## Ergebnis

**Keine echte Dokument-/OCR-Regression in den untersuchten Dateien.** Die Fehler entstehen durch **Interpreter-/`PYTHONPATH`-Drift im temporären Testaufbau**. Mit sauber isolierten Zusatzpaketen laufen beide Dateien vollständig:

```text
19 passed in 44.00s
```

Mit dem problematischen temporären Package-Target reproduzierbar:

```text
5 failed, 14 passed
```

### P0 – Test-Gate reparieren

**Ursache:** Temporäres `pip install --target ... pytest reportlab openpyxl` installiert zusätzlich Pillow in das Target. Dieses Target wird per `PYTHONPATH` gesetzt und an externe Prozesse vererbt.

Dadurch startet `/usr/bin/ocrmypdf` mit `/usr/bin/python3` (Python 3.12), importiert aber Pillow aus dem für den produktiven Python-3.11-Interpreter installierten Target:

```text
ImportError: cannot import name '_imaging' from 'PIL'
```

`ocrmypdf` endet mit RC 1; `extract_pages()` meldet `ocr_failed`.

**Sofortfix für Tests:** Zusatzpakete ohne Pillow-Duplikat bereitstellen, insbesondere `--no-deps`, oder ein Package-Target verwenden, das kein `PIL/` enthält. Beispiel:

```bash
PY=/home/agent/.hermes/hermes-agent/venv/bin/python3
TARGET=/tmp/health-test-deps
rm -rf "$TARGET"

"$PY" -m pip install --target "$TARGET" --no-deps \
  pytest==8.4.2 reportlab==4.4.3 openpyxl==3.1.5 \
  pluggy iniconfig packaging pygments et-xmlfile charset-normalizer

PYTHONPATH="$TARGET" "$PY" -m pytest -q \
  tests/test_dashboard_v5_sprint6i_a.py \
  tests/test_dashboard_v5_sprint6i_c.py \
  --tb=short
```

Ergebnis hier: **19 passed**.

### Warum CRP-Kandidaten, Pages und Review-Queue fehlen

- `CRP 4.2 mg/l` hat weniger als 20 nutzbare Zeichen.
- `extract_pages()` akzeptiert die PDF-Textschicht erst ab  
  `useful >= max(20, pages * 12)` (`document_review.py:289-301`).
- Die kurze, eigentlich textbasierte PDF wird deshalb ebenfalls über `ocrmypdf` geleitet.
- Schlägt OCR fehl, fängt `apply_document_import()` die Exception pauschal ab und setzt:
  - `extraction_status='failed'`
  - `search_status='not_searchable'`
  - `last_error_code='extraction_failed'`
  (`health_dashboard_action_worker.py:1673-1677`)
- Der transaktionale Block für `document_text_versions`, `document_pages` und `document_candidates` wird komplett zurückgerollt.
- Reconciliation ordnet `extraction_status='failed'` korrekt als `technical_blocked` ein, nicht als `now_reviewable` (`document_reconciliation.py:216-225`).

Damit sind die Folgefehler in 6I-A/6I-C kausal erklärt; sie sind keine voneinander unabhängigen Contract-Regressions.

### Einordnung des „Bild-OCR“-Tests

In `test_scanned_pdf_uses_local_ocr_and_image_is_registered` wird zuerst die Scan-PDF, danach das JPEG importiert. Die Statusabfrage sortiert absteigend:

```python
statuses == ["ocr", "failed"]
```

Das bedeutet konkret:

- JPEG/Foto: **`ocr`**
- zuvor importierte Scan-PDF: **`failed`**

Also scheitert hier nicht die direkte JPEG-OCR, sondern der `ocrmypdf`-Pfad der bildbasierten PDF.

## P1 – Produktiven Intake gegen Umgebungseinfluss härten

Die externen Aufrufe in `document_review.py` erben derzeit ungefiltert `PYTHONPATH`/`PYTHONHOME`:

- `pdfinfo`
- `pdftotext`
- `ocrmypdf`
- `tesseract`

Robuster Code-Fix: Für diese Tool-Aufrufe eine explizite Umgebung verwenden, mindestens:

```python
env = {
    **os.environ,
    "PATH": "/usr/bin:/bin",
    "LC_ALL": "C.UTF-8",
}
env.pop("PYTHONPATH", None)
env.pop("PYTHONHOME", None)
```

Das sollte zentral für `_pdf_pages()`, `_pdftotext_page()`, `_tool_version()` und die OCR-Aufrufe erfolgen. Damit kann ein Test-/Service-`PYTHONPATH` das System-`ocrmypdf` nicht mehr vergiften.

Zusätzlich sollte ein dokumentierter Runtime-Preflight folgende Abhängigkeiten prüfen:

```bash
command -v pdfinfo pdftotext ocrmypdf tesseract ffmpeg ffprobe
tesseract --list-langs
```

Aktuelle Maschine:

- `pdfinfo`, `pdftotext`, `ocrmypdf 15.2.0`, `tesseract 5.3.4`: vorhanden
- Tesseract-Sprachen `deu`, `eng`, `osd`: vorhanden
- Produktiver Worker-Interpreter besitzt Pillow/pillow-heif.
- `/usr/bin/python3` besitzt dagegen kein `pillow_heif`; damit ist dieser Interpreter für den aktuellen Media-Intake ungeeignet.
- `deploy/requirements-health-media.txt` deklariert nur Pillow und pillow-heif, nicht die Poppler/OCR/Tesseract-Systemabhängigkeiten.

## P2 – Contracts, Fixture und Diagnose verbessern

### Fixtureinhalt

Die synthetische Fixture ist nicht die Ursache:

```text
dokumente               0
document_processing     0
document_pages          0
document_candidates     0
document_reconciliation 0
laborwerte              6
```

Sie enthält synthetische CRP-Werte, jedoch für andere Daten (2024 bis 2026-05-01), nicht für den Intake-Tag `2026-07-18`. Es gibt somit keine vorab vorhandenen Dokumentseiten oder Kandidaten, welche die Tests unterdrücken könnten.

### Aktuelle Intake-Verträge

- Importpayload verlangt exakt:
  `version`, `action`, `quarantine_token`, `sha256`, `metadata`.
- Metadaten verlangen exakt sechs Felder:
  `document_date`, `document_type`, `institution`, `personal_title`, `investigation_day`, `note`.
- Für JPEG/PNG wird inzwischen ebenfalls der komplette Media-Runtime-Self-Test ausgeführt, einschließlich `pillow_heif`.
- Ein technischer Extraktionsfehler erzeugt vertragsgemäß einen persistierten, technisch blockierten Dokumentdatensatz ohne Pages/Kandidaten.

### Weitere kleine Befunde

- Der Worker reduziert jede Extraktionsursache auf `last_error_code='extraction_failed'`; der eigentliche `ocrmypdf`-stderr geht verloren. Ein begrenzter, nicht sensitiver technischer Fehlercode wie `ocr_tool_unavailable`, `ocr_tool_runtime_error` oder `ocr_timeout` würde die Diagnose deutlich verbessern.
- `_tool_version("pdftotext")` verwendet `--version`; Poppler erwartet `-v`. Aktuell landet daher als „Version“ sinngemäß:
  `Couldn't open file '--version'`. Kein Funktionsfehler, aber falsche Provenienz.
- Ein fokussierter Test sollte ausdrücklich beweisen, dass externe OCR-Tools trotz eines fremden `PYTHONPATH/PIL` mit bereinigter Umgebung funktionieren.

## Reproduzierbare Minimalchecks

```bash
cd /home/agent/.hermes/repos/HealthManager

# Runtime
/home/agent/.hermes/hermes-agent/venv/bin/python3 -c \
  'import PIL, pillow_heif; print(PIL.__version__, pillow_heif.__version__)'
ocrmypdf --version
tesseract --list-langs

# Nur betroffene Tests
PYTHONPATH=/tmp/health-test-deps \
  /home/agent/.hermes/hermes-agent/venv/bin/python3 -m pytest -q \
  tests/test_dashboard_v5_sprint6i_a.py \
  tests/test_dashboard_v5_sprint6i_c.py --tb=short
```

**Dateien:** Keine Repository-Dateien erstellt oder geändert. Temporäre Testtargets unter `/tmp` wurden nach der Analyse entfernt. Im Working Tree existieren parallele/fremde Änderungen; keine davon stammt aus dieser Untersuchung.