# 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).