidungssituationen (z. B. beruflich, familiär, gesundheitlich).  
+- Integration von fachlichem Wissen, Erfahrungen und Persönlichkeitsmodell.
-- Integration von:
-  - fachlichem Wissen,  
-  - Erfahrungen (Vergangenheitsentscheidungen),  
-  - Persönlichkeitsmodell.  
 - Ableitung von Entscheidungs-Templates / Heuristiken.
 
 **Aufwand / Komplexität:**
 - Aufwand: Mittel
 - Komplexität: Hoch
 
-**DoD (Zielbild):**  
-
-- Prototypischer „Decision-Assistant“, der für definierte Szenarien begründete Empfehlungen gibt.  
-- Erklärungen referenzieren konkrete Notes/Edges.  
-
 ---
 
 ### WP-07 – Interview-Assistent (geplant)
@@ -456,20 +312,13 @@ Entscheidungsunterstützung auf Basis von Wissen, Persönlichkeit und Zielen –
 Dialogbasierter Erfassungs-Assistent, der strukturierte Interviews führt und daraus konsistente Markdown-Notizen generiert.
 
 **Umfang:**
-
+- Design von Interview-Flows.
-- Design von Interview-Flows (z. B. für Lebensereignisse, Projekte, Werte-Workshops).  
+- Konvertierung von Dialogtranskripten in typisierte Notes.
-- Konvertierung von Dialogtranskripten in typisierte Notes (inkl. Typ, Tags, erste Edges).  
-- Integration mit Vault-Struktur (Ablagepfade, Namenskonventionen).  
 
 **Aufwand / Komplexität:**
 - Aufwand: Niedrig/Mittel
 - Komplexität: Mittel
 
-**DoD (Zielbild):**  
-
-- Mindestens ein produktionsnaher Flow (z. B. „Erzähle mir von einem prägenden Ereignis“).  
-- Automatische Erzeugung von Markdown-Notizen, die vom Importer direkt verarbeitet werden können.  
-
 ---
 
 ### WP-08 – Self-Tuning v1/v2 (geplant)
@@ -478,29 +327,16 @@ Dialogbasierter Erfassungs-Assistent, der strukturierte Interviews führt und da
 **Status:** 🟡 geplant
 
 **Ziel:**
-Aufbau eines Self-Tuning-Mechanismus, der auf Basis von Feedback-Daten Vorschläge für Retriever- und Policy-Anpassungen macht.  
+Aufbau eines Self-Tuning-Mechanismus, der auf Basis von Feedback-Daten (WP-04c) Vorschläge für Retriever- und Policy-Anpassungen macht.
 
 **Umfang:**
-
+- Auswertung der JSONL-Feedback-Daten.
-- Auswertung der Feedback-Daten (WP-04c).  
+- Regel-basierte Anpassungs-Vorschläge für `retriever.yaml` und Typ-Prioritäten.
-- Regel-basierte Anpassungs-Vorschläge:
-  - Gewichte in `retriever.yaml`,  
-  - Typ-Prioritäten,  
-  - Edge-Provenance-Gewichte.   
-- Optionale halbautomatische Übernahme (Freigabe durch Mindmaster).  
 
 **Aufwand / Komplexität:**
 - Aufwand: Hoch
 - Komplexität: Hoch
 
-**DoD (Zielbild):**  
-
-- Mindestens ein in der Praxis getesteter Tuning-Zyklus:
-  - Feedback sammeln,
-  - Vorschlag generieren,
-  - Anpassung vornehmen,
-  - Qualitätsgewinn nachweisen.  
-
 ---
 
 ### WP-09 – Vault-Onboarding & Migration (geplant)
@@ -512,24 +348,13 @@ Aufbau eines Self-Tuning-Mechanismus, der auf Basis von Feedback-Daten Vorschlä
 Sicherstellen, dass bestehende und neue Obsidian-Vaults schrittweise in mindnet integriert werden können – ohne Massenumbau.
 
 **Umfang:**
-
+- Tools zur Analyse des Vault-Status.
-- Tools/Guides für:
+- Empfehlungen für minimale Anpassungen.
-  - Analyse des Vault-Status (Typen, Edges, Lücken),  
-  - Empfehlungen für minimale Anpassungen (z. B. Typ-Setzung, Basis-Tags),  
-  - optional automatisierte Ergänzung von Properties (mit Freigabe).  
-- Unterstützung eines „wachsenden Systems“:
-  - erste Notizen liefern sofort Mehrwert im Retriever,  
-  - später können Typen und Edges ergänzt werden, ohne alte Notizen zu brechen.  
 
 **Aufwand / Komplexität:**
 - Aufwand: Mittel
 - Komplexität: Niedrig/Mittel
 
-**DoD (Zielbild):**  
-
-- Dokumentierter Onboarding-Prozess für Produkt-Vault.  
-- Mindestens ein erfolgreicher Durchlauf mit deinem realen Vault (Pilot).  
-
 ---
 
 ### WP-10 – Chat-Interface & Writeback (geplant)
@@ -541,28 +366,13 @@ Sicherstellen, dass bestehende und neue Obsidian-Vaults schrittweise in mindnet
 Chat-basierter mindnet-Agent, der sowohl Fragen beantwortet als auch neue Notizen erzeugen/aktualisieren kann (Writeback Richtung Vault).
 
 **Umfang:**
-
+- Chat-Frontend.
-- Chat-Frontend (z. B. in deiner bestehenden LLM-Umgebung).  
+- Funktionen für Q&A sowie Vorschlag neuer Notes/Edges.
-- Anbindung an:
-  - `/query` (Retriever),
-  - MCP-Tools (WP-13),
-  - Import-/Export-Routinen.  
-- Funktionen:
-  - Antworten aus mindnet-Wissen,  
-  - Vorschlag neuer Notes/Edges,  
-  - optionales Schreiben ins Vault (Markdown-Erzeugung, Rewriting nur mit Freigabe).  
 
 **Aufwand / Komplexität:**
 - Aufwand: Hoch
 - Komplexität: Hoch
 
-**DoD (Zielbild):**  
-
-- Du kannst im Chat:
-  - Fragen an dein Wissensnetz stellen,  
-  - neue Gedanken/Erinnerungen erfassen,  
-  - Vorschläge für Ablage & Vernetzung als Markdown-Notizen erhalten.  
-
 ---
 
 ### WP-11 – Knowledge-Builder & Vernetzungs-Assistent (geplant)
@@ -573,30 +383,10 @@ Chat-basierter mindnet-Agent, der sowohl Fragen beantwortet als auch neue Notize
 **Ziel:**
 Assistent, der manuell erstellte oder importierte Notizen analysiert und Vorschläge für Typen, Edges und Einordnung macht.
 
-**Umfang:**  
-
-- Analyse neuer/aktualisierter Notes:
-  - mögliche Typen,
-  - passende Tags,
-  - potenzielle Relationen zu bestehenden Notes.  
-- Vorschläge:
-  - Inline-Relationen,  
-  - Wikilinks,  
-  - Typ-Zuweisung.  
-- Optional: Generierung konkreter Patch-Vorschläge für Markdown-Dateien (Diff-basiert).  
-
 **Aufwand / Komplexität:**
 - Aufwand: Hoch
 - Komplexität: Hoch
 
-**DoD (Zielbild):**  
-
-- Mindestens ein produktionsnaher Workflow, bei dem ein neuer Eintrag:
-  - erstellt wird,  
-  - analysiert wird,  
-  - Vernetzungs-Vorschläge liefert,  
-  - und nach Freigabe in den Vault zurückgeschrieben wird.  
-
 ---
 
 ### WP-12 – Knowledge Rewriter (Soft Mode, geplant)
@@ -605,23 +395,12 @@ Assistent, der manuell erstellte oder importierte Notizen analysiert und Vorschl
 **Status:** 🟡 geplant
 
 **Ziel:**
-Optionaler Assistent, der vorhandene Notes „aufräumt“, zusammenfasst oder reorganisiert – ausschließlich mit expliziter Freigabe. :contentReference[oaicite:31]{index=31}  
+Optionaler Assistent, der vorhandene Notes „aufräumt“, zusammenfasst oder reorganisiert – ausschließlich mit expliziter Freigabe.
-
-**Einschränkungen:**  
-
-- Änderungen an Markdown-Dateien nur nach Freigabe.  
-- Kein „silent overwrite“ existierender Inhalte.  
 
 **Aufwand / Komplexität:**
 - Aufwand: Niedrig/Mittel
 - Komplexität: Mittel
 
-**DoD (Zielbild):**  
-
-- Rewriter generiert Vorschläge (neue Versionen) inklusive Diffs.  
-- Nach Freigabe werden Notes konsistent aktualisiert:
-  - IDs, Edges und Typen bleiben konsistent oder werden sauber mitaktualisiert.  
-
 ---
 
 ### WP-13 – MCP-Integration & Agenten-Layer (geplant)
@@ -630,27 +409,15 @@ Optionaler Assistent, der vorhandene Notes „aufräumt“, zusammenfasst oder r
 **Status:** 🟡 geplant
 
 **Ziel:**
-mindnet als MCP-Server bereitstellen, damit Agenten/LLMs standardisierte Tools nutzen können (z. B. in deiner n8n- und LLM-Umgebung).   
+mindnet als MCP-Server bereitstellen, damit Agenten/LLMs standardisierte Tools nutzen können.
 
 **Umfang:**
-
+- MCP-Server mit Tools (`mindnet_query`, `mindnet_explain`, etc.).
-- MCP-Server mit Tools wie:
-  - `mindnet_query`,
-  - `mindnet_subgraph`,
-  - `mindnet_store_note`,
-  - `mindnet_explain`.  
-- Sichere Konfiguration (lokal, authentifiziert, logging-fähig).  
 
 **Aufwand / Komplexität:**
 - Aufwand: Mittel
 - Komplexität: Mittel
 
-**DoD (Zielbild):**  
-
-- Lokaler MCP-Server läuft und ist aus einem LLM-Client nutzbar.  
-- Tools liefern konsistente Ergebnisse (aligned mit FastAPI-Endpoints).  
-- Sicherheits- und Loggingkonzept dokumentiert.  
-
 ---
 
 ### WP-14 – Review / Refactoring / Dokumentation (geplant)
@@ -661,25 +428,10 @@ mindnet als MCP-Server bereitstellen, damit Agenten/LLMs standardisierte Tools n
 **Ziel:**
 Aufräumen, dokumentieren, stabilisieren – insbesondere für Onboarding Dritter und Langfrist-Betrieb.
 
-**Deliverables (Beispiele):**  
-
-- konsolidierte technische Architektur (`mindnet_technical_architecture.md`),  
-- fachliche Architektur (`mindnet_functional_architecture.md`),  
-- Identity-Modell (`identity_model.md`),  
-- API-Spezifikation (`api_spec.md`),  
-- MCP-Integration (`mcp_integration.md`),  
-- aktualisiertes Handbuch (`Handbuch.md`).  
-
 **Aufwand / Komplexität:**
 - Aufwand: Mittel
 - Komplexität: Niedrig/Mittel
 
-**DoD (Zielbild):**  
-
-- Aktueller Stand ist sauber dokumentiert.  
-- Wichtige Designentscheidungen sind nachvollziehbar festgehalten.  
-- Onboarding einer dritten Person (z. B. Entwickler:in) ist mit Dokumentation möglich.  
-
 ---
 
 ## 7. Abhängigkeiten (vereinfacht, aktualisiert)
@@ -692,11 +444,9 @@ Aufräumen, dokumentieren, stabilisieren – insbesondere für Onboarding Dritte
     WP03/WP04 → WP13
     Alles → WP14
 
-Diese Struktur bleibt gegenüber v2.1 unverändert, ist aber jetzt explizit an den bereits implementierten Stand (WP-03, WP-04a) angepasst.
-
 ---
 
-## 8. Laufzeit- & Komplexitätsindikatoren (unverändert, ergänzt)
+## 8. Laufzeit- & Komplexitätsindikatoren (aktualisiert)
 
 | WP    | Aufwand        | Komplexität      |
 |-------|----------------|------------------|
@@ -711,9 +461,7 @@ Diese Struktur bleibt gegenüber v2.1 unverändert, ist aber jetzt explizit an d
 | WP11  | Hoch           | Hoch             |
 | WP12  | Niedrig/Mittel | Mittel           |
 | WP13  | Mittel         | Mittel           |
-| WP14  | Mittel         | Niedrig/Mittel   | :contentReference[oaicite:35]{index=35}  
+| WP14  | Mittel         | Niedrig/Mittel   |
-
-Für WP01–WP04a gilt: Aufwand/Komplexität wie in v2.1; Status jetzt explizit „abgeschlossen“ mit beschriebenem Funktionsumfang.
 
 ---
 
@@ -725,8 +473,8 @@ Für WP01–WP04a gilt: Aufwand/Komplexität wie in v2.1; Status jetzt explizit
 | WP02  | 🟢     |
 | WP03  | 🟢     |
 | WP04a | 🟢     |
-| WP04b | 🟡     |
+| WP04b | 🟢     |
-| WP04c | 🟡     |
+| WP04c | 🟢     |
 | WP05  | 🟡     |
 | WP06  | 🟡     |
 | WP07  | 🟡     |
@@ -736,37 +484,30 @@ Für WP01–WP04a gilt: Aufwand/Komplexität wie in v2.1; Status jetzt explizit
 | WP11  | 🟡     |
 | WP12  | 🟡     |
 | WP13  | 🟡     |
-| WP14  | 🟡     | :contentReference[oaicite:36]{index=36}  
+| WP14  | 🟡     |
 
 ---
 
 ## 10. Governance & Versionierung
 
 - Versionierung über Gitea (Branches, Tags, Releases).
-- Jede wesentliche Änderung an Architektur/Schema:
+- Feature-Branch Workflow mit "Sync First" Strategie.
-  - eigener Commit,
+- Jede wesentliche Änderung an Architektur/Schema erhält einen eigenen Commit.
-  - kurze Doku (z. B. in `CHANGELOG.md` oder Projekt-Notiz).  
 - Jedes Workpackage erhält ein eigenes Chat-Fenster mit dediziertem Prompt (WP-Hand-Over).
-- Programmleitung verantwortet:
+- Programmleitung verantwortet Konsistenz und Priorisierung.
-  - Konsistenz von Fach- und Technikdokumenten,  
-  - Abhängigkeiten und Priorisierung,  
-  - Freigabe von Meilensteinen,  
-  - Sicherstellung, dass Änderungen mit dem langfristigen Ziel (KI-Zwilling) vereinbar sind.  
 
 ---
 
-## 11. Executive Summary (unverändert, präzisiert)
+## 11. Executive Summary
 
 mindnet v2.2 ist so aufgesetzt, dass:
 
 - du **schrittweise** Wissen erfassen kannst (Obsidian + Chat + später Interview-Assistent),
 - die Struktur **mitwächst**, ohne Retro-Massenarbeit im Vault,
 - ein **hybrider Retriever** qualitativ hochwertige, erklärbare Antworten liefert,
-- ein **Self-Healing- und Self-Tuning-Mechanismus** vorbereitet ist, der auf Feedback aufsetzt,  
+- ein **Self-Healing- und Self-Tuning-Mechanismus** vorbereitet ist (durch WP-04c Feedback-Daten),
 - ein **Persönlichkeitsmodell** und eine **Decision Engine** entstehen,
 - langfristig ein **KI-Zwilling** aufgebaut wird, der deine Werte, Erfahrungen und Denkweise spiegelt,
 - die technische Architektur (FastAPI, Qdrant, YAML-Policies, MCP-Integration) lokal, nachvollziehbar und erweiterbar bleibt.
 
-Dieser Programmplan bildet die konsolidierte Grundlage (v2.2) für alle weiteren Arbeiten.  
+Dieser Programmplan bildet die konsolidierte Grundlage (v2.2.1) für alle weiteren Arbeiten.
-Er integriert die bisherigen Ergebnisse (WP-01 bis WP-04a) und die zusätzlichen Anforderungen aus der späteren Planung (Feedback-basiertes Tuning, wachsendes System, Chat-/Interview-Eingabe, Vault-Writeback) in ein einheitliches, versionierbares Dokument.
-