Phase 0: Fundament der Feuerwehr-Verwaltungsplattform

Legt den kompletten Unterbau an, auf dem die Fachmodule aufsetzen.

Betrieb:
- docker-compose.yml mit Traefik, App, Worker, PostgreSQL 17 + PostGIS,
  Redis, MinIO und Gotenberg; Entwicklungs-Override ohne Traefik, dafuer
  mit Mailpit und Adminer
- Mehrstufiges Dockerfile: eigener Benutzer, tini als PID 1, Healthcheck
- .env.example mit einem Kommentar zu jeder Variable

Mandantentrennung:
- Row Level Security auf allen mandantenpflichtigen Tabellen
- Zwei getrennte Datenbankverbindungen: florian_app mit aktiver RLS fuer
  die Anwendung, Eigentuemer-Zugang nur fuer Migration, Seed und Anmeldung
- fuerOrganisation() als einziger Weg zu Fachdaten

Nachvollziehbarkeit:
- AuditLog append-only per Trigger; UPDATE ist dauerhaft gesperrt, DELETE
  nur im gekennzeichneten Aufbewahrungslauf
- Geheimnisse werden vor dem Schreiben entfernt

Anmeldung:
- OIDC gegen ein extern betriebenes authentik, Rollen aus Gruppen nur als
  Vorbelegung beim ersten Login
- Lokaler E-Mail/Passwort-Login als Rueckfallweg
- Terminal per PIN und RFID mit zwei Schranken (Geraet, dann Person)

Weiteres:
- lib/authz.ts mit 9 Rollen und 38 Einzelrechten
- lib/storage.ts (MinIO), lib/audit.ts, lib/warteschlange.ts (BullMQ)
- Integrationen fuer Mail, Telegram und LLM hinter abschaltbaren Interfaces
- tRPC v11, Basis-Layout mit Seitenleiste und dunkler Darstellung
- Seed mit einer Beispielwehr: 16 Personen, 3 Fahrzeuge, 40 Geraete
- 32 Vitest-Tests (davon 8 gegen eine echte Datenbank), 10 Playwright-Tests
- README, Anleitung mit Screenshots, Roadmap, Aufwandsschaetzung, Devlog,
  Versionierungsregeln und Changelog

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

Phase-8.md

@@ -0,0 +1,16 @@
+Phase 8: Lokale KI-Funktionen. Alles gegen Ollama, keine externen Anbieter.
+
+- lib/ai/ mit OpenAI-kompatiblem Client, Modell und Endpunkt konfigurierbar,
+  komplett abschaltbar per Feature-Flag
+- Diktat: Audioaufnahme im Browser → faster-whisper Container → Transkript
+  in das Einsatzberichtsfeld
+- Berichtsassistent: aus Stichpunkten, Zeitstempeln, eingesetzten Fahrzeugen
+  und Materialverbrauch einen strukturierten Einsatzberichtsentwurf erzeugen.
+  Ausgabe immer als Vorschlag mit Übernehmen/Verwerfen, nie automatisch speichern.
+- Wiki mit pgvector: Dienstvorschriften und Ausbildungsunterlagen als
+  Markdown, semantische Suche, RAG-Antwort mit Quellenangabe der Wiki-Seite
+- Belegerfassung: Foto einer Quittung → Vision-Modell → Vorschlag für
+  Betrag, Datum, Händler, Kategorie. Immer manuell bestätigen.
+
+Jede KI-Ausgabe ist als solche gekennzeichnet und muss bestätigt werden,
+bevor sie in ein Dokument mit Nachweischarakter gelangt.