Merge commit 'cfaf67010017eab368216aded483a64126dbcb2e' as 'bahn/wissensdatenbank'

2026-06-30 21:19:25 +02:00
parent be3da80cdc cfaf670100
commit 7b6ba4a280
4724 changed files with 667022 additions and 0 deletions
@@ -0,0 +1,54 @@
+<!--
+Vorlage zum Vorschlagen neuer Wissensquellen.
+Bitte ausfuellen. Ein Reviewer uebernimmt die Angaben nach config/tools.yaml bzw.
+config/general.yaml und erstellt einen Merge Request (mit Vorschau der Markdowns).
+-->
+
+### Tool / Domaene
+<!-- z.B. "MaTeo" oder "allgemein" (fuer tooluebergreifendes Wissen wie Regulierung/Kundeninfos).
+     WICHTIG: Die Domaene ist FINAL. Sie bestimmt den Ablagepfad
+     (output/processed/<scope>/<domaene>/) und sollte spaeter NICHT mehr umbenannt werden
+     (nachgelagerte Systeme/Links verweisen darauf; eine Umbenennung erzeugt eine neue
+     Ablage und laesst die alte stehen). Im Zweifel vorher gut ueberlegen. -->
+
+
+### Verantwortlich (owners, 1-2)
+<!-- intern verantwortliche Person(en), E-Mail - landen als 'owners' am Wissen -->
+
+
+### Kontakt (Ansprechpartner, optional)
+<!-- herausgebbare Kontaktadresse. Leer lassen -> Default einfachbahn@deutschebahn.com -->
+
+
+### Quellen  (eine pro Zeile:  URL | Strategie | Scope)
+<!--
+WICHTIG: pro Link die Strategie + den Scope dahinter, getrennt durch " | ".
+Strategie (wie wird die Quelle eingelesen?):
+  confluence_page  = genau EINE Confluence-Seite
+  confluence_tree  = Seite INKL. aller Unterseiten
+  confluence_faq   = FAQ aus einer Frage/Antwort-Tabelle der Seite
+  sitemap          = VIELE Detailseiten einer Website (z.B. Kundeninfos)
+  crawler          = Uebersichtsseite -> Detailseiten (wenn es keine Sitemap gibt)
+  gitlab_md        = Markdown-Dateien aus einem GitLab-Repo
+  file             = Datei (md/pdf) aus dem Repo-Ordner files/
+  pdf              = PDF(s) einer Seite -> Markdown
+  (Strategie weglassen -> wird automatisch aus der URL erkannt)
+Scope (Sichtbarkeit):  intern | extern | allgemein | intern,extern   (leer = intern)
+
+Beispiele (Zeile beginnt mit "- "):
+- https://arija-confluence.../pages/123/Tool+X | confluence_tree | intern
+- https://www.example.com/faq                  | crawler         | extern
+- https://www.example.com/handbuch.pdf         | pdf             | allgemein
+-->
+-
+
+
+### Optionen (optional, je nach Strategie)
+<!-- z.B. max_depth: -1 (alle Unterseiten), incremental: true, keep_raw: false, redact: false -->
+
+
+### Hinweise / Kontext (optional)
+<!-- alles, was beim Aufnehmen hilft -->
+
+
+/label ~"neues-wissen"
@@ -0,0 +1,15 @@
+## Was & Warum
+
+<!-- Kurz: was aendert dieser MR und warum? -->
+
+## Art der Aenderung
+- [ ] Code/Pipeline
+- [ ] Konfiguration (tools.yaml / general.yaml)
+- [ ] Dokumentation
+
+## Checkliste
+- [ ] `ruff check src tests scripts` ok
+- [ ] `python -m pytest -q` ok
+- [ ] Doku/README/SETUP bei Bedarf aktualisiert
+
+/assign me
@@ -0,0 +1,25 @@
+## Neues Wissen / neue Quelle
+
+Bezug zum Issue: Closes #
+
+### Was wird aufgenommen?
+<!-- Tool/Domaene + kurze Beschreibung -->
+
+### Quellen (Link + Strategie + Scope)
+<!-- z.B.:
+- https://arija-confluence.../pages/123/Tool+X  | confluence_tree | intern
+- files/mein-tool/handbuch.pdf                  | file            | intern
+-->
+
+### Klassifikation geprueft
+- [ ] **Scope** korrekt: `intern` (nur DB InfraGO) / `extern` (EVU/EIU, public) / `allgemein` (beides)
+- [ ] **Ansprechpartner** (`owners`) gesetzt
+- [ ] **Domaene final** gewaehlt (steuert den Ablagepfad; spaetere Umbenennung vermeiden –
+      sie erzeugt eine neue Ablage und laesst die alte stehen)
+- [ ] Strategie passt (bei „UNBEKANNT" ggf. neue Strategie noetig)
+
+### Vorschau angesehen
+- [ ] Pages-Preview des MR geprueft (erzeugte Markdowns sehen korrekt aus)
+- [ ] Keine vertraulichen Inhalte in `extern`/`allgemein`
+
+> Merge = Freigabe. Der naechste ETL-Lauf (stuendlich Mo-Fr 8-17 Uhr) verarbeitet die Quelle.