digiscan-ng

Dokumenten-Scan-Pipeline mit Blind-Double-Entry-Indexierung.

Scanner-PC (Linux)          Server
scanimage (SANE)            SvelteKit + PostgreSQL
ocrmypdf (lokal, alle CPUs) Python Worker (OCR, Export)
PDF upload ──────────────►  Indexierung (2× blind)
                            Konflikt-Auflösung (Merger)
                            Export: PDF + CSV

Stack

Komponente	Technologie
Frontend + API	SvelteKit (Node, Port 3000)
OCR-Worker	Python FastAPI + ocrmypdf + pikepdf
Datenbank	PostgreSQL 16
Scanner-Agent	Python mit lokaler Web-UI (Port 8089)

Benutzerrollen

Rolle	Kann
indexer	Dokumente blind erfassen (1. und 2. Durchlauf)
merger	Konflikte auflösen — sieht beide Erfassungen
admin	Alles: Benutzer, Dokumenttypen, Export, Bereinigung

Standard-Login nach Erstinstallation: admin / changeme — sofort ändern!

Schnellstart (Server)

cp .env.example .env
# .env anpassen:
#   POSTGRES_PASSWORD   sicheres Passwort
#   AGENT_SECRET        32+ Zeichen, geheim
#   ORIGIN              https://scan.piriot.de

docker compose up -d

Caddy-Labels im Compose-File setzen den Host automatisch.

Scanner-Agent (Linux-Scanner-PC)

pip install -r agent/requirements.txt
# Systemabhängigkeiten:
apt install sane-utils ocrmypdf tesseract-ocr tesseract-ocr-deu img2pdf

# Agent starten — öffnet Browser-UI auf http://localhost:8089
python agent/agent.py \
  --server https://scan.piriot.de \
  --secret <AGENT_SECRET>

Die Agent-UI zeigt: Scanner-Auswahl, Dokumenttyp, DPI, Live-Seitenvorschau, Fortschritt und Link zur Indexierung nach Upload.

Als systemd-Service

cp agent/digiscan-agent.service /etc/systemd/system/digiscan-agent.service
# Werte in der Unit-Datei anpassen (server, secret)
systemctl enable --now digiscan-agent

Workflow

Scan → Indexierung

1. Operator startet Scan über Agent-UI
2. Agent scannt ADF, führt OCR durch, lädt PDF hoch
3. Job erscheint im Dashboard mit Live-Status
4. Zwei Indexierer erfassen dasselbe Dokument blind (unabhängig voneinander)
5. System vergleicht: stimmt alles → auto_approved, sonst → conflict
6. Konflikte gehen in die Merger-Queue (/merge)
7. Nach Freigabe aller Dokumente: Admin exportiert → PDF + CSV

Dokument-Status-Flow

pending → ocr_done → entry_1_done ──→ auto_approved ──→ exported
                           └──────→ conflict ──→ merged ──┘

Aufbewahrungsregeln

Pro Dokumenttyp konfigurierbar unter /admin/doctypes.

• Standard: Jobs bleiben dauerhaft erhalten
• Opt-in: Löschfrist nach Export (z.B. 90 Tage)
• Cleanup unter /admin/cleanup: immer manuell mit Bestätigung
• Exportierte PDFs bleiben beim Cleanup erhalten

Umgebungsvariablen

Variable	Beschreibung	Beispiel
POSTGRES_PASSWORD	DB-Passwort	sicher123
AGENT_SECRET	Shared secret für Scanner-Agent	32-zeichen-geheim
ORIGIN	Öffentliche URL der App	https://scan.piriot.de
UPLOAD_DIR	Eingehende Scandateien	/data/incoming
EXPORT_DIR	Exportierte PDFs + CSV	/data/export
WORKER_URL	Interner Worker-URL	http://worker:8000

Entwicklung

cd apps/web
npm install
npm run dev     # Port 3000

cd services/worker
pip install -r requirements.txt
uvicorn main:app --reload --port 8000