Document complete recovery requirements and reference state

docs/DISASTER_RECOVERY.md

@@ -0,0 +1,107 @@
+# Disaster Recovery und Abnahme
+
+## Definition „vollständig wiederhergestellt“
+
+Eine Installation gilt erst dann als wiederhergestellt, wenn nicht nur Prozesse
+laufen, sondern alle fachlichen Funktionen geprüft wurden.
+
+## Phase A – Basissystem
+
+- [ ] Betriebssystem und Kernel dokumentierter Stand
+- [ ] Uhrzeit, Zeitzone und NTP korrekt
+- [ ] Netzwerk nach Neustart automatisch verfügbar
+- [ ] NVIDIA-Treiber geladen
+- [ ] RTX und kompletter VRAM sichtbar
+- [ ] System- und Modelllaufwerk korrekt gemountet
+- [ ] mindestens 15 Prozent frei auf dem Systemlaufwerk
+- [ ] Docker und Compose funktionieren
+- [ ] keine RX- oder Benchmark-Altlast aktiviert
+
+## Phase B – Textmodell
+
+- [ ] llama.cpp entspricht dem festgelegten Commit
+- [ ] Modelldateien stimmen mit SHA256 überein
+- [ ] Fast startet mit 73.728 Kontext
+- [ ] Medium startet mit 94.208 Kontext
+- [ ] Long startet mit 131.072 Kontext
+- [ ] GPU-/CPU-Verteilung entspricht den Profilen
+- [ ] Fast erreicht den festgelegten Geschwindigkeitstoleranzbereich
+- [ ] MTP funktioniert und verursacht keine Qualitätsregression
+- [ ] Rolling-/Kontextverhalten ist bewusst definiert und getestet
+
+## Phase C – Router
+
+- [ ] `/status` meldet den richtigen Upstream
+- [ ] `/v1/models` liefert drei virtuelle Modelle
+- [ ] `/fast`, `/medium` und `/long` wechseln zuverlässig
+- [ ] automatischer Wechsel über virtuellen Modellnamen funktioniert
+- [ ] paralleler Wechsel wird sauber gesperrt
+- [ ] Streaming funktioniert
+- [ ] Tool Calls funktionieren
+- [ ] Fehler sind OpenAI-kompatibel
+- [ ] ein abgebrochener Client hinterlässt keinen blockierten Job
+
+## Phase D – Web und MCP
+
+- [ ] SearXNG und TinySearch gesund
+- [ ] Websuche liefert kompakte, quellengebundene Ergebnisse
+- [ ] GitHub- und Hugging-Face-Routing geprüft
+- [ ] Home Assistant read-only Diagnose geprüft
+- [ ] ARR read-only Suche geprüft
+- [ ] Unraid read-only Diagnose geprüft
+- [ ] schreibende Werkzeuge standardmäßig nicht geladen
+- [ ] Tool-Schemas bleiben innerhalb des festgelegten Kontextbudgets
+- [ ] kein Secret erscheint in Toolantworten oder Logs
+
+## Phase E – Vision, Bild und Sprache
+
+- [ ] neues Bild löst genau einen Vision-Hotswap aus
+- [ ] Folgefrage verwendet Cache und keinen zweiten Hotswap
+- [ ] Bilddaten werden vor dem Textmodell sanitisiert
+- [ ] Qwen-Profil wird nach Vision wiederhergestellt
+- [ ] FLUX erzeugt Standard- und High-Bild
+- [ ] Qwen-Profil wird nach FLUX wiederhergestellt
+- [ ] Whisper transkribiert deutsche und englische Testdatei
+- [ ] XTTS erzeugt deutsche WAV- und MP3-Ausgabe
+- [ ] STT/TTS blockieren das Textmodell nicht unzulässig
+
+## Phase F – Sicherheitsprüfung
+
+- [ ] Port 8080 von normalen Clients nicht erreichbar
+- [ ] Hilfsports nur localhost
+- [ ] Router nur aus erlaubtem Netz erreichbar
+- [ ] Dienste laufen mit minimalen Rechten
+- [ ] Environment-Dateien Modus 0600
+- [ ] kein allgemeiner Shell-MCP im Standardprofil
+- [ ] Schreibaktionen verlangen Vorschau und Approval Ticket
+- [ ] Secret-Restore wurde ohne Klartextausgabe durchgeführt
+
+## Phase G – Fachlicher Benchmark
+
+Der gespeicherte Standardbenchmark wird mindestens mit Fast und Long ausgeführt:
+
+- Home-Assistant-Automatisierung analysieren
+- Logs lesen und Fehlerursache begründen
+- sichere Korrektur vorschlagen
+- Webrecherche mit Quellen durchführen
+- Docker-/Unraid-Diagnose simulieren
+- Tool-Limits, Halluzinationen und unnötige Aufrufe bewerten
+
+Die neue Installation muss innerhalb einer vorher festgelegten Toleranz zur
+Referenz liegen. Nur „Dienst läuft“ genügt nicht.
+
+## Recovery-Protokoll
+
+Für jeden Wiederaufbau werden festgehalten:
+
+- Datum
+- verwendeter Repository-Commit
+- Modellmanifest-Version
+- Hardware
+- Dauer je Phase
+- Abweichungen
+- Testergebnis
+- verantwortliche Freigabe
+
+Erst nach Abschluss aller Pflichtpunkte darf der alte Host gelöscht oder als
+Fallback außer Betrieb genommen werden.