SRC-10: spracherkennung-ocr-qualitaetsbewertung

Spracherkennung für OCR-Texte und Qualitätsbewertung (Konfidenzwert), um
schlechte OCR-Ergebnisse kenntlich zu machen. Letztes Ticket vor QA-03.

- ocr/language.go: RecognizeWithLanguageAndConfidence erkennt ein Bild
  einzeln je Kandidatensprache (deu/eng) im Tesseract-TSV-Modus — die
  Sprache mit höherem Konfidenzwert gewinnt, derselbe Lauf liefert den
  Konfidenzwert direkt mit.
- search: neue Felder ocr_language/ocr_confidence (Migrationen 0006/0007,
  gleiches ALTER-Muster wie SRC-05), in Document/Result gespiegelt.
  Client.AttachmentsBelowConfidence filtert gezielt auf niedrige
  Konfidenz, schließt Dokumente ohne OCR-Anhang aus.
- Regressionsbug gefunden und behoben: reindex.go (SRC-09) kannte die
  neuen OCR-Spalten nicht, Reindex wäre mit "unknown column"
  fehlgeschlagen.

Prüfungen (alle real durchgeführt, siehe mail/docs/SRC-10-PRUEFPROTOKOLL.md):
1. TestRecognizeWithLanguageAndConfidence_MultilingualCorpus: deutsches
   und englisches Testbild real korrekt als deu/eng erkannt.
2. TestRecognizeWithLanguageAndConfidence_DegradedImageLowersConfidence:
   künstliche Verschlechterung senkt Konfidenz real von 91,76 auf 28,21.
3. TestAttachmentsBelowConfidence_QueryReturnsExpectedResults: Abfrage
   unterhalb Schwelle liefert real genau die erwarteten 2 von 4 Treffern.

Kein Umbau: Search/Facets/SearchWithFilters/Index/Delete-Verhalten sonst
unverändert, dedup/indexworker/storage/crypto/encstorage/savedsearch
unverändert.

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01HhgFcLS8tYMhDJpP74C6AQ

mail/docs/SRC-10-PRUEFPROTOKOLL.md

@@ -0,0 +1,57 @@
+# SRC-10 – Prüfprotokoll: Spracherkennung & OCR-Qualitätsbewertung
+
+Voraussetzung SRC-07 (Fertig).
+
+## Umsetzung
+
+- `mail/internal/ocr/language.go` — `RecognizeWithLanguageAndConfidence`:
+  Tesseract erkennt bei kombinierten Sprachpaketen (`deu+eng`) nicht,
+  WELCHE Sprache vorlag — daher wird das Bild bewusst EINZELN mit jedem
+  Kandidaten (`deu`, `eng`) im TSV-Ausgabemodus erkannt; die Sprache mit
+  dem höheren durchschnittlichen Worterkennungs-Konfidenzwert gewinnt
+  (Akzeptanzkriterium 1). Derselbe Tesseract-TSV-Lauf liefert den
+  Konfidenzwert direkt mit (Akzeptanzkriterium 2, 0–100, Mittelwert über
+  alle erkannten Wörter) — keine zweite externe Bibliothek nötig.
+- `mail/internal/search`: neue Felder `ocr_language`/`ocr_confidence`
+  (Migrationen 0006/0007, gleiches ALTER-Muster wie SRC-05), in
+  `Document`/`Result` gespiegelt (Akzeptanzkriterium 1: für Anzeige
+  nutzbar). Neue Methode `Client.AttachmentsBelowConfidence(ctx,
+  tenantSlug, threshold)` (Akzeptanzkriterium 3: gezielt für manuelle
+  Nachbearbeitung auffindbar) — filtert `ocr_confidence < threshold`,
+  schließt Dokumente ohne OCR-Anhang (`ocr_confidence` bleibt 0) explizit
+  aus.
+- Echten Regressionsbug beim eigenen Testlauf gefunden und behoben:
+  `reindex.go`s `buildCreateTableSQL` (SRC-09) kannte die neuen
+  OCR-Spalten nicht — ein Reindex nach dieser Kachel wäre mit "unknown
+  column" fehlgeschlagen. Jetzt ergänzt, mit Wartungshinweis im
+  Quelltext für künftige Schema-Erweiterungen.
+- Kein Umbau: `Search`/`Facets`/`SearchWithFilters`/`Index`/`Delete`-
+  Verhalten sonst unverändert, `mail/internal/dedup`/`indexworker`/
+  `storage`/`crypto`/`encstorage`/`savedsearch` unverändert.
+
+## Prüfungen
+
+| # | Prüfung | Ergebnis |
+|---|---|---|
+| 1 | Test mit mehrsprachigem Testkorpus bestätigt korrekte Spracherkennung | **bestanden** – `TestRecognizeWithLanguageAndConfidence_MultilingualCorpus`: reales deutsches Testbild ("Rechnung ueber Lieferung...") real als `deu` erkannt, reales englisches Testbild ("Invoice for delivery...") real als `eng` erkannt |
+| 2 | Test: künstlich verschlechtertes Bild erzeugt niedrigeren Konfidenzwert | **bestanden** – `TestRecognizeWithLanguageAndConfidence_DegradedImageLowersConfidence`: reproduzierbare Pixelierung + Kontrastreduktion (reiner Go-Standardbibliothekscode, kein externes Werkzeug) senkt den real gemessenen Konfidenzwert von 91,76 auf 28,21 |
+| 3 | Abfrage aller Anhänge unterhalb einer Konfidenzschwelle liefert erwartete Treffer | **bestanden** – `TestAttachmentsBelowConfidence_QueryReturnsExpectedResults`: 4 Dokumente (2 niedrig-, 1 hoch-konfident, 1 ohne OCR-Anhang), Abfrage mit Schwelle 50 liefert real genau die 2 niedrig-konfidenten, weder den hoch-konfidenten noch den ohne OCR-Anhang |
+
+## Build/Test-Ergebnis (192.168.1.131)
+
+```
+go build ./...  -> clean
+go vet ./...    -> clean
+golangci-lint run ./...  -> 0 issues
+go test ./internal/ocr/... -v -run 'Language|Degraded'  -> 2/2 bestanden
+TEST_TENANT_DSN=... TEST_MANTICORE_URL=... go test ./... -p 1
+  -> alle Pakete bestanden (Regressionsbug in reindex.go vor diesem
+  Protokoll gefunden und behoben, danach vollständig grün)
+```
+
+## Gesamtergebnis
+
+**Bestanden.** Alle drei Akzeptanzkriterien und alle drei Pflichtprüfungen
+real erfüllt. Entsperrt QA-03 (gemeinsam mit ARC-08, SRC-02, SRC-04,
+SRC-05, SRC-08, SRC-09 — alle jetzt Fertig, letzte fehlende
+Abhängigkeit).