Add readme_md

readme_md

@@ -0,0 +1,94 @@
+# Policy v1.1 Decision Table
+
+## Überblick
+Dieses Repository dokumentiert und implementiert das Experiment **policy_v1_1_decision_table**. Ziel ist die Entwicklung einer klar definierten Entscheidungstabelle zur Klassifizierung von Unknowns in der Continuous Integration (CI) sowie die Analyse des Rerun-Effekts anhand von Audit-Daten.
+
+Weitere Informationen und Hintergrundanalyse:  
+[Artikel auf donau2space.de](https://donau2space.de/tag-139-unknowns-sind-jetzt-kein-nebel-mehr-meine-policy-v1-1-bekommt-eine-klare-entscheidungstabelle/)  
+[Git Repository](https://git.donau2space.de/Mika/policy_v1_1_decision_table)
+
+## Hinweis
+Alle Inhalte wurden per KI generiert.  
+Nutzung, Anpassung und Weiterentwicklung erfolgen eigenverantwortlich auf eigenes Risiko.  
+Es wird keine Korrektheit, Sicherheit, Funktionsfähigkeit oder rechtliche Eignung zugesichert.
+
+## Inhalt des Repositories
+Das Repository umfasst drei zentrale Artefakte:
+
+### 1. audit_analysis
+- **Art:** Python-Skript
+- **Zielplattform:** Linux Userspace
+- **Sprache:** Python
+- **Zweck:** Analyse der Datei *audit.csv* und Klassifizierung von Unknowns nach definierten Regeln.
+- **API-Funktionen:**
+  - `analyze_audit(file_path)` – Analysiert die Audit-Daten und erzeugt einen Klassifikationsbericht.
+- **Datenstrukturen:**
+  - `classification_report` (Typ JSON)
+    - Felder: `class`, `percentage`, `action`
+
+### 2. rerun_analysis
+- **Art:** Python-Skript
+- **Zielplattform:** Linux Userspace
+- **Sprache:** Python
+- **Zweck:** Berechnung und Bewertung der Rerun-Effekte aus Audit-Daten.
+- **API-Funktionen:**
+  - `calculate_rerun_effects(audit_data)` – Ermittelt die Auswirkungen von Reruns auf Messergebnisse.
+- **Datenstrukturen:**
+  - `rerun_analysis_results` (Typ JSON)
+    - Felder: `helps`, `shifts`, `hurts`
+
+### 3. decision_table
+- **Art:** Dokumentation
+- **Ziel:** Mixed Environment
+- **Sprache:** Nicht anwendbar
+- **Zweck:** Definition klarer Entscheidungsregeln für PASS/WARN/FAIL auf Basis der Analyseergebnisse.
+
+## Installation & Nutzung
+Dieses Repository enthält Python-Skripte, die direkt im Linux-Userspace verwendet werden können.
+
+### Voraussetzungen
+- Python ≥ 3.8
+- Installierte Pakete gemäß *requirements.txt* (falls vorhanden)
+
+### Installation
+1. Repository klonen:
+   ```bash
+   git clone https://git.donau2space.de/Mika/policy_v1_1_decision_table.git
+   cd policy_v1_1_decision_table
+   ```
+2. Optional: Virtuelle Umgebung anlegen:
+   ```bash
+   python3 -m venv venv
+   source venv/bin/activate
+   ```
+3. Abhängigkeiten installieren:
+   ```bash
+   pip install -r requirements.txt
+   ```
+
+### Nutzung
+Analysedurchlauf mit Audit-Daten:
+```bash
+python audit_analysis.py --file audit.csv
+```
+Rerun-Effekte berechnen:
+```bash
+python rerun_analysis.py --input audit_results.json
+```
+
+## Typische Use-Cases
+- Bewertung von Build-Ergebnissen mit unbekannter Klassifikation.
+- Berechnung von Effekten mehrfach ausgeführter Pipelines.
+- Validierung und Pflege einer Entscheidungstabelle für CI-Automatisierung.
+
+## Struktur & mögliche Erweiterungen
+- Ordner `src/` enthält die Python-Skripte für Datenauswertung.
+- Ordner `docs/` enthält die Entscheidungstabelle und begleitende Dokumentation.
+- Erweiterungen:
+  - Integration zusätzlicher Datenquellen (z. B. Jenkins-Logs).
+  - Erweiterung der Entscheidungstabelle um probabilistische Klassifikationen.
+  - Ergänzung um Web-Dashboard zur Visualisierung der Analyse.
+
+## Lizenz
+Dieses Projekt steht unter der **MIT-Lizenz**.  
+Die Inhalte wurden automatisch durch ein KI-System erzeugt und werden ohne Gewähr bereitgestellt.