videogen/planung/datenbank-aufbau.md

Datenbank-Aufbau (Appwrite, self-hosted)

Stand: Juli 2026 · basiert auf Appwrite TablesDB (Tabellen/Zeilen/Relationen), Functions, Storage mit S3-Adapter, Realtime, Auth + Teams, Messaging.

Grundsatz: Die brand-knowledge/-Ordnerstruktur aus dem Konzept wird 1:1 in Tabellen abgebildet. Die .md-Textebenen (Beschreibung, Essenz, Details) bleiben als Markdown-Felder erhalten – strukturierte Daten (Scores, Zähler, Status) werden eigene Spalten, damit man danach filtern und sortieren kann.

Update Juli 2026 – Bild-Modus, Feed & Ordner (Konzept: konzept-bilder-feed.md) Zwei strukturelle Änderungen, keine reinen Ergänzungen:

1. attributes ist aufgetrennt. Scores und Zähler liegen jetzt in attribute_scores – ein Attribut trägt mehrere Scores, einen je Ordner. Ohne diesen Schnitt gäbe es keine ordnerbezogene Wissens-Segmentierung.
2. assets heißt fachlich „Modelle" und kennt den neuen Typ kulisse. Der Begriff „Modell" meint in diesem Projekt durchgehend das Asset (Person, Produkt, Kulisse) – nie das KI-Modell (Seedance, Veo, Sora). Diese Sprachregelung gilt für Doku und Code.

Neu dazu: folders, attribute_scores, posts, post_images, post_folders, post_metrics.

---

1. Appwrite-Features → unsere Nutzung

Appwrite-Feature	Wofür wir es nutzen
Auth + Teams	Jede Brand = ein Team. Zeilen-Rechte pro Team → sauberes Multi-Tenant ohne eigene Logik. Internes Admin-Team für den Dev-Modus.
TablesDB + Relationen	Alle Tabellen unten; 4 Relationstypen decken Kategorie→Attribut, Attribut→Unter-Attribut (self-relation), Szene→Videos ab.
Storage (S3-Adapter!)	Buckets laufen direkt auf Hetzner Object Storage als Backend – Appwrite verwaltet Rechte/Uploads, Hetzner speichert. Kein doppeltes System.
Functions	Alle deterministischen Abläufe (Elo, Cron-Jobs) + Auslöser für LLM-Jobs. Event-getriggert oder geplant.
Realtime	Live-Status in der App: „Script fertig → generiere Video 2/4 → Analyse läuft" ohne Polling.
Messaging	Push/E-Mail: „Deine 4 Videos sind fertig – wähle das Beste."

---

2. Tabellen

Mandant & Konfiguration

brands – eine Zeile pro Kunde

Spalte	Typ	Hinweis
team_id	string	Appwrite-Team (Rechte)
label_name, produkte, zielgruppe, brand_worte[3], am_markt_seit	string	aus dem Onboarding (6 Pflichtfragen)
nische	enum: kosmetik/auto/gastro/fitness/mode/…	neu – feste Branchenliste, Pflichtfrage im Onboarding. Filtert den Feed und steuert die Kopier-Kompatibilität
stripe_customer_id	string	Payment
default_video_count	int (3–6)	einstellbare Videoanzahl
plan	enum: bild/video	neu – Bild-Modus ist die günstige Einstiegsstufe (Preismodell noch offen)
status	enum: trial/aktiv/pausiert

rules – feste Regeln (Dev-Modus) 🔒 nur internes Team

Spalte	Typ
brand_id	rel → brands (null = global für alle Brands)
titel, prompt_text	string
aktiv, sortierung	bool, int

prompt_templates – die statischen Prompts P1–P22 (Dev-Modus) 🔒 nur internes Team

Spalte	Typ	Hinweis
key	enum P1…P22	siehe Prompt-Inventar (P19–P22 = Bild-Modus & Feed)
version	int	Prompts sind versioniert – man muss zurückrollen können
static_core_md	string	der statische Kern
slots	json	welche Slots injiziert werden (REGELN, ASSETS, …)
model_adapter	enum: null/seedance/veo/sora/wan	P8-Familie: ein Kern, mehrere Dialekte
aktiv	bool

Knowledge Base

folders – Wissens-Scope (neu)

Spalte	Typ	Hinweis
brand_id	rel → brands	privat pro Brand – Ordner sind kein soziales Objekt
name, theme_md	string, string (Markdown)	„Dark Studio"; theme_md schreibt P20 beim Anlegen
zweck	enum: sammlung / wissens_scope	sammlung = nur kategorisieren, keine Scores, kein Einfluss auf Generierung. wissens_scope = aus dem Ordner heraus wird erstellt
startwert_modus	enum: erben / aus_posts	nur bei wissens_scope. erben = Kopie der brand-weiten Scores beim Anlegen · aus_posts = nur was in den gesammelten Posts steckt, Startwert = Kategorie-Ø innerhalb des Ordners
ist_default	bool	Anzeige-Ordner „Allgemein" im UI. Die brand-weite Basisebene ist keine Ordner-Zeile, sondern folder_id = null in attribute_scores – der Default-Ordner zeigt sie nur an, er speichert sie nicht
post_count, signal_count	int	Reifegrad – steuert den K-Faktor und die UI-Anzeige „Ordner lernt noch"
created_at	datetime

Kaltstart: keine Mindestanzahl an Posts, keine Sperre. Ein Ordner ist ab dem Anlegen nutzbar; die statistische Unsicherheit steckt im K-Faktor (32 → 8), nicht in einer Sperre. Das ist dieselbe Regel wie in projekt-uebersicht.md §5, nur auf Ordner-Ebene.

categories

Spalte	Typ	Hinweis
brand_id	rel
name	string (location, licht, farben, kamera, voice, geraeusche, texte-hooks, handlungen)
folder_id	rel → folders (null = brand-weit)	neu – avg_score ist scope-abhängig, also gibt es die Zeile je Ordner
avg_score	int	Cache für Startwerte neuer Einträge – per Function aktualisiert, nicht live berechnet
attribute_count	int

attributes – nur noch die Definition (Scores siehe unten)

Spalte	Typ	Hinweis
brand_id, category_id	rel
parent_id	rel → attributes (self)	Unter-Attribute (kaiserslautern--stadion)
name, slug	string
status	enum: aktiv/archiviert	nie löschen
tags	string[]	Volltext-Index
beschreibung_md, essenz_md, details_md	string (Markdown)	die drei Textebenen
prompt_bausteine, negativ_prompts	string[]	gehen direkt in P7/P8-Slots

Warum aufgetrennt: Ein Attribut („badezimmer") ist einmal definiert, trägt aber mehrere Scores – einen brand-weit und je einen pro Ordner. „Warmes Abendlicht" kann im Ordner Sommerkampagne auf 6800 stehen und im Ordner Dark Studio gar nicht existieren. Die Textebenen bleiben bewusst am Attribut, nicht am Score: die Beschreibung ändert sich nicht mit dem Scope.

attribute_scores – Score je Attribut je Ordner (neu, Herzstück)

Spalte	Typ	Hinweis
attribute_id	rel → attributes
folder_id	rel → folders (null = brand-weite Basisebene)	Unique-Constraint auf (attribute_id, folder_id)
brand_id, category_id	rel	denormalisiert. Index: (brand, folder, category, score ↓) – das ist die Top-N-Abfrage, die P4 bei jeder Generierung fährt
score	int (0–10.000)
k_factor	int	32 neu → 8 etabliert; bleibt hoch, solange folders.signal_count niedrig ist
start_value, start_quelle	int, enum: kategorie_avg / geerbt / feed_import	dokumentiert, woher der Startwert kam – ohne das ist später nicht nachvollziehbar, warum ein Score dort steht
used_count, wins, losses	int
last_used_at	datetime

score_events – das Log (append-only, nie ändern)

Spalte	Typ	Hinweis
attribute_id	rel	Index: (attribute, created_at)
folder_id	rel → folders (null = brand-weit)	neu und zwingend – ohne den Scope ist nicht nachvollziehbar, in welcher Wissensinsel ein Punkt vergeben wurde
video_id, post_id, opponent_attribute_id	rel
event_type	enum: vote / vote_favorit_bestaetigt / performance / gezielte_frage / llm_vergleich / feed_import / post_reichweite	die zwei neuen Typen kommen aus dem Bild-Modus
delta, new_score, weight	int, int, float	weight: ×0,3 / ×1 / ×2 · feed_import und post_reichweite laufen mit ×0,3
kommentar	string	z. B. P12-Erkenntnis („Stadion war der Unterschied")

Assets / „Modelle" (Release-Prinzip)

assets – im UI „Modelle"

Spalte	Typ	Hinweis
brand_id	rel
typ	enum: gesicht/produkt/kulisse/logo/sonstiges	kulisse ist neu – die Umgebung ist ein eigenständiges, einzeln austauschbares Modell
name	string	„kleine Kerze"
nische	enum wie brands.nische	Feed-Filter
typ_tags	string[] (Enum-Zwang)	fahrzeug, getraenk, tube, person_weiblich, innenraum, … – gegen diese Liste prüft die Slot-Kompatibilität beim Kopieren. Feste Liste + Code-Validator, keine freie KI-Vergabe
feed_score, feed_score_updated_at	float, datetime	Modelle werden getrennt von Posts gerankt (siehe post_metrics)
ist_teilbar	bool (default false)	Modelle werden grundsätzlich nicht geteilt. Das Feld existiert nur, um die Regel explizit und prüfbar zu machen
released_version_id	rel → asset_versions (nur diese wird in Videos und Bildern verwendet)

Regel: Ein Kopierer bringt immer eigene Modelle mit. Fremde Modelle erscheinen nur als Beschriftung im Kopier-Screen („Modell: kleine Kerze"), damit klar ist, was das Rezept braucht – nie als nutzbares Asset. Begründung in konzept-bilder-feed.md §3 (Marken-/Designrecht bei Produkten, Konsistenzentwertung bei Personen).

asset_versions – Versionskette

Spalte	Typ	Hinweis
asset_id, version_no	rel, int
status	enum: entwurf/freigegeben/archiviert
beschreibung_md, merkmale	string, string[]
change_reason	string	„Haare dunkler, natürlicher"
won_against_version_id	rel	Vorher/Nachher-Vote
reference_file_ids	string[]	→ Storage-Bucket
einwilligung_file_id	string	dokumentierte Einwilligung bei echten Gesichtern

Produktion

scenes

Spalte	Typ	Hinweis
brand_id	rel
folder_id	rel → folders (null = brand-weit)	neu – der Scope wird vor der Generierung gewählt und bestimmt, welches Wissen P4 zieht
user_prompt	string	Original, unverändert aufheben
selected_context	json	was P4 injiziert hat (Attribute + Scores zum Zeitpunkt!)
script_md, script_final_md	string	Original vs. vom Nutzer bearbeitet → Diff = P6-Signal
status	enum: entwurf/script/generiert/voting/fertig	Realtime-Kanal fürs UI
video_count	int

videos

Spalte	Typ	Hinweis
scene_id, brand_id	rel
ki_model	enum: seedance/veo/sora/wan
prompt_sent	string 🔒	exakt was ans KI-Modell ging (Dev-Modus „Prompt-Einblick")
storage_file_id	string	→ Bucket generated-videos
tags	json	P9-Analyse
attribute_ids	rel many→many	für Attribution
asset_version_ids	string[]	welche Versionen genau (v3? v4?)
is_system_favorite, vote_result	bool, enum: gewonnen/verloren/–
published, platforms, published_at	bool, string[], datetime

video_metrics – Zeitreihe (Cron-Function, Ads-APIs)

Spalte	Typ
video_id, fetched_at	rel, datetime
ctr, thumbstop, roas, follower_gained, spend	float

votes

Spalte	Typ
scene_id, winner_video_id	rel
favorit_bestaetigt	bool (→ Gewichtung ×0,3)
created_at	datetime

questions – gezielte Fragen (P13)

Spalte	Typ
brand_id, scene_id	rel
frage, attribute_a_id, attribute_b_id	string, rel, rel
antwort	enum: a/b/egal/offen

Bild-Modus: Posts, Feed & Ordner

posts – das Slot-Rezept (neu)

Spalte	Typ	Hinweis
brand_id	rel	Ersteller
format	enum: 1_1 / 4_5 / 9_16	gilt für die ganze Kette. Beim Kopieren deterministisch übernommen – kein LLM
nische	enum wie brands.nische	Feed-Filter
kulisse_asset_id, person_asset_id, produkt_asset_id	rel → assets	die Modell-Slots
asset_version_ids	string[]	welche Versionen genau – wie bei videos
attribute_ids	rel many→many → attributes	Licht / Kamera / Farbe als Slots
werbetext	string	Inhalt des Text-Overlay-Bildes
prompt_sent	string 🔒	exakt was ans Bildmodell ging – nur internes Team, nie im Kopier-Screen
slot_summary	json	die vereinfachte Chip-Darstellung für den Kopier-Screen (Output von P19). Das ist das Einzige, was ein fremder Nutzer sieht – eine Abstraktion, keine Offenlegung
copied_from_post_id	rel → posts (self)	Herkunftskette – erlaubt später „dieses Rezept wurde 400× kopiert"
sichtbarkeit	enum: privat / oeffentlich (default privat)	Veröffentlichen ist ein aktiver Schritt
published_at	datetime
social_permalink, social_plattform	string, enum: instagram/tiktok/…	Grundlage für den Reichweiten-Abgleich
feed_score, feed_score_updated_at	float, datetime	Cache, per Cron berechnet – nie live
ki_kennzeichnung	bool	EU AI Act – im Feed sichtbar, nicht nur beim Export

post_images – die Bilderkette

Spalte	Typ	Hinweis
post_id, position	rel, int	Reihenfolge im Karussell
typ	enum: motiv / text_overlay	Das Text-Overlay ist ein eigenes Bild, keine Ebene auf dem Motiv – so lässt sich der Text tauschen, ohne die Motive neu zu generieren
storage_file_id	string	→ Bucket generated-images
winkel, position_beschreibung	string	über die Kette variiert nur Position/Winkel; Modelle, Kulisse, Licht, Farbe und Text bleiben konstant
tags	json	P22-Analyse (Bild-Tagger)

post_folders – Zuordnung (m:n, neu)

Spalte	Typ	Hinweis
post_id, folder_id	rel, rel	Unique auf (post_id, folder_id)
ist_fremd	bool	Post stammt nicht vom Ordner-Besitzer. Ordner nehmen eigene und fremde Posts auf – Wissen entsteht durch Sammeln, nicht erst durch Ausgeben
quelle	enum: eigen / feed_gespeichert / kopiert
zugeordnet_von	enum: nutzer / p20_vorschlag	P20 schlägt vor, der Nutzer bestätigt
created_at	datetime

post_metrics – Feed-Signale (Zeitreihe, append-only)

Spalte	Typ	Hinweis
post_id, fetched_at	rel, datetime
views, likes, kopien	int	In-App-Signale
social_reach, social_engagement	int	von verbundenen Accounts
ist_verifiziert	bool	nur verifizierte Konten zählen voll – Manipulationsschutz

Gewichtung Feed-Score: Views ×0,1 · Likes ×0,5 · Kopien ×1 · Social-Reichweite ×2. Eine Kopie wiegt mehr als ein Like – ein Like ist eine Meinung, eine Kopie eine Handlung mit Aufwand.

Der Feed-Score ist kein Elo. Elo braucht Duelle; hier werden Zähler aufsummiert. Deshalb eigene Tabelle, eigener Name, eigene Function. Details und Begründung: konzept-bilder-feed.md §8.

---

Betrieb

jobs – jede KI-Aktion als Zeile (Warteschlange + Kostenkontrolle)

Spalte	Typ	Hinweis
brand_id, typ	rel, enum: bild_gen/video_gen/tagging/vergleich/script/slot_analyse/ordner_vorschlag/werbetext	die drei neuen Typen kommen aus dem Bild-Modus (P19, P20, P21)
prompt_template_key, prompt_template_version	string, int	welcher Prompt in welcher Version lief – ohne das ist kein Prompt-Debugging möglich
status	enum: wartend/läuft/fertig/fehler
cost_usd, tokens	float, int	speist die Beispielrechnung mit echten Zahlen
error, refs	string, json

usage_records – für Stripe (metered billing: Preis pro Video)

Spalte	Typ
brand_id, periode, videos_generiert, kosten_usd	rel, string, int, float

---

3. Storage-Buckets (Backend: Hetzner Object Storage via S3-Adapter)

Bucket	Inhalt	Rechte
uploads	Onboarding: Logo, Produktbilder, Top-Ads; Referenzen beim Verbessern	Team der Brand
asset-references	generierte Referenzbilder der Asset-Versionen	Team der Brand
generated-videos	alle generierten Videos	Team der Brand
generated-images	alle generierten Bilder (Motive + Text-Overlays)	Team der Brand; öffentlich lesbar, sobald posts.sichtbarkeit = oeffentlich
consents	Einwilligungs-Dokumente (Gesichter)	Team + intern

---

4. Functions (deterministisch – die ⚙️-Punkte aus dem Prompt-Inventar)

Function	Trigger	Macht
elo-update	Event: votes.create / video_metrics.create	Elo-Mathe, K-Faktor, Gewichtung, schreibt score_events – jetzt scope-bewusst: schreibt in attribute_scores der passenden folder_id
favorit-berechnen	Event: alle Videos einer Szene getaggt	Score-Summe → is_system_favorite
ads-metriken-holen	Cron täglich	Meta/TikTok-API → video_metrics
kategorie-durchschnitt	Cron täglich	avg_score-Cache für Startwerte – je Ordner
archivierung	Cron wöchentlich	Score unter Schwelle + inaktiv → Status archiviert
job-dispatcher	Event: jobs.create	ruft OpenRouter, schreibt Ergebnis + Kosten zurück
ordner-initialisieren	Event: folders.create	Bei startwert_modus = erben die brand-weiten Scores nach attribute_scores kopieren; bei aus_posts nur die Attribute der zugeordneten Posts anlegen, Startwert = Kategorie-Ø im Ordner. Setzt start_quelle
feed-score-berechnen	Cron stündlich	Gewichtete Summe aus post_metrics + exponentieller Zeit-Decay (Halbwertszeit-Parameter, Startwert 30 Tage) → posts.feed_score und aggregiert → assets.feed_score. Rein deterministisch, kein LLM
feed-import	Event: post kopiert	Legt die Slots des Originals als Attribute in der KB des Kopierers an (Scope = gewählter Ordner), start_quelle = feed_import, schreibt score_events
social-reichweite-holen	Cron täglich	Instagram/TikTok-API → post_metrics.social_reach; löst Rückfluss mit ×0,3 in die KB aus

---

5. Rechte-Modell

• Brand-Team: sieht nur eigene Zeilen (Appwrite Row-Level-Permissions pro Team) – Multi-Tenant ohne Extra-Code.
• Internes Team (Dev-Modus): exklusiver Zugriff auf rules, prompt_templates, jobs.prompt_sent, posts.prompt_sent – das App-Geheimnis liegt in den Rechten, nicht nur im UI.
• append-only: score_events, video_metrics, post_metrics, jobs werden nie geändert oder gelöscht – das ist die Log-Anforderung aus dem Konzept.

Neu mit dem Feed – die einzige öffentlich lesbare Ebene:

Öffentlich lesbar	Bleibt privat
posts bei sichtbarkeit = oeffentlich: Bilder, slot_summary, werbetext, nische, feed_score	posts.prompt_sent 🔒 · attribute_scores · folders (immer privat) · rules · alle Modelle als Assets
assets: nur Name, Typ und Typ-Tags als Beschriftung im Kopier-Screen	die Asset-Version selbst, Referenzbilder, einwilligung_file_id

Das ist die kritische Grenze des ganzen Features: Der Kopier-Screen zeigt slot_summary, nie prompt_sent. Eine Abstraktion, keine Offenlegung – sonst wandert die Knowledge Base fremder Brands nach außen.

Zusätzlich nötig, weil der Feed öffentlich ist: Rate-Limits auf post_metrics-Signale pro Konto und eine Melde-/Moderationsfunktion (DSA). Beim geschlossenen B2B-Produkt gab es beides nicht.