feat: Browser-Matrix C2 + B11 AI-Retention + Impressum-Specialist-Agent + B1 Mobile Playwright

Task #15 Stage 1.c-e — Browser-Matrix Backend-Integration:
  - _phase_c2_browser_matrix.py: ruft consent-tester /scan-matrix wenn
    env BROWSER_MATRIX=true, fuellt state["browser_matrix"] +
    state["browser_aggregate"] + state["browser_matrix_html"]
  - V2-Mail-Block: 🌐 Browser-Matrix Tabelle (Profile · Score ·
    Sub-Scores PC/RR/BD · Bewertung) mit Worst-of-Header
  - Orchestrator ruft run_phase_c2 nach run_phase_c
  KNOWN: Stage 1.b (consent_scanner browser_profile-Param) bleibt
    zurueckgestellt (Datei in loc-exception, Hook-Patch verweigert).
    Stage 1.a-Shim laeuft im consent-tester — alle Profile aktuell
    auf Chromium, echte Engine-Diversitaet kommt mit 1.b.

Task #17 TH-RETENTION-002 als B11 ai_retention_granularity_check:
  - Erkennt AI-Provider-Kontext (vertex/openai/anthropic/etc)
  - In +-800-char-Window: prueft ≥2 Datenkategorien aus Standard-Liste
    (Texteingaben/IP/Geraet/Session/Fehlerprotokoll/Zeitstempel)
  - Wenn 1 pauschale Speicherdauer + ≥2 Kategorien aber kein
    per-Kategorie-Differential → LOW
  - Smoke: Elli-Mock-DSE trifft LOW "AI-Speicherdauer pauschal"

Task #18 Specialist-Agents Phase-1-Prototyp:
  - compliance/services/specialist_agents/__init__.py mit Architektur-Doku
  - impressum_agent.py: 9 Pflichtangaben § 5 TMG + § 1 DL-InfoV
    als Pattern-Registry (Name, Email, Telefon, HR, USt-IdNr,
    Vertretungsberechtigt, Aufsichtsbehoerde, Berufsangaben, OS-Link)
  - business_scope-aware (OS-Link nur fuer ecommerce, Aufsichtsbehoerde
    nur fuer regulated_profession/financial/insurance)
  - Phase-1 ist Pattern-Match-only (kein LLM), demonstriert die
    Schnittstelle. Phase 2 ersetzt Pattern durch System-Prompt + KB.
  - Smoke: minimal-Impressum triggert 4 Findings korrekt

Task #7 B1 Playwright Mobile-Verifikation:
  - consent-tester/services/mobile_reachability_scanner.py: echte
    WebKit-launch + p.devices['iPhone 15'] preset + de-DE locale +
    Europe/Berlin timezone
  - Footer-Anchor-Suche via locator("footer >> text=/.../i") fuer
    13 Reopen-Phrasen
  - Tap-Target-Boundingbox-Messung (Apple HIG / WCAG ≥44x44)
  - Click-Behavior: DOM-Modal-Snapshot vor/nach, erkennt CMP-Open
  - Output: has_anchor, anchor_text, tap_target_px, click_opens_cmp,
    engine_meta, screenshot_b64 (Footer-Crop wenn kein Anchor)
  - consent-tester/routes_mobile.py POST /scan-mobile-reachability
  - Backend _b1_wiring erweitert: ruft Mobile-Endpoint zuerst,
    Fallback auf statischen HTTP-Fetch. Mobile-Daten enrichen
    finding.mobile_playwright + Severity-Bump bei
    tap-target<44 / click-doesnt-open-CMP.
  KNOWN: WebKit-System-Libs sind im Dockerfile ergaenzt (Stage 1.a-
    Commit), greifen aber erst nach CI/CD-Rebuild des consent-tester.
    Bis dahin faellt B1 sauber auf statischen Fetch zurueck.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
This commit is contained in:
Benjamin Admin
2026-06-06 22:20:25 +02:00
parent e1dadc8027
commit 37093ff9e3
11 changed files with 702 additions and 7 deletions
@@ -0,0 +1,116 @@
"""B11 — AI-Retention-Granularity-Check (TH-RETENTION-002).
DSGVO Art. 13 Abs. 2 lit. a + DSK-Empfehlung: pro Datenkategorie
eine spezifische Speicherdauer. Eine pauschale Angabe wie
"6 Monate für alle Daten" reicht nicht.
GT-Pattern Elli:
Vertex-AI-Chatbot speichert "IT- und pseudonymisierte
Nutzungsdaten" pauschal 6 Monate. Keine Abstufung nach
Datenkategorie (Texteingaben / IP / Geräteinformationen /
Session-ID / Fehlerprotokolle).
Heuristik:
1. AI-Kontext erkennen (vertex ai / openai / claude / etc.)
2. In ±600-char-Window prüfen:
- Existiert eine Speicherdauer-Aussage? (parse_duration_to_days)
- Werden ≥2 Datenkategorien aus AI-Standardliste genannt?
(Texteingaben, IP, Geräteinformationen, Session, Fehlerprotokolle)
- Wenn 1 Speicherdauer + ≥2 Kategorien aber kein
per-Kategorie-Differential → LOW
"""
from __future__ import annotations
import logging
import re
from .retention_comparator import parse_duration_to_days
logger = logging.getLogger(__name__)
_AI_PROVIDERS = (
"vertex ai", "google vertex", "openai", "gpt-3", "gpt-4", "chatgpt",
"anthropic", "claude.ai", "claude-3", "mistral ai",
"ki-assistent", "ki assistent", "ai assistant",
)
_AI_DATA_CATEGORIES = (
"texteingab", # Texteingaben / Texteingabe
"chatverlauf", "chatverläuf",
"ip-adress",
"geräteinform", "geraeteinform", "device-info",
"session-id", "sitzungs-id",
"browserversion", "user-agent",
"fehlerprotokoll",
"zeitstempel",
)
def _per_category_phrases() -> tuple[str, ...]:
"""Patterns indicating per-category retention is mentioned."""
return (
"pro datenkategorie",
"je datenkategorie",
"unterschiedlich je",
"abhängig vom datentyp",
"abhaengig vom datentyp",
"differenziert nach",
"pro kategorie",
)
def check_ai_retention_granularity(state: dict) -> list[dict]:
doc_texts = state.get("doc_texts") or {}
dse = (doc_texts.get("dse") or "").lower()
if not dse:
return []
findings: list[dict] = []
for ai_kw in _AI_PROVIDERS:
idx = dse.find(ai_kw)
if idx < 0:
continue
window = dse[max(0, idx - 800): idx + 800]
if not window:
continue
categories_found = [c for c in _AI_DATA_CATEGORIES if c in window]
if len(categories_found) < 2:
continue
# Per-category retention phrase already present? then OK
if any(p in window for p in _per_category_phrases()):
return []
# Retention-claim in window? parse duration
m = re.search(
r"(\d+(?:[.,]\d+)?\s*(?:tage?|monat\w*|jahre?|"
r"day|month|year))", window,
)
if not m:
continue
days, kind = parse_duration_to_days(m.group(1))
if days is None:
continue
findings.append({
"check_id": "TH-RETENTION-GRANULARITY-001",
"severity": "LOW",
"severity_reason": "incomplete",
"title": (
"AI-Speicherdauer pauschal — pro Datenkategorie "
"differenzieren empfohlen"
),
"norm": "DSGVO Art. 13 Abs. 2 lit. a + DSK-OH AI",
"ai_provider": ai_kw,
"retention_days": int(days),
"categories_detected": categories_found,
"action": (
f"Für '{ai_kw}'-Kontext separate Speicherdauern je "
f"Datenkategorie angeben (Texteingaben / IP / "
f"Geräteinformationen / Session). Aktuell pauschal "
f"{int(days)} Tage."
),
})
break # one per DSE is enough
if findings:
logger.info("B11 AI-retention-granularity: %d findings", len(findings))
return findings
@@ -44,8 +44,10 @@ def compose_v2(state: dict) -> str:
state.get("vendor_consistency_html", ""),
# B5 — AI-Act Art. 50 Transparenzpflicht
state.get("ai_act_html", ""),
# B6/B7/B8 — DPO-cross-doc + Doc-Staleness + CMP-fingerprint
# B6/B7/B8/B9/B10 — DPO + Staleness + CMP + MultiEntity + Transfer
state.get("extra_findings_html", ""),
# Browser-Matrix (Stage 1.c)
state.get("browser_matrix_html", ""),
# All legacy build_*_html() wrapped in V2 sections — preserves
# every information block from the old renderer (Exec Summary,
# Banner-Screenshot, VVT, Redundancy, Solutions, Diff, etc.)
@@ -0,0 +1,17 @@
"""Doc-Type Specialist-Agents — Phase 1 Prototyp.
Architektur:
- Pro Doc-Type ein Spezialist-Agent mit System-Prompt (Domänenwissen)
+ Knowledge-Base (anonymisierte Patterns/Statistiken aus
Multi-Mandanten-Daten)
- Jeder Agent liefert strukturierte Findings → enriched state
- Ein Cross-Doc-Router-Agent prüft ob Absätze falsch zugeordnet sind
("Cookie-Inhalt steht in AGB statt Cookie-Richtlinie")
Phase 1: Impressum-Agent als Prototyp (Pattern-Match-only, ohne LLM).
Phase 2: DSE-Agent + Cross-Doc-Router (LLM-gestützt).
Phase 3+: Weitere Doc-Types + Continuous Learning der KB.
Privacy: KB enthält NIEMALS Roh-Mandantendaten. Anonymisierung +
Aggregation Pflicht (NER-Maskierung vor KB-Speicher).
"""
@@ -0,0 +1,159 @@
"""Impressum-Specialist-Agent Phase-1 Prototyp.
Pattern-Match-only (kein LLM). Demonstriert die Architektur:
- Knowledge-Base mit § 5 TMG/DDG-Pflichtangaben
- Pattern-Library für Erkennung
- strukturierte Findings mit Norm + Action
Phase 2 wird denselben Output produzieren, aber LLM-gestützt mit
Domain-spezifischem System-Prompt + Cross-Customer-KB.
KB-Beispiel-Einträge:
- HR-Format DE: HR[BA] <Nr> <Stadt>
- USt-IdNr-Format DE: DE\\d{9}
- Aufsichtsbehörden-Liste (Branchen)
- DSB-Adressformat
"""
from __future__ import annotations
import logging
import re
logger = logging.getLogger(__name__)
# Pflichtangaben nach § 5 TMG + § 1 DL-InfoV
PFLICHTANGABEN = {
"name_anbieter": {
"label": "Name + Anschrift des Anbieters",
"norm": "§ 5 Abs. 1 Nr. 1 TMG",
"patterns": [
re.compile(r"\b(?:Anbieter|Diensteanbieter|"
r"Verantwortlich(?:er Anbieter)?)\s*[:.\s]",
re.IGNORECASE),
],
"severity_if_missing": "HIGH",
},
"kontakt_email": {
"label": "Email-Adresse",
"norm": "§ 5 Abs. 1 Nr. 2 TMG",
"patterns": [
re.compile(r"\b[\w.+-]+@[\w-]+\.[a-z]{2,}\b", re.IGNORECASE),
],
"severity_if_missing": "HIGH",
},
"kontakt_telefon": {
"label": "Telefon",
"norm": "§ 5 Abs. 1 Nr. 2 TMG",
"patterns": [
re.compile(r"(?:Tel(?:efon)?|Phone)\.?\s*[:.\s]\s*[\+\d][\d\s/\-()]{5,}",
re.IGNORECASE),
],
"severity_if_missing": "MEDIUM",
},
"handelsregister": {
"label": "Handelsregister-Eintrag",
"norm": "§ 5 Abs. 1 Nr. 4 TMG",
"patterns": [
re.compile(r"\bHR[BA]\s+\d", re.IGNORECASE),
re.compile(r"Handelsregister", re.IGNORECASE),
],
"severity_if_missing": "HIGH",
},
"ust_id": {
"label": "USt-IdNr",
"norm": "§ 5 Abs. 1 Nr. 6 TMG",
"patterns": [
re.compile(r"\b(?:USt-?Id(?:Nr)?\.?|VAT(?:-?Id)?)\s*[:.\s]",
re.IGNORECASE),
re.compile(r"\bDE\d{9}\b"),
],
"severity_if_missing": "MEDIUM",
},
"vertretungsberechtigte": {
"label": "Vertretungsberechtigte Person",
"norm": "§ 5 Abs. 1 Nr. 1 TMG (juristische Personen)",
"patterns": [
re.compile(r"(?:Geschäftsführer|Vertretungsberechtigt|"
r"vertreten\s+durch)\s*[:.\s]",
re.IGNORECASE),
],
"severity_if_missing": "HIGH",
},
"aufsichtsbehoerde": {
"label": "Aufsichtsbehörde (regulierte Branchen)",
"norm": "§ 5 Abs. 1 Nr. 3 TMG (Branchen-bedingt)",
"patterns": [
re.compile(r"Aufsichtsbeh(?:ö|oe)rde\s*[:.\s]", re.IGNORECASE),
re.compile(r"\bBAFin\b|\bBNetzA\b|\bLKA\b", re.IGNORECASE),
],
"severity_if_missing": "LOW",
},
"berufsangaben": {
"label": "Berufsbezeichnung + Berufsrechtliche Angaben",
"norm": "§ 5 Abs. 1 Nr. 5 TMG (Kammerberufe)",
"patterns": [
re.compile(r"Berufsbezeichnung|Berufsordnung|Kammer",
re.IGNORECASE),
],
"severity_if_missing": "LOW",
},
"odr_link": {
"label": "OS-Link auf EU-Plattform",
"norm": "Art. 14 EU-VO 524/2013 (B2C-Onlineshops)",
"patterns": [
re.compile(r"ec\.europa\.eu/consumers/odr", re.IGNORECASE),
],
"severity_if_missing": "MEDIUM",
},
}
def evaluate(impressum_text: str,
business_scope: set[str] | None = None) -> list[dict]:
"""Run Impressum-Agent against the doc text.
Returns a list of finding dicts; empty when all Pflichtangaben
present. `business_scope` controls which optional checks run
(e.g. OS-Link only for B2C ecommerce).
"""
if not impressum_text:
return []
business_scope = business_scope or set()
findings: list[dict] = []
for field_id, spec in PFLICHTANGABEN.items():
# Skip context-dependent fields when scope doesn't match
if field_id == "odr_link" and "ecommerce" not in business_scope:
continue
if field_id == "aufsichtsbehoerde" and (
"regulated_profession" not in business_scope
and "financial_services" not in business_scope
and "insurance" not in business_scope
):
continue
if field_id == "berufsangaben" and (
"regulated_profession" not in business_scope
):
continue
found = any(p.search(impressum_text) for p in spec["patterns"])
if found:
continue
findings.append({
"check_id": f"IMPRESSUM-AGENT-{field_id.upper()}",
"agent": "impressum_agent_v1",
"field_id": field_id,
"severity": spec["severity_if_missing"],
"severity_reason": "missing",
"title": f"Pflichtangabe '{spec['label']}' fehlt im Impressum",
"norm": spec["norm"],
"action": (
f"{spec['label']} im Impressum ergänzen "
f"(Pflichtangabe nach {spec['norm']})."
),
})
if findings:
logger.info(
"impressum_agent: %d findings (kein LLM, KB v1)", len(findings),
)
return findings