Benjamin_Boenisch/breakpilot-core
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
87b00a94c0a6fb30498077b726361b12cae37e5d
breakpilot-core/scripts/seed-demo-and-screenshot.py
Benjamin Admin 87b00a94c0 feat(pitch): add SDK demo slide with screenshot gallery + inline preview 
- New annex slide 'annex-sdk-demo' with auto-scrolling screenshot gallery
  (22 real screenshots from Müller Maschinenbau demo project)
- Browser chrome mockup, fullscreen view, thumbnail strip navigation
- Inline SDK dashboard preview on Product slide
- Seed script for creating demo data + taking Playwright screenshots
- Presenter script for SDK demo narration

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
2026-03-20 20:51:17 +01:00

614 lines
48 KiB
Python
Raw Blame History

#!/usr/bin/env python3
"""
Seed demo data for "Müller Maschinenbau GmbH" and take SDK screenshots.
Usage:
python3 scripts/seed-demo-and-screenshot.py
Requires: pip3 install requests playwright
python3 -m playwright install chromium
"""
import json
import time
import sys
import os
import urllib3
from datetime import datetime, timedelta
import requests
from playwright.sync_api import sync_playwright
# Suppress SSL warnings for self-signed certs
urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
# ---------------------------------------------------------------------------
# Configuration
# ---------------------------------------------------------------------------
BACKEND = "https://macmini:8002"
FRONTEND = "https://macmini:3007"
TENANT_ID = "9282a473-5c95-4b3a-bf78-0ecc0ec71d3e"
SCREENSHOT_DIR = os.path.join(os.path.dirname(__file__),
"..", "pitch-deck", "public", "screenshots")
os.makedirs(SCREENSHOT_DIR, exist_ok=True)
HEADERS = {
"Content-Type": "application/json",
"X-Tenant-ID": TENANT_ID,
}
PROJECT_ID = None # filled after creation
def api(method, path, body=None, params=None):
"""Call backend API."""
url = f"{BACKEND}{path}"
p = params or {}
if PROJECT_ID:
p["project_id"] = PROJECT_ID
p["tenant_id"] = TENANT_ID
r = requests.request(method, url, headers=HEADERS, json=body,
params=p, verify=False, timeout=30)
if r.status_code >= 400:
print(f" !! {method} {path} → {r.status_code}: {r.text[:300]}")
return r
# =========================================================================
# PHASE 1: Seed Data
# =========================================================================
def create_project():
global PROJECT_ID
print("\n=== 1. Creating project ===")
r = api("POST", "/api/compliance/v1/projects", {
"name": "Müller Maschinenbau GmbH — KI-Compliance",
"description": "Vollständiges Compliance-Projekt für einen mittelständischen Maschinenbauer mit KI-gestützter Qualitätskontrolle, Predictive Maintenance und autonomen Robotersystemen.",
"customer_type": "new",
})
if r.status_code in (200, 201):
data = r.json()
PROJECT_ID = data.get("id") or data.get("project_id")
print(f" ✓ Project created: {PROJECT_ID}")
else:
print(" Trying to find existing project...")
r2 = api("GET", "/api/compliance/v1/projects")
if r2.ok:
projects = r2.json().get("projects", r2.json() if isinstance(r2.json(), list) else [])
for p in projects:
if "Müller" in p.get("name", ""):
PROJECT_ID = p["id"]
print(f" ✓ Using existing project: {PROJECT_ID}")
return
print(" !! Could not create or find project")
sys.exit(1)
def create_company_profile():
print("\n=== 2. Company Profile ===")
profile = {
"company_name": "Müller Maschinenbau GmbH",
"legal_form": "GmbH",
"industry": ["Maschinenbau", "Automatisierung", "KI/Machine Learning"],
"founded_year": 2008,
"business_model": "B2B",
"offerings": ["hardware", "software_saas"],
"offering_urls": {
"website": "https://mueller-maschinenbau.de",
"support": "https://support.mueller-maschinenbau.de"
},
"company_size": "medium",
"employee_count": "50-249",
"annual_revenue": "10-50 Mio",
"headquarters_country": "DE",
"headquarters_street": "Industriestraße 42",
"headquarters_zip": "70565",
"headquarters_city": "Stuttgart",
"headquarters_state": "Baden-Württemberg",
"has_international_locations": True,
"international_countries": ["AT", "CH", "CZ"],
"target_markets": ["DE", "AT", "CH", "EU"],
"primary_jurisdiction": "DE",
"is_data_controller": True,
"is_data_processor": True,
"uses_ai": True,
"ai_use_cases": [
"Visuelle Qualitätskontrolle (Kamera + CNN)",
"Predictive Maintenance (Vibrationssensoren + LSTM)",
"Autonome Robotersteuerung (Reinforcement Learning)",
"Prozessoptimierung (Bayesian Optimization)"
],
"dpo_name": "Dr. Katharina Weber",
"dpo_email": "datenschutz@mueller-maschinenbau.de",
"legal_contact_name": "Thomas Hartmann",
"legal_contact_email": "recht@mueller-maschinenbau.de",
"subject_to_nis2": True,
"subject_to_ai_act": True,
"subject_to_iso27001": True,
"supervisory_authority": "Landesbeauftragte für Datenschutz und Informationsfreiheit Baden-Württemberg",
"review_cycle_months": 12,
"machine_builder": {
"product_types": ["robot_cell", "production_line", "special_machine", "test_stand"],
"product_description": "CNC-Bearbeitungszentren, Roboter-Schweißzellen und automatisierte Montagelinien mit integrierter KI-gestützter Bildverarbeitung für Qualitätskontrolle in der Automobilindustrie.",
"product_pride": "Höchste Präzision bei 99,97% Erkennungsrate in der visuellen Qualitätskontrolle — schneller und genauer als manuelle Inspektion.",
"contains_software": True,
"contains_firmware": True,
"contains_ai": True,
"ai_integration_type": ["vision", "predictive_maintenance", "quality_control", "robot_control", "process_optimization"],
"has_safety_function": True,
"safety_function_description": "SIL-2 zertifizierter Notfall-Stopp, Laser-Scanner für Arbeitsraumüberwachung, Lichtvorhänge an Roboterzellen, kraftbegrenzte Cobots nach ISO/TS 15066",
"autonomous_behavior": True,
"human_oversight_level": "partial",
"is_networked": True,
"has_remote_access": True,
"has_ota_updates": True,
"update_mechanism": "Signierte OTA-Updates über VPN-Tunnel, Rollback-fähig, Dual-Partition-Schema",
"export_markets": ["DE", "AT", "CH", "FR", "NL", "CZ", "PL"],
"critical_sector_clients": True,
"critical_sectors": ["automotive", "energy", "pharma"],
"oem_clients": True,
"ce_marking_required": True,
"existing_ce_process": True,
"has_risk_assessment": True,
},
"repos": [
{"url": "https://git.mueller-maschinenbau.de/firmware/cnc-controller", "name": "CNC Controller Firmware"},
{"url": "https://git.mueller-maschinenbau.de/ai/vision-qc", "name": "Vision Quality Control"},
{"url": "https://git.mueller-maschinenbau.de/cloud/customer-portal", "name": "Kundenportal"},
],
"processing_systems": [
{"name": "ERP (SAP S/4HANA)", "type": "erp", "hosting": "on-premise"},
{"name": "MES (MPDV Hydra X)", "type": "mes", "hosting": "on-premise"},
{"name": "Kundenportal", "type": "web_app", "hosting": "cloud_eu"},
{"name": "Predictive Maintenance Platform", "type": "ai_platform", "hosting": "cloud_eu"},
],
"ai_systems": [
{"name": "QualityVision AI", "purpose": "Visuelle Fehlererkennung", "risk_level": "high", "model_type": "CNN (ResNet-50)"},
{"name": "PredMaint Engine", "purpose": "Predictive Maintenance", "risk_level": "limited", "model_type": "LSTM + Anomaly Detection"},
{"name": "RoboControl AI", "purpose": "Autonome Robotersteuerung", "risk_level": "high", "model_type": "Reinforcement Learning (PPO)"},
],
"technical_contacts": [
{"name": "Stefan Braun", "role": "CTO", "email": "braun@mueller-maschinenbau.de"},
{"name": "Lisa Chen", "role": "Head of AI", "email": "chen@mueller-maschinenbau.de"},
{"name": "Markus Hoffmann", "role": "CISO", "email": "hoffmann@mueller-maschinenbau.de"},
],
"is_complete": True,
"project_id": PROJECT_ID,
}
r = api("POST", "/api/v1/company-profile", profile)
if r.status_code in (200, 201):
print(" ✓ Company profile created")
else:
# Try PATCH
r2 = api("PATCH", "/api/v1/company-profile", profile)
print(f" → PATCH: {r2.status_code}")
def create_vvt():
print("\n=== 3. VVT (Verarbeitungsverzeichnis) ===")
# Organization header
api("PUT", "/api/compliance/vvt/organization", {
"organization_name": "Müller Maschinenbau GmbH",
"industry": "Maschinenbau & Automatisierung",
"locations": ["Stuttgart (Hauptsitz)", "Pilsen (CZ, Fertigung)", "Wien (AT, Vertrieb)"],
"employee_count": 187,
"dpo_name": "Dr. Katharina Weber",
"dpo_contact": "datenschutz@mueller-maschinenbau.de",
"vvt_version": "3.2",
"review_interval": "annual",
})
print(" ✓ VVT Organization header")
activities = [
{
"vvt_id": "VVT-HR-001",
"name": "Personalverwaltung und Lohnabrechnung",
"description": "Verarbeitung von Mitarbeiterdaten für Personalverwaltung, Gehaltsabrechnung, Arbeitszeiterfassung und betriebliche Altersvorsorge.",
"purposes": ["Vertragserfüllung Arbeitsvertrag", "Lohn- und Gehaltsabrechnung", "Arbeitszeiterfassung", "Betriebliche Altersvorsorge"],
"legal_bases": ["Art. 6 Abs. 1b DSGVO — Vertragserfüllung", "Art. 6 Abs. 1c DSGVO — Rechtliche Verpflichtung (SGB, EStG)"],
"data_subject_categories": ["Mitarbeiter", "Auszubildende", "Praktikanten"],
"personal_data_categories": ["Stammdaten (Name, Adresse, Geburtsdatum)", "Bankverbindung", "Steuer-ID", "Sozialversicherungsnummer", "Arbeitszeiten", "Gehaltsdaten", "Krankmeldungen"],
"recipient_categories": ["Lohnbüro (extern)", "Finanzamt", "Krankenkassen", "Berufsgenossenschaft"],
"third_country_transfers": [],
"retention_period": {"description": "10 Jahre nach Ende des Arbeitsverhältnisses (steuerrechtlich)", "duration_months": 120},
"tom_description": "Verschlüsselte Übertragung, rollenbasierte Zugriffskontrolle, Audit-Logging",
"business_function": "hr",
"systems": ["SAP S/4HANA HR", "DATEV Lohnabrechnung"],
"deployment_model": "on-premise",
"protection_level": "HIGH",
"dpia_required": False,
"status": "APPROVED",
"responsible": "Personalabteilung — Maria Schmidt",
"owner": "Geschäftsführung",
},
{
"vvt_id": "VVT-PROD-001",
"name": "KI-gestützte visuelle Qualitätskontrolle",
"description": "Einsatz von Computer Vision (CNN) zur automatisierten Fehlererkennung an CNC-gefertigten Bauteilen. Kamerabilder werden in Echtzeit analysiert. Keine personenbezogenen Daten in Kamerabildern, aber Zuordnung zu Maschinenbediener über Schichtplan.",
"purposes": ["Qualitätssicherung nach ISO 9001", "Fehlerfrüherkennung", "Ausschussreduzierung"],
"legal_bases": ["Art. 6 Abs. 1f DSGVO — Berechtigtes Interesse (Qualitätssicherung)"],
"data_subject_categories": ["Maschinenbediener (indirekt über Schichtplan)"],
"personal_data_categories": ["Bediener-ID (pseudonymisiert)", "Schichtzuordnung", "Fehlerquoten pro Schicht"],
"recipient_categories": ["Qualitätsmanagement intern", "Produktionsleitung"],
"third_country_transfers": [],
"retention_period": {"description": "Bilddaten 30 Tage, Qualitätsstatistiken 5 Jahre", "duration_months": 60},
"tom_description": "Pseudonymisierung der Bediener-ID, verschlüsselte Speicherung, Air-Gap zum Internet",
"business_function": "production",
"systems": ["QualityVision AI", "MES Hydra X", "Edge-Server Produktion"],
"deployment_model": "on-premise",
"protection_level": "HIGH",
"dpia_required": True,
"status": "APPROVED",
"responsible": "Qualitätsmanagement — Dr. Frank Lehmann",
"owner": "CTO Stefan Braun",
},
{
"vvt_id": "VVT-PROD-002",
"name": "Predictive Maintenance — Maschinensensorik",
"description": "Erfassung und Analyse von Vibrations-, Temperatur- und Stromverbrauchsdaten der CNC-Maschinen zur vorausschauenden Wartung. KI-Modell (LSTM) erkennt Anomalien und prognostiziert Ausfälle.",
"purposes": ["Vorausschauende Wartung", "Vermeidung ungeplanter Stillstände", "Optimierung Wartungszyklen"],
"legal_bases": ["Art. 6 Abs. 1f DSGVO — Berechtigtes Interesse"],
"data_subject_categories": ["Maschinenbediener (indirekt)", "Wartungstechniker"],
"personal_data_categories": ["Techniker-ID bei Wartungseinsätzen", "Maschinenbelegungsplan"],
"recipient_categories": ["Instandhaltung intern", "Maschinenhersteller (anonymisiert, für Garantie)"],
"third_country_transfers": [],
"retention_period": {"description": "Sensordaten 2 Jahre, Wartungshistorie 10 Jahre", "duration_months": 120},
"tom_description": "Netzwerksegmentierung (OT/IT-Trennung), TLS 1.3, rollenbasierter Zugriff",
"business_function": "production",
"systems": ["PredMaint Engine", "Siemens MindSphere", "OPC-UA Gateway"],
"deployment_model": "hybrid",
"protection_level": "MEDIUM",
"dpia_required": False,
"status": "APPROVED",
"responsible": "Instandhaltung — Michael Richter",
"owner": "CTO Stefan Braun",
},
{
"vvt_id": "VVT-SALES-001",
"name": "Kundenportal und CRM",
"description": "Verarbeitung von Kundendaten im B2B-Kundenportal: Angebote, Aufträge, Serviceanfragen, Maschinenstatus. CRM-Daten für Vertrieb und After-Sales.",
"purposes": ["Vertragsanbahnung und -erfüllung", "After-Sales-Service", "Kundenkommunikation"],
"legal_bases": ["Art. 6 Abs. 1b DSGVO — Vertragserfüllung", "Art. 6 Abs. 1f DSGVO — Berechtigtes Interesse (Vertrieb)"],
"data_subject_categories": ["Ansprechpartner bei Geschäftskunden", "Einkäufer", "Servicetechniker der Kunden"],
"personal_data_categories": ["Geschäftliche Kontaktdaten", "Bestellhistorie", "Support-Tickets", "Maschinenstandortdaten"],
"recipient_categories": ["Vertrieb intern", "Service intern", "Cloud-Provider (EU)"],
"third_country_transfers": [],
"retention_period": {"description": "Während Geschäftsbeziehung + 6 Jahre (HGB)", "duration_months": 72},
"tom_description": "TLS 1.3, MFA für Portal-Zugang, verschlüsselte Datenbank, regelmäßige Pentests",
"business_function": "sales",
"systems": ["Kundenportal (Next.js)", "Salesforce CRM", "Jira Service Management"],
"deployment_model": "cloud",
"protection_level": "MEDIUM",
"dpia_required": False,
"status": "APPROVED",
"responsible": "Vertrieb — Andreas Müller",
"owner": "Geschäftsführung",
},
{
"vvt_id": "VVT-IT-001",
"name": "IT-Infrastruktur und Netzwerküberwachung",
"description": "Protokollierung von Netzwerkverkehr, Zugriffsprotokollen und Sicherheitsereignissen für IT-Sicherheit und Incident Response.",
"purposes": ["IT-Sicherheit", "Angriffserkennung", "Forensik bei Sicherheitsvorfällen"],
"legal_bases": ["Art. 6 Abs. 1f DSGVO — Berechtigtes Interesse (IT-Sicherheit)", "Art. 6 Abs. 1c DSGVO — NIS2-Pflicht"],
"data_subject_categories": ["Mitarbeiter", "Externe Dienstleister mit Netzwerkzugang"],
"personal_data_categories": ["IP-Adressen", "Login-Timestamps", "Zugriffsversuche", "E-Mail-Metadaten"],
"recipient_categories": ["IT-Sicherheit intern", "SOC-Provider (EU)", "Behörden bei Sicherheitsvorfällen"],
"third_country_transfers": [],
"retention_period": {"description": "Logs 90 Tage, Sicherheitsvorfälle 3 Jahre", "duration_months": 36},
"tom_description": "SIEM mit automatischer Anomalieerkennung, verschlüsselte Log-Speicherung, Zugriff nur IT-Security",
"business_function": "it",
"systems": ["Graylog SIEM", "Fortinet Firewall", "CrowdStrike EDR"],
"deployment_model": "on-premise",
"protection_level": "HIGH",
"dpia_required": False,
"status": "APPROVED",
"responsible": "IT-Sicherheit — Markus Hoffmann",
"owner": "CTO Stefan Braun",
},
{
"vvt_id": "VVT-ROBOT-001",
"name": "Autonome Robotersteuerung (Reinforcement Learning)",
"description": "KI-gesteuerte Schweißroboter nutzen Reinforcement Learning für adaptive Schweißparameter. Trainingsdaten enthalten keine personenbezogenen Daten, aber Betriebsdaten werden pro Schicht/Bediener aggregiert.",
"purposes": ["Adaptive Schweißparameteroptimierung", "Qualitätsverbesserung", "Ausschussreduktion"],
"legal_bases": ["Art. 6 Abs. 1f DSGVO — Berechtigtes Interesse"],
"data_subject_categories": ["Schweißer/Bediener (indirekt über Schichtplan)"],
"personal_data_categories": ["Bediener-ID (anonymisiert)", "Schichtleistungskennzahlen"],
"recipient_categories": ["Produktionsleitung intern"],
"third_country_transfers": [],
"retention_period": {"description": "Modelltrainings-Logs 1 Jahr, Produktionsdaten 5 Jahre", "duration_months": 60},
"tom_description": "Air-Gap Roboterzelle, SIL-2 Safety Controller, physische Zugangskontrollen",
"business_function": "production",
"systems": ["RoboControl AI", "KUKA KR QUANTEC", "Safety PLC (Pilz)"],
"deployment_model": "on-premise",
"protection_level": "HIGH",
"dpia_required": True,
"status": "DRAFT",
"responsible": "Robotik — Dr. Jan Kessler",
"owner": "Head of AI — Lisa Chen",
},
]
for act in activities:
r = api("POST", "/api/compliance/vvt/activities", act)
status = "✓" if r.status_code in (200, 201) else f"✗ {r.status_code}"
print(f" {status} {act['vvt_id']} — {act['name'][:50]}")
def create_tom_measures():
print("\n=== 4. TOM Measures ===")
measures = [
{"control_id": "TOM-ENC-001", "name": "Verschlüsselung in Transit (TLS 1.3)", "description": "Alle internen und externen Datenübertragungen nutzen TLS 1.3 mit HSTS. OPC-UA Verbindungen in der Produktion nutzen TLS mit Client-Zertifikaten.", "category": "encryption", "type": "technical", "applicability": "REQUIRED", "implementation_status": "IMPLEMENTED", "responsible_person": "Markus Hoffmann (CISO)", "responsible_department": "IT-Sicherheit", "priority": "CRITICAL", "complexity": "LOW", "review_frequency": "quarterly", "effectiveness_rating": "EFFECTIVE"},
{"control_id": "TOM-ENC-002", "name": "Verschlüsselung at Rest (AES-256)", "description": "Alle Datenbanken und Backups sind mit AES-256 verschlüsselt. Schlüsselmanagement über HashiCorp Vault.", "category": "encryption", "type": "technical", "applicability": "REQUIRED", "implementation_status": "IMPLEMENTED", "responsible_person": "Stefan Braun (CTO)", "responsible_department": "IT", "priority": "CRITICAL", "complexity": "MEDIUM", "review_frequency": "annual", "effectiveness_rating": "EFFECTIVE"},
{"control_id": "TOM-AC-001", "name": "Rollenbasierte Zugriffskontrolle (RBAC)", "description": "Alle Systeme nutzen RBAC mit Least-Privilege-Prinzip. MFA für alle Admin-Zugänge und externe Zugänge. Vierteljährliche Access Reviews.", "category": "access_control", "type": "technical", "applicability": "REQUIRED", "implementation_status": "IMPLEMENTED", "responsible_person": "Markus Hoffmann (CISO)", "responsible_department": "IT-Sicherheit", "priority": "CRITICAL", "complexity": "MEDIUM", "review_frequency": "quarterly", "effectiveness_rating": "EFFECTIVE"},
{"control_id": "TOM-AC-002", "name": "Netzwerksegmentierung (OT/IT-Trennung)", "description": "Strikte Trennung zwischen IT-Netzwerk und OT-Netzwerk (Produktion). DMZ für Kundenportal. Firewall-Regeln nach Whitelist-Prinzip.", "category": "access_control", "type": "technical", "applicability": "REQUIRED", "implementation_status": "IMPLEMENTED", "responsible_person": "IT-Infrastruktur Team", "responsible_department": "IT", "priority": "CRITICAL", "complexity": "HIGH", "review_frequency": "quarterly", "effectiveness_rating": "EFFECTIVE"},
{"control_id": "TOM-LOG-001", "name": "Zentrales Audit-Logging (SIEM)", "description": "Graylog SIEM erfasst alle sicherheitsrelevanten Ereignisse. Automatische Alerts bei Anomalien. Logs unveränderlich gespeichert.", "category": "logging", "type": "technical", "applicability": "REQUIRED", "implementation_status": "IMPLEMENTED", "responsible_person": "SOC Team", "responsible_department": "IT-Sicherheit", "priority": "HIGH", "complexity": "MEDIUM", "review_frequency": "monthly", "effectiveness_rating": "EFFECTIVE"},
{"control_id": "TOM-BAK-001", "name": "Backup & Disaster Recovery", "description": "Tägliche inkrementelle Backups, wöchentliche Vollbackups. Geo-redundante Speicherung (Stuttgart + Frankfurt). RTO: 4h, RPO: 1h.", "category": "backup", "type": "technical", "applicability": "REQUIRED", "implementation_status": "IMPLEMENTED", "responsible_person": "IT-Betrieb", "responsible_department": "IT", "priority": "HIGH", "complexity": "MEDIUM", "review_frequency": "quarterly", "effectiveness_rating": "EFFECTIVE"},
{"control_id": "TOM-PHY-001", "name": "Physische Zugangskontrollen", "description": "Zutrittskontrolle per RFID-Badge, Videoüberwachung an Eingängen, Serverraum mit biometrischer Zugangskontrolle, Besucherprotokoll.", "category": "physical", "type": "technical", "applicability": "REQUIRED", "implementation_status": "IMPLEMENTED", "responsible_person": "Facility Management", "responsible_department": "Verwaltung", "priority": "HIGH", "complexity": "LOW", "review_frequency": "annual", "effectiveness_rating": "EFFECTIVE"},
{"control_id": "TOM-ORG-001", "name": "Datenschutz-Schulungen", "description": "Jährliche Pflichtschulung für alle Mitarbeiter. Zusätzliche Spezialschulungen für IT, HR und Produktion. Nachweispflicht dokumentiert.", "category": "organizational", "type": "organizational", "applicability": "REQUIRED", "implementation_status": "IMPLEMENTED", "responsible_person": "Dr. Katharina Weber (DSB)", "responsible_department": "Compliance", "priority": "HIGH", "complexity": "LOW", "review_frequency": "annual", "effectiveness_rating": "EFFECTIVE"},
{"control_id": "TOM-ORG-002", "name": "Incident-Response-Plan", "description": "Dokumentierter Notfallplan für Datenschutzvorfälle. 72h-Meldefrist an Aufsichtsbehörde. Eskalationsmatrix. Regelmäßige Übungen.", "category": "organizational", "type": "organizational", "applicability": "REQUIRED", "implementation_status": "IMPLEMENTED", "responsible_person": "Markus Hoffmann (CISO)", "responsible_department": "IT-Sicherheit", "priority": "CRITICAL", "complexity": "MEDIUM", "review_frequency": "annual", "effectiveness_rating": "EFFECTIVE"},
{"control_id": "TOM-AI-001", "name": "KI-Modell-Governance", "description": "Dokumentation aller KI-Modelle (Model Cards), regelmäßige Bias-Prüfung, Versionierung der Trainingsdaten, Human-in-the-Loop bei kritischen Entscheidungen.", "category": "ai_governance", "type": "technical", "applicability": "REQUIRED", "implementation_status": "PARTIAL", "responsible_person": "Lisa Chen (Head of AI)", "responsible_department": "KI-Abteilung", "priority": "HIGH", "complexity": "HIGH", "review_frequency": "quarterly", "effectiveness_rating": "PARTIALLY_EFFECTIVE"},
{"control_id": "TOM-AI-002", "name": "KI-Transparenz und Erklärbarkeit", "description": "SHAP/LIME Erklärungen für QualityVision-Entscheidungen. Dashboard für Produktionsleiter zeigt Konfidenzwerte und Entscheidungsgründe.", "category": "ai_governance", "type": "technical", "applicability": "REQUIRED", "implementation_status": "PARTIAL", "responsible_person": "Lisa Chen (Head of AI)", "responsible_department": "KI-Abteilung", "priority": "HIGH", "complexity": "HIGH", "review_frequency": "quarterly", "effectiveness_rating": "PARTIALLY_EFFECTIVE"},
{"control_id": "TOM-SDLC-001", "name": "Secure Development Lifecycle", "description": "SAST (SonarQube) + DAST (OWASP ZAP) in CI/CD Pipeline. Code Reviews, Dependency Scanning (Snyk), SBOM-Generierung für jedes Release.", "category": "sdlc", "type": "technical", "applicability": "REQUIRED", "implementation_status": "IMPLEMENTED", "responsible_person": "Stefan Braun (CTO)", "responsible_department": "Entwicklung", "priority": "HIGH", "complexity": "MEDIUM", "review_frequency": "monthly", "effectiveness_rating": "EFFECTIVE"},
]
for m in measures:
r = api("POST", "/api/compliance/tom/measures", m)
status = "✓" if r.status_code in (200, 201) else f"✗ {r.status_code}"
print(f" {status} {m['control_id']} — {m['name'][:50]}")
def create_dsfas():
print("\n=== 5. DSFAs ===")
dsfas = [
{
"title": "DSFA — KI-gestützte Qualitätskontrolle (QualityVision AI)",
"description": "Datenschutz-Folgenabschätzung für den Einsatz von Computer Vision zur automatisierten Fehlererkennung an CNC-Bauteilen. Indirekte Mitarbeiterüberwachung durch Schichtzuordnung der Fehlerquoten.",
"status": "approved",
"risk_level": "high",
"processing_activity": "Automatisierte Bildanalyse von Werkstücken mit Zuordnung zu Maschinenbediener über Schichtplan",
"data_categories": ["Kamerabilder (keine Personen)", "Bediener-ID (pseudonymisiert)", "Fehlerquoten pro Schicht", "Maschinenparameter"],
"recipients": ["Qualitätsmanagement", "Produktionsleitung", "KI-Team (Modelltraining)"],
"measures": ["Pseudonymisierung", "Air-Gap zum Internet", "Zugriffsbeschränkung", "Audit-Logging", "Löschfristen"],
"created_by": "Dr. Katharina Weber (DSB)",
"processing_description": "CNN-basiertes Modell analysiert Kamerabilder von CNC-Bauteilen in Echtzeit. Fehlerhafte Teile werden automatisch aussortiert. Fehlerstatistiken werden pro Schicht aggregiert.",
"processing_purpose": "Qualitätssicherung nach ISO 9001, Reduktion der Ausschussquote von 3,2% auf 0,8%",
"legal_basis": "Art. 6 Abs. 1f DSGVO",
"legal_basis_details": "Berechtigtes Interesse an Qualitätssicherung und wirtschaftlichem Betrieb. Mitarbeiterinteressen berücksichtigt durch Pseudonymisierung und Betriebsratsvereinbarung.",
"necessity_assessment": "Manuelle Qualitätskontrolle erreicht nur 92% Erkennungsrate vs. 99,97% durch KI. Wirtschaftlich erforderlich für Automotive-Zulieferer (IATF 16949).",
"proportionality_assessment": "Nur pseudonymisierte Bediener-IDs, keine Videoüberwachung von Personen, Bilddaten nach 30 Tagen gelöscht.",
"data_minimization": "Kein Personenbezug in Kamerabildern. Schichtzuordnung nur für aggregierte Statistiken, nicht für individuelle Leistungsbewertung.",
"involves_ai": True,
"overall_risk_level": "high",
"risk_score": 68,
"dpo_consulted": True,
"dpo_name": "Dr. Katharina Weber",
"dpo_opinion": "Hohes Risiko durch indirekte Leistungsüberwachung, aber durch Pseudonymisierung und BV ausreichend mitigiert. Genehmigt mit Auflagen.",
"dpo_approved": True,
"data_subjects": ["Maschinenbediener", "Schichtleiter"],
"affected_rights": ["Auskunft", "Widerspruch", "Einschränkung der Verarbeitung"],
"risks": [
{"id": "dsfa-r1", "description": "Re-Identifizierung über Schichtplan", "likelihood": 2, "impact": 3, "mitigation": "Minimale Datenpunkte, keine direkte Verknüpfung ohne Freigabe"},
{"id": "dsfa-r2", "description": "Zweckentfremdung für Leistungsbewertung", "likelihood": 2, "impact": 4, "mitigation": "Betriebsvereinbarung, technische Zugriffsbeschränkung"},
],
},
{
"title": "DSFA — Predictive Maintenance Sensorplattform",
"description": "Bewertung der Datenverarbeitung durch IoT-Sensoren an Produktionsmaschinen für vorausschauende Wartung.",
"status": "approved",
"risk_level": "medium",
"processing_activity": "Erfassung von Vibrations-, Temperatur- und Stromdaten, KI-basierte Anomalieerkennung",
"data_categories": ["Maschinensensordaten", "Wartungsprotokolle", "Techniker-IDs"],
"measures": ["OT/IT-Trennung", "Verschlüsselung", "Zugriffskontrolle", "Datenminimierung"],
"created_by": "Dr. Katharina Weber (DSB)",
"processing_description": "IoT-Sensoren erfassen kontinuierlich Maschinenzustandsdaten. LSTM-Modell erkennt Anomalien und prognostiziert Wartungsbedarf.",
"processing_purpose": "Vermeidung ungeplanter Stillstände, Optimierung der Wartungsintervalle, Reduktion der Wartungskosten um 35%",
"legal_basis": "Art. 6 Abs. 1f DSGVO",
"legal_basis_details": "Berechtigtes Interesse an effizientem Maschinenbetrieb. Personenbezug minimal (nur Techniker-IDs bei Wartungseinsätzen).",
"necessity_assessment": "Ungeplante Stillstände kosten 15.000€/Stunde. Predictive Maintenance reduziert ungeplante Ausfälle um 73%.",
"involves_ai": True,
"overall_risk_level": "medium",
"risk_score": 42,
"dpo_consulted": True,
"dpo_name": "Dr. Katharina Weber",
"dpo_approved": True,
"data_subjects": ["Wartungstechniker", "Maschinenbediener (indirekt)"],
},
{
"title": "DSFA — Autonome Robotersteuerung (RoboControl AI)",
"description": "Folgenabschätzung für Reinforcement-Learning-gesteuerte Schweißroboter mit Sicherheitsrelevanz (SIL-2).",
"status": "in-review",
"risk_level": "high",
"processing_activity": "RL-Agent steuert Schweißparameter adaptiv, Betriebsdaten werden pro Schicht aggregiert",
"data_categories": ["Schweißparameter", "Bediener-ID (anonymisiert)", "Schichtleistungsdaten", "Safety-Events"],
"measures": ["SIL-2 Safety Controller", "Air-Gap", "Human-in-the-Loop", "Notfall-Stopp"],
"created_by": "Dr. Katharina Weber (DSB)",
"processing_description": "RL-Agent (PPO) optimiert Schweißparameter in Echtzeit basierend auf Materialdicke, Temperatur und Nahtqualität.",
"processing_purpose": "Adaptive Qualitätsoptimierung, Reduktion von Nacharbeit um 45%",
"legal_basis": "Art. 6 Abs. 1f DSGVO",
"involves_ai": True,
"overall_risk_level": "high",
"risk_score": 78,
"dpo_consulted": True,
"dpo_name": "Dr. Katharina Weber",
"dpo_approved": False,
"dpo_opinion": "Noch offene Fragen zur Erklärbarkeit der RL-Entscheidungen. Empfehlung: XAI-Dashboard implementieren vor Genehmigung.",
"data_subjects": ["Schweißer", "Schichtleiter", "Wartungstechniker"],
},
]
for d in dsfas:
r = api("POST", "/api/compliance/dsfa", d)
status = "✓" if r.status_code in (200, 201) else f"✗ {r.status_code}"
print(f" {status} {d['title'][:60]}")
def create_risks():
print("\n=== 6. Risks ===")
risks = [
{"risk_id": "RISK-AI-001", "title": "KI-Modell-Bias in Qualitätskontrolle", "description": "CNN-Modell könnte systematische Fehler bei bestimmten Materialien/Chargen aufweisen, was zu unerkannten Qualitätsproblemen führt.", "category": "ai_risk", "likelihood": "3", "impact": "4", "mitigating_controls": ["Regelmäßige Bias-Audits", "Diversifiziertes Trainingsdaten-Set", "Human-in-the-Loop bei grenzwertigen Fällen", "A/B-Tests mit manueller Kontrolle"], "owner": "Lisa Chen (Head of AI)", "treatment_plan": "Quartalsweise Bias-Audit, Erweiterung des Trainingsdatensatzes um Edge Cases, XAI-Dashboard"},
{"risk_id": "RISK-AI-002", "title": "Sicherheitsversagen autonomer Roboter", "description": "RL-gesteuerter Schweißroboter könnte bei unvorhergesehenen Situationen unsichere Parameter wählen. Safety-Controller als Backup, aber Restrisiko.", "category": "safety", "likelihood": "2", "impact": "5", "mitigating_controls": ["SIL-2 Safety Controller", "Physische Schutzzäune", "Geschwindigkeitsbegrenzung", "Notfall-Stopp", "Simulation vor Deployment"], "owner": "Dr. Jan Kessler (Robotik)", "treatment_plan": "Erweiterte Simulation mit adversarial Szenarien, monatliche Safety-Reviews"},
{"risk_id": "RISK-CYBER-001", "title": "Ransomware-Angriff auf Produktionsnetzwerk", "description": "Verschlüsselung von Produktionsdaten und MES-System könnte mehrtägigen Produktionsausfall verursachen. Schaden: ca. 500k€/Tag.", "category": "information_security", "likelihood": "3", "impact": "5", "mitigating_controls": ["Netzwerksegmentierung", "EDR (CrowdStrike)", "Offline-Backups", "Incident-Response-Plan", "Security Awareness Training"], "owner": "Markus Hoffmann (CISO)", "treatment_plan": "Air-Gap für kritische Backups, Red-Team-Übung Q3/2026, Cyber-Versicherung"},
{"risk_id": "RISK-DSGVO-001", "title": "Datenpanne im Kundenportal", "description": "Unbefugter Zugriff auf Kundendaten (Kontakte, Bestellhistorie, Maschinenstandorte) durch Schwachstelle im Web-Portal.", "category": "privacy", "likelihood": "2", "impact": "4", "mitigating_controls": ["WAF", "Regelmäßige Pentests", "MFA", "Verschlüsselte DB", "Bug-Bounty-Programm"], "owner": "Stefan Braun (CTO)", "treatment_plan": "Quartalspentests, OWASP ZAP in CI/CD, Responsible Disclosure Programm"},
{"risk_id": "RISK-COMP-001", "title": "Nicht-Konformität mit EU AI Act", "description": "QualityVision AI und RoboControl AI könnten als Hochrisiko-KI eingestuft werden. Fehlende Dokumentation oder Konformitätsbewertung.", "category": "compliance", "likelihood": "3", "impact": "4", "mitigating_controls": ["AI Act Compliance Assessment", "Model Cards", "Risikomanagementsystem", "Externe Beratung"], "owner": "Dr. Katharina Weber (DSB)", "treatment_plan": "BreakPilot ComplAI SDK für vollständige AI-Act-Dokumentation, externe Konformitätsprüfung bis Q2/2027"},
{"risk_id": "RISK-SUPPLY-001", "title": "Supply-Chain-Angriff auf OTA-Updates", "description": "Kompromittierung des Firmware-Update-Mechanismus könnte manipulierten Code auf Kundenmaschinen ausliefern.", "category": "information_security", "likelihood": "2", "impact": "5", "mitigating_controls": ["Code Signing", "Secure Boot", "Dual-Partition", "SBOM", "Dependency Scanning"], "owner": "Stefan Braun (CTO)", "treatment_plan": "Hardware Security Module (HSM) für Signierung, CycloneDX SBOM für jedes Release"},
]
for risk in risks:
r = api("POST", "/api/compliance/risks", risk)
status = "✓" if r.status_code in (200, 201) else f"✗ {r.status_code}"
print(f" {status} {risk['risk_id']} — {risk['title'][:50]}")
def create_obligations():
print("\n=== 7. Obligations ===")
obligations = [
{"title": "Verzeichnis der Verarbeitungstätigkeiten führen", "description": "Vollständiges VVT nach Art. 30 DSGVO für alle Verarbeitungstätigkeiten inkl. KI-Systeme.", "source": "DSGVO", "source_article": "Art. 30", "status": "completed", "priority": "critical", "responsible": "Dr. Katharina Weber (DSB)", "linked_systems": ["SAP HR", "Kundenportal", "QualityVision AI", "PredMaint Engine"]},
{"title": "Datenschutz-Folgenabschätzung für KI-Systeme", "description": "DSFA für alle KI-Systeme mit Personenbezug: QualityVision, PredMaint, RoboControl.", "source": "DSGVO", "source_article": "Art. 35", "status": "in-progress", "priority": "critical", "responsible": "Dr. Katharina Weber (DSB)", "linked_systems": ["QualityVision AI", "PredMaint Engine", "RoboControl AI"]},
{"title": "Technisch-Organisatorische Maßnahmen dokumentieren", "description": "TOM-Katalog nach Art. 32 DSGVO mit regelmäßiger Überprüfung und Anpassung.", "source": "DSGVO", "source_article": "Art. 32", "status": "completed", "priority": "high", "responsible": "Markus Hoffmann (CISO)"},
{"title": "AI Act Hochrisiko-Konformitätsbewertung", "description": "Konformitätsbewertung für QualityVision AI und RoboControl AI als potenzielle Hochrisiko-KI-Systeme.", "source": "EU AI Act", "source_article": "Art. 6, Annex III", "status": "pending", "priority": "critical", "responsible": "Lisa Chen (Head of AI)", "deadline": "2027-08-01T00:00:00Z"},
{"title": "NIS2 Risikomanagement implementieren", "description": "Cybersecurity-Risikomanagement nach NIS2 Richtlinie für wesentliche Einrichtungen.", "source": "NIS2", "source_article": "Art. 21", "status": "in-progress", "priority": "high", "responsible": "Markus Hoffmann (CISO)"},
{"title": "CE-Konformitätserklärung mit KI-Komponenten", "description": "CE-Kennzeichnung unter Berücksichtigung der neuen Maschinenverordnung 2023/1230 für Maschinen mit KI-Sicherheitsfunktionen.", "source": "Maschinenverordnung", "source_article": "2023/1230", "status": "in-progress", "priority": "critical", "responsible": "Dr. Frank Lehmann (QM)"},
{"title": "Meldepflicht bei Datenschutzvorfällen", "description": "Prozess für 72h-Meldung an Aufsichtsbehörde bei Datenschutzverletzungen.", "source": "DSGVO", "source_article": "Art. 33/34", "status": "completed", "priority": "critical", "responsible": "Dr. Katharina Weber (DSB)"},
{"title": "Auftragsverarbeitungsverträge prüfen", "description": "AVV mit allen Dienstleistern (Cloud-Provider, SOC, Lohnbüro) prüfen und aktualisieren.", "source": "DSGVO", "source_article": "Art. 28", "status": "in-progress", "priority": "high", "responsible": "Thomas Hartmann (Rechtsabteilung)", "linked_systems": ["Salesforce", "AWS", "Graylog Cloud"]},
{"title": "Löschkonzept implementieren", "description": "Technische Umsetzung der definierten Löschfristen für alle Datenkategorien.", "source": "DSGVO", "source_article": "Art. 17", "status": "in-progress", "priority": "high", "responsible": "Stefan Braun (CTO)"},
{"title": "Betroffenenrechte-Prozess", "description": "Prozess für Auskunft, Berichtigung, Löschung, Datenportabilität innerhalb der gesetzlichen Fristen.", "source": "DSGVO", "source_article": "Art. 15-21", "status": "completed", "priority": "high", "responsible": "Dr. Katharina Weber (DSB)"},
]
for o in obligations:
r = api("POST", "/api/compliance/obligations", o)
status = "✓" if r.status_code in (200, 201) else f"✗ {r.status_code}"
print(f" {status} {o['title'][:55]}")
def create_loeschfristen():
print("\n=== 8. Löschfristen ===")
policies = [
{"data_object_name": "Personalakten und Gehaltsabrechnungen", "description": "Mitarbeiterstammdaten, Gehaltsabrechnungen, Arbeitsverträge, Zeugnisse", "data_categories": ["Stammdaten", "Gehaltsdaten", "Steuer-ID", "SV-Nummer", "Arbeitsverträge"], "primary_purpose": "Personalverwaltung und gesetzliche Aufbewahrung", "deletion_trigger": "PURPOSE_END", "retention_driver": "LEGAL_REQUIREMENT", "retention_driver_detail": "§257 HGB (6 Jahre), §147 AO (10 Jahre), Steuerrecht", "retention_duration": 10, "retention_unit": "years", "status": "ACTIVE", "responsible_role": "Personalabteilung", "responsible_person": "Maria Schmidt", "deletion_method": "SECURE_DELETE", "deletion_method_detail": "Zertifizierte Löschung nach DIN 66399, Protokollierung", "storage_locations": ["SAP HR (on-premise)", "Papierarchiv Stuttgart"]},
{"data_object_name": "Kamerabilder Qualitätskontrolle", "description": "Aufnahmen der QualityVision-Kameras von CNC-Werkstücken (keine Personenaufnahmen)", "data_categories": ["Werkstückbilder", "Fehlerklassifikation", "Maschinenparameter"], "primary_purpose": "Qualitätssicherung und KI-Modelltraining", "deletion_trigger": "RETENTION_PERIOD", "retention_driver": "BUSINESS_REQUIREMENT", "retention_driver_detail": "30 Tage Produktionsbilder, 6 Monate Trainingsextrakte", "retention_duration": 30, "retention_unit": "days", "status": "ACTIVE", "responsible_role": "KI-Team", "responsible_person": "Lisa Chen", "deletion_method": "AUTOMATED_DELETION", "deletion_method_detail": "Cronjob löscht Bilder älter 30 Tage, Trainingsextrakte nach 6 Monaten", "storage_locations": ["Edge-Server Produktion", "NAS Training-Data"]},
{"data_object_name": "Sensordaten Predictive Maintenance", "description": "Vibrations-, Temperatur- und Stromverbrauchsdaten der CNC-Maschinen", "data_categories": ["Vibrationsmessungen", "Temperaturprofile", "Energieverbrauch", "Anomalie-Scores"], "primary_purpose": "Vorausschauende Wartung", "deletion_trigger": "RETENTION_PERIOD", "retention_driver": "BUSINESS_REQUIREMENT", "retention_driver_detail": "2 Jahre für Trendanalysen, Wartungshistorie 10 Jahre (Gewährleistung)", "retention_duration": 2, "retention_unit": "years", "status": "ACTIVE", "responsible_role": "Instandhaltung", "responsible_person": "Michael Richter", "deletion_method": "ANONYMIZATION_THEN_DELETION", "storage_locations": ["PredMaint Platform (EU-Cloud)", "Backup Stuttgart"]},
{"data_object_name": "Kundendaten (B2B-Portal)", "description": "Geschäftskontakte, Bestellhistorie, Service-Tickets, Maschinenstandorte", "data_categories": ["Geschäftliche Kontaktdaten", "Bestellungen", "Support-Tickets", "Maschinenkonfigurationen"], "primary_purpose": "Vertragserfüllung und After-Sales", "deletion_trigger": "PURPOSE_END", "retention_driver": "LEGAL_REQUIREMENT", "retention_driver_detail": "§257 HGB (6 Jahre nach Ende der Geschäftsbeziehung)", "retention_duration": 6, "retention_unit": "years", "status": "ACTIVE", "responsible_role": "Vertrieb", "responsible_person": "Andreas Müller", "deletion_method": "SECURE_DELETE", "storage_locations": ["Kundenportal (EU-Cloud)", "Salesforce CRM"]},
{"data_object_name": "IT-Security-Logs und Audit-Trails", "description": "Netzwerk-Logs, Zugriffsprotokolle, SIEM-Events, Firewall-Logs", "data_categories": ["IP-Adressen", "Login-Events", "Firewall-Logs", "SIEM-Alerts"], "primary_purpose": "IT-Sicherheit und Forensik", "deletion_trigger": "RETENTION_PERIOD", "retention_driver": "LEGAL_REQUIREMENT", "retention_driver_detail": "90 Tage Standard-Logs, 3 Jahre bei Sicherheitsvorfällen (NIS2)", "retention_duration": 90, "retention_unit": "days", "status": "ACTIVE", "responsible_role": "IT-Sicherheit", "responsible_person": "Markus Hoffmann", "deletion_method": "AUTOMATED_DELETION", "deletion_method_detail": "Automatische Rotation nach 90 Tagen, manuelle Aufbewahrung bei Incidents", "storage_locations": ["Graylog SIEM", "Backup (verschlüsselt)"]},
{"data_object_name": "Bewerbungsunterlagen", "description": "Lebensläufe, Anschreiben, Zeugnisse von Stellenbewerbern", "data_categories": ["Lebenslauf", "Anschreiben", "Zeugnisse", "Kontaktdaten"], "primary_purpose": "Stellenbesetzung", "deletion_trigger": "PURPOSE_END", "retention_driver": "LEGAL_REQUIREMENT", "retention_driver_detail": "6 Monate nach Besetzung/Absage (AGG-Klagefrist)", "retention_duration": 6, "retention_unit": "months", "status": "ACTIVE", "responsible_role": "Personalabteilung", "responsible_person": "Maria Schmidt", "deletion_method": "SECURE_DELETE", "storage_locations": ["HR-System", "E-Mail-Archiv"]},
]
for p in policies:
r = api("POST", "/api/compliance/loeschfristen", p)
status = "✓" if r.status_code in (200, 201) else f"✗ {r.status_code}"
print(f" {status} {p['data_object_name'][:55]}")
# =========================================================================
# PHASE 2: Screenshots
# =========================================================================
SCREENSHOT_PAGES = [
# (filename, path_suffix, description, wait_ms)
("01-dashboard", "/sdk", "SDK Dashboard / Projektübersicht", 3000),
("02-company-profile", "/sdk/company-profile", "Firmenprofil", 2000),
("03-compliance-scope", "/sdk/compliance-scope", "Compliance-Scope", 2000),
("04-vvt", "/sdk/vvt", "Verarbeitungsverzeichnis", 2000),
("05-tom", "/sdk/tom", "TOM — Technisch-Organisatorische Maßnahmen", 2000),
("06-dsfa", "/sdk/dsfa", "Datenschutz-Folgenabschätzung", 2000),
("07-risks", "/sdk/risks", "Risikobewertung", 2000),
("08-obligations", "/sdk/obligations", "Pflichtenübersicht", 2000),
("09-loeschfristen", "/sdk/loeschfristen", "Löschfristen", 2000),
("10-controls", "/sdk/controls", "Controls", 2000),
("11-ai-act", "/sdk/ai-act", "AI Act Compliance", 2000),
("12-requirements", "/sdk/requirements", "Anforderungen", 2000),
("13-evidence", "/sdk/evidence", "Nachweise", 2000),
("14-audit-report", "/sdk/audit-report", "Audit-Report", 2000),
("15-document-generator", "/sdk/document-generator", "Dokumenten-Generator", 2000),
("16-einwilligungen", "/sdk/einwilligungen", "Einwilligungen", 2000),
("17-vendor-compliance", "/sdk/vendor-compliance", "Auftragsverarbeitung", 2000),
("18-security-backlog", "/sdk/security-backlog", "Security Backlog", 2000),
("19-training", "/sdk/training", "Schulungen", 2000),
("20-rag", "/sdk/rag", "Legal RAG", 2000),
("21-sdk-flow", "/sdk/sdk-flow", "SDK Flow", 2000),
("22-iace", "/sdk/iace", "IACE — CE-Compliance", 2000),
("23-incidents", "/sdk/incidents", "Incident Response", 2000),
("24-reporting", "/sdk/reporting", "Reporting", 2000),
]
def take_screenshots():
print("\n\n=== PHASE 2: Taking Screenshots ===")
print(f" Project ID: {PROJECT_ID}")
print(f" Output dir: {SCREENSHOT_DIR}")
with sync_playwright() as p:
browser = p.chromium.launch(
headless=True,
args=["--ignore-certificate-errors", "--no-sandbox"],
)
context = browser.new_context(
viewport={"width": 1920, "height": 1080},
device_scale_factor=2, # Retina quality
ignore_https_errors=True,
)
page = context.new_page()
for filename, path, desc, wait_ms in SCREENSHOT_PAGES:
url = f"{FRONTEND}{path}?project={PROJECT_ID}"
print(f" 📸 {filename} — {desc}...")
try:
page.goto(url, wait_until="networkidle", timeout=30000)
page.wait_for_timeout(wait_ms)
# Close any modals/toasts that might obscure the view
try:
page.keyboard.press("Escape")
page.wait_for_timeout(300)
except Exception:
pass
filepath = os.path.join(SCREENSHOT_DIR, f"{filename}.png")
page.screenshot(path=filepath, full_page=False)
size_kb = os.path.getsize(filepath) / 1024
print(f" ✓ {size_kb:.0f} KB")
except Exception as e:
print(f" ✗ Error: {e}")
browser.close()
print(f"\n Done! {len(SCREENSHOT_PAGES)} screenshots saved to {SCREENSHOT_DIR}")
# =========================================================================
# Main
# =========================================================================
if __name__ == "__main__":
print("=" * 60)
print("BreakPilot SDK Demo Data Seeder + Screenshot Tool")
print("=" * 60)
print(f"Backend: {BACKEND}")
print(f"Frontend: {FRONTEND}")
print(f"Tenant: {TENANT_ID}")
# Phase 1: Seed data
create_project()
create_company_profile()
create_vvt()
create_tom_measures()
create_dsfas()
create_risks()
create_obligations()
create_loeschfristen()
print("\n" + "=" * 60)
print("PHASE 1 COMPLETE — All demo data seeded")
print("=" * 60)
# Phase 2: Screenshots
take_screenshots()
print("\n" + "=" * 60)
print("ALL DONE!")
print("=" * 60)
Reference in New Issue View Git Blame Copy Permalink