L2-E Ergebnis — Detailanalyse Commerce- & Kommunikations-APs AP20–AP26

Status

• Scope: AP20–AP26, inklusive AP24–AP26-Zuordnung und AP26↔AP7a-Abgrenzung.
• Einschränkung: Keine Implementierungsprüfung; mehrere APs bleiben bedingt.

Reife-Matrix

AP	Kern	Reife	Hauptrisiko	Empfehlung
AP20 Privacy-First 360° Profile	Event-Aggregation unter DSGVO	🟡 gut bedingt	noch keine Implementierung	V4-Kern, wenn Tombstone-/Löschsemantik konkretisiert wird
AP21 AI-SEO/GEO	Duale Indizierung Crawler/LLM	🟡 riskant	SEO/Marketing-Wahrnehmung	nur mit technischem Retrieval-/Markup-Experiment
AP22 Consent Recommendations	Consent/Machine-Unlearning	🟡 gut bedingt	ML ggf. zu prospektiv	V4-Kern, wenn Modell-/Widerrufsproblem belegt wird
AP23 Conversion Analytics	iFrame/Privacy-Sandbox/Multi-Tenant	🟡 mittel	Marketing-Funnel-Wahrnehmung	V4 ergänzend, technische Privacy-Sandbox-Instabilität betonen
AP24 Field Media	On-Device Quality Scoring + Consent	🟡 hartes Gate	ohne ML Standard-Upload	nur Go bei echter On-Device-ML-Komponente
AP25 Adaptive Feedback	Channel-Routing + Domain Sentiment	🟡 bedingt	Geschäftsregel-Konfiguration	eher V4-Erweiterung, Sentiment-Forschung stärken
AP26 Communication Decision Engine	Cross-Context-Konfliktauflösung	🟡 gut bedingt	Planmäßigkeit (jetzt via ADR-033 gedeckt)	Jahr-2-Pipeline, V2-Zuordnung (Distributed Data Consistency)

Vorhaben-Zuordnung

AP	empfohlene Zuordnung	Begründung
AP20	V4	Kern der Privacy-Aware Commerce Intelligence.
AP21	V4, aber sprachlich umbenennen	GEO/AI-SEO nur als technische Dual-Indizierungsfrage.
AP22	V4	Consent-/Unlearning-Spannung passt direkt.
AP23	V4	Privacy-preserving Widget-Analytics passt.
AP24	V2 oder Folgevorhaben	Operations-/Field-Device-Nähe; zu V4 nur bei Content-Syndication.
AP25	V4	Feedback/Engagement/Customer Intelligence.
AP26	V2 (Distributed Data Consistency)	Cross-Context-Konfliktauflösung ist fundamental ein Datenkonsistenzproblem. ADR-033 dokumentiert drei Primitiven (Freshness Gate, Supersession Rule, Coalescing Window).

AP26↔AP7a-Abgrenzung für L2-C

• AP7a: Resiliente Ereigniszustellung im Störfall, Provider-Fehlerklassifikation, Broadcast-Cascades. Fokus: technische Resilienz der Zustellinfrastruktur.
• AP26: Lifecycle-Trigger-Logik über mehrere Bounded Contexts, mandantenspezifische Zeitfenster, Auswahl des richtigen Kommunikationszeitpunkts/-kanals. Fokus: Orchestrierung und Semantik der Trigger.
• Abgrenzungsregel: Wenn es um Zustellfehler/Retry/Provider geht → AP7a. Wenn es um Auswahl und Timing von Lifecycle-Kommunikation aus Domain Events geht → AP26.

Text-/Patch-Vorschläge

• AP21 umbenennen: „Duale Indizierungsarchitektur für klassische Crawler und LLM-Retrieval“.
• AP23: „Conversion“ nicht als Marketingziel, sondern als datenschutzkonforme Ereigniskorrelation im eingebetteten Widget framen.
• AP24: Vor Aufnahme Pflichtsatz: „Ohne On-Device Quality Scoring auf dem Feldgerät wird AP24 nicht als F&E beantragt.“
• AP26: Erste Zeile darf nicht „automatische Nachrichten“ enthalten; direkt Cross-Context-Event-Orchestrierung nennen.

Input für L2-C

AP	Go/No-Go	F&E %	Standard-Engineering %	schwächstes Frascati-Kriterium	Haupteinwand	Verteidigung	Beweislücke	Abhängigkeiten / Teilablehnungsrelevanz
AP20	Go bedingt	60	40	Planmäßigkeit	Customer Analytics ist Standard	DSGVO-Datensparsamkeit vs. verhaltensbasierte Aggregation mit Tombstone-Verhalten ist ungelöst	Architektur für Lösch-/Tombstone-Effekt auf Aggregate	V4-Kern; AP25/AP26 dürfen AP20 nicht gefährden. Bei Teilablehnung bleibt V4 mit AP20+AP22+AP23 tragfähig.
AP21	Go riskant	45	55	Neuartigkeit	SEO ist Marketing	Widerspruch zwischen Crawler-Markup und LLM-Retrieval-Zitierbarkeit ist technische Indizierungsfrage	Experimentdesign/Metriken für GEO	Verzichtebar; bei Ablehnung als spätere technische Retrieval-Studie neu framen.
AP22	Go bedingt	65	35	Planmäßigkeit	Recommendation Engines bekannt	Multi-Tenant-Consent und Widerruf/Machine-Unlearning machen Standardmodelle unzureichend	Modell-/Unlearning-Konzept	V4-Kern neben AP20/AP23; Teilablehnung schwächt Privacy-Intelligence-Story stark.
AP23	Go bedingt	55	45	Neuartigkeit	Conversion Tracking ist Marketing	iFrame, Storage-Partitioning und Privacy-Sandbox-Instabilität erzwingen neue Ereigniskorrelation	Browser-/Privacy-Sandbox-Testmatrix	V4-Kern/Brücke zu Marktrealität; bei Ablehnung AP20/AP22 weiterhin möglich.
AP24	Go nur mit ML	50	50	Neuartigkeit	Foto-Upload ist Standard	On-Device Quality Scoring + Inline Consent im PWA-Feldkontext ist Forschungskern	ML-Modell/Edge-Prototyp	Nicht abhängig von V4-Kern; bei fehlendem ML-Gate streichen oder Folgejahr.
AP25	Go bedingt	50	50	Neuartigkeit	Kanalwahl ist Geschäftsregel	Domain-spezifische Sentiment-Analyse und adaptive Zustellgarantie für 60+ Zielgruppe	Sentiment-Kategorien, Routing-Experiment	Stützt AP20/Engagement, aber ohne AP20/V4-Kontext zu schwach; Teilablehnung verkraftbar.
AP26	Go bedingt (Jahr 2)	60	40	Planmäßigkeit (jetzt gedeckt)	automatische E-Mails trivial	Drei benannte Primitiven (Freshness Gate, Supersession Rule, Coalescing Window) ohne Referenzimplementierung. 14 Konfliktszenarien analysiert, 5 konkrete technische Unsicherheiten dokumentiert. ADR-033 mit 4-Phasen-Plan und Testmatrix.	— (Lücken durch ADR-033, Konflikt-Testmatrix und Forschungssession geschlossen)	Schnittstelle zu AP7a: AP7a Zustellresilienz, AP26 Zustellentscheidung. Sauber abgegrenzt — keine Code-Überschneidung.

Antragstext-Entwürfe AP24–AP26 — Vorschläge, keine Hauptdokument-Edits

Status: Diese Abschnitte sind Rohentwürfe für spätere Übernahme in bsfz-antrag-vorhaben.md. Sie sind nicht als finaler Antragstext freigegeben. FZulG-/Steuerberater-Review und technische Belegprüfung bleiben erforderlich.

AP24 — Field-Device Media Pipeline mit On-Device Quality Scoring & Consent Management

• Ziel: Entwicklung eines feldgerätetauglichen Verfahrens, das Bild-/Medienqualität und Personen-/Einwilligungsrisiken bereits auf dem mobilen Gerät vor Upload und Weiterverarbeitung bewertet, um nur nutzbare und rechtlich verwertbare Medienereignisse in den zentralen Eventstream zu übernehmen.
• Stand der Technik: Standardlösungen decken typischerweise Datei-Upload, serverseitige Validierung oder manuelle Moderation ab. Für den PWA-Feldkontext mit schwankender Konnektivität, begrenzter Rechenleistung und unmittelbarer Consent-Entscheidung ist die Kombination aus On-Device-Qualitätsscore, Inline-Consent und eventgetriebener Weiterverarbeitung nicht als Standardlösung belegt.
• Durchgeführte/geplante Arbeiten: Definition einer Edge-Scoring-Pipeline für Unschärfe/Belichtung/Vollständigkeit, Consent-Metadatenmodell, Entscheidungsmatrix lokal verwerfen / lokal nachbessern / uploadfähig / Review nötig, sowie Tests mit Offline-/Reconnect-Szenarien.
• Technische Unsicherheiten: Ob ein leichtgewichtiges Modell im mobilen Browser/PWA-Kontext ausreichend zuverlässig und performant ist; wie Fehlklassifikationen auditierbar gemacht werden; wie Consent-Status und Medienqualität ohne zentrale Vorverarbeitung konsistent bleiben.
• Frascati-Selbstcheck: Neuartigkeit 🟡 nur bei echter On-Device-ML/Edge-Inferenz; Unwägbarkeit 🟡 wegen Modellgüte/Performance/Consent-Kopplung; Planmäßigkeit ⚪ erst nach Experimentplan. No-Go, falls nur Upload + manuelles Tagging umgesetzt wird.

AP25 — Adaptive Feedback Engine

• Ziel: Untersuchung eines adaptiven Feedback-Verfahrens, das Kommunikationskanal, Zeitpunkt und Fragelogik aus domänenspezifischen Reise-/Passenger-Events ableitet, ohne auf einfache statische Geschäftsregeln oder generische Kampagnenautomatisierung zu reduzieren.
• Stand der Technik: Standard-CRM-/Marketing-Automation kann Nachrichten nach Segmenten oder Zeitpunkten versenden. Nicht abgedeckt ist die robuste Ableitung geeigneter Feedback- und Eskalationspfade aus Tourstatus, Alters-/Zielgruppenannahmen, Erreichbarkeitsmustern und eventuellen Qualitäts-/Sentiment-Signalen im Touristik-Kontext.
• Durchgeführte/geplante Arbeiten: Aufbau einer domänenspezifischen Sentiment-/Intent-Klassifikation für Feedbackantworten, Vergleich statischer Kanalregeln gegen adaptive Routing-Strategien, Messung von Fehlrouting und Nicht-Erreichbarkeit, sowie Definition von Human-Review-Gates für kritische Rückmeldungen.
• Technische Unsicherheiten: Ob genug domänenspezifische Signale für robuste Kanal-/Zeitpunktwahl vorliegen; ob Sentiment-Kategorien für Reise-/Servicekontexte zuverlässig unterscheidbar sind; wie adaptive Optimierung von bloßer Geschäftsregelkonfiguration abgegrenzt wird.
• Frascati-Selbstcheck: Neuartigkeit 🟡 schwach ohne Lern-/Sentimentkomponente; Unwägbarkeit 🟡 bei nachweisbarem Routing-/Klassifikationsexperiment; Planmäßigkeit 🟡 mit Metriken zu Erreichbarkeit, Fehlrouting und Review-Bedarf. Reines ChannelPreference-Routing ist Standard-Engineering.

AP26 — Communication Decision Engine (Cross-Context Event Conflict Resolution)

• Ziel: Entwicklung eines leichtgewichtigen Entscheidungslayers für die Kommunikationspipeline, der deterministische Zustellentscheidungen trifft, wenn geplante und reaktive Ereignisse aus isolierten Bounded Contexts zeitlich kollidieren — ohne dedizierten Orchestrierungsserver (Temporal/Camunda) und ohne Auflösung der Kontextgrenzen des modularen Monolithen.
• Stand der Technik: Workflow-Engines (n8n, Temporal, Inngest) und Marketing-Automation-Plattformen behandeln Lifecycle-Kommunikation als einfache Reaktivketten: ein Ereignis → eine Nachricht. Die Orchestrierung widersprüchlicher Ereignisse aus isolierten Kontexten (z.B. Zahlungserinnerung während operativer Stornierung) erfordert kontextübergreifende Zustandsabfragen, die kein existierendes Werkzeug als Standardfunktion bereitstellt — insbesondere nicht unter der Infrastrukturrestriktion eines modularen Monolithen ohne dedizierten Orchestrierungsserver.
• Durchgeführte/geplante Arbeiten: Systematische Konfliktanalyse (14 Szenarien über 5 Lifecycle-Phasen identifiziert, 4 als Tier-1 klassifiziert). Drei architektonische Primitiven spezifiziert: Freshness Gate (kontextübergreifende Gültigkeitsprüfung, 7 Szenarien), Supersession Rule (Verdrängungslogik mit Ereignis-Prioritätshierarchie, 3 Szenarien), Coalescing Window (zeitfensterbasierte Zusammenführung, 1 Szenario). ADR-033 mit Architekturentscheidung, Konflikt-Testmatrix (5 Akzeptanzszenarien), 4-Phasen-Meilensteinplan und Evaluationsmetriken erstellt.
• Technische Unsicherheiten: (1) Bounded-Context-Isolation vs. Frischeprüfung — ob kontextübergreifende Lesezugriffe als zulässige Read-Model-Kopplung (DDD §7.2) gelten; (2) Zeitfenster-Dimensionierung für Coalescing Window ohne theoretisches Modell; (3) Informationsverlust bei Verdrängung — Kontextweiterleitung von verdrängten zu verdrängenden Nachrichten; (4) BullMQ-Job-Annullierungs-Atomarität — Race Conditions zwischen Worker und Verdrängungshandler; (5) GoBD-konforme Auditierung negativer Entscheidungen.
• Frascati-Selbstcheck (aktualisiert 2026-05-04): Neuartigkeit 🟢 (drei benannte Primitiven ohne Referenzimplementierung); Unwägbarkeit 🟢 (fünf konkrete technische Unsicherheiten); Planmäßigkeit 🟢 (ADR-033, Testmatrix, 4-Phasen-Plan). Vorheriges Ablehnungsrisiko 🟡–🔴 entschärft. Empfehlung: Jahr-2-Pipeline.

Quellen- und Nachweisstatus E

Claim	Nachweisstatus
AP20–AP23 sind V4-Kern mit Privacy-/Commerce-Bezug	bestehende Quelle: funding-work-packages.md:212-239, Formulararbeitsplan bsfz-antrag-vorhaben.md:326-329
AP24–AP26 existieren als neue Kandidaten mit 340h	bestehende Quelle: funding-work-packages.md:240-263, Zusammenfassung funding-work-packages.md:292
AP26↔AP7a-Abgrenzung	inferiert aus AP7a/Broadcast-Kontext und AP26-Kandidatenbeschreibung; braucht technische Spec-Validierung
On-Device-ML als AP24-Gate	inferiert aus AP24-Titel/Beschreibung funding-work-packages.md:240-256; Implementierungsentscheidung fehlt

Rückwirkung auf A/B

• V4 bleibt mit AP20–AP23 kohärent.
• AP25 kann V4 erweitern, sollte aber nicht V4 überfrachten.
• AP24/AP26 erhöhen V2/V4-Schnittstellenkomplexität; als fünftes Folgevorhaben möglich, aber Jahr-1 nur bei starker Beleglage.

Validierungsbedarf

• AP24: tatsächliche On-Device-ML-Entscheidung.
• AP21/AP23: technische Experimente statt Marketing-KPIs definieren.
• AP26: ✅ Forschungssession (2026-05-04) abgeschlossen. ADR-033 erstellt. Jahr-2-Pipeline mit V2-Zuordnung empfohlen. Kein offener Validierungsbedarf.