add project: sufw Tätigkeitsnachweis-Generator

This commit is contained in:
trnq1ll0 committed 2026-09-11 12:26:52 +02:00
1 parent 88ee776097
commit fd2e546a83
3 files changed
+38 -6

No files matched your search

+13 -1
View File
@@ -7,7 +7,7 @@ Jedes Projekt/Kontext besteht aus einem Link bzw Quell, einer Beschreibung, den
- Zeitraum: März bis Mai 2026; eigener Arbeitsaufwand insgesamt weniger als eine Woche, verteilt über den Projektzeitraum. - Zeitraum: März bis Mai 2026; eigener Arbeitsaufwand insgesamt weniger als eine Woche, verteilt über den Projektzeitraum.
- Quelle: lokales Repository `/Users/rob/code/SUFW/Anweisenheiten`, insbesondere `.github/copilot-instructions.md`, `.github/instructions/main.instructions.md`, `.github/instructions/application-masterplan.instructions.md`, `.github/copilot-plan.md`, `.github/copilot-plan-gui.md` und die versionierten Aufgaben in `.github/copilot-tasks.md`. - Quelle: lokales Repository `/Users/rob/code/SUFW/Anweisenheiten`, insbesondere `.github/copilot-instructions.md`, `.github/instructions/main.instructions.md`, `.github/instructions/application-masterplan.instructions.md`, `.github/copilot-plan.md`, `.github/copilot-plan-gui.md` und die versionierten Aufgaben in `.github/copilot-tasks.md`.
- Kontext: Windows-Anwendung zur Übertragung monatlicher Anwesenheitsdaten aus Excel in personalisierte SAB-PDF-Formulare, mit CLI und grafischer Oberfläche. - Kontext: Windows-Anwendung zur Übertragung monatlicher Anwesenheitsdaten aus Excel in personalisierte SAB-PDF-Formulare, mit CLI und grafischer Oberfläche.
- Eigener Schwerpunkt: Fachliche Spezifikation, Gestaltung der Agent-Anweisungen und Steuerung der überwiegend KI-generierten Implementierung. Der Kompetenzbeleg liegt in Anforderungsmodellierung, Context Engineering und Prozessgestaltung; der generierte Code beschreibt den erreichten Funktionsumfang. - Eigener Schwerpunkt: Fachliche Spezifikation, Gestaltung der Agent-Anweisungen und Steuerung der vollständig KI-generierten Implementierung. Der Kompetenzbeleg liegt in Anforderungsmodellierung, Context Engineering und Prozessgestaltung; der generierte Code beschreibt den erreichten Funktionsumfang.
- Arbeitsmittel und Kosten: DeepSeek 4 pro in Visual Studio Code mit dem Copilot-Chat-Modul; KI-Nutzungskosten unter 3 US-Dollar. Ergänzende Caveman-Anweisungen für knappe, tokensparende Agent-Kommunikation. - Arbeitsmittel und Kosten: DeepSeek 4 pro in Visual Studio Code mit dem Copilot-Chat-Modul; KI-Nutzungskosten unter 3 US-Dollar. Ergänzende Caveman-Anweisungen für knappe, tokensparende Agent-Kommunikation.
- Herausforderungen: Eindeutige Übersetzung von Anwesenheits- und Abwesenheitsstatus, Stundenwerten, Pauschalen und deutschen Datumsformaten in PDF-Felder; korrekte Darstellung eines JavaScript-gestützten Formulars; bedienbare Bereitstellung für Windows. - Herausforderungen: Eindeutige Übersetzung von Anwesenheits- und Abwesenheitsstatus, Stundenwerten, Pauschalen und deutschen Datumsformaten in PDF-Felder; korrekte Darstellung eines JavaScript-gestützten Formulars; bedienbare Bereitstellung für Windows.
- Spezifikation und Vorgehen: Persistenter Anwendungsmasterplan mit Datenmodell, Feldtabellen, Statusregeln und Validierungskriterien; Vorgabe „Plan vor Implementierung“, Aufgabenzerlegung und schrittweiser Bearbeitung; modularer Datenfluss aus Excel-Import, Datenmodell, Validierung und PDF-Ausgabe; gesonderter GUI-Plan mit Wiederverwendung der Fachlogik, Hintergrundverarbeitung und UI-Aktualisierung über den Hauptthread. - Spezifikation und Vorgehen: Persistenter Anwendungsmasterplan mit Datenmodell, Feldtabellen, Statusregeln und Validierungskriterien; Vorgabe „Plan vor Implementierung“, Aufgabenzerlegung und schrittweiser Bearbeitung; modularer Datenfluss aus Excel-Import, Datenmodell, Validierung und PDF-Ausgabe; gesonderter GUI-Plan mit Wiederverwendung der Fachlogik, Hintergrundverarbeitung und UI-Aktualisierung über den Hauptthread.
@@ -15,6 +15,18 @@ Jedes Projekt/Kontext besteht aus einem Link bzw Quell, einer Beschreibung, den
- Ergebnis: Python-Anwendung mit openpyxl, pypdf, Click und CustomTkinter; PDF-Feldbefüllung einschließlich Summen und Darstellungskorrekturen; Build- und Installer-Konfiguration mit PyInstaller und Inno Setup, Versionierung, Update-Hinweisen und Übernahme aktualisierter Excel-Dateien vom Netzlaufwerk. - Ergebnis: Python-Anwendung mit openpyxl, pypdf, Click und CustomTkinter; PDF-Feldbefüllung einschließlich Summen und Darstellungskorrekturen; Build- und Installer-Konfiguration mit PyInstaller und Inno Setup, Versionierung, Update-Hinweisen und Übernahme aktualisierter Excel-Dateien vom Netzlaufwerk.
- Grenzen des dokumentierten Stands: Teile der Agent-Pläne sind gegenüber der Umsetzung veraltet, etwa Pauschalen- und Praktikumsregeln sowie Packaging-Pfade. Der visuelle Regressionstest ist standardmäßig deaktiviert; Referenzdateien fehlen im vorliegenden Projektstand. Daraus lässt sich keine lückenlose Qualitätssicherung ableiten. - Grenzen des dokumentierten Stands: Teile der Agent-Pläne sind gegenüber der Umsetzung veraltet, etwa Pauschalen- und Praktikumsregeln sowie Packaging-Pfade. Der visuelle Regressionstest ist standardmäßig deaktiviert; Referenzdateien fehlen im vorliegenden Projektstand. Daraus lässt sich keine lückenlose Qualitätssicherung ableiten.
## Tätigkeitsnachweis-Generator – Anforderungsklärung und iterative KI-Umsetzung
- Zeitraum: April bis August 2026 einschließlich Vorgängeriteration; dritte Iteration von Juni bis August 2026.
- Quellen: `/Users/rob/code/SUFW/Tätigkeitsnachweise/3_Tätigkeitsnachweise-generieren`, insbesondere `.copilot/PLAN.md`, die versionierte `.copilot/TASKS.md`, `0_application/config/` und `0_application/CHANGELOG.md`; ursprünglicher Arbeitsauftrag `0_Auftrag/Auftrag von Johannes.md`; Vorgänger `1_Erstes-Tool-Komplizert` und Konzept `2_Neuentwurf-der-ganz-große-Wurf` im selben übergeordneten Ordner.
- Ausgangslage: Offener Arbeitsauftrag zur Automatisierung monatlicher SAB-Tätigkeitsnachweise bei wechselnden Personal-, Projekt- und Stundenanteilen. Ziel waren vollständigere und konsistentere Nachweise sowie weniger manuelle Übertragung; zentrale Datenhaltung und Unterschriftennachverfolgung waren als weitergehende Perspektive genannt.
- Eigener Schwerpunkt: Konkretisierung des diffusen Auftrags durch Daten- und Vorlagenanalyse, Formulierung fachlicher Anforderungen und Steuerung mehrerer vollständig durch KI erzeugter Programm-Iterationen. Der eigene Beitrag liegt in Konzeption, Kontextgestaltung, Eingrenzung des Umfangs und fachlicher Nachsteuerung der Umsetzung.
- Iterationen und Umfangsentscheidung: Erster Ansatz mit zwei Excel-Datenquellen, Namensabgleich, Tätigkeitsschlüssel zur Auflösung mehrdeutiger Zuordnungen und berechneter Förderquote; anschließender Konzeptentwurf eines Personalkalenders mit Förderstellen, Datenlücken und Nachweisstatus. Dritte Iteration als gezielter Generator mit einer zentralen Excel-Datei und monatlichen Mitarbeiterdatensätzen; vorhandene Stellenanteile werden übernommen, statt sie erneut aus getrennten Quellen abzuleiten.
- Spezifikation und Arbeitssteuerung: Schriftliche Klärungsfragen zu festen oder berechneten Stellenanteilen, Plausibilitätsprüfung und möglicher Förderquotenüberwachung; modularer Phasenplan für Konfiguration, Parser, Writer, Validierung, Oberfläche und Auslieferung; externe JSON-Felddefinitionen und INI-Einstellungen; gesonderte Aufgabenliste für die Umstellung von Excel- auf PDF-Vorlagen einschließlich Mapping, Tests, Oberfläche und Headless-Durchlauf.
- Technischer Neuansatz: Wechsel von der problematischen Excel-Vorlagenbearbeitung zu einem PDF mit benannten `_Field`-Platzhaltern. KI-generierte Umsetzung mit PyMuPDF zur Positionssuche, Entfernung der Marker und Einfügung formatierter Daten; Unterstützung mehrseitiger Vorlagen, mehrfach vorkommender Datumsfelder und mehrzeiliger Tätigkeitsbeschreibungen.
- Ergebnis: Python-/Streamlit-Anwendung mit openpyxl-Import, Prüfung von Eingabestruktur und PDF-Markern, Hinweisen auf fehlende Pflichtwerte, Mitarbeiterauswahl und individuell wählbaren Monaten. Pro Person wird eine PDF-Datei mit allen Vorlagenseiten je ausgewähltem Monatsdatensatz erzeugt. Ergänzend Headless-Modus, PyInstaller-Build-Pipeline für Windows, Changelog, Versionsanzeige und Prüfung auf neuere Programmversionen im zentralen SMB-Verzeichnis.
- Qualitätssicherung und Grenzen: Vorhandene E2E-Tests prüfen reale Eingabedaten, Marker, PDF-Seitenzahl und ausgewählte Textinhalte; sie sind an einen konkreten Datensatz gebunden. Der aktuelle Teststand enthält eine nicht zur Vorlage passende Erwartung an Tätigkeitsangaben auf Seite 2; die README beschreibt teilweise noch Excel-Ausgaben. Personalkalender, Unterschriftennachverfolgung und Access-Anbindung gehören nicht zum umgesetzten Umfang der dritten Iteration. Eine allgemeine Fehlerfreiheit oder vollständige Erfüllung des ursprünglichen Gesamtauftrags ist damit nicht belegt.
## Private Infrastruktur- und Backup-Automatisierung ## Private Infrastruktur- und Backup-Automatisierung
- Zeitraum: November 2018 bis Mai 2026, belegt durch eigene Commits im Repository. - Zeitraum: November 2018 bis Mai 2026, belegt durch eigene Commits im Repository.
+4 -3
View File
@@ -89,10 +89,11 @@ Enthält alle Rollen in denen ich schon Tätig war
### Fachliche Konzeption und Steuerung KI-gestützter Softwareentwicklung ### Fachliche Konzeption und Steuerung KI-gestützter Softwareentwicklung
- Kontext: Anwesenheit PDF Generator im Repository `SUFW/Anweisenheiten`. - Kontext: Anwesenheit PDF Generator (`SUFW/Anweisenheiten`) und Tätigkeitsnachweis-Generator (`SUFW/Tätigkeitsnachweise/3_Tätigkeitsnachweise-generieren`) einschließlich dessen Vorgängerentwürfen.
- Zeitraum: März bis Mai 2026. - Zeiträume: Anwesenheit PDF Generator März bis Mai 2026; Tätigkeitsnachweis-Generator einschließlich Vorgängeriteration April bis August 2026.
- Verantwortung: Fachliche Anforderungen in persistente Agent-Anweisungen, Daten- und Feldzuordnungen, Umsetzungspläne und Prüfkriterien überführen; KI-generierte Umsetzung schrittweise bis zu GUI und Windows-Auslieferung, sowie an Hand konkreter Geschäftsregeln nachsteuern. - Verantwortung: Fachliche Anforderungen in persistente Agent-Anweisungen, Daten- und Feldzuordnungen, Umsetzungspläne und Prüfkriterien überführen; vollständig KI-generierte Umsetzung schrittweise bis zu GUI und Windows-Auslieferung steuern und anhand konkreter Geschäftsregeln nachjustieren.
- Tätigkeiten: Anwesenheits-, Stunden- und Pauschalenlogik spezifizieren; Aufgaben und Modulgrenzen strukturieren; Validierungs-, Vorschau- und Testanforderungen festlegen; fachliche Korrekturen und Erweiterungen im Entwicklungsprozess einarbeiten. - Tätigkeiten: Anwesenheits-, Stunden- und Pauschalenlogik spezifizieren; Aufgaben und Modulgrenzen strukturieren; Validierungs-, Vorschau- und Testanforderungen festlegen; fachliche Korrekturen und Erweiterungen im Entwicklungsprozess einarbeiten.
- Zusätzlicher Schwerpunkt beim Tätigkeitsnachweis-Generator: Diffusen Verwaltungsauftrag in konkrete Datenanforderungen und Bedienabläufe übersetzen; offene Fragen und Annahmen festhalten; über mehrere Neuentwürfe den Umfang auf einen gezielten Generator eingrenzen; Umstellung von Excel- auf PDF-Vorlagen und Auswahl einzelner Mitarbeitermonate steuern.
## Engagement und Wissensvermittlung ## Engagement und Wissensvermittlung
+21 -2
View File
@@ -192,6 +192,24 @@ Hinweis: 2D-UI wird in VR nicht angezeigt, nur 3D-Marker.
- eigene Beiträge zum Teamprojekt `info.ngo`, belegt durch Commits von Juli bis August 2019; - eigene Beiträge zum Teamprojekt `info.ngo`, belegt durch Commits von Juli bis August 2019;
- CARLA-VR, belegt durch eigene Commits von Dezember 2021 bis Februar 2022. - CARLA-VR, belegt durch eigene Commits von Dezember 2021 bis Februar 2022.
### Streamlit (AI only)
- Komplexität: Lokale Verwaltungsoberfläche mit zustandsabhängiger Validierung und individueller Auswahl von Personen und Berichtsmonaten.
- Einsatz in der KI-generierten Anwendung: Excel- und Vorlagenauswahl, Validierung bei Dateiauswahl, Mitarbeiterlisten, separate Monatsauswahl pro Person, Sitzungszustand und Anzeige erzeugter Dateien.
- Projekt: Tätigkeitsnachweis-Generator, dritte Iteration, Juni bis August 2026; eigener Schwerpunkt auf Spezifikation und Steuerung der Umsetzung.
### openpyxl (AI only)
- Komplexität: Konfigurationsgesteuerter Import monatlicher Mitarbeiterdaten aus Excel für die Dokumentengenerierung.
- Einsatz in der KI-generierten Anwendung: Monatsblätter anhand eines Namensmusters auswählen, Übersichtstabellen überspringen, Spalten über ein JSON-Schema zuordnen, Mitarbeiterdatensätze gruppieren und Pflichtfeldlücken melden.
- Projekt: Tätigkeitsnachweis-Generator, dritte Iteration, Juni bis August 2026; eigener Schwerpunkt auf Datenmodell, Feldzuordnung und Validierungsanforderungen.
### PyMuPDF (AI only)
- Komplexität: Befüllung mehrseitiger PDF-Vorlagen durch textbasierte Platzhalter statt Excel-Zelladressen.
- Einsatz in der KI-generierten Anwendung: `_Field`-Marker auf allen Vorlagenseiten finden, Positionen vorab erfassen, Marker entfernen und Daten einfügen; wiederholte Felder, Textumbrüche und einheitliche Schriftgröße; Zusammenführung der Monatsnachweise in eine PDF pro Person und Auslesen von PDF-Texten für E2E-Prüfungen.
- Projekt: Tätigkeitsnachweis-Generator, dritte Iteration, Juni bis August 2026; eigener Schwerpunkt auf Vorgaben für Vorlagenwechsel, Ausgabeformat und Ergebniskorrekturen.
### Django, Django ORM und Django CMS ### Django, Django ORM und Django CMS
- Komplexität: Vom schrittweisen Framework-Lernprojekt über einen CMS-Prototyp bis zu einer mehrschichtigen, datengetriebenen Webanwendung. - Komplexität: Vom schrittweisen Framework-Lernprojekt über einen CMS-Prototyp bis zu einer mehrschichtigen, datengetriebenen Webanwendung.
@@ -491,10 +509,11 @@ Hinweis: 2D-UI wird in VR nicht angezeigt, nur 3D-Marker.
### Context Engineering und spezifikationsgetriebene Entwicklung (SDD) ### Context Engineering und spezifikationsgetriebene Entwicklung (SDD)
- Komplexität: Steuerung einer überwiegend KI-generierten Anwendung durch persistente, fachlich konkrete Spezifikationen und Arbeitsregeln. - Komplexität: Steuerung vollständig KI-generierter Anwendungen durch persistente, fachlich konkrete Spezifikationen und Arbeitsregeln.
- Einsatz: Projektkontext, Modulgrenzen und Datenfluss in Copilot-Instructions dokumentieren; Anwendungsmasterplan mit Excel-Struktur, PDF-Feldzuordnungen, Status- und Berechnungsregeln sowie Validierungskriterien formulieren; dateibezogene Anweisungen über `applyTo` zuordnen; Planung vor Implementierung, Aufgabenzerlegung und sequenzielle Bearbeitung vorgeben. - Einsatz: Projektkontext, Modulgrenzen und Datenfluss in Copilot-Instructions dokumentieren; Anwendungsmasterplan mit Excel-Struktur, PDF-Feldzuordnungen, Status- und Berechnungsregeln sowie Validierungskriterien formulieren; dateibezogene Anweisungen über `applyTo` zuordnen; Planung vor Implementierung, Aufgabenzerlegung und sequenzielle Bearbeitung vorgeben.
- Qualitätssteuerung: Tests der Fachlogik, Eingabevalidierung und prüfbare Vorschauen als Anforderungen verankern; GUI-Erweiterung und Windows-Auslieferung separat planen. Abgleich von Spezifikation und tatsächlichem Ergebnis bleibt erforderlich. - Qualitätssteuerung: Tests der Fachlogik, Eingabevalidierung und prüfbare Vorschauen als Anforderungen verankern; GUI-Erweiterung und Windows-Auslieferung separat planen. Abgleich von Spezifikation und tatsächlichem Ergebnis bleibt erforderlich.
- Projekt: Anwesenheit PDF Generator (`SUFW/Anweisenheiten`), März bis Mai 2026. - Zusätzlicher Einsatz: Diffusen Verwaltungsauftrag durch Analyse realer Datenquellen und Vorlagen konkretisieren; offene Geschäftsregeln als Klärungsfragen festhalten; mehrere Neuentwürfe zur Eingrenzung des Funktionsumfangs nutzen; Datenbasis vereinfachen und eine Excel-zu-PDF-Migration in überprüfbare Teilaufgaben zerlegen.
- Projekte: Anwesenheit PDF Generator (`SUFW/Anweisenheiten`), März bis Mai 2026; Tätigkeitsnachweis-Generator (`SUFW/Tätigkeitsnachweise/3_Tätigkeitsnachweise-generieren`) einschließlich Vorgängeriteration, April bis August 2026.
### DeepSeek 4 pro und Copilot Chat in Visual Studio Code ### DeepSeek 4 pro und Copilot Chat in Visual Studio Code