breakpilot-compliance/docs-src/services/sdk-modules/vorbereitung-module.md

Vorbereitung-Module (Paket 1)

Die drei Vorbereitung-Module bilden die Grundlage des SDK-Workflows. Sie erfassen das Unternehmensprofil, bestimmen den passenden Compliance-Umfang und bewerten konkrete KI/Daten-Anwendungsfälle.

Modul	Code	Route	Backend
Company Profile	CP-PROF	/sdk/company-profile	FastAPI backend-compliance
Compliance Scope	CP-SCOPE	/sdk/compliance-scope	FastAPI backend-compliance
Use-Case Assessment	CP-UC	/sdk/use-cases	Go ai-compliance-sdk

---

Profil — company-profile (CP-PROF)

Übersicht

6-Schritt-Wizard zur Erfassung des vollständigen Unternehmensprofils. Speichert hybrid in localStorage (Draft) und der DB (Endstand).

API-Endpunkte

Methode	Pfad	Beschreibung
GET	/v1/company-profile	Profil für Tenant laden
POST	/v1/company-profile	Profil erstellen oder aktualisieren (Upsert)
PATCH	/v1/company-profile	Einzelne Felder aktualisieren
DELETE	/v1/company-profile	Profil löschen (Art. 17 DSGVO)
GET	/v1/company-profile/audit	Audit-Log der Profiländerungen

Datenbankstruktur

Tabelle: compliance_company_profiles (Migration 005)

28 Felder, u.a.:

id              UUID PRIMARY KEY
tenant_id       TEXT UNIQUE NOT NULL
company_name    TEXT
legal_form      TEXT  -- GmbH, AG, GbR, ...
industry        TEXT  -- tech, finance, healthcare, public, retail, education
company_size    TEXT  -- micro, small, medium, large
employee_count  TEXT  -- 1-9, 10-49, 50-249, 250-999, 1000+
uses_ai         BOOLEAN
ai_use_cases    JSONB
dpo_name        TEXT
machine_builder JSONB  -- IACE-Profil für Maschinenbauer
is_complete     BOOLEAN
completed_at    TIMESTAMPTZ

Audit-Tabelle: compliance_company_profile_audit

id              UUID PRIMARY KEY
tenant_id       TEXT
action          TEXT  -- create | update | delete
changed_fields  JSONB
changed_by      TEXT
created_at      TIMESTAMPTZ

Request-Modell (CompanyProfileRequest)

{
  "company_name": "Beispiel GmbH",
  "legal_form": "GmbH",
  "industry": "tech",
  "founded_year": 2018,
  "business_model": "B2B",
  "company_size": "small",
  "employee_count": "10-49",
  "annual_revenue": "2-10 Mio",
  "headquarters_country": "DE",
  "uses_ai": true,
  "ai_use_cases": ["Chatbot", "Dokumentenklassifikation"],
  "is_complete": true
}

Tests

Datei: backend-compliance/tests/test_company_profile_routes.py

9 Tests — alle grün:

• test_get_profile_not_found — 404 wenn kein Profil
• test_create_profile — POST legt Profil an
• test_upsert_profile_update — POST auf bestehendem Profil → UPDATE
• test_delete_profile — DELETE entfernt Profil
• test_delete_profile_not_found — 404 bei fehlendem Profil
• test_get_audit_log_empty — leeres Audit-Log
• test_audit_log_after_create — Audit-Eintrag nach CREATE
• test_audit_log_after_delete — Audit-Eintrag nach DELETE
• test_complete_profile_workflow — End-to-End Workflow

---

Scope — compliance-scope (CP-SCOPE)

Übersicht

4-Tab-Oberfläche zur Bestimmung des optimalen Compliance-Levels (L1–L4):

Tab	Inhalt
Overview	Aktueller Level, Score-Visualisierung, Dokumenten-Anforderungen
Wizard	35 Fragen in 6 Blöcken (ca. 10–15 min)
Entscheidung	Begründung, Hard Triggers, Gap-Analyse
Export	JSON/PDF-Export der Scope-Entscheidung

ComplianceScopeEngine

Die Engine (lib/sdk/compliance-scope-engine.ts) implementiert eine 8-Schritt-Pipeline:

1. calculateScores(answers)        → ComplianceScores
2. evaluateHardTriggers(answers)   → TriggeredHardTrigger[]
3. determineLevel(scores, triggers) → ComplianceDepthLevel
4. buildDocumentScope(level, ...)  → RequiredDocument[]
5. evaluateRiskFlags(answers, level) → RiskFlag[]
6. calculateGaps(answers, level)   → ScopeGap[]
7. buildNextActions(docs, gaps)    → NextAction[]
8. buildReasoning(...)             → ScopeReasoning[]

Level-Modell

Level	Composite-Score	Bezeichnung
L1	≤ 25	Lean Startup — Minimalansatz
L2	26–50	KMU Standard
L3	51–75	Erweitert
L4	> 75	Zertifizierungsbereit

Finale Stufe = max(score-basiertes Level, höchstes Hard-Trigger-Level)

Score-Gewichte

Composite = Risk × 0.4 + Complexity × 0.3 + Assurance × 0.3

Scores werden aus 35 gewichteten Fragen berechnet. Jede Frage hat individuelle Gewichte für risk, complexity, assurance (definiert in QUESTION_SCORE_WEIGHTS).

Hard Trigger Kategorien (50 Regeln)

Kategorie	Regeln	Beispiel-Trigger
art9	9	Gesundheits-, Biometrie-, Genetikdaten → mind. L3
vulnerable	3	Minderjährige → L3/L4 + DSFA
adm	6	Autonome KI, Profiling, Scoring → L2/L3
surveillance	5	Videoüberwachung, Mitarbeitermonitoring → L2/L3
third_country	5	Drittland-Transfer → L2/L3
certification	5	ISO 27001, SOC2, TISAX → L4
scale	5	>1Mio Datensätze, >250 Mitarbeiter → L3
product	7	Webshop, Datenmakler, B2C → L2/L3
process_maturity	5	Fehlende Prozesse (DSAR, Löschung, Incident)
iace_*	5+	Maschinenbauer: AI Act, CRA, NIS2

API-Endpunkte

Methode	Pfad	Beschreibung
GET	/v1/compliance-scope	Scope-Zustand laden (sdk_states JSONB)
POST	/v1/compliance-scope	Scope-Zustand speichern (JSONB UPSERT)

Scope-Daten werden in sdk_states.state->'compliance_scope' als JSONB gespeichert.

Tests

Datei: backend-compliance/tests/test_compliance_scope_routes.py — 27 Tests

Datei: admin-compliance/lib/sdk/__tests__/compliance-scope-engine.test.ts — 40 Vitest-Tests

Engine-Tests decken ab:

• calculateScores: Leer-Array, boolean/numeric/array Antworten, Composite-Gewichtung
• determineLevel: L1–L4 Schwellenwerte, Hard-Trigger-Override, Level-Maximum
• evaluateHardTriggers: Art. 9, Minderjährige, KI-Scoring, mehrere Trigger
• evaluate (Integration): Vollständige ScopeDecision, Felder vorhanden, Level-Bestimmung
• buildDocumentScope: Array-Rückgabe, Dokumentstruktur, Sortierung
• evaluateRiskFlags: Verschlüsselung, Drittland, DPO-Pflicht

---

Anwendung — use-case-assessment / UCCA (CP-UC)

Übersicht

Bewertet konkrete Datenanwendungen hinsichtlich DSGVO- und AI-Act-Konformität. Gibt eine Machbarkeitsentscheidung (Feasibility) und detaillierte Befunde zurück.

Ansicht	Inhalt
Liste	Alle Assessments mit Filter, Pagination, RiskScoreGauge
Detail	Vollständiger Befund-Report mit Kategorien, Controls
Neu	Wizard-Formular zur Assessment-Erstellung

Feasibility-Werte

Wert	Bedeutung
YES	Umsetzung ohne Einschränkungen empfohlen
CONDITIONAL	Umsetzung nur mit spezifischen Maßnahmen
NO	Umsetzung nicht empfohlen (unakzeptables Risiko)

Risiko-Level

Level	Score-Bereich
MINIMAL	0–20
LOW	21–40
MEDIUM	41–60
HIGH	61–80
UNACCEPTABLE	81–100

Backend: ai-compliance-sdk (Go)

Service: bp-compliance-ai-sdk (Port 8090 intern, 8093 extern)

Relevante Module in internal/ucca/:

Datei	Funktion
policy_engine.go	Zentrale Regelauswertung
dsgvo_module.go	DSGVO-spezifische Prüfungen (Art. 5–9, 22, 35)
ai_act_module.go	AI-Act Risikokategorisierung
nis2_module.go	NIS2-Anforderungen
escalation.go	Eskalationslogik bei Hochrisiko
handlers.go	HTTP Handler (Gin)

Datenbanktabellen:

ucca_assessments  -- Assessments (tenant_id, title, description, status, feasibility, risk_level)
ucca_findings     -- Einzelbefunde pro Assessment
ucca_controls     -- Empfohlene Maßnahmen

Proxy

Frontend  /api/sdk/v1/ucca/**
    → ai-compliance-sdk:8090/ucca/**

Proxy-Datei: admin-compliance/app/api/sdk/v1/ucca/[[...path]]/route.ts

Tests

8 Go-Test-Dateien in ai-compliance-sdk/internal/ucca/:

handlers_test.go
policy_engine_test.go
dsgvo_module_test.go
ai_act_module_test.go
nis2_module_test.go
escalation_test.go
assessment_test.go
feasibility_test.go

Ausführen auf Mac Mini:

ssh macmini "/usr/local/bin/docker exec bp-compliance-ai-sdk go test ./internal/ucca/... -v"