DemoDMS: Ein intelligentes, agentenbasiertes Dokumentenmanagementsystem

Dieses Projekt ist ein hochmodernes, intelligentes Dokumentenmanagementsystem (DMS), welches als digitaler, autonomer Aktenschrank fungiert. Es wurde unter Einsatz fortschrittlichster KI-Technologien und einem virtuellen Team aus 4 spezialisierten KI-Agenten entwickelt.

🚀 Architektur & Tech-Stack

Die Architektur demonstriert sichere Enterprise-Datenhaltung gepaart mit modernster Retrieval-Augmented Generation (RAG) – ohne Halluzinationsrisiko.

• Backend: Java Spring Boot 3
• Datenbank & Vektor-Suche: PostgreSQL 16 mit pgvector
• Sicherheit: Stateless JWT-Authentifizierung & striktes ACL-Rechtesystem (Access Control Lists) nach Enterprise-DMS-Vorbild.
• KI & LLM: Spring AI (RAG Pipeline) angebunden an OpenRouter (z.B. Gemini 2.0 Flash)
• Frontend (UI): Eigenes serverseitiges, WebSocket-basiertes "Aguila"-Framework (Ultra-Lightweight, < 5KB JavaScript)

🤖 Das virtuelle Entwicklerteam

Das Projekt wurde in 4 Stufen von spezialisierten KI-Agenten aufgebaut:

1. @Architect-Agent: Systemarchitektur, PostgreSQL Datenbankdesign, striktes ACL-Management & GoBD-Konformität.
2. @Backend-Agent: REST-API, Document-Handling (Upload, Versionierung), WebDAV.
3. @Frontend-Agent: Aufbau des event-basierten UI-Frameworks (Aguila) mit serverseitigem State-Management.
4. @AI-Orchestrator: LLM-Anbindung, Zero-Hallucination RAG-Pipeline, autonome Hot-Folder Verarbeitung.

🌟 Kernfunktionen

• Revisionssichere Dokumentenverwaltung: Zentraler Storage mit strikten Hierarchie-basierten Berechtigungen.
• Zero-Hallucination RAG: Die KI kann nur auf Dokumente zugreifen, für die der angemeldete Benutzer laut ACL explizite Leserechte besitzt.
• Autonome Hot-Folder Agenten:
  • Dokumente (PDFs, Texte) werden in einen überwachten Ordner (Hot-Folder) gelegt.
  • Ein Agent extrahiert automatisch via LLM Metadaten (z.B. Dokumententyp, Betrag).
  • Eine dynamische Rule-Engine klassifiziert das Dokument anhand der extrahierten Daten und verschiebt es vollautomatisch in die korrekten DMS-Ordner inklusive korrekter Rechtevergabe.
• Eingebauter Regel-Editor: Komfortables UI im Browser, um Klassifizierungsregeln für die KI zu definieren (z.B. WENN dokumenten_typ == Rechnung DANN Ordner: Rechnungen).

🛠 Entwicklung & Setup

Hinweis: Dieses Projekt dient als Proof-of-Concept für extreme KI-Entwicklungsgeschwindigkeit und sichere Enterprise-Architekturen.

1. PostgreSQL via Docker starten: docker-compose up -d
2. Backend kompilieren & starten: mvn spring-boot:run
3. Das Web-UI ist unter http://localhost:8081 erreichbar (Login: admin / admin123).

---

Entwickelt als persönliches Showcase-Projekt von Thomas Nickel.