diff --git a/app/core/ingestion/ingestion_processor.py b/app/core/ingestion/ingestion_processor.py
index 22ae909..8ca6021 100644
--- a/app/core/ingestion/ingestion_processor.py
+++ b/app/core/ingestion/ingestion_processor.py
@@ -1,11 +1,11 @@
 """
 FILE: app/core/ingestion/ingestion_processor.py
 DESCRIPTION: Der zentrale IngestionService (Orchestrator). 
-             WP-14: Modularisierung der Datenbank-Ebene (app.core.database).
+             WP-25a: Integration der Mixture of Experts (MoE) Architektur.
              WP-15b: Two-Pass Workflow mit globalem Kontext-Cache.
              WP-20/22: Cloud-Resilienz und Content-Lifecycle integriert.
-             AUDIT v2.13.12: Synchronisierung der Profil-Auflösung mit Registry-Defaults.
-VERSION: 2.13.12
+             AUDIT v2.14.0: Synchronisierung der Profil-Auflösung mit MoE-Experten.
+VERSION: 2.14.0 (WP-25a: MoE & Profile Support)
 STATUS: Active
 """
 import logging
@@ -55,11 +55,15 @@ class IngestionService:
         # Synchronisierung der Konfiguration mit dem Instanz-Präfix
         self.cfg.prefix = self.prefix 
         self.client = get_client(self.cfg)
-        self.dim = self.settings.VECTOR_SIZE
+        
         self.registry = load_type_registry()
         self.embedder = EmbeddingsClient()
         self.llm = LLMService() 
         
+        # WP-25a: Auflösung der Dimension über das Embedding-Profil (MoE)
+        embed_cfg = self.llm.profiles.get("embedding_expert", {})
+        self.dim = embed_cfg.get("dimensions") or self.settings.VECTOR_SIZE
+        
         # Festlegen, welcher Hash für die Change-Detection maßgeblich ist
         self.active_hash_mode = self.settings.CHANGE_DETECTION_MODE
         self.batch_cache: Dict[str, NoteContext] = {} # WP-15b LocalBatchCache
@@ -155,24 +159,21 @@ class IngestionService:
             edge_registry.ensure_latest()
             
             # Profil-Auflösung via Registry
-            # FIX: Wir nutzen das Profil, das bereits in make_note_payload unter 
-            # Berücksichtigung der types.yaml (Registry) ermittelt wurde.
             profile = note_pl.get("chunk_profile", "sliding_standard")
             
             chunk_cfg = get_chunk_config_by_profile(self.registry, profile, note_type)
             enable_smart = chunk_cfg.get("enable_smart_edge_allocation", False)
             
             # WP-15b: Chunker-Aufruf bereitet den Candidate-Pool pro Chunk vor.
-            # assemble_chunks führt intern auch die Propagierung durch.
             chunks = await assemble_chunks(note_id, body_text, note_type, config=chunk_cfg)
             
-            # Semantische Kanten-Validierung (Smart Edge Allocation)
+            # Semantische Kanten-Validierung (Smart Edge Allocation via MoE-Profil)
             for ch in chunks:
                 filtered = []
                 for cand in getattr(ch, "candidate_pool", []):
-                    # Nur global_pool Kandidaten (aus dem Pool am Ende) erfordern KI-Validierung
+                    # WP-25a: Nutzt nun das spezialisierte Validierungs-Profil
                     if cand.get("provenance") == "global_pool" and enable_smart:
-                        if await validate_edge_candidate(ch.text, cand, self.batch_cache, self.llm, self.settings.MINDNET_LLM_PROVIDER):
+                        if await validate_edge_candidate(ch.text, cand, self.batch_cache, self.llm, profile_name="ingest_validator"):
                             filtered.append(cand)
                     else: 
                         # Explizite Kanten (Wikilinks/Callouts) werden ungeprüft übernommen
@@ -204,7 +205,6 @@ class IngestionService:
                 )
 
             # 4. DB Upsert via modularisierter Points-Logik
-            # WICHTIG: Wenn sich der Inhalt geändert hat, löschen wir erst alle alten Fragmente.
             if purge_before and old_payload: 
                 purge_artifacts(self.client, self.prefix, note_id)
             
diff --git a/app/core/ingestion/ingestion_validation.py b/app/core/ingestion/ingestion_validation.py
index f7eea5c..dcf29ce 100644
--- a/app/core/ingestion/ingestion_validation.py
+++ b/app/core/ingestion/ingestion_validation.py
@@ -1,10 +1,16 @@
 """
 FILE: app/core/ingestion/ingestion_validation.py
 DESCRIPTION: WP-15b semantische Validierung von Kanten gegen den LocalBatchCache.
-             AUDIT v2.12.3: Integration der zentralen Text-Bereinigung (WP-14).
+             WP-25a: Integration der Mixture of Experts (MoE) Profil-Steuerung.
+VERSION: 2.13.0 (WP-25a: MoE & Profile Support)
+STATUS: Active
+FIX: 
+- Umstellung auf generate_raw_response mit profile_name="ingest_validator".
+- Automatische Nutzung der Fallback-Kaskade (Cloud -> Lokal) via LLMService.
+- Erhalt der sparsamen LLM-Nutzung (Validierung nur für Kandidaten-Pool).
 """
 import logging
-from typing import Dict, Any
+from typing import Dict, Any, Optional
 from app.core.parser import NoteContext
 
 # ENTSCHEIDENDER FIX: Import der neutralen Bereinigungs-Logik zur Vermeidung von Circular Imports
@@ -17,11 +23,12 @@ async def validate_edge_candidate(
     edge: Dict, 
     batch_cache: Dict[str, NoteContext],
     llm_service: Any,
-    provider: str
+    provider: Optional[str] = None,
+    profile_name: str = "ingest_validator"
 ) -> bool:
     """
     WP-15b: Validiert einen Kandidaten semantisch gegen das Ziel im Cache.
-    Nutzt clean_llm_text zur Entfernung von Steuerzeichen vor der Auswertung.
+    Nutzt das MoE-Profil 'ingest_validator' für deterministische YES/NO Prüfungen.
     """
     target_id = edge.get("to")
     target_ctx = batch_cache.get(target_id)
@@ -32,14 +39,16 @@ async def validate_edge_candidate(
         target_ctx = batch_cache.get(base_id)
     
     # Sicherheits-Fallback (Hard-Link Integrity)
+    # Explizite Wikilinks oder Callouts werden nicht durch das LLM verifiziert.
     if not target_ctx:
         logger.info(f"ℹ️ [VALIDATION SKIP] No context for '{target_id}' - allowing link.")
         return True
 
+    # Prompt-Abruf (Nutzt Provider-String als Fallback-Key für die prompts.yaml)
     template = llm_service.get_prompt("edge_validation", provider)
     
     try:
-        logger.info(f"⚖️ [VALIDATING] Relation '{edge.get('kind')}' -> '{target_id}'...")
+        logger.info(f"⚖️ [VALIDATING] Relation '{edge.get('kind')}' -> '{target_id}' (Profile: {profile_name})...")
         prompt = template.format(
             chunk_text=chunk_text[:1500],
             target_title=target_ctx.title,
@@ -47,8 +56,13 @@ async def validate_edge_candidate(
             edge_kind=edge.get("kind", "related_to")
         )
         
-        # Die Antwort vom Service anfordern
-        raw_response = await llm_service.generate_raw_response(prompt, priority="background")
+        # WP-25a: Profilbasierter Aufruf (Delegiert Fallbacks an den Service)
+        # Nutzt ingest_validator (Cloud Mistral/Gemini -> Local Phi3:mini Kaskade)
+        raw_response = await llm_service.generate_raw_response(
+            prompt, 
+            priority="background",
+            profile_name=profile_name
+        )
         
         # WP-14 Fix: Zusätzliche Bereinigung zur Sicherstellung der Interpretierbarkeit
         response = clean_llm_text(raw_response)
@@ -62,6 +76,6 @@ async def validate_edge_candidate(
             logger.info(f"🚫 [REJECTED] Relation to '{target_id}' irrelevant for this chunk.")
         return is_valid
     except Exception as e:
-        logger.warning(f"⚠️ Validation error for {target_id}: {e}")
+        logger.warning(f"⚠️ Validation error for {target_id} using {profile_name}: {e}")
         # Im Zweifel (Timeout/Fehler) erlauben wir die Kante, um Datenverlust zu vermeiden
         return True
\ No newline at end of file
diff --git a/app/core/retrieval/decision_engine.py b/app/core/retrieval/decision_engine.py
index 3b60043..ce606a5 100644
--- a/app/core/retrieval/decision_engine.py
+++ b/app/core/retrieval/decision_engine.py
@@ -3,13 +3,14 @@ FILE: app/core/retrieval/decision_engine.py
 DESCRIPTION: Der Agentic Orchestrator für MindNet (WP-25a Edition). 
              Realisiert Multi-Stream Retrieval, Intent-basiertes Routing 
              und die neue Pre-Synthesis Kompression (Module A).
-VERSION: 1.2.0 (WP-25a: Mixture of Experts Support)
+VERSION: 1.2.1 (WP-25a: Profile-Driven Orchestration & Optimized Cascade)
 STATUS: Active
 FIX: 
-- WP-25a: Vollständige Integration der llm_profile-Steuerung für Synthese und Kompression.
-- WP-25a: Implementierung der _compress_stream_content Logik zur Inhaltsverdichtung.
+- WP-25a: Volle Integration der Profil-Kaskade (Delegation an LLMService v3.5.2).
+- WP-25a: Dynamische Nutzung des 'router_profile' für die Intent-Erkennung.
+- WP-25a: Parallelisierte Kompression überlanger Wissens-Streams.
 - WP-25: Beibehaltung von Stream-Tracing und Pre-Initialization Robustness.
-- COMPATIBILITY: Erhalt aller Methoden-Signaturen für den System-Merge.
+- CLEANUP: Entfernung redundanter Fallback-Blocks (jetzt im LLMService).
 """
 import asyncio
 import logging
@@ -77,16 +78,19 @@ class DecisionEngine:
         return await self._generate_final_answer(strategy_key, strategy, query, stream_results)
 
     async def _determine_strategy(self, query: str) -> str:
-        """Nutzt den LLM-Router zur Wahl der Such-Strategie."""
-        prompt_key = self.config.get("settings", {}).get("router_prompt_key", "intent_router_v1")
-        router_profile = self.config.get("settings", {}).get("router_profile")
+        """Nutzt den LLM-Router zur Wahl der Such-Strategie via router_profile."""
+        settings_cfg = self.config.get("settings", {})
+        prompt_key = settings_cfg.get("router_prompt_key", "intent_router_v1")
+        # WP-25a: Nutzt das spezialisierte Profil für das Routing
+        router_profile = settings_cfg.get("router_profile")
+        
         router_prompt_template = self.llm_service.get_prompt(prompt_key)
         if not router_prompt_template:
             return "FACT_WHAT"
 
         full_prompt = router_prompt_template.format(query=query)
         try:
-            # Der Router nutzt den Standard-Provider (auto)
+            # Der LLMService übernimmt hier über das Profil bereits die Fallback-Kaskade
             response = await self.llm_service.generate_raw_response(
                 full_prompt, max_retries=1, priority="realtime", profile_name=router_profile
             )
@@ -128,7 +132,7 @@ class DecisionEngine:
             # Formatierung der Hits in Text
             formatted_context = self._format_stream_context(res)
             
-            # WP-25a: Kompressions-Check
+            # WP-25a: Kompressions-Check (Inhaltsverdichtung)
             stream_cfg = library.get(name, {})
             threshold = stream_cfg.get("compression_threshold", 4000)
             
@@ -152,7 +156,6 @@ class DecisionEngine:
         """
         WP-25a Module A: Inhaltsverdichtung via Experten-Modell.
         """
-        # Falls kein Profil definiert, nutzen wir das Default-Profil der Strategie
         compression_prompt = (
             f"Du bist ein Wissens-Analyst. Reduziere den folgenden Wissens-Stream '{stream_name}' "
             f"auf die Informationen, die für die Beantwortung der Frage '{query}' absolut notwendig sind.\n\n"
@@ -220,8 +223,6 @@ class DecisionEngine:
         profile = strategy.get("llm_profile")
         template_key = strategy.get("prompt_template", "rag_template")
         
-        # Hier nutzen wir noch den Provider-String für get_prompt (Kompatibilität zu prompts.yaml)
-        # Der llm_service löst das Profil erst bei generate_raw_response auf.
         template = self.llm_service.get_prompt(template_key)
         system_prompt = self.llm_service.get_prompt("system_prompt")
 
@@ -238,25 +239,21 @@ class DecisionEngine:
             if prepend:
                 final_prompt = f"{prepend}\n\n{final_prompt}"
             
-            # WP-25a: MoE Call
+            # WP-25a: MoE Call mit automatisierter Kaskade im LLMService
+            # (Frühere manuelle Fallback-Blocks wurden entfernt, da v3.5.2 dies intern löst)
             response = await self.llm_service.generate_raw_response(
                 final_prompt, system=system_prompt, profile_name=profile, priority="realtime"
             )
 
-            # Fallback bei leerer Antwort auf lokales Modell
-            if not response or len(response.strip()) < 5:
-                return await self.llm_service.generate_raw_response(
-                    final_prompt, system=system_prompt, provider="ollama", priority="realtime"
-                )
-
             return response
 
         except KeyError as e:
             logger.error(f"Template Variable mismatch in '{template_key}': Missing {e}")
             fallback_context = "\n\n".join([v for v in stream_results.values() if v])
+            # WP-25a FIX: Nutzt auch im Fallback das Strategie-Profil für Konsistenz
             return await self.llm_service.generate_raw_response(
                 f"Beantworte: {query}\n\nKontext:\n{fallback_context}",
-                system=system_prompt, priority="realtime"
+                system=system_prompt, priority="realtime", profile_name=profile
             )
         except Exception as e:
             logger.error(f"Final Synthesis failed: {e}")
diff --git a/app/main.py b/app/main.py
index 546ebfb..529f5ae 100644
--- a/app/main.py
+++ b/app/main.py
@@ -1,8 +1,9 @@
 """
 FILE: app/main.py
-DESCRIPTION: Bootstrap der FastAPI Anwendung für WP-25 (Agentic RAG).
+DESCRIPTION: Bootstrap der FastAPI Anwendung für WP-25a (Agentic MoE).
              Orchestriert Lifespan-Events, globale Fehlerbehandlung und Routing.
-VERSION: 1.0.0 (WP-25 Release)
+             Prüft beim Start die Integrität der Mixture of Experts Konfiguration.
+VERSION: 1.1.0 (WP-25a: MoE Integrity Check)
 STATUS: Active
 DEPENDENCIES: app.config, app.routers.*, app.services.llm_service
 """
@@ -32,63 +33,74 @@ except Exception:
 
 from .core.logging_setup import setup_logging
 
-# Initialisierung noch VOR create_app()
+# Initialisierung des Loggings noch VOR create_app()
 setup_logging()
 
 logger = logging.getLogger(__name__)
 
-# --- WP-25: Lifespan Management ---
+# --- WP-25a: Lifespan Management mit MoE Integritäts-Prüfung ---
 
 @asynccontextmanager
 async def lifespan(app: FastAPI):
     """
-    Verwaltet den Lebenszyklus der Anwendung.
-    Führt Startup-Prüfungen durch und bereinigt Ressourcen beim Shutdown.
+    Verwaltet den Lebenszyklus der Anwendung (Startup/Shutdown).
+    Verifiziert die Verfügbarkeit der MoE-Experten-Profile und Strategien.
     """
     settings = get_settings()
-    logger.info("🚀 mindnet API: Starting up (WP-25 Agentic RAG Mode)...")
+    logger.info("🚀 mindnet API: Starting up (WP-25a MoE Mode)...")
     
-    # 1. Startup: Integritäts-Check der WP-25 Konfiguration
-    # Wir prüfen, ob die für die DecisionEngine kritischen Dateien vorhanden sind.
+    # 1. Startup: Integritäts-Check der MoE Konfiguration
+    # Wir prüfen die drei Säulen der Agentic-RAG Architektur.
     decision_cfg = os.getenv("MINDNET_DECISION_CONFIG", "config/decision_engine.yaml")
+    profiles_cfg = getattr(settings, "LLM_PROFILES_PATH", "config/llm_profiles.yaml")
     prompts_cfg = settings.PROMPTS_PATH
     
-    if not os.path.exists(decision_cfg):
-        logger.error(f"❌ CRITICAL: Decision Engine config missing at {decision_cfg}")
-    if not os.path.exists(prompts_cfg):
-        logger.error(f"❌ CRITICAL: Prompts config missing at {prompts_cfg}")
+    missing_files = []
+    if not os.path.exists(decision_cfg): missing_files.append(decision_cfg)
+    if not os.path.exists(profiles_cfg): missing_files.append(profiles_cfg)
+    if not os.path.exists(prompts_cfg): missing_files.append(prompts_cfg)
+    
+    if missing_files:
+        logger.error(f"❌ CRITICAL: Missing MoE config files: {missing_files}")
+    else:
+        logger.info("✅ MoE Configuration files verified.")
         
     yield
     
     # 2. Shutdown: Ressourcen bereinigen
     logger.info("🛑 mindnet API: Shutting down...")
-    llm = LLMService()
-    await llm.close()
-    logger.info("✨ Cleanup complete. Goodbye.")
+    try:
+        llm = LLMService()
+        await llm.close()
+        logger.info("✨ LLM resources cleaned up.")
+    except Exception as e:
+        logger.warning(f"⚠️ Error during LLMService cleanup: {e}")
+        
+    logger.info("Goodbye.")
 
 # --- App Factory ---
 
 def create_app() -> FastAPI:
-    """Initialisiert die FastAPI App mit WP-25 Erweiterungen."""
+    """Initialisiert die FastAPI App mit WP-25a Erweiterungen."""
     app = FastAPI(
         title="mindnet API", 
-        version="1.0.0", # WP-25 Milestone
+        version="1.1.0", # WP-25a Milestone
         lifespan=lifespan,
-        description="Digital Twin Knowledge Engine mit Agentic Multi-Stream RAG."
+        description="Digital Twin Knowledge Engine mit Mixture of Experts Orchestration."
     )
     
     s = get_settings()
 
-    # --- Globale Fehlerbehandlung (WP-25 Resilienz) ---
+    # --- Globale Fehlerbehandlung (WP-25a Resilienz) ---
     
     @app.exception_handler(Exception)
     async def global_exception_handler(request: Request, exc: Exception):
-        """Fängt unerwartete Fehler in der Multi-Stream Kette ab."""
+        """Fängt unerwartete Fehler in der MoE-Prozesskette ab."""
         logger.error(f"❌ Unhandled Engine Error: {exc}", exc_info=True)
         return JSONResponse(
             status_code=500,
             content={
-                "detail": "Ein interner Fehler ist aufgetreten. Die DecisionEngine konnte die Anfrage nicht finalisieren.",
+                "detail": "Ein interner Fehler ist in der MoE-Kette aufgetreten.",
                 "error_type": type(exc).__name__
             }
         )
@@ -96,12 +108,13 @@ def create_app() -> FastAPI:
     # Healthcheck
     @app.get("/healthz")
     def healthz():
+        """Bietet Statusinformationen über die Engine und Datenbank-Verbindung."""
         return {
             "status": "ok", 
-            "version": "1.0.0",
+            "version": "1.1.0",
             "qdrant": s.QDRANT_URL, 
             "prefix": s.COLLECTION_PREFIX,
-            "agentic_mode": True
+            "moe_enabled": True
         }
 
     # Inkludieren der Router (100% Kompatibilität erhalten)
@@ -109,7 +122,7 @@ def create_app() -> FastAPI:
     app.include_router(graph_router, prefix="/graph", tags=["graph"])
     app.include_router(tools_router, prefix="/tools", tags=["tools"])
     app.include_router(feedback_router, prefix="/feedback", tags=["feedback"])
-    app.include_router(chat_router, prefix="/chat", tags=["chat"]) # Nutzt nun WP-25 DecisionEngine
+    app.include_router(chat_router, prefix="/chat", tags=["chat"]) # WP-25a Agentic Chat
     app.include_router(ingest_router, prefix="/ingest", tags=["ingest"])
 
     if admin_router:
diff --git a/app/routers/chat.py b/app/routers/chat.py
index cbcd7af..a74d7a1 100644
--- a/app/routers/chat.py
+++ b/app/routers/chat.py
@@ -3,14 +3,13 @@ FILE: app/routers/chat.py
 DESCRIPTION: Haupt-Chat-Interface (WP-25a Agentic Edition). 
              Kombiniert die spezialisierte Interview-Logik und Keyword-Erkennung 
              mit der neuen MoE-Orchestrierung und Pre-Synthesis Kompression.
-VERSION: 3.0.3 (WP-25a: MoE & Compression Support - Full Release)
+VERSION: 3.0.4 (WP-25a: Optimized MoE & Cascade Delegation)
 STATUS: Active
 FIX: 
-- 100% Wiederherstellung der v3.0.2 Logik (Interview Fallbacks, Schema-Resolution).
-- WP-25a: Integration der Stream-Kompression (Module A) in den RAG-Workflow.
-- WP-25a: Unterstützung der llm_profiles für spezialisierte Synthese (Module B).
-- Erhalt der Ollama Context-Throttling Parameter (WP-20) als finaler Schutz.
-- Beibehaltung der No-Retry Logik (max_retries=0) für Chat-Stabilität.
+- WP-25a: Delegation der Fallback-Kaskade an den LLMService (v3.5.2).
+- WP-25a: Nutzung der zentralisierten Stream-Kompression der DecisionEngine (v1.2.1).
+- WP-25a: Konsistente Nutzung von MoE-Profilen für Interview- und RAG-Modus.
+- 100% Erhalt der v3.0.2 Logik (Interview, Schema-Resolution, FastPaths).
 """
 
 from fastapi import APIRouter, HTTPException, Depends
@@ -31,13 +30,13 @@ from app.services.feedback_service import log_search
 router = APIRouter()
 logger = logging.getLogger(__name__)
 
-# --- EBENE 1: CONFIG LOADER & CACHING (Restauriert aus v3.0.2) ---
+# --- EBENE 1: CONFIG LOADER & CACHING (WP-25 Standard) ---
 
 _DECISION_CONFIG_CACHE = None
 _TYPES_CONFIG_CACHE = None
 
 def _load_decision_config() -> Dict[str, Any]:
-    """Lädt die Strategie-Konfiguration (Kompatibilität zu WP-25)."""
+    """Lädt die Strategie-Konfiguration."""
     settings = get_settings()
     path = Path(settings.DECISION_CONFIG_PATH)
     try:
@@ -49,7 +48,7 @@ def _load_decision_config() -> Dict[str, Any]:
     return {"strategies": {}}
 
 def _load_types_config() -> Dict[str, Any]:
-    """Lädt die types.yaml für die Typerkennung im Interview-Modus."""
+    """Lädt die types.yaml für die Typerkennung."""
     path = os.getenv("MINDNET_TYPES_FILE", "config/types.yaml")
     try:
         if os.path.exists(path):
@@ -109,7 +108,7 @@ def _detect_target_type(message: str, configured_schemas: Dict[str, Any]) -> str
     return "default"
 
 def _is_question(query: str) -> bool:
-    """Prüft, ob der Input eine Frage ist (W-Fragen Erkennung)."""
+    """Prüft, ob der Input eine Frage ist."""
     q = query.strip().lower()
     if "?" in q: return True
     starters = ["wer", "wie", "was", "wo", "wann", "warum", "weshalb", "wozu", "welche", "bist du"]
@@ -136,17 +135,18 @@ async def _classify_intent(query: str, llm: LLMService) -> tuple[str, str]:
                 if kw.lower() in query_lower:
                     return "INTERVIEW", "Keyword (Interview)"
 
-    # 3. SLOW PATH: DecisionEngine LLM Router
+    # 3. SLOW PATH: DecisionEngine LLM Router (MoE-gesteuert)
     intent = await llm.decision_engine._determine_strategy(query)
     return intent, "DecisionEngine (LLM)"
 
 # --- EBENE 3: RETRIEVAL AGGREGATION ---
 
 def _collect_all_hits(stream_responses: Dict[str, Any]) -> List[QueryHit]:
-    """Sammelt und dedupliziert Treffer aus allen parallelen Streams."""
+    """Sammelt deduplizierte Treffer aus allen Streams für das Tracing."""
     all_hits = []
     seen_node_ids = set()
     for _, response in stream_responses.items():
+        # In v3.0.4 sammeln wir die hits aus den QueryResponse Objekten
         if hasattr(response, 'results'):
             for hit in response.results:
                 if hit.node_id not in seen_node_ids:
@@ -180,14 +180,14 @@ async def chat_endpoint(
         sources_hits = []
         answer_text = ""
 
-        # 2. INTERVIEW MODE (Kompatibilität zu v3.0.2)
+        # 2. INTERVIEW MODE (Bitgenaue WP-07 Logik)
         if intent == "INTERVIEW":
             target_type = _detect_target_type(request.message, strategy.get("schemas", {}))
             types_cfg = get_types_config()
             type_def = types_cfg.get("types", {}).get(target_type, {})
             fields_list = type_def.get("schema", [])
             
-            # WP-07: RESTAURIERTE FALLBACK LOGIK (v3.0.2)
+            # WP-07: Restaurierte Fallback Logik
             if not fields_list:
                 configured_schemas = strategy.get("schemas", {})
                 fallback = configured_schemas.get(target_type, configured_schemas.get("default", {}))
@@ -200,73 +200,46 @@ async def chat_endpoint(
                                    .replace("{target_type}", target_type) \
                                    .replace("{schema_fields}", fields_str)
             
-            # WP-25a: Nutzt spezialisiertes Kompressions-Profil für Interviews
+            # WP-25a: MoE Call (Kaskade erfolgt intern im LLMService)
             answer_text = await llm.generate_raw_response(
                 final_prompt, system=llm.get_prompt("system_prompt"), 
                 priority="realtime", profile_name="compression_fast", max_retries=0
             )
             sources_hits = []
 
-        # 3. RAG MODE (WP-25a Multi-Stream + Pre-Synthesis)
+        # 3. RAG MODE (Optimierte MoE Orchestrierung)
         else:
+            # Phase A & B: Retrieval & Kompression (Delegation an Engine v1.2.1)
+            # Diese Methode gibt bereits die (evtl. komprimierten) Kontext-Strings zurück.
+            formatted_context_map = await engine._execute_parallel_streams(strategy, request.message)
+            
+            # Erfassung der Quellen für das Tracing
+            raw_stream_map = {}
             stream_keys = strategy.get("use_streams", [])
             library = engine.config.get("streams_library", {})
             
-            # Phase A: Retrieval
-            tasks = []
+            retrieval_tasks = []
             active_streams = []
             for key in stream_keys:
-                stream_cfg = library.get(key)
-                if stream_cfg:
+                if key in library:
                     active_streams.append(key)
-                    tasks.append(engine._run_single_stream(key, stream_cfg, request.message))
-
-            responses = await asyncio.gather(*tasks, return_exceptions=True)
+                    retrieval_tasks.append(engine._run_single_stream(key, library[key], request.message))
             
-            raw_stream_map = {}
-            formatted_context_tasks = []
-            max_chars = getattr(settings, "MAX_OLLAMA_CHARS", 10000)
-            provider = strategy.get("preferred_provider") or settings.MINDNET_LLM_PROVIDER
-
-            # Phase B: Pre-Synthesis & Throttling
+            responses = await asyncio.gather(*retrieval_tasks, return_exceptions=True)
             for name, res in zip(active_streams, responses):
                 if not isinstance(res, Exception):
                     raw_stream_map[name] = res
-                    context_text = engine._format_stream_context(res)
-                    
-                    # WP-25a: Automatisierte Kompression
-                    stream_cfg = library.get(name, {})
-                    threshold = stream_cfg.get("compression_threshold", 4000)
-                    
-                    if len(context_text) > threshold:
-                        profile = stream_cfg.get("compression_profile")
-                        formatted_context_tasks.append(
-                            engine._compress_stream_content(name, context_text, request.message, profile)
-                        )
-                    else:
-                        # WP-20: Restaurierter Throttling-Schutz als Fallback
-                        if provider == "ollama" and len(context_text) > max_chars:
-                            context_text = context_text[:max_chars] + "\n[...]"
-                            
-                        async def _ident(c=context_text): return c
-                        formatted_context_tasks.append(_ident())
-                else:
-                    async def _err(): return "[Stream Error]"
-                    formatted_context_tasks.append(_err())
+            
+            sources_hits = _collect_all_hits(raw_stream_map)
 
-            # Inhalte parallel finalisieren
-            final_contexts = await asyncio.gather(*formatted_context_tasks)
-            formatted_context_map = dict(zip(active_streams, final_contexts))
-
-            # Phase C: MoE Synthese
+            # Phase C: Finale MoE Synthese
             answer_text = await engine._generate_final_answer(
                 intent, strategy, request.message, formatted_context_map
             )
-            sources_hits = _collect_all_hits(raw_stream_map)
 
         duration_ms = int((time.time() - start_time) * 1000)
 
-        # Logging
+        # Logging (WP-15)
         try:
             log_search(
                 query_id=query_id, query_text=request.message, results=sources_hits,
@@ -281,4 +254,4 @@ async def chat_endpoint(
 
     except Exception as e:
         logger.error(f"❌ Chat Endpoint Failure: {e}", exc_info=True)
-        raise HTTPException(status_code=500, detail="Fehler bei der Verarbeitung.")
\ No newline at end of file
+        raise HTTPException(status_code=500, detail="Fehler bei der Verarbeitung der Anfrage.")
\ No newline at end of file
diff --git a/app/services/embeddings_client.py b/app/services/embeddings_client.py
index 2ccda42..88e88fa 100644
--- a/app/services/embeddings_client.py
+++ b/app/services/embeddings_client.py
@@ -1,40 +1,74 @@
 """
 FILE: app/services/embeddings_client.py
-DESCRIPTION: Unified Embedding Client. Nutzt Ollama API (HTTP). Ersetzt lokale sentence-transformers.
-VERSION: 2.5.0
+DESCRIPTION: Unified Embedding Client. Nutzt MoE-Profile zur Modellsteuerung.
+             WP-25a: Integration der llm_profiles.yaml für konsistente Vektoren.
+VERSION: 2.6.0 (WP-25a: MoE & Profile Support)
 STATUS: Active
-DEPENDENCIES: httpx, requests, app.config
-LAST_ANALYSIS: 2025-12-15
+DEPENDENCIES: httpx, requests, app.config, yaml
 """
 from __future__ import annotations
 import os
 import logging
 import httpx
-import requests # Für den synchronen Fallback
-from typing import List
+import requests 
+import yaml
+from pathlib import Path
+from typing import List, Dict, Any
 from app.config import get_settings
 
 logger = logging.getLogger(__name__)
 
 class EmbeddingsClient:
     """
-    Async Client für Embeddings via Ollama.
+    Async Client für Embeddings. 
+    Steuerung erfolgt über das 'embedding_expert' Profil in llm_profiles.yaml.
     """
     def __init__(self):
         self.settings = get_settings()
-        self.base_url = os.getenv("MINDNET_OLLAMA_URL", "http://127.0.0.1:11434")
-        self.model = os.getenv("MINDNET_EMBEDDING_MODEL")
         
+        # 1. MoE-Profil laden (WP-25a)
+        self.profile = self._load_embedding_profile()
+        
+        # 2. Modell & URL auflösen
+        # Priorität: llm_profiles.yaml -> .env (Legacy) -> Fallback
+        self.model = self.profile.get("model") or os.getenv("MINDNET_EMBEDDING_MODEL")
+        
+        provider = self.profile.get("provider", "ollama")
+        if provider == "ollama":
+            self.base_url = self.settings.OLLAMA_URL
+        else:
+            # Platzhalter für zukünftige Cloud-Embedding-Provider
+            self.base_url = os.getenv("MINDNET_OLLAMA_URL", "http://127.0.0.1:11434")
+
         if not self.model:
             self.model = os.getenv("MINDNET_LLM_MODEL", "phi3:mini")
-            logger.warning(f"No MINDNET_EMBEDDING_MODEL set. Fallback to '{self.model}'.")
+            logger.warning(f"⚠️ Kein Embedding-Modell in Profil oder .env gefunden. Fallback auf '{self.model}'.")
+        else:
+            logger.info(f"🧬 Embedding-Experte aktiv: Model='{self.model}' via {provider}")
+
+    def _load_embedding_profile(self) -> Dict[str, Any]:
+        """Lädt die Konfiguration für den embedding_expert."""
+        path_str = getattr(self.settings, "LLM_PROFILES_PATH", "config/llm_profiles.yaml")
+        path = Path(path_str)
+        if not path.exists():
+            return {}
+        try:
+            with open(path, "r", encoding="utf-8") as f:
+                data = yaml.safe_load(f) or {}
+                profiles = data.get("profiles", {})
+                return profiles.get("embedding_expert", {})
+        except Exception as e:
+            logger.error(f"❌ Failed to load embedding profile: {e}")
+            return {}
 
     async def embed_query(self, text: str) -> List[float]:
+        """Erzeugt einen Vektor für eine Suchanfrage."""
         return await self._request_embedding(text)
 
     async def embed_documents(self, texts: List[str]) -> List[List[float]]:
+        """Erzeugt Vektoren für einen Batch von Dokumenten."""
         vectors = []
-        # Längeres Timeout für Batches
+        # Längeres Timeout für Batches (WP-20 Resilienz)
         async with httpx.AsyncClient(timeout=120.0) as client:
             for text in texts:
                 vec = await self._request_embedding_with_client(client, text)
@@ -42,18 +76,23 @@ class EmbeddingsClient:
         return vectors
 
     async def _request_embedding(self, text: str) -> List[float]:
+        """Interner Request-Handler für Einzelabfragen."""
         async with httpx.AsyncClient(timeout=30.0) as client:
             return await self._request_embedding_with_client(client, text)
 
     async def _request_embedding_with_client(self, client: httpx.AsyncClient, text: str) -> List[float]:
-        if not text or not text.strip(): return []
+        """Führt den HTTP-Call gegen die Embedding-API durch."""
+        if not text or not text.strip(): 
+            return []
+            
         url = f"{self.base_url}/api/embeddings"
         try:
+            # WP-25: Aktuell optimiert für Ollama-API Struktur
             response = await client.post(url, json={"model": self.model, "prompt": text})
             response.raise_for_status()
             return response.json().get("embedding", [])
         except Exception as e:
-            logger.error(f"Async embedding failed: {e}")
+            logger.error(f"Async embedding failed (Model: {self.model}): {e}")
             return []
 
 # ==============================================================================
@@ -62,27 +101,38 @@ class EmbeddingsClient:
 
 def embed_text(text: str) -> List[float]:
     """
-    LEGACY/SYNC: Nutzt jetzt ebenfalls OLLAMA via 'requests'.
-    Ersetzt SentenceTransformers, um Dimensionskonflikte (768 vs 384) zu lösen.
+    LEGACY/SYNC: Nutzt ebenfalls die Profil-Logik für Konsistenz.
+    Ersetzt lokale sentence-transformers zur Vermeidung von Dimensionskonflikten.
     """
     if not text or not text.strip():
         return []
         
-    base_url = os.getenv("MINDNET_OLLAMA_URL", "http://127.0.0.1:11434")
-    model = os.getenv("MINDNET_EMBEDDING_MODEL")
+    settings = get_settings()
     
-    # Fallback logik identisch zur Klasse
+    # Schneller Profil-Lookup für Sync-Mode
+    path = Path(getattr(settings, "LLM_PROFILES_PATH", "config/llm_profiles.yaml"))
+    model = os.getenv("MINDNET_EMBEDDING_MODEL")
+    base_url = settings.OLLAMA_URL
+    
+    if path.exists():
+        try:
+            with open(path, "r", encoding="utf-8") as f:
+                data = yaml.safe_load(f) or {}
+                prof = data.get("profiles", {}).get("embedding_expert", {})
+                if prof.get("model"): 
+                    model = prof["model"]
+        except: pass
+
     if not model:
         model = os.getenv("MINDNET_LLM_MODEL", "phi3:mini")
 
     url = f"{base_url}/api/embeddings"
     
     try:
-        # Synchroner Request (blockierend)
+        # Synchroner Request via requests
         response = requests.post(url, json={"model": model, "prompt": text}, timeout=30)
         response.raise_for_status()
-        data = response.json()
-        return data.get("embedding", [])
+        return response.json().get("embedding", [])
     except Exception as e:
-        logger.error(f"Sync embedding (Ollama) failed: {e}")
+        logger.error(f"Sync embedding failed (Model: {model}): {e}")
         return []
\ No newline at end of file
diff --git a/app/services/llm_service.py b/app/services/llm_service.py
index f321589..a796c17 100644
--- a/app/services/llm_service.py
+++ b/app/services/llm_service.py
@@ -1,14 +1,14 @@
 """
 FILE: app/services/llm_service.py
 DESCRIPTION: Hybrid-Client für Ollama, Google GenAI (Gemini) und OpenRouter.
-             WP-25a: Implementierung der Mixture of Experts (MoE) Profil-Steuerung.
-VERSION: 3.5.0 (WP-25a: MoE & Profile Orchestration)
+             WP-25a: Implementierung der Mixture of Experts (MoE) Kaskaden-Steuerung.
+VERSION: 3.5.2 (WP-25a: MoE & Fallback Cascade Support)
 STATUS: Active
 FIX: 
-- WP-25a: Profilbasiertes Routing via llm_profiles.yaml.
-- WP-25a: Unterstützung individueller Temperaturen pro Experten-Profil.
-- WP-25: Beibehaltung der Ingest-Stability (kein Schwellenwert für YES/NO).
-- WP-25: Erhalt der vollständigen v3.4.2 Resilienz-Logik.
+- WP-25a: Implementierung der rekursiven Fallback-Kaskade via fallback_profile.
+- WP-25a: Schutz gegen zirkuläre Profil-Referenzen (visited_profiles).
+- WP-25a: Erweitertes Logging für Tracing der Experten-Entscheidungen.
+- Erhalt der Ingest-Stability (WP-25) und des Rate-Limit-Managements.
 """
 import httpx
 import yaml
@@ -89,7 +89,6 @@ class LLMService:
 
     def _load_llm_profiles(self) -> dict:
         """WP-25a: Lädt die zentralen MoE-Profile aus der llm_profiles.yaml."""
-        # Wir nutzen den in settings oder decision_engine definierten Pfad
         path_str = getattr(self.settings, "LLM_PROFILES_PATH", "config/llm_profiles.yaml")
         path = Path(path_str)
         if not path.exists():
@@ -124,22 +123,27 @@ class LLMService:
         json_schema: Optional[Dict[str, Any]] = None,
         json_schema_name: str = "mindnet_json",
         strict_json_schema: bool = True,
-        profile_name: Optional[str] = None # WP-25a
+        profile_name: Optional[str] = None,
+        visited_profiles: Optional[list] = None
     ) -> str:
         """
-        Haupteinstiegspunkt für LLM-Anfragen mit Profil-Unterstützung.
+        Haupteinstiegspunkt für LLM-Anfragen mit rekursiver Kaskaden-Logik.
         """
+        visited_profiles = visited_profiles or []
         target_provider = provider
         target_model = model_override
         target_temp = None
+        fallback_profile = None
 
-        # WP-25a: Profil-Auflösung (Provider, Modell, Temperatur)
+        # 1. Profil-Auflösung
         if profile_name and self.profiles:
             profile = self.profiles.get(profile_name)
             if profile:
                 target_provider = profile.get("provider", target_provider)
                 target_model = profile.get("model", target_model)
                 target_temp = profile.get("temperature")
+                fallback_profile = profile.get("fallback_profile")
+                visited_profiles.append(profile_name)
                 logger.info(f"🎭 MoE Dispatch: Profil='{profile_name}' -> Provider='{target_provider}' | Model='{target_model}'")
             else:
                 logger.warning(f"⚠️ Profil '{profile_name}' nicht in llm_profiles.yaml gefunden!")    
@@ -149,26 +153,52 @@ class LLMService:
             target_provider = self.settings.MINDNET_LLM_PROVIDER
             logger.info(f"ℹ️ Kein Provider/Profil definiert. Nutze Default: {target_provider}")
 
-        if priority == "background":
-            async with LLMService._background_semaphore:
+        # 2. Ausführung mit Fehler-Handling für Kaskade
+        try:
+            if priority == "background":
+                async with LLMService._background_semaphore:
+                    res = await self._dispatch(
+                        target_provider, prompt, system, force_json,
+                        max_retries, base_delay, target_model,
+                        json_schema, json_schema_name, strict_json_schema, target_temp
+                    )
+            else:
                 res = await self._dispatch(
                     target_provider, prompt, system, force_json,
                     max_retries, base_delay, target_model,
                     json_schema, json_schema_name, strict_json_schema, target_temp
                 )
-        else:
-            res = await self._dispatch(
-                target_provider, prompt, system, force_json,
-                max_retries, base_delay, target_model,
-                json_schema, json_schema_name, strict_json_schema, target_temp
-            )
 
-        # WP-25 Fix: Ingest-Stability (Ermöglicht YES/NO ohne Schwellenwert-Blockade)
-        if not res and target_provider != "ollama":
-            logger.warning(f"⚠️ [WP-25] Empty response from {target_provider}. Fallback to OLLAMA.")
-            res = await self._execute_ollama(prompt, system, force_json, max_retries, base_delay, target_temp)
+            # Check auf leere Cloud-Antworten (WP-25 Stability)
+            if not res and target_provider != "ollama":
+                logger.warning(f"⚠️ Empty response from {target_provider}. Triggering fallback chain.")
+                raise ValueError(f"Empty response from {target_provider}")
 
-        return clean_llm_text(res) if not force_json else res
+            return clean_llm_text(res) if not force_json else res
+
+        except Exception as e:
+            logger.error(f"❌ Error during execution of profile '{profile_name}' ({target_provider}): {e}")
+            
+            # 3. Kaskaden-Logik: Nächstes Profil in der Kette versuchen
+            if fallback_profile and fallback_profile not in visited_profiles:
+                logger.info(f"🔄 Switching to fallback profile: '{fallback_profile}'")
+                return await self.generate_raw_response(
+                    prompt=prompt, system=system, force_json=force_json,
+                    max_retries=max_retries, base_delay=base_delay,
+                    priority=priority, provider=provider, model_override=model_override,
+                    json_schema=json_schema, json_schema_name=json_schema_name,
+                    strict_json_schema=strict_json_schema, 
+                    profile_name=fallback_profile,
+                    visited_profiles=visited_profiles
+                )
+            
+            # 4. Ultimativer Notanker: Falls alles fehlschlägt, direkt zu Ollama
+            if target_provider != "ollama" and self.settings.LLM_FALLBACK_ENABLED:
+                logger.warning(f"🚨 Kaskade erschöpft. Nutze finalen Ollama-Notanker.")
+                res = await self._execute_ollama(prompt, system, force_json, max_retries, base_delay)
+                return clean_llm_text(res) if not force_json else res
+            
+            raise e
 
     async def _dispatch(
         self,
@@ -182,9 +212,9 @@ class LLMService:
         json_schema: Optional[Dict[str, Any]],
         json_schema_name: str,
         strict_json_schema: bool,
-        temperature: Optional[float] = None # WP-25a
+        temperature: Optional[float] = None
     ) -> str:
-        """Routet die Anfrage mit Rate-Limit Erkennung."""
+        """Routet die Anfrage an den spezifischen Provider-Executor."""
         rate_limit_attempts = 0
         max_rate_retries = min(max_retries, getattr(self.settings, "LLM_RATE_LIMIT_RETRIES", 3))
         wait_time = getattr(self.settings, "LLM_RATE_LIMIT_WAIT", 60.0)
@@ -206,14 +236,13 @@ class LLMService:
 
             except Exception as e:
                 err_str = str(e)
+                # Rate-Limit Handling (429)
                 if any(x in err_str for x in ["429", "RESOURCE_EXHAUSTED", "rate_limited"]):
                     rate_limit_attempts += 1
                     logger.warning(f"⏳ Rate Limit {provider}. Attempt {rate_limit_attempts}. Wait {wait_time}s.")
                     await asyncio.sleep(wait_time)
                     continue 
-
-                if self.settings.LLM_FALLBACK_ENABLED and provider != "ollama":
-                    return await self._execute_ollama(prompt, system, force_json, max_retries, base_delay, temperature)
+                # Andere Fehler werden an generate_raw_response für die Kaskade gereicht
                 raise e
 
     async def _execute_google(self, prompt, system, force_json, model_override, temperature):
@@ -245,7 +274,6 @@ class LLMService:
         temperature: Optional[float] = None
     ) -> str:
         model = model_override or self.settings.OPENROUTER_MODEL
-        # ERWEITERTES LOGGING VOR DEM CALL
         logger.info(f"🛰️ OpenRouter Call: Model='{model}' | Temp={temperature}")
         messages = []
         if system: messages.append({"role": "system", "content": system})
@@ -274,7 +302,7 @@ class LLMService:
         return response.choices[0].message.content.strip() if response.choices[0].message.content else ""
 
     async def _execute_ollama(self, prompt, system, force_json, max_retries, base_delay, temperature=None):
-        # WP-25a: Nutzt Profil-Temperatur oder Standard
+        # Nutzt Profil-Temperatur oder strikte Defaults für lokale Hardware-Schonung
         effective_temp = temperature if temperature is not None else (0.1 if force_json else 0.7)
         
         payload = {
@@ -294,7 +322,9 @@ class LLMService:
                 return res.json().get("response", "").strip()
             except Exception as e:
                 attempt += 1
-                if attempt > max_retries: raise e
+                if attempt > max_retries: 
+                    logger.error(f"❌ Ollama final failure after {attempt} attempts: {e}")
+                    raise e
                 await asyncio.sleep(base_delay * (2 ** (attempt - 1)))
 
     async def generate_rag_response(self, query: str, context_str: Optional[str] = None) -> str:
diff --git a/config/llm_profiles.yaml b/config/llm_profiles.yaml
index 11303fb..db804ca 100644
--- a/config/llm_profiles.yaml
+++ b/config/llm_profiles.yaml
@@ -1,31 +1,64 @@
 # config/llm_profiles.yaml
-# VERSION: 1.0.0 (WP-25a: Centralized MoE Profiles)
+# VERSION: 1.3.0 (WP-25a: Global MoE & Fallback Cascade)
 # STATUS: Active
-# DESCRIPTION: Zentrale Definition der LLM-Experten-Profile für MindNet.
+# DESCRIPTION: Zentrale Definition der LLM-Rollen inkl. Ausfall-Logik (Kaskade).
 
 profiles:
-  # Der "Dampfhammer": Schnell und günstig für Zusammenfassungen
+  # --- CHAT & SYNTHESE ---
+  # Der "Architekt": Hochwertige Synthese. Fällt bei Fehlern auf den Backup-Cloud-Experten zurück.
+  synthesis_pro:
+    provider: "openrouter"
+    model: "gemini-1.5-mistralai/mistral-7b-instruct:free"
+    temperature: 0.7
+    fallback_profile: "synthesis_backup"
+
+  # Der "Vize": Leistungsstarkes Modell bei einem anderen Provider (Resilienz).
+  synthesis_backup:
+    provider: "openrouter"
+    model: "mistralai/mistral-large"
+    temperature: 0.5
+    fallback_profile: "identity_safe" # Letzte Instanz: Lokal
+
+  # Der "Ingenieur": Fachspezialist für Code. Nutzt bei Ausfall den Generalisten.
+  tech_expert:
+    provider: "openrouter"
+    model: "anthropic/claude-3.5-sonnet"
+    temperature: 0.3
+    fallback_profile: "synthesis_pro"
+
+  # Der "Dampfhammer": Schnell für Routing und Zusammenfassungen.
   compression_fast:
     provider: "openrouter"
     model: "mistralai/mistral-7b-instruct:free"
     temperature: 0.1
-  
-  # Der "Ingenieur": Tiefes Verständnis für Code und Logik
-  tech_expert:
-    provider: "openrouter"
-    model: "anthropic/claude-3-sonnet"
-    temperature: 0.3
-    
-  # Der "Wächter": Lokal für sensible Identitäts-Daten
-  identity_safe:
-    provider: "ollama"
-    model: "llama3.1:8b"
-    temperature: 0.2
-    
-  # Der "Architekt": Hochwertige Synthese und strategische Abwägung
-  synthesis_pro:
+    fallback_profile: "identity_safe"
+
+  # --- INGESTION EXPERTEN ---
+  # Spezialist für die Extraktion komplexer Datenstrukturen aus Dokumenten.
+  ingest_extractor:
     provider: "openrouter"
     model: "mistralai/mistral-7b-instruct:free"
-    temperature: 0.7
+    temperature: 0.2
+    fallback_profile: "synthesis_backup"
 
-    
\ No newline at end of file
+  # Spezialist für binäre Prüfungen (YES/NO). Muss extrem deterministisch sein.
+  ingest_validator:
+    provider: "openrouter"
+    model: "mistralai/mistral-7b-instruct:free"
+    temperature: 0.0
+    fallback_profile: "compression_fast"
+
+  # --- LOKALER ANKER & PRIVACY ---
+  # Der "Wächter": Lokales Modell für maximale Privatsphäre. Ende der Kaskade.
+  identity_safe:
+    provider: "ollama"
+    model: "phi3:mini"
+    temperature: 0.2
+    # Kein fallback_profile definiert = Terminaler Endpunkt
+
+  # --- EMBEDDING EXPERTE ---
+  # Zentralisierung des Embedding-Modells zur Entfernung aus der .env.
+  embedding_expert:
+    provider: "ollama"
+    model: "nomic-embed-text"
+    dimensions: 768
\ No newline at end of file
diff --git a/docs/AUDIT_LLM_PROFILE_INTEGRATION.md b/docs/AUDIT_LLM_PROFILE_INTEGRATION.md
new file mode 100644
index 0000000..a024132
--- /dev/null
+++ b/docs/AUDIT_LLM_PROFILE_INTEGRATION.md
@@ -0,0 +1,103 @@
+# Audit: LLM-Profilsteuerung Integration (WP-25a)
+
+**Datum:** 2025-01-XX  
+**Version:** WP-25a  
+**Status:** ✅ Abgeschlossen mit Verbesserungen
+
+## Zusammenfassung
+
+Dieses Audit prüft die Vollständigkeit der neuen LLM-Profilsteuerung (MoE - Mixture of Experts) und identifiziert alle Stellen, die die zentrale Steuerung umgehen könnten.
+
+## Gefundene Probleme & Lösungen
+
+### ✅ Problem 1: Fehlendes `profile_name` im Fallback-Code
+**Datei:** `app/core/retrieval/decision_engine.py` (Zeile 253-255)  
+**Problem:** Der Fallback-Aufruf in `_generate_final_answer` nutzte kein `profile_name`, wodurch die Profilsteuerung umgangen wurde.  
+**Lösung:** ✅ Behoben - Nutzt nun `profile_name=profile` für Konsistenz.
+
+### ⚠️ Problem 2: Ungenutztes Profil `ingest_extractor`
+**Datei:** `config/llm_profiles.yaml`  
+**Problem:** Das Profil `ingest_extractor` ist definiert, wird aber nirgendwo im Code verwendet.  
+**Status:** ⚠️ Offene Lücke - Profil ist für zukünftige Extraktions-Aufgaben vorgesehen, aktuell nicht benötigt.
+
+### ✅ Problem 3: Externes Script umgeht Steuerung
+**Datei:** `scripts/ollama_tool_runner.py`  
+**Problem:** Script macht direkte Ollama-Aufrufe ohne LLMService.  
+**Status:** ✅ Akzeptabel - Dies ist ein externes Test-/Demo-Script, kein Teil der Hauptanwendung.
+
+## Vollständige Prüfung aller LLM-Aufrufe
+
+### ✅ Korrekt implementiert (nutzen Profilsteuerung):
+
+1. **`app/core/ingestion/ingestion_validation.py`**
+   - ✅ Nutzt `profile_name="ingest_validator"` (Zeile 61-64)
+   - ✅ Delegiert Fallback-Kaskade an LLMService
+
+2. **`app/core/retrieval/decision_engine.py`**
+   - ✅ `_determine_strategy()`: Nutzt `router_profile` (Zeile 94-96)
+   - ✅ `_compress_stream_content()`: Nutzt `compression_profile` (Zeile 169-174)
+   - ✅ `_generate_final_answer()`: Nutzt `llm_profile` aus Strategie (Zeile 244-246)
+   - ✅ **BEHOBEN:** Fallback nutzt nun auch `profile_name` (Zeile 253-256)
+
+3. **`app/routers/chat.py`**
+   - ✅ Interview-Modus: Nutzt `profile_name="compression_fast"` (Zeile 204-207)
+   - ✅ RAG-Modus: Delegiert an DecisionEngine (nutzt Strategie-Profile)
+
+4. **`app/services/embeddings_client.py`**
+   - ✅ Nutzt `embedding_expert` Profil aus `llm_profiles.yaml` (Zeile 29-47)
+   - ✅ Konsistente Modellsteuerung für Embeddings
+
+5. **`app/services/llm_service.py`**
+   - ✅ Zentrale Implementierung der Profilsteuerung
+   - ✅ Rekursive Fallback-Kaskade implementiert
+   - ✅ Schutz gegen zirkuläre Referenzen (`visited_profiles`)
+
+### ✅ Keine LLM-Aufrufe (korrekt):
+
+1. **`app/routers/ingest.py`**
+   - Nutzt nur IngestionService (der wiederum LLMService nutzt)
+
+2. **`app/services/discovery.py`**
+   - Nutzt nur Retrieval, keine LLM-Aufrufe
+
+3. **`app/frontend/ui_api.py`**
+   - Macht nur HTTP-Requests zu API-Endpunkten
+
+## Konfigurationsprüfung
+
+### ✅ `config/llm_profiles.yaml`
+- ✅ Alle benötigten Profile definiert:
+  - `synthesis_pro` - Hauptsynthese
+  - `synthesis_backup` - Backup-Synthese
+  - `tech_expert` - Code/Technik
+  - `compression_fast` - Kompression/Routing
+  - `ingest_validator` - Validierung (YES/NO)
+  - `ingest_extractor` - Extraktion (aktuell ungenutzt)
+  - `identity_safe` - Lokaler Privacy-Anker
+  - `embedding_expert` - Embeddings
+- ✅ Fallback-Kaskaden korrekt definiert
+- ✅ Temperaturen angemessen gesetzt
+
+### ✅ `config/decision_engine.yaml`
+- ✅ Nutzt `router_profile` für Intent-Erkennung
+- ✅ Strategien referenzieren `llm_profile`
+- ✅ Streams nutzen `compression_profile`
+
+## Empfehlungen
+
+### Sofort umsetzbar:
+1. ✅ **BEHOBEN:** Fallback in DecisionEngine nutzt nun Profilsteuerung
+
+### Zukünftige Verbesserungen:
+1. **`ingest_extractor` Profil:** Wenn Extraktions-Aufgaben hinzukommen, sollte dieses Profil genutzt werden
+2. **Monitoring:** Logging erweitern, um Profil-Nutzung zu tracken
+3. **Dokumentation:** Profil-Auswahl-Logik in Entwickler-Dokumentation aufnehmen
+
+## Fazit
+
+✅ **Die LLM-Profilsteuerung ist vollständig integriert.**  
+✅ **Alle kritischen LLM-Aufrufe nutzen die zentrale Steuerung.**  
+✅ **Ein kleiner Bug wurde behoben (Fallback ohne Profil).**  
+⚠️ **Ein Profil (`ingest_extractor`) ist definiert, aber aktuell ungenutzt - dies ist akzeptabel für zukünftige Features.**
+
+Die Architektur ist robust und folgt dem MoE-Prinzip konsequent.