Merge pull request 'WP25a' (#20) from WP25a into main

Reviewed-on: #20

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)
             

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

app/core/retrieval/decision_engine.py

@@ -1,13 +1,16 @@
 """
 FILE: app/core/retrieval/decision_engine.py
-DESCRIPTION: Der Agentic Orchestrator für WP-25. 
+DESCRIPTION: Der Agentic Orchestrator für MindNet (WP-25a Edition). 
              Realisiert Multi-Stream Retrieval, Intent-basiertes Routing 
-             und parallele Wissens-Synthese.
-VERSION: 1.0.3
+             und die neue Pre-Synthesis Kompression (Module A).
+VERSION: 1.2.1 (WP-25a: Profile-Driven Orchestration & Optimized Cascade)
 STATUS: Active
 FIX: 
-- WP-25 STREAM-TRACING: Kennzeichnung der Treffer mit ihrem Ursprungs-Stream.
-- WP-25 ROBUSTNESS: Pre-Initialization der Stream-Variablen zur Vermeidung von KeyErrors.
+- 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.
+- CLEANUP: Entfernung redundanter Fallback-Blocks (jetzt im LLMService).
 """
 import asyncio
 import logging
@@ -32,7 +35,7 @@ class DecisionEngine:
         self.config = self._load_engine_config()
 
     def _load_engine_config(self) -> Dict[str, Any]:
-        """Lädt die Multi-Stream Konfiguration (WP-25)."""
+        """Lädt die Multi-Stream Konfiguration (WP-25/25a)."""
         path = os.getenv("MINDNET_DECISION_CONFIG", "config/decision_engine.yaml")
         if not os.path.exists(path):
             logger.error(f"❌ Decision Engine Config not found at {path}")
@@ -47,9 +50,9 @@ class DecisionEngine:
     async def ask(self, query: str) -> str:
         """
         Hauptmethode des MindNet Chats.
-        Orchestriert den gesamten Prozess: Routing -> Retrieval -> Synthese.
+        Orchestriert den agentischen Prozess: Routing -> Retrieval -> Kompression -> Synthese.
         """
-        # 1. Intent Recognition
+        # 1. Intent Recognition (Strategy Routing)
         strategy_key = await self._determine_strategy(query)
         
         strategies = self.config.get("strategies", {})
@@ -67,23 +70,29 @@ class DecisionEngine:
             if not strategy:
                 return "Entschuldigung, meine Wissensbasis ist aktuell nicht konfiguriert."
 
-        # 2. Multi-Stream Retrieval
+        # 2. Multi-Stream Retrieval & Pre-Synthesis (Parallel Tasks)
+        # WP-25a: Diese Methode übernimmt nun auch die Kompression.
         stream_results = await self._execute_parallel_streams(strategy, query)
 
-        # 3. Synthese
+        # 3. Finale Synthese
         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")
+        """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 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"
+                full_prompt, max_retries=1, priority="realtime", profile_name=router_profile
             )
             return str(response).strip().upper()
         except Exception as e:
@@ -91,35 +100,85 @@ class DecisionEngine:
             return "FACT_WHAT"
 
     async def _execute_parallel_streams(self, strategy: Dict, query: str) -> Dict[str, str]:
-        """Führt Such-Streams gleichzeitig aus."""
+        """
+        Führt Such-Streams aus und komprimiert überlange Ergebnisse (Pre-Synthesis).
+        WP-25a: MoE-Profile werden für die Kompression berücksichtigt.
+        """
         stream_keys = strategy.get("use_streams", [])
         library = self.config.get("streams_library", {})
         
-        tasks = []
+        # Phase 1: Retrieval Tasks starten
+        retrieval_tasks = []
         active_streams = []
         for key in stream_keys:
             stream_cfg = library.get(key)
             if stream_cfg:
                 active_streams.append(key)
-                tasks.append(self._run_single_stream(key, stream_cfg, query))
+                retrieval_tasks.append(self._run_single_stream(key, stream_cfg, query))
 
-        results = await asyncio.gather(*tasks, return_exceptions=True)
+        # Ergebnisse sammeln (Exceptions werden als Objekte zurückgegeben)
+        retrieval_results = await asyncio.gather(*retrieval_tasks, return_exceptions=True)
         
-        mapped_results = {}
-        for name, res in zip(active_streams, results):
+        # Phase 2: Formatierung und optionale Kompression
+        final_stream_tasks = []
+        
+        for name, res in zip(active_streams, retrieval_results):
             if isinstance(res, Exception):
-                logger.error(f"Stream '{name}' failed: {res}")
-                mapped_results[name] = "[Fehler beim Abruf dieses Wissens-Streams]"
-            else:
-                mapped_results[name] = self._format_stream_context(res)
+                logger.error(f"Stream '{name}' failed during retrieval: {res}")
+                async def _err(): return "[Fehler beim Abruf dieses Wissens-Streams]"
+                final_stream_tasks.append(_err())
+                continue
             
-        return mapped_results
+            # Formatierung der Hits in Text
+            formatted_context = self._format_stream_context(res)
+            
+            # WP-25a: Kompressions-Check (Inhaltsverdichtung)
+            stream_cfg = library.get(name, {})
+            threshold = stream_cfg.get("compression_threshold", 4000)
+            
+            if len(formatted_context) > threshold:
+                logger.info(f"⚙️ [WP-25a] Compressing stream '{name}' ({len(formatted_context)} chars)...")
+                comp_profile = stream_cfg.get("compression_profile")
+                final_stream_tasks.append(
+                    self._compress_stream_content(name, formatted_context, query, comp_profile)
+                )
+            else:
+                # Direkt-Übernahme als Coroutine für gather()
+                async def _direct(c=formatted_context): return c
+                final_stream_tasks.append(_direct())
+
+        # Finale Inhalte (evtl. komprimiert) parallel fertigstellen
+        final_contents = await asyncio.gather(*final_stream_tasks)
+        
+        return dict(zip(active_streams, final_contents))
+
+    async def _compress_stream_content(self, stream_name: str, content: str, query: str, profile: Optional[str]) -> str:
+        """
+        WP-25a Module A: Inhaltsverdichtung via Experten-Modell.
+        """
+        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"
+            f"BEIBEHALTEN: Harte Fakten, Projektnamen, konkrete Werte und Quellenangaben.\n"
+            f"ENTFERNEN: Redundante Einleitungen, Füllwörter und irrelevante Details.\n\n"
+            f"STREAM-INHALT:\n{content}\n\n"
+            f"KOMPRIMIERTE ANALYSE:"
+        )
+        
+        try:
+            summary = await self.llm_service.generate_raw_response(
+                compression_prompt, 
+                profile_name=profile, # WP-25a: MoE Support
+                priority="background",
+                max_retries=1
+            )
+            return summary.strip() if (summary and len(summary.strip()) > 10) else content
+        except Exception as e:
+            logger.error(f"❌ Compression of {stream_name} failed: {e}")
+            return content
 
     async def _run_single_stream(self, name: str, cfg: Dict, query: str) -> QueryResponse:
-        """
-        Bereitet eine spezialisierte Suche vor.
-        WP-25: Taggt die Treffer mit ihrem Ursprungs-Stream.
-        """
+        """Spezialisierte Graph-Suche mit Stream-Tracing (WP-25)."""
         transformed_query = cfg.get("query_template", "{query}").format(query=query)
         
         request = QueryRequest(
@@ -131,18 +190,16 @@ class DecisionEngine:
             explain=True
         )
         
-        # Retrieval ausführen
         response = await self.retriever.search(request)
         
         # WP-25: STREAM-TRACING
-        # Markiere jeden Treffer mit dem Namen des Quell-Streams
         for hit in response.results:
             hit.stream_origin = name
             
         return response
 
     def _format_stream_context(self, response: QueryResponse) -> str:
-        """Wandelt QueryHits in Kontext-Strings um."""
+        """Wandelt QueryHits in einen formatierten Kontext-String um."""
         if not response.results:
             return "Keine spezifischen Informationen in diesem Stream gefunden."
         
@@ -161,12 +218,13 @@ class DecisionEngine:
         query: str, 
         stream_results: Dict[str, str]
     ) -> str:
-        """Führt die Synthese durch."""
-        provider = strategy.get("preferred_provider") or self.settings.MINDNET_LLM_PROVIDER
+        """Führt die finale Synthese basierend auf dem Strategie-Profil durch."""
+        # WP-25a: Nutzt das llm_profile der Strategie
+        profile = strategy.get("llm_profile")
         template_key = strategy.get("prompt_template", "rag_template")
         
-        template = self.llm_service.get_prompt(template_key, provider=provider)
-        system_prompt = self.llm_service.get_prompt("system_prompt", provider=provider)
+        template = self.llm_service.get_prompt(template_key)
+        system_prompt = self.llm_service.get_prompt("system_prompt")
 
         # WP-25 ROBUSTNESS: Pre-Initialization
         all_possible_streams = ["values_stream", "facts_stream", "biography_stream", "risk_stream", "tech_stream"]
@@ -181,13 +239,10 @@ class DecisionEngine:
             if prepend:
                 final_prompt = f"{prepend}\n\n{final_prompt}"
             
+            # 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, provider=provider, priority="realtime"
-            )
-
-            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"
+                final_prompt, system=system_prompt, profile_name=profile, priority="realtime"
             )
 
             return response
@@ -195,9 +250,10 @@ class DecisionEngine:
         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}")

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...")
+    try:
         llm = LLMService()
         await llm.close()
-    logger.info("✨ Cleanup complete. Goodbye.")
+        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:

app/routers/chat.py

@@ -1,15 +1,15 @@
 """
 FILE: app/routers/chat.py
-DESCRIPTION: Haupt-Chat-Interface (WP-25 Agentic Edition). 
+DESCRIPTION: Haupt-Chat-Interface (WP-25a Agentic Edition). 
              Kombiniert die spezialisierte Interview-Logik und Keyword-Erkennung 
-             mit der neuen Multi-Stream Orchestrierung der DecisionEngine.
-VERSION: 3.0.2
+             mit der neuen MoE-Orchestrierung und Pre-Synthesis Kompression.
+VERSION: 3.0.4 (WP-25a: Optimized MoE & Cascade Delegation)
 STATUS: Active
 FIX: 
-- 100% Wiederherstellung der v2.7.8 Logik (Interview, Schema-Resolution, Keywords).
-- Integration der DecisionEngine für paralleles RAG-Retrieval.
-- Erhalt der Ollama Context-Throttling Parameter (WP-20).
-- 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
@@ -19,6 +19,7 @@ import uuid
 import logging
 import yaml
 import os
+import asyncio
 from pathlib import Path
 
 from app.config import get_settings
@@ -29,13 +30,13 @@ from app.services.feedback_service import log_search
 router = APIRouter()
 logger = logging.getLogger(__name__)
 
-# --- EBENE 1: CONFIG LOADER & CACHING (Restauriert aus v2.7.8) ---
+# --- 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:
@@ -47,7 +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):
@@ -77,10 +78,7 @@ def get_decision_strategy(intent: str) -> Dict[str, Any]:
 # --- EBENE 2: SPEZIAL-LOGIK (INTERVIEW & DETECTION) ---
 
 def _detect_target_type(message: str, configured_schemas: Dict[str, Any]) -> str:
-    """
-    WP-07: Identifiziert den gewünschten Notiz-Typ (Keyword-basiert).
-    100% identisch mit v2.7.8 zur Sicherstellung des Interview-Workflows.
-    """
+    """WP-07: Identifiziert den gewünschten Notiz-Typ (Keyword-basiert)."""
     message_lower = message.lower()
     types_cfg = get_types_config()
     types_def = types_cfg.get("types", {})
@@ -110,17 +108,14 @@ 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"]
     return any(q.startswith(s + " ") for s in starters)
 
 async def _classify_intent(query: str, llm: LLMService) -> tuple[str, str]:
-    """
-    WP-25 Hybrid Router:
-    Nutzt erst Keyword-Fast-Paths (Router) und delegiert dann an die DecisionEngine.
-    """
+    """Hybrid Router: Keyword-Fast-Paths & DecisionEngine LLM Router."""
     config = get_full_config()
     strategies = config.get("strategies", {})
     query_lower = query.lower()
@@ -140,17 +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:
@@ -171,7 +167,7 @@ async def chat_endpoint(
     start_time = time.time()
     query_id = str(uuid.uuid4())
     settings = get_settings()
-    logger.info(f"🚀 [WP-25] Chat request [{query_id}]: {request.message[:50]}...")
+    logger.info(f"🚀 [WP-25a] Chat request [{query_id}]: {request.message[:50]}...")
 
     try:
         # 1. Intent Detection
@@ -184,13 +180,14 @@ async def chat_endpoint(
         sources_hits = []
         answer_text = ""
 
-        # 2. INTERVIEW MODE (Kompatibilität zu v2.7.8)
+        # 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
             if not fields_list:
                 configured_schemas = strategy.get("schemas", {})
                 fallback = configured_schemas.get(target_type, configured_schemas.get("default", {}))
@@ -203,56 +200,50 @@ async def chat_endpoint(
                                    .replace("{target_type}", target_type) \
                                    .replace("{schema_fields}", fields_str)
             
+            # 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", provider=strategy.get("preferred_provider"), max_retries=0
+                priority="realtime", profile_name="compression_fast", max_retries=0
             )
             sources_hits = []
 
-        # 3. RAG MODE (WP-25 Multi-Stream)
+        # 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", {})
             
-            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))
-
-            import asyncio
-            responses = await asyncio.gather(*tasks, return_exceptions=True)
-            
-            raw_stream_map = {}
-            formatted_context_map = {}
-            max_chars = getattr(settings, "MAX_OLLAMA_CHARS", 10000)
-            provider = strategy.get("preferred_provider") or settings.MINDNET_LLM_PROVIDER
+                    retrieval_tasks.append(engine._run_single_stream(key, library[key], request.message))
             
+            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-20 Stability Fix: Throttling
-                    if provider == "ollama" and len(context_text) > max_chars:
-                        context_text = context_text[:max_chars] + "\n[...]"
-                    
-                    formatted_context_map[name] = context_text
+            sources_hits = _collect_all_hits(raw_stream_map)
 
+            # 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,
-                mode=f"wp25_{intent.lower()}", metadata={"strategy": intent, "source": intent_source}
+                mode=f"wp25a_{intent.lower()}", metadata={"strategy": intent, "source": intent_source}
             )
         except: pass
 
@@ -263,4 +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.")
+        raise HTTPException(status_code=500, detail="Fehler bei der Verarbeitung der Anfrage.")

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()
+        
+        # 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")
-        self.model = os.getenv("MINDNET_EMBEDDING_MODEL")
 
         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()
+    
+    # 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
 
-    # Fallback logik identisch zur Klasse
     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 []

app/services/llm_service.py

@@ -1,16 +1,14 @@
 """
 FILE: app/services/llm_service.py
 DESCRIPTION: Hybrid-Client für Ollama, Google GenAI (Gemini) und OpenRouter.
-             Verwaltet provider-spezifische Prompts und Background-Last.
-             WP-20: Optimiertes Fallback-Management zum Schutz von Cloud-Quoten.
-             WP-22/JSON: Optionales JSON-Schema + strict (für OpenRouter).
-             WP-25: Integration der DecisionEngine für Agentic Multi-Stream RAG.
-VERSION: 3.4.2 (WP-25: Ingest-Stability Patch)
+             WP-25a: Implementierung der Mixture of Experts (MoE) Kaskaden-Steuerung.
+VERSION: 3.5.2 (WP-25a: MoE & Fallback Cascade Support)
 STATUS: Active
 FIX: 
-- Ingest-Stability: Entfernung des <5-Zeichen Guards (ermöglicht YES/NO Validierungen).
-- OpenRouter-Fix: Sicherung gegen leere 'choices' zur Vermeidung von JSON-Errors.
-- Erhalt der vollständigen v3.3.9 Logik für Rate-Limits, Retries und Background-Tasks.
+- 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
@@ -19,28 +17,28 @@ import asyncio
 import json
 from google import genai
 from google.genai import types
-from openai import AsyncOpenAI  # Für OpenRouter (OpenAI-kompatibel)
+from openai import AsyncOpenAI
 from pathlib import Path
 from typing import Optional, Dict, Any, Literal
 from app.config import get_settings
 
-# ENTSCHEIDENDER FIX: Import der neutralen Bereinigungs-Logik (WP-14)
+# Import der neutralen Bereinigungs-Logik
 from app.core.registry import clean_llm_text
 
 logger = logging.getLogger(__name__)
 
 class LLMService:
-    # GLOBALER SEMAPHOR für Hintergrund-Last Steuerung (WP-06)
     _background_semaphore = None
 
     def __init__(self):
         self.settings = get_settings()
         self.prompts = self._load_prompts()
         
-        # WP-25: Lazy Initialization der DecisionEngine zur Vermeidung von Circular Imports
+        # WP-25a: Zentrale Experten-Profile laden
+        self.profiles = self._load_llm_profiles()
+        
         self._decision_engine = None
 
-        # Initialisiere Semaphore einmalig auf Klassen-Ebene
         if LLMService._background_semaphore is None:
             limit = getattr(self.settings, "BACKGROUND_LIMIT", 2)
             logger.info(f"🚦 LLMService: Initializing Background Semaphore with limit: {limit}")
@@ -52,10 +50,9 @@ class LLMService:
             timeout=httpx.Timeout(self.settings.LLM_TIMEOUT)
         )
 
-        # 2. Google GenAI Client (Modern SDK)
+        # 2. Google GenAI Client
         self.google_client = None
         if self.settings.GOOGLE_API_KEY:
-            # FIX: Wir erzwingen api_version 'v1' für höhere Stabilität bei 2.5er Modellen.
             self.google_client = genai.Client(
                 api_key=self.settings.GOOGLE_API_KEY,
                 http_options={'api_version': 'v1'}
@@ -68,24 +65,20 @@ class LLMService:
             self.openrouter_client = AsyncOpenAI(
                 base_url="https://openrouter.ai/api/v1",
                 api_key=self.settings.OPENROUTER_API_KEY,
-                # Strikter Timeout für OpenRouter Free-Tier zur Vermeidung von Hangs.
                 timeout=45.0 
             )
             logger.info("🛰️ LLMService: OpenRouter Integration active.")
 
     @property
     def decision_engine(self):
-        """Lazy Initialization der Decision Engine (WP-25)."""
         if self._decision_engine is None:
             from app.core.retrieval.decision_engine import DecisionEngine
             self._decision_engine = DecisionEngine()
         return self._decision_engine
 
     def _load_prompts(self) -> dict:
-        """Lädt die Prompt-Konfiguration aus der YAML-Datei."""
         path = Path(self.settings.PROMPTS_PATH)
         if not path.exists():
-            logger.error(f"❌ Prompts file not found at {path}")
             return {}
         try:
             with open(path, "r", encoding="utf-8") as f:
@@ -94,21 +87,27 @@ class LLMService:
             logger.error(f"❌ Failed to load prompts: {e}")
             return {}
 
+    def _load_llm_profiles(self) -> dict:
+        """WP-25a: Lädt die zentralen MoE-Profile aus der llm_profiles.yaml."""
+        path_str = getattr(self.settings, "LLM_PROFILES_PATH", "config/llm_profiles.yaml")
+        path = Path(path_str)
+        if not path.exists():
+            logger.warning(f"⚠️ LLM Profiles file not found at {path}. System will use .env defaults.")
+            return {}
+        try:
+            with open(path, "r", encoding="utf-8") as f:
+                data = yaml.safe_load(f) or {}
+                return data.get("profiles", {})
+        except Exception as e:
+            logger.error(f"❌ Failed to load llm_profiles.yaml: {e}")
+            return {}
+
     def get_prompt(self, key: str, provider: str = None) -> str:
-        """
-        Hole provider-spezifisches Template mit intelligenter Text-Kaskade.
-        Kaskade: Gewählter Provider -> Gemini -> Ollama.
-        """
         active_provider = provider or self.settings.MINDNET_LLM_PROVIDER
         data = self.prompts.get(key, "")
-
         if isinstance(data, dict):
             val = data.get(active_provider, data.get("gemini", data.get("ollama", "")))
-            if isinstance(val, dict):
-                logger.warning(f"⚠️ [LLMService] Nested dictionary detected for key '{key}'. Using first entry.")
-                val = next(iter(val.values()), "") if val else ""
             return str(val)
-
         return str(data)
 
     async def generate_raw_response(
@@ -123,36 +122,84 @@ class LLMService:
         model_override: Optional[str] = None,
         json_schema: Optional[Dict[str, Any]] = None,
         json_schema_name: str = "mindnet_json",
-        strict_json_schema: bool = True
+        strict_json_schema: bool = True,
+        profile_name: Optional[str] = None,
+        visited_profiles: Optional[list] = None
     ) -> str:
         """
-        Haupteinstiegspunkt für LLM-Anfragen. 
-        WP-25 FIX: Schwellenwert entfernt, um kurze Ingest-Validierungen (YES/NO) zu unterstützen.
+        Haupteinstiegspunkt für LLM-Anfragen mit rekursiver Kaskaden-Logik.
         """
-        target_provider = provider or self.settings.MINDNET_LLM_PROVIDER
+        visited_profiles = visited_profiles or []
+        target_provider = provider
+        target_model = model_override
+        target_temp = None
+        fallback_profile = None
 
+        # 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!")    
+
+        # Fallback auf Standard-Provider falls nichts übergeben/definiert wurde
+        if not target_provider:
+            target_provider = self.settings.MINDNET_LLM_PROVIDER
+            logger.info(f"ℹ️ Kein Provider/Profil definiert. Nutze Default: {target_provider}")
+
+        # 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, model_override,
-                    json_schema, json_schema_name, strict_json_schema
+                        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, model_override,
-                json_schema, json_schema_name, strict_json_schema
+                    max_retries, base_delay, target_model,
+                    json_schema, json_schema_name, strict_json_schema, target_temp
                 )
 
-        # WP-25 FIX: Nur noch auf absolut leere Antwort prüfen (ermöglicht YES/NO Antworten).
+            # Check auf leere Cloud-Antworten (WP-25 Stability)
             if not res and target_provider != "ollama":
-            logger.warning(f"⚠️ [WP-25] Empty response from {target_provider}. Falling back to OLLAMA.")
-            res = await self._execute_ollama(prompt, system, force_json, max_retries, base_delay)
+                logger.warning(f"⚠️ Empty response from {target_provider}. Triggering fallback chain.")
+                raise ValueError(f"Empty response from {target_provider}")
 
-        # WP-14 Fix: Bereinige Text-Antworten vor Rückgabe
             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,
         provider: str,
@@ -164,9 +211,10 @@ class LLMService:
         model_override: Optional[str],
         json_schema: Optional[Dict[str, Any]],
         json_schema_name: str,
-        strict_json_schema: bool
+        strict_json_schema: bool,
+        temperature: Optional[float] = None
     ) -> str:
-        """Routet die Anfrage mit intelligenter 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)
@@ -175,43 +223,41 @@ class LLMService:
             try:
                 if provider == "openrouter" and self.openrouter_client:
                     return await self._execute_openrouter(
-                        prompt=prompt,
-                        system=system,
-                        force_json=force_json,
-                        model_override=model_override,
-                        json_schema=json_schema,
-                        json_schema_name=json_schema_name,
-                        strict_json_schema=strict_json_schema
+                        prompt=prompt, system=system, force_json=force_json,
+                        model_override=model_override, json_schema=json_schema,
+                        json_schema_name=json_schema_name, strict_json_schema=strict_json_schema,
+                        temperature=temperature
                     )
 
                 if provider == "gemini" and self.google_client:
-                    return await self._execute_google(prompt, system, force_json, model_override)
+                    return await self._execute_google(prompt, system, force_json, model_override, temperature)
 
-                return await self._execute_ollama(prompt, system, force_json, max_retries, base_delay)
+                return await self._execute_ollama(prompt, system, force_json, max_retries, base_delay, temperature)
 
             except Exception as e:
                 err_str = str(e)
-                is_rate_limit = any(x in err_str for x in ["429", "RESOURCE_EXHAUSTED", "rate_limited", "Too Many Requests"])
-
-                if is_rate_limit and rate_limit_attempts < max_rate_retries:
+                # 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 from {provider}. Attempt {rate_limit_attempts}. Waiting {wait_time}s...")
+                    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":
-                    logger.warning(f"🔄 Provider {provider} failed ({err_str}). Falling back to OLLAMA.")
-                    return await self._execute_ollama(prompt, system, force_json, max_retries, base_delay)
+                # Andere Fehler werden an generate_raw_response für die Kaskade gereicht
                 raise e
 
-    async def _execute_google(self, prompt, system, force_json, model_override):
+    async def _execute_google(self, prompt, system, force_json, model_override, temperature):
         model = model_override or self.settings.GEMINI_MODEL
         clean_model = model.replace("models/", "")
         
-        config = types.GenerateContentConfig(
-            system_instruction=system,
-            response_mime_type="application/json" if force_json else "text/plain"
-        )
+        config_kwargs = {
+            "system_instruction": system,
+            "response_mime_type": "application/json" if force_json else "text/plain"
+        }
+        if temperature is not None:
+            config_kwargs["temperature"] = temperature
+
+        config = types.GenerateContentConfig(**config_kwargs)
+        
         response = await asyncio.wait_for(
             asyncio.to_thread(
                 self.google_client.models.generate_content,
@@ -222,53 +268,48 @@ class LLMService:
         return response.text.strip()
 
     async def _execute_openrouter(
-        self,
-        prompt: str,
-        system: Optional[str],
-        force_json: bool,
-        model_override: Optional[str],
-        json_schema: Optional[Dict[str, Any]] = None,
-        json_schema_name: str = "mindnet_json",
-        strict_json_schema: bool = True
+        self, prompt: str, system: Optional[str], force_json: bool,
+        model_override: Optional[str], json_schema: Optional[Dict[str, Any]] = None,
+        json_schema_name: str = "mindnet_json", strict_json_schema: bool = True,
+        temperature: Optional[float] = None
     ) -> str:
-        """OpenRouter API Integration. WP-25 FIX: Sicherung gegen leere 'choices'."""
         model = model_override or self.settings.OPENROUTER_MODEL
+        logger.info(f"🛰️ OpenRouter Call: Model='{model}' | Temp={temperature}")
         messages = []
-        if system:
-            messages.append({"role": "system", "content": system})
+        if system: messages.append({"role": "system", "content": system})
         messages.append({"role": "user", "content": prompt})
 
         kwargs: Dict[str, Any] = {}
+        if temperature is not None:
+            kwargs["temperature"] = temperature
+        
         if force_json:
             if json_schema:
                 kwargs["response_format"] = {
                     "type": "json_schema",
-                    "json_schema": {
-                        "name": json_schema_name, "strict": strict_json_schema, "schema": json_schema
-                    }
+                    "json_schema": {"name": json_schema_name, "strict": strict_json_schema, "schema": json_schema}
                 }
             else:
                 kwargs["response_format"] = {"type": "json_object"}
 
         response = await self.openrouter_client.chat.completions.create(
-            model=model,
-            messages=messages,
-            **kwargs
+            model=model, messages=messages, **kwargs
         )
         
-        # WP-25 FIX: Sicherung gegen leere Antwort-Arrays
-        if not response.choices or len(response.choices) == 0:
-            logger.warning(f"🛰️ OpenRouter returned no choices for model {model}")
+        if not response.choices:
             return ""
             
         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):
+    async def _execute_ollama(self, prompt, system, force_json, max_retries, base_delay, temperature=None):
+        # 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 = {
             "model": self.settings.LLM_MODEL,
             "prompt": prompt,
             "stream": False,
-            "options": {"temperature": 0.1 if force_json else 0.7, "num_ctx": 8192}
+            "options": {"temperature": effective_temp, "num_ctx": 8192}
         }
         if force_json: payload["format"] = "json"
         if system: payload["system"] = system
@@ -282,14 +323,12 @@ class LLMService:
             except Exception as e:
                 attempt += 1
                 if attempt > max_retries: 
-                    logger.error(f"❌ Ollama request failed: {e}")
+                    logger.error(f"❌ Ollama final failure after {attempt} attempts: {e}")
                     raise e
-                wait_time = base_delay * (2 ** (attempt - 1))
-                await asyncio.sleep(wait_time)
+                await asyncio.sleep(base_delay * (2 ** (attempt - 1)))
 
     async def generate_rag_response(self, query: str, context_str: Optional[str] = None) -> str:
         """WP-25: Orchestrierung via DecisionEngine."""
-        logger.info(f"🚀 [WP-25] Chat Query: {query[:50]}...")
         return await self.decision_engine.ask(query)
 
     async def close(self):

config/decision_engine.yaml

@@ -1,28 +1,33 @@
 # config/decision_engine.yaml
-# VERSION: 3.1.6 (WP-25: Multi-Stream Agentic RAG - Final Release)
+# VERSION: 3.2.2 (WP-25a: Decoupled MoE Logic)
 # STATUS: Active
-# DoD: 
-# - Strikte Nutzung der Typen aus types.yaml (v2.7.0).
-# - Fix für Projekt-Klassifizierung via Keyword-Fast-Path (Auflösung Kollision).
-# - 100% Erhalt aller Stream-Parameter und Edge-Boosts.
+# DESCRIPTION: Zentrale Orchestrierung der Multi-Stream-Engine.
+# FIX: 
+# - Auslagerung der LLM-Profile in llm_profiles.yaml zur zentralen Wartbarkeit.
+# - Integration von compression_thresholds zur Inhaltsverdichtung (WP-25a).
+# - 100% Erhalt aller WP-25 Edge-Boosts und Filter-Typen (v3.1.6).
 
-version: 3.1
+version: 3.2
 
 settings:
   llm_fallback_enabled: true
-  # "auto" nutzt den in MINDNET_LLM_PROVIDER gesetzten Standard.
+  # "auto" nutzt den globalen Default-Provider aus der .env
   router_provider: "auto" 
-  # Verweist auf das Template in prompts.yaml
+  # Verweis auf den Intent-Klassifizierer in der prompts.yaml
   router_prompt_key: "intent_router_v1"
+  # Pfad zur neuen Experten-Konfiguration (WP-25a Architektur-Cleanliness)
+  profiles_config_path: "config/llm_profiles.yaml"
+  router_profile: "compression_fast"
 
-# --- EBENE 1: STREAM-LIBRARY (Bausteine basierend auf types.yaml) ---
-# Synchronisiert mit types.yaml v2.7.0
-
+# --- EBENE 1: STREAM-LIBRARY (Bausteine basierend auf types.yaml v2.7.0) ---
 streams_library:
   values_stream:
     name: "Identität & Ethik"
+    # Referenz auf Experten-Profil (z.B. lokal via Ollama für Privacy)
+    llm_profile: "identity_safe" 
+    compression_profile: "identity_safe"
+    compression_threshold: 2500
     query_template: "Welche meiner Werte und Prinzipien betreffen: {query}"
-    # Nur Typen aus types.yaml
     filter_types: ["value", "principle", "belief", "trait", "boundary", "need", "motivation"]
     top_k: 5
     edge_boosts:
@@ -32,8 +37,10 @@ streams_library:
 
   facts_stream:
     name: "Operative Realität"
+    llm_profile: "synthesis_pro"
+    compression_profile: "compression_fast"
+    compression_threshold: 3500
     query_template: "Status, Ressourcen und Fakten zu: {query}"
-    # Nur Typen aus types.yaml
     filter_types: ["project", "decision", "task", "goal", "event", "state"]
     top_k: 5
     edge_boosts:
@@ -43,8 +50,10 @@ streams_library:
 
   biography_stream:
     name: "Persönliche Erfahrung"
+    llm_profile: "synthesis_pro"
+    compression_profile: "compression_fast"
+    compression_threshold: 3000
     query_template: "Welche Erlebnisse habe ich im Kontext von {query} gemacht?"
-    # Nur Typen aus types.yaml
     filter_types: ["experience", "journal", "profile", "person"]
     top_k: 3
     edge_boosts:
@@ -53,8 +62,10 @@ streams_library:
 
   risk_stream:
     name: "Risiko-Radar"
+    llm_profile: "synthesis_pro"
+    compression_profile: "compression_fast"
+    compression_threshold: 2500
     query_template: "Gefahren, Hindernisse oder Risiken bei: {query}"
-    # Nur Typen aus types.yaml
     filter_types: ["risk", "obstacle", "bias"]
     top_k: 3
     edge_boosts:
@@ -64,81 +75,59 @@ streams_library:
 
   tech_stream:
     name: "Wissen & Technik"
+    llm_profile: "tech_expert"
+    compression_profile: "compression_fast"
+    compression_threshold: 4500
     query_template: "Inhaltliche Details und Definitionen zu: {query}"
-    # Nur Typen aus types.yaml
     filter_types: ["concept", "source", "glossary", "idea", "insight", "skill", "habit"]
     top_k: 5
     edge_boosts:
       uses: 2.5
       implemented_in: 3.0
 
-# --- EBENE 2: STRATEGIEN (Komposition & Routing) ---
-# Orchestriert das Zusammenspiel der Streams basierend auf dem Intent.
-
+# --- EBENE 2: STRATEGIEN (Finale Komposition via MoE-Profile) ---
 strategies:
-  # Spezialisierte Fact-Strategie für zeitliche Fragen
   FACT_WHEN:
     description: "Abfrage von exakten Zeitpunkten und Terminen."
-    preferred_provider: "openrouter"
-    # FAST PATH: Harte Keywords für zeitliche Fragen
+    llm_profile: "synthesis_pro"
     trigger_keywords: ["wann", "datum", "uhrzeit", "zeitpunkt"]
-    use_streams:
-      - "facts_stream"
-      - "biography_stream"
-      - "tech_stream"
+    use_streams: ["facts_stream", "biography_stream", "tech_stream"]
     prompt_template: "fact_synthesis_v1"
 
-  # Spezialisierte Fact-Strategie für inhaltliche Fragen & Listen
   FACT_WHAT:
     description: "Abfrage von Definitionen, Listen und Inhalten."
-    preferred_provider: "openrouter"
-    # FIX v3.1.6: "projekt" entfernt, um Kollision mit DECISION ("Soll ich Projekt...") zu vermeiden.
+    llm_profile: "synthesis_pro"
     trigger_keywords: ["was ist", "welche sind", "liste", "übersicht", "zusammenfassung"]
-    use_streams:
-      - "facts_stream"
-      - "tech_stream"
-      - "biography_stream"
+    use_streams: ["facts_stream", "tech_stream", "biography_stream"]
     prompt_template: "fact_synthesis_v1"
 
-  # Entscheidungs-Frage
   DECISION:
     description: "Der User sucht Rat, Strategie oder Abwägung."
-    preferred_provider: "gemini"
-    # FIX v3.1.6: Trigger erweitert, um "Soll ich... Projekt..." sicher zu fangen.
+    llm_profile: "synthesis_pro" 
     trigger_keywords: ["soll ich", "sollte ich", "entscheidung", "abwägen", "priorität", "empfehlung"]
-    use_streams:
-      - "values_stream"
-      - "facts_stream"
-      - "risk_stream"
+    use_streams: ["values_stream", "facts_stream", "risk_stream"]
     prompt_template: "decision_synthesis_v1"
     prepend_instruction: |
       !!! ENTSCHEIDUNGS-MODUS (AGENTIC MULTI-STREAM) !!!
       Analysiere die Fakten vor dem Hintergrund meiner Werte und evaluiere die Risiken.
       Wäge ab, ob das Vorhaben mit meiner langfristigen Identität kompatibel ist.
 
-  # Emotionale Reflexion
   EMPATHY:
     description: "Reaktion auf emotionale Zustände."
-    preferred_provider: "openrouter"
+    llm_profile: "synthesis_pro"
     trigger_keywords: ["fühle", "traurig", "glücklich", "stress", "angst"]
-    use_streams:
-      - "biography_stream"
-      - "values_stream"
+    use_streams: ["biography_stream", "values_stream"]
     prompt_template: "empathy_template"
 
-  # Technischer Support
   CODING:
     description: "Technische Anfragen und Programmierung."
-    preferred_provider: "gemini"
+    llm_profile: "tech_expert"
     trigger_keywords: ["code", "python", "script", "bug", "syntax"]
-    use_streams:
-      - "tech_stream"
-      - "facts_stream"
+    use_streams: ["tech_stream", "facts_stream"]
     prompt_template: "technical_template"
 
-  # Eingabe-Modus (WP-07)
   INTERVIEW:
     description: "Der User möchte Wissen erfassen (Eingabemodus)."
-    preferred_provider: "openrouter"
+    llm_profile: "compression_fast"
     use_streams: [] 
     prompt_template: "interview_template"

config/llm_profiles.yaml

@@ -0,0 +1,64 @@
+# config/llm_profiles.yaml
+# VERSION: 1.3.0 (WP-25a: Global MoE & Fallback Cascade)
+# STATUS: Active
+# DESCRIPTION: Zentrale Definition der LLM-Rollen inkl. Ausfall-Logik (Kaskade).
+
+profiles:
+  # --- CHAT & SYNTHESE ---
+  # Der "Architekt": Hochwertige Synthese. Fällt bei Fehlern auf den Backup-Cloud-Experten zurück.
+  synthesis_pro:
+    provider: "openrouter"
+    model: "google/gemini-2.0-flash-exp:free"
+    temperature: 0.7
+    fallback_profile: "synthesis_backup"
+
+  # Der "Vize": Leistungsstarkes Modell bei einem anderen Provider (Resilienz).
+  synthesis_backup:
+    provider: "openrouter"
+    model: "meta-llama/llama-3.3-70b-instruct:free"
+    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: "qwen/qwen-2.5-vl-7b-instruct:free"
+    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
+    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: 0.2
+    fallback_profile: "synthesis_backup"
+
+  # 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

docs/00_General/00_glossary.md

@@ -2,8 +2,8 @@
 doc_type: glossary
 audience: all
 status: active
-version: 2.9.3
-context: "Zentrales Glossar für Mindnet v2.9.3. Enthält Definitionen zu Hybrid-Cloud Resilienz, WP-14 Modularisierung, WP-15b Two-Pass Ingestion, WP-15c Multigraph-Support, WP-25 Agentic Multi-Stream RAG und Mistral-safe Parsing."
+version: 3.0.0
+context: "Zentrales Glossar für Mindnet v3.0.0. Enthält Definitionen zu Hybrid-Cloud Resilienz, WP-14 Modularisierung, WP-15b Two-Pass Ingestion, WP-15c Multigraph-Support, WP-25 Agentic Multi-Stream RAG, WP-25a Mixture of Experts (MoE) und Mistral-safe Parsing."
 ---
 
 # Mindnet Glossar
@@ -55,3 +55,8 @@ context: "Zentrales Glossar für Mindnet v2.9.3. Enthält Definitionen zu Hybrid
 * **Deep-Link / Section-basierter Link:** Ein Link wie `[[Note#Section]]`, der auf einen spezifischen Abschnitt innerhalb einer Note verweist. Seit v2.9.1 wird dieser in `target_id="Note"` und `target_section="Section"` aufgeteilt, um "Phantom-Knoten" zu vermeiden und Multigraph-Support zu ermöglichen.
 * **Atomic Section Logic (v3.9.9):** Chunking-Verfahren, das Sektions-Überschriften und deren Inhalte atomar in Chunks hält (Pack-and-Carry-Over). Verhindert, dass Überschriften über Chunk-Grenzen hinweg getrennt werden.
 * **Registry-First Profiling (v2.13.12):** Hierarchische Auflösung des Chunking-Profils: Frontmatter > types.yaml Typ-Config > Global Defaults. Stellt sicher, dass Note-Typen automatisch das korrekte Profil erhalten.
+* **Mixture of Experts (MoE) - WP-25a:** Profilbasierte Experten-Architektur, bei der jede Systemaufgabe (Synthese, Ingestion-Validierung, Routing, Kompression) einem dedizierten Profil zugewiesen wird, das Modell, Provider und Parameter unabhängig von der globalen Konfiguration definiert.
+* **LLM-Profil:** Zentrale Definition in `llm_profiles.yaml`, die Provider, Modell, Temperature und Fallback-Profil für eine spezifische Aufgabe festlegt (z.B. `synthesis_pro`, `tech_expert`, `ingest_validator`).
+* **Fallback-Kaskade (WP-25a):** Rekursive Fallback-Logik, bei der bei Fehlern automatisch auf das `fallback_profile` umgeschaltet wird, bis der terminale Endpunkt (`identity_safe`) erreicht wird. Schutz gegen Zirkel-Referenzen via `visited_profiles`-Tracking.
+* **Pre-Synthesis Kompression (WP-25a):** Asynchrone Verdichtung überlanger Wissens-Streams vor der Synthese, um Token-Verbrauch zu reduzieren und die Synthese zu beschleunigen. Nutzt `compression_profile` (z.B. `compression_fast`).
+* **Profilgesteuerte Validierung (WP-25a):** Semantische Kanten-Validierung in der Ingestion erfolgt zwingend über das MoE-Profil `ingest_validator` (Temperature 0.0 für Determinismus), unabhängig von der globalen Provider-Konfiguration.

docs/02_concepts/02_concept_ai_personality.md

@@ -1,10 +1,10 @@
 ---
 doc_type: concept
 audience: architect, product_owner
-scope: ai, router, personas, resilience, agentic_rag
+scope: ai, router, personas, resilience, agentic_rag, moe
 status: active
-version: 2.9.3
-context: "Fachkonzept der hybriden KI-Persönlichkeit, Agentic Multi-Stream RAG, Provider-Kaskade und kognitiven Resilienz (Deep Fallback)."
+version: 3.0.0
+context: "Fachkonzept der hybriden KI-Persönlichkeit, Agentic Multi-Stream RAG, WP-25a Mixture of Experts (MoE), Provider-Kaskade und kognitiven Resilienz (Deep Fallback)."
 ---
 
 # Konzept: KI-Persönlichkeit & Router
@@ -59,13 +59,45 @@ Jeder Treffer wird mit `stream_origin` markiert, um Feedback-Optimierung pro Wis
 
 ---
 
-## 2. Die hybride LLM-Landschaft (Resilienz-Kaskade)
+## 2. Mixture of Experts (MoE) Architektur (WP-25a)
 
-Ein intelligenter Zwilling muss jederzeit verfügbar sein. Mindnet v2.8.1 nutzt eine **dreistufige Kaskade**, um Intelligenz, Kosten und Verfügbarkeit zu optimieren:
+Seit WP-25a nutzt MindNet eine **profilbasierte Experten-Steuerung** statt einer globalen Provider-Konfiguration. Jede Systemaufgabe wird einem dedizierten Profil zugewiesen, das Modell, Provider und Parameter unabhängig definiert.
 
-1.  **Stufe 1: Cloud-Speed (Turbo-Mode):** Primäre Wahl für komplexe Extraktionsaufgaben und schnelle RAG-Antworten mittels OpenRouter (Mistral-7B) oder Google Gemini (2.5-flash-lite).
+### 2.1 Experten-Profile
+
+**Zentrale Registry (`llm_profiles.yaml`):**
+* **`synthesis_pro`:** Hochwertige Synthese für Chat-Antworten (Cloud)
+* **`tech_expert`:** Fachspezialist für Code & Technik (Claude 3.5 Sonnet)
+* **`compression_fast`:** Schnelle Kompression & Routing (Mistral 7B)
+* **`ingest_validator`:** Deterministische Validierung (Temperature 0.0)
+* **`identity_safe`:** Lokaler Anker (Ollama/Phi-3) für maximale Privacy
+
+**Vorteile:**
+* **Aufgabenspezifische Optimierung:** Jede Aufgabe nutzt das optimale Modell
+* **Hardware-Optimierung:** Lokaler Anker für kleine Hardware-Umgebungen
+* **Wartbarkeit:** Zentrale Konfiguration statt verstreuter ENV-Variablen
+
+### 2.2 Rekursive Fallback-Kaskade
+
+Die Profile implementieren eine **automatische Fallback-Logik**:
+
+1. **Primäres Profil:** System versucht das angeforderte Profil (z.B. `synthesis_pro`)
+2. **Fallback-Level 1:** Bei Fehler → `fallback_profile` (z.B. `synthesis_backup`)
+3. **Fallback-Level 2:** Bei weiterem Fehler → nächster Fallback (z.B. `identity_safe`)
+4. **Terminaler Endpunkt:** `identity_safe` hat keinen Fallback (lokales Modell als letzte Instanz)
+
+**Schutzmechanismen:**
+* **Zirkuläre Referenzen:** `visited_profiles`-Tracking verhindert Endlosschleifen
+* **Background-Semaphore:** Parallele Tasks werden gedrosselt
+
+### 2.3 Die hybride LLM-Landschaft (Legacy & MoE)
+
+Ein intelligenter Zwilling muss jederzeit verfügbar sein. Seit WP-25a wird die Resilienz durch die **MoE Fallback-Kaskade** gewährleistet:
+
+1.  **Stufe 1: Cloud-Experten:** Spezialisierte Profile für verschiedene Aufgaben (z.B. `synthesis_pro`, `tech_expert`)
 2.  **Stufe 2: Quoten-Resilienz:** Erkennt das System eine Drosselung durch Cloud-Provider (HTTP 429), pausiert es kontrolliert (`LLM_RATE_LIMIT_WAIT`), führt automatisierte Retries durch und schützt so den laufenden Prozess.
-3.  **Stufe 3: Deep Fallback & lokale Souveränität (Ollama):** * **Technischer Fallback:** Schlagen alle Cloud-Versuche fehl, übernimmt das lokale Modell (Phi-3).
+3.  **Stufe 3: Lokale Souveränität (Ollama):** 
+    * **Technischer Fallback:** Schlagen alle Cloud-Versuche fehl, übernimmt das lokale Modell (Phi-3) via `identity_safe` Profil.
     * **Kognitiver Fallback (v2.11.14):** Liefert die Cloud zwar technisch eine Antwort, verweigert aber inhaltlich die Verarbeitung (Silent Refusal/Policy Violation), wird ein **Deep Fallback** erzwungen, um die Datenintegrität lokal zu retten.
 
 

docs/03_Technical_References/03_tech_chat_backend.md

@@ -1,10 +1,10 @@
 ---
 doc_type: technical_reference
 audience: developer, architect
-scope: backend, chat, llm_service, traffic_control, resilience, agentic_rag
+scope: backend, chat, llm_service, traffic_control, resilience, agentic_rag, moe
 status: active
-version: 2.9.3
-context: "Technische Implementierung des FastAPI-Routers, des hybriden LLMService (v3.4.2), WP-25 Agentic Multi-Stream RAG und WP-20 Resilienz-Logik."
+version: 3.0.0
+context: "Technische Implementierung des FastAPI-Routers, des hybriden LLMService (v3.5.2), WP-25 Agentic Multi-Stream RAG, WP-25a Mixture of Experts (MoE) und WP-20 Resilienz-Logik."
 ---
 
 # Chat Backend & Agentic Multi-Stream RAG
@@ -28,7 +28,31 @@ Der Router nutzt einen **Hybrid-Modus** mit Keyword-Fast-Path und LLM-Slow-Path:
     * Wenn unklar: Anfrage an `DecisionEngine._determine_strategy()` zur LLM-basierten Klassifizierung.
     * Nutzt `intent_router_v1` Prompt aus `prompts.yaml`.
 
-### 1.2 Prompt-Auflösung (Bulletproof Resolution)
+### 1.2 Mixture of Experts (MoE) Architektur (WP-25a)
+
+Seit WP-25a nutzt MindNet eine **profilbasierte Experten-Steuerung** statt einer globalen Provider-Konfiguration. Jede Systemaufgabe wird einem dedizierten Profil zugewiesen:
+
+**Profil-Registry (`llm_profiles.yaml`):**
+* **`synthesis_pro`:** Hochwertige Synthese für Chat-Antworten
+* **`tech_expert`:** Fachspezialist für Code & Technik
+* **`compression_fast`:** Schnelle Kompression & Routing
+* **`ingest_validator`:** Deterministische Validierung (Temperature 0.0)
+* **`identity_safe`:** Lokaler Anker (Ollama/Phi-3) für maximale Privacy
+
+**Rekursive Fallback-Kaskade:**
+Der `LLMService` (v3.5.2) implementiert eine automatische Fallback-Logik:
+1. Versucht primäres Profil (z.B. `synthesis_pro`)
+2. Bei Fehler → `fallback_profile` (z.B. `synthesis_backup`)
+3. Bei weiterem Fehler → nächster Fallback (z.B. `identity_safe`)
+4. Schutz gegen Zirkel-Referenzen via `visited_profiles`-Tracking
+
+**Integration:**
+* **Intent-Routing:** Nutzt `router_profile` (z.B. `compression_fast`)
+* **Stream-Kompression:** Nutzt `compression_profile` pro Stream
+* **Synthese:** Nutzt `llm_profile` aus Strategie-Konfiguration
+* **Ingestion:** Nutzt `ingest_validator` für binäre Validierungen
+
+### 1.3 Prompt-Auflösung (Bulletproof Resolution)
 
 Um Kompatibilitätsprobleme mit verschachtelten YAML-Prompts zu vermeiden, nutzt der Router die Methode `llm.get_prompt()`. Diese implementiert eine **Provider-Kaskade**:
 * **Spezifischer Provider:** Das System sucht zuerst nach einem Prompt für den aktiv konfigurierten Provider (z.B. `openrouter`).
@@ -36,7 +60,7 @@ Um Kompatibilitätsprobleme mit verschachtelten YAML-Prompts zu vermeiden, nutzt
 * **Basis-Fallback:** Als letzte Instanz wird das `ollama`-Template geladen.
 * **String-Garantie:** Die Methode garantiert die Rückgabe eines Strings (selbst bei verschachtelten YAML-Dicts), was 500-Fehler bei String-Operationen wie `.replace()` oder `.format()` verhindert.
 
-### 1.2 Multi-Stream Retrieval (WP-25)
+### 1.4 Multi-Stream Retrieval (WP-25)
 
 Anstelle einer einzelnen Suche führt die `DecisionEngine` nun **parallele Abfragen** in spezialisierten Streams aus:
 
@@ -57,7 +81,22 @@ Anstelle einer einzelnen Suche führt die `DecisionEngine` nun **parallele Abfra
 * **Stream-Tracing:** Jeder Treffer wird mit `stream_origin` markiert für Feedback-Optimierung.
 * **Fehlerbehandlung:** Einzelne Stream-Fehler blockieren nicht die gesamte Anfrage.
 
-### 1.3 Wissens-Synthese (WP-25)
+### 1.5 Pre-Synthesis Kompression (WP-25a)
+
+Wissens-Streams, die den Schwellenwert (`compression_threshold`) überschreiten, werden **asynchron verdichtet**, bevor sie die Synthese erreichen:
+
+**Kompression-Logik:**
+* **Schwellenwert:** Konfigurierbar pro Stream (z.B. 2500 Zeichen für Values Stream)
+* **Profil:** Nutzt `compression_profile` (z.B. `compression_fast` für schnelle Zusammenfassung)
+* **Parallelisierung:** Mehrere Streams können gleichzeitig komprimiert werden
+* **Fehlerbehandlung:** Kompressions-Fehler blockieren nicht die Synthese (Original-Content wird verwendet)
+
+**Vorteile:**
+* Reduziert Token-Verbrauch bei langen Streams
+* Beschleunigt Synthese durch kürzere Kontexte
+* Erhält Relevanz durch intelligente Zusammenfassung
+
+### 1.6 Wissens-Synthese (WP-25/25a)
 
 Die Zusammenführung der Daten erfolgt über spezialisierte Templates in der `prompts.yaml`:
 
@@ -66,20 +105,29 @@ Die Zusammenführung der Daten erfolgt über spezialisierte Templates in der `pr
 * **Pre-Initialization:** Alle möglichen Stream-Variablen werden vorab initialisiert (verhindert KeyErrors).
 * **Provider-spezifische Templates:** Separate Versionen für Ollama, Gemini und OpenRouter.
 
-**Synthese-Strategien:**
-* **FACT_WHAT/FACT_WHEN:** Kombiniert Fakten, Biographie und Technik.
-* **DECISION:** Wägt Fakten gegen Werte ab, evaluiert Risiken.
-* **EMPATHY:** Fokus auf Biographie und Werte.
-* **CODING:** Technik und Fakten.
+**Synthese-Strategien (Profil-gesteuert):**
+* **FACT_WHAT/FACT_WHEN:** Nutzt `synthesis_pro` - Kombiniert Fakten, Biographie und Technik.
+* **DECISION:** Nutzt `synthesis_pro` - Wägt Fakten gegen Werte ab, evaluiert Risiken.
+* **EMPATHY:** Nutzt `synthesis_pro` - Fokus auf Biographie und Werte.
+* **CODING:** Nutzt `tech_expert` - Spezialisiertes Modell für Code & Technik.
 
-### 1.4 RAG Flow (Technisch)
+**Profil-Auflösung:**
+Jede Strategie kann ein individuelles `llm_profile` definieren. Fehlt diese Angabe, wird `synthesis_pro` als Standard verwendet.
+
+### 1.7 RAG Flow (Technisch - WP-25a)
 
 Wenn der Intent nicht `INTERVIEW` ist, wird folgender Flow ausgeführt:
 
-1.  **Intent Detection:** Hybrid Router klassifiziert die Anfrage.
+1.  **Intent Detection:** Hybrid Router klassifiziert die Anfrage via `router_profile` (z.B. `compression_fast`).
 2.  **Multi-Stream Retrieval:**
     * Parallele Abfragen in spezialisierten Streams via `DecisionEngine._execute_parallel_streams()`.
     * Jeder Stream nutzt individuelle Filter, Edge-Boosts und Query-Templates.
+3.  **Pre-Synthesis Kompression (WP-25a):**
+    * Streams über `compression_threshold` werden via `compression_profile` verdichtet.
+    * Parallelisierung über `asyncio.gather()` für mehrere Streams gleichzeitig.
+4.  **Wissens-Synthese:**
+    * Strategie-spezifisches `llm_profile` (z.B. `tech_expert` für CODING) steuert die finale Antwortgenerierung.
+    * Fallback-Kaskade bei Fehlern (automatisch via LLMService).
 3.  **Context Formatting:**
     * Stream-Ergebnisse werden in formatierte Kontext-Strings umgewandelt.
     * **Ollama Context-Throttling:** Kontext wird auf `MAX_OLLAMA_CHARS` begrenzt (Standard: 10.000).

docs/03_Technical_References/03_tech_configuration.md

@@ -1,10 +1,10 @@
 ---
 doc_type: technical_reference
 audience: developer, admin
-scope: configuration, env, registry, scoring, resilience, modularization, agentic_rag
+scope: configuration, env, registry, scoring, resilience, modularization, agentic_rag, moe
 status: active
-version: 2.9.3
-context: "Umfassende Referenztabellen für Umgebungsvariablen (inkl. Hybrid-Cloud & WP-76), YAML-Konfigurationen, Edge Registry Struktur und WP-25 Multi-Stream RAG unter Berücksichtigung von WP-14."
+version: 3.0.0
+context: "Umfassende Referenztabellen für Umgebungsvariablen (inkl. Hybrid-Cloud & WP-76), YAML-Konfigurationen, Edge Registry Struktur, WP-25 Multi-Stream RAG und WP-25a Mixture of Experts (MoE) unter Berücksichtigung von WP-14."
 ---
 
 # Konfigurations-Referenz
@@ -329,6 +329,80 @@ Alle möglichen Stream-Variablen werden vorab initialisiert (verhindert KeyError
 **Provider-spezifische Templates:**
 Separate Versionen für Ollama, Gemini und OpenRouter.
 
+---
+
+## 6. LLM Profile Registry (`llm_profiles.yaml` v1.3.0)
+
+Seit WP-25a nutzt MindNet eine **Mixture of Experts (MoE)** Architektur mit profilbasierter Experten-Steuerung. Jede Systemaufgabe (Synthese, Ingestion-Validierung, Routing, Kompression) wird einem dedizierten Profil zugewiesen, das Modell, Provider und Parameter unabhängig von der globalen Konfiguration definiert.
+
+### 6.1 Profil-Struktur
+
+Jedes Profil definiert:
+* **`provider`:** Cloud-Provider (`openrouter`, `gemini`, `ollama`)
+* **`model`:** Spezifisches Modell (z.B. `mistralai/mistral-7b-instruct:free`)
+* **`temperature`:** Kreativität/Determinismus (0.0 = deterministisch, 1.0 = kreativ)
+* **`fallback_profile`:** Optional: Name des Fallback-Profils bei Fehlern
+* **`dimensions`:** Optional: Für Embedding-Profile (z.B. 768 für nomic-embed-text)
+
+**Beispiel:**
+```yaml
+synthesis_pro:
+  provider: "openrouter"
+  model: "gemini-1.5-mistralai/mistral-7b-instruct:free"
+  temperature: 0.7
+  fallback_profile: "synthesis_backup"
+```
+
+### 6.2 Verfügbare Experten-Profile
+
+| Profil | Provider | Modell | Temperature | Fallback | Zweck |
+| :--- | :--- | :--- | :--- | :--- | :--- |
+| **`synthesis_pro`** | openrouter | gemini-1.5-mistralai/mistral-7b-instruct:free | 0.7 | `synthesis_backup` | Hochwertige Synthese (Chat-Antworten) |
+| **`synthesis_backup`** | openrouter | mistralai/mistral-large | 0.5 | `identity_safe` | Backup-Cloud-Experte (Resilienz) |
+| **`tech_expert`** | openrouter | anthropic/claude-3.5-sonnet | 0.3 | `synthesis_pro` | Fachspezialist für Code & Technik |
+| **`compression_fast`** | openrouter | mistralai/mistral-7b-instruct:free | 0.1 | `identity_safe` | Schnelle Kompression & Routing |
+| **`ingest_extractor`** | openrouter | mistralai/mistral-7b-instruct:free | 0.2 | `synthesis_backup` | Extraktion komplexer Datenstrukturen |
+| **`ingest_validator`** | openrouter | mistralai/mistral-7b-instruct:free | 0.0 | `compression_fast` | Binäre Prüfungen (YES/NO, deterministisch) |
+| **`identity_safe`** | ollama | phi3:mini | 0.2 | *(kein Fallback)* | Lokaler Anker & Privacy (terminaler Endpunkt) |
+| **`embedding_expert`** | ollama | nomic-embed-text | - | - | Embedding-Modell (dimensions: 768) |
+
+### 6.3 Fallback-Kaskade (WP-25a)
+
+Die Profile implementieren eine **rekursive Fallback-Kaskade**:
+
+1. **Primäres Profil:** System versucht das angeforderte Profil (z.B. `synthesis_pro`)
+2. **Fallback-Level 1:** Bei Fehler → `fallback_profile` (z.B. `synthesis_backup`)
+3. **Fallback-Level 2:** Bei weiterem Fehler → nächster Fallback (z.B. `identity_safe`)
+4. **Terminaler Endpunkt:** `identity_safe` hat keinen Fallback (lokales Modell als letzte Instanz)
+
+**Schutzmechanismen:**
+* **Zirkuläre Referenzen:** `visited_profiles`-Tracking verhindert Endlosschleifen
+* **Background-Semaphore:** Parallele Tasks werden gedrosselt (konfigurierbar via `BACKGROUND_LIMIT`)
+
+### 6.4 Integration in Decision Engine
+
+Die `decision_engine.yaml` referenziert Profile über:
+* **`router_profile`:** Profil für Intent-Erkennung (z.B. `compression_fast`)
+* **`llm_profile`:** Profil für Strategie-spezifische Synthese (z.B. `tech_expert` für CODING)
+* **`compression_profile`:** Profil für Stream-Kompression (z.B. `compression_fast`)
+
+**Stream-Konfiguration:**
+```yaml
+values_stream:
+  llm_profile: "identity_safe"  # Lokales Modell für Privacy
+  compression_profile: "identity_safe"
+  compression_threshold: 2500
+```
+
+### 6.5 Environment-Variablen
+
+| Variable | Default | Beschreibung |
+| :--- | :--- | :--- |
+| `MINDNET_LLM_PROFILES_PATH` | `config/llm_profiles.yaml` | Pfad zur Profil-Registry |
+
+**Hinweis:** Die `.env` Variablen `MINDNET_LLM_PROVIDER`, `MINDNET_LLM_MODEL` etc. dienen nur noch als Fallback, wenn kein Profil angegeben wird.
+
+---
 
 Auszug aus der decision_engine.yaml
 ```yaml

docs/03_Technical_References/03_tech_ingestion_pipeline.md

@@ -1,10 +1,10 @@
 ---
 doc_type: technical_reference
 audience: developer, devops
-scope: backend, ingestion, smart_edges, edge_registry, modularization
+scope: backend, ingestion, smart_edges, edge_registry, modularization, moe
 status: active
-version: 2.13.12
-context: "Detaillierte technische Beschreibung der Import-Pipeline, Two-Pass-Workflow (WP-15b) und modularer Datenbank-Architektur (WP-14). Integriert Mistral-safe Parsing und Deep Fallback."
+version: 2.14.0
+context: "Detaillierte technische Beschreibung der Import-Pipeline, Two-Pass-Workflow (WP-15b), modularer Datenbank-Architektur (WP-14) und WP-25a profilgesteuerte Validierung. Integriert Mistral-safe Parsing und Deep Fallback."
 ---
 
 # Ingestion Pipeline & Smart Processing
@@ -50,9 +50,11 @@ Der Prozess ist **asynchron**, **idempotent** und wird nun in zwei logische Durc
     * Bei Änderungen löscht `purge_artifacts()` via `app.core.ingestion.ingestion_db` alle alten Chunks und Edges der Note.
     * Die Namensauflösung erfolgt nun über das modularisierte `database`-Paket.
 10. **Chunking anwenden:** Zerlegung des Textes basierend auf dem ermittelten Profil (siehe Kap. 3).
-11. **Smart Edge Allocation & Semantic Validation (WP-15b):**
+11. **Smart Edge Allocation & Semantic Validation (WP-15b / WP-25a):**
     * Der `SemanticAnalyzer` schlägt Kanten-Kandidaten vor.
-    * **Validierung:** Jeder Kandidat wird durch das LLM semantisch gegen das Ziel im **LocalBatchCache** geprüft.
+    * **Validierung (WP-25a):** Jeder Kandidat wird durch das LLM semantisch gegen das Ziel im **LocalBatchCache** geprüft.
+    * **Profilgesteuerte Validierung:** Nutzt das MoE-Profil `ingest_validator` (Temperature 0.0 für maximale Determinismus).
+    * **Fallback-Kaskade:** Bei Fehlern erfolgt automatischer Fallback via `fallback_profile` (z.B. `compression_fast` → `identity_safe`).
     * **Traffic Control:** Nutzung der neutralen `clean_llm_text` Funktion zur Bereinigung von Steuerzeichen (<s>, [OUT]).
     * **Deep Fallback (v2.11.14):** Erkennt "Silent Refusals". Liefert die Cloud keine verwertbaren Kanten, wird ein lokaler Fallback via Ollama erzwungen.
 12. **Inline-Kanten finden:** Parsing von `[[rel:...]]` und Callouts.
@@ -60,7 +62,9 @@ Der Prozess ist **asynchron**, **idempotent** und wird nun in zwei logische Durc
     * Jede Kante wird via `EdgeRegistry` normalisiert (z.B. `basiert_auf` -> `based_on`).
     * Unbekannte Typen werden in `unknown_edges.jsonl` protokolliert.
 14. **Default- & Strukturkanten:** Anwendung der `edge_defaults` und Erzeugung von Systemkanten (`belongs_to`, `next`, `prev`).
-15. **Embedding (Async):** Generierung der Vektoren via `nomic-embed-text` (768 Dimensionen).
+15. **Embedding (Async - WP-25a):** Generierung der Vektoren via `embedding_expert` Profil aus `llm_profiles.yaml`.
+    * **Profil-Auflösung:** Das `EmbeddingsClient` lädt Modell und Dimensionen direkt aus dem Profil (z.B. `nomic-embed-text`, 768 Dimensionen).
+    * **Konsolidierung:** Entfernung der Embedding-Konfiguration aus der `.env` zugunsten zentraler Profil-Registry.
 16. **Database Sync (WP-14):** Batch-Upsert aller Points in die Collections `{prefix}_chunks` und `{prefix}_edges` über die zentrale Infrastruktur.
 
 ---
@@ -189,4 +193,6 @@ Kanten werden nach Vertrauenswürdigkeit (`provenance`) priorisiert. Die höhere
 
 **2. Mistral-safe Parsing:** Automatisierte Bereinigung von LLM-Antworten in `ingestion_validation.py`. Stellt sicher, dass semantische Entscheidungen ("YES"/"NO") nicht durch technische Header verfälscht werden.
 
+**3. Profilgesteuerte Validierung (WP-25a):** Die semantische Kanten-Validierung erfolgt zwingend über das MoE-Profil `ingest_validator` (Temperature 0.0 für Determinismus). Dies gewährleistet konsistente binäre Entscheidungen (YES/NO) unabhängig von der globalen Provider-Konfiguration.
+
 **3. Purge Integrity:** Validierung, dass vor jedem Upsert alle assoziierten Artefakte in den Collections `{prefix}_chunks` und `{prefix}_edges` gelöscht wurden, um Daten-Duplikate zu vermeiden.

docs/04_Operations/04_admin_operations.md

@@ -1,10 +1,10 @@
 ---
 doc_type: operations_manual
 audience: admin, devops
-scope: deployment, maintenance, backup, edge_registry
+scope: deployment, maintenance, backup, edge_registry, moe
 status: active
-version: 2.7.0
-context: "Installationsanleitung, Systemd-Units und Wartungsprozesse für Mindnet v2.7."
+version: 3.0.0
+context: "Installationsanleitung, Systemd-Units und Wartungsprozesse für Mindnet v3.0.0 inklusive WP-25a Mixture of Experts (MoE) Konfiguration."
 ---
 
 # Admin Operations Guide
@@ -46,7 +46,7 @@ Um Abstürze der Vektordatenbank bei einer hohen Anzahl an Collections (z. B. du
 Hintergrund: Qdrant öffnet für jedes Segment einer Collection mehrere Dateien. Ohne diese Erhöhung führt das Standard-Linux-Limit (1024) zum Absturz mit dem Fehler os error 24 (Too many open files).
 
 ### 1.3 Ollama (Modelle)
-**Wichtig:** Seit v2.4 ist `nomic-embed-text` Pflicht für Embeddings.
+**Wichtig:** Seit v2.4 ist `nomic-embed-text` Pflicht für Embeddings. Seit WP-25a wird die Modell-Konfiguration zentral über `llm_profiles.yaml` gesteuert.
 
 ```bash
 # Modelle laden
@@ -57,6 +57,14 @@ ollama pull nomic-embed-text
 curl http://localhost:11434/api/generate -d '{"model": "phi3:mini", "prompt":"Hi"}'
 ```
 
+**WP-25a: LLM-Profil-Konfiguration**
+Die LLM-Steuerung erfolgt nun primär über `config/llm_profiles.yaml` statt ENV-Variablen:
+* **Zentrale Registry:** Alle Experten-Profile (Synthese, Validierung, Kompression) sind in einer Datei definiert
+* **Fallback-Kaskade:** Automatische Resilienz bei Provider-Fehlern
+* **ENV-Variablen:** `MINDNET_LLM_PROVIDER`, `MINDNET_LLM_MODEL` etc. dienen nur noch als Fallback
+
+Siehe [Konfigurations-Referenz](../03_Technical_References/03_tech_configuration.md#6-llm-profile-registry-llm_profilesyaml-v130) für Details.
+
 ---
 
 ## 2. Deployment (Systemd Services)

docs/05_Development/05_developer_guide.md

@@ -393,13 +393,24 @@ Mindnet lernt nicht durch Training (Fine-Tuning), sondern durch **Konfiguration*
       edge_defaults: ["blocks"]    # Automatische Kante
       detection_keywords: ["gefahr", "risiko"]
     ```
-2.  **Strategie (`config/decision_engine.yaml` v3.1.6, WP-25):**
+2.  **Strategie (`config/decision_engine.yaml` v3.2.2, WP-25/25a):**
     ```yaml
     DECISION:
       use_streams: ["values_stream", "facts_stream", "risk_stream"]  # WP-25: Multi-Stream
+      llm_profile: "synthesis_pro"  # WP-25a: MoE-Profil für Synthese
       inject_types: ["value", "risk"]  # Legacy: Fallback für nicht-Stream-Typen
     ```
-    *Ergebnis (WP-25):* Wenn der Intent `DECISION` erkannt wird, führt das System parallele Abfragen in Values, Facts und Risk Streams aus und synthetisiert die Ergebnisse.
+    *Ergebnis (WP-25/25a):* Wenn der Intent `DECISION` erkannt wird, führt das System parallele Abfragen in Values, Facts und Risk Streams aus, komprimiert überlange Streams via `compression_profile` und synthetisiert die Ergebnisse mit dem `synthesis_pro` Profil.
+
+3.  **LLM-Profil (`config/llm_profiles.yaml` v1.3.0, WP-25a):**
+    ```yaml
+    synthesis_pro:
+      provider: "openrouter"
+      model: "gemini-1.5-mistralai/mistral-7b-instruct:free"
+      temperature: 0.7
+      fallback_profile: "synthesis_backup"
+    ```
+    *Ergebnis (WP-25a):* Zentrale Steuerung von Provider, Modell und Temperature pro Aufgabe. Automatische Fallback-Kaskade bei Fehlern.
 
 ### Workflow B: Graph-Farben ändern
 1.  Öffne `app/frontend/ui_config.py`.

docs/06_Roadmap/06_active_roadmap.md

@@ -194,7 +194,10 @@ Der bisherige WP-15 Ansatz litt unter Halluzinationen (erfundene Kantentypen), h
 3.  **Self-Learning Loop:** Protokollierung unbekannter Kanten in `unknown_edges.jsonl`.
 
 ### WP-25: Agentic Multi-Stream RAG Orchestration
-**Status:** ✅ Fertig (v2.9.3)
+**Status:** ✅ Fertig (v3.0.0)
+
+### WP-25a: Mixture of Experts (MoE) & Fallback-Kaskade
+**Status:** ✅ Fertig (v3.0.0)
 
 **Ergebnis:** Transformation von Mindnet von einer klassischen, linearen RAG-Architektur zu einer **Agentic Multi-Stream Engine**. Das System agiert nun als intelligenter Orchestrator, der Nutzeranfragen analysiert, in parallele Wissens-Streams aufteilt und diese zu einer kontextreichen, wertebasierten Antwort synthetisiert.
 
@@ -212,8 +215,26 @@ Der bisherige WP-15 Ansatz litt unter Halluzinationen (erfundene Kantentypen), h
 - decision_engine.yaml v3.1.6: Multi-Stream Konfiguration
 - prompts.yaml v3.1.2: Stream-Templates
 
-**Ausblick (WP-25a):**
-- Pre-Synthesis: LLM-basierte Komprimierung überlanger Streams
+**Ergebnis (WP-25a):** Transformation von MindNet von einer provider-basierten Steuerung auf eine **profilbasierte Experten-Architektur (Mixture of Experts)**. Jede Systemaufgabe wird einem dedizierten Profil zugewiesen, das Modell, Provider und Parameter unabhängig definiert.
+
+**Kern-Features:**
+1. **Experten-Steuerung:** Zentrale Profile-Registry (`llm_profiles.yaml`) für alle LLM-Aufgaben
+2. **Rekursive Fallback-Kaskade:** Automatische Resilienz bei Provider-Fehlern mit Schutz gegen Zirkel-Referenzen
+3. **Pre-Synthesis Kompression:** Asynchrone Verdichtung überlanger Wissens-Streams vor der Synthese
+4. **Profilgesteuerte Ingestion:** Deterministische Validierung via `ingest_validator` (Temperature 0.0)
+5. **Embedding-Konsolidierung:** Zentrale Steuerung des Embedding-Modells über `embedding_expert` Profil
+6. **Startup-Schutz:** Validierung der YAML-Konfigurationen beim Booten
+
+**Technische Details:**
+- LLM Service v3.5.2: Rekursive Fallback-Kaskade
+- Decision Engine v1.2.1: Profile-Driven Orchestration
+- Ingestion Processor v2.14.0: Profilgesteuerte Validierung
+- Embeddings Client v2.6.0: Profil-basierte Modell-Auflösung
+- llm_profiles.yaml v1.3.0: Zentrale Experten-Registry
+- decision_engine.yaml v3.2.2: Decoupled MoE Logic
+
+**Ausblick (WP-25b):**
+- Prompt-Orchestration & Model-Specific Tuning
 - Kontext-Budgeting: Intelligente Token-Verteilung
 - Stream-specific Provider: Unterschiedliche KI-Modelle pro Wissensbereich
 ---

docs/99_Archive/WP25a_merge_commit.md

@@ -0,0 +1,103 @@
+# Branch Merge Commit: WP-25a
+
+**Branch:** `WP25a`  
+**Target:** `main`  
+**Version:** v3.1.0  
+**Date:** 2026-01-02
+
+---
+
+## Commit Message
+
+```
+feat: Mixture of Experts (MoE) & Fallback-Kaskade (v3.0.0)
+
+### Mixture of Experts (MoE) Architektur
+- Übergang von provider-basierter zu profilbasierter Experten-Steuerung
+- Zentrale Experten-Registry (`llm_profiles.yaml` v1.3.0)
+- Aufgabenspezifische Profile: synthesis_pro, tech_expert, compression_fast, ingest_validator, identity_safe, embedding_expert
+- Hardware-Optimierung: Lokaler Anker (Ollama/Phi-3) für maximale Privacy
+
+### Rekursive Fallback-Kaskade
+- Implementierung in `app/services/llm_service.py` (v3.5.2)
+- Automatische Fallback-Logik bei Provider-Fehlern
+- Schutz gegen Zirkel-Referenzen via `visited_profiles`-Tracking
+- Background-Semaphore für parallele Tasks
+
+### Pre-Synthesis Kompression (Module A)
+- Asynchrone Verdichtung überlanger Wissens-Streams
+- Konfigurierbare Schwellenwerte pro Stream (`compression_threshold`)
+- Profil-gesteuerte Kompression via `compression_profile`
+- Parallelisierung über `asyncio.gather()`
+
+### Profilgesteuerte Ingestion
+- Semantische Kanten-Validierung via `ingest_validator` (Temperature 0.0)
+- Embedding-Konsolidierung über `embedding_expert` Profil
+- Entfernung der Embedding-Konfiguration aus `.env`
+
+### Startup-Schutz & Audit-Fixes
+- Validierung von `llm_profiles.yaml` und `decision_engine.yaml` beim Booten
+- Behebung der Sicherheitslücke in `DecisionEngine` (Fallback-Aufrufe nutzen nun `profile_name`)
+- Circular Import Fix: Ingestion-Module nutzen neutrale `app.core.registry`
+
+### Code-Komponenten
+- `app/services/llm_service.py`: v3.5.2 (Rekursive Fallback-Kaskade)
+- `app/core/retrieval/decision_engine.py`: v1.2.1 (Profile-Driven Orchestration)
+- `app/core/ingestion/ingestion_processor.py`: v2.14.0 (Profilgesteuerte Validierung)
+- `app/core/ingestion/ingestion_validation.py`: v2.13.0 (MoE-Profil Integration)
+- `app/services/embeddings_client.py`: v2.6.0 (Profil-basierte Modell-Auflösung)
+- `app/main.py`: v1.1.0 (Startup-Validierung)
+
+### Konfiguration
+- `config/llm_profiles.yaml`: v1.3.0 (Zentrale Experten-Registry)
+- `config/decision_engine.yaml`: v3.2.2 (Decoupled MoE Logic, compression_thresholds)
+
+### Dokumentation
+- `03_tech_configuration.md`: llm_profiles.yaml Dokumentation
+- `03_tech_chat_backend.md`: MoE Architektur und Fallback-Kaskade
+- `02_concept_ai_personality.md`: Mixture of Experts Konzept
+- `03_tech_ingestion_pipeline.md`: Profilgesteuerte Validierung
+- `00_glossary.md`: Neue Begriffe (MoE, Profile, Fallback-Kaskade)
+- `05_developer_guide.md`: Teach-the-AI mit Profilen
+- `04_admin_operations.md`: Konfigurations-Updates
+- `06_active_roadmap.md`: WP25a als abgeschlossen markiert
+
+### Breaking Changes
+- Keine Breaking Changes für Endbenutzer
+- ENV-Variablen `MINDNET_LLM_PROVIDER`, `MINDNET_LLM_MODEL` etc. dienen nur noch als Fallback
+- Neue Konfigurationsdatei `llm_profiles.yaml` ist erforderlich (Startup-Validierung)
+
+### Migration
+- Administratoren müssen `config/llm_profiles.yaml` erstellen
+- System startet nicht, wenn `llm_profiles.yaml` fehlt oder ungültig ist
+- ENV-Variablen bleiben als Fallback erhalten
+
+---
+
+**Status:** ✅ WP-25a ist zu 100% implementiert und audit-geprüft.  
+**Nächster Schritt:** WP-25b (Prompt-Orchestration & Model-Specific Tuning).
+```
+
+---
+
+## Zusammenfassung
+
+Dieser Merge führt die **Mixture of Experts (MoE) Architektur** in MindNet ein. Das System nutzt nun eine profilbasierte Experten-Steuerung statt einer globalen Provider-Konfiguration. Jede Systemaufgabe wird einem dedizierten Profil zugewiesen, das Modell, Provider und Parameter unabhängig definiert.
+
+**Kern-Features:**
+- Zentrale Experten-Registry (`llm_profiles.yaml`)
+- Rekursive Fallback-Kaskade mit Schutz gegen Zirkel-Referenzen
+- Pre-Synthesis Kompression für überlange Wissens-Streams
+- Profilgesteuerte Ingestion mit deterministischer Validierung
+- Startup-Schutz und Audit-Fixes
+
+**Technische Integrität:**
+- Alle LLM-Aufrufe nutzen nun die Profilsteuerung
+- Startup-Validierung verhindert fehlerhafte Konfigurationen
+- Circular Import Fix verbessert Wartbarkeit
+
+**Dokumentation:**
+- Vollständige Aktualisierung aller relevanten Dokumente
+- Neue Begriffe im Glossar
+- Konfigurations-Referenz erweitert
+- Developer Guide aktualisiert

docs/99_Archive/WP25a_release_notes.md

@@ -0,0 +1,186 @@
+# MindNet v3.0.0 - Release Notes: WP-25a
+
+**Release Date:** 2026-01-02 
+**Type:** Feature Release - Mixture of Experts (MoE) & Fallback-Kaskade  
+**Version:** 3.1.0 (WP-25a)
+
+---
+
+## 🎯 Überblick
+
+Mit WP-25a wurde MindNet von einer provider-basierten Steuerung auf eine **profilbasierte Experten-Architektur (Mixture of Experts)** umgestellt. Jede Systemaufgabe (Synthese, Ingestion-Validierung, Routing, Kompression) wird nun einem dedizierten Profil zugewiesen, das Modell, Provider und Parameter unabhängig von der globalen Konfiguration definiert.
+
+Diese Version markiert einen fundamentalen Architektur-Sprung: Von einer monolithischen LLM-Konfiguration hin zu einer modularen, aufgabenspezifischen Experten-Steuerung mit automatischer Resilienz.
+
+---
+
+## ✨ Neue Features
+
+### 1. Mixture of Experts (MoE) Architektur
+
+**Zentrale Experten-Steuerung (`llm_profiles.yaml` v1.3.0):**
+* Einführung von Experten-Profilen für spezifische Aufgaben:
+  * `synthesis_pro`: Hochwertige Synthese für Chat-Antworten
+  * `tech_expert`: Fachspezialist für Code & Technik (Claude 3.5 Sonnet)
+  * `compression_fast`: Schnelle Kompression & Routing (Mistral 7B)
+  * `ingest_validator`: Deterministische Validierung (Temperature 0.0)
+  * `identity_safe`: Lokaler Anker (Ollama/Phi-3) für maximale Privacy
+  * `embedding_expert`: Zentrale Steuerung des Embedding-Modells
+
+**Vorteile:**
+* **Aufgabenspezifische Optimierung:** Jede Aufgabe nutzt das optimale Modell
+* **Hardware-Optimierung:** Lokaler Anker für kleine Hardware-Umgebungen
+* **Wartbarkeit:** Zentrale Konfiguration statt verstreuter ENV-Variablen
+
+### 2. Rekursive Fallback-Kaskade
+
+**Implementierung (`app/services/llm_service.py` v3.5.2):**
+* Automatische Fallback-Logik bei Provider-Fehlern:
+  1. Versucht primäres Profil (z.B. `synthesis_pro`)
+  2. Bei Fehler → `fallback_profile` (z.B. `synthesis_backup`)
+  3. Bei weiterem Fehler → nächster Fallback (z.B. `identity_safe`)
+  4. Terminaler Endpunkt: `identity_safe` hat keinen Fallback (lokales Modell)
+
+**Schutzmechanismen:**
+* **Zirkuläre Referenzen:** `visited_profiles`-Tracking verhindert Endlosschleifen
+* **Background-Semaphore:** Parallele Tasks werden gedrosselt (konfigurierbar via `BACKGROUND_LIMIT`)
+
+### 3. Pre-Synthesis Kompression (Module A)
+
+**Implementierung (`app/core/retrieval/decision_engine.py` v1.2.1):**
+* Wissens-Streams, die den Schwellenwert (`compression_threshold`) überschreiten, werden **asynchron verdichtet**, bevor sie die Synthese erreichen
+* **Konfigurierbar pro Stream:** Z.B. 2500 Zeichen für Values Stream, 3500 für Facts Stream
+* **Profil-gesteuert:** Nutzt `compression_profile` (z.B. `compression_fast` für schnelle Zusammenfassung)
+* **Parallelisierung:** Mehrere Streams können gleichzeitig komprimiert werden
+
+**Vorteile:**
+* Reduziert Token-Verbrauch bei langen Streams
+* Beschleunigt Synthese durch kürzere Kontexte
+* Erhält Relevanz durch intelligente Zusammenfassung
+
+### 4. Profilgesteuerte Ingestion (Wissens-Gatekeeper)
+
+**Implementierung:**
+* `app/core/ingestion/ingestion_processor.py` v2.14.0
+* `app/core/ingestion/ingestion_validation.py` v2.13.0
+
+**Features:**
+* Semantische Kanten-Validierung erfolgt zwingend über das MoE-Profil `ingest_validator` (Temperature 0.0 für Determinismus)
+* **Embedding-Konsolidierung:** Der `EmbeddingsClient` (v2.6.0) bezieht Modellvorgaben und Dimensionen direkt aus dem Profil `embedding_expert`
+* Entfernung der Embedding-Konfiguration aus der `.env` zugunsten zentraler Profil-Registry
+
+### 5. Startup-Schutz & Audit-Fixes
+
+**Implementierung (`app/main.py` v1.1.0):**
+* Verifiziert beim Booten die Existenz und Validität von `llm_profiles.yaml` und `decision_engine.yaml`
+* **Audit-Fix:** Behebung einer Sicherheitslücke in der `DecisionEngine`, durch die Fallback-Aufrufe bei Template-Fehlern die Profilsteuerung umgangen hätten
+* **Circular Import Fix:** Ingestion-Module nutzen nun die neutrale `app.core.registry` für Text-Bereinigung und Registry-Lookups
+
+---
+
+## 🔧 Technische Änderungen
+
+### Konfigurationsdateien
+
+**Neue Datei:**
+* `config/llm_profiles.yaml` v1.3.0: Zentrale Experten-Registry
+
+**Aktualisierte Dateien:**
+* `config/decision_engine.yaml` v3.2.2: Decoupled MoE Logic, Integration von `compression_thresholds`
+
+### Code-Komponenten
+
+| Komponente | Version | Änderungen |
+| :--- | :--- | :--- |
+| `app/services/llm_service.py` | v3.5.2 | Rekursive Fallback-Kaskade, Profil-Auflösung |
+| `app/core/retrieval/decision_engine.py` | v1.2.1 | Profile-Driven Orchestration, Pre-Synthesis Kompression |
+| `app/core/ingestion/ingestion_processor.py` | v2.14.0 | Profilgesteuerte Validierung |
+| `app/core/ingestion/ingestion_validation.py` | v2.13.0 | MoE-Profil `ingest_validator` |
+| `app/services/embeddings_client.py` | v2.6.0 | Profil-basierte Modell-Auflösung |
+| `app/main.py` | v1.1.0 | Startup-Validierung der YAML-Dateien |
+
+### Environment-Variablen
+
+**Neue Variable:**
+* `MINDNET_LLM_PROFILES_PATH`: Pfad zur Profil-Registry (Default: `config/llm_profiles.yaml`)
+
+**Legacy (nur noch Fallback):**
+* `MINDNET_LLM_PROVIDER`, `MINDNET_LLM_MODEL`, etc. dienen nur noch als Fallback, wenn kein Profil angegeben wird
+
+---
+
+## 🐛 Behobene Probleme
+
+- ✅ **Behoben:** Sicherheitslücke in der `DecisionEngine` - Fallback-Aufrufe nutzen nun korrekt `profile_name`
+- ✅ **Behoben:** Circular Import zwischen Ingestion-Modulen und Registry
+- ✅ **Behoben:** Fehlende Startup-Validierung der YAML-Konfigurationen
+
+---
+
+## 📚 Dokumentation
+
+**Aktualisierte Dokumente:**
+- ✅ `03_tech_configuration.md`: llm_profiles.yaml Dokumentation
+- ✅ `03_tech_chat_backend.md`: MoE Architektur und Fallback-Kaskade
+- ✅ `02_concept_ai_personality.md`: Mixture of Experts Konzept
+- ✅ `03_tech_ingestion_pipeline.md`: Profilgesteuerte Validierung
+- ✅ `00_glossary.md`: Neue Begriffe (MoE, Profile, Fallback-Kaskade)
+- ✅ `05_developer_guide.md`: Teach-the-AI mit Profilen
+- ✅ `04_admin_operations.md`: Konfigurations-Updates
+- ✅ `06_active_roadmap.md`: WP25a als abgeschlossen markiert
+
+---
+
+## 🚀 Migration & Upgrade
+
+### Für Administratoren
+
+1. **Neue Konfigurationsdatei erstellen:**
+   ```bash
+   cp config/llm_profiles.yaml.example config/llm_profiles.yaml
+   # Anpassen nach Bedarf
+   ```
+
+2. **Startup-Validierung prüfen:**
+   ```bash
+   # System startet nicht, wenn llm_profiles.yaml fehlt oder ungültig ist
+   python3 -m app.main
+   ```
+
+3. **ENV-Variablen (optional):**
+   Die `.env` Variablen `MINDNET_LLM_PROVIDER`, `MINDNET_LLM_MODEL` etc. dienen nur noch als Fallback. Die primäre Steuerung erfolgt über `llm_profiles.yaml`.
+
+### Für Entwickler
+
+**API-Änderungen:**
+* `LLMService.generate_raw_response()` unterstützt nun `profile_name` Parameter
+* Fallback-Kaskade erfolgt automatisch bei Fehlern
+* `visited_profiles`-Tracking verhindert Zirkel-Referenzen
+
+**Konfiguration:**
+* Neue Profile können in `llm_profiles.yaml` definiert werden
+* `decision_engine.yaml` referenziert Profile über `router_profile`, `llm_profile`, `compression_profile`
+
+---
+
+## 🔮 Ausblick (WP-25b: Prompt-Orchestration & Model-Specific Tuning)
+
+- Pre-Synthesis: LLM-basierte Komprimierung überlanger Streams (✅ bereits implementiert)
+- Kontext-Budgeting: Intelligente Token-Verteilung
+- Stream-specific Provider: Unterschiedliche KI-Modelle pro Wissensbereich
+- Prompt-Orchestration: Dynamische Prompt-Anpassung basierend auf Profil und Kontext
+
+---
+
+## 📊 Metriken & Performance
+
+**Erwartete Verbesserungen:**
+* **Resilienz:** Automatische Fallback-Kaskade reduziert Ausfallzeiten
+* **Token-Effizienz:** Pre-Synthesis Kompression reduziert Token-Verbrauch bei langen Streams
+* **Determinismus:** Profilgesteuerte Validierung (Temperature 0.0) erhöht Konsistenz
+* **Wartbarkeit:** Zentrale Profil-Registry vereinfacht Konfigurations-Management
+
+---
+
+**Status:** ✅ WP-25a ist zu 100% implementiert und audit-geprüft.  
+**Nächster Schritt:** WP-25b (Prompt-Orchestration & Model-Specific Tuning).

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.