Berichterstellungs-Flow

Vom ersten Stichpunkt zum exportierten PDF. Diese Seite folgt dem gleichen Pfad, den die App durchläuft, und referenziert die jeweiligen Code-Stellen.

Übersicht

┌────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│ Stichpunkte    │ →  │ Pseudonymisierung│ →  │ Review-Vorschau │
│ + Vorbericht   │    │ (lokal)          │    │ + Bestätigung   │
└────────────────┘    └──────────────────┘    └────────┬────────┘
                                                       │
                                                       ▼
┌────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│ PDF-Export     │ ←  │ Quality-Check    │ ←  │ LLM-API-Aufruf  │
│ oder TXT/Copy  │    │ + Rekonstruktion │    │ (pseudonymisiert)│
└────────────────┘    └──────────────────┘    └─────────────────┘

Schritt 1 — Erfassung im Editor

lib/features/report_editor/report_editor_screen.dart

Die Datenstruktur ist der ReportDraft:

class ReportDraft {
  String id;
  ReportType type;           // informationsbericht (BRP wurde entfernt)
  List<ReportModule> modules; // dynamische Bausteine
  String previousReport;     // optional: Vorbericht
  String referenceReport;    // optional: Stilreferenz
  FlsData? fls;              // optional: Funktionsleistungseinschätzung
  IcfDomain? primaryDomain;  // optional: ICF-Hauptdomäne
  String generatedText;      // gefüllt nach Generierung
  DateTime updatedAt;
}

Drafts werden in DraftStorage (verschlüsselte Hive-Box) persistiert, damit ein Strom-Ausfall oder Bug nicht zum Datenverlust führt. Speicherung erfolgt automatisch bei jedem setState mit Debounce ~500 ms.

Module

Module sind wiederverwendbare Bausteine pro Berichtstyp:

Modul	Verwendung
personalData	Name, Geburtsdatum, Aktenzeichen — wird voll pseudonymisiert
lebenssituation	Frei-Text mit Stichpunkten zur aktuellen Lebenslage
diagnostik	ICD-10-Codes, Diagnosenarrativ
ressourcen	Stärken, soziale Anbindung
bedarf	Hilfebedarf je ICF-Domäne
ziele	SMART-Ziele
massnahmen	Konkrete Maßnahmen + Anbieter
prognose	Risikoeinschätzung

Welche Module Pflicht sind, hängt vom ReportType und vom verwendeten ReportTemplate ab.

Templates

TemplateStorage speichert Träger-spezifische oder fachkraft-spezifische Templates. Ein Template ist eine Sammlung von Modul-Stubs mit Default-Inhalten. Beim Anlegen eines neuen Berichts wählt die Fachkraft ein Template — oder beginnt leer.

PDF-Import

pdf_import_service.dart kann einen alten PDF-Bericht parsen und die extrahierten Module als Stub in den neuen Draft laden. Das ist nützlich, wenn die Fachkraft einen Fortschreibungsbericht erstellt.

Schritt 2 — Pseudonymisierung

lib/features/report_editor/generate_screen.dart ist die zentrale Drehscheibe. Beim Wechsel in den Generate-Screen wird automatisch eine einzige PseudonymEngine-Instanz erzeugt — damit über Notizen, Vorbericht und Referenzbericht hinweg dieselben Platzhalter-Nummern vergeben werden.

_engine = PseudonymEngine();
_engine!.loadUserDictionary(dictionary);

// Referenz-Bericht zuerst (eigene Mappings, dann …
final refResult = _engine!.pseudonymize(draft.referenceReport);

// Vorbericht — gleiche Namen erhalten gleiche Platzhalter)
final prevResult = _engine!.pseudonymize(draft.previousReport,
                                          keepMappings: true);

// Aktuelle Notizen — bauen weiter auf die gleichen Mappings auf
_pseudonymResult = _engine!.pseudonymize(draft.allNotesAsText,
                                          keepMappings: true);

Schritt 3 — Review-Vorschau

Die Fachkraft sieht:

• Chips mit Anzahl Ersetzungen und Warnungen
• Pseudonymisierungs-Warnings in oranger Box mit Liste
• Highlighted Text der Notizen — jede Ersetzung farblich markiert mit Kategorie-Icon
• Vorbericht roh-pseudonymisiert
• Eine Pflicht-Checkbox für die Bestätigung
• Bei Warnungen: zusätzliche Pflicht-Checkbox für das Eingeständnis des Restrisikos
• Eine 5-sekündige Wartezeit, bevor die Bestätigung überhaupt aktiv ist

Code: _buildReviewStep in generate_screen.dart.

Schritt 4 — LLM-Aufruf

_generate() wird erst aktiv, wenn _canGenerate == true. Dann:

1. Signature-Check: Datenschutzerklärung gültig signiert?
2. API-Key-Check: Key für den ausgewählten Provider hinterlegt?
3. Adapter aus llmAdapterProvider ziehen
4. ReportRequest zusammenbauen:
5. apiKey
6. model (aktuell ausgewähltes Modell)
7. reportType (entscheidet über System-Prompt)
8. pseudonymizedNotes, pseudonymizedPreviousReport, pseudonymizedReferenceReport
9. Non-Streaming adapter.generateReport(request) aufrufen.
10. Non-Streaming, damit die Token-Usage-Daten (Input/Output-Tokens, Kosten-Schätzung) zurückkommen.
11. Antwort durch _stripAiClosingText filtern — entfernt typische KI-Schlussfloskeln ("Wenn du möchtest …", "Soll ich noch …", "Bei Bedarf kann ich …", "Gerne kann ich …") aus den letzten Absätzen.

Schritt 5 — Rekonstruktion

Die Engine ersetzt die Platzhalter zurück durch Originale (siehe Pseudonymisierung § Rekonstruktion). Anschließend prüft eine F1-Validierung:

final remainingPlaceholders = RegExp(r'\[[A-Z]+_\d{3}\]');
if (remainingPlaceholders.hasMatch(finalText)) {
  _error = 'Rekonstruktion unvollständig: N Platzhalter konnten nicht '
           'aufgelöst werden ([XYZ_001], [ABC_004], …). '
           'Bericht NICHT exportieren!';
}

Mögliche Ursachen für ein Rekonstruktions-Fail:

1. Halluzination — das LLM hat einen Platzhalter erfunden, den die Mapping-Tabelle nicht kennt. Bei guten Modellen (Sonnet 4.6+) selten.
2. Engine-Bug — Platzhalter wurde im Pseudonymizing-Text nicht korrekt eingefügt. Sollte durch Tests gefangen werden.
3. Trunkierter Output — stop_reason == "max_tokens" und das LLM wurde mitten in einem Platzhalter abgeschnitten.

Schritt 6 — Quality-Check

QualityChecker.checkGeneratedText(text, reportType) läuft auf dem rekonstruierten Text und sucht nach typischen Schwachstellen je Berichtstyp:

Issue-Typ	Bedeutung
tooShort	Bericht hat zu wenige Worte für den Typ
missingSection	Erwartete Überschrift fehlt
vagueLanguage	"möglicherweise", "irgendwie", "ein bisschen" — fachlich zu unpräzise
redundantPhrase	"in Bezug auf" statt direkten Aussagen
placeholderArtifact	Platzhalter ist sichtbar geblieben

Die Issues werden im QualityPanel angezeigt — die Fachkraft kann sie ignorieren, korrigieren oder den Bericht neu generieren.

Schritt 7 — Export

Format	Implementierung	Verwendungszweck
PDF (frei)	pdf_generator.dart	Eigener Header, alphanumerische Bericht-ID, druckfertig
PDF (Formular)	form_filler_service.dart	Berliner Standard-Vorlagen — Informationsbericht 1.01 (assets/templates/informationsbericht_101.pdf) und MdB-Ges 1.00 (mdb-ges_100_11_v12sp.pdf) — werden mit syncfusion_flutter_pdf Form-gefüllt
TXT	_exportAsTxt in generate_screen.dart	Roh-Text, kann in Word/LibreOffice nachbearbeitet werden
Clipboard	Clipboard.setData	Schnelles Einfügen in andere Tools

Schritt 8 — Audit-Log

Nach jeder Generierung schreibt die App einen Audit-Eintrag:

ref.read(auditLogProvider).log(AuditEvent.reportGenerated(
  mappingCount: pseudonymResult.totalReplacements,
  model: response.model,
  reportType: reportType.name,
  inputTokens: response.inputTokens,
  outputTokens: response.outputTokens,
  costUsd: response.costUsd,
));

Damit ist nachvollziehbar, welcher Berichtstyp wann mit welchem Modell zu welchen Kosten generiert wurde — ohne dass irgendwelche Berichtsinhalte oder Personendaten ins Audit-Log gelangen.

Fehlerpfade

┌──── pseudonymize ──── error: keine Notizen ──┐
│                                              │
│  setState(_error = "..."); _step = review    │
└──────────────────────────────────────────────┘

┌──── generate ─────── error: 401 Unauthorized ─┐
│                                                │
│  parse DioException → "API-Fehler: ${msg}"     │
└────────────────────────────────────────────────┘

┌──── reconstruct ──── error: unaufgelöste Platzhalter ─┐
│                                                        │
│  setState(_error = "Bericht NICHT exportieren!");      │
│  Export-Buttons bleiben deaktiviert                    │
└────────────────────────────────────────────────────────┘

Sequenz-Diagramm

User    GenerateScreen   Engine   Adapter   LLM        AuditLog
 │             │           │         │        │           │
 │ click       │           │         │        │           │
 │ "Generate"  │           │         │        │           │
 │ ─────────►  │           │         │        │           │
 │             │ pseudonymize()      │        │           │
 │             │ ────────► │         │        │           │
 │             │ ◄──────── │         │        │           │
 │             │  result   │         │        │           │
 │  show preview           │         │        │           │
 │ ◄─────────  │           │         │        │           │
 │             │           │         │        │           │
 │ confirm     │           │         │        │           │
 │ ─────────►  │           │         │        │           │
 │             │ generateReport()    │        │           │
 │             │ ──────────────────► │        │           │
 │             │           │         │ POST   │           │
 │             │           │         │ ─────► │           │
 │             │           │         │ ◄───── │           │
 │             │           │         │ response           │
 │             │ ◄────────────────── │        │           │
 │             │ reconstruct()       │        │           │
 │             │ ────────► │         │        │           │
 │             │ ◄──────── │         │        │           │
 │             │ log()                                    │
 │             │ ───────────────────────────────────────► │
 │  show result                                           │
 │ ◄─────────  │                                          │
 │             │                                          │