fix(profiler): fix B2G false positive + add consulting/manufacturing

- Remove generic B2G keywords (behörde, amt, öffentlich) that match in every DSI due to "Aufsichtsbehörde", "Amtsgericht", "veröffentlichen" - Remove "server" from it_services (too generic, appears in every DSI) - Add consulting, manufacturing, media industries - Add B2B fallback for GmbH/AG without B2C signals - Add 10 ground truth files for unified compliance check Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-05-12 12:20:44 +02:00
parent 1fd7ea6139
commit 407a9503e4
12 changed files with 1151 additions and 9 deletions
@@ -40,14 +40,17 @@ _B2C_KEYWORDS = [

 _B2B_KEYWORDS = [
    "unternehmen", "geschaeftskunden", "geschäftskunden", "gewerblich",
-    "auftrag", "auftraggeber", "auftragnehmer", "geschaeftspartner",
-    "geschäftspartner", "firmenkunde", "b2b",
+    "auftraggeber", "auftragnehmer", "geschaeftspartner",
+    "geschäftspartner", "firmenkunde", "b2b", "industriekunden",
+    "beratung", "consulting", "dienstleistung", "engineering",
 ]

 _B2G_KEYWORDS = [
-    "behoerde", "behörde", "koerperschaft", "körperschaft", "oeffentlich",
-    "öffentlich", "gemeinde", "amt", "stadtverwaltung", "landesbehoerde",
-    "landesbehörde", "kommunal",
+    "koerperschaft des oeffentlichen rechts", "körperschaft des öffentlichen rechts",
+    "gemeinde", "stadtverwaltung", "landesbehoerde", "landesbehörde",
+    "kommunal", "buergerservice", "bürgerservice", "rathaus",
+    "landesamt", "bundesamt", "oeffentliche verwaltung", "öffentliche verwaltung",
+    "oeffentlicher dienst", "öffentlicher dienst",
 ]

 _NONPROFIT_KEYWORDS = [
@@ -93,14 +96,17 @@ _EDITORIAL_KEYWORDS = [
 ]

 _INDUSTRY_KEYWORDS = {
-    "it_services": ["software", "saas", "cloud", "hosting", "server", "api", "app"],
+    "it_services": ["software", "saas", "cloud", "hosting", "api", "plattform"],
    "retail": ["shop", "warenkorb", "versand", "lieferung", "einzelhandel"],
    "healthcare": ["arzt", "praxis", "patient", "gesundheit", "therapie", "klinik"],
    "legal": ["kanzlei", "rechtsanwalt", "mandant", "anwalt"],
    "craft": ["handwerk", "meister", "werkstatt", "montage", "gewerk"],
-    "public": ["behoerde", "behörde", "kommune", "verwaltung", "buerger", "bürger"],
+    "public": ["kommune", "stadtverwaltung", "buergerservice", "bürgerservice", "rathaus"],
    "finance": ["bank", "versicherung", "finanz", "kredit", "anlage"],
    "education": ["schule", "bildung", "unterricht", "lehrplan", "schueler", "schüler"],
+    "consulting": ["beratung", "consulting", "schulung", "seminar", "gutachten", "audit"],
+    "manufacturing": ["fertigung", "produktion", "maschinenbau", "anlagenbau", "zulieferer"],
+    "media": ["redaktion", "verlag", "medien", "journalismus", "presse"],
 }

 _TRACKING_SERVICES = {
@@ -197,8 +203,16 @@ async def detect_business_profile(documents: dict[str, str]) -> BusinessProfile:
        total = sum(max(0, v) for v in scores.values())
        profile.confidence = round(best_val / total, 2) if total > 0 else 0.5
    else:
-        profile.business_type = "unknown"
-        profile.confidence = 0.2
+        # Fallback: GmbH/AG without B2C signals → assume B2B
+        has_company = any(kw in full_text for kw in [
+            "gmbh", "ag ", "ohg", "kg ", "ug ", "gbr",
+        ])
+        if has_company and b2c_score <= 0:
+            profile.business_type = "b2b"
+            profile.confidence = 0.4
+        else:
+            profile.business_type = "unknown"
+            profile.confidence = 0.2

    # ── ODR (Online-Streitbeilegung) ─────────────────────────────
    # Required for B2C with online shop (EU Regulation 524/2013)
@@ -0,0 +1,112 @@
+# Ground Truth: SafetyKon
+
+**URL:** https://safetykon.de
+**Typ:** B2B Beratung (Arbeitssicherheit, Brandschutz)
+**Datum:** 2026-05-12
+
+---
+
+## Business Profile (erwartet)
+
+| Feld | Erwarteter Wert |
+|------|----------------|
+| business_type | b2b |
+| industry | consulting |
+| has_online_shop | false |
+| has_editorial_content | false |
+| is_regulated_profession | false |
+| needs_odr | false |
+
+---
+
+## Dokumente
+
+| Dokumenttyp | Vorhanden | URL |
+|-------------|-----------|-----|
+| DSI | Ja | https://safetykon.de/datenschutz |
+| Impressum | Ja | https://safetykon.de/impressum |
+| Cookie-Richtlinie | Nein (in DSI integriert) | — |
+| AGB | Nein | — |
+| Widerruf | Nein | — |
+| Social Media DSE | Nein | — |
+| Nutzungsbedingungen | Nein | — |
+| DSB-Kontakt | Nein (in DSI erwaehnt) | — |
+
+**Besonderheit:** DSI und Cookie-Infos sind auf derselben Seite (`/datenschutz`).
+Der Nutzer kann die DSI-URL in mehrere Zeilen eintragen. Das System sollte
+erkennen dass es sich um denselben Text handelt und dennoch korrekt pruefen.
+
+---
+
+## Erwartete Ergebnisse: DSI (Art. 13 DSGVO)
+
+### L1 Checks
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Verantwortlicher | PASS | SafetyKon GmbH mit Anschrift |
+| DSB | PASS oder INFO | Kleines Unternehmen, DSB ggf. nicht pflicht |
+| Zwecke | PASS | Kontaktformular, Website-Betrieb |
+| Rechtsgrundlage | PASS | Art. 6 Abs. 1 erwaehnt |
+| Empfaenger | PASS | Hosting-Provider etc. |
+| Drittlandtransfer | PASS/FAIL | Abhaengig ob Drittland-Dienste genutzt |
+| Speicherdauer | PASS | Zeitangaben vorhanden |
+| Betroffenenrechte | PASS | Art. 15-21 aufgezaehlt |
+| Beschwerderecht | PASS | Art. 77 oder Aufsichtsbehoerde erwaehnt |
+
+### L2 Checks (Stichproben)
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Anschrift (PLZ+Ort) | PASS | Adresse im Impressum und DSI |
+| E-Mail Verantwortlicher | PASS | E-Mail vorhanden |
+| Art. 6(1)(f) Berecht. Interesse | PASS | Fuer Website-Betrieb |
+
+---
+
+## Erwartete Ergebnisse: Impressum (§5 TMG)
+
+### L1 Checks
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Firmenname | PASS | SafetyKon GmbH |
+| Anschrift | PASS | Strasse + PLZ + Ort |
+| Vertretung | PASS | Geschaeftsfuehrer benannt |
+| Kontakt (Tel/Mail) | PASS | Telefon und E-Mail |
+| Registergericht | PASS | HRB-Nummer |
+| USt-IdNr | PASS | DE-Nummer |
+| V.i.S.d.P. | INFO/SKIP | Kein Blog/News → nicht relevant |
+| Streitbeilegung | INFO/SKIP | B2B → nicht relevant |
+| Berufsrecht | INFO/SKIP | Kein regulierter Beruf |
+
+---
+
+## Banner-Check (erwartet)
+
+| Feld | Erwartet |
+|------|----------|
+| banner_detected | true/false (zu pruefen) |
+| provider | ggf. einfacher Cookie-Hinweis |
+| violations | 0-2 (kleine Website) |
+
+---
+
+## Cross-Check Banner vs Cookie
+
+| Finding | Erwartet |
+|---------|----------|
+| Dienste fehlen in Cookie-RL | Unwahrscheinlich (wenig Dienste) |
+| Tracking vor Consent | Unwahrscheinlich |
+| Falsches "kein Tracking" | Unwahrscheinlich |
+
+---
+
+## Kontext-Filter (Business Profile)
+
+| Check | Filter-Ergebnis | Begruendung |
+|-------|----------------|-------------|
+| ODR/Streitbeilegung | SKIP | B2B, kein Online-Shop |
+| Widerruf | SKIP | B2B |
+| V.i.S.d.P. | SKIP | Keine redaktionellen Inhalte |
+| Berufsrecht | SKIP | Kein regulierter Beruf |
@@ -0,0 +1,123 @@
+# Ground Truth: IHK Konstanz
+
+**URL:** https://www.ihk.de/konstanz
+**Typ:** Kammer / Oeffentlich-rechtliche Koerperschaft
+**Datum:** 2026-05-12 (aktualisiert von 2026-05-07)
+
+---
+
+## Business Profile (erwartet)
+
+| Feld | Erwarteter Wert |
+|------|----------------|
+| business_type | b2g |
+| industry | public |
+| has_online_shop | false |
+| has_editorial_content | true (Ratgeber, News) |
+| is_regulated_profession | false |
+| needs_odr | false |
+
+---
+
+## Dokumente
+
+| Dokumenttyp | Vorhanden | URL |
+|-------------|-----------|-----|
+| DSI | Ja | https://www.ihk.de/konstanz/servicemarken/ueber-uns/downloads/datenschutzinformationen-zum-internetangebot-4163288 |
+| Impressum | Ja | https://www.ihk.de/konstanz/impressum |
+| Cookie-Richtlinie | Nein (in DSI integriert) | — |
+| AGB | Nein | — |
+| Widerruf | Nein | — |
+| Social Media DSE | Nein (in DSI integriert) | — |
+| Nutzungsbedingungen | Nein | — |
+| DSB-Kontakt | Nein (in DSI erwaehnt) | — |
+
+**Besonderheit:** Sehr lange DSI (6353 Woerter) mit integrierten Cookie-, Social-Media- und DSFA-Sektionen.
+
+---
+
+## Erwartete Ergebnisse: DSI (Art. 13 DSGVO)
+
+### L1 Checks (9/9 PASS)
+
+| Check | Erwartet | Beleg |
+|-------|----------|-------|
+| Verantwortlicher | PASS | IHK Hochrhein Bodensee, Reichenaustr. 21, D-78467 Konstanz |
+| DSB | PASS | SuedWest Datenschutz, datenschutz@konstanz.ihk.de |
+| Zwecke | PASS | Kontaktaufnahme, Newsletter, Veranstaltungen, Beratung |
+| Rechtsgrundlage | PASS | Art. 6 Abs. 1 lit. a), b), f) |
+| Empfaenger | PASS | Buchhaltung, Dritte, Auftragsverarbeiter |
+| Drittlandtransfer | PASS | Google USA erwaehnt |
+| Speicherdauer | PASS | 7 Tage, 10 Jahre, 90 Tage |
+| Betroffenenrechte | PASS | Art. 15, 16, 17, 18, 20, 77 |
+| Beschwerderecht | PASS | LfDI Baden-Wuerttemberg |
+
+### L2 Checks (18/22)
+
+| Check | Erwartet | TP/FP | Begruendung |
+|-------|----------|-------|-------------|
+| Anschrift (PLZ+Ort) | PASS | — | D-78467 Konstanz |
+| E-Mail Verantwortlicher | PASS | — | info@konstanz.ihk.de |
+| Telefon | PASS | — | +49(0)7531-2860-100 |
+| DSB Kontakt | PASS | — | datenschutz@konstanz.ihk.de |
+| Konkrete Zwecke | PASS | — | 5 Zwecke aufgezaehlt |
+| Art. 6(1)(a) | PASS | — | Einwilligung erwaehnt |
+| Art. 6(1)(b) | PASS | — | Vertrag erwaehnt |
+| Art. 6(1)(f) | PASS | — | Berechtigtes Interesse erwaehnt |
+| Interessenabwaegung | **FAIL** | **TP** | Interesse benannt, aber keine Abwaegung dokumentiert |
+| Empfaenger-Kategorien | PASS | — | Scandienstleister, Hoster, IT-Dienstleister |
+| Auftragsverarbeiter | PASS | — | Erwaehnt |
+| Transfermechanismus | **FAIL** | **TP** | Privacy Shield erwaehnt (ungueltig seit Schrems II), kein SCC/DPF |
+| Konkrete Zeitangaben | PASS | — | 7 Tage, 10 Jahre |
+| Loeschkonzept | **FAIL** | **Grenzfall** | Loeschgrundsatz vorhanden, kein formales Loeschkonzept |
+| Art. 15 Auskunft | PASS | — | Ausfuehrlich |
+| Art. 16 Berichtigung | PASS | — | Ausfuehrlich |
+| Art. 17 Loeschung | PASS | — | Ausfuehrlich |
+| Art. 18 Einschraenkung | PASS | — | Ausfuehrlich |
+| Art. 20 Portabilitaet | PASS | — | Ausfuehrlich |
+| Art. 21 Widerspruch | PASS | — | Widerspruchsrecht erwaehnt |
+| Art. 22 Profiling | **FAIL** | **TP** | Kein Hinweis auf Art. 22 oder Profiling |
+| Aufsichtsbehoerde benannt | PASS | — | LfDI BW |
+
+---
+
+## Erwartete Ergebnisse: Impressum
+
+### L1 Checks
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Firmenname | PASS | IHK Hochrhein-Bodensee |
+| Anschrift | PASS | Reichenaustr. 21, 78467 Konstanz |
+| Vertretung | PASS | Praesident / Hauptgeschaeftsfuehrer |
+| Kontakt | PASS | Telefon + E-Mail |
+| V.i.S.d.P. | PASS oder INFO | Hat redaktionelle Inhalte |
+
+---
+
+## Banner-Check (erwartet)
+
+| Feld | Erwartet |
+|------|----------|
+| banner_detected | true (einfacher Cookie-Hinweis) |
+| provider | unbekannt (Eigenbau) |
+| violations | gering |
+
+---
+
+## Cross-Check Banner vs Cookie
+
+| Finding | Erwartet |
+|---------|----------|
+| eTracker fehlt in Cookie-RL | Unwahrscheinlich (eTracker in DSI erwaehnt) |
+
+---
+
+## Kontext-Filter
+
+| Check | Filter-Ergebnis | Begruendung |
+|-------|----------------|-------------|
+| ODR/Streitbeilegung | SKIP | Oeffentlich-rechtlich, kein Shop |
+| Widerruf | SKIP | Kein B2C |
+| Berufsrecht | SKIP | Kein regulierter Beruf |
+| V.i.S.d.P. | AKTIV | Hat redaktionelle Inhalte |
@@ -0,0 +1,107 @@
+# Ground Truth: Stadt Koeln
+
+**URL:** https://www.stadt-koeln.de
+**Typ:** Kommune / Oeffentliche Verwaltung
+**Datum:** 2026-05-12
+**Batch-Test:** 9/9 L1, 21/22 L2 (Vorbildlich)
+
+---
+
+## Business Profile (erwartet)
+
+| Feld | Erwarteter Wert |
+|------|----------------|
+| business_type | b2g |
+| industry | public |
+| has_online_shop | false |
+| has_editorial_content | true (Nachrichten, Ratgeber) |
+| is_regulated_profession | false |
+| needs_odr | false |
+
+---
+
+## Dokumente
+
+| Dokumenttyp | Vorhanden | URL |
+|-------------|-----------|-----|
+| DSI | Ja | https://www.stadt-koeln.de/datenschutz |
+| Impressum | Ja | https://www.stadt-koeln.de/impressum |
+| Cookie-Richtlinie | Nein (in DSI integriert) | — |
+| AGB | Nein | — |
+| Widerruf | Nein | — |
+| Social Media DSE | Ggf. in DSI | — |
+| Nutzungsbedingungen | Nein | — |
+| DSB-Kontakt | In DSI | — |
+
+---
+
+## Erwartete Ergebnisse: DSI (Art. 13 DSGVO)
+
+### L1 Checks (9/9 PASS)
+
+| Check | Erwartet |
+|-------|----------|
+| Verantwortlicher | PASS |
+| DSB | PASS |
+| Zwecke | PASS |
+| Rechtsgrundlage | PASS |
+| Empfaenger | PASS |
+| Drittlandtransfer | PASS |
+| Speicherdauer | PASS |
+| Betroffenenrechte | PASS |
+| Beschwerderecht | PASS |
+
+### L2 Checks (21/22)
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Anschrift | PASS | Vollstaendige Adresse |
+| E-Mail | PASS | Vorhanden |
+| Telefon | PASS | Vorhanden |
+| DSB Kontakt | PASS | Vorhanden |
+| Konkrete Zwecke | PASS | Detailliert aufgezaehlt |
+| Art. 6(1)(a) | PASS | Einwilligung |
+| Art. 6(1)(b) | PASS | Vertrag |
+| Art. 6(1)(f) | PASS | Berechtigtes Interesse |
+| Interessenabwaegung | PASS | Dokumentiert |
+| Empfaenger-Kategorien | PASS | Aufgezaehlt |
+| Auftragsverarbeiter | PASS | Erwaehnt |
+| Transfermechanismus | PASS | SCC/DPF erwaehnt |
+| Zeitangaben | PASS | Konkrete Fristen |
+| Loeschkonzept | **FAIL** | Kein formales Loeschkonzept referenziert |
+| Art. 15-21 | PASS | Alle aufgezaehlt |
+| Aufsichtsbehoerde | PASS | LDI NRW |
+
+**Bewertung: Vorbildliche DSI. Einzig Loeschkonzept-Referenz fehlt.**
+
+---
+
+## Erwartete Ergebnisse: Impressum
+
+| Check | Erwartet |
+|-------|----------|
+| Behoerdenname | PASS |
+| Anschrift | PASS |
+| Vertretung (OB) | PASS |
+| Kontakt | PASS |
+| V.i.S.d.P. | PASS (hat News) |
+
+---
+
+## Banner-Check
+
+| Feld | Erwartet |
+|------|----------|
+| banner_detected | true |
+| provider | Unbekannt |
+| violations | gering (oeffentliche Stelle, wenig Tracking) |
+
+---
+
+## Kontext-Filter
+
+| Check | Filter | Begruendung |
+|-------|--------|-------------|
+| ODR | SKIP | Keine kommerzielle Taetigkeit |
+| Widerruf | SKIP | Kein B2C |
+| Berufsrecht | SKIP | Nicht anwendbar |
@@ -0,0 +1,129 @@
+# Ground Truth: BMW
+
+**URL:** https://www.bmw.de
+**Typ:** Konzern / B2C Automobil
+**Datum:** 2026-05-12
+**Batch-Test:** 8/9 L1, 10/21 L2 (Mangelhaft, 48%)
+
+---
+
+## Business Profile (erwartet)
+
+| Feld | Erwarteter Wert |
+|------|----------------|
+| business_type | b2c |
+| industry | automotive |
+| has_online_shop | true (Konfigurator, Zubehoer) |
+| has_editorial_content | true (Magazine, Blog) |
+| is_regulated_profession | false |
+| needs_odr | true (B2C Online-Angebote) |
+
+---
+
+## Dokumente
+
+| Dokumenttyp | Vorhanden | URL |
+|-------------|-----------|-----|
+| DSI | Ja | https://www.bmw.de/de/footer/metanavigation/datenschutz.html |
+| Impressum | Ja | https://www.bmw.de/de/footer/metanavigation/impressum.html |
+| Cookie-Richtlinie | Ja (separate Seite) | https://www.bmw.de/de/footer/metanavigation/cookie-policy.html |
+| AGB | Ja | TODO: URL verifizieren |
+| Widerruf | Ggf. in AGB | — |
+| Social Media DSE | Nein | — |
+| Nutzungsbedingungen | Ja | TODO: URL verifizieren |
+| DSB-Kontakt | In DSI | — |
+
+---
+
+## Erwartete Ergebnisse: DSI (Art. 13 DSGVO)
+
+### L1 Checks (8/9)
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Verantwortlicher | PASS | BMW AG, Muenchen |
+| DSB | PASS | DSB erwaehnt |
+| Zwecke | PASS | Ausfuehrlich |
+| Rechtsgrundlage | PASS | Art. 6 Referenzen |
+| Empfaenger | PASS | Kategorien aufgezaehlt |
+| Drittlandtransfer | PASS | USA-Transfer erwaehnt |
+| Speicherdauer | PASS | Zeitangaben vorhanden |
+| Betroffenenrechte | **FAIL** | Rechte ohne Art.-Referenzen |
+| Beschwerderecht | **FAIL** | Art. 77 nicht explizit erwaehnt |
+
+### L2 Checks (10/21 — verifizierte True Positives)
+
+| Check | Erwartet | TP/FP |
+|-------|----------|-------|
+| Anschrift | PASS | — |
+| E-Mail | **FAIL** | **TP** — Keine direkte E-Mail-Adresse fuer DSB angegeben |
+| Telefon | PASS | — |
+| DSB Kontakt | PASS | — |
+| Art. 6(1)(a) | PASS | — |
+| Art. 6(1)(b) | PASS | — |
+| Art. 6(1)(f) | PASS | — |
+| Interessenabwaegung | **FAIL** | **TP** — Keine dokumentierte Abwaegung |
+| Transfermechanismus | **FAIL** | **TP** — Kein SCC/DPF benannt |
+| Art. 15-18,20,21 | **FAIL** | **TP** — Rechte ohne Artikel-Referenzen aufgezaehlt |
+| Art. 22 Profiling | **FAIL** | **TP** — Kein Profiling-Hinweis trotz Konfigurator/Personalisierung |
+| Aufsichtsbehoerde | **FAIL** | **TP** — Keine konkrete Behoerde benannt |
+| Loeschkonzept | **FAIL** | **TP** — Kein Loeschkonzept referenziert |
+
+**Verifiziert: BMW hat tatsaechlich eine lueckenhafte DSI. Die Findings sind True Positives.**
+
+---
+
+## Erwartete Ergebnisse: Impressum
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Firmenname | PASS | BMW AG |
+| Anschrift | PASS | Petuelring 130, 80809 Muenchen |
+| Vertretung | PASS | Vorstand benannt |
+| Registergericht | PASS | AG Muenchen, HRB 42243 |
+| USt-IdNr | PASS | DE 129 273 987 |
+| V.i.S.d.P. | PASS | Hat redaktionelle Inhalte |
+| Streitbeilegung | AKTIV | B2C mit Online-Angebot → ODR relevant |
+
+---
+
+## Erwartete Ergebnisse: Cookie-Richtlinie
+
+| Check | Erwartet |
+|-------|----------|
+| Cookie-Arten | PASS (Essential, Analytics, Marketing) |
+| Cookie-Zwecke | PASS |
+| Speicherdauern | TODO: verifizieren |
+| Drittanbieter | PASS (Google, Meta etc.) |
+| Rechtsgrundlage | TODO: §25 TDDDG? |
+| Consent-Tool | PASS (OneTrust o.ae.) |
+
+---
+
+## Banner-Check
+
+| Feld | Erwartet |
+|------|----------|
+| banner_detected | true |
+| provider | OneTrust oder aehnlich |
+| violations | Mehrere (grosser Konzern mit viel Tracking) |
+
+---
+
+## Cross-Check Banner vs Cookie
+
+| Finding | Erwartet |
+|---------|----------|
+| Dienste fehlen in Cookie-RL | Moeglich (viele Third-Party-Tracker) |
+| Tracking vor Consent | Moeglich (Pre-Consent Analytics) |
+
+---
+
+## Kontext-Filter
+
+| Check | Filter | Begruendung |
+|-------|--------|-------------|
+| ODR | AKTIV | B2C mit Online-Angebot |
+| Widerruf | AKTIV | B2C |
+| Berufsrecht | SKIP | Kein regulierter Beruf |
+| V.i.S.d.P. | AKTIV | Hat Magazine/Blog |
@@ -0,0 +1,100 @@
+# Ground Truth: Sparkasse Bodensee
+
+**URL:** https://www.sparkasse-bodensee.de
+**Typ:** Finanzdienstleister / Oeffentlich-rechtlich
+**Datum:** 2026-05-12
+**Batch-Test:** 7/9 L1, 10/20 L2 (Mangelhaft, 50%)
+
+---
+
+## Business Profile (erwartet)
+
+| Feld | Erwarteter Wert |
+|------|----------------|
+| business_type | b2c |
+| industry | finance |
+| has_online_shop | false |
+| has_editorial_content | true (Ratgeber, Finanzwissen) |
+| is_regulated_profession | true |
+| regulated_profession_type | finanzdienstleister |
+| needs_odr | false (kein Online-Shop) |
+
+---
+
+## Dokumente
+
+| Dokumenttyp | Vorhanden | URL |
+|-------------|-----------|-----|
+| DSI | Ja | https://www.sparkasse-bodensee.de/de/home/toolbar/datenschutz.html |
+| Impressum | Ja | https://www.sparkasse-bodensee.de/de/home/toolbar/impressum.html |
+| Cookie-Richtlinie | Ggf. in DSI | — |
+| AGB | Ja | TODO: URL verifizieren |
+| Widerruf | Nein | — |
+| Social Media DSE | Nein | — |
+| Nutzungsbedingungen | Ggf. in AGB | — |
+| DSB-Kontakt | In DSI | — |
+
+---
+
+## Erwartete Ergebnisse: DSI (Art. 13 DSGVO)
+
+### L1 Checks (7/9)
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Verantwortlicher | PASS | Sparkasse Bodensee |
+| DSB | **FAIL** | **TP** — Kein DSB erwaehnt (Pflicht bei Finanzinstitut!) |
+| Zwecke | PASS | Aufgezaehlt |
+| Rechtsgrundlage | PASS | Art. 6 Referenzen |
+| Empfaenger | PASS | Kategorien |
+| Drittlandtransfer | PASS | Erwaehnt |
+| Speicherdauer | PASS | Zeitangaben |
+| Betroffenenrechte | PASS | Aufgezaehlt |
+| Beschwerderecht | **FAIL** | **TP** — Art. 77 nicht explizit |
+
+### L2 Checks (10/20)
+
+| Check | Erwartet | TP/FP |
+|-------|----------|-------|
+| Anschrift | PASS | — |
+| E-Mail | PASS | — |
+| Interessenabwaegung | **FAIL** | **TP** |
+| Transfermechanismus | **FAIL** | **TP** |
+| Art. 22 Profiling | **FAIL** | **TP** — Bank mit Online-Banking sollte Profiling-Hinweis haben |
+| Loeschkonzept | **FAIL** | **TP** |
+| Aufsichtsbehoerde | **FAIL** | **TP** |
+
+**Verifiziert: Sparkasse hat tatsaechlich eine lueckenhafte DSI. Fehlender DSB ist besonders kritisch bei einem Finanzinstitut.**
+
+---
+
+## Erwartete Ergebnisse: Impressum
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Firmenname | PASS | Sparkasse Bodensee |
+| Anschrift | PASS | Vorhanden |
+| Vertretung | PASS | Vorstand |
+| Registergericht | PASS | — |
+| Aufsichtsbehoerde | PASS | BaFin als Finanzaufsicht |
+| Berufsrecht | AKTIV | KWG, Sparkassengesetz |
+
+---
+
+## Banner-Check
+
+| Feld | Erwartet |
+|------|----------|
+| banner_detected | true |
+| provider | Ggf. eigene Loesung |
+| violations | Mittel |
+
+---
+
+## Kontext-Filter
+
+| Check | Filter | Begruendung |
+|-------|--------|-------------|
+| ODR | SKIP | Kein Online-Shop |
+| Berufsrecht | AKTIV | Regulierter Finanzdienstleister |
+| V.i.S.d.P. | AKTIV | Hat Ratgeber-Inhalte |
@@ -0,0 +1,121 @@
+# Ground Truth: Spiegel
+
+**URL:** https://www.spiegel.de
+**Typ:** Medien / Nachrichtenportal
+**Datum:** 2026-05-12
+**Batch-Test:** 6/9 L1, 10/13 L2 (Mangelhaft, 77%)
+
+---
+
+## Business Profile (erwartet)
+
+| Feld | Erwarteter Wert |
+|------|----------------|
+| business_type | b2c |
+| industry | media |
+| has_online_shop | true (Abo-Shop, Spiegel+) |
+| has_editorial_content | true (Kerngeschaeft) |
+| is_regulated_profession | false |
+| needs_odr | true (B2C Online-Abo) |
+
+---
+
+## Dokumente
+
+| Dokumenttyp | Vorhanden | URL |
+|-------------|-----------|-----|
+| DSI | Ja | https://www.spiegel.de/datenschutz |
+| Impressum | Ja | https://www.spiegel.de/impressum |
+| Cookie-Richtlinie | Ja (ggf. in DSI) | — |
+| AGB | Ja | https://www.spiegel.de/agb |
+| Widerruf | Ja (in AGB) | — |
+| Social Media DSE | Nein | — |
+| Nutzungsbedingungen | In AGB | — |
+| DSB-Kontakt | In DSI | — |
+
+**Besonderheit:** Consent-Wall blockiert Zugang ohne Cookie-Zustimmung. Text-Extraktion kann scheitern.
+
+---
+
+## Erwartete Ergebnisse: DSI (Art. 13 DSGVO)
+
+### L1 Checks (6/9)
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Verantwortlicher | PASS | SPIEGEL-Verlag |
+| DSB | **FAIL** | **TP** — Kein DSB in der DSI erwaehnt |
+| Zwecke | PASS | Aufgezaehlt |
+| Rechtsgrundlage | PASS | Art. 6 |
+| Empfaenger | PASS | Werbenetzwerke, Analytics |
+| Drittlandtransfer | PASS | USA-Transfer |
+| Speicherdauer | PASS | Angaben vorhanden |
+| Betroffenenrechte | **FAIL** | **TP** — Rechte nicht explizit aufgezaehlt |
+| Beschwerderecht | **FAIL** | **TP** — Art. 77 fehlt |
+
+### L2 Checks (Stichproben)
+
+| Check | Erwartet | TP/FP |
+|-------|----------|-------|
+| E-Mail | PASS | — |
+| Interessenabwaegung | **FAIL** | **TP** |
+| Art. 22 Profiling | **FAIL** | **TP** — Personalisierte Werbung ohne Profiling-Hinweis |
+| Aufsichtsbehoerde | **FAIL** | **TP** |
+
+**Verifiziert: Spiegel DSI ist fuer ein grosses Medienunternehmen erstaunlich unvollstaendig.**
+
+---
+
+## Erwartete Ergebnisse: Impressum
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Firmenname | PASS | SPIEGEL-Verlag Rudolf Augstein GmbH & Co. KG |
+| Anschrift | PASS | Ericusspitze 1, 20457 Hamburg |
+| Vertretung | PASS | Geschaeftsfuehrer |
+| V.i.S.d.P. | PASS | Pflicht bei Medienunternehmen, sollte vorhanden sein |
+| Registergericht | PASS | AG Hamburg |
+| USt-IdNr | PASS | Vorhanden |
+| Streitbeilegung | AKTIV | B2C mit Online-Abo |
+
+---
+
+## Erwartete Ergebnisse: AGB
+
+| Check | Erwartet |
+|-------|----------|
+| Geltungsbereich | PASS |
+| Vertragsschluss | PASS |
+| Preise | PASS (Abo-Preise) |
+| Kuendigungsrecht | PASS |
+| Widerrufsrecht | PASS (14 Tage) |
+| Haftungsbeschraenkung | PASS |
+
+---
+
+## Banner-Check
+
+| Feld | Erwartet |
+|------|----------|
+| banner_detected | true |
+| provider | Sourcepoint oder TCF-basiert |
+| violations | Mehrere (viel Third-Party-Tracking) |
+
+---
+
+## Cross-Check Banner vs Cookie
+
+| Finding | Erwartet |
+|---------|----------|
+| Dienste fehlen in Cookie-RL | Wahrscheinlich (viele Werbenetzwerke) |
+| Tracking vor Consent | Moeglich |
+
+---
+
+## Kontext-Filter
+
+| Check | Filter | Begruendung |
+|-------|--------|-------------|
+| ODR | AKTIV | B2C Online-Abo |
+| Widerruf | AKTIV | B2C |
+| V.i.S.d.P. | AKTIV | Medienunternehmen (Kernpflicht) |
@@ -0,0 +1,97 @@
+# Ground Truth: TUEV Sued
+
+**URL:** https://www.tuvsud.com/de-de
+**Typ:** Prueforganisation / B2B
+**Datum:** 2026-05-12
+**Batch-Test:** 8/9 L1, 15/21 L2 (Luecken, 71%)
+
+---
+
+## Business Profile (erwartet)
+
+| Feld | Erwarteter Wert |
+|------|----------------|
+| business_type | b2b |
+| industry | certification |
+| has_online_shop | false |
+| has_editorial_content | true (Wissensbeitraege, Whitepaper) |
+| is_regulated_profession | false |
+| needs_odr | false |
+
+---
+
+## Dokumente
+
+| Dokumenttyp | Vorhanden | URL |
+|-------------|-----------|-----|
+| DSI | Ja | https://www.tuvsud.com/de-de/datenschutzerklaerung |
+| Impressum | Ja | https://www.tuvsud.com/de-de/impressum |
+| Cookie-Richtlinie | Ja (separate oder in DSI) | TODO: URL verifizieren |
+| AGB | Ja | TODO: URL |
+| Widerruf | Nein | — |
+| Social Media DSE | Nein | — |
+| Nutzungsbedingungen | Ja | TODO: URL |
+| DSB-Kontakt | In DSI | — |
+
+---
+
+## Erwartete Ergebnisse: DSI (Art. 13 DSGVO)
+
+### L1 Checks (8/9)
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Verantwortlicher | PASS | TUEV SUED AG, Muenchen |
+| DSB | **FAIL** | **TP** — Kein DSB explizit benannt |
+| Zwecke | PASS | Aufgezaehlt |
+| Rechtsgrundlage | PASS | Art. 6 |
+| Empfaenger | PASS | Kategorien |
+| Drittlandtransfer | PASS | USA-Transfer |
+| Speicherdauer | PASS | Angaben vorhanden |
+| Betroffenenrechte | PASS | Aufgezaehlt |
+| Beschwerderecht | PASS | Aufsichtsbehoerde erwaehnt |
+
+### L2 Checks (15/21)
+
+| Check | Erwartet | TP/FP |
+|-------|----------|-------|
+| Anschrift | PASS | — |
+| E-Mail | PASS | — |
+| Interessenabwaegung | **FAIL** | **TP** |
+| Transfermechanismus | **FAIL** | **TP** |
+| Art. 22 Profiling | **FAIL** | **TP** |
+| Loeschkonzept | **FAIL** | **TP** |
+| Weitere | TODO: verifizieren | |
+
+---
+
+## Erwartete Ergebnisse: Impressum
+
+| Check | Erwartet |
+|-------|----------|
+| Firmenname | PASS |
+| Anschrift | PASS |
+| Vertretung | PASS |
+| Registergericht | PASS |
+| USt-IdNr | PASS |
+| V.i.S.d.P. | INFO (hat Wissensbeitraege) |
+
+---
+
+## Banner-Check
+
+| Feld | Erwartet |
+|------|----------|
+| banner_detected | true |
+| provider | OneTrust o.ae. |
+| violations | Mittel |
+
+---
+
+## Kontext-Filter
+
+| Check | Filter | Begruendung |
+|-------|--------|-------------|
+| ODR | SKIP | B2B, kein Shop |
+| Widerruf | SKIP | B2B |
+| Berufsrecht | SKIP | Kein regulierter Beruf |
@@ -0,0 +1,98 @@
+# Ground Truth: ETO Gruppe
+
+**URL:** https://www.etogruppe.com
+**Typ:** Mittelstand / B2B Industriezulieferer
+**Datum:** 2026-05-12
+**Batch-Test:** 9/9 L1, 21/22 L2 (Vorbildlich, 95%)
+
+---
+
+## Business Profile (erwartet)
+
+| Feld | Erwarteter Wert |
+|------|----------------|
+| business_type | b2b |
+| industry | manufacturing |
+| has_online_shop | false |
+| has_editorial_content | false |
+| is_regulated_profession | false |
+| needs_odr | false |
+
+---
+
+## Dokumente
+
+| Dokumenttyp | Vorhanden | URL |
+|-------------|-----------|-----|
+| DSI | Ja | https://www.etogruppe.com/datenschutz.html |
+| Impressum | Ja | https://www.etogruppe.com/impressum.html |
+| Cookie-Richtlinie | In DSI | — |
+| AGB | Nein (B2B, individuelle Vertraege) | — |
+| Widerruf | Nein | — |
+| Social Media DSE | Nein | — |
+| Nutzungsbedingungen | Nein | — |
+| DSB-Kontakt | In DSI | — |
+
+**Besonderheit:** Soft-Hyphens (\xad) im Text fuer Worttrennung. Wurde als Regex-Bug identifiziert und gefixt.
+
+---
+
+## Erwartete Ergebnisse: DSI (Art. 13 DSGVO)
+
+### L1 Checks (9/9 PASS)
+
+| Check | Erwartet | Begruendung |
+|-------|----------|-------------|
+| Verantwortlicher | PASS | ETO GRUPPE GmbH |
+| DSB | PASS | DSB mit Kontaktdaten |
+| Zwecke | PASS | Detailliert |
+| Rechtsgrundlage | PASS | Art. 6 mit allen Varianten |
+| Empfaenger | PASS | Kategorien aufgezaehlt |
+| Drittlandtransfer | PASS | Erwaehnt |
+| Speicherdauer | PASS | Konkrete Zeitangaben |
+| Betroffenenrechte | PASS | Art. 15-21 einzeln |
+| Beschwerderecht | PASS | Art. 77 + Aufsichtsbehoerde |
+
+### L2 Checks (21/22)
+
+| Check | Erwartet | TP/FP |
+|-------|----------|-------|
+| Alle Standard-Checks | PASS | — |
+| Loeschkonzept | **FAIL** | **Grenzfall** — Loeschfristen vorhanden aber kein Verweis auf formales Konzept |
+
+**Bewertung: Vorbildliche DSI eines Mittelstaendlers. Nur minimale Luecke.**
+
+---
+
+## Erwartete Ergebnisse: Impressum
+
+| Check | Erwartet |
+|-------|----------|
+| Firmenname | PASS |
+| Anschrift | PASS |
+| Vertretung | PASS |
+| Registergericht | PASS |
+| USt-IdNr | PASS |
+| V.i.S.d.P. | SKIP (kein Blog) |
+| Streitbeilegung | SKIP (B2B) |
+
+---
+
+## Banner-Check
+
+| Feld | Erwartet |
+|------|----------|
+| banner_detected | true |
+| provider | Unbekannt |
+| violations | gering |
+
+---
+
+## Kontext-Filter
+
+| Check | Filter | Begruendung |
+|-------|--------|-------------|
+| ODR | SKIP | B2B, kein Shop |
+| Widerruf | SKIP | B2B |
+| V.i.S.d.P. | SKIP | Keine redaktionellen Inhalte |
+| Berufsrecht | SKIP | Kein regulierter Beruf |
@@ -0,0 +1,96 @@
+# Ground Truth: Caritas
+
+**URL:** https://www.caritas.de
+**Typ:** Nonprofit / Wohlfahrtsverband
+**Datum:** 2026-05-12
+**Batch-Test:** 9/9 L1, 19/22 L2 (Gut, 86%)
+
+---
+
+## Business Profile (erwartet)
+
+| Feld | Erwarteter Wert |
+|------|----------------|
+| business_type | nonprofit |
+| industry | social |
+| has_online_shop | false |
+| has_editorial_content | true (Ratgeber, Beratung, News) |
+| is_regulated_profession | false |
+| needs_odr | false |
+
+---
+
+## Dokumente
+
+| Dokumenttyp | Vorhanden | URL |
+|-------------|-----------|-----|
+| DSI | Ja | https://www.caritas.de/datenschutz |
+| Impressum | Ja | https://www.caritas.de/impressum |
+| Cookie-Richtlinie | Ggf. in DSI | — |
+| AGB | Nein | — |
+| Widerruf | Nein | — |
+| Social Media DSE | Nein (ggf. in DSI) | — |
+| Nutzungsbedingungen | Nein | — |
+| DSB-Kontakt | In DSI | — |
+
+---
+
+## Erwartete Ergebnisse: DSI (Art. 13 DSGVO)
+
+### L1 Checks (9/9 PASS)
+
+| Check | Erwartet |
+|-------|----------|
+| Verantwortlicher | PASS |
+| DSB | PASS |
+| Zwecke | PASS |
+| Rechtsgrundlage | PASS |
+| Empfaenger | PASS |
+| Drittlandtransfer | PASS |
+| Speicherdauer | PASS |
+| Betroffenenrechte | PASS |
+| Beschwerderecht | PASS |
+
+### L2 Checks (19/22)
+
+| Check | Erwartet | TP/FP |
+|-------|----------|-------|
+| Standard-Checks | PASS | — |
+| Interessenabwaegung | **FAIL** | **TP** — Interesse benannt, keine Abwaegung |
+| Loeschkonzept | **FAIL** | **Grenzfall** |
+| Art. 22 Profiling | **FAIL** | **TP** — Nicht erwaehnt |
+
+**Bewertung: Gute DSI. Nur 3 fehlende L2-Details.**
+
+---
+
+## Erwartete Ergebnisse: Impressum
+
+| Check | Erwartet |
+|-------|----------|
+| Firmenname | PASS |
+| Anschrift | PASS |
+| Vertretung | PASS |
+| Kontakt | PASS |
+| V.i.S.d.P. | PASS (hat News/Ratgeber) |
+
+---
+
+## Banner-Check
+
+| Feld | Erwartet |
+|------|----------|
+| banner_detected | true |
+| provider | Unbekannt |
+| violations | gering (wenig Tracking bei Nonprofit) |
+
+---
+
+## Kontext-Filter
+
+| Check | Filter | Begruendung |
+|-------|--------|-------------|
+| ODR | SKIP | Kein Shop |
+| Widerruf | SKIP | Kein B2C-Handel |
+| Berufsrecht | SKIP | Nicht anwendbar |
+| V.i.S.d.P. | AKTIV | Hat redaktionelle Inhalte |
@@ -0,0 +1,102 @@
+# Ground Truth: BfDI (Bundesbeauftragter fuer den Datenschutz)
+
+**URL:** https://www.bfdi.bund.de
+**Typ:** Bundesbehoerde / Datenschutzaufsicht
+**Datum:** 2026-05-12
+**Batch-Test:** 9/9 L1, 16/22 L2 (OK, 73%)
+
+---
+
+## Business Profile (erwartet)
+
+| Feld | Erwarteter Wert |
+|------|----------------|
+| business_type | b2g |
+| industry | public |
+| has_online_shop | false |
+| has_editorial_content | true (Pressemitteilungen, Taetigkeitsberichte) |
+| is_regulated_profession | false |
+| needs_odr | false |
+
+---
+
+## Dokumente
+
+| Dokumenttyp | Vorhanden | URL |
+|-------------|-----------|-----|
+| DSI | Ja | https://www.bfdi.bund.de/DE/Meta/Datenschutz/datenschutz_node.html |
+| Impressum | Ja | https://www.bfdi.bund.de/DE/Meta/Impressum/impressum_node.html |
+| Cookie-Richtlinie | Nein (in DSI) | — |
+| AGB | Nein | — |
+| Widerruf | Nein | — |
+| Social Media DSE | Nein | — |
+| Nutzungsbedingungen | Nein | — |
+| DSB-Kontakt | In DSI | — |
+
+**Besonderheit:** Kurze DSI (2014 Woerter) fuer die Bundesbehoerde fuer Datenschutz — ironisch, dass die eigene DSI Luecken hat.
+
+---
+
+## Erwartete Ergebnisse: DSI (Art. 13 DSGVO)
+
+### L1 Checks (9/9 PASS)
+
+| Check | Erwartet |
+|-------|----------|
+| Verantwortlicher | PASS |
+| DSB | PASS |
+| Zwecke | PASS |
+| Rechtsgrundlage | PASS |
+| Empfaenger | PASS |
+| Drittlandtransfer | PASS |
+| Speicherdauer | PASS |
+| Betroffenenrechte | PASS |
+| Beschwerderecht | PASS |
+
+### L2 Checks (16/22)
+
+| Check | Erwartet | TP/FP |
+|-------|----------|-------|
+| Anschrift | PASS | — |
+| E-Mail | PASS | — |
+| DSB Kontakt | PASS | — |
+| Interessenabwaegung | **FAIL** | **TP** — Nicht explizit dokumentiert |
+| Transfermechanismus | **FAIL** | **Grenzfall** — Bundesbehoerde nutzt ggf. keine Drittland-Dienste |
+| Loeschkonzept | **FAIL** | **TP** — Kein formales Konzept referenziert |
+| Art. 22 Profiling | **FAIL** | **TP** — Nicht erwaehnt |
+| Aufsichtsbehoerde | PASS | — (BfDI ist selbst die Aufsicht) |
+
+**Bewertung: Ordentlich aber kurz. Fuer die Datenschutzbehoerde selbst erstaunlich lueckenhaft bei L2-Details.**
+
+---
+
+## Erwartete Ergebnisse: Impressum
+
+| Check | Erwartet |
+|-------|----------|
+| Behoerdenname | PASS |
+| Anschrift | PASS |
+| Vertretung | PASS |
+| Kontakt | PASS |
+| V.i.S.d.P. | PASS (hat Pressemitteilungen) |
+
+---
+
+## Banner-Check
+
+| Feld | Erwartet |
+|------|----------|
+| banner_detected | true/false (Bundesbehoerde, evtl. kein Banner) |
+| provider | Unbekannt |
+| violations | gering (keine Werbung, kaum Tracking) |
+
+---
+
+## Kontext-Filter
+
+| Check | Filter | Begruendung |
+|-------|--------|-------------|
+| ODR | SKIP | Keine kommerzielle Taetigkeit |
+| Widerruf | SKIP | Kein B2C |
+| Berufsrecht | SKIP | Behoerde |
+| V.i.S.d.P. | AKTIV | Hat Pressemitteilungen |
@@ -0,0 +1,43 @@
+# Ground Truth — Unified Compliance Check
+
+## Zweck
+
+Diese Dateien definieren die erwarteten Ergebnisse fuer den Unified Compliance Check
+pro Website. Sie dienen als Referenz fuer:
+- Regression-Tests (automatisch)
+- Manuelle Validierung neuer Check-Regeln
+- False-Positive-Rate-Messung
+
+## Format pro Datei
+
+Jede GT-Datei enthaelt:
+1. **Website-Info** — URL, Typ, Datum der Pruefung
+2. **Business Profile** — Erwartetes Ergebnis der automatischen Erkennung
+3. **Dokumente** — Welche der 8 Dokumenttypen vorhanden sind + URLs
+4. **Erwartete Ergebnisse** — L1/L2 Checks pro Dokument mit Begruendung
+5. **Banner-Check** — Erwartete Banner-Findings
+6. **Cross-Check** — Erwartete Banner-vs-Cookie Findings
+
+## Websites (10)
+
+| # | Website | Typ | Besonderheit |
+|---|---------|-----|-------------|
+| 1 | SafetyKon | B2B Beratung | Nur DSI + Impressum, alles auf einer Seite |
+| 2 | IHK Konstanz | Kammer | Lange DSI mit Cookie+Social+DSFA Sektionen |
+| 3 | Stadt Koeln | Kommune | Vorbildliche DSI |
+| 4 | BMW | Konzern | Lueckenhafte DSI |
+| 5 | Sparkasse KN | Finanz | Kein DSB, kein Art. 77 |
+| 6 | Spiegel | Medien | Consent-Wall, kurze DSI |
+| 7 | TUEV Sued | Prueforg. | Fehlender DSB |
+| 8 | ETO Gruppe | Mittelstand B2B | Vorbildlich |
+| 9 | Caritas | Nonprofit | Gut, lange DSI |
+| 10 | BfDI | Bundesbehoerde | Kurze DSI |
+
+## Aktualisierung
+
+Ground Truth muss aktualisiert werden wenn:
+- Websites ihre Rechtstexte aendern
+- Neue Checks hinzugefuegt werden
+- False Positives/Negatives korrigiert werden
+
+Datum der letzten Pruefung steht in jeder Datei.