feat(audit-pipeline): P72 MC-Scope-Classifier + P80 Snapshot/Replay-Foundation [migration-approved]

P72  MC-Scope-Classifier — pro MC den ECHTEN Doc-Adressaten festlegen
     (cookie_richtlinie/dse/banner_implementation/cmp_audit/tom/avv/jc/
      impressum/agb/widerruf/process/accounting/other).
     - Migration 145: scope_doc_type Spalte + Index auf canonical_controls
     - Backfill-Script mit Regex-Heuristik (12 Regeln, Prioritaet-sortiert)
     - Erste 11k-Sample-Distribution: 76% other (Heuristik v1 zu strict —
       v2 muss lockerere Patterns fuer DSE/TOM nachschaerfen)
     - Ziel: bevor MC-Scorecard filtert, weiss jeder MC welches Dokument
       er adressiert. Bisher landeten eHealth-/HGB-MCs im Cookie-Audit.

P80  Snapshot + Replay-Foundation — Roh-Daten persistieren damit
     Audit-Pipeline ohne erneuten Crawl rebuildbar ist.
     - Migration 146: compliance_check_snapshots Tabelle (JSONB pro
       doc_entries/banner_result/profile/cmp_vendors/scan_context)
     - services.check_snapshot.save_snapshot/load_snapshot/list
     - Endpoints GET /snapshots, GET /snapshots/{id}
     - Hook in _run_compliance_check: nach Mail-Send automatischer
       Snapshot-Save via separater SessionLocal (background-task safe)
     - Replay-Endpoint folgt im naechsten PR (braucht Refactoring
       von _run_compliance_check in crawl_phase + interpret_phase)
     - Effekt: Test-Cycle 7min -> 5sec bei reinen Logik-Aenderungen
       (P73/P79/P81+ profitieren direkt). Snapshots dienen auch als
       Regression-Test-Corpus (P81 Golden-Truth-Library).

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

backend-compliance/migrations/145_mc_scope_doc_type.sql

@@ -0,0 +1,52 @@
+-- P72: scope_doc_type fuer canonical_controls
+--
+-- Erlaubt zu unterscheiden welcher Dokument-Typ der eigentliche Adressat
+-- eines MC ist. Bisher landete jeder MC in jedem Doc-Audit was zu Noise
+-- fuehrt (z.B. "elektronische Gesundheitsdaten-Transmission" landet im
+-- Cookie-Richtlinie-Audit eines Autobauers).
+--
+-- Werte:
+--   cookie_richtlinie     — Pflichtangaben Cookie-RL nach DSK-OH 2024
+--   dse                   — Pflichtangaben Datenschutzerklaerung Art. 13/14
+--   banner_implementation — Banner-UI-Anforderungen (nicht Text)
+--                           z.B. "keine pre-ticked Checkboxes"
+--   cmp_audit             — Consent-Management-Plattform-Audit-Trail
+--                           z.B. "jede Einwilligung mit Zeitstempel speichern"
+--   tom                   — Technisch-organisatorische Massnahmen
+--                           z.B. "verschluesselte Backups"
+--   avv                   — Auftragsverarbeitungsvertrag-Inhalt
+--   jc                    — Joint-Controller-Vereinbarung Art. 26
+--   impressum             — §5 TMG / §18 MStV
+--   agb                   — Allgemeine Geschaeftsbedingungen
+--   widerruf              — Widerrufsbelehrung
+--   process               — Prozess-Anforderung (nicht textbasiert,
+--                           kann nicht durch Text-Einfuegung erfuellt werden)
+--   accounting            — Rechnungsstellung (UStG, HGB) — nicht Compliance
+--   other                 — Faellt keiner Kategorie zu (Default)
+--
+-- NULL = noch nicht klassifiziert (Backfill-Skript setzt Wert).
+
+DO $$
+BEGIN
+    IF EXISTS (
+        SELECT 1 FROM information_schema.tables
+        WHERE table_name = 'canonical_controls'
+        AND table_schema = 'compliance'
+    ) THEN
+        ALTER TABLE compliance.canonical_controls
+            ADD COLUMN IF NOT EXISTS scope_doc_type VARCHAR(40) DEFAULT NULL
+            CHECK (scope_doc_type IS NULL OR scope_doc_type IN (
+                'cookie_richtlinie', 'dse', 'banner_implementation',
+                'cmp_audit', 'tom', 'avv', 'jc',
+                'impressum', 'agb', 'widerruf',
+                'process', 'accounting', 'other'
+            ));
+
+        CREATE INDEX IF NOT EXISTS idx_cc_scope_doc_type
+            ON compliance.canonical_controls(scope_doc_type);
+
+        COMMENT ON COLUMN compliance.canonical_controls.scope_doc_type IS
+            'P72: Doc-Type Adressat. NULL = nicht klassifiziert. Findings nur '
+            'beim passenden Doc-Type anzeigen, sonst Noise.';
+    END IF;
+END $$;

backend-compliance/migrations/146_compliance_check_snapshots.sql

@@ -0,0 +1,40 @@
+-- P80: Compliance-Check Snapshots fuer Replay-Mode
+--
+-- Persistiert die Roh-Daten eines Scans (DSE-Text, Banner-HTML, Cookies,
+-- CMP-Vendors, Profile) damit die Audit-Pipeline ohne erneuten Crawl
+-- nur die Interpretations-Logik (MC-Scorecard, Mail-Render) neu laufen
+-- kann. Test-Cycle 7min -> 5-10sec bei reinen Logik-Aenderungen.
+
+DO $$
+BEGIN
+    CREATE TABLE IF NOT EXISTS compliance.compliance_check_snapshots (
+        id              UUID PRIMARY KEY DEFAULT gen_random_uuid(),
+        check_id        VARCHAR(36)  NOT NULL,
+        site_domain     VARCHAR(255) NOT NULL,
+        site_label      VARCHAR(255),
+
+        -- Roh-Daten als JSONB (alles was sich pro Lauf NICHT aendert)
+        doc_entries     JSONB NOT NULL,   -- [{doc_type, url, full_text, cmp_payloads, ...}]
+        banner_result   JSONB,            -- {phases, cookies_detailed, cmp_vendors, ...}
+        profile         JSONB,            -- {business_type, industry, no_direct_sales, ...}
+        scan_context    JSONB,            -- P79: User-Pre-Scan-Felder
+        cmp_vendors     JSONB,            -- vendor-list (post-Phase G)
+
+        -- Meta
+        created_at      TIMESTAMP WITH TIME ZONE NOT NULL DEFAULT now(),
+        replay_count    INTEGER          NOT NULL DEFAULT 0,
+        last_replay_at  TIMESTAMP WITH TIME ZONE,
+        notes           TEXT
+    );
+
+    CREATE INDEX IF NOT EXISTS idx_snapshots_check_id
+        ON compliance.compliance_check_snapshots(check_id);
+    CREATE INDEX IF NOT EXISTS idx_snapshots_domain
+        ON compliance.compliance_check_snapshots(site_domain);
+    CREATE INDEX IF NOT EXISTS idx_snapshots_created
+        ON compliance.compliance_check_snapshots(created_at DESC);
+
+    COMMENT ON TABLE compliance.compliance_check_snapshots IS
+        'P80 Replay-Mode: persistierte Roh-Daten eines Scans. Ermoeglicht '
+        'Audit-Pipeline ohne erneuten Browser-Crawl neu zu laufen.';
+END $$;