# ROADMAP_MATCHING

## Ziel

Die Matching-Roadmap beschreibt die schrittweise Weiterentwicklung der
Reconciliation-Strategien von Reconcilix.

Die Roadmap ist unabhängig von einzelnen Evaluationen und ADRs.
Evaluationen validieren einzelne Schritte dieser Roadmap.

---

# Entwicklungsstufen

## Level 0 – Exact Match

Abgleich über bevorzugte Benennungen und bekannte Synonyme.

Status:
- umgesetzt

Beispiele:
- Dom
- Kreuzgang

---

## Level 1 – Normalization

Sprachunabhängige Normalisierung.

Beispiele:

- Groß-/Kleinschreibung
- Unicode
- Interpunktion
- Leerzeichen

Status:
- teilweise umgesetzt

---

## Level 2 – Linguistic Tokenization

Zerlegung von Suchanfragen in sprachlich sinnvolle Bestandteile.

Beispiele:

- Mehrwortbegriffe
- Bindestriche
- Abkürzungen

Status:
- teilweise umgesetzt (E001)

---

## Level 3 – Morphological Analysis

Morphologische Vereinfachung.

Beispiele:

- Genitiv
- Plural
- Flexion
- Lemmatisierung

Status:
- begonnen

---

## Level 4 – Compound Analysis

Analyse deutscher Komposita.

Beispiele:

- Marienaltar
- Abteikirche
- Alexianer-Krankenhaus

Status:
- begonnen (E001)

---

## Level 5 – Terminology Expansion

Domänenspezifische Erweiterungen.

Beispiele:

- Synonyme
- historische Schreibweisen
- OCR-Varianten
- kontrollierte Begriffserweiterungen

Status:
- geplant

---

## Level 6 – Multi-Object Recognition

Erkennung mehrerer Objekte innerhalb einer Anfrage.

Beispiele:

- Hoch- und Seitenaltar
- Altar-Kanzel-Orgelprospekt

Status:
- geplant

---

## Level 7 – Named Entity Analysis

Erkennung benannter Objekte.

Beispiele:

- Kath. Dom St. Marien
- Bonifatiusaltar
- Matthiaskapelle

Status:
- Vision

---

## Level 8 – Context-aware Reconciliation

Kontextbasierte Interpretation.

Mögliche Informationsquellen:

- Satzkontext
- Dokumentkontext
- Benutzerfeedback
- bereits identifizierte Entitäten

Status:
- Vision

---

## Level 9 – Semantic Candidate Search

Semantische Kandidatensuche.

Mögliche Verfahren:

- Embeddings (z. B. BGE)
- Vektordatenbanken
- semantische Nachbarschaften

Status:
- Vision

---

## Level 10 – Assisted Semantic Interpretation

Unterstützende KI-Verfahren.

Beispiele:

- LLMs
- Agenten
- hybride Matching-Strategien

Status:
- Vision

---

# Grundsätze

- Jeder Level ist unabhängig evaluierbar.
- Neue Verfahren werden zunächst über Evaluationen validiert.
- Die Reihenfolge beschreibt den bevorzugten Ausbaupfad, schließt spätere Ergänzungen jedoch nicht aus.
- Ziel ist eine nachvollziehbare, reproduzierbare und schrittweise Verbesserung des Matchings.