Rechnungsextraktion fachlich korrekt und belegbar machen

Finding: F03 Priorität: P0 Status: OFFEN Stand: 2026-07-16

Problembeschreibung

• Deutsche Dezimalzahlen werden direkt zu float gecastet (PdftotextExtractor.php:71; TesseractInvoiceExtractor.php:70).
• firstLine entfernt vor Zeilentrennung Umbrüche (PdftotextExtractor.php:130).
• 0+0=0 gilt als konsistent; positiver Bruttobetrag ist nicht Pflicht.
• Reales PDF nennt 04.07.2026, State desselben SHA-256 speichert 14.07.2026.
• Tesseract erhält PDF ohne definierte Rasterpipeline.

Ziel

Buchungsfelder sind formatrobust, quellenbelegt und gegen das Original geprüft; Unsicherheit stoppt vor Lexware.

Aufgabe

1. Decimal-Value-Object ohne Float bauen.
2. Label-/Positionsparser samt Seite/Matcher/Confidence umsetzen.
3. PDF seitenweise rasterisieren; Review-Quarantäne und Golden Masters einführen.

Scope

• In Scope: alle unter Code Blast genannten Komponenten, Daten, Verträge und Tests.
• Out of Scope: neue Features und produktive externe Mutation ohne separate Freigabe.

Harte Spezifikation

• MUST: Geld als Minor Units/Decimal-String.
• MUST: Brutto > 0, Währung/Rundung explizit.
• MUST: Nummer/Datum besitzen Textbeleg.
• MUST: Widerspruch/geringe Confidence führt REVIEW_REQUIRED.

Harte Quality Gateways

• Reales Fixture erwartet 2026-07-04, RF183233049809, 26.0504, 4.9496, 31.0000.
• Property-Tests für Komma/Punkt/vier Nachkommastellen.
• Mutiertes Datum/Summe verhindert Posting.
• Global: PHPStan Level 8 und PHPUnit liefern 0 Fehler; kein Ignore oder Baseline.

Code Blast

• Direkt: beide Extractors, Fallback, ExtractedInvoiceData, Amount, Extract Use Case.
• State erhält Feldbelege/Confidence; Betrieb erhält Reviewfälle.

Code-Impact-Analyse

• Verhindert falsche Buchungsdaten.
• Bestand wird revalidiert, nie automatisch neu gepostet.

Risikoanalyse

| Risiko | Eintritt | Schaden | |---|---|---| | Falscher Betrag/Datum | hoch | kritisch | | False negative | mittel | mittel |

Strategie zur Risikonullierung

1. Prevent: typisierte Parser.
2. Detect: Golden Masters/Kreuzsummen.
3. Contain: Review.
4. Recover: Original plus versionierte Korrektur.

Abschlussnachweis

Erledigt erst, wenn alle MUST-Spezifikationen implementiert, alle Gateways mit unveränderlicher Evidenz grün und Restrisiken technisch ausgeschlossen oder ausdrücklich fachlich akzeptiert sind.