Files
Vorrania/docs/ROADMAP.md
Scarriffle 84ce596446 Modulare Startseite: Kartenraster, eigene Anordnung je Benutzer, Auswertungen
Die Uebersicht war fest verdrahtet und fuer alle gleich. Jetzt besteht sie aus
Karten in einem 12-Spalten-Raster, die sich ziehen, in der Groesse aendern und
einrasten lassen (react-grid-layout). "Anordnen" schaltet das frei, gespeichert
wird ausdruecklich - Probieren bleibt folgenlos.

Anordnung:
- Neue Tabelle dashboard_layouts; user_id = NULL ist die Admin-Vorgabe.
- Jeder Benutzer hat seine eigene Anordnung. Admins speichern eine Vorgabe fuer
  alle und koennen sie ueber die Einstellung dashboard_enforced verbindlich
  machen; dann lehnt das Backend das Speichern eigener Anordnungen ab.
- "Auf Vorgabe zuruecksetzen" verwirft die persoenliche Anordnung.

15 Karten (Verzeichnis web/src/dashboard/cards.jsx, neue Karte = ein Eintrag):
Schnellzugriff, Status, Artikelzahl, Artikeleinheiten, Bald ablaufend,
Abgelaufen, Einkaufsliste, letzte Bewegungen sowie sechs Auswertungen
(Ablauf-Ring, Kategorien-Ring, Kategorien nach Zustand, Bestandsverlauf,
Verlauf eines Artikels, Ein-/Auslagerungen).

Diagramme als eigene SVG-Komponenten statt Diagramm-Paket:
- Zustandsfarben (ok/bald/abgelaufen) sind Statusangaben aus den Tokens und
  stehen nie ohne Beschriftung; Kategorien nutzen eine gepruefte Farbreihe in
  fester Ordnung, ab sieben Kategorien wird zu "Andere" gebuendelt.
- Eine Werteachse, duenne Marken, zurueckhaltendes Gitter, Fadenkreuz mit
  Kurzinfo. Hell und Dunkel haben eigene Farbstufen.

Mengen durchgehend in Artikeleinheiten (Glaeser, Packungen, Stueck): Gramm und
Stueck lassen sich nicht addieren, Gebinde schon. Der bisher dreifach
vorhandene Helfer liegt jetzt einmal in services/conversion.py::article_unit.

Der Verlauf wird rueckwaerts vom heutigen Bestand aus den Bewegungen
rekonstruiert. Bekannte Ungenauigkeit, im Code und in der Roadmap vermerkt:
Die Umrechnung nutzt die heutige Packungsgroesse.

Geprueft: "npm run build" laeuft durch. Die neuen pytest-Tests
(backend/tests/test_dashboard.py) konnten hier nicht laufen - auf diesem
Rechner ist kein Python installiert.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
2026-07-23 09:48:16 +02:00

6.3 KiB
Raw Blame History

Project-Good Roadmap

Selfhostbare Lebensmittel-Lagerverwaltung. Aufbau in mehreren Schritten.

Schritt 1 Fundament

  • Backend (FastAPI + PostgreSQL): Datenmodell, Auth mit Rollen (Admin/Benutzer), Chargen mit MHD, FEFO-Auslagern, Open-Food-Facts-Lookup (v0-API) mit lokalem Fallback.
  • Web-UI (React/Vite): Login, Dashboard, Ein-/Auslagern, Produkte, Lagerorte, Benutzerverwaltung, Einkaufsliste.
  • Deployment: Docker Compose + install.sh (Docker-/curl-Autoinstall, Secrets, erster Admin, Health-Check), README.
  • Tests: pytest für FEFO, Einheiten-Umrechnung und OFF-Mengenerkennung.

Schritt 1b Ausbau Web-UI

  • Design: professionelles Layout mit Seitenleiste, eigenes SVG-Icon-Set (bewusst keine Emojis), Light-/Dark-Mode, konsistente Farbcodierung (gelb = Warnfrist, rot = abgelaufen).
  • Gruppen: Verwaltung, Zuordnung im Produkt, Gruppen-Mindestbestand mit Einheit, Auto-Zuordnungsvorschlag aus der OFF-Kategorie.
  • Einheiten (verwaltbar): eigene Tabelle mit Art (Anzahl/Gewicht/Volumen) und Umrechnungsfaktor. Eingebaut: Stück, Gramm, Kilogramm, Milliliter, Liter. Admins können weitere anlegen (z.B. Pfund = 500 g). Gilt für Produkte und Gruppen-Mindestbestände; Bestände werden intern in der kanonischen Basiseinheit (Stück/Gramm/Milliliter) gespeichert.
  • Einlagern: Drei-Wege-Barcode-Erkennung (bekannt / bei OFF gefunden → inline anlegen / unbekannt), mehrere Chargen je Vorgang mit eigenem MHD, Warnung bei bereits abgelaufenem MHD.
  • Auslagern: automatisch per FEFO oder gezielte Auswahl einer Charge/MHD, auch Teilmengen.
  • Chargen bearbeiten: Menge/MHD korrigieren und Chargen löschen (mit Protokollierung als Korrektur-Bewegung).
  • Lagerorte: beliebig tief verschachtelbar (Schrank → Fach → Kiste → …).
  • Mindestbestände: je Produkt wahlweise in der Produkteinheit oder in Packungen.
  • Verlauf: Bewegungsprotokoll (wer/was/wann), Einstellungen: Ablauf-Warnfrist.
  • Import / Export: CSV (eine Zeile je Charge, in Excel bearbeitbar) und JSON (vollständiges Backup inkl. Einheiten, Gruppen, Lagerorte). Der Import ist rein additiv unbekannte Produkte/Gruppen/Lagerorte werden angelegt, Chargen ergänzt, nichts gelöscht oder überschrieben.
  • Migration: schonendes Nachziehen neuer Spalten beim Start (ADD COLUMN IF NOT EXISTS), damit bestehende Installationen ihre Daten behalten.

Schritt 2 Native iOS-App (SwiftUI)

  • Login (Server-URL + Passwort, Token im Keychain), „angemeldet bleiben“ abwählbar.
  • Barcode-Scan (AVFoundation) mit Nahbereich-Autofokus, Licht und Tippen zum Scharfstellen.
  • Einlagern-Flow: scannen → Lookup/Vorbefüllung → Menge + Einheit + MHD (mehrere Chargen).
  • MHD per Texterkennung ablesbar (VisionKit); erkannte Daten werden vorgeschlagen, nie ungefragt übernommen.
  • Auslagern-Flow: scannen → Menge/Einheit, FEFO oder Chargenauswahl.
  • Einkaufsliste, „bald ablaufend“ und Produktliste mit Bearbeiten.
  • Home-Screen-Shortcuts und URL-Schema projectgood://checkin / checkout.
  • Anzeige folgt dem Datumsformat aus den Servereinstellungen.

Schritt 2b MHD-Genauigkeit und Benennung

  • MHD wahlweise nur mit Monat und Jahr. Gespeichert wird weiterhin ein echtes Datum (Monatsletzter), damit FEFO unverändert arbeitet; die Genauigkeit steht getrennt an Charge und Produkt. Export/Import bleiben verlustfrei.
  • Kategorien als eigene Ebene neben den Gruppen. Zuvor wurden beide Begriffe vermischt aus der Open-Food-Facts-Kategorie wurde sogar eine Gruppe geraten. Jetzt getrennt: Die Gruppe zählt Bestände mehrerer Marken zusammen (Mindestbestand, EAN-Codes), die Kategorie ordnet nur die Artikelliste und ist verschachtelbar (Süßwaren → Schokolade). Mitgelieferte Startliste, Vorschlag aus der OFF-Einordnung, Filter in App und Web.
  • EAN-Codes an der Gruppe werden automatisch gepflegt: Beim Zuordnen eines Artikels landet sein Code dort, beim Gruppenwechsel wandert er mit, beim Löschen verschwindet er. Vorher blieb die Codeliste einer Gruppe leer, obwohl Artikel darin lagen.
  • Eigenes Logo und Favicon je Installation (Einstellungen → Darstellung).

Schritt 2c Modulare Startseite mit Auswertungen

  • Raster statt fester Seite: Die Übersicht besteht aus Karten, die sich ziehen, in der Größe ändern und einrasten lassen (react-grid-layout, 12 Spalten). „Anordnen" schaltet das frei, gespeichert wird ausdrücklich.
  • Pro Benutzer eigene Anordnung (dashboard_layouts, user_id = NULL ist die Admin-Vorgabe). Admins speichern eine Vorgabe für alle und können sie über dashboard_enforced auch verbindlich setzen; Benutzer setzen jederzeit auf die Vorgabe zurück.
  • 15 Karten im Verzeichnis web/src/dashboard/cards.jsx: Schnellzugriff, Status, zwei Kennzahlen, Bald ablaufend, Abgelaufen, Einkaufsliste, letzte Bewegungen sowie sechs Auswertungen. Eine neue Karte ist ein Eintrag mehr.
  • Diagramme als eigene SVG-Komponenten (kein Diagramm-Paket): Ring, gestapelte Balken, Linie mit Fadenkreuz. Zustandsfarben (ok/bald/abgelaufen) sind Statusangaben aus den Tokens und stehen nie ohne Beschriftung; Kategorien nutzen eine geprüfte Farbreihe in fester Ordnung, ab sieben Kategorien wird zu „Andere" gebündelt. Hell und Dunkel haben eigene Stufen.
  • Alle Mengen in Artikeleinheiten (Gläser, Packungen, Stück). Gramm und Stück lassen sich nicht addieren Gebinde schon. Der Helfer dafür liegt jetzt einmal zentral in backend/app/services/conversion.py::article_unit.
  • Verlauf wird aus den Bewegungen rückwärts vom heutigen Bestand rekonstruiert. Bekannte Ungenauigkeit: Die Umrechnung nutzt die heutige Packungsgröße; wird sie später geändert, verschiebt sich auch die Historie.

Schritt 3 Weitere Ideen offen

  • Ablauf-Push-Benachrichtigungen via APNs (setzt die App voraus).
  • Einkaufsliste verfeinern: Abhaken dauerhaft speichern, manuelle Einträge, Mengenvorschläge in Packungen.
  • Statistik/Auswertung über den Bewegungsverlauf (Verbrauch pro Zeitraum).
  • Lagerort beim Auslagern berücksichtigen bzw. pro Charge wählbar beim Einlagern.
  • Produktbilder lokal cachen (aktuell direkt von Open Food Facts geladen).
  • Alembic-Migrationen statt create_all + Startup-ALTER, sobald das Schema stabil ist.