mindnet/Programmmanagement/Programmplan_V2.2.md

mindnet v2.2 — Programmplan

Version: 2.2.1 (Post-WP04 Update) Stand: 2025-12-07 Status: Aktiv

---

1. Programmauftrag

mindnet v2.2 entwickelt ein persönliches, wachsendes KI-Gedächtnis, das:

• Wissen, Erfahrungen, Werte und Entscheidungen speichert,
• diese Informationen semantisch verknüpft und rekonstruierbar macht,
• einen KI-Zwilling aufbaut, der ähnlich argumentiert, entscheidet und reflektiert wie du,
• über mehrere Kanäle gefüttert wird:
  • Obsidian-Markdown (primäre Quelle),
  • Chat-basierter Agent (mindnet-Assistent),
  • später: Interview-Assistent (strukturierte Dialogerfassung),
• automatisch neue Zusammenhänge erkennt und vernetzt (Edges, Typen, Hinweise),
• sich durch Rückmeldungen (Feedback) selbst verbessert (Self-Tuning).

Langfristig soll mindnet als digitales Gegenüber funktionieren, das:

• dich versteht,
• deine Denkweise reflektiert,
• deine Werte kennt und verwendet,
• Entscheidungen begründen kann („Warum?“),
• Erinnerungen einordnet,
• und für deine Nachkommen als dialogfähiger Gesprächspartner zur Verfügung steht.

mindnet ist kein statisches Wissensarchiv, sondern ein lebendes, lernendes Gedächtnismodell mit Fokus auf:

• persönliche Perspektive,
• erklärbare Begründungspfade,
• kontinuierliche Erweiterbarkeit,
• robuste technische Basis (lokal, nachvollziehbar, versioniert).

---

2. Vision

„Ein persönliches semantisches Gedächtnis, das mit mir wächst, meine Persönlichkeit spiegelt und mir als intelligenter, erklärbarer, lernender Begleiter dient.“

Kernprinzipien der Vision:

• Erklärbarkeit: Jede Antwort muss über Edges, Scores, Werte-Bezüge und Herkunftsnotizen begründbar sein.

• Wachstum: Das System arbeitet von Anfang an mit unvollständigen Daten, kann aber schrittweise dichter werden, ohne dass alte Notizen massenhaft manuell angepasst werden müssen.

• Flexibilität (Late Binding): Semantik wird überwiegend in Konfiguration (z. B. types.yaml, Policies, Knowledge-Design) festgelegt, nicht in jeder einzelnen Markdown-Datei.

• Autonomie & Self-Healing: mindnet schlägt fehlende Typen, Relationen und Edges vor (z. B. aus Inline-Relationen, Edge-Defaults, Ähnlichkeitsbeziehungen) und baut damit einen „self-healing graph“ auf.

• Lernen & Self-Tuning: Feedback zu Antworten (gut/schlecht, relevant/nicht relevant) fließt in Score-Gewichte, Policies und ggf. Edge-Struktur ein.

• Persönlichkeit: Entscheidungen werden wert- und erfahrungsbasiert begründet; mittelfristig entsteht ein Persönlichkeitsmodell, das den KI-Zwilling trägt.

• Incremental Growth: Das System muss mit wenigen, heterogenen Notizen starten und sich fortlaufend verdichten können – ohne Retro-Massenmigrationen im Vault.

---

3. Programmziele

3.1 Kurzfristig (nächste Monate)

• 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).
• 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).
• „Mitwachsendes“ Schema ohne Obsidian-Umstrukturierungen:
  • Neues Wissen kann sofort erfasst werden,
  • bestehende Notizen bleiben gültig (Virtual Schema Layer).
• Technische Basis für die späteren Agenten und den KI-Zwilling:
  • lokaler FastAPI-Dienst,
  • Qdrant als Graph-Backend,
  • konfigurierbarer Retriever (retriever.yaml).

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.
• Agenten können über MCP-Tools (mindnet_query, mindnet_subgraph, mindnet_store_note, mindnet_explain) auf mindnet zugreifen.

3.3 Langfristig

• KI-Zwilling, der deinen Stil, deine Werte und deine typische Denkweise repräsentiert.
• Weitgehend autonomes Self-Tuning der Wissensstruktur (auf Basis gespeicherter Feedback-Daten & Policies).
• Lebenslanges Gedächtnis, das
  • konsistent bleibt,
  • wächst,
  • sich weiterentwickelt,
  • und deine Geschichte für deine Nachkommen erzählbar und erlebbar macht.

---

4. Architekturprinzipien

Die folgenden Prinzipien steuern alle Workpackages und Entscheidungen:

1. Late Binding (späte Semantik)

   • Struktur und Interpretation werden in Konfigurationen (z. B. types.yaml, Policies, knowledge_design.md) definiert, nicht direkt in den Vault-Dateien.
   • Erlaubt spätere Anpassungen ohne manuelle Massenänderungen.

2. Virtual Schema Layer

   • Typen, Regeln, Policies, Edge-Defaults werden im Schema-Layer beschrieben (z. B. knowledge_design.md, mindnet_functional_architecture.md, types.yaml).
   • Markdown-Dateien benötigen nur minimale, robuste Angaben (Titel, Typ, optionale Properties).

3. Self-Healing Graph

   • Der Graph wird regelmäßig analysiert (Edges, Centrality, fehlende Links).
   • Automatisierte Jobs ergänzen fehlende Kanten (ähnliche Inhalte, typisierte Standardbeziehungen, Backlinks).

4. Deterministische IDs

   • Notes, Chunks und Edges erhalten stabile IDs (z. B. UUIDv5, deterministische note_id/chunk_id/edge_id).
   • Der Graph ist jederzeit wiederaufbaubar (Import-Pipeline idempotent).

5. Full Explainability

   • Jeder Score, jede Beziehung, jeder Vorschlag muss über:
     • Edges,
     • Scoring-Komponenten (Semantik, Typ, Edge-Bonus, Centrality),
     • Provenienz (Notizen, Chunks, rule_id, confidence) nachvollziehbar sein.

6. Persistence First

   • Obsidian bleibt die primäre Quelle der Wahrheit.
   • mindnet ergänzt, schlägt Änderungen vor, schreibt aber nur kontrolliert (z. B. über Rewriter oder Vernetzungs-Assistent mit Freigabe).

7. Minimalinvasives Schreiben

   • Automatische Veränderungen an Markdown-Dateien erfolgen ausschließlich nach expliziter Zustimmung.
   • Rewriter und Vernetzungs-Assistent arbeiten grundsätzlich im Vorschlagsmodus.

8. Incremental Growth & Early Value

   • Das System muss bereits mit wenigen Notizen und einem kleinen Vault sinnvolle Antworten liefern (Retrieval-MVP).
   • Spätere Erweiterungen (Typen, Policies, zusätzliche Edges) dürfen bestehende Notizen nicht „ungültig“ machen, sondern ergänzen sie.
   • Feedback-Mechanismen werden früh eingeführt, auch wenn sie anfangs noch nicht vollautomatisch ausgewertet werden.

9. Observability & Testbarkeit

   • Jeder Importlauf, jede Retriever-Anfrage und jede Policy-Änderung soll prüfbar sein (Logs, Traces, Tests, Reports).

---

5. Programmstruktur (Phasenmodell)

Phase A – Fundament & Import
Phase B – Semantik, Graph & Lernen
Phase C – Persönlichkeitsmodell & KI-Zwilling
Phase D – Agenten, MCP & Interaktion
Phase E – Review, Refactoring, Dokumentation

Alle Workpackages sind einer Phase zugeordnet. WP-01 bis WP-04c sind bereits erfolgreich abgeschlossen.

---

6. Workpackages – detaillierte Übersicht

Legende Aufwand / Komplexität

• Aufwand: Niedrig / Mittel / Hoch
• Komplexität: Niedrig / Mittel / Hoch

Die Status-Ampel zeigt den aktuellen Stand gemäß Programmfortschritt.

---

WP-01 – Wissensdesign (abgeschlossen)

Phase: A Status: 🟢 abgeschlossen

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.

Erreichte Ergebnisse:

• knowledge_design.md und types.yaml definieren die Zielarchitektur.

---

WP-02 – Chunking & Hash-Strategie (abgeschlossen)

Phase: A Status: 🟢 abgeschlossen

Ziel: Festlegen und implementieren einer robusten Chunking-Strategie und einer Hash-Logik zur Änderungserkennung.

Erreichte Ergebnisse:

• Implementierte Chunker-Logik mit Overlap.
• Stabile Hash-Strategie zur sicheren Änderungserkennung.

---

WP-03 – Import-Pipeline & Edge-System v2 (abgeschlossen)

Phase: A/B Status: 🟢 abgeschlossen

Ziel: Durchgängige Import-Pipeline von Markdown → Notes/Chunks/Edges in Qdrant mit deterministischen IDs.

Erreichte Ergebnisse:

• Vollständige E2E-Import-Pipeline.
• Vollständiges Edge-Modell (Strukturkanten, Wikilinks, Inline-Relationen).

---

WP-04a – Retriever & Graph-Scoring (abgeschlossen)

Phase: B Status: 🟢 abgeschlossen

Ziel: Aufbau eines hybriden Retrievers, der Semantik, Typwissen und Graph-Informationen kombiniert.

Erreichte Ergebnisse:

• Hybrides Scoring-Modell (Semantic + Edge + Centrality).
• Konfiguration über retriever.yaml.
• /query Endpoint aktiv.

---

WP-04b – Explanation Layer ("Why-Layer") (abgeschlossen)

Phase: B Status: 🟢 abgeschlossen (Neu)

Ziel: Treffererklärungen liefern, die verständlich machen, warum ein Ergebnis gewählt wurde.

Erreichte Ergebnisse:

• DTO-Erweiterung: QueryHit enthält explanation, breakdown und reason.
• Logic: Graph-Adapter unterstützt incoming_edges (Reverse Lookup) für Authority-Erklärungen.
• Output: /query Endpoint liefert auf Wunsch (explain: true) menschenlesbare Begründungen ("Verweist auf...").

---

WP-04c – Feedback Logging & Bewertungsdaten (abgeschlossen)

Phase: B Status: 🟢 abgeschlossen (Neu)

Ziel: Grundlage für Self-Tuning schaffen durch systematisches Logging.

Erreichte Ergebnisse:

• Data Flywheel: Logging von Queries und User-Feedback in lokalen JSONL-Dateien.
• Search Log: Speichert Query + Score-Snapshot in data/logs/search_history.jsonl.
• Feedback Log: Speichert User-Ratings in data/logs/feedback.jsonl.
• Traceability: Durchgängige query_id von Request bis Feedback.

---

WP-05 – Persönlichkeitsmodell & RAG-Chat (Startbereit)

Phase: C Status: 🟡 geplant (Nächster Schritt)

Ziel: 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.
• Service: llm_service.py für Text-Generierung (Ollama-Anbindung).
• Router: /chat Endpoint (Kontext-Assembly -> Prompt -> LLM).
• Persönlichkeit: Definition von "Mindnet" als KI-Zwilling (Stil, Haltung).

Aufwand / Komplexität:

• Aufwand: Mittel
• Komplexität: Mittel

---

WP-06 – Decision Engine (geplant)

Phase: C Status: 🟡 geplant

Ziel: Entscheidungsunterstützung auf Basis von Wissen, Persönlichkeit und Zielen – inklusive nachvollziehbarer Begründung.

Umfang:

• Identifikation typischer Entscheidungssituationen.
• Integration von fachlichem Wissen, Erfahrungen und Persönlichkeitsmodell.
• Ableitung von Entscheidungs-Templates / Heuristiken.

Aufwand / Komplexität:

• Aufwand: Mittel
• Komplexität: Hoch

---

WP-07 – Interview-Assistent (geplant)

Phase: C Status: 🟡 geplant

Ziel: Dialogbasierter Erfassungs-Assistent, der strukturierte Interviews führt und daraus konsistente Markdown-Notizen generiert.

Umfang:

• Design von Interview-Flows.
• Konvertierung von Dialogtranskripten in typisierte Notes.

Aufwand / Komplexität:

• Aufwand: Niedrig/Mittel
• Komplexität: Mittel

---

WP-08 – Self-Tuning v1/v2 (geplant)

Phase: B/C Status: 🟡 geplant

Ziel: 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.
• Regel-basierte Anpassungs-Vorschläge für retriever.yaml und Typ-Prioritäten.

Aufwand / Komplexität:

• Aufwand: Hoch
• Komplexität: Hoch

---

WP-09 – Vault-Onboarding & Migration (geplant)

Phase: B Status: 🟡 geplant

Ziel: Sicherstellen, dass bestehende und neue Obsidian-Vaults schrittweise in mindnet integriert werden können – ohne Massenumbau.

Umfang:

• Tools zur Analyse des Vault-Status.
• Empfehlungen für minimale Anpassungen.

Aufwand / Komplexität:

• Aufwand: Mittel
• Komplexität: Niedrig/Mittel

---

WP-10 – Chat-Interface & Writeback (geplant)

Phase: D Status: 🟡 geplant

Ziel: Chat-basierter mindnet-Agent, der sowohl Fragen beantwortet als auch neue Notizen erzeugen/aktualisieren kann (Writeback Richtung Vault).

Umfang:

• Chat-Frontend.
• Funktionen für Q&A sowie Vorschlag neuer Notes/Edges.

Aufwand / Komplexität:

• Aufwand: Hoch
• Komplexität: Hoch

---

WP-11 – Knowledge-Builder & Vernetzungs-Assistent (geplant)

Phase: D Status: 🟡 geplant

Ziel: Assistent, der manuell erstellte oder importierte Notizen analysiert und Vorschläge für Typen, Edges und Einordnung macht.

Aufwand / Komplexität:

• Aufwand: Hoch
• Komplexität: Hoch

---

WP-12 – Knowledge Rewriter (Soft Mode, geplant)

Phase: C/D Status: 🟡 geplant

Ziel: Optionaler Assistent, der vorhandene Notes „aufräumt“, zusammenfasst oder reorganisiert – ausschließlich mit expliziter Freigabe.

Aufwand / Komplexität:

• Aufwand: Niedrig/Mittel
• Komplexität: Mittel

---

WP-13 – MCP-Integration & Agenten-Layer (geplant)

Phase: D Status: 🟡 geplant

Ziel: mindnet als MCP-Server bereitstellen, damit Agenten/LLMs standardisierte Tools nutzen können.

Umfang:

• MCP-Server mit Tools (mindnet_query, mindnet_explain, etc.).

Aufwand / Komplexität:

• Aufwand: Mittel
• Komplexität: Mittel

---

WP-14 – Review / Refactoring / Dokumentation (geplant)

Phase: E Status: 🟡 geplant

Ziel: Aufräumen, dokumentieren, stabilisieren – insbesondere für Onboarding Dritter und Langfrist-Betrieb.

Aufwand / Komplexität:

• Aufwand: Mittel
• Komplexität: Niedrig/Mittel

---

7. Abhängigkeiten (vereinfacht, aktualisiert)

WP01 → WP02 → WP03 → WP04a
WP04a → WP04b → WP04c → WP08
WP03 → WP05 → WP06 → WP07
WP03 → WP09
WP01/WP03 → WP10 → WP11 → WP12
WP03/WP04 → WP13
Alles → WP14

---

8. Laufzeit- & Komplexitätsindikatoren (aktualisiert)

WP	Aufwand	Komplexität
WP04b	Mittel	Hoch
WP04c	Mittel	Mittel/Hoch
WP05	Mittel	Mittel
WP06	Mittel	Hoch
WP07	Niedrig/Mittel	Mittel
WP08	Hoch	Hoch
WP09	Mittel	Niedrig/Mittel
WP10	Hoch	Hoch
WP11	Hoch	Hoch
WP12	Niedrig/Mittel	Mittel
WP13	Mittel	Mittel
WP14	Mittel	Niedrig/Mittel

---

9. Programmfortschritt (Ampel, aktualisiert)

WP	Status
WP01	🟢
WP02	🟢
WP03	🟢
WP04a	🟢
WP04b	🟢
WP04c	🟢
WP05	🟡
WP06	🟡
WP07	🟡
WP08	🟡
WP09	🟡
WP10	🟡
WP11	🟡
WP12	🟡
WP13	🟡
WP14	🟡

---

10. Governance & Versionierung

• Versionierung über Gitea (Branches, Tags, Releases).
• Feature-Branch Workflow mit "Sync First" Strategie.
• Jede wesentliche Änderung an Architektur/Schema erhält einen eigenen Commit.
• Jedes Workpackage erhält ein eigenes Chat-Fenster mit dediziertem Prompt (WP-Hand-Over).
• Programmleitung verantwortet Konsistenz und Priorisierung.

---

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 (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 (v2.2.1) für alle weiteren Arbeiten.