CHANGELOG.md

Changelog

2026-08-18 — Lizenzgrenze PyMuPDF (Entscheidung E08) — 0.3.0

• AGPL-3.0-Abhängigkeit aus dem Standard-Bundle entfernt. anonymizer ist MIT-lizenziert und öffentlich; das pdf-Extra führte bisher PyMuPDF (AGPL-3.0) als Abhängigkeit — ein MIT-Modul mit installiertem AGPL-Extra bindet das kombinierte Werk an die AGPL, gerade bei Weiterverbreitung durch Bundling. Befund: Ticket T-20260818-775009068.
• PDF-Scan läuft jetzt über pypdf (BSD-3-Clause) statt PyMuPDF — extract_text_from_file() betrifft nur die Erkennung sensibler Daten, keine Schwärzung, und ist damit vollständig ersetzbar gewesen.
• PDF-Schwärzung (_anonymize_pdf) bleibt auf PyMuPDF angewiesen, jetzt aber im eigenen Extra pdf-redact, getrennt von pdf und all: Die Content-Stream-Redaktion entfernt sensible Textstellen tatsächlich aus dem PDF (nicht nur visuell überdeckt) — eine gleichwertige Neuimplementierung mit rein permissiven Bibliotheken war ohne belastbare Sicherheitsgarantie nicht zu leisten. Details und Begründung: README, Abschnitt „PDF-Schwärzung: Lizenzgrenze".
• Neuer Wächter-Test tests/test_no_agpl.py: hält fest, dass PyMuPDF ausschließlich im deklarierten Import-Block und in _anonymize_pdf vorkommt und dass pdf/all es nicht als Abhängigkeit ziehen.
• CI aufgeteilt: Der Standard-Testjob installiert [all,dev] (AGPL-frei); ein neuer Job test-pdf-redact installiert [pdf-redact,dev] explizit und deckt TestPdfBoundary weiterhin ab, statt die Grenze in einer gemeinsamen Installation zu verstecken.
• pyproject.toml, ellmos-module.json, ellmos-module.v2.json, SKILL.md auf 0.3.0 und die neue Extra-Struktur nachgezogen.

2026-08-15 — Surface After-Care

• Interne Arbeitsdateien aus dem Repository genommen: TODO.md (interne Aufgaben- und Laufprotokollsammlung mit Operator-Sprache) und MARKETING-LOG.txt (interne Sichtbarkeits-Empfehlungen) sind nur noch lokal vorhanden und werden über .gitignore ausgeschlossen. Die für Leser relevante Entwicklungsgeschichte steht hier im CHANGELOG.md, der Prüfstand in RELEASE_GATE.md.
• Interne Ablagepfade entfernt (WIRING.md): Der Integrationsbaum zeigte Pfade der internen Modul-/Skill-Ablage, die für Außenstehende nicht auflösbar sind. Ersetzt durch projektrelative Pfade mit Erläuterung.
• Referenzpfad im Test entkoppelt (tests/test_security_boundaries.py): Der End-to-End-DoD-Test enthielt einen absoluten lokalen Windows-Pfad zur synthetischen Referenzakte. Der Pfad kommt jetzt aus der Umgebungsvariablen ANONYMIZER_REFERENCE_CASE_DIR; ohne sie wird der Test übersprungen (Verhalten wie zuvor).
• Veröffentlichungsstand richtiggestellt (RELEASE_GATE.md): Das Dokument führte die Öffentlichstellung weiter als „Operator-Entscheidung ausstehend", obwohl das Repository seit 2026-07-24 öffentlich ist. Offen ist stattdessen ein Versions-Tag/GitHub-Release für 0.2.5 — das ist jetzt als eigenes Gate ausgewiesen. Zugleich „echte Akte" → „synthetische Referenzakte" präzisiert (die Referenzdokumente sind durchgehend synthetisch).
• Manifeste auf den tatsächlichen Stand gebracht: ellmos-module.json stand auf visibility: public-candidate und privacy.level: private, obwohl das Repository öffentlich ist — beides korrigiert und der Privacy-Hinweis auf das Unterscheidende umformuliert (öffentlicher Code, nicht veröffentlichungsfähige Verarbeitungsdaten). Repository-URL in beiden Manifesten ergänzt (ellmos-module.v2.json hatte repository: null).
• Mermaid-Diagramm repariert (README.md): Der Ausgabeknoten war als Output ["…"] mit Leerzeichen notiert (gültig nur für subgraph), was das Diagramm auf GitHub nicht rendern lässt. Korrigiert zu Output["…"].
• Hygiene-Zeitstempel in README-Badge und llms.txt auf 2026-08-15 aktualisiert; CHANGELOG.md in die llms.txt-Dateiliste aufgenommen.

2026-07-29 — Technical Hygiene & Documentation

• Machine-readable documentation: Removed the stale reference to a non-existent README_de.md and clarified that README.md is the German primary documentation with an English legal summary.
• Verification status: Updated the llms.txt snapshot to the current local full-suite result (71 passed, 2 skipped, 18 subtests) and refreshed the README hygiene badge.

2026-07-27 — Discoverability & Visual Architecture (Pfad B)

• README Design & Badges: Badges für Ecosystem (ELLMOS / open-bricks), LLM-Friendly (llms.txt), und Hygiene-Check (2026-07-27) eingebunden.
• AI Agent Integration Callout: GFM Note Callout (> [!NOTE]) für maschinelle Entdeckbarkeit und lokale KI-Agent-Anwendung vor externen LLM-Prompts ergänzt.
• Mermaid Systemarchitektur: Interaktives Mermaid-Ablaufdiagramm zur Visualisierung der Fail-Closed-Pipeline, spaCy-NER, Anker-Prüfung und Fernet-Schlüsselableitung hinzugefügt.
• Maschinenlesbare Dokumentation (llms.txt): Last-checked Zeitstempel auf 2026-07-27 aktualisiert.

2026-07-26 — Technische Hygiene & Maintenance

• Testkonfiguration & Isolation (pyproject.toml): pythonpath = ["."] in [tool.pytest.ini_options] hinterlegt für umgebungsunabhängiges Ausführen der Testsuite.
• Maschinenlesbare Dokumentation (llms.txt): Last-checked Zeitstempel auf 2026-07-26 aktualisiert mit verifizierten Testsuite-Ergebnissen (64 passed, 9 skipped).
• Testsuite & CI Verification: Vollständige Testsuite in isolierter Umgebung ausgeführt (64 passed, 9 skipped in 7.04s), 0 Fehler.

2026-07-24 — Discoverability & Doku

• Maschinenlesbare Dokumentation (llms.txt): Root-llms.txt angelegt für KI-Crawler, Agent-Discovery und strukturierte Übersicht der Fail-Closed-Sicherheitsverträge, Formate und CLI-/Python-APIs.
• PyPI / GitHub Discovery Metadata: Keywords (anonymizer, pseudonymization, gdpr, dsgvo, ner, spacy, privacy-first, fail-closed, offline-first) und [project.urls] in pyproject.toml hinterlegt.
• README & Doku-Struktur: Badges, Schnellübersichts-Tabellen und Suchbegriffe für maschinelles und menschliches Auffinden optimiert.

0.2.5 — 2026-07-23

• Root Cause identifiziert (Referenzlauf RUN5, w6-Umgebungsvergleich): Der 0.2.4-Fix wurde in einer anderen Umgebung (System-Python) reproduzierbar widerlegt — "Beim Anziehen"/"Beim Essen"/"Landkreises Lörrach" sowie neu "Kurze Notiz" wurden dort weiterhin ersetzt. Diagnose ergab: keine spaCy-/Modellversions-Drift (identische Versionen spacy==3.8.14, de_core_news_lg==3.8.0 in beiden Umgebungen, per spacy.load(...).meta verifiziert) — sondern ob zusätzlich en_core_web_lg installiert ist. War es das (System-Python, nicht in der eigenen venv), taggte das englische Modell deutschen Fließtext eigenständig fehlerhaft als PERSON/PROPN (z. B. "Beim"/"Anziehen"/"Notiz" alle PROPN, Lemma unverändert großgeschrieben) — die 0.2.2–0.2.4-Verteidigung (POS==PROPN + Lemma-Kleinschreibung) ist auf deutsche Lemmatisierungsregeln zugeschnitten und greift gegen dieses Muster nicht.
• Modellversions-robuste Oberflächen-Härtung (Operator-Design): Neue Regeln, die NICHT von POS/Lemma abhängen, laufen VOR der Mehrwort-/ Anker-Entscheidung: (a) Präposition-Artikel-Kontraktionen ("Beim", "Zum", "Zur", "Am", "Im", "Ins", "Vom", "Übers", "Unterm") werden per Oberflächen-Exaktvergleich immer verworfen. (b) Gattungsbegriff-Denyliste zusätzlich per Oberflächen-Präfixmatch (Genitiv/Plural-Endungen, kein Lemma nötig). (c) Ein Token, das eine NEUE Teilsequenz eröffnen würde und dessen Kleinschreibform ein bekanntes deutsches Wort ist (is_oov=False, immer gegen das DE-Vokabular geprüft, unabhängig davon welches Modell den Tag erzeugt hat) und kein bekannter Vorname/Titel ist, gilt als generisches Wort ("Kurze Notiz") und wird verworfen — Tokens, die eine bereits akzeptierte Teilsequenz fortsetzen (Vorname+Nachname-Muster wie "Anna Muster"/"Anna Muster-Bergmann"), bleiben ausgenommen.
• Sicherheitsnetz gegen Kollisionen: is_oov unterscheidet nicht zuverlässig "generisches Wort" von "Name mit Vektor" — empirisch waren sowohl "kim" als auch "beispiel" im DE-Vokabular NICHT out-of-vocabulary. Mindestlänge 5 Zeichen für den Alltagswort-Check schützt kurze echte Namen ("Kim"); die "neue Teilsequenz"-Beschränkung schützt Nachnamen, die zufällig Alltagswörter sind ("Muster", "Bergmann"), solange sie einem bereits akzeptierten Vornamen folgen.
• Denyliste erweitert: "frühförderin"/"frühförderer"/"erzieher(in)"/ "bezugserzieher(in)"/"sachbearbeiter(in)" ergänzt (eigener Fund beim End-to-End-Test: "Frühförderin Frau" wurde vom englischen Modell als 2-Wort-PERSON-Span fehlgetaggt und über die Mehrwort-Regel bestätigt).
• DoD in BEIDEN Umgebungen verifiziert: eigene venv (nur de_core_news_lg) und System-Python (zusätzlich en_core_web_lg, reproduziert RUN5). Beide grün: venv 70 passed/3 skipped, System-Python 71 passed/2 skipped (jeweils nur die 2 Windows-Symlink-OS-Limitationen, kein Modell-Test übersprungen). End-to-End gegen die echte RUN2-Akte in BEIDEN Umgebungen: Profil-Mapping korrekt, "Beim Anziehen"/"Beim Essen"/"Landkreises Lörrach"/"Kurze Notiz" wörtlich unverändert im Output, Klientenname vollständig ersetzt.
• README-Abschnitt "Modellversions-Sensitivität" ergänzt: empfohlene/ getestete Version (de_core_news_lg==3.8.0, spacy==3.8.14), Hinweis zum en_core_web_lg-Risiko, Versions-Pin als Kommentar in pyproject.toml.
• CI-Nachbesserung (Testfehler, keine Verhaltensänderung): GitHub Actions (kein spaCy-Modell installiert) schlug bei test_harden_run_surface_drops_contraction_regardless_of_pos fehl. Ursache war NICHT ein "Fail-open" der Kontraktions-/Denyliste-Schichten (a)/(b) — diese sind bereits rein oberflächenbasiert und vollständig modellfrei (kein _get_spacy_model-Zugriff) — sondern eine zu weit gefasste Testerwartung, die implizit voraussetzte, dass Schicht (c) (is_oov, modellabhängig, korrekt geguarded: ohne Modell → übersprungen) das zweite Token ebenfalls entfernt. Test korrigiert (zweites Token unter der Mindestlänge von Schicht (c), damit die Erwartung in JEDER Umgebung deterministisch ist) und in drei Kontexten verifiziert: eigene venv (70 passed/3 skipped), System-Python mit en_core_web_lg (71 passed/2 skipped), frische modellfreie venv als echte CI-Nachbildung (64 passed/9 skipped, davon 7 korrekt übersprungene modellabhängige Tests).

0.2.4 — 2026-07-23

• Mehrwort-Span-Härtung (Referenzlauf RUN4, Feinschliff zu 0.2.3): Das Anker-Prinzip griff bereits korrekt für Einzelwort-Spans, aber Mehrwort-Spans umgingen es weiterhin: „Beim Anziehen"/„Beim Essen" (substantivierte Verben, teils fälschlich als PROPN getaggt) und „Landkreises Lörrach" (Genitiv, Gattungsbegriff + Eigenname im selben Span) wurden über die bisherige „≥2 Tokens = verifiziert"-Regel trotzdem ersetzt.
• Trim VOR der Mehrwort-Akzeptanz (Operator-Design): _is_name_token() prüft bei PROPN-getaggten Tokens jetzt zusätzlich das LEMMA als Gegenprobe: (a) Tokens, deren Lemma auf der Gattungsbegriff-Denyliste steht (Lemma von „Landkreises" ist „Landkreis"), werden aus dem Span gekürzt; (b) Tokens mit kleingeschriebenem Lemma — substantivierte Verben behalten ihr Infinitiv-Lemma, z. B. „Anziehen" → Lemma „anziehen" — werden ebenfalls gekürzt. Der gekürzte Rest durchläuft die normale Logik: ≥2 Tokens → weiterhin verifiziert, 1 Token → Anker-Regel (0.2.3), 0 Tokens → nichts. „Landkreises Lörrach" wird so zu „Lörrach" ohne Vornamen-/Titel-Anker → ner_review_only statt Ersetzung. Bindestrich-Doppelnamen („Anna Muster-Bergmann") bleiben unangetastet, da beide Teile echte PROPN-Nachnamen ohne Gattungsbegriff-/Verb-Lemma sind.
• DoD verifiziert: pytest mit geladenem de_core_news_lg — 65 passed, 2 skipped (beide Windows-Symlink-OS-Limitationen, kein Modell-Test übersprungen), 14 subtests. End-to-End gegen die echte RUN2-Akte: das Profil-Namens-Mapping ist exakt {Kim, Beispiel, Kim Beispiel, Test-Fiktiv, Test-Mustermann, Sachbearbeiter-Fiktiv} — die tatsächlichen Personen im Text, keine Fehlklasse mehr darunter.

0.2.3 — 2026-07-23

• Regression zu 0.2.2 (ehrlich dokumentiert): Referenzlauf RUN3 mit der echten synthetischen Akte zeigte, dass 0.2.2 real SCHLECHTER war als 0.2.1 — prepare brach über die Residualprüfung ab ("Beispiel"/"Umgang"), und zusätzlich wurden "Umgang", "Begleitung", "Handlauf", "Zähneputzen" fälschlich ersetzt; "Klettverschlüsse"/"Landkreises" blieben ebenfalls betroffen. Ursache: reines POS==PROPN als Akzeptanzkriterium kippt in der Praxis zu durchlässig — spaCy misstaggt Substantive in Aufzählungs-/ Fachtext-Kontexten häufig als PROPN, wodurch der 0.2.2-Filter durchlässiger statt strenger wurde.
• Anker-Prinzip als struktureller Nachfolger (Operator-Design): Ersetzungspolitik neu gestaffelt: (i) real_name/weitere_namen werden weiterhin immer ersetzt (Kernzweck, unverändert). (ii) NER-PER-Mehrwort- Spans (≥2 Tokens nach der PROPN-Kürzung, Vor+Nachname-Muster) gelten als hinreichend verifiziert, deckt auch Namen ohne Lexikon-Eintrag wie "Amara Diallo" ab. (iii) NER-PER-Einzelwort-Spans werden NUR mit Anker ersetzt: bekannter Vorname (Lexikon) ODER unmittelbar vorangehendes Titel-/ Anrede-Token (Dr./Prof./Frau/Herr). Ohne Anker: keine destruktive Ersetzung, stattdessen sichtbarer, nicht-destruktiver Review-Kandidat im neuen Scan-Ergebnis-Key ner_review_only (create_profile() liest diesen Key bewusst nicht). Die 0.2.2-Lemma-Denyliste bleibt als zusätzliche Schicht bestehen. detect_person_names_ner() gibt jetzt (confirmed, review_only) statt einer flachen Liste zurück.
• Residualprüfung "entschärft sich von selbst": _residual_originals() prüfte schon vorher ausschließlich profile.mappings (tatsächlich zu ersetzende Werte), nicht alle je gescannten Kandidaten — der RUN3-Abbruch kam davon, dass unter 0.2.2 zu viele generische Fehlalarme überhaupt erst ins Profil-Mapping gelangten. Mit dem Anker-Prinzip gelangen nur noch vertrauenswürdige Namen ins Mapping, wodurch die Residualprüfung ohne eigene Codeänderung wieder korrekt greift.
• Pflicht-DoD verifiziert: DocumentAnonymizer End-to-End (scan → create_profile → anonymize_folder) gegen die echte synthetische RUN2-Akte (ARCHIV_2026-07-23_RUN2/quelle/) liefert einen vollständig unkorrumpierten Bericht — "Grob bewegt", "beim Umgang", "Klettverschlüsse", "Landkreises Lörrach", "Einrichtungsangaben", "die Förderung", "Begleitung", "Handlauf", "Zähneputzen" bleiben unverändert erhalten; der Klientenname "Kim" ist vollständig und konsistent durch das Pseudonym ersetzt. Neuer Regressionstest test_ner_run2_real_akte_end_to_end_no_corruption (skip-guarded, wenn der Referenzordner auf dem Host fehlt).

0.2.2 — 2026-07-23

• NER-Plausibilitätsfilter strukturell auf POS/Lemma umgestellt (foerderplaner-Referenzlauf RUN2, Nachbefund zu 0.2.1): Die reine Wortlisten-Allowlist aus 0.2.1 war nur ein Symptom-Fix — sie deckte weder Flexionsformen ("Landkreises", Genitiv) noch das Grundproblem ab, dass Großschreibung im Deutschen KEIN Personen-Signal ist (jedes Substantiv wird großgeschrieben). Reale, weiterhin sinnentstellende Fehl-Ersetzungen aus RUN2: "Grob bewegt Kim sich..." → "Amara Albrecht bewegt Lina sich...", "Beim Anziehen"/"Klettverschlüsse"/"Beim Essen"/ "Reißverschlüssen"/"Einrichtungsangaben" → Fake-Namen, "Landkreises Lörrach" (Genitiv) weiter ersetzt.
  • _NER_KEEP_COMPONENTS erweitert (tagger/morphologizer/lemmatizer/ attribute_ruler zusätzlich zu tok2vec+ner; nur parser bleibt ausgeschlossen) — liefert token.pos_/token.lemma_.
  • Neue Span-Validierung: ein NER-PER-Span wird auf seine maximalen zusammenhängenden PROPN-Token-Teilsequenzen gekürzt (_extract_name_token_runs/_is_name_token) statt komplett verworfen oder komplett akzeptiert zu werden — mit begrenzten Rettungsankern für Titel-Token (Dr./Prof.) und bekannte deutsche Vornamen bei POS-Fehltagging (kein Pflichtanker: unbekannte Namen wie "Amara Diallo" bleiben allein über PROPN erkennbar).
  • Gattungsbegriff-Denyliste zusätzlich auf LEMMA-Basis geprüft (_tokens_pass_lemma_denylist) — deckt Flexionsformen ab ("Landkreises" → Lemma "Landkreis"); die bisherige Oberflächenformen-Prüfung bleibt als Fallback bestehen.
  • Regressionstests mit den echten RUN2-Sätzen (skip-guarded auf installiertes de_core_news_lg): nur "Kim" bleibt in den Fehlalarm-Sätzen übrig, "Landkreises Lörrach"/"Einrichtungsangaben" werden nicht mehr erfasst; "Kim Beispiel", "Dr. Anna Muster" und das lexikonfreie "Amara Diallo" bleiben erkannt.
  • Kosten: mehr Pipeline-Komponenten pro Dokumentdurchlauf (POS-Tagging/ Lemmatisierung); in Tests keine praktisch relevante Verlangsamung (~3.600 Zeichen in ~0,25 s nach Modell-Warmup).

0.2.1 — 2026-07-23

• Git-Repository initialisiert (Branch main), GitHub-Actions-CI angelegt (Python 3.11/3.12-Matrix auf ubuntu-latest, Lint-Job, Bandit-Job).
• OOXML-Parsing gehärtet: xml.etree.ElementTree durch defusedxml.ElementTree ersetzt (3 Stellen in core.py, XML-Entity-/Billion-Laughs-Schutz beim Einlesen von DOCX-/XLSX-Daten); defusedxml als Pflichtabhängigkeit ergänzt. Bandit (bandit -r anonymizer_modul -ll) danach ohne Befunde.
• README um den Abschnitt „Rechtlicher Rahmen und Verantwortung" ergänzt: Pseudonymisierung ≠ Anonymisierung (DSGVO), § 203 StGB-Hinweis für Berufsgeheimnisträger, englische Kurzfassung.
• Realer NER-Qualitätstest mit de_core_news_lg gegen ausschließlich synthetische Namen durchgeführt (Ergebnis: TODO.md).
• Public-Metadaten vorbereitet: README-Kopfsatz, pyproject.toml-Beschreibung und ellmos-module.json-visibility (→ public-candidate) von der bisherigen "PRIVAT"-Kennzeichnung befreit; tatsächliche Veröffentlichung bleibt ein separater Freigabeschritt (/repo-publish-check, Operator).
• Template-Medien-Fix (foerderplaner-Referenzlauf, Fund A): DOCX/XLSX mit eingebetteten Bildern (z. B. Briefkopf-Logo im Berichts-Template) blockierten bisher IMMER die Ver-/De-Anonymisierung (_has_unverified_package_content ohne Ausnahme). Neuer optionaler trusted_template_path (API + CLI --trusted-template + ENV ANONYMIZER_TRUSTED_TEMPLATE) lässt gezielt word/media/xl/media-Einträge passieren, deren SHA-256-Hash byte-identisch aus dem angegebenen Template stammt; jeder andere Medien- Eintrag sowie Embeddings/ActiveX/VBA/OLE bleiben unverändert gesperrt (fail-closed-Prinzip erhalten). DocumentDeanonymizer.deanonymize_file/ deanonymize_folder geben den Parameter durch, statt intern immer mit Default-DocumentAnonymizer() zu arbeiten.
• NER-Plausibilitätsfilter erweitert (foerderplaner-Referenzlauf, Fund B): de_core_news_lg markierte generische Verwaltungs-/Berichtssubstantive ("Landkreis Lörrach", "Förderung", "Zusage", "Ablauf") fälschlich als Personennamen. _looks_like_person_name() prüft Gattungsbegriffe jetzt an JEDER Wortposition (nicht mehr nur bei Einzelwort-Treffern) gegen eine erweiterte Verwaltungs-/Einrichtungs-/Berichtsvokabular-Liste (_NER_GENERIC_REPORT_NOUNS); die Stoppwortliste für satzfragment- verdächtige Spans wurde um Reflexivpronomen und Modal-/Hilfsverben ergänzt. Echte synthetische Namen ("Kim", "Anna Muster") bleiben erkannt.

0.2.0 — 2026-07-16

• Ordnerverarbeitung transaktional und fail-closed gemacht; nicht unterstützte Formate, Parserfehler, Symlinks und Pfadkollisionen veröffentlichen nichts.
• Schlüsselpfade gegen Traversal, Cloud-Sync und Symlinks geschützt; verschlüsselte Dateien atomar mit privaten Berechtigungen geschrieben und begrenzt gelesen.
• Alle gültigen E-Mail-Domains sowie erkannte Tabellen-/NER-Namen und Institutionen in die Profilbildung aufgenommen; fehlendes NER ist im Standardmodus ein harter Stop.
• DOCX-/XLSX-OOXML-Oberflächen erweitert und nach dem Speichern auf Restdaten geprüft; Discovery erfasst paketweit Texte und identitätstragende Attribute einschließlich Chart-/Drawing-Flächen; nicht verifizierte Medien werden standardmäßig abgelehnt.
• PDF-Metadaten, XML-Metadaten, Annotationen, Links, Formulare und Anhänge sowie Bookmarks und Page-Labels entfernt; bildhaltige PDFs ohne OCR abgelehnt; angeforderte Verschlüsselung fällt nicht mehr auf Klartext zurück.
• spaCy-Installationen ohne ladbares Modell und unplausibel große NER-Blöcke stoppen den Standard-Scan; E-Mail-Ersetzung ist casing-sicher.
• Windows-Junctions/Reparse-Points werden wie Symlinks abgelehnt; vollständige Zielbäume werden erst über eine gleichvolumige atomare Umbenennung publiziert.
• Legacy-DOC-Eingabe, Konvertierung und Ausgabe begrenzt.
• Reale CLI-Unterbefehle mit verdeckter Eingabe und belastbaren Exitcodes ergänzt.
• Dokumentation und tatsächliche foerderplaner-Verkabelung synchronisiert.

0.1.0 — 2026-06-27

• Standalone-Extraktion aus BACH v1.2.0 mit neutralisierten Laufzeitpfaden.