🏛️ Datenarchitektur — boethlingk

Dieses Dokument beschreibt die Verzeichnisstruktur, das Drei-Layer-Datenmodell und die Verarbeitungspipelines der Referenz-Fallstudie boethlingk.

1. Projekt- und Verzeichnisstruktur

boethlingk/
├── data/
│   ├── ashtadhyayi_complete_boethlingk1887.json  # Kanonischer Master-Datensatz (Single Source of Truth, 3.997 Sūtras)
│   ├── ashtadhyayi_grouped_edition.json          # Für den Typst-Buchsatz vorformatierte Edition
│   ├── sutras.json                              # Kanonische Aṣṭādhyāyī-Referenzdatenbank
│   ├── shiva_sutras.json                        # 14 Śiva-Sūtras Referenz
│   ├── corrigenda.json                          # 50 Corrigenda-Einträge der Seiten 477–478
│   ├── mistral/                                 # 478 Seiten Mistral OCR Markdown (*.md) & Geometrie (*.json)
│   ├── tei/                                     # TEI-P5 XML-Master (boehtlingk1887_p5.xml)
│   ├── img_cache/                               # Lokaler Cache der 484 Heidelberger IIIF-Originalscans
│   └── output/                                  # Generierte Zielartefakte (Sandwich-PDF, Typst-PDF, EPUB)
│
├── docs/                                        # Zweisprachige MkDocs-Dokumentation
│   ├── de/                                      # Deutsche Dokumentation (Default)
│   └── en/                                      # Englische Dokumentation
│
├── schemas/                                     # RelaxNG Schema-Definitionen (tei_all.rng)
├── scripts/                                     # Editions- & Build-Skripte (Böhtlingk-Delta)
│   ├── download_scans.py                        # Batch-Download der IIIF-Scans von UB Heidelberg
│   ├── align_mistral_sutras.py                  # Kanonisches Alignment & Fuzzy Matching (8 Adhyāyas)
│   ├── build_typeset_edition.py                 # Typst-Vektorbuchsatz-Compiler (inkl. PDF-Post-Processing)
│   ├── boethlingk1887_edition.typ               # Typst-Buchsatzschablone (Scholarly Synthesis)
│   ├── generate_tei_p5.py                       # TEI-P5 XML-Generator & RelaxNG-Validator
│   └── export_epub.py                           # Reflowable EPUB 3 E-Book Generator
│
├── viewer.html                                  # Autarker QA-Viewer (Payer Global Web Editor Standard)
├── viewer_screenshot.png                        # Benutzeroberflächen-Demonstration
└── mkdocs.yml                                   # Konfiguration der Dokumentationsseite

2. Das Drei-Layer-Datenmodell

Layer 1 — Faksimile-Bildbasis
  Quelle:   IIIF Image API, Universitätsbibliothek Heidelberg
  URL:      https://digi.ub.uni-heidelberg.de/iiif/3/boehtlingk1887%3ANNNNNNNNN.jpg/...
  Ablage:   data/img_cache/ (lokaler Cache zur schnellen Verarbeitung)
  Zweck:    Visuelle Hintergrundschicht im 1:1 Sandwich-PDF und Bildverankerung im TEI (<pb facs="..."/>)

Layer 2 — Multimodale KI-OCR & Layoutgeometrie
  Quelle:   Mistral OCR (Modell: mistral-ocr-latest)
  Ablage:   data/mistral/*.mistral.json & *.mistral.md
  Inhalt:   Wort-Bounding-Boxes mit DPI-Abmessungen, Hierarchien und semantisches Markdown
  Qualität: Vollständige Erkennung historischer Dreischriftigkeit (Devanāgarī, deutsche Antiqua, IAST)

Layer 3 — Kanonische Master-JSON & TEI-P5-XML-Edition
  Ablage:   data/ashtadhyayi_complete_boethlingk1887.json & data/tei/boehtlingk1887_p5.xml
  Inhalt:   Strukturierte Sūtra-Objekte mit kanonischer Devanāgarī, IAST, deutscher Übersetzung und Kommentar
  Status:   100,0 % lückenlos (3.997 Sūtras) und 100 % valide gegen TEI All RelaxNG

3. Schnittstelle zur Hauptpipeline & Verarbeitungsstufen

Die Datenverarbeitung ist strikt zwischen der vorgeschalteten Hauptpipeline (AlexandriaSandwich) und dem Editions-Satelliten aufgeteilt:

┌────────────────────────────────────────────────────────────┐
│ ALEXANDRIASANDWICH (VORGESCHALTETE HAUPTPIPELINE)          │
│ • IIIF-Ingestion & lokales Image Caching (data/img_cache/) │
│ • Falz- und Randbereinigung (#f0e8d6)                      │
│ • Multimodale KI-OCR via Mistral AI (data/mistral/)        │
│ • Bounding-Boxen & unstrukturierte Layout-Geometrie        │
└─────────────────────────────┬──────────────────────────────┘
                              │ Übergabe von Layer 1 & 2
                              ▼
┌────────────────────────────────────────────────────────────┐
│ BOETHLINGK (PHILOLOGISCHE EDITIONS-PIPELINE)               │
│ • Stufe 1: Kanonische Statusmaschine (scripts/align_...)   │
│ • Stufe 2: Master-JSON (ashtadhyayi_complete_...json)      │
│ • Stufe 3: Adaptive volumetrische Typografie & 1:1-Neusatz │
│ • Stufe 4: TEI-P5-XML & EPUB 3 Serialisierung              │
│ • Stufe 5: Visuelle Kuration via QA-Viewer (viewer.html)   │
└────────────────────────────────────────────────────────────┘

4. Kennzahlen des Datenbestands

Metrik	Wert	Bemerkung
Erfasste Buchseiten	478 Seiten	S. 1 (Śiva-Sūtras), S. 2–476 (Aṣṭādhyāyī), S. 477–478 (Nachträge)
Gesamte Sūtra-Zahl	3.997 Sūtras	14 Śiva-Sūtras + 3.983 Aṣṭādhyāyī-Sūtras (100,0 % lückenlos)
Duplikate / Fehlstellen	0 / 0	Vollständig abgeglichen gegen kanonischen Sūtrapāṭha
Sandwich-PDF Textblöcke	14.267 Blöcke	Pixelgenaue unsichtbare Vektor-Textebene (PDF Render Mode 3)
1:1 Faksimile-Neusatz	484 Seiten	Strikte 1:1-Seitenparität zu Leipzig 1887 (0 Überläufe)
Fließende Buchausgabe	512 Seiten	Modernisierter Lesesatz im ISO B5-Format
TEI-Validierung	0 Fehler	100 % schema-konform gegen RelaxNG (`tei_all.rng`)