ProzessOS

KI-gesteuertes Betriebssystem für Unternehmensprozesse — modellieren, ausführen, mit verdienter Autonomie. Führt die erprobten Ideen aus workflow-engine (Reifegradmodell), sap-agent/process_modeling (Prozessmodelle, BPMN/n8n) und OrgMind (Audit-Chain, Genehmigungsketten) in einer sauberen, modernen Codebasis zusammen. Lokal-first (SQLite + optional Ollama), kein Cloud-Egress, DSGVO-bewusst. Sprache von Kommentaren, Commits und Doku ist Deutsch; Code-Identifier Englisch.

Invarianten — nicht brechen

1. LLM schlägt vor, Code entscheidet. Advisors (Regel oder Ollama) liefern nur Proposal-Objekte; Übergänge, Freigaben und Abbrüche entscheidet die deterministische Engine.
2. APPROVAL-Schritte warten immer auf einen Menschen — unabhängig von der Autonomie-Stufe. Die Kalibrierung schlägt für APPROVAL nie Automatisierung vor.
3. Autonomie wird verdient: AUTONOMOUS eskaliert unterhalb von CONFIDENCE_THRESHOLD hart an einen Menschen (Event ESCALATED); calibrate() liefert nur Vorschläge (max. ±1 Stufe), angewendet wird von Menschen — nie automatisch.
4. Jede Aktion landet in der Audit-Chain — SHA-256-hash-verkettete Events, verify_chain() erkennt jede nachträgliche Änderung; der Store hängt Events nur an, nie umschreiben.
5. Pydantic-Modelle in models.py sind der Vertrag. Änderungen dort zuerst.
6. Tuning zentral (engine.py/learning.py-Konstanten, config.py mit Präfix POS_) — keine Magic Numbers.
7. Kern bleibt dep-arm: nur pydantic. fastapi/uvicorn (.[api]) und httpx (.[llm]) werden lazy importiert; die Web-UI ist CDN-frei (vanilla JS).
8. API-Sicherheit: Ist POS_API_KEY gesetzt, verlangen alle Endpunkte außer /api/health den Header X-API-Key (compare_digest). serve bindet außerhalb von localhost nur mit gesetztem Key — nicht aufweichen.
9. api.py ohne from __future__ import annotations — FastAPI muss die lazy definierten Annotationen auflösen können.

Autonomie-Stufen (pro Prozessschritt einstellbar)

Stufe	Modus	Verhalten
1	Observer	protokolliert nur, Mensch handelt
2	Advisor	KI schlägt vor, Mensch führt aus
3	Semi-Auto	KI bereitet vor (STEP_EXECUTED), Mensch gibt frei
4	Autonomous	KI führt aus; Ausnahmen und niedrige Konfidenz eskalieren

DECISION-Schritte ohne registrierten Code-Handler gehen immer als Zweig-Auswahl an den Menschen — kein Handler, keine Automatik.

Commands

pip install -e ".[dev]"        # Kern braucht nur pydantic; dev = Toolchain + API
python demo.py                 # End-to-End ohne LLM
python -m pytest -q            # 31 Tests
prozessos templates            # 12 Prozess-Vorlagen (10 Branchen + 2 Mini)
prozessos export finance-invoice --format bpmn   # BPMN 2.0 / n8n-JSON
prozessos serve                # Web-UI + HTTP-API → http://127.0.0.1:8330
python scripts/import_sap_templates.py <sap-agent-pfad>   # Vorlagen regenerieren

Konfiguration via Env: POS_DB, POS_API_KEY, POS_HOST, POS_PORT. Optional lokales LLM: pip install -e ".[llm]" und Engine(advisor=OllamaAdvisor()).

Architektur (Datenfluss)

ProcessModel (Pydantic; aus Vorlage, sap-agent-JSON via interop, oder BPMN via bpmn.from_bpmn) → validate() → Engine.start() → advance(): pro Schritt holt die Engine ein Proposal vom Advisor, entscheidet dann selbst anhand von Schritt-Art, Autonomie-Stufe und Konfidenz-Schwelle → Handler (registrierter Code) führt aus → hash-verkettete RunEvents → WAITING_APPROVAL blockiert, bis approve() freigibt/ablehnt (bei DECISION mit Zweig-Auswahl) → SqliteStore persistiert Lauf + Modell (WAL, append-only Events) → learning.calibrate() wertet die Freigabe-Historie aus und schlägt Stufen-Anpassungen vor. Exporte: to_bpmn (Round-Trip-fähig via eigene XML-Attribute), to_n8n (direkt importierbares Workflow-JSON).

Die Web-UI (static/index.html, vanilla JS) zeigt Freigabe-Inbox, Vorlagen-Katalog (Start + BPMN/n8n-Download), Läufe, Audit-Chain mit Integritäts-Badge und die Kalibrierungs-Vorschläge.

Nach jeder Änderung

ruff format . && ruff check . && python -m mypy && python -m pytest -q

Roadmap

• Konverter: 10 Branchen-Vorlagen aus sap-agent/process_modeling (JSON-Import)
• BPMN 2.0 rein/raus + n8n-Export
• FastAPI-Service: Läufe starten, Freigabe-Inbox, Audit-Export
• Persistenz: SQLite (WAL) für Läufe + Events, append-only
• Advisor-Lernschleife: Freigabe-Historie → Kalibrierungs-Vorschläge
• Web-UI (vanilla JS, CDN-frei)
• Rollen/RBAC an der Freigabe (wer darf welche Lane freigeben)
• Ollama-Advisor produktiv kalibrieren (Konfidenz-Mapping je Modell)
• Prozess-Editor in der UI (Schritte/Zweige/Stufen bearbeiten)