# Detaillierte Analyse: Datenbankstruktur vs. Pydantic-Modelle

**Export-Datum:** 2026-01-19T20:12:28.176720Z  
**Export-Quelle:** Production Instance

## Zusammenfassung

Von 19 Tabellen haben alle ein entsprechendes Pydantic-Modell, aber es wurden Unterschiede gefunden. Die meisten Unterschiede sind erwartbar (z.B. ID-Felder mit `default_factory` sind im Modell optional, aber in der DB NOT NULL), aber es gibt einige wichtige Inkonsistenzen, die behoben werden sollten.

---

## Kritische Unterschiede (müssen behoben werden)

### 1. **UserInDB** (`datamodelUam.py`)

#### Felder nur in DB (fehlen im Modell):
- **`privilege`** (text, nullable)
  - **Problem:** Feld existiert in der Datenbank, aber nicht im Pydantic-Modell
  - **Empfehlung:** Entweder Feld zum Modell hinzufügen oder aus der DB entfernen

#### Typ-Mismatches:

1. **`roleLabels`**
   - **DB:** `jsonb` (dict) - nullable
   - **Modell:** `List[str]` - optional
   - **Problem:** Datenbank speichert JSONB (wird als dict interpretiert), Modell erwartet Liste von Strings
   - **Empfehlung:** Prüfen, wie die Daten tatsächlich gespeichert werden. Wenn es eine Liste ist, sollte der Typ in der DB korrekt sein. Wenn es ein dict ist, sollte das Modell angepasst werden.

2. **`resetTokenExpires`**
   - **DB:** `text` - nullable
   - **Modell:** `float` (UTC timestamp in seconds) - optional
   - **Problem:** Datenbank speichert als Text, Modell erwartet Float (Unix-Timestamp)
   - **Empfehlung:** DB-Typ sollte `double precision` (float8) sein, nicht `text`

---

### 2. **ChatLog** (`datamodelChat.py`)

#### Felder nur im Modell (fehlen in DB):
- **`actionNumber`** (Optional[int])
- **`roundNumber`** (Optional[int])
- **`taskNumber`** (Optional[int])
- **Problem:** Diese Felder sind im Modell definiert, aber nicht in der Datenbank vorhanden
- **Empfehlung:** Entweder Migration erstellen, um diese Spalten hinzuzufügen, oder aus dem Modell entfernen

#### Typ-Mismatches:

1. **`progress`**
   - **DB:** `text` - nullable
   - **Modell:** `float` (0.0 to 1.0) - optional
   - **Problem:** Datenbank speichert als Text, Modell erwartet Float
   - **Empfehlung:** DB-Typ sollte `double precision` (float8) sein

2. **`performance`**
   - **DB:** `text` - nullable
   - **Modell:** `Dict[str, Any]` - optional
   - **Problem:** Datenbank speichert als Text, Modell erwartet Dictionary (JSON)
   - **Empfehlung:** DB-Typ sollte `jsonb` sein

---

### 3. **Token** (`datamodelSecurity.py`)

#### Typ-Mismatches:

1. **`userId`**
   - **DB:** `text` - nullable
   - **Modell:** `str` - required (nicht optional)
   - **Problem:** Datenbank erlaubt NULL, Modell erwartet zwingend einen Wert
   - **Empfehlung:** DB sollte `NOT NULL` sein, da es ein required Feld ist

2. **`authority`**
   - **DB:** `text` - nullable
   - **Modell:** `AuthAuthority` (Enum) - required
   - **Problem:** Datenbank erlaubt NULL, Modell erwartet zwingend einen Wert
   - **Empfehlung:** DB sollte `NOT NULL` sein

3. **`tokenAccess`**
   - **DB:** `text` - nullable
   - **Modell:** `str` - required
   - **Problem:** Datenbank erlaubt NULL, Modell erwartet zwingend einen Wert
   - **Empfehlung:** DB sollte `NOT NULL` sein

4. **`createdAt`**
   - **DB:** `text` - nullable
   - **Modell:** `float` (UTC timestamp) - optional
   - **Problem:** Datenbank speichert als Text, Modell erwartet Float
   - **Empfehlung:** DB-Typ sollte `double precision` (float8) sein

5. **`revokedAt`**
   - **DB:** `text` - nullable
   - **Modell:** `float` (UTC timestamp) - optional
   - **Problem:** Datenbank speichert als Text, Modell erwartet Float
   - **Empfehlung:** DB-Typ sollte `double precision` (float8) sein

---

### 4. **UserConnection** (`datamodelUam.py`)

#### Typ-Mismatches:

1. **`expiresAt`**
   - **DB:** `text` - nullable
   - **Modell:** `float` (UTC timestamp) - optional
   - **Problem:** Datenbank speichert als Text, Modell erwartet Float
   - **Empfehlung:** DB-Typ sollte `double precision` (float8) sein

2. **`tokenExpiresAt`**
   - **DB:** `text` - nullable
   - **Modell:** `float` (UTC timestamp) - optional
   - **Problem:** Datenbank speichert als Text, Modell erwartet Float
   - **Empfehlung:** DB-Typ sollte `double precision` (float8) sein

---

### 5. **ChatWorkflow** (`datamodelChat.py`)

#### Typ-Mismatches (JSONB vs. List):

Mehrere Felder haben das Problem, dass die DB `jsonb` (als dict interpretiert) speichert, aber das Modell `List[...]` erwartet:

- **`logs`**: DB=`jsonb` (dict), Modell=`List[ChatLog]`
- **`messages`**: DB=`jsonb` (dict), Modell=`List[ChatMessage]`
- **`stats`**: DB=`jsonb` (dict), Modell=`List[ChatStat]`
- **`tasks`**: DB=`jsonb` (dict), Modell=`List[...]`
- **`expectedFormats`**: DB=`text`, Modell=`List[...]`

**Problem:** JSONB-Felder werden als Dictionary interpretiert, aber das Modell erwartet Listen. Dies deutet darauf hin, dass die Daten möglicherweise als Arrays im JSONB gespeichert werden sollten, oder dass die Serialisierung/Deserialisierung angepasst werden muss.

**Empfehlung:** Prüfen, wie diese Daten tatsächlich gespeichert und geladen werden. Möglicherweise benötigt die Anwendung eine Custom Serialisierung für JSONB-Arrays.

---

## Erwartbare Unterschiede (keine Aktion erforderlich)

### ID-Felder mit `default_factory`

Viele Tabellen haben ID-Felder, die im Modell als `optional=True` markiert sind (wegen `default_factory=lambda: str(uuid.uuid4())`), aber in der DB als `NOT NULL` definiert sind. Dies ist **erwartbar und korrekt**, da:
- Pydantic-Felder mit `default_factory` sind technisch optional (können beim Erstellen weggelassen werden)
- Die Datenbank erwartet jedoch immer einen Wert (NOT NULL)

**Betroffene Tabellen:** AccessRule, AuthEvent, DataNeutraliserConfig, DataNeutralizerAttributes, Mandate, Role, ChatDocument, FileData, FileItem, Prompt

---

## Weitere Typ-Mismatches (möglicherweise erwartbar)

### Role.description
- **DB:** `jsonb` (dict) - nullable
- **Modell:** `str` - optional
- **Hinweis:** Möglicherweise wird hier ein mehrsprachiges Dictionary gespeichert, während das Modell einen String erwartet. Prüfen, ob eine Custom Serialisierung verwendet wird.

### ActionItem.expectedDocumentFormats
- **DB:** `jsonb` (dict) - nullable
- **Modell:** `List[...]` - optional
- **Hinweis:** Ähnlich wie bei ChatWorkflow - JSONB vs. List

### AutomationDefinition.executionLogs
- **DB:** `jsonb` (dict) - nullable
- **Modell:** `List[...]` - optional
- **Hinweis:** Ähnlich wie bei ChatWorkflow - JSONB vs. List

### ChatMessage.documents
- **DB:** `jsonb` (dict) - nullable
- **Modell:** `List[...]` - optional
- **Hinweis:** Ähnlich wie bei ChatWorkflow - JSONB vs. List

---

## Empfohlene Maßnahmen

### Priorität 1 (Kritisch - Datenintegrität):
1. **UserInDB.privilege**: Feld hinzufügen oder entfernen
2. **ChatLog**: `actionNumber`, `roundNumber`, `taskNumber` hinzufügen oder aus Modell entfernen
3. **Token**: Required-Felder (`userId`, `authority`, `tokenAccess`) sollten `NOT NULL` in DB sein
4. **Timestamp-Felder**: Alle Timestamp-Felder sollten `double precision` sein, nicht `text`

### Priorität 2 (Wichtig - Typ-Konsistenz):
1. **JSONB vs. List**: Prüfen und korrigieren der Serialisierung für alle JSONB-Felder, die Listen enthalten sollen
2. **UserInDB.roleLabels**: Prüfen, ob es wirklich eine Liste oder ein Dictionary ist

### Priorität 3 (Optional - Code-Qualität):
1. **ID-Felder**: Optional können die Modelle angepasst werden, um explizit `NOT NULL` zu reflektieren (aber nicht notwendig)

---

## Technische Details

### Typ-Mapping-Probleme

Das Vergleichstool mappt PostgreSQL-Typen wie folgt:
- `character varying` / `varchar` / `text` → `str`
- `boolean` / `bool` → `bool`
- `integer` / `int` / `bigint` → `int`
- `double precision` / `float8` → `float`
- `jsonb` / `json` → `dict`

**Problem:** JSONB kann sowohl Dictionaries als auch Arrays enthalten. Das Tool interpretiert JSONB immer als `dict`, auch wenn es tatsächlich ein Array ist. Dies führt zu falschen Mismatch-Meldungen bei Listen-Feldern.

**Lösung:** Für eine genauere Analyse müsste das Tool die tatsächlichen JSONB-Werte prüfen oder die Datenbank-Schema-Definitionen genauer analysieren.