Create roadmap-image-dedup.md

docs/roadmap-image-dedup.md

@@ -0,0 +1,37 @@
+# Roadmap: Bild-Deduplizierung & Medien-Hygiene
+
+## Ziele
+- Speicherverbrauch reduzieren
+- Medienbestand konsistent halten
+- Pipeline stabilisieren (keine Mehrfach-Uploads und -Speicherungen)
+
+## Vorgehen (sicher und reversibel)
+1. **Index aufbauen (Read-Only):**
+   - Alle Bilder (`.jpg/.jpeg/.png/.webp/.gif`) in definierten Verzeichnissen scannen
+   - Für jede Datei: `sha256` (Byte-Hash) + `pHash` (perzeptuell) berechnen
+   - Ergebnis als SQLite-Index + CSV-Report speichern
+
+2. **Kanonisierung & Referenzen prüfen:**
+   - Pro Duplikatgruppe genau **eine** kanonische Datei wählen (größte/neueste)
+   - Alle internen Referenzen (DB/JSON) testweise auf Kanon aktualisieren (Dry-Run)
+
+3. **Speicher sparen ohne Risiko:**
+   - Nicht-kanonische Dateien durch **Hardlinks** auf den Kanon ersetzen (gleiches FS)
+   - Alternativ: nur löschen, wenn Referenzen **sicher** auf Kanon zeigen
+
+4. **Prävention für die Zukunft:**
+   - Beim Speichern: **Content-Addressed Storage** (`<sha256>.<ext>`)
+   - In DB ein `content_hash`-Feld mit **Unique-Constraint**
+   - Vor jedem Speichern/Upload: Hash lookup → vorhandene Datei wiederverwenden
+
+## Akzeptanzkriterien
+- Report listet alle Duplikatgruppen mit Pfaden und Größenersparnis
+- Dry-Run zeigt geplante Änderungen ohne Schreibzugriff
+- Nach „Anwenden“ verweisen alle Referenzen auf die kanonische Datei
+- Re-Run findet **keine** Duplikate mehr (idempotent)
+- Rollback möglich via Backup der Reports/Indexdatei
+
+## Metriken
+- Anzahl Bilder vorher/nachher
+- Ersparter Speicher (MB/GB)
+- Anzahl gruppierter Duplikate