Merge pull request 'feat: add DashboardConfigurePage to the frontend' (#104) from develop into main

Reviewed-on: #104

.claude/README.md

@@ -0,0 +1,62 @@
+# Mitai Jinkendo – Claude-Arbeitsumgebung
+
+Dieser Ordner ist der **primäre Orientierungspunkt** für Claude Code / Cursor-Agenten. Dauerhafte Spezifikationen liegen unter **`.claude/docs/`** (`functional/`, `technical/` …). Das Repository **`docs/`** (Projektroot) ist u. a. für **`docs/issues/`** – nicht verwechseln.
+
+---
+
+## Pflichtlektüre (vor größeren Änderungen)
+
+| Reihenfolge | Datei |
+|-------------|--------|
+| 1 | `../CLAUDE.md` |
+| 2 | **`rules/DOCUMENTATION.md`** – Ablage- und Dokumentationsregeln |
+| 3 | `rules/ARCHITECTURE.md`, `rules/CODING_RULES.md`, `rules/LESSONS_LEARNED.md` |
+| 4 | Issue-Landkarte: **`.claude/docs/GITEA_ISSUES_INDEX.md`** |
+| 5 | **Universal CSV Import** (Modul/Executor/Vorlagen): **`docs/technical/UNIVERSAL_CSV_IMPORT_AGENT_GUIDE.md`** (unter `.claude/`) |
+
+Themen mit UI/Nav/PWA: siehe `../docs/issues/GUI_IA_ADMIN_NAV_2026-04-05.md` (im **Projekt**-`docs/`, nicht hier).
+
+---
+
+## Verzeichnisbaum (Kurz)
+
+```
+.claude/
+├── README.md              ← Diese Datei
+├── rules/                 ← Verbindliche Regeln (versioniert, wenn konfiguriert)
+├── docs/                  ← Spezifikationen + Arbeitspapiere
+│   ├── functional/        ← Fachlich (WAS)
+│   ├── technical/         ← Technisch (WIE)
+│   ├── architecture/      ← Querschnitt
+│   ├── working/           ← Zwischenstände, Analysen (nicht allein „Wahrheit“)
+│   ├── audit/             ← Audits, Matrizen
+│   ├── README.md          ← Katalog aller Spec-Dateien
+│   └── GITEA_ISSUES_INDEX.md
+├── commands/              ← Slash-Befehle (optional versioniert)
+├── task/                  ← Lokale Arbeitspakete (meist nur lokal)
+├── handover/              ← Session-Notizen (meist nur lokal)
+├── skills/                ← Skills (lokal)
+└── settings.json          ← Editor-Konfiguration (lokal)
+.settings.local.json       ← Nicht committen
+```
+
+---
+
+## Wo neue Inhalte ablegen
+
+Siehe **`rules/DOCUMENTATION.md`** (Tabelle „Ablagepflicht“). Kurz:
+
+- Langfristige **fachliche** Spec → `docs/functional/` (innerhalb von `.claude`, siehe Baum oben).
+- Langfristige **technische** Spec → `docs/technical/`.
+- **Session-Analyse / grobe Notizen** → `docs/working/`.
+- **Epic/Issue lang** → `../docs/issues/` im Repository.
+
+---
+
+## Projekt-`docs/` (Repository)
+
+`../docs/issues/` enthält issue-nummerierte Markdown-Dateien und Abnahme-Dokumente – **parallel** zu diesem Ordner, für alle sichtbar die das Repo klonen.
+
+---
+
+**Stand:** 2026-04-08

.claude/commands/add-endpoint.md

@@ -0,0 +1,32 @@
+# Add Endpoint
+
+Füge einen neuen API-Endpoint zum Backend hinzu.
+
+## Template:
+```python
+@app.get("/api/mein-endpoint")
+def mein_endpoint(
+    limit: int = 100,
+    session: dict = Depends(require_auth)   # ← IMMER als separater Parameter!
+):
+    pid = session['profile_id']
+    with get_db() as conn:
+        rows = conn.execute(
+            "SELECT * FROM meine_tabelle WHERE profile_id=? LIMIT ?",
+            (pid, limit)
+        ).fetchall()
+    return [r2d(r) for r in rows]
+```
+
+## Regeln:
+- `session: dict = Depends(require_auth)` IMMER als letzter/separater Parameter
+- NIEMALS innerhalb von `Header(default=None, ...)` einbetten
+- Profile-ID immer aus `session['profile_id']` – nie aus Header
+- Admin-Endpoints: `session=Depends(require_admin)`
+- Rate-Limiting für sensitive Endpoints: `@limiter.limit("5/minute")`
+
+## Nach dem Endpoint:
+api.js um neue Methode ergänzen:
+```javascript
+meinEndpoint: (params) => req(`/mein-endpoint?limit=${params}`),
+```

.claude/commands/check-issues.md

@@ -0,0 +1,174 @@
+# Check Issues
+
+Prüfe offene Gitea Issues und schlage Fixes vor.
+
+## Automatische Ausführung
+
+Dieser Skill wird bei jeder Session automatisch ausgeführt und zeigt:
+- Anzahl offener Issues
+- High-Priority Issues (Bugs + Features)
+- Vorschlag welches Issue als nächstes angegangen werden sollte
+
+## Workflow
+
+### 1. Offene Issues abrufen
+
+```bash
+curl -s -H "Authorization: token $GITEA_TOKEN" \
+  "http://192.168.2.144:3000/api/v1/repos/Lars/mitai-jinkendo/issues?state=open&labels=develop" \
+  | python3 -c "
+import sys, json
+issues = json.load(sys.stdin)
+print(f'📋 {len(issues)} offene Issues in develop:\n')
+for issue in issues:
+    labels = {l['name'] for l in issue['labels']}
+    priority = 'high' if 'high' in labels else 'low' if 'low' in labels else 'medium'
+    itype = 'bug' if 'bug' in labels else 'feature' if 'feature' in labels else 'other'
+    icon = '🐛' if itype == 'bug' else '✨'
+    prio_icon = '🔥' if priority == 'high' else '💤' if priority == 'low' else '📌'
+    print(f\"{icon} {prio_icon} Issue #{issue['number']}: {issue['title']}\")
+    print(f\"   {issue['html_url']}\n\")
+"
+```
+
+### 2. Issues nach Priorität sortieren
+
+**High Priority Issues (Bugs + Features):**
+- Bugs mit Label `bug` + `high`
+- Features mit Label `feature` + `high`
+
+**Low Priority:**
+- Features mit Label `low`
+
+### 3. Issue-Details anzeigen
+
+```bash
+# Für ein spezifisches Issue (z.B. #13):
+curl -s -H "Authorization: token $GITEA_TOKEN" \
+  http://192.168.2.144:3000/api/v1/repos/Lars/mitai-jinkendo/issues/13 \
+  | jq -r '.body'
+```
+
+### 4. Fix vorschlagen
+
+**Frage den User:**
+- "Soll ich Issue #X angehen?"
+- Zeige Beschreibung + betroffene Dateien
+- Schätze Aufwand (Quick Win < 30min, Medium < 2h, Large > 2h)
+
+### 5. Bei Fix: Issue referenzieren im Commit
+
+**WICHTIG:** Verwende dieses Format für automatisches Issue-Schließen:
+
+```bash
+git commit -m "fix: resolve training type creation error (#13)
+
+- Fixed POST endpoint validation
+- Improved frontend error handling
+
+Closes #13"
+```
+
+**Gitea Keywords die Issues automatisch schließen:**
+- `Closes #123`
+- `Fixes #123`
+- `Resolves #123`
+
+Das Issue wird automatisch geschlossen wenn der Commit in den main Branch gemerged wird!
+
+### 6. Issue manuell schließen (falls nötig)
+
+```bash
+curl -X PATCH -H "Authorization: token $GITEA_TOKEN" \
+  -H "Content-Type: application/json" \
+  -d '{"state":"closed"}' \
+  http://192.168.2.144:3000/api/v1/repos/Lars/mitai-jinkendo/issues/13
+```
+
+## Issue-Wartung (Standard-Task)
+
+**WICHTIG:** Bei jeder Session Issue-Liste pflegen:
+
+### 1. Veraltete Issues schließen
+
+Wenn Features implementiert wurden, zugehörige Issues schließen:
+
+```bash
+# Issue schließen
+curl -s -X PATCH -H "Authorization: token $GITEA_TOKEN" \
+  -H "Content-Type: application/json" \
+  -d '{"state":"closed"}' \
+  "http://192.168.2.144:3000/api/v1/repos/Lars/mitai-jinkendo/issues/17" > /dev/null
+
+# Kommentar mit Commit-Referenz hinzufügen
+curl -s -X POST -H "Authorization: token $GITEA_TOKEN" \
+  -H "Content-Type: application/json" \
+  -d '{"body":"✅ Erledigt in v9d Phase 2d. Commits: 548a5a4, bf87e03"}' \
+  "http://192.168.2.144:3000/api/v1/repos/Lars/mitai-jinkendo/issues/17/comments" > /dev/null
+```
+
+### 2. Duplikate entfernen
+
+```bash
+# Duplikat schließen
+curl -s -X PATCH -H "Authorization: token $GITEA_TOKEN" \
+  -H "Content-Type: application/json" \
+  -d '{"state":"closed"}' \
+  "http://192.168.2.144:3000/api/v1/repos/Lars/mitai-jinkendo/issues/19" > /dev/null
+
+# Duplikat-Kommentar
+curl -s -X POST -H "Authorization: token $GITEA_TOKEN" \
+  -H "Content-Type: application/json" \
+  -d '{"body":"Duplikat von #21"}' \
+  "http://192.168.2.144:3000/api/v1/repos/Lars/mitai-jinkendo/issues/19/comments" > /dev/null
+```
+
+### 3. Issue-Prioritäten aktualisieren
+
+```bash
+# Label ändern (z.B. von medium zu high)
+curl -s -X PUT -H "Authorization: token $GITEA_TOKEN" \
+  -H "Content-Type: application/json" \
+  -d '{"labels":[2,3,5]}' \
+  "http://192.168.2.144:3000/api/v1/repos/Lars/mitai-jinkendo/issues/15/labels"
+```
+
+**Checkliste nach jeder Implementation:**
+- [ ] Zugehörige Issues mit Commit-Hash kommentieren
+- [ ] Issues auf `closed` setzen
+- [ ] Duplikate entfernen
+- [ ] Neue Issues bei Bedarf erstellen
+
+## Automatisierung (Hook)
+
+**Optional:** Hook in `.claude/settings.json` für Session-Start:
+
+```json
+{
+  "hooks": {
+    "session-start": "check-issues"
+  }
+}
+```
+
+→ Bei jeder neuen Session werden automatisch offene Issues geprüft.
+
+## Issue erstellen (neue Bugs/Features)
+
+```bash
+curl -s -X POST -H "Authorization: token $GITEA_TOKEN" \
+  -H "Content-Type: application/json" \
+  -d '{
+    "title": "[BUG-XXX] Titel",
+    "body": "Beschreibung",
+    "labels": [1, 3, 5]
+  }' \
+  http://192.168.2.144:3000/api/v1/repos/Lars/mitai-jinkendo/issues
+```
+
+**Label-IDs:**
+- 1 = bug
+- 2 = feature
+- 3 = high
+- 4 = low
+- 5 = develop

.claude/commands/db-add-column.md

@@ -0,0 +1,23 @@
+# DB Add Column
+
+Füge eine neue Spalte zur SQLite-Datenbank hinzu.
+
+## Vorgehen in backend/main.py:
+
+1. Spalte in CREATE TABLE Statement hinzufügen
+2. Spalte in `_safe_alters` Liste hinzufügen:
+
+```python
+_safe_alters = [
+    ("profiles", "neue_spalte TEXT DEFAULT NULL"),
+    # ... weitere
+]
+```
+
+Die `_safe_alters` Funktion fügt Spalten sicher hinzu ohne
+bestehende Daten zu verlieren (ALTER TABLE IF NOT EXISTS).
+
+## Wichtig:
+- Immer DEFAULT Wert angeben
+- Nie bestehende Spalten umbenennen oder löschen
+- Nach Änderung Backend neu starten: `docker compose restart mitai-api`

.claude/commands/deploy.md

@@ -0,0 +1,85 @@
+# Deploy – Commit, Test und Push
+
+Führt Tests durch, bumpt die Version, committet und pusht auf develop.
+Gitea startet dann automatisch den Dev-Deploy.
+
+## Schritt 1: Syntax prüfen
+```bash
+python3 -m py_compile backend/main.py backend/routers/*.py 2>&1 && echo "Syntax OK"
+```
+
+## Schritt 2: Versions-Bump prüfen
+Prüfe ob version.py und version.js aktualisiert wurden:
+```bash
+git diff --name-only | grep -E "version\.(py|js)"
+```
+
+Wenn NICHT aktualisiert → Stopp und fragen:
+"Welche Version soll ich setzen? (aktuell: X.Y.Z)"
+Dann version.py und version.js aktualisieren.
+
+## Schritt 3: Smoke Tests auf Dev ausführen
+```bash
+npx playwright test 2>&1
+```
+
+Wenn Tests fehlschlagen:
+- Screenshot analysieren: `start test-results\...\test-failed-1.png`
+- Fehler korrigieren
+- Tests erneut ausführen
+- Erst wenn alle grün → weiter
+
+## Schritt 4: Git Status prüfen
+```bash
+git status
+git diff --stat
+```
+
+## Schritt 5: Commit
+```bash
+git add -A
+git commit -m "COMMIT_MESSAGE
+
+version: X.Y.Z
+module:  MODUL_NAME X.Y.Z"
+```
+
+## Schritt 6: Push auf develop
+```bash
+git push origin develop
+```
+
+## Schritt 7: Deploy-Status prüfen
+```bash
+# 30 Sekunden warten
+# Dann Dev-System prüfen
+ssh pi "docker logs dev-mitai-api --tail 10"
+curl -sf https://dev.mitai.jinkendo.de/api/version | python3 -c "import sys,json; d=json.load(sys.stdin); print('Version:', d.get('app_version'))"
+```
+
+## Schritt 8: Gitea PR Link ausgeben
+```bash
+echo "PR erstellen: http://192.168.2.144:3000/Lars/mitai-jinkendo/compare/main...develop"
+```
+
+---
+
+## Checkliste vor jedem Commit
+
+```
+[ ] backend/version.py aktualisiert (APP_VERSION + MODULE_VERSION)
+[ ] frontend/src/version.js aktualisiert (APP_VERSION + PAGE_VERSION)
+[ ] Changelog-Eintrag in version.py hinzugefügt
+[ ] DB_SCHEMA_VERSION aktualisiert (wenn Schema geändert)
+[ ] Alle Playwright Tests grün
+[ ] Auth auf alle neuen Endpoints
+[ ] api.js für alle neuen Frontend API-Calls
+```
+
+---
+
+## Prod bleibt unberührt
+
+Prod-Änderungen NUR über:
+Gitea PR → Review → Merge → deploy-prod.yml
+NIEMALS direkt auf Prod deployen.

.claude/commands/document.md

@@ -0,0 +1,191 @@
+# Dokumentation erstellen
+
+Erstelle oder aktualisiere die technisch-fachliche Dokumentation der App.
+Lies zuerst den aktuellen Code, dann generiere die Dokumentation.
+
+## Wichtig
+- Dokumentation basiert auf dem ECHTEN Code – nicht auf Annahmen
+- Jede Datei einzeln erstellen, nicht alles auf einmal
+- Bestehende Dateien aktualisieren wenn sie existieren
+
+## Schritt 1: Architektur-Übersicht
+
+Lies folgende Dateien:
+- `backend/main.py`
+- `backend/db.py`
+- `backend/auth.py`
+- `backend/schema.sql`
+- `frontend/src/App.jsx`
+- `frontend/src/app.css`
+- `frontend/src/utils/api.js`
+- `docker-compose.yml`
+
+Erstelle `.claude/docs/technical/ARCHITECTURE.md` mit:
+
+```markdown
+# Architektur-Übersicht – Mitai Jinkendo
+
+## System-Überblick
+[Kurze Beschreibung der Gesamtarchitektur]
+
+## Tech-Stack
+[Tabelle mit allen Technologien + Versionen]
+
+## Deployment-Architektur
+[Infrastruktur: Raspberry Pi, Docker, Synology, Domains]
+
+## Komponenten-Übersicht
+[Alle Module/Router mit Kurzbeschreibung]
+
+## Datenfluss
+[Wie fließen Daten: Frontend → API → DB]
+
+## Sicherheitsarchitektur
+[Auth, CORS, Rate Limiting, bcrypt]
+
+## Versions-Historie
+[v9a, v9b, v9c – was wurde wann eingeführt]
+```
+
+## Schritt 2: Frontend-Seiten + Komponenten
+
+Lies alle Dateien in:
+- `frontend/src/pages/`
+- `frontend/src/context/`
+- `frontend/src/utils/`
+
+Erstelle `.claude/docs/technical/FRONTEND.md` mit:
+
+```markdown
+# Frontend-Dokumentation
+
+## Seiten-Übersicht
+[Tabelle: Seite | Route | Beschreibung | Auth erforderlich]
+
+## Komponenten
+[Wiederverwendbare Komponenten mit Props]
+
+## Context / State Management
+[AuthContext, ProfileContext – was wird wo verwaltet]
+
+## API-Integration (api.js)
+[Alle API-Methoden mit Parametern]
+
+## CSS-System
+[CSS-Variablen, globale Klassen, Design-Tokens]
+
+## PWA-Konfiguration
+[Service Worker, Manifest, Icons]
+```
+
+## Schritt 3: Auth-Flow + Sicherheit
+
+Lies:
+- `backend/auth.py`
+- `backend/routers/auth.py`
+- `frontend/src/context/AuthContext.jsx`
+
+Erstelle `.claude/docs/technical/AUTH.md` mit:
+
+```markdown
+# Auth-Flow & Sicherheit
+
+## Login-Flow (Schritt für Schritt)
+[Sequenz: Frontend → Backend → DB → Token]
+
+## Session-Management
+[Token-Format, Lebensdauer, Speicherort]
+
+## Passwort-Sicherheit
+[bcrypt, SHA256-Migration, Salting]
+
+## Rate Limiting
+[Welche Endpoints, Limits, slowapi-Konfiguration]
+
+## CORS-Konfiguration
+[Allowed Origins, Umgebungsvariablen]
+
+## Öffentliche vs. geschützte Endpoints
+[Tabelle: Endpoint | Public/Protected | Admin-only]
+
+## Bekannte Sicherheitsentscheidungen
+[Warum welche Entscheidung getroffen wurde]
+```
+
+## Schritt 4: API-Referenz
+
+Lies alle Dateien in `backend/routers/`.
+
+Erstelle `.claude/docs/technical/API_REFERENCE.md` mit:
+
+```markdown
+# API-Referenz
+
+## Basis-URL
+- Prod: https://mitai.jinkendo.de/api
+- Dev:  https://dev.mitai.jinkendo.de/api
+
+## Authentifizierung
+[Header-Format, Token-Handling]
+
+## Endpoints nach Modul
+
+### Auth (/api/auth/...)
+| Method | Path | Auth | Parameter | Response |
+...
+
+### Profile (/api/profiles/...)
+...
+
+### Gewicht (/api/weight/...)
+...
+
+[alle 14 Router]
+
+## Fehler-Codes
+[Standard-Fehlercodes und Bedeutung]
+
+## Rate Limits
+[Tabelle: Endpoint | Limit | Zeitfenster]
+```
+
+## Schritt 5: Datenbankschema
+
+Lies `backend/schema.sql`.
+
+Erstelle `.claude/docs/technical/DATABASE.md` mit:
+
+```markdown
+# Datenbankschema
+
+## Übersicht
+[Alle Tabellen mit Kurzbeschreibung]
+
+## Tabellen-Details
+[Je Tabelle: Spalten, Typen, Constraints, Indizes]
+
+## Beziehungen
+[Foreign Keys, Beziehungsdiagramm als ASCII]
+
+## Migrations-Historie
+[Was wurde wann geändert]
+
+## Design-Entscheidungen
+[Warum PostgreSQL, warum welche Struktur]
+
+## Wichtige Abfragen
+[Häufig verwendete Queries als Referenz]
+```
+
+## Nach jeder Datei
+
+Sage mir:
+- Welche Datei wurde erstellt/aktualisiert
+- Wie viele Zeilen
+- Was war überraschend oder unklar im Code
+
+## Starten
+
+Beginne mit Schritt 1 (ARCHITECTURE.md).
+Frage nach jedem Schritt ob du weitermachen sollst.
+EOF

.claude/commands/fix-bug.md

@@ -0,0 +1,100 @@
+# Fix Bug
+
+Strukturierter Workflow für Fehlerbehebung mit Bug-Tracking.
+
+## Workflow
+
+### 1. Bug in KNOWN_ISSUES.md finden
+```bash
+cat .claude/docs/KNOWN_ISSUES.md | grep -A 20 "BUG-XXX"
+```
+
+### 2. Status auf "In Bearbeitung"
+```markdown
+**Status:** 🟡 In Bearbeitung
+```
+
+### 3. Logs analysieren
+
+**Docker Logs:**
+```bash
+docker logs -f dev-mitai-api | grep "ERROR\|Exception"
+docker logs dev-mitai-api --tail 100
+```
+
+**Feature-Logs:**
+```bash
+tail -f backend/logs/feature-usage.log | jq .
+```
+
+### 4. Bug reproduzieren
+- Schritte aus KNOWN_ISSUES.md nachstellen
+- Fehler verifizieren
+- Root Cause identifizieren (nicht nur Symptom!)
+
+### 5. Fix implementieren
+- Minimal invasive Änderung
+- Keine "Verbesserungen" nebenbei
+- Kommentiere komplexe Fixes
+
+### 6. Testen
+```bash
+# Backend Syntax
+python3 -m py_compile backend/[file].py
+
+# Frontend Build
+cd frontend && npm run build
+```
+
+### 7. Commit
+```bash
+git add [files]
+git commit -m "fix: [BUG-XXX] Kurzbeschreibung
+
+Root Cause: [Ursache]
+Lösung: [Was geändert]
+Tested: [Wie getestet]
+
+Closes: BUG-XXX"
+```
+
+### 8. KNOWN_ISSUES.md aktualisieren
+Nach Deploy:
+- Status: ✅ Behoben (Commit `hash`)
+- Ins Archiv verschieben
+
+## Debugging-Checkliste
+
+### Frontend-Bugs
+- Browser Console (F12) → Fehler lesen
+- Network Tab → API-Call prüfen
+- Häufig:
+  - 401: Token fehlt → api.js nutzen
+  - undefined: Optional chaining `?.` verwenden
+  - Weißer Screen: JS-Fehler in Console
+
+### Backend-Bugs
+- Docker Logs → Traceback analysieren
+- Syntax: `python3 -m py_compile backend/[file].py`
+- Häufig:
+  - TypeError: Type-Konvertierung fehlt
+  - 404: Router nicht registriert
+  - 500: Unbehandelte Exception
+
+### Häufige Fehler
+- `session=Depends(require_auth)` in `Header()` → separater Parameter!
+- `dayjs.week()` → Native ISO-Wochenberechnung
+- `datetime.date` vs. `str` → Type-Check
+- PostgreSQL Boolean: `true` nicht `1`
+
+## Commit-Format
+```
+fix: [BUG-XXX] Kurze Beschreibung
+
+Problem: TypeError in /api/nutrition/weekly
+Root Cause: d['date'] ist datetime.date, nicht str
+Lösung: Check if already datetime.date object
+Tested: /nutrition Tab lädt ohne Error
+
+Closes: BUG-XXX
+```

.claude/commands/implement-feature.md

@@ -0,0 +1,280 @@
+---
+description: Strukturierter Workflow für konzept-basierte Feature-Implementierung mit Requirement Analysis + User Approval
+args: <feature-name> <konzept-file>
+model: sonnet
+---
+
+# Feature-Implementierung Workflow
+
+Du wurdest aufgerufen mit:
+- **Feature:** {{feature-name}}
+- **Konzept:** {{konzept-file}}
+
+Dieser Skill führt den strukturierten 5-Stufen-Prozess aus `.claude/rules/IMPLEMENTATION_RULES.md` aus.
+
+---
+
+## STUFE 1: Anforderungsanalyse
+
+**Aufgabe:**
+1. Lies das Konzept-Dokument `{{konzept-file}}` VOLLSTÄNDIG
+2. Finde alle Anforderungen für `{{feature-name}}`
+3. Erstelle eine detaillierte Checkliste
+
+**Gehe dabei wie folgt vor:**
+
+### 1.1 Konzept lesen
+- Öffne `{{konzept-file}}` mit dem Read tool
+- Suche nach Abschnitten die `{{feature-name}}` betreffen
+- Lies ALLE relevanten Abschnitte vollständig (nicht nur überfliegen)
+
+### 1.2 Anforderungs-Matrix erstellen
+
+Erstelle eine Tabelle mit folgenden Spalten:
+
+| Anforderung | Datenquelle | Status | Notizen |
+|-------------|-------------|--------|---------|
+| Kalorienaufnahme täglich | nutrition_log.kcal | ✓ Vorhanden | - |
+| Trainingskalorien | activity_log.kcal | ✗ Fehlt | Muss aggregiert werden |
+| ... | ... | ... | ... |
+
+**Status-Codes:**
+- ✓ Vorhanden: Bereits implementiert (data_layer Funktion existiert)
+- ⚠ Partial: Teilweise vorhanden, muss erweitert werden
+- ✗ Fehlt: Muss neu gebaut werden
+
+### 1.3 Gap-Analyse
+
+Listen auf:
+- Welche data_layer Funktionen existieren bereits?
+- Welche data_layer Funktionen müssen neu geschrieben werden?
+- Welche Tabellen werden benötigt?
+- Welche Berechnungen sind nötig? (Formeln dokumentieren)
+
+### 1.4 Offene Fragen
+
+Dokumentiere alle Unklarheiten:
+- Interpretation unklar?
+- Mehrere Umsetzungsmöglichkeiten?
+- Fehlende Informationen im Konzept?
+
+**OUTPUT:** Zeige dem User die Anforderungs-Matrix und Gap-Analyse.
+
+---
+
+## STUFE 2: Umsetzungskonzept erstellen
+
+**Aufgabe:**
+Erstelle ein detailliertes technisches Umsetzungskonzept mit:
+
+### 2.1 Backend-Design
+
+**Neue Endpoints:**
+```
+GET /api/charts/{{feature-name}}?param1=value1
+
+Args:
+    param1: Beschreibung (default=X, range Y-Z)
+    session: Auth session (injected)
+
+Returns:
+    Chart.js-compatible JSON (siehe unten)
+```
+
+**Neue data_layer Funktionen:**
+```python
+def get_xyz_data(profile_id: str, days: int) -> Dict:
+    """
+    Beschreibung was die Funktion tut.
+
+    Berechnung:
+    1. Schritt 1 (SQL Query oder Formel)
+    2. Schritt 2
+
+    Returns:
+        {"key": value, ...}
+    """
+```
+
+**Datenquellen:**
+- Welche Tabellen? (nutrition_log, activity_log, etc.)
+- Welche Spalten?
+- Welche JOINs?
+
+**Berechnungen:**
+- Formeln dokumentieren (z.B. "7d avg = sum(values[-7:]) / 7")
+- Aggregationen beschreiben
+- Edge Cases behandeln (keine Daten, Division durch 0, etc.)
+
+### 2.2 Response-Format
+
+Zeige ein **vollständiges Beispiel** der JSON-Response:
+
+```json
+{
+  "chart_type": "line" | "bar" | "mixed" | "scatter",
+  "data": {
+    "labels": ["2026-01-01", "2026-01-02", ...],
+    "datasets": [
+      {
+        "type": "line",  // nur bei chart_type: mixed
+        "label": "Label für Legende",
+        "data": [100, 105, 103, ...],
+        "borderColor": "#1D9E75",
+        "backgroundColor": "rgba(29, 158, 117, 0.1)",
+        "borderWidth": 2,
+        "tension": 0.3,
+        "fill": false,
+        "yAxisID": "y1"  // bei Dual-Axis
+      }
+    ]
+  },
+  "metadata": {
+    "confidence": "high" | "medium" | "low" | "insufficient",
+    "data_points": 28,
+    "avg_value": 123.4,
+    "custom_field": "..."
+  }
+}
+```
+
+### 2.3 Frontend-Design
+
+**Component:**
+- Welche Datei? (z.B. `NutritionCharts.jsx`)
+- Welche Funktion? (z.B. `renderEnergyBalance()`)
+
+**Chart-Library:**
+- Recharts oder Chart.js?
+- Welcher Chart-Typ? (LineChart, BarChart, ComposedChart, etc.)
+- Welche Features? (Tooltip, Legend, Dual-Axis, etc.)
+
+**API-Integration:**
+- API-Funktion in `api.js` hinzufügen
+- State-Management (useState, useEffect)
+- Loading + Error Handling
+
+### 2.4 Dependencies
+
+- Müssen andere Module angepasst werden?
+- Neue npm-Pakete nötig?
+- DB-Migrationen nötig?
+
+**OUTPUT:** Zeige dem User das vollständige Umsetzungskonzept.
+
+---
+
+## STUFE 3: User-Approval einholen
+
+**Aufgabe:**
+1. Zeige Anforderungs-Matrix (Stufe 1)
+2. Zeige Umsetzungskonzept (Stufe 2)
+3. Liste offene Fragen auf
+4. Frage explizit: **"Soll ich mit der Implementierung beginnen? (ja/nein/Änderungen)"**
+
+**WICHTIG:**
+- **Warte auf die Antwort des Users**
+- Beginne NICHT mit der Implementierung ohne explizites "ja"
+- Bei Änderungswünschen: Passe das Konzept an und zeige es erneut
+
+---
+
+## STUFE 4: Implementierung
+
+**NUR ausführen wenn User "ja" gesagt hat!**
+
+### 4.1 Backend implementieren
+
+1. **Neue data_layer Funktionen:**
+   - Erstelle/erweitere Dateien in `backend/data_layer/`
+   - Implementiere genau nach Konzept (Stufe 2.1)
+   - Docstrings mit Beschreibung + Args + Returns
+
+2. **Neue Endpoints:**
+   - Erstelle/erweitere Router in `backend/routers/`
+   - Implementiere genau nach Konzept (Stufe 2.1)
+   - Response-Format exakt wie spezifiziert (Stufe 2.2)
+
+3. **Tests (falls vorhanden):**
+   - Unit-Tests für data_layer Funktionen
+   - Integration-Tests für Endpoints
+
+### 4.2 Frontend implementieren
+
+1. **API-Funktion hinzufügen:**
+   - Ergänze `frontend/src/utils/api.js`
+   - Syntax: `getXyzChart: (days=28) => req(\`/charts/xyz?days=${days}\`)`
+
+2. **Component erstellen/erweitern:**
+   - Implementiere Chart-Darstellung
+   - Verwende Chart-Library wie spezifiziert
+   - Loading + Error Handling
+
+3. **Integration:**
+   - Füge Component in Parent-Page ein
+   - Teste UI-Flow
+
+### 4.3 Commit
+
+```
+feat: {{feature-name}} (konzept-konform)
+
+Backend:
+- data_layer: [Liste neue Funktionen]
+- Endpoint: [Liste neue Endpoints]
+
+Frontend:
+- Component: [Beschreibung]
+- Chart-Type: [Typ]
+
+Konzept: {{konzept-file}}
+
+Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
+```
+
+---
+
+## STUFE 5: Compliance-Check
+
+**Aufgabe:**
+Prüfe JEDE Anforderung aus der Anforderungs-Matrix (Stufe 1):
+
+```
+□ Anforderung 1: [Beschreibung] - Status: ✓ / ✗
+□ Anforderung 2: [Beschreibung] - Status: ✓ / ✗
+...
+```
+
+**Alle Checkboxen müssen ✓ sein vor Push!**
+
+Falls ✗:
+- Identifiziere was fehlt
+- Implementiere nach
+- Erneut prüfen
+
+**OUTPUT:** Zeige dem User die Final-Checkliste.
+
+---
+
+## WICHTIG: Workflow-Reihenfolge
+
+```
+Stufe 1 (Anforderungen) → Stufe 2 (Konzept) → Stufe 3 (Approval)
+                                                      ↓
+                                                    User sagt "ja"?
+                                                      ↓
+Stufe 4 (Implementierung) → Stufe 5 (Compliance-Check) → Push
+```
+
+**Niemals:**
+- Stufen überspringen
+- Ohne Approval implementieren
+- "Ähnliches" statt Gefordertes bauen
+
+---
+
+## Los geht's!
+
+Beginne jetzt mit **STUFE 1: Anforderungsanalyse**.
+
+Lies `{{konzept-file}}` und erstelle die Anforderungs-Matrix für `{{feature-name}}`.

.claude/commands/merge-to-prod.md

@@ -0,0 +1,60 @@
+# Merge to Production
+
+Erstelle einen Pull Request in Gitea: develop -> main
+
+## Checkliste vor dem PR:
+- [ ] dev.mitai.jinkendo.de funktioniert
+- [ ] Login funktioniert
+- [ ] Alle neuen Features getestet
+- [ ] Keine Console-Fehler im Browser
+- [ ] KI-Analyse funktioniert
+- [ ] Backend-Syntax OK: `python3 -m py_compile backend/main.py`
+
+## Schritt 1: Sicherstellen dass develop aktuell ist
+```bash
+git checkout develop
+git status
+git push origin develop
+```
+
+## Schritt 2: Pull Request in Gitea erstellen
+Öffne im Browser:
+http://192.168.2.144:3000/Lars/mitai-jinkendo/compare/main...develop
+
+Oder:
+```
+Gitea ? Repository ? Pull Requests ? "Neuer Pull Request"
+Basis:    main
+Vergleich: develop
+Titel:    beschreibung der Änderungen
+? Pull Request erstellen
+```
+
+## Schritt 3: PR mergen
+```
+Gitea ? Pull Request ? "Merge Pull Request"
+? "Merge Commit" wählen (NICHT "Squash" oder "Rebase")
+? develop Branch NICHT löschen (Häkchen deaktivieren!)
+```
+
+## Schritt 4: Nach dem Merge
+- Gitea Action `deploy-prod.yml` startet automatisch
+- Prüfe: https://mitai.jinkendo.de
+- Prüfe Gitea Actions ob alles grün ist
+- Lokal auf develop zurückwechseln und aktualisieren:
+```bash
+git checkout develop
+git pull origin develop
+```
+
+## Rollback falls nötig:
+```
+Gitea ? Commits auf main ? "Revert" auf dem letzten Merge-Commit
+? neuer PR wird automatisch erstellt
+? PR mergen ? Prod wird zurückgesetzt
+```
+
+## Wichtig:
+- NIEMALS direkt auf main pushen
+- develop Branch niemals löschen
+- Immer über PR mergen – nie `git merge` lokal auf main

.claude/commands/new-feature.md

@@ -0,0 +1,19 @@
+# New Feature
+
+Erstelle ein neues Feature für Mitai Jinkendo.
+
+## Checkliste:
+1. Backend: Neuer Endpoint in `backend/main.py`
+   - Mit `session: dict = Depends(require_auth)` absichern
+   - Neue DB-Spalten via `_safe_alters` hinzufügen
+2. Frontend: Neue Seite oder Komponente
+   - API-Calls immer über `frontend/src/utils/api.js`
+   - Token wird automatisch injiziert
+3. Syntax prüfen: `python3 -m py_compile backend/main.py`
+4. CLAUDE.md aktualisieren wenn nötig
+
+## Wichtige Regeln:
+- Passwörter: bcrypt (nicht SHA256)
+- API-Calls: api.js nutzen (nie direktes fetch ohne Token)
+- dayjs.week(): nicht verwenden → native ISO-Wochenberechnung
+- session=Depends(require_auth): immer als separater Parameter

.claude/commands/pi-db.md

@@ -0,0 +1,47 @@
+# Pi Datenbank
+
+Direkter Zugriff auf PostgreSQL Datenbanken auf dem Raspberry Pi.
+
+## Verwendung
+Sage was du prüfen möchtest, z.B.:
+- "Zeige alle Profile"
+- "Wie viele Gewichtseinträge hat Lars?"
+- "Zeige die letzten 10 Schlafeinträge"
+- "Prüfe ob die Tabelle sleep_log existiert"
+
+## Prod-Datenbank Abfrage
+```bash
+ssh pi "docker exec mitai-db-prod psql -U mitai_prod -d mitai_prod -c 'DEINE_SQL_ABFRAGE'"
+```
+
+## Dev-Datenbank Abfrage
+```bash
+ssh pi "docker exec dev-mitai-postgres psql -U mitai_dev -d mitai_dev -c 'DEINE_SQL_ABFRAGE'"
+```
+
+## Nützliche Standard-Abfragen
+
+### Alle Tabellen anzeigen
+```bash
+ssh pi "docker exec mitai-db-prod psql -U mitai_prod -d mitai_prod -c '\dt'"
+```
+
+### Tabellen-Größen
+```bash
+ssh pi "docker exec mitai-db-prod psql -U mitai_prod -d mitai_prod -c \"SELECT schemaname, tablename, pg_size_pretty(pg_total_relation_size(schemaname||'.'||tablename)) as size FROM pg_tables WHERE schemaname='public' ORDER BY pg_total_relation_size(schemaname||'.'||tablename) DESC;\""
+```
+
+### Profile anzeigen
+```bash
+ssh pi "docker exec mitai-db-prod psql -U mitai_prod -d mitai_prod -c 'SELECT id, name, email, role, tier FROM profiles;'"
+```
+
+### DB-Version prüfen
+```bash
+ssh pi "docker exec mitai-db-prod psql -U mitai_prod -d mitai_prod -c 'SELECT version();'"
+```
+
+## Wichtig
+- Nur SELECT-Abfragen ohne explizite Genehmigung
+- Keine DELETE/DROP/TRUNCATE ohne ausdrückliche Bestätigung
+- Prod-DB mit besonderer Vorsicht behandeln

.claude/commands/pi-dev.md

@@ -0,0 +1,60 @@
+# Pi Dev – Entwicklungssystem Zugriff
+
+Direkter Zugriff auf das Dev-System (dev.mitai.jinkendo.de).
+**NUR für Dev – niemals auf Prod anwenden!**
+
+## Container Status
+```bash
+ssh pi "docker ps --filter name=dev-mitai --format 'table {{.Names}}\t{{.Status}}\t{{.Ports}}'"
+```
+
+## Backend neu starten (Dev)
+```bash
+ssh pi "docker restart dev-mitai-api && sleep 5 && docker logs dev-mitai-api --tail 20"
+```
+
+## Frontend neu starten (Dev)
+```bash
+ssh pi "docker restart dev-mitai-ui"
+```
+
+## Beide neu starten (Dev)
+```bash
+ssh pi "cd /home/lars/docker/bodytrack-dev && docker compose -f docker-compose.dev-env.yml restart"
+```
+
+## Komplett neu bauen (Dev)
+```bash
+ssh pi "cd /home/lars/docker/bodytrack-dev && git pull origin develop && docker compose -f docker-compose.dev-env.yml build --no-cache && docker compose -f docker-compose.dev-env.yml up -d"
+```
+
+## Backend Logs live (10 Sekunden)
+```bash
+ssh pi "timeout 10 docker logs dev-mitai-api --follow 2>&1 || true"
+```
+
+## Dev-DB Abfrage (nur SELECT ohne Genehmigung)
+```bash
+ssh pi "docker exec dev-mitai-postgres psql -U mitai_dev -d mitai_dev -c 'DEINE_ABFRAGE'"
+```
+
+## Health Check Dev
+```bash
+ssh pi "curl -sf http://localhost:8099/api/auth/status && echo '✓ DEV API OK' || echo '✗ DEV API FEHLER'"
+ssh pi "curl -sf http://localhost:3099 | grep -c 'Mitai' && echo '✓ DEV UI OK' || echo '✗ DEV UI FEHLER'"
+```
+
+## Umgebungsvariablen prüfen (Dev)
+```bash
+ssh pi "docker exec dev-mitai-api env | grep -v PASSWORD | grep -v SECRET | grep -v KEY"
+```
+
+## ⛔ PROD-SCHUTZ
+Folgende Befehle sind für Prod VERBOTEN:
+- docker restart mitai-api
+- docker restart mitai-ui
+- docker exec mitai-api ...schreibend...
+- Direkte Dateiänderungen in /home/lars/docker/bodytrack/
+- Änderungen an Prod-DB außer SELECT
+
+Prod-Änderungen NUR über: git push → Gitea PR → deploy-prod.yml

.claude/commands/pi-logs.md

@@ -0,0 +1,43 @@
+# Pi Logs
+
+Zeigt Logs der Mitai-Container auf dem Raspberry Pi.
+
+## Backend Logs (Prod)
+```bash
+ssh pi "docker logs mitai-api --tail 50 --timestamps"
+```
+
+## Backend Logs (Dev)
+```bash
+ssh pi "docker logs dev-mitai-api --tail 50 --timestamps"
+```
+
+## Frontend Logs (Prod)
+```bash
+ssh pi "docker logs mitai-ui --tail 20"
+```
+
+## Logs nach Fehler filtern
+```bash
+ssh pi "docker logs mitai-api --tail 100 2>&1 | grep -i 'error\|exception\|traceback'"
+```
+
+## Logs live verfolgen (10 Sekunden)
+```bash
+ssh pi "timeout 10 docker logs mitai-api --follow 2>&1 || true"
+```
+
+## Gitea Runner Logs
+```bash
+ssh pi "sudo journalctl -u gitea-runner --lines 30 --no-pager"
+```
+
+## Letzter Deploy-Status
+```bash
+ssh pi "cat /home/lars/docker/bodytrack/.last-deploy 2>/dev/null || echo 'Keine Deploy-Info'"
+```
+
+## System-Logs (Fehler letzte Stunde)
+```bash
+ssh pi "sudo journalctl --since '1 hour ago' --priority err --no-pager | tail -20"
+```

.claude/commands/pi-status.md

@@ -0,0 +1,37 @@
+# Pi Status
+
+Zeigt den aktuellen Status aller Mitai-Container und Logs auf dem Raspberry Pi.
+
+## Container Status
+```bash
+ssh pi "docker ps --filter name=mitai --format 'table {{.Names}}\t{{.Status}}\t{{.Ports}}'"
+```
+
+## Letzte Backend-Logs (Prod)
+```bash
+ssh pi "docker logs mitai-api --tail 30"
+```
+
+## Letzte Backend-Logs (Dev)
+```bash
+ssh pi "docker logs dev-mitai-api --tail 30"
+```
+
+## API Health Check
+```bash
+ssh pi "curl -sf http://localhost:8002/api/auth/status && echo '✓ PROD OK' || echo '✗ PROD FEHLER'"
+ssh pi "curl -sf http://localhost:8099/api/auth/status && echo '✓ DEV OK' || echo '✗ DEV FEHLER'"
+```
+
+## Datenbank Status
+```bash
+ssh pi "docker exec mitai-db-prod pg_isready -U mitai_prod && echo '✓ DB PROD OK'"
+ssh pi "docker exec dev-mitai-postgres pg_isready -U mitai_dev && echo '✓ DB DEV OK'"
+```
+
+## Disk Space
+```bash
+ssh pi "df -h /home/lars/docker"
+```
+
+## Führe alle Checks aus und zeige Zusammenfassung

.claude/commands/refactor.md

@@ -0,0 +1,81 @@
+# Refactor
+
+Refactore den Code ohne die Funktionalität zu ändern.
+
+## Wichtige Regel:
+**Erst planen, dann umsetzen – niemals beides gleichzeitig.**
+Zeige den Plan und warte auf Bestätigung bevor du Code schreibst.
+
+## Backend Refactoring (main.py aufteilen):
+
+### Zielstruktur:
+```
+backend/
+├── main.py           # Nur App-Setup, Middleware, Router-Import (~100 Zeilen)
+├── database.py       # DB-Verbindung, init_db, safe_alters, r2d()
+├── auth.py           # require_auth, require_admin, hash_pin, verify_pin, sessions
+├── models.py         # Alle Pydantic Models
+├── email.py          # SMTP, send_email, email_html_wrapper
+├── utils.py          # make_token(), helper functions
+└── routers/
+    ├── __init__.py
+    ├── weight.py
+    ├── caliper.py
+    ├── circumference.py
+    ├── nutrition.py
+    ├── activity.py
+    ├── photos.py
+    ├── insights.py
+    ├── prompts.py
+    ├── admin.py
+    └── export.py
+```
+
+### Vorgehen:
+1. Analysiere main.py vollständig
+2. Erstelle Plan welche Zeilen wohin kommen
+3. Warte auf Bestätigung
+4. Erstelle neue Dateien eine nach der anderen
+5. Nach jeder Datei: Syntax prüfen
+6. main.py anpassen (imports + router registrierung)
+7. Finaler Test: Backend startet ohne Fehler
+
+### Syntax-Check nach jedem Schritt:
+```bash
+python3 -m py_compile backend/main.py
+python3 -m py_compile backend/database.py
+# etc.
+```
+
+### Test nach Refactoring:
+```bash
+# Auf dem Pi:
+docker compose build --no-cache backend
+docker compose up -d
+docker logs mitai-api --tail 20
+curl -s http://localhost:8002/api/auth/status
+```
+
+## Frontend Refactoring (Komponenten extrahieren):
+
+### Wiederverwendbare Komponenten extrahieren nach:
+```
+frontend/src/components/
+├── MetricCard.jsx      # Kennzahl-Karte
+├── ChartCombo.jsx      # Kombinations-Chart
+├── LoadingSpinner.jsx  # Ladekreis
+├── EmptyState.jsx      # Leerer Zustand
+├── Avatar.jsx          # Nutzer-Avatar
+└── ConfirmDialog.jsx   # Bestätigungs-Dialog
+```
+
+### Vorgehen:
+1. Identifiziere wiederholte Code-Muster
+2. Extrahiere in eigene Komponenten
+3. Ersetze in allen Pages
+4. Frontend Build testen: `cd frontend && npm run build`
+
+## Nach dem Refactoring:
+- Commit mit `refactor:` Prefix
+- CLAUDE.md Verzeichnisstruktur aktualisieren
+- Kein neues Feature in diesem Commit!

.claude/commands/test.md

@@ -0,0 +1,226 @@
+# Test – Vollständige Test-Suite
+
+Führt Backend-Tests (API + Logs) und Frontend-Tests (Playwright) durch.
+Claude Code schreibt, führt aus und korrigiert bis alle Tests grün sind.
+
+## Workflow für neue Features
+
+Nach jeder Implementierung:
+1. Backend-Tests schreiben und ausführen
+2. Frontend-Tests schreiben und ausführen  
+3. Logs auf Fehler prüfen
+4. Alle grün → committen
+
+---
+
+## TEIL 1: Backend API-Tests (schnell, immer zuerst)
+
+### 1.1 Login + Token holen
+```bash
+TOKEN=$(curl -s -X POST https://dev.mitai.jinkendo.de/api/auth/login \
+  -H "Content-Type: application/json" \
+  -d "{\"email\":\"$TEST_EMAIL\",\"pin\":\"$TEST_PASSWORD\"}" \
+  | python3 -c "import sys,json; d=json.load(sys.stdin); print(d.get('token','KEIN_TOKEN'))")
+echo "Token: ${TOKEN:0:30}..."
+```
+
+### 1.2 Basis-Endpoints prüfen
+```bash
+# Version
+curl -sf https://dev.mitai.jinkendo.de/api/version \
+  | python3 -c "import sys,json; d=json.load(sys.stdin); print('Version:', d.get('app_version'), '| DB:', d.get('db_schema_version'))"
+
+# Auth Status
+curl -sf https://dev.mitai.jinkendo.de/api/auth/status \
+  && echo "Auth OK" || echo "Auth FEHLER"
+
+# Stats (mit Token)
+curl -sf https://dev.mitai.jinkendo.de/api/stats \
+  -H "X-Auth-Token: $TOKEN" \
+  | python3 -c "import sys,json; d=json.load(sys.stdin); print('Stats OK:', list(d.keys())[:5])"
+```
+
+### 1.3 CRUD-Test für neues Modul
+Template für jeden neuen Router:
+```bash
+# CREATE
+ID=$(curl -s -X POST https://dev.mitai.jinkendo.de/api/MODUL \
+  -H "Content-Type: application/json" \
+  -H "X-Auth-Token: $TOKEN" \
+  -d '{"date":"2026-01-01","FELD":"WERT"}' \
+  | python3 -c "import sys,json; d=json.load(sys.stdin); print(d.get('id','FEHLER'))")
+echo "CREATE: ID=$ID"
+
+# READ
+curl -sf https://dev.mitai.jinkendo.de/api/MODUL?limit=5 \
+  -H "X-Auth-Token: $TOKEN" \
+  | python3 -c "import sys,json; d=json.load(sys.stdin); print('READ: Einträge:', len(d))"
+
+# DELETE (Test-Eintrag aufräumen)
+curl -s -X DELETE https://dev.mitai.jinkendo.de/api/MODUL/$ID \
+  -H "X-Auth-Token: $TOKEN" \
+  && echo "DELETE OK" || echo "DELETE FEHLER"
+```
+
+### 1.4 Auth-Schutz prüfen
+```bash
+# Endpoint OHNE Token muss 401 zurückgeben
+STATUS=$(curl -s -o /dev/null -w "%{http_code}" https://dev.mitai.jinkendo.de/api/stats)
+[ "$STATUS" = "401" ] && echo "Auth-Schutz OK (401)" || echo "WARNUNG: Auth-Schutz fehlt! ($STATUS)"
+```
+
+### 1.5 Admin-Endpoint prüfen
+```bash
+# Admin-Endpoint mit normalem Token muss 403 zurückgeben
+STATUS=$(curl -s -o /dev/null -w "%{http_code}" \
+  https://dev.mitai.jinkendo.de/api/admin/profiles \
+  -H "X-Auth-Token: $TOKEN")
+echo "Admin-Schutz: $STATUS (erwartet 403 für nicht-Admin)"
+```
+
+---
+
+## TEIL 2: Backend Logs prüfen
+
+### 2.1 Letzte Logs auf Fehler prüfen
+```bash
+ssh pi "docker logs dev-mitai-api --tail 50 2>&1 | grep -i 'error\|exception\|traceback\|warning' | head -20"
+```
+
+### 2.2 Nach Test-Requests: Logs prüfen
+```bash
+# Direkt nach API-Tests ausführen
+ssh pi "docker logs dev-mitai-api --tail 20 --timestamps 2>&1"
+```
+
+### 2.3 Alle neuen Endpoints im Log sichtbar?
+```bash
+# Prüft ob Router korrekt registriert
+ssh pi "docker logs dev-mitai-api 2>&1 | grep 'router\|route\|endpoint' | head -10"
+```
+
+### 2.4 DB-Verbindung gesund?
+```bash
+ssh pi "docker exec dev-mitai-postgres pg_isready -U mitai_dev && echo 'DB OK'"
+```
+
+### 2.5 Neue Tabellen vorhanden?
+```bash
+ssh pi "docker exec dev-mitai-postgres psql -U mitai_dev -d mitai_dev -c '\dt' 2>/dev/null | grep -E 'TABELLEN_NAME'"
+```
+
+---
+
+## TEIL 3: Frontend Playwright-Tests
+
+### 3.1 Alle Smoke Tests
+```bash
+npx playwright test
+```
+
+### 3.2 Nur neues Feature testen
+```bash
+npx playwright test --grep "FEATURE_NAME"
+```
+
+### 3.3 Mit sichtbarem Browser
+```bash
+npx playwright test --headed
+```
+
+### 3.4 Screenshot bei Fehler ansehen
+```bash
+start test-results\TESTNAME\test-failed-1.png
+```
+
+---
+
+## TEIL 4: Tests schreiben
+
+### Backend-Test Template (in test-Abschnitt einfügen)
+```bash
+# Für jeden neuen Endpoint:
+echo "=== Test: MODUL_NAME ==="
+TOKEN=$(curl -s -X POST https://dev.mitai.jinkendo.de/api/auth/login \
+  -H "Content-Type: application/json" \
+  -d "{\"email\":\"$TEST_EMAIL\",\"pin\":\"$TEST_PASSWORD\"}" \
+  | python3 -c "import sys,json; print(json.load(sys.stdin).get('token',''))")
+
+# GET Test
+curl -sf https://dev.mitai.jinkendo.de/api/MODUL \
+  -H "X-Auth-Token: $TOKEN" \
+  && echo "GET OK" || echo "GET FEHLER"
+
+# POST Test
+curl -s -X POST https://dev.mitai.jinkendo.de/api/MODUL \
+  -H "Content-Type: application/json" \
+  -H "X-Auth-Token: $TOKEN" \
+  -d '{"date":"2026-01-01"}' \
+  | python3 -c "import sys,json; d=json.load(sys.stdin); print('POST OK, id:', d.get('id'))"
+
+# Auth-Schutz
+STATUS=$(curl -s -o /dev/null -w "%{http_code}" https://dev.mitai.jinkendo.de/api/MODUL)
+[ "$STATUS" = "401" ] && echo "Auth-Schutz OK" || echo "Auth-Schutz FEHLER ($STATUS)"
+```
+
+### Frontend-Test Template (in dev-smoke-test.spec.js)
+```javascript
+test('MODUL: Seite lädt und Grundfunktion', async ({ page }) => {
+  await login(page);
+  
+  // Navigation
+  await page.click('text=NAV_TEXT');
+  await page.waitForLoadState('networkidle');
+  await expect(page.locator('.spinner')).toHaveCount(0, { timeout: 10000 });
+  
+  // Formular ausfüllen
+  await page.fill('input[name="FELD"]', 'TESTWERT');
+  await page.click('button:has-text("Speichern")');
+  
+  // Ergebnis prüfen
+  await expect(page.locator('text=gespeichert')).toBeVisible({ timeout: 5000 });
+  await page.screenshot({ path: 'screenshots/MODUL-test.png' });
+  console.log('MODUL OK');
+});
+```
+
+---
+
+## TEIL 5: Vollständiger Test-Lauf (vor jedem Deploy)
+
+```bash
+echo "=== BACKEND TESTS ===" && \
+TOKEN=$(curl -s -X POST https://dev.mitai.jinkendo.de/api/auth/login \
+  -H "Content-Type: application/json" \
+  -d "{\"email\":\"$TEST_EMAIL\",\"pin\":\"$TEST_PASSWORD\"}" \
+  | python3 -c "import sys,json; print(json.load(sys.stdin).get('token',''))") && \
+curl -sf https://dev.mitai.jinkendo.de/api/version | python3 -c "import sys,json; d=json.load(sys.stdin); print('Version:', d.get('app_version'))" && \
+curl -sf https://dev.mitai.jinkendo.de/api/stats -H "X-Auth-Token: $TOKEN" > /dev/null && echo "Stats OK" && \
+echo "" && \
+echo "=== LOGS PRUEFEN ===" && \
+ssh pi "docker logs dev-mitai-api --tail 20 2>&1 | grep -i 'error\|exception' | head -5 || echo 'Keine Fehler in Logs'" && \
+echo "" && \
+echo "=== FRONTEND TESTS ===" && \
+npx playwright test && \
+echo "" && \
+echo "=== ALLE TESTS BESTANDEN ==="
+```
+
+---
+
+## Credentials setzen (einmalig pro Session)
+```bash
+$env:TEST_EMAIL="lars@stommer.com"
+$env:TEST_PASSWORD="5112"
+```
+
+---
+
+## Prod-Schutz
+Tests laufen AUSSCHLIESSLICH gegen:
+- https://dev.mitai.jinkendo.de
+- http://192.168.2.49:8099
+
+NIEMALS gegen:
+- https://mitai.jinkendo.de
+- http://192.168.2.49:8002

.claude/commands/ui-component.md

@@ -0,0 +1,42 @@
+# UI Component
+
+Erstelle eine neue React-Komponente im Mitai Jinkendo Design-System.
+
+## Design-Regeln:
+- Hintergrund: `var(--bg)` oder `var(--surface)`
+- Akzentfarbe: `var(--accent)` = #1D9E75
+- Text: `var(--text1)` (primary), `var(--text2)` (secondary), `var(--text3)` (muted)
+- Border: `var(--border)`
+- Border-Radius: 12px für Cards, 8px für Buttons/Inputs
+- Kein TypeScript – reines JavaScript/JSX
+- Inline-Styles bevorzugt, keine externen CSS-Dateien
+- Keine neuen npm-Pakete ohne Absprache
+
+## Komponenten-Struktur:
+```jsx
+function MeineKomponente({ prop1, prop2 }) {
+  const [state, setState] = useState(null)
+  
+  return (
+    <div className="card" style={{padding:16}}>
+      ...
+    </div>
+  )
+}
+```
+
+## Vorhandene CSS-Klassen:
+- `.card` – weißer Container mit Schatten
+- `.btn .btn-primary` – grüner Button
+- `.btn .btn-secondary` – grauer Button  
+- `.btn-full` – volle Breite
+- `.form-input` – Eingabefeld
+- `.form-label` – Label
+- `.form-row` – Label + Input + Unit nebeneinander
+- `.section-gap` – vertikaler Abstand
+- `.spinner` – Ladeindikator
+
+## API-Calls:
+- Immer über `import { api } from '../utils/api'`
+- Nie direktes `fetch()` verwenden
+- Token wird automatisch injiziert

.claude/commands/ui-page.md

@@ -0,0 +1,59 @@
+# UI Page
+
+Erstelle eine neue vollständige Seite für Mitai Jinkendo.
+
+## Seiten-Struktur:
+```jsx
+import { useState, useEffect } from 'react'
+import { api } from '../utils/api'
+import { useAuth } from '../context/AuthContext'
+
+export default function MeineSeite() {
+  const { session } = useAuth()
+  const [data, setData] = useState([])
+  const [loading, setLoading] = useState(true)
+  const [error, setError] = useState(null)
+
+  useEffect(() => { load() }, [])
+
+  const load = async () => {
+    try {
+      setLoading(true)
+      const result = await api.meinEndpoint()
+      setData(result)
+    } catch(e) {
+      setError(e.message)
+    } finally {
+      setLoading(false)
+    }
+  }
+
+  if (loading) return <div className="spinner"/>
+  if (error) return <div style={{color:'var(--danger)'}}>{error}</div>
+
+  return (
+    <div style={{padding:'0 0 80px'}}>
+      {/* Titelzeile */}
+      <div style={{display:'flex',alignItems:'center',
+        justifyContent:'space-between',marginBottom:20}}>
+        <div style={{fontSize:20,fontWeight:700}}>Seitentitel</div>
+      </div>
+      
+      {/* Inhalt */}
+    </div>
+  )
+}
+```
+
+## Navigation einbinden:
+In `App.jsx` unter den bestehenden Routen hinzufügen.
+
+## Backend-Endpoint:
+Neuen Endpoint in `backend/main.py` mit:
+```python
+@app.get("/api/mein-endpoint")
+def mein_endpoint(session: dict = Depends(require_auth)):
+    pid = session['profile_id']
+    with get_db() as conn:
+        ...
+```

.claude/commands/ui-responsive.md

@@ -0,0 +1,121 @@
+# UI Responsive
+
+Mache die App vollständig responsive – Mobile, Tablet und Desktop.
+
+## Ziel-Design
+```
+iPhone  (<768px):  Bottom Navigation, volle Breite (wie jetzt)
+iPad    (768-1024px): Bottom Navigation, 2-spaltige Cards
+Desktop (>1024px): Sidebar Navigation links, Content rechts, volle Breite
+```
+
+## Wichtige Regel:
+**Erst planen, dann umsetzen.** Zeige den Plan und warte auf Bestätigung.
+
+## Schritt 1: Analyse
+Analysiere folgende Dateien:
+- `frontend/src/app.css` – aktuelle CSS-Variablen und globale Styles
+- `frontend/src/App.jsx` – Navigation und Layout-Struktur
+- `frontend/src/pages/Dashboard.jsx` – repräsentative Seite
+
+## Schritt 2: Plan vorlegen
+Zeige:
+1. Welche CSS-Breakpoints werden eingeführt
+2. Wie ändert sich die Navigation (Bottom ? Sidebar)
+3. Welche Komponenten müssen angepasst werden
+4. Geschätzter Aufwand
+
+## Schritt 3: CSS-Variablen und Breakpoints
+
+Neue Breakpoints in `app.css`:
+```css
+/* Breakpoints */
+--bp-mobile:  768px;
+--bp-tablet: 1024px;
+
+/* Layout */
+--sidebar-width: 220px;
+--content-max-width: 1200px;
+```
+
+## Schritt 4: Layout-Komponente erstellen
+
+Neue Datei `frontend/src/components/AppLayout.jsx`:
+```jsx
+// Erkennt Screen-Größe und rendert:
+// - Mobile/Tablet: Bottom Navigation (wie jetzt)
+// - Desktop: Sidebar Navigation + Content-Bereich
+```
+
+## Schritt 5: Navigation anpassen
+
+**Mobile (wie jetzt):**
+```jsx
+<nav style={{position:'fixed', bottom:0, ...}}>
+  {navItems}
+</nav>
+```
+
+**Desktop (neu):**
+```jsx
+<aside style={{
+  position:'fixed', left:0, top:0,
+  width:'var(--sidebar-width)',
+  height:'100vh',
+  background:'var(--surface)',
+  borderRight:'1px solid var(--border)'
+}}>
+  {/* Logo */}
+  {/* Nav Items vertikal */}
+  {/* User Info unten */}
+</aside>
+<main style={{
+  marginLeft:'var(--sidebar-width)',
+  padding:'24px',
+  minHeight:'100vh'
+}}>
+  {children}
+</main>
+```
+
+## Schritt 6: Cards responsiv machen
+
+```css
+/* Mobile: 1 Spalte */
+.metric-grid { 
+  display: grid;
+  grid-template-columns: repeat(2, 1fr);
+  gap: 12px;
+}
+
+/* Desktop: 4 Spalten */
+@media (min-width: 1024px) {
+  .metric-grid {
+    grid-template-columns: repeat(4, 1fr);
+  }
+}
+```
+
+## Schritt 7: Testen
+```bash
+# Frontend build testen
+cd frontend && npm run build
+```
+
+Browser-Test auf:
+- iPhone (375px) – Safari
+- iPad (768px) – Browser DevTools
+- Desktop (1440px) – Browser normal
+
+## Jinkendo Design-Regeln beibehalten:
+- Farben: var(--accent) #1D9E75, var(--bg), var(--surface)
+- Border-Radius: 12px Cards, 8px Buttons
+- Keine externen CSS-Frameworks
+- Inline-Styles + globale CSS-Variablen
+- PWA auf iPhone muss weiterhin funktionieren
+
+## Nach dem Umbau:
+- Commit mit `feat: responsive layout – sidebar on desktop`
+- Push auf develop
+- Testen auf dev.mitai.jinkendo.de auf verschiedenen Screens
+- Erst nach Freigabe: /merge-to-prod

.claude/docs/BACKLOG.md

@@ -0,0 +1,242 @@
+# Mitai Jinkendo – Feature Backlog
+
+Vollständige Übersicht aller geplanten Features nach Versionen.
+
+**Dokumentationsstruktur:**
+- 📚 `functional/` - Fachliche Specs (WAS wird gebaut)
+- 📚 `technical/` - Technische Specs (WIE wird es gebaut)
+- 🎯 **Konkrete Tasks & Issues** → [Gitea Issues](http://192.168.2.144:3000/Lars/mitai-jinkendo/issues)
+- 📋 **Strategische Planung** → `ROADMAP.md`
+
+**Aktueller Fokus:** v9d → v9e Transition (Ruhetage abgeschlossen, Vitalwerte in Arbeit, Entwicklungsrouten vorbereiten)
+
+---
+
+## v9c – Membership & Subscription ✅ KOMPLETT
+
+📚 **Specs:** `technical/MEMBERSHIP_SYSTEM.md` (kombiniert fachlich + technisch)
+
+**Deployed:** 21. März 2026 (Production)
+
+### Features
+- ✅ Feature-Enforcement-System (4-Phasen-Modell)
+- ✅ Selbst-Registrierung mit E-Mail-Verifizierung
+- ✅ Trial-System UI (Countdown-Banner mit 3 Urgency-Level)
+- ✅ Tier-basiertes Zugriffsmanagement
+- ✅ Coupons & Access-Grants
+- ✅ Usage-Badges in allen relevanten Screens
+
+**Bugfixes v9c:**
+- ✅ BUG-001: TypeError in `/api/nutrition/weekly` (datetime.date handling)
+- ✅ BUG-002: Ernährungs-Daten Tab fehlte
+- ✅ BUG-003: Korrelations-Chart Extrapolation (gestrichelte Linien)
+- ✅ BUG-004: Import-Historie Refresh (Force remount)
+- ✅ BUG-005: Login → leere Seite
+- ✅ BUG-006: Email-Verifizierung → leere Seite
+- ✅ BUG-007: Doppelklick Verifizierungslink → generischer Fehler
+- ✅ BUG-008: Dashboard infinite loading bei API-Fehlern
+
+---
+
+## v9d – Schlaf + Sport-Vertiefung
+
+📚 **Specs:**
+- `functional/SLEEP_MODULE.md` (Schlaf-Tracking)
+- `functional/TRAINING_TYPES.md` (Trainingstypen + Abilities)
+- `functional/DEVELOPMENT_ROUTES.md` (Routen-System, später v9e)
+
+**Status:** 🟡 In Arbeit (Deployed: Schlaf, Trainingstypen, Ruhetage, Vitalwerte | Offen: HF-Zonen)
+
+### Phase 1: Trainingstypen ✅ DEPLOYED (21.03.2026)
+- ✅ 29 Trainingstypen in 7 Kategorien
+- ✅ Lernendes Mapping-System (DB-basiert, Auto-Learning)
+- ✅ 40+ Standard-Mappings (Deutsch + Englisch)
+- ✅ Admin-UI für Trainingstypen-CRUD
+- ✅ Admin-UI für Activity-Mappings (inline editing)
+- ✅ TrainingTypeDistribution Chart in History
+- ✅ Bulk-Kategorisierung (selbstlernend)
+- ✅ Apple Health Import mit automatischem Mapping
+
+### Phase 2a: Ruhetage ✅ DEPLOYED (23.03.2026)
+- ✅ Multi-Dimensional Rest Days (Kraft, Cardio, Entspannung)
+- ✅ Quick Mode Presets + Custom Entry
+- ✅ Validierung gegen geplante Aktivitäten
+- ✅ Dashboard Widget mit aktuellen Ruhetagen
+- ✅ Multiple Rest Types pro Date
+
+### Phase 2b: Schlaf-Modul ✅ DEPLOYED (23.03.2026)
+- ✅ sleep_log Tabelle mit JSONB sleep_segments
+- ✅ Schlafphasen (Deep, REM, Light, Awake)
+- ✅ Apple Health CSV Import
+- ✅ Schlaf-Statistiken & Trends
+- ✅ Schlafschuld-Berechnung
+
+### Phase 2d: Vitalwerte ✅ DEPLOYED (23.03.2026)
+- ✅ **3-Tab Architektur:** Baseline (morgens) / Blutdruck (mehrfach täglich) / Import
+- ✅ **Baseline Vitals:** Ruhepuls, HRV, VO2 Max, SpO2, Atemfrequenz
+- ✅ **Blutdruck:** Systolisch/Diastolisch + Puls, WHO/ISH-Klassifizierung
+- ✅ **Context-Tagging:** 8 Kontexte (nüchtern, nach Essen, Training, Stress, etc.)
+- ✅ **Inline-Editing:** Alle Messungen direkt in der Liste bearbeitbar
+- ✅ **Smart Upsert:** Baseline lädt existierende Einträge automatisch
+- ✅ **CSV Import:** Omron (Deutsch) + Apple Health (Deutsch/Englisch)
+- ✅ **Mobile-optimiert:** Volle Breite Felder, Sektions-Überschriften
+- ✅ Unregelmäßiger Herzschlag & AFib-Warnungen
+- ✅ Trend-Analyse (7d/14d/30d)
+
+### Phase 2e: HF-Zonen + Erholung 🔲 OFFEN
+- 🔲 HF-Zonen-Verteilung pro Training
+- 🔲 Recovery Score basierend auf Ruhepuls + HRV + Schlaf
+- 🔲 Übertraining-Warnung
+
+**Migrations:**
+- ✅ 004: training_types Tabelle + 23 Basis-Typen
+- ✅ 005: Extended types (Gehen, Tanzen, Geist & Meditation)
+- ✅ 006: abilities JSONB column (Platzhalter für v9f)
+- ✅ 007: activity_type_mappings (lernendes System)
+- ✅ 010: sleep_log Tabelle (JSONB segments)
+- ✅ 011: rest_days Tabelle
+- ✅ 012: Unique constraint rest_days
+- ✅ 015: Vitals Refactoring (vitals_baseline + blood_pressure_log)
+
+**Bugfixes v9d (23.03.2026):**
+- ✅ Import-Zählung korrigiert (skipped vs. updated)
+- ✅ Deutsche Spaltennamen für CSV-Imports
+- ✅ Dezimalwerte-Parsing (safe_int/safe_float)
+- ✅ Error-Details in Import-Response
+
+---
+
+## v9e – Entwicklungsrouten & Wochenplanung ⭐ NEU
+
+📚 **Specs:** `functional/DEVELOPMENT_ROUTES.md`
+
+**Status:** 🔲 Geplant (Spezifikation vorhanden, nach v9d Phase 2)
+
+### Geplante Features
+- 🔲 **6 Entwicklungsrouten:** Kraft, Kondition, Mental, Koordination, Mobilität, Technik
+- 🔲 Activity-Types → Routen-Zuordnung (training_types.route Spalte)
+- 🔲 Multi-Route Rest Day Validation (Konflikt-Check für alle Routen)
+- 🔲 Wochenplanung: Routen-basierte Soll/Ist-Übersicht
+- 🔲 Regel-Engine: Auto-Ruhetag bei Poor Recovery
+- 🔲 Dashboard: Route-Balance Widget
+
+**Tracking:** Siehe [Gitea Milestone v9e](http://192.168.2.144:3000/Lars/mitai-jinkendo/milestones)
+
+---
+
+## v9f – Ziele & KI-Prompts
+
+📚 **Specs:**
+- `functional/GOALS_VITALS.md` (Ziele-System)
+- `functional/AI_PROMPTS.md` (KI-Prompt-Flexibilisierung)
+
+**Status:** 🔲 Geplant (nach Phase 0 Infrastruktur)
+
+### Ziele-System
+- 🔲 Primärziele (Gewichtsabnahme, Muskelaufbau, Kondition, Wettkampf)
+- 🔲 Ziel-spezifische Dashboard-Ansicht
+- 🔲 Fortschrittsbalken & Prognose (lineare Regression)
+- 🔲 KI-Integration: Ziel-Abgleich & Handlungsempfehlungen
+
+### KI-Prompt Flexibilisierung
+- 🔲 Prompt-Bibliothek mit Kategorien
+- 🔲 Platzhalter-Browser (kategorisiert + Beispielwerte)
+- 🔲 Prompt-Vorschau mit echten Daten
+- 🔲 Pipeline konfigurierbar (Module, Gewichtung, Zeitraum)
+- 🔲 Mehrere Pipeline-Konfigurationen speichern
+
+### Vitalwerte erweitert
+- 🔲 Erweiterte Vitalwerte (SpO2, Körpertemperatur, Atemfrequenz) - teilweise in v9d implementiert
+- 🔲 Hydration-Tracking
+- 🔲 Medikamenten-Tracking
+
+**Tracking:** Siehe ROADMAP.md Phase 0-2
+
+---
+
+## v9g – Habits & Meditation
+
+📚 **Specs:**
+- `functional/MEDITATION.md` (Meditation & Selbstwahrnehmung)
+- `functional/DEVELOPMENT_ROUTES.md` (Habits pro Route)
+
+**Status:** 🔲 Geplant (Spezifikation vorhanden)
+
+### Geplante Features
+- 🔲 **Habits pro Entwicklungsroute** (route_habits Tabelle)
+- 🔲 Streak-Tracking pro Route (z.B. Mental: Meditation 🔥12 Tage)
+- 🔲 Dashboard: Route-Habits Widget
+- 🔲 Täglicher Check-in (Energie, Stimmung, Stress 1-5)
+- 🔲 Meditationssessions erfassen (Dauer, Art)
+- 🔲 Journal (Freitext täglich)
+- 🔲 Korrelations-Analysen (Meditation ↔ Stresslevel, Schlafqualität)
+- 🔲 → Basis für **miken.jinkendo.de** (Meditations-App)
+
+**Tracking:** Siehe [Gitea Milestone v9g](http://192.168.2.144:3000/Lars/mitai-jinkendo/milestones)
+
+---
+
+## v9h – Connectoren & Gamification
+
+**Status:** 🔲 Konzept (keine Spezifikation vorhanden)
+
+### Geplante Features
+- 🔲 OAuth2-Grundgerüst
+- 🔲 Strava, Withings, Garmin Integration
+- 🔲 Bonus-System (Streaks → Punkte → Coupons)
+- 🔲 Stripe-Integration (Zahlungsabwicklung)
+
+---
+
+## Responsive UI (parallel zu allen Versionen)
+
+📚 **Specs:** `functional/RESPONSIVE_UI.md`
+
+**Status:** 🔲 Geplant (parallel implementierbar)
+
+### Geplante Features
+- 🔲 Desktop: Sidebar Navigation
+- 🔲 Tablet: 2-spaltige Cards
+- 🔲 Mobile: Bottom Navigation (bleibt wie jetzt)
+- 🔲 **Admin-Bereich separieren** (eigene Route `/admin`, nur für Admins)
+  - Tab-basierte Struktur: Benutzerverwaltung, Feature-Limits, System-Settings, Coupons, AI-Prompts
+  - Settings-Page: Nur noch persönliche Einstellungen
+
+**Tracking:** Siehe [Gitea Issues mit Label "responsive"](http://192.168.2.144:3000/Lars/mitai-jinkendo/issues?labels=responsive)
+
+---
+
+## UX-Verbesserungen & Quick Wins
+
+**Status:** Verschiedene kleine Verbesserungen, siehe Gitea Issues
+
+**Beispiele:**
+- Keyboard Shortcuts (Enter für Submit, Esc für Cancel)
+- Toast-Notifications statt confirm() Dialoge
+- Loading-States bei langsamen API-Calls
+- Mehrere Fotos pro Tag hochladen (aktuell nur 1 Foto/Tag)
+- Fotos löschbar machen (aktuell keine Delete-Funktion)
+
+📋 **Tracking:** [Gitea Issues mit Label "ux" oder "quick-win"](http://192.168.2.144:3000/Lars/mitai-jinkendo/issues?labels=ux,quick-win)
+
+---
+
+## Versions-Übersicht (Zusammenfassung)
+
+| Version | Status | Kernfeatures | Deployed |
+|---------|--------|--------------|----------|
+| **v9c** | ✅ KOMPLETT | Membership, Feature-Enforcement, Trial-System | 21.03.2026 |
+| **v9d** | 🟡 In Arbeit | Schlaf, Trainingstypen, Ruhetage, Vitalwerte | 23.03.2026 (partial) |
+| **v9e** | 🔲 Geplant | Development Routes, Wochenplanung | TBD |
+| **v9f** | 🔲 Geplant | Ziele, KI-Prompts, Charts | TBD |
+| **v9g** | 🔲 Geplant | Habits, Meditation, Streaks | TBD |
+| **v9h** | 🔲 Konzept | Connectoren, Gamification, Stripe | TBD |
+
+---
+
+**Dokumentiert:** 23. März 2026 (Initial) · 24. März 2026 (Konsolidiert)
+**Tracking:**
+- Konkrete Issues → [Gitea](http://192.168.2.144:3000/Lars/mitai-jinkendo/issues)
+- Feature-Specs → `.claude/docs/functional/*.md`
+- Strategische Planung → `ROADMAP.md`
+- Versions-Übersicht → Diese Datei

.claude/docs/CLEANUP_PLAN.md

@@ -0,0 +1,374 @@
+# Dokumentations-Bereinigung & Struktur-Konzept
+
+**Erstellt:** 2026-03-23
+**Ziel:** Redundanzen entfernen, klare Trennung zwischen Gitea (Tracking) und Docs (Spezifikationen)
+
+---
+
+## Problem-Analyse
+
+### Aktuelle Situation
+
+**Planungs-/Tracking-Dokumente (.claude/docs/):**
+- `BACKLOG.md` (~138 Zeilen) - Feature-Übersicht v9c-v9h
+- `ROADMAP.md` (~414 Zeilen) - Detaillierte Phasenplanung (Phase 0-3, Issues #24-#30)
+- `KNOWN_ISSUES.md` (~100+ Zeilen) - Bug-Tracking (BUG-009, BUG-003, etc.)
+- `PENDING_FEATURES.md` (~50+ Zeilen) - Feature-Enforcement-TODOs
+- `TODO_V9D_PHASE2.md` - Spezifische Phase-2-TODOs
+- `ISSUES_TO_CREATE.md` - Temporär (Issues bereits erstellt)
+- `.claude/feature-requests/logout-button-header.md` - Einzelner Feature Request
+
+**Spezifikationen:**
+- `functional/` - SLEEP_MODULE.md, TRAINING_TYPES.md, DEVELOPMENT_ROUTES.md, etc.
+- `technical/` - MEMBERSHIP_SYSTEM.md, DATABASE.md, ARCHITECTURE.md, etc.
+- `architecture/` - FEATURE_ENFORCEMENT.md
+- `rules/` - ARCHITECTURE.md, CODING_RULES.md, LESSONS_LEARNED.md
+
+### Redundanzen & Probleme
+
+1. **Doppeltes Tracking:**
+   - ROADMAP.md enthält Issues #24-#30
+   - Diese sollten primär in Gitea sein
+   - ROADMAP.md enthält außerdem strategische Planung (Phase 0-3)
+
+2. **Bug-Tracking außerhalb Gitea:**
+   - KNOWN_ISSUES.md dokumentiert Bugs
+   - BUG-009 ist offen, sollte als Gitea-Issue existieren
+
+3. **Feature-Requests verstreut:**
+   - BACKLOG.md listet große Features
+   - PENDING_FEATURES.md listet TODOs
+   - .claude/feature-requests/ hat einzelne Requests
+   - Unklare Prioritäten
+
+4. **TODOs ohne Kontext:**
+   - TODO_V9D_PHASE2.md ist phasenspezifisch
+   - Nach Phase-Abschluss veraltet
+
+5. **Temporäre Dateien:**
+   - ISSUES_TO_CREATE.md (bereits erledigt, kann weg)
+
+---
+
+## Vorgeschlagene Struktur
+
+### Prinzip: Gitea für Tracking, Docs für Spezifikationen
+
+```
+┌─────────────────────────────────────────────────────────────┐
+│ GITEA ISSUES                                                 │
+│ (Primäres Tracking für Tasks, Bugs, kleine Features)        │
+├─────────────────────────────────────────────────────────────┤
+│ - Konkrete implementierbare Tasks                           │
+│ - Bugs (BUG-001, BUG-002, ...)                             │
+│ - Kleine Features (≤ 1 Tag Aufwand)                        │
+│ - Phase-Tasks (#24-#30)                                     │
+│ - Technical Debt (#32-#35)                                  │
+└─────────────────────────────────────────────────────────────┘
+
+┌─────────────────────────────────────────────────────────────┐
+│ .claude/docs/functional/                                     │
+│ (Fachliche Spezifikationen für große Features)              │
+├─────────────────────────────────────────────────────────────┤
+│ - SLEEP_MODULE.md (v9d)                                     │
+│ - TRAINING_TYPES.md (v9d)                                   │
+│ - DEVELOPMENT_ROUTES.md (v9e)                               │
+│ - MEDITATION.md (v9g)                                       │
+│ - AI_PROMPTS.md (v9f)                                       │
+│ - GOALS_VITALS.md (v9f)                                     │
+│ - RESPONSIVE_UI.md                                          │
+└─────────────────────────────────────────────────────────────┘
+
+┌─────────────────────────────────────────────────────────────┐
+│ .claude/docs/technical/                                      │
+│ (Technische Spezifikationen & Referenz-Dokumentation)       │
+├─────────────────────────────────────────────────────────────┤
+│ - ARCHITECTURE.md (System-Übersicht)                        │
+│ - FRONTEND.md (Seiten, Komponenten, API-Integration)       │
+│ - AUTH.md (Auth-Flow, Sicherheit)                          │
+│ - API_REFERENCE.md (Alle Endpoints)                        │
+│ - DATABASE.md (Schema, Tabellen)                           │
+│ - MEMBERSHIP_SYSTEM.md (v9c Membership)                    │
+│ - MIGRATIONS.md (falls vorhanden)                          │
+└─────────────────────────────────────────────────────────────┘
+
+┌─────────────────────────────────────────────────────────────┐
+│ .claude/docs/ (Root-Level Meta-Dokumentation)               │
+├─────────────────────────────────────────────────────────────┤
+│ - README.md (Dokumentations-Index + Konventionen)          │
+│ - CONTRIBUTING.md (Entwickler-Onboarding)                  │
+│ - CHANGELOG.md (Versions-Historie, generiert aus git)      │
+└─────────────────────────────────────────────────────────────┘
+
+┌─────────────────────────────────────────────────────────────┐
+│ .claude/rules/                                               │
+│ (Verbindliche Entwicklungsregeln)                           │
+├─────────────────────────────────────────────────────────────┤
+│ - ARCHITECTURE.md (Architektur-Regeln, Versionierung)      │
+│ - CODING_RULES.md (Code-Standards)                         │
+│ - LESSONS_LEARNED.md (Fehler, die nicht wiederholt werden) │
+└─────────────────────────────────────────────────────────────┘
+```
+
+---
+
+## Konkrete Bereinigungsaktionen
+
+### 1. LÖSCHEN (Redundant oder temporär)
+
+| Datei | Grund | Aktion |
+|-------|-------|--------|
+| `ISSUES_TO_CREATE.md` | Temporär, Issues bereits erstellt (#32-#35) | **DELETE** |
+| `TODO_V9D_PHASE2.md` | Phasenspezifisch, veraltet nach Abschluss | **DELETE** (oder archivieren) |
+| `.claude/feature-requests/logout-button-header.md` | Einzelner Request, gehört in Gitea | **→ Gitea Issue, dann DELETE** |
+
+### 2. MIGRIEREN zu Gitea Issues
+
+| Quelle | Inhalt | Ziel-Aktion |
+|--------|--------|-------------|
+| `KNOWN_ISSUES.md` | BUG-009 (offen) | **→ Gitea Issue #36** (Bug) |
+| `KNOWN_ISSUES.md` | BUG-003 (behoben) | **→ Archiv oder DELETE** (bereits behoben) |
+| `PENDING_FEATURES.md` | Feature-Enforcement TODOs | **→ Gitea Issues #37-#39** (enhancement) |
+| `feature-requests/logout-button-header.md` | Logout-Button Request | **→ Gitea Issue #40** (Quick Win) |
+
+### 3. KONSOLIDIEREN
+
+#### 3.1. ROADMAP.md → Aufteilen
+
+**Problem:** Enthält sowohl strategische Planung als auch konkrete Issues
+
+**Lösung:**
+
+**BEHALTEN in ROADMAP.md (strategisch):**
+- Phase-Übersicht (Phase 0-3)
+- Meilensteine (M0.1-M3.x)
+- Abhängigkeiten-Graph
+- Timeline (KW-Planung)
+- Risiken & Mitigationen
+- Erfolgsmetriken
+
+**MIGRIEREN zu Gitea (operativ):**
+- Konkrete Issue-Beschreibungen (#24-#30) → Gitea Issues (bereits vorhanden?)
+- Aufwands-Schätzungen → in Gitea Issue-Feldern
+- Checklisten → in Gitea Issue-Beschreibungen
+
+**RESULTAT:** ROADMAP.md wird zum strategischen Phasenplan (ohne Issue-Details)
+
+#### 3.2. BACKLOG.md → Reduzieren
+
+**Problem:** Mischung aus Feature-Übersicht und TODO-Listen
+
+**Lösung:**
+
+**BEHALTEN in BACKLOG.md:**
+- Version-Übersicht (v9c-v9h Features)
+- Links zu functional/-Specs
+- Status-Übersicht (✅ KOMPLETT, 🟡 In Arbeit, 🔲 Geplant)
+
+**ENTFERNEN aus BACKLOG.md:**
+- Detaillierte Checklisten (gehören in Gitea Issues)
+- "Offene Issues" Listen (primär in Gitea)
+- Quick Wins (→ Gitea mit Label "quick-win")
+
+**RESULTAT:** BACKLOG.md wird zum Feature-Katalog (Verweis auf Specs + Gitea)
+
+#### 3.3. KNOWN_ISSUES.md → Archivieren oder löschen
+
+**Vorschlag 1 (empfohlen):** DELETE
+- Aktive Bugs → Gitea Issues
+- Behobene Bugs → git commit messages + CHANGELOG.md
+- Lessons Learned → `.claude/rules/LESSONS_LEARNED.md`
+
+**Vorschlag 2:** Archivieren
+- Umbenennen zu `KNOWN_ISSUES_ARCHIVE.md`
+- Nur für Referenz (nicht aktiv gepflegt)
+
+#### 3.4. PENDING_FEATURES.md → DELETE
+
+**Grund:** Feature-Enforcement-TODOs sind konkrete Tasks
+
+**Aktion:**
+1. TODOs in Gitea Issues überführen (#37-#39)
+2. Datei löschen
+
+---
+
+## Gitea Issues erstellen (aus existierenden Docs)
+
+### Aus KNOWN_ISSUES.md
+
+**#36: BUG-009 - Trainingstyp-Erstellung führt zu Internal Server Error**
+- Priorität: High
+- Label: bug, admin
+- Aufwand: 1-2h
+
+### Aus PENDING_FEATURES.md
+
+**#37: Feature-Enforcement für Activity CSV-Import**
+- Priorität: Medium
+- Label: enhancement, feature-enforcement
+- Aufwand: 2-3h
+
+**#38: Feature-Enforcement für Nutrition CSV-Import UI**
+- Priorität: Low
+- Label: enhancement, feature-enforcement, ui
+- Aufwand: 1h
+
+**#39: Usage-Badges im Dashboard-Assistenten**
+- Priorität: Low
+- Label: enhancement, ux
+- Aufwand: 1-2h
+
+### Aus feature-requests/
+
+**#40: Logout-Button im App-Header (neben Avatar)**
+- Priorität: Low
+- Label: quick-win, ux
+- Aufwand: 15min
+
+---
+
+## Vorgeschlagene Konventionen
+
+### Was gehört in Gitea Issues?
+
+✅ **JA:**
+- Bugs (alle Prioritäten)
+- Konkrete implementierbare Tasks (≤ 5 Tage Aufwand)
+- Quick Wins (≤ 1h Aufwand)
+- Technical Debt Items
+- Phase-spezifische Tasks (#24-#30)
+- Refactorings
+
+❌ **NEIN:**
+- Große Feature-Pakete (v9e, v9f, v9g) → bleiben in functional/-Specs
+- Strategische Planung (Phasen, Meilensteine) → bleibt in ROADMAP.md
+- Architektur-Entscheidungen → bleiben in technical/-Docs
+- Lessons Learned → bleiben in rules/LESSONS_LEARNED.md
+
+### Was gehört in functional/-Specs?
+
+✅ **Große Feature-Pakete (> 5 Tage Aufwand):**
+- SLEEP_MODULE.md (v9d Phase 2b)
+- TRAINING_TYPES.md (v9d Phase 1)
+- DEVELOPMENT_ROUTES.md (v9e)
+- AI_PROMPTS.md (v9f)
+- MEDITATION.md (v9g)
+
+**Format:**
+- Fachliche Anforderungen (WAS wird gebaut)
+- User Stories
+- Use Cases
+- Datenmodell (Konzept)
+- UI-Mockups (optional)
+- Verweis auf Gitea Epic/Milestone
+
+### Was gehört in technical/-Specs?
+
+✅ **Referenz-Dokumentation & Implementierungsdetails:**
+- ARCHITECTURE.md (System-Übersicht)
+- DATABASE.md (Schema-Referenz)
+- API_REFERENCE.md (Endpoint-Katalog)
+- Modul-spezifische Docs (MEMBERSHIP_SYSTEM.md)
+
+**Format:**
+- Technische Entscheidungen (WIE wird es gebaut)
+- API-Spezifikationen
+- Datenbank-Schema
+- Code-Beispiele
+- Design-Patterns
+
+---
+
+## Migrations-Plan
+
+### Phase 1: Gitea Issues erstellen (1h)
+
+1. **BUG-009** → Gitea Issue #36
+2. **PENDING_FEATURES TODOs** → Gitea Issues #37-#39
+3. **Logout-Button Request** → Gitea Issue #40
+
+### Phase 2: Dokumentation bereinigen (30min)
+
+1. **DELETE:**
+   - `ISSUES_TO_CREATE.md`
+   - `TODO_V9D_PHASE2.md`
+   - `.claude/feature-requests/logout-button-header.md`
+   - `KNOWN_ISSUES.md`
+   - `PENDING_FEATURES.md`
+
+2. **KONSOLIDIEREN:**
+   - `ROADMAP.md` → Entferne Issue-Details, behalte Strategie
+   - `BACKLOG.md` → Entferne Checklisten, behalte Feature-Katalog
+
+### Phase 3: README.md erstellen (30min)
+
+**Datei:** `.claude/docs/README.md`
+
+**Inhalt:**
+- Dokumentations-Index (Was finde ich wo?)
+- Konventionen (Gitea vs. Docs)
+- Wie lege ich Issues an?
+- Wie erstelle ich Spezifikationen?
+
+---
+
+## Ergebnis nach Bereinigung
+
+### Datei-Reduktion
+
+**Vorher:**
+- 7 Tracking-Dokumente (.claude/docs/)
+- 1 Feature-Request-Datei
+- ~700+ Zeilen redundante Informationen
+
+**Nachher:**
+- 2 Meta-Dokumente (ROADMAP.md, BACKLOG.md) - deutlich schlanker
+- 1 README.md (Dokumentations-Index)
+- ~5-7 Gitea Issues (primäres Tracking)
+
+### Klare Trennung
+
+```
+Gitea Issues (Tracking)
+  ↓
+  Konkrete Tasks, Bugs, Quick Wins
+  Labels: bug, enhancement, quick-win
+  Aufwand: ≤ 5 Tage
+
+.claude/docs/functional/ (Spezifikationen)
+  ↓
+  Große Feature-Pakete (> 5 Tage)
+  Format: Fachliche Anforderungen
+  Verweis auf Gitea Epic/Milestone
+
+.claude/docs/technical/ (Referenz)
+  ↓
+  Implementierungsdetails
+  Format: Technische Spezifikationen
+  Generiert/aktualisiert nach Implementierung
+
+.claude/rules/ (Regeln)
+  ↓
+  Verbindliche Entwicklungsstandards
+  Format: Architektur-Regeln, Code-Standards
+```
+
+---
+
+## Nächste Schritte
+
+1. **Review:** User-Zustimmung zu diesem Plan einholen
+2. **Gitea:** Issues #36-#40 anlegen
+3. **Cleanup:** Dateien löschen/konsolidieren
+4. **README:** `.claude/docs/README.md` erstellen
+5. **ROADMAP/BACKLOG:** Kürzen auf strategische Infos
+6. **Commit:** "docs: cleanup and consolidate documentation structure"
+
+---
+
+**Frage an User:**
+- Sollen große Feature-Pakete (v9e, v9f, v9g) als Gitea **Milestones** angelegt werden?
+  - Pro: Alle Tasks/Issues zuordenbar
+  - Contra: Specs bleiben trotzdem in functional/
+  - **Empfehlung:** Ja, Milestones in Gitea + Verweis in functional/-Specs

.claude/docs/GITEA_ISSUES_INDEX.md

@@ -0,0 +1,109 @@
+# Gitea Issues – Landkarte (Auswertung)
+
+**Quelle:** Gitea `Lars/mitai-jinkendo`, Stand **2026-04-11** (Abfrage `state=all`, ergänzt: #71, #76).  
+**URL:** http://192.168.2.144:3000/Lars/mitai-jinkendo/issues  
+
+Dieses Dokument ist ein **Orientierungs-Index** für Agenten und Entwickler. Verbindliches Tracking bleibt **in Gitea**; hier: Kategorien, Dubletten-Hinweise, grobe Prioritätseinschätzung.
+
+---
+
+## Kurzdiagnose
+
+- **Offene Issues (Stand Abfrage):** 28  
+- **Auffällig:** mehrere **titelgleiche oder nahezu gleiche** Einträge (z. B. Body Cluster, Placeholder Registry, Debug UI) – in Gitea konsolidieren oder schließen.  
+- **#25 „Ziele-System“** wahrscheinlich **veraltet** (laut Projektstatus Goals/Focus bereits fortgeschritten) – mit Produkt-Owner abgleichen und schließen oder umbenennen.
+
+---
+
+## Offene Issues nach Thema
+
+### Architektur / Plattform
+
+| # | Titel |
+|---|--------|
+| 68 | Architektur: durchgängige Feature-/Entitlement-Schicht (Ist → Zielbild, Phasen) |
+| 32 | Version-System: /api/version, Frontend, main.py-Konsistenz |
+| 34 | External Volumes dokumentieren (bodytrack_* Legacy-Cleanup) |
+| 35 | Deprecated Tabelle „subscriptions“ entfernen |
+
+### Dashboard & Widgets
+
+| # | Titel |
+|---|--------|
+| 65 | Dashboard: Nutzer-konfigurierbare Übersicht (Widget-System, Persistenz, Standard-Reset) |
+| 66 | Dashboard-Widgets: Feature-Gate-Zuordnung aus Admin/DB statt hardcodiertem Katalog |
+| 39 | Usage-Badges im Dashboard-Assistenten |
+
+### KI / Prompts / Transparenz
+
+| # | Titel |
+|---|--------|
+| 49 | Feature: Prompt-Zuordnung zu Verlaufsseiten |
+| 45 | Feature: KI Prompt-Optimierer |
+| 46 | Feature: KI Prompt-Ersteller (Guided Creator) |
+| 42 | Enhanced Debug/Prompt Analysis UI (Issue #28 Phase C) |
+| 43 | Enhanced Debug/Prompt Analysis UI (Issue #28 Phase C) |
+| 47 | Enhancement: Wertetabelle Optimierung |
+
+### Placeholder / Registry
+
+| # | Titel |
+|---|--------|
+| 54 | Placeholder Registry: UNRESOLVED & TO_VERIFY Metadaten prüfen |
+| 55 | Placeholder Registry: UNRESOLVED & TO_VERIFY Metadaten prüfen |
+
+### Data / Body / Cluster (Dubletten)
+
+| # | Titel |
+|---|--------|
+| 56 | Body Cluster - Restarbeiten & Metadaten-Verifizierung |
+| 57 | Body Cluster - Restarbeiten & Metadaten-Verifizierung |
+| 58 | Body Cluster - Restarbeiten & Metadaten-Verifizierung |
+
+### Frontend / UX
+
+| # | Titel |
+|---|--------|
+| 30 | [FEAT] Responsive UI - Desktop Sidebar + 2-spaltige Layouts |
+| 29 | [FEAT] Abilities-Matrix UI (v9f) |
+| 40 | Logout-Button im App-Header (neben Avatar) |
+| 26 | [FEAT] Charts & Visualisierungen erweitern |
+| 27 | [FEAT] Korrelationen & Insights erweitern |
+
+### Ziele / Product (prüfen)
+
+| # | Titel |
+|---|--------|
+| 25 | [FEAT] Ziele-System (Goals) - v9e Kernfeature |
+
+### Feature-Enforcement / Import
+
+| # | Titel |
+|---|--------|
+| 37 | Feature-Enforcement für Activity CSV-Import |
+| 38 | Feature-Enforcement für Nutrition CSV-Import UI |
+
+### Qualität / Sonstiges
+
+| # | Titel |
+|---|--------|
+| 15 | [FEAT-002] Quality-Filter für KI-Auswertungen & Charts integrieren |
+| 76 | Trainings-Qualität: zielbezogene Logik + Listen-Filter statt globalem „Hochwertig“-Hide |
+| 36 | BUG-009: Trainingstyp-Erstellung führt zu Internal Server Error |
+
+---
+
+## Geschlossene Bereiche (Referenz, Auszug)
+
+Bereits geschlossen u. a.: #28 AI-Prompts Flexibilisierung, #24 Quality-Filter (Variante), #48 Flexibles Prompt-System, #50/#51 Goals, #53 Goals/Platzhalter/Data Layer (laut Titel), #60 Platzhalter Ernährung/Körper/Aktivität, diverse Releases.
+
+---
+
+## Pflege
+
+- Nach größeren Issue-Aufräumaktionen: diese Datei **aktualisieren** oder Datum im Kopf erhöhen.  
+- Dubletten (#42/#43, #54/#55, #56–#58): in Gitea **zusammenführen** (ein Issue offen lassen).
+
+---
+
+**Ende Index**

.claude/docs/README.md

@@ -0,0 +1,186 @@
+# Mitai Jinkendo – Dokumentations-Index
+
+Willkommen zur Entwicklerdokumentation von **Mitai Jinkendo** (身体 Jinkendo).
+
+**Parallel im Repository:** Issue-Epics und Placeholder-Governance im Projekt-[`docs/`](../../docs/) · siehe [`docs/README.md`](../../docs/README.md).
+
+**Ablage-Regeln:** [`.claude/rules/DOCUMENTATION.md`](../rules/DOCUMENTATION.md) · **Issue-Landkarte:** [`GITEA_ISSUES_INDEX.md`](./GITEA_ISSUES_INDEX.md).
+
+_Dieser Ordner `.claude/docs/` ist per `.gitignore`-Ausnahme **versioniert** (Specs + Regeln)._
+
+---
+
+## Dokumentationsstruktur (Ist-Stand)
+
+```
+.claude/docs/
+├── README.md                 ← Index (diese Datei)
+├── GITEA_ISSUES_INDEX.md    ← Themen-Landkarte zu Gitea (lokal gepflegt)
+├── BACKLOG.md                ← Feature-Katalog nach Versionen
+├── ROADMAP.md                ← Strategische Phasen (0–3)
+├── CLEANUP_PLAN.md           ← Historie Bereinigung März 2026
+├── prompts/                  ← Exportierte Prompt-Artefakte (JSON)
+├── functional/               ← Fachliche Spezifikationen (WAS)
+├── technical/                ← Technische Spezifikationen & Referenz (WIE)
+├── working/                  ← Arbeitspapiere, Analysen, Session-Snapshots
+├── architecture/             ← Querschnitt: Backend/Frontend/Enforcement (kompakt)
+└── audit/                    ← Audits, Matrizen, Gitea-Vorlagen
+```
+
+**Externes Tracking:** [Gitea Issues](http://192.168.2.144:3000/Lars/mitai-jinkendo/issues)
+
+**Erzeugte Library (Kurzreferenz, ggf. `/document`):** `.claude/library/` – API-, DB- und Architektur-Übersichten; bei Abweichungen gewinnt der **Code**, dann **`technical/`** bzw. **`functional/`**.
+
+---
+
+## Rollen der Ordner
+
+| Ordner | Zweck | Pflege |
+|--------|--------|--------|
+| `functional/` | Domäne, UX, fachliche Datenflüsse | Bei Feature-Änderungen / Abnahme |
+| `technical/` | APIs, Migrationen, Implementierungsmuster, Agent-Guides | Nach größeren Code-Änderungen |
+| `architecture/` | Kompakte Architektur-Snippets (z. B. Frontend-Struktur, Backend-Überblick) | Bei strukturellen Umbauten |
+| `audit/` | Snapshots (Code-Audit, Platzhalter-Reconciliation) – **nicht** normative Spec | Nur bei neuen Audits erweitern |
+| `working/` | Zwischenstände (Migration, Goals-Analysen, STATUS, NEXT_STEPS, PHASE_0C_TASKS, …) | Archivarisch; keine alleinige Norm |
+| Root (`ROADMAP`, `BACKLOG`, `GITEA_ISSUES_INDEX`) | Planung, Katalog, Issue-Landkarte | Mit Gitea / `working/` abstimmen |
+
+---
+
+## Abgleich „Dokument ↔ Code“ (Orientierung)
+
+| Thema | Dokument(e) | Prüfpunkt im Repo |
+|--------|-------------|-------------------|
+| Data Layer / Charts (Phase 0c) | `functional/DATA_ARCHITECTURE.md`, `technical/DATA_LAYER_EXTENSION_GUIDE.md` | `backend/data_layer/`, `backend/routers/charts.py` |
+| Platzhalter / Registry | `technical/PLACEHOLDER_REGISTRY_FRAMEWORK.md`, `technical/PLACEHOLDER_DEVELOPMENT_GUIDE.md` | `backend/placeholder_registrations/`, `backend/placeholder_resolver.py` |
+| Dashboard-Widgets | `technical/DASHBOARD_WIDGETS_AGENT_GUIDE.md` | Widget-Katalog + Registrierung (siehe Guide) |
+| Training Profiler / Resolver | `technical/TRAINING_PROFILE_RESOLVER_LAYER1.md`, `functional/TRAINING_TYPE_PROFILES.md` | Resolver-Module wie im Guide genannt |
+| Universal CSV Import | `technical/UNIVERSAL_CSV_IMPORT_AGENT_GUIDE.md` | `backend/csv_parser/`, `routers/csv_import.py`, `routers/admin_csv_templates.py` |
+| Aktivität Produktionsreife | `technical/ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md` (+ EAV-Guide) | `backend/data_layer/activity_session_metrics.py`, `activity_metrics.py`, CSV-Orchestrierung |
+| Mitgliedschaft / Features | `technical/MEMBERSHIP_SYSTEM.md`, `architecture/FEATURE_ENFORCEMENT.md` | `backend/auth.py`, Feature-Logging, Router mit Enforcement |
+
+---
+
+## Projekt-Übersicht & Regeln (außerhalb dieses Ordners)
+
+| Dokument | Inhalt |
+|----------|--------|
+| `CLAUDE.md` (Root) | Agent-Kontext, Tech-Stack, kritische Regeln |
+| `.claude/rules/ARCHITECTURE.md` | Verbindliche Architektur-Regeln |
+| `.claude/rules/CODING_RULES.md` | Code-Standards |
+| `.claude/rules/LESSONS_LEARNED.md` | Wiederkehrende Fehler vermeiden |
+
+---
+
+## Fachliche Spezifikationen (`functional/`)
+
+| Dokument | Thema | Hinweis |
+|----------|--------|---------|
+| `ACTIVITY_QUALITY_GATES.md` | Qualitäts-Gates Aktivität | |
+| `AI_PROMPTS.md` | KI-Prompts, Pipeline, Platzhalter (fachlich) | |
+| `DATA_ARCHITECTURE.md` | **Fachliche** Datenarchitektur, Domänenflüsse | Schema-Details → `.claude/library/DATABASE.md` |
+| `DEVELOPMENT_ROUTES.md` | Entwicklungsrouten (Roadmap-Thema) | |
+| `GOALS_VITALS.md` | Ziele & Vitalwerte (fachlich) | |
+| `mitai_jinkendo_konzept_diagramme_auswertungen.md` | Konzept Diagramme (ältere Linie) | |
+| `mitai_jinkendo_konzept_diagramme_auswertungen_v2.md` | Konzept Diagramme v2 | |
+| `PHASE_0B_IMPROVEMENTS.md` | Phase-0b-Verbesserungen | |
+| `RESPONSIVE_UI.md` | Responsive Layout-Spec | siehe auch `docs/issues/PHASE_PLAN_RESPONSIVE_UI.md` |
+| `SLEEP_MODULE.md` | Schlaf-Modul | |
+| `TRAINING_TYPES.md` | Trainingstypen, Mapping | |
+| `TRAINING_TYPE_PROFILES.md` | Trainings-Profile (fachlich) | Techn. Ergänzung: `technical/TRAINING_TYPE_PROFILES_TECHNICAL.md` |
+
+---
+
+## Technische Spezifikationen (`technical/`)
+
+| Dokument | Thema |
+|----------|--------|
+| `AGGREGATION_METHODS.md` | Aggregation |
+| `API_REFERENCE.md` | HTTP-API-Katalog |
+| `ARCHITECTURE.md` | System-Architektur |
+| `AUTH.md` | Authentifizierung |
+| `CENTRAL_SUBSCRIPTION_SYSTEM.md` | Abo-Zentralismus |
+| `DASHBOARD_WIDGETS_AGENT_GUIDE.md` | Dashboard-Widgets für Agents |
+| `DATABASE.md` | DB-Referenz (docs-Kopie; Library kann aktueller sein) |
+| `DATABASE_MODEL_COMPLETE.md` | Vollständiges Modell (Referenz) |
+| `DATA_LAYER_EXTENSION_GUIDE.md` | Erweiterung Data Layer |
+| `FEATURE_ENFORCEMENT_MAPPING.md` | Feature-IDs / Mapping |
+| `FRONTEND.md` | Frontend ausführlich (Seiten, Patterns) |
+| `INTERNAL_API_REFERENCE.md` | Interne APIs |
+| `MEMBERSHIP_SYSTEM.md` | Tiers, Grants, Enforcement-Details |
+| `MIGRATIONS.md` | Migrations-Prozess |
+| `PLACEHOLDER_DEVELOPMENT_GUIDE.md` | Platzhalter entwickeln |
+| `PLACEHOLDER_REGISTRY_FRAMEWORK.md` | Registry-Pflicht, Metadaten |
+| `PROFILE_REFERENCE_VALUES.md` | Profil-Referenzwerte |
+| `TRAINING_PROFILE_RESOLVER_LAYER1.md` | Training-Resolver Schicht 1 |
+| `TRAINING_TYPE_PROFILES_TECHNICAL.md` | Trainingsprofile technisch |
+| `UNIVERSAL_CSV_IMPORT_AGENT_GUIDE.md` | Universal CSV: Registry, Executor, Vorlagen, Agent-Checkliste |
+| `ACTIVITY_SESSION_METRICS_EAV_AGENT_GUIDE.md` | Session-Metriken EAV, Attributprofile, Layer-1, Prod-Migration |
+| `ACTIVITY_COMPOSITE_METRICS_IMPLEMENTATION_CONCEPT.md` | Composite-Metriken in EAV (JSONB), Archetypen, CSV-Slots, Layer-1-Expand, Migration/Test-Checkliste |
+| `ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md` | **Zielarchitektur** Aktivität (Spine/EAV/Composites/Import/Layer 1–2) + **Phasenplan A–F** Produktionsreife |
+| `ACTIVITY_LAYER2A_PLACEHOLDER_AUDIT.md` | Issue #53: Aktivitäts-Platzhalter Layer 1 ↔ 2a (Audit Schritt 1) |
+| `ACTIVITY_SCALAR_KANON_TABLE.md` | **Skalar-Kanon** Aktivität (eine Semantik → eine Quelle); Phase A |
+| *(Code)* `backend/data_layer/activity_data_canon.py` | **Kanon** activity CSV-Modul vs. EAV-primär; Legacy-Lesefallback |
+| `V9D_PHASE2_VITALS_SLEEP.md` | v9d Vitalwerte/Schlaf (Release-Bezug) |
+
+---
+
+## Architektur-Kurzdoks (`architecture/`)
+
+| Dokument | Inhalt |
+|----------|--------|
+| `BACKEND.md` | Backend-Querschnitt |
+| `FEATURE_ENFORCEMENT.md` | 4-Phasen Enforcement |
+| `FRONTEND.md` | Strukturbaum `frontend/src` (kompakt) |
+
+*Hinweis:* `architecture/FRONTEND.md` ist die **kurze** Strukturübersicht; Details und Seitenliste stehen in `technical/FRONTEND.md`.
+
+---
+
+## Audit (`audit/`)
+
+Siehe [`audit/README.md`](./audit/README.md).
+
+---
+
+## Gitea vs. Docs
+
+**Prinzip:** Gitea für **Tracking**, Docs für **Spezifikationen** und **Referenz**.
+
+### Gehört in Gitea Issues
+- Konkrete Tasks (typisch ≤ wenige Tage), Bugs, Quick Wins, Technical Debt
+
+### Gehört in `functional/`
+- Größere Feature-Pakete, Domänenanforderungen, Use Cases, Konzeptdiagramme
+
+### Gehört in `technical/`
+- API-, DB- und Implementierungsreferenz, Agent-Leitfäden, Migrations-Details
+
+### Gehört in `ROADMAP.md` / `BACKLOG.md`
+- Strategische Phasen bzw. Versions-Katalog mit Links auf Specs und Issues
+
+### Nicht dauerhaft in Docs
+- Temporäre To-do-Listen ohne Kontext (→ Issue); reine Duplikate anderer Dateien
+
+---
+
+## Workflow nach Feature-Abschluss
+
+1. Gitea Issue schließen (Commit-Referenz).
+2. `BACKLOG.md` / `ROADMAP.md` bei Meilensteinen anpassen.
+3. Betroffene `functional/` / `technical/` / `.claude/library/`-Dateien aktualisieren.
+4. Bei sichtbaren Agent-Regeln: `CLAUDE.md` ergänzen.
+
+---
+
+## Deployment (Kurzreferenz)
+
+| Umgebung | Frontend | Backend |
+|----------|----------|---------|
+| Production | Port 3002 | Port 8002 |
+| Development | Port 3099 | Port 8099 |
+
+**Gitea:** http://192.168.2.144:3000/Lars/mitai-jinkendo  
+
+---
+
+**Letzte Aktualisierung:** 9. April 2026 (Universal CSV Agent-Guide, Abgleich-Tabelle)

.claude/docs/ROADMAP.md

@@ -0,0 +1,550 @@
+# Mitai Jinkendo – Entwicklungs-Roadmap
+
+**Version:** 2.2
+**Status:** Aktiv - Phase 0a ✅ Complete, Phase 0b ✅ Complete, Phase 0c 🎯 Next
+**Letzte Aktualisierung:** 28. März 2026
+
+---
+
+## Überblick
+
+Diese Roadmap transformiert Mitai Jinkendo von einer **Datensammlungs-App** zu einem **aktiven Begleiter** mit Auswertungen, Empfehlungen und gezielten Entwicklungspfaden.
+
+**Strategische Ziele:**
+1. ✅ **Infrastruktur schaffen** (v9f) → Flexible KI-Analysen → **DONE (AI Prompts, Training Types)**
+2. ✅ **Goals System Foundation** (v0.9g-h) → Strategic + Tactical Goals → **DONE (Phase 0a + Dynamic Focus Areas v2.0)**
+3. ✅ **Goal-Aware Intelligence** (Phase 0b) → Platzhalter + Auto-Population → **DONE (28.03.2026)**
+4. 🎯 **Data Architecture** (Phase 0c) → Multi-Layer Separation → **NEXT**
+5. 🔲 **Visualisierung stärken** → Charts, Diagramme, Trends
+6. 🔲 **Aktive Begleitung** → Wochenplanung, Development Routes
+
+**Tracking:**
+- Konkrete Tasks und Issues → [Gitea Issues](http://192.168.2.144:3000/Lars/mitai-jinkendo/issues)
+- Große Feature-Pakete → `.claude/docs/functional/*.md` Spezifikationen
+- Strategische Planung → Diese ROADMAP.md
+- Aktueller Status → `docs/STATUS_2026-03-28.md`
+
+---
+
+## Phasen-Übersicht
+
+| Phase | Fokus | Dauer | Status |
+|-------|-------|-------|--------|
+| **Phase 0a** | Goals System Foundation | 1 Woche | ✅ **COMPLETE** (26-27.03.2026) |
+| **Phase 0b** | Goal-Aware Placeholders + Auto-Population | 1 Tag | ✅ **COMPLETE** (28.03.2026) |
+| **Phase 0c** | Multi-Layer Data Architecture | 5-7 Tage | 🎯 **NEXT** |
+| **Phase 1** | Charts & Visualisierung (Frontend) | 2-3 Wochen | 🔲 Geplant |
+| **Phase 2** | Engagement (Korrelationen) | 3-4 Wochen | 🔲 Geplant |
+| **Phase 3** | Begleitung (Development Routes) | 4-6 Wochen | 🔲 Später |
+
+**Gesamtdauer (Phase 0-2):** ~11-14 Wochen
+**Gesamtaufwand (Phase 0-2):** ~80-100h
+**Abgeschlossen:** Phase 0a (Goals System), Phase 0b (Placeholders + Auto-Population)
+
+---
+
+## ✅ Phase 0a: Goals System Foundation (COMPLETE)
+
+**Zeitraum:** 26-27. März 2026
+**Aufwand:** 4-5h (tatsächlich)
+**Status:** ✅ ABGESCHLOSSEN
+
+### Deliverables (alle ✅)
+- ✅ Migration 022: goals, training_phases, fitness_tests tables
+- ✅ Migration 027-032: Dynamic Focus Areas v2.0
+  - 26 Basis-Bereiche in 7 Kategorien
+  - Many-to-Many: Goals ↔ Focus Areas
+  - User-spezifische Gewichtungen
+- ✅ Backend: goals.py + focus_areas.py Router
+- ✅ Frontend: GoalsPage (strategic) + CustomGoalsPage (tactical)
+- ✅ Admin: AdminFocusAreasPage (CRUD UI)
+
+### Achievements
+- Vollständiges Goal System mit Progress Tracking
+- Dynamische Focus Areas (user-extensible)
+- Mobile-friendly Design
+- **Basis geschaffen für Phase 0b (120+ goal-aware Platzhalter)**
+
+📚 **Dokumentation:**
+- `docs/issues/issue-50-phase-0a-goal-system.md`
+- `docs/issues/issue-51-dynamic-focus-areas-v2.md`
+- `docs/NEXT_STEPS_2026-03-26.md`
+
+---
+
+## ✅ Phase 0b: Goal-Aware Placeholders + Auto-Population (COMPLETE)
+
+**Zeitraum:** 28. März 2026
+**Aufwand:** ~8h (tatsächlich)
+**Status:** ✅ ABGESCHLOSSEN
+
+### Deliverables (alle ✅)
+- ✅ **Neue Platzhalter-Funktionen:**
+  - `{{body_progress_score}}` - Goal-mode-abhängiger Body Score
+  - `{{active_goals}}` - JSON Array aktiver Ziele
+  - `{{focus_areas}}` - JSON Array gewichteter Focus Areas
+  - `{{health_stability_score}}` - Vitalwerte-Stabilität
+  - Nutrition-Metriken (avg_per_week_30d, etc.)
+- ✅ **Score-System:** `map_focus_to_score_components()` in goal_utils.py
+- ✅ **Auto-Population System:**
+  - `_get_historical_value_for_goal_type()` - Findet erste Messung
+  - Auto-adjustment von start_date zu tatsächlichem Messdatum
+  - Windowing-Logik für alle Goal-Typen
+- ✅ **Time-Based Tracking:**
+  - Linear Progress Model: `expected = (elapsed_days / total_days) × 100`
+  - Deviation Calculation: `actual - expected`
+  - Hybrid Display: mit/ohne target_date
+- ✅ **20+ Bug Fixes:** Decimal/float conversion, column names, dict access
+
+### Achievements
+- Goal-aware KI-Platzhalter funktionieren
+- Automatische Startwerterkennung aus Historie
+- Zeit-basierte Fortschrittsverfolgung
+- **Basis geschaffen für Phase 0c (Multi-Layer Architecture)**
+
+### Git Commits
+```
+20+ commits mit "Phase 0b" prefix (28.03.2026)
+30+ commits für Auto-Population + Time-Based Tracking
+```
+
+📚 **Dokumentation:**
+- `docs/issues/issue-53-phase-0c-multi-layer-architecture.md` (Phase 0b als Blaupause)
+- `C:\Users\lars\.claude\projects\...\memory\feedback_goal_system.md` (Learnings)
+
+---
+
+## 🎯 Phase 0c: Multi-Layer Data Architecture (NEXT)
+
+**Zeitraum:** Geplant 29.03 - 03.04.2026
+**Aufwand:** 20-27h (5-7 Tage bei 4h/Tag)
+**Status:** 🎯 READY FOR IMPLEMENTATION
+
+### Ziel
+Refactoring von monolithischer Platzhalter-Logik zu dreischichtiger Architektur mit Separation of Concerns.
+
+### Drei-Schichten-Architektur
+```
+Layer 1: DATA LAYER (neu)
+  → Pure data retrieval + calculations
+  → Returns: Structured data (dict/list)
+  → Testable, reusable
+
+Layer 2a: KI LAYER (refactored)
+  → Formatierung für KI-Prompts
+  → Uses data_layer functions
+
+Layer 2b: VISUALIZATION LAYER (neu)
+  → Chart.js compatible JSON
+  → Uses data_layer functions
+```
+
+### Deliverables
+- [ ] **Data Layer Module erstellen (8-10h):**
+  - `backend/data_layer/body_metrics.py` (Gewicht, FM, LBM, Umfänge)
+  - `backend/data_layer/nutrition_metrics.py` (Protein, Makros, Adherence)
+  - `backend/data_layer/activity_metrics.py` (Volumen, Qualität, Abilities)
+  - `backend/data_layer/recovery_metrics.py` (Recovery Score, Sleep, Vitals)
+  - `backend/data_layer/health_metrics.py` (BP, Health Stability)
+  - `backend/data_layer/goals.py` (Active goals, progress, projections)
+  - `backend/data_layer/correlations.py` (Lag-analysis, plateau detection)
+  - `backend/data_layer/utils.py` (Confidence, baseline, outliers)
+- [ ] **Placeholder Resolver Refactoring (3-4h):**
+  - Von ~1100 Zeilen zu ~400 Zeilen
+  - Alle Platzhalter nutzen data_layer
+- [ ] **Charts Router erstellen (6-8h):**
+  - `backend/routers/charts.py` (NEU)
+  - 10+ Chart-Endpoints (K1-K10, E1-E4, A1-A5, V1-V3, R1-R2)
+- [ ] **goal_utils.py Refactoring (1h):**
+  - Nutzt data_layer.goals
+- [ ] **Testing (2-3h):**
+  - Unit tests für Data Layer
+  - Integration tests für Charts API
+- [ ] **Dokumentation (1-2h):**
+  - `.claude/docs/technical/DATA_LAYER_ARCHITECTURE.md`
+  - `docs/api/CHARTS_API.md`
+
+### Vorteile
+- ✅ **Single Source of Truth:** Jede Berechnung nur einmal
+- ✅ **Wiederverwendbarkeit:** Gleiche Daten für KI + Charts + API
+- ✅ **Testbarkeit:** Data Layer isoliert testbar
+- ✅ **Erweiterbarkeit:** Neue Features ohne Code-Duplikation
+- ✅ **Performance:** Caching auf Data Layer Ebene möglich
+
+📚 **Vollständige Spezifikation:**
+- `docs/issues/issue-53-phase-0c-multi-layer-architecture.md` (23.000 Tokens)
+
+---
+
+## Phase 0 (Legacy): Infrastruktur (v9f) - TEILWEISE ABGESCHLOSSEN
+
+**Ziel:** Grundlagen schaffen für flexible KI-Analysen und Fähigkeiten-Tracking
+
+### Kernfeatures
+
+| Feature | Aufwand | Gitea Issues |
+|---------|---------|--------------|
+| Quality-Filter für Charts & KI-Pipeline | 3h | Siehe Gitea |
+| AI-Prompts Flexibilisierung (v9f) | 16-20h | Siehe Gitea |
+| Abilities-Matrix UI (v9f) | 6-8h | Siehe Gitea |
+| Responsive UI | 8-10h | Siehe Gitea |
+
+**Gesamt:** ~33-41h
+
+📚 **Detaillierte Specs:**
+- `.claude/docs/functional/AI_PROMPTS.md` (KI-Prompt-System)
+- `.claude/docs/functional/RESPONSIVE_UI.md` (Desktop-Optimierung)
+- `.claude/docs/functional/TRAINING_TYPES.md` (Abilities-Matrix)
+
+### Meilensteine
+
+#### M0.1: Quality-Filter (1 Woche)
+- **Deliverable:** KI-Pipeline filtert nach `quality_label >= acceptable`
+- **Deliverable:** History.jsx Toggle "Nur qualitativ hochwertige Aktivitäten"
+- **Impact:** Sofort bessere KI-Analysen
+
+#### M0.2: AI-Prompts System (3-4 Wochen)
+- **Deliverable:** Prompt-Bibliothek mit 8 Kategorien
+- **Deliverable:** Platzhalter-Browser mit Beispielwerten
+- **Deliverable:** Pipeline-Konfigurationen (min. 3: Alltags-Check, Schlaf-Fokus, Wettkampf)
+- **Deliverable:** 50+ Platzhalter implementiert
+- **Deliverable:** Quality-Level Parameter für KI-Analysen (all, quality, very_good, excellent)
+- **Impact:** Grundlage für Goals, Korrelationen, alle zukünftigen KI-Features
+
+#### M0.3: Abilities-Matrix (2 Wochen)
+- **Deliverable:** Admin-UI mit 5-Dimensionen Fähigkeiten-Matrix
+- **Deliverable:** Basis-Mappings für alle 29 Trainingstypen
+- **Deliverable:** Endpoint `GET /api/evaluation/abilities`
+- **Deliverable:** KI-Platzhalter `{{faehigkeiten_*}}`
+- **Impact:** Fähigkeiten-Balance-Analysen, bessere Trainingsempfehlungen
+
+#### M0.4: Responsive UI (2 Wochen, parallel)
+- **Deliverable:** Desktop Sidebar Navigation
+- **Deliverable:** 2-spaltige Layouts (Verlauf, Analyse)
+- **Deliverable:** 4-spaltige Dashboard-Karten
+- **Impact:** Professionelle Desktop-Nutzung
+
+### Abhängigkeiten
+
+```
+AI-Prompts ─┬─→ Goals (KI-Integration)
+            ├─→ Korrelationen (Pipeline-Configs)
+            └─→ Zukünftige KI-Features
+
+Abilities ──→ AI-Prompts (Fähigkeiten-Platzhalter)
+           └─→ Korrelationen (Fähigkeiten-Balance)
+
+Quality ────→ Sofort nutzbar (keine Abhängigkeiten)
+
+Responsive ─→ Parallel, keine funktionalen Abhängigkeiten
+```
+
+**Phase 0 Ende:** Vollständige v9f-Infrastruktur, Desktop-optimierte UI, Quality-Filter aktiv
+
+---
+
+## Phase 1: Foundation
+
+**Ziel:** Visualisierung und Ziel-Tracking (Basis ohne volle KI-Integration)
+
+### Kernfeatures
+
+| Feature | Aufwand | Gitea Issues |
+|---------|---------|--------------|
+| Charts & Visualisierungen erweitern | 8-10h | Siehe Gitea |
+| Ziele-System (Basis ohne KI) | 10-12h | Siehe Gitea |
+
+**Gesamt:** ~18-22h
+
+📚 **Detaillierte Specs:**
+- `.claude/docs/functional/GOALS_VITALS.md` (Ziele-System)
+
+### Meilensteine
+
+#### M1.1: Charts erweitern (2 Wochen)
+- **Deliverable:** Weight Trend Chart mit 7d/30d/90d Filter
+- **Deliverable:** Umfänge-Verlauf Multi-Line Chart
+- **Deliverable:** Vitals Trends (RHR, HRV, VO2 Max, BP)
+- **Deliverable:** Schlaf-Analyse Chart (Dauer, Qualität, Phasen)
+- **Deliverable:** Ruhetage-Kalender (Heatmap)
+- **Impact:** Daten werden sichtbar, Trends erkennbar
+
+#### M1.2: Ziele-System Basis (2-3 Wochen)
+- **Deliverable:** DB-Schema `goals` Tabelle
+- **Deliverable:** CRUD-Endpoints
+- **Deliverable:** UI: Ziele erstellen/bearbeiten/löschen
+- **Deliverable:** Dashboard: Fortschrittsbalken (aktuell vs. Ziel)
+- **Deliverable:** Prognose-Berechnung (lineare Regression)
+- **Impact:** Nutzer sehen Fortschritt, Motivation steigt
+
+**Hinweis:** KI-Integration für Goals kommt in Phase 2.
+
+### Abhängigkeiten
+
+```
+Charts ────→ Keine (sofort machbar)
+
+Goals Basis → Keine (DB + UI ohne KI funktioniert)
+Goals KI ──→ AI-Prompts (braucht {{ziel_*}} Platzhalter) [Phase 2]
+```
+
+**Phase 1 Ende:** Charts zeigen Trends, Ziele sind verfolgbar (ohne KI-Empfehlungen)
+
+---
+
+## Phase 2: Engagement
+
+**Ziel:** Korrelationen, KI-Integration für Goals, aktive Empfehlungen
+
+### Kernfeatures
+
+| Feature | Aufwand | Gitea Issues |
+|---------|---------|--------------|
+| Korrelationen & Insights erweitern | 6-8h | Siehe Gitea |
+| Goals: KI-Integration vervollständigen | 4h | Siehe Gitea |
+
+**Gesamt:** ~10-12h
+
+📚 **Detaillierte Specs:**
+- `.claude/docs/functional/AI_PROMPTS.md` (Pipeline-Configs)
+- `.claude/docs/functional/GOALS_VITALS.md` (KI-Integration)
+
+### Meilensteine
+
+#### M2.1: Korrelationen (2 Wochen)
+- **Deliverable:** Schlaf ↔ Recovery (Pearson Korrelation)
+- **Deliverable:** Training ↔ Vitalwerte (Trainingsvolumen vs. RHR/HRV)
+- **Deliverable:** Ernährung ↔ Performance (Protein vs. Kraft, Kalorien vs. Ausdauer)
+- **Deliverable:** Blutdruck ↔ Lifestyle (Stress, Schlaf, Aktivität)
+- **Deliverable:** Fähigkeiten-Balance ↔ Verletzungen/Plateaus
+- **Deliverable:** Pipeline-Config "Schlaf-Fokus"
+- **Impact:** Nutzer verstehen Zusammenhänge, gezielte Optimierung möglich
+
+#### M2.2: Goals KI-Integration (1 Woche)
+- **Deliverable:** KI-Platzhalter `{{goal_weight}}`, `{{ziel_fortschritt}}`, `{{ziel_prognose}}`
+- **Deliverable:** Pipeline-Prompt "Ziel-Abgleich" (Stufe 3)
+- **Deliverable:** KI-Empfehlungen: "Erhöhe Protein um 20g für Muskelaufbau-Ziel"
+- **Impact:** KI gibt konkrete Schritte zur Zielerreichung
+
+### Abhängigkeiten
+
+```
+Korrelationen ─→ AI-Prompts (Pipeline-Configs) [KRITISCH]
+              └─→ Abilities (Fähigkeiten-Balance)
+
+Goals KI ──────→ AI-Prompts (Platzhalter {{ziel_*}}) [KRITISCH]
+```
+
+**Phase 2 Ende:** App gibt aktive Empfehlungen, zeigt Korrelationen, begleitet Ziele mit KI
+
+---
+
+## Phase 3: Begleitung (später, v9g)
+
+**Ziel:** Wochenplanung, Development Routes, Habits & Streaks
+
+### Geplante Features
+
+| Feature | Aufwand | Beschreibung |
+|---------|---------|--------------|
+| Development Routes | 12-16h | 6 unabhängige Routen (Kraft, Kondition, Mental, Koordination, Mobilität, Technik) |
+| Wochenplanung | 8-10h | Routen-basierte Wochenansicht, Regeln-Engine, Auto-Ruhetag |
+| Habits & Streaks | 6-8h | Streak-Tracking pro Route, Push-Notifications |
+| Weekly Planning AI | 4-6h | KI-generierte Wochenpläne basierend auf Routen-Balance |
+
+**Gesamt:** ~30-40h
+
+📚 **Detaillierte Specs:**
+- `.claude/docs/functional/DEVELOPMENT_ROUTES.md` (Routen-System)
+- `.claude/docs/functional/MEDITATION.md` (Meditation & Mental-Route)
+
+**Status:** Spezifikation vorhanden, Implementierung nach Phase 2
+
+---
+
+## Abhängigkeiten-Graph (Gesamt)
+
+```
+                    ┌─────────────────────┐
+                    │  Phase 0: v9f       │
+                    └─────────────────────┘
+                              │
+        ┌─────────────────────┼─────────────────────┬──────────────┐
+        ▼                     ▼                     ▼              ▼
+  Quality-Filter        AI-Prompts             Abilities      Responsive UI
+     (3h)                (16-20h)                (6-8h)          (8-10h)
+      │                     │                     │
+      │                     │ ┌───────────────────┘
+      │                     │ │
+      │              ┌──────┴─┴──────┐
+      │              │  Phase 1      │
+      │              └───────────────┘
+      │                     │
+      │              ┌──────┴──────┬──────────────┐
+      │              ▼             ▼              │
+      │           Charts      Goals (Basis)       │
+      │          (8-10h)        (10-12h)          │
+      │                            │              │
+      │                     ┌──────┴──────┐       │
+      │                     │  Phase 2    │       │
+      │                     └─────────────┘       │
+      │                            │              │
+      └────────────────────────────┼──────────────┘
+                                   │
+                            ┌──────┴──────┬──────────────┐
+                            ▼             ▼              │
+                      Korrelationen   Goals KI           │
+                         (6-8h)         (4h)             │
+                                                         │
+                                   ┌─────────────────────┘
+                                   │  Phase 3 (später)
+                                   └──────────────────────
+                                          │
+                                 Development Routes
+                                 Wochenplanung
+                                 Habits & Streaks
+```
+
+---
+
+## Timeline (geschätzt)
+
+**Start:** KW 13/2026 (24. März)
+
+| Woche | Phase | Aktivität | Deliverable |
+|-------|-------|-----------|-------------|
+| **KW 13** | Phase 0 | Quality-Filter | KI-Pipeline filtert, History Toggle |
+| **KW 14-17** | Phase 0 | AI-Prompts | Prompt-Bibliothek, Platzhalter-System, Pipeline-Configs |
+| **KW 14-15** | Phase 0 | Responsive UI (parallel) | Desktop Sidebar, 2-spaltige Layouts |
+| **KW 18-19** | Phase 0 | Abilities-Matrix | Admin-UI, Aggregation, KI-Platzhalter |
+| **KW 20-21** | Phase 1 | Charts | Weight/Umfänge/Vitals/Schlaf Charts, Ruhetage-Kalender |
+| **KW 22-24** | Phase 1 | Goals Basis | DB, CRUD, UI, Fortschritt, Prognose |
+| **KW 25-26** | Phase 2 | Korrelationen | 5 Korrelations-Analysen, Pipeline "Schlaf-Fokus" |
+| **KW 27** | Phase 2 | Goals KI | KI-Platzhalter, Pipeline "Ziel-Abgleich" |
+| **KW 28+** | Phase 3 | Development Routes | Multi-Route System, Wochenplanung, Habits |
+
+**Phase 0 Ende:** KW 19 (Mitte Mai 2026)
+**Phase 1 Ende:** KW 24 (Mitte Juni 2026)
+**Phase 2 Ende:** KW 27 (Anfang Juli 2026)
+
+---
+
+## Risiken & Mitigationen
+
+### Risiko 1: AI-Prompts Komplexität unterschätzt
+**Wahrscheinlichkeit:** Mittel
+**Impact:** Hoch (blockiert Goals, Korrelationen)
+**Mitigation:**
+- Scope klar definieren: Min. 3 Pipeline-Configs, 50+ Platzhalter
+- Platzhalter-Resolver modular bauen (lazy loading, caching)
+- Frühzeitig Beispiel-Pipeline testen
+
+### Risiko 2: Ziele-System ohne KI wenig attraktiv
+**Wahrscheinlichkeit:** Mittel
+**Impact:** Mittel
+**Mitigation:**
+- Prognose-Berechnung (lineare Regression) bereits in Phase 1
+- Dashboard-Integration mit Fortschrittsbalken (visuell ansprechend)
+- KI-Integration in Phase 2 schnell nachziehen (nur 4h)
+
+### Risiko 3: Responsive UI bricht Mobile-Experience
+**Wahrscheinlichkeit:** Niedrig
+**Impact:** Hoch (PWA auf iPhone ist kritisch)
+**Mitigation:**
+- Mobile Layout bleibt exakt wie es ist (< 1024px)
+- Nur Desktop (≥ 1024px) bekommt Sidebar
+- Ausführliches Testing auf iPhone nach Implementierung
+
+### Risiko 4: Abilities-Matrix UI zu komplex
+**Wahrscheinlichkeit:** Niedrig
+**Impact:** Mittel
+**Mitigation:**
+- 5 Accordion-Sections (eine pro Dimension)
+- Checkboxes statt Drag & Drop
+- Basis-Mappings per Migration vordefiniert (Admin muss nicht alles manuell machen)
+
+---
+
+## Offene Fragen
+
+### Phase 0
+1. **Pipeline-Konfigurationen:** Neue DB-Tabelle oder JSONB in `ai_prompts`?
+   - **Empfehlung:** Neue Tabelle `pipeline_configs` (flexibler für Zukunft)
+2. **Platzhalter-Definitionen:** Statisch im Code oder dynamisch in DB?
+   - **Empfehlung:** Statisch im Code (einfacher, schneller), DB nur für Custom-Platzhalter später
+3. **Responsive UI:** Media Queries in app.css oder CSS-in-JS?
+   - **Empfehlung:** Media Queries in app.css (konsistent mit bestehendem Ansatz)
+
+### Phase 1
+4. **Ziele-System:** Mehrere Ziele parallel oder nur ein Primärziel?
+   - **Empfehlung:** Mehrere Ziele, eines als primär markiert (flexibler)
+5. **Charts:** Welche Library? (Chart.js, Recharts, Custom SVG)
+   - **Status:** Chart.js bereits genutzt, erweitern
+
+### Phase 2
+6. **Korrelationen:** Pearson Korrelation ausreichend oder auch Spearman/Kendall?
+   - **Empfehlung:** Start mit Pearson, später erweitern wenn nötig
+7. **Pipeline "Schlaf-Fokus":** Welche Module? (Schlaf 14T, Vitalwerte 7T, Training 14T?)
+   - **Empfehlung:** Ja, plus Korrelation Schlaf ↔ Recovery
+
+---
+
+## Meilenstein-Deliverables (Zusammenfassung)
+
+### M0: Phase 0 abgeschlossen (KW 19)
+- ✅ Quality-Filter aktiv (KI-Pipeline + History Toggle)
+- ✅ Prompt-Bibliothek mit 8 Kategorien, 50+ Platzhalter
+- ✅ Min. 3 Pipeline-Konfigurationen
+- ✅ Abilities-Matrix mit 29 Basis-Mappings
+- ✅ Desktop Sidebar Navigation
+- ✅ 2-spaltige Layouts (Verlauf, Analyse)
+
+### M1: Phase 1 abgeschlossen (KW 24)
+- ✅ 5 neue Chart-Typen (Weight, Umfänge, Vitals, Schlaf, Ruhetage)
+- ✅ Ziele-System: CRUD, Dashboard-Integration, Prognose
+
+### M2: Phase 2 abgeschlossen (KW 27)
+- ✅ 5 Korrelations-Analysen
+- ✅ Pipeline "Schlaf-Fokus", "Ziel-Abgleich"
+- ✅ KI gibt konkrete Handlungsempfehlungen
+
+### M3: Phase 3 abgeschlossen (später)
+- ✅ 6 Development Routes
+- ✅ Routen-basierte Wochenplanung
+- ✅ Habits & Streaks Tracking
+- ✅ KI-generierte Wochenpläne
+
+---
+
+## Erfolgsmetriken
+
+### Phase 0
+- **Admin nutzt Abilities-Matrix:** Min. 20 von 29 Trainingstypen mit Fähigkeiten versehen
+- **Pipeline-Configs genutzt:** Min. 1 Pipeline pro Woche ausgeführt
+- **Desktop-Traffic:** Min. 30% der Sessions auf Desktop (≥ 1024px)
+
+### Phase 1
+- **Charts genutzt:** Min. 5 verschiedene Chart-Typen pro Nutzer pro Monat
+- **Ziele gesetzt:** Min. 50% der aktiven Nutzer haben mind. 1 Ziel
+- **Prognose geschätzt:** Min. 80% der Ziele haben realistische Prognose
+
+### Phase 2
+- **Korrelationen angeschaut:** Min. 3 verschiedene Korrelationen pro Nutzer pro Monat
+- **KI-Empfehlungen umgesetzt:** Min. 30% der KI-Vorschläge führen zu Verhaltensänderung
+- **Goals erreicht:** Min. 20% der Ziele werden innerhalb Prognose-Zeitraum erreicht
+
+### Phase 3
+- **Routen genutzt:** Min. 3 verschiedene Routen pro Nutzer aktiv
+- **Wochenplan erstellt:** Min. 1 Wochenplan pro Nutzer pro Monat
+- **Streaks gehalten:** Min. 50% der Habits haben Streak ≥ 7 Tage
+
+---
+
+**Dokumentiert:** 23. März 2026 (Initial) · 24. März 2026 (Konsolidiert)
+**Autor:** User-Strategie + Claude-Planung
+**Status:** Living Document (wird nach jeder Phase aktualisiert)
+
+**Tracking:**
+- Konkrete Issues → [Gitea](http://192.168.2.144:3000/Lars/mitai-jinkendo/issues)
+- Feature-Specs → `.claude/docs/functional/*.md`
+- Strategische Planung → Diese Datei

.claude/docs/architecture/BACKEND.md

@@ -0,0 +1,94 @@
+# Backend-Architektur
+
+## Struktur
+```
+backend/
+├── main.py          # App-Setup + Router-Registration (~75 Zeilen)
+├── db.py            # PostgreSQL Connection Pool + get_cursor() Helper
+├── auth.py          # hash_pin · verify_pin · require_auth · require_admin
+├── models.py        # Alle Pydantic Models (LoginRequest, ProfileUpdate, etc.)
+├── schema.sql       # Vollständiges PostgreSQL-Schema
+└── routers/
+    ├── auth.py           # Login, Logout, Password Reset, PIN (7 Endpoints)
+    ├── profiles.py       # Profile CRUD + Current User (7 Endpoints)
+    ├── weight.py         # Weight Tracking (5 Endpoints)
+    ├── circumference.py  # Body Measurements (4 Endpoints)
+    ├── caliper.py        # Skinfold Tracking (4 Endpoints)
+    ├── activity.py       # Workout Logging + CSV Import (6 Endpoints)
+    ├── nutrition.py      # Nutrition + FDDB Import (4 Endpoints)
+    ├── photos.py         # Progress Photos (3 Endpoints)
+    ├── insights.py       # AI Analysis + Pipeline (8 Endpoints)
+    ├── prompts.py        # AI Prompt Management (2 Endpoints)
+    ├── admin.py          # User Management (7 Endpoints)
+    ├── stats.py          # Dashboard Stats (1 Endpoint)
+    ├── exportdata.py     # CSV/JSON/ZIP Export (3 Endpoints)
+    └── importdata.py     # ZIP Import (1 Endpoint)
+```
+
+## Router registrieren (main.py Pattern)
+```python
+from routers import auth, profiles, weight
+app.include_router(auth.router, prefix="/api")
+app.include_router(profiles.router, prefix="/api")
+```
+
+## Neuen Router anlegen
+1. `backend/routers/mein_modul.py` erstellen
+2. `router = APIRouter()` definieren
+3. Endpoints mit `@router.get/post/put/delete` definieren
+4. In `main.py` importieren und registrieren
+5. Schema-Änderungen in `schema.sql` + Migration
+
+## Datenbank-Zugriff
+```python
+# ✅ Immer so:
+from db import get_db, get_cursor
+
+with get_db() as conn:
+    cur = get_cursor(conn)          # RealDictCursor – gibt Dicts zurück
+    cur.execute("SELECT * FROM weight_log WHERE profile_id = %s", (pid,))
+    rows = cur.fetchall()           # Liste von Dicts
+
+# ❌ Nie so (SQLite-Syntax):
+conn.execute("SELECT * FROM weight_log WHERE profile_id=?", (pid,))
+```
+
+## Auth-Pattern
+```python
+# Standard-Endpoint mit Auth:
+@router.get("/mein-endpoint")
+def mein_endpoint(session: dict = Depends(require_auth)):
+    pid = session['profile_id']
+    role = session['role']
+
+# Admin-only:
+@router.get("/admin-endpoint")
+def admin_endpoint(session: dict = Depends(require_admin)):
+    pass
+
+# ❌ NIEMALS so (session innerhalb Header eingebettet):
+def endpoint(x: str = Header(default=None, session=Depends(require_auth))):
+```
+
+## PostgreSQL vs. SQLite Unterschiede
+```python
+# Platzhalter:
+%s          # PostgreSQL ✅
+?           # SQLite ❌
+
+# Boolean:
+WHERE active = true    # PostgreSQL ✅
+WHERE active = 1       # SQLite ❌
+
+# Returning:
+INSERT INTO ... RETURNING id    # PostgreSQL ✅ (für neue IDs)
+
+# JSON:
+JSONB                  # PostgreSQL (für flexible Felder)
+```
+
+## DB-Schema ändern
+1. `backend/schema.sql` anpassen
+2. Migration schreiben (ALTER TABLE oder neues Skript)
+3. Container neu bauen: `docker compose build --no-cache backend`
+4. NIEMALS Spalten direkt löschen/umbenennen ohne Datenmigration

.claude/docs/architecture/FEATURE_ENFORCEMENT.md

@@ -0,0 +1,319 @@
+# Feature Enforcement Pattern
+
+## Übersicht
+
+Das Membership-System verwendet ein **4-Phasen-Modell** für Feature-Limits:
+
+1. **Phase 1: Cleanup** - Feature-Konsolidierung, DB-Migration
+2. **Phase 2: Non-blocking Monitoring** - JSON-Logging, keine Blockierung
+3. **Phase 3: Frontend Display** - Usage-Badges, Quota-Übersicht
+4. **Phase 4: Enforcement** - Tatsächliche Blockierung bei Limit-Überschreitung
+
+**Status (2026-03-21):** ✅ Alle 11 Features sind in Phase 4 (komplett implementiert)
+
+## Wie neue Features hinzufügen
+
+### 1. Feature in Datenbank registrieren
+
+```sql
+INSERT INTO features (id, name, description, category, limit_type, reset_period, default_limit)
+VALUES (
+    'new_feature_id',      -- eindeutige ID
+    'Feature Name',        -- Anzeigename
+    'Beschreibung',        -- Beschreibung
+    'data',                -- Kategorie: data, ai, export, integration
+    'count',               -- limit_type: 'count' oder 'boolean'
+    'monthly',             -- reset_period: 'never', 'daily', 'monthly'
+    50                     -- default_limit: INT (NULL = unlimited, 0 = disabled)
+);
+```
+
+**limit_type:**
+- `count`: Zählbare Features (z.B. 50 Einträge pro Monat)
+- `boolean`: An/Aus-Features (0 = disabled, 1 = enabled)
+
+**reset_period:**
+- `never`: Counter reset sich nie (z.B. Lifetime-Limits)
+- `daily`: Reset um Mitternacht
+- `monthly`: Reset am 1. des Monats
+
+### 2. Backend-Implementierung
+
+#### a) Router-Endpoint anpassen
+
+```python
+from auth import require_auth, check_feature_access, increment_feature_usage
+from feature_logger import log_feature_usage
+
+@router.post("/api/resource")
+def create_resource(data: dict, x_profile_id: Optional[str]=Header(default=None), session: dict=Depends(require_auth)):
+    """Create new resource entry."""
+    pid = get_pid(x_profile_id)
+
+    # Phase 4: Check feature access and ENFORCE
+    access = check_feature_access(pid, 'new_feature_id')
+    log_feature_usage(pid, 'new_feature_id', access, 'create')
+
+    if not access['allowed']:
+        logger.warning(
+            f"[FEATURE-LIMIT] User {pid} blocked: "
+            f"new_feature_id {access['reason']} (used: {access['used']}, limit: {access['limit']})"
+        )
+        raise HTTPException(
+            status_code=403,
+            detail=f"Limit erreicht: Du hast das Kontingent für [Feature-Name] überschritten ({access['used']}/{access['limit']}). "
+                   f"Bitte kontaktiere den Admin oder warte bis zum nächsten Reset."
+        )
+
+    # ... Business Logic: INSERT into DB ...
+
+    # Phase 2: Increment usage counter (only for NEW entries, not updates!)
+    increment_feature_usage(pid, 'new_feature_id')
+
+    return {"id": resource_id}
+```
+
+#### b) Wichtige Regeln
+
+**Counter nur bei INSERT, nicht bei UPDATE:**
+```python
+cur.execute("SELECT id FROM resource WHERE profile_id=%s AND date=%s", (pid, date))
+existing = cur.fetchone()
+
+if existing:
+    # UPDATE - NICHT incrementieren
+    cur.execute("UPDATE resource SET ... WHERE id=%s", (..., existing['id']))
+else:
+    # INSERT - incrementieren
+    cur.execute("INSERT INTO resource (...) VALUES (...)", (...))
+    increment_feature_usage(pid, 'new_feature_id')  # ← Nur hier!
+```
+
+**Für Bulk-Operationen (CSV-Import):**
+```python
+new_entries = 0
+for row in csv_data:
+    cur.execute("SELECT id FROM resource WHERE profile_id=%s AND date=%s", (pid, row['date']))
+    if not cur.fetchone():
+        # INSERT
+        cur.execute("INSERT INTO resource (...) VALUES (...)", (...))
+        new_entries += 1
+
+# Increment counter für alle neuen Einträge
+for _ in range(new_entries):
+    increment_feature_usage(pid, 'new_feature_id')
+```
+
+### 3. Frontend-Implementierung
+
+#### a) Import UsageBadge
+
+```javascript
+import UsageBadge from '../components/UsageBadge'
+```
+
+#### b) State Management
+
+```javascript
+export default function ResourcePage() {
+  const [saving, setSaving] = useState(false)
+  const [saved,  setSaved]  = useState(false)
+  const [error,  setError]  = useState(null)
+  const [resourceUsage, setResourceUsage] = useState(null)  // Phase 4
+
+  const load = () => api.listResources().then(setResources)
+
+  const loadUsage = () => {
+    api.getFeatureUsage().then(features => {
+      const feature = features.find(f => f.feature_id === 'new_feature_id')
+      setResourceUsage(feature)
+    }).catch(err => console.error('Failed to load usage:', err))
+  }
+
+  useEffect(() => {
+    load()
+    loadUsage()
+  }, [])
+
+  const handleSave = async () => {
+    setSaving(true)
+    setError(null)
+    try {
+      await api.createResource(data)
+      setSaved(true)
+      await load()
+      await loadUsage()  // Reload usage nach save
+      setTimeout(() => setSaved(false), 2000)
+    } catch (err) {
+      console.error('Save failed:', err)
+      setError(err.message || 'Fehler beim Speichern')
+      setTimeout(() => setError(null), 5000)
+    } finally {
+      setSaving(false)
+    }
+  }
+```
+
+#### c) UI mit Badge und deaktiviertem Button
+
+```javascript
+  return (
+    <div className="card">
+      {/* Titel mit Badge */}
+      <div className="card-title badge-container-right">
+        <span>Neuer Eintrag</span>
+        {resourceUsage && <UsageBadge {...resourceUsage} />}
+      </div>
+
+      {/* Error-Meldung */}
+      {error && (
+        <div style={{
+          padding:'10px',
+          background:'var(--danger-bg)',
+          border:'1px solid var(--danger)',
+          borderRadius:8,
+          fontSize:13,
+          color:'var(--danger)',
+          marginBottom:12
+        }}>
+          {error}
+        </div>
+      )}
+
+      {/* Button mit Tooltip-Wrapper (disabled buttons zeigen keine nativen tooltips!) */}
+      <div
+        title={resourceUsage && !resourceUsage.allowed
+          ? `Limit erreicht (${resourceUsage.used}/${resourceUsage.limit}). Kontaktiere den Admin oder warte bis zum nächsten Reset.`
+          : ''}
+        style={{display:'inline-block', width:'100%'}}
+      >
+        <button
+          className="btn btn-primary btn-full"
+          onClick={handleSave}
+          disabled={saving || !data || (resourceUsage && !resourceUsage.allowed)}
+          style={{cursor: (resourceUsage && !resourceUsage.allowed) ? 'not-allowed' : 'pointer'}}
+        >
+          {saved ? <><Check size={15}/> Gespeichert!</>
+                 : saving ? <><div className="spinner" style={{width:14,height:14}}/> …</>
+                 : (resourceUsage && !resourceUsage.allowed) ? '🔒 Limit erreicht'
+                 : 'Speichern'}
+        </button>
+      </div>
+    </div>
+  )
+```
+
+#### d) CSS-Styling (bereits vorhanden)
+
+Die Badge-Styles sind zentral in `frontend/src/components/UsageBadge.css`:
+
+```css
+/* Badge container rechts-aligniert */
+.badge-container-right {
+  display: flex;
+  align-items: center;
+  justify-content: space-between;
+  gap: 12px;
+}
+
+/* Badge selbst */
+.usage-badge {
+  font-size: 0.65rem;
+  font-weight: 600;
+  padding: 2px 6px;
+  border-radius: 4px;
+  opacity: 0.6;
+  white-space: nowrap;
+}
+
+.usage-badge--ok       { color: #888; background: #f0f0f0; }
+.usage-badge--warning  { color: #EF9F27; background: #FFF4E5; }
+.usage-badge--exceeded { color: #D85A30; background: #FCEBEB; }
+```
+
+### 4. Admin-UI (optional)
+
+Wenn das Feature tier-spezifische Limits braucht, in Admin-UI ergänzen:
+
+```javascript
+// frontend/src/pages/admin/TierLimitsPage.jsx
+const FEATURE_OPTIONS = [
+  { value: 'new_feature_id', label: 'Feature Name' },
+  // ... existing features
+]
+```
+
+## Checkliste für neue Features
+
+- [ ] Feature in `features` Tabelle registriert
+- [ ] Backend: `check_feature_access()` + `log_feature_usage()` vor Business Logic
+- [ ] Backend: `raise HTTPException(403, ...)` wenn `!access['allowed']`
+- [ ] Backend: `increment_feature_usage()` nach INSERT (nicht bei UPDATE!)
+- [ ] Frontend: `UsageBadge` importiert
+- [ ] Frontend: `resourceUsage` State mit `loadUsage()`
+- [ ] Frontend: Badge im Titel (`badge-container-right`)
+- [ ] Frontend: Button deaktiviert bei `!resourceUsage.allowed`
+- [ ] Frontend: Tooltip-Wrapper um Button (`<div title="...">`)
+- [ ] Frontend: Error-Handling in `handleSave()` mit `catch`
+- [ ] Frontend: `loadUsage()` nach erfolgreichem Speichern
+- [ ] Feature-ID in CLAUDE.md dokumentiert (falls relevant)
+
+## Bestehende Features (Referenz)
+
+| Feature ID | Typ | Reset | Beschreibung |
+|-----------|-----|-------|--------------|
+| weight_entries | count | never | Gewichtseinträge |
+| circumference_entries | count | never | Umfangseinträge |
+| caliper_entries | count | never | Caliper-Messungen |
+| activity_entries | count | monthly | Aktivitätseinträge |
+| nutrition_entries | count | monthly | Ernährungseinträge (meist CSV-Import) |
+| photos | count | monthly | Progress-Fotos |
+| ai_calls | count | monthly | KI-Analysen (Einzelanalysen) |
+| ai_pipeline | boolean | - | KI-Pipeline (An/Aus) |
+| data_export | count | monthly | Daten-Exporte (CSV/JSON/ZIP) |
+| data_import | count | monthly | Daten-Importe (ZIP) |
+
+## Debugging
+
+**Log-Datei prüfen:**
+```bash
+tail -f backend/logs/feature-usage.log | jq .
+```
+
+**Struktur:**
+```json
+{
+  "timestamp": "2026-03-21T14:23:45.123456",
+  "profile_id": "uuid",
+  "feature_id": "weight_entries",
+  "action": "create",
+  "allowed": true,
+  "used": 7,
+  "limit": 50,
+  "remaining": 43,
+  "reason": "within_limit"
+}
+```
+
+**Datenbank prüfen:**
+```sql
+-- Aktuelle Usage
+SELECT * FROM user_feature_usage WHERE profile_id = 'xxx';
+
+-- Feature-Definition
+SELECT * FROM features WHERE id = 'new_feature_id';
+
+-- Tier-Limits
+SELECT * FROM tier_limits WHERE feature_id = 'new_feature_id';
+
+-- User-Overrides
+SELECT * FROM user_feature_restrictions
+WHERE profile_id = 'xxx' AND feature_id = 'new_feature_id';
+```
+
+## Weiterführende Dokumentation
+
+- **Membership-System:** `.claude/docs/technical/MEMBERSHIP_SYSTEM.md`
+- **Backend-Architektur:** `.claude/docs/architecture/BACKEND.md`
+- **Frontend-Architektur:** `.claude/docs/architecture/FRONTEND.md`
+- **Coding Rules:** `.claude/docs/rules/CODING_RULES.md`

.claude/docs/architecture/FRONTEND.md

@@ -0,0 +1,126 @@
+# Frontend-Architektur
+
+## Struktur
+```
+frontend/src/
+├── App.jsx              # Root: Auth-Gates, Navigation, Routing
+├── app.css              # CSS-Variablen + globale Klassen
+├── main.jsx             # Vite Entry Point
+├── context/
+│   ├── AuthContext.jsx  # Session, Login, Logout, getToken()
+│   └── ProfileContext.jsx # Aktives Profil, Profile-Liste
+├── pages/               # Eine Datei pro Screen
+├── utils/
+│   ├── api.js           # Alle API-Calls (Token automatisch injiziert)
+│   ├── calc.js          # Körperfett-Formeln (Jackson/Pollock etc.)
+│   ├── interpret.js     # Regelbasierte Auswertungen
+│   ├── Markdown.jsx     # Eigener Markdown-Renderer
+│   └── guideData.js     # Messanleitungen (statisch)
+└── public/              # Icons (Jinkendo Ensō-Logo)
+```
+
+## API-Calls – IMMER über api.js
+```javascript
+// ✅ Richtig – Token wird automatisch injiziert:
+import { api } from '../utils/api'
+const data = await api.listWeight()
+await api.upsertWeight(date, weight, note)
+
+// ❌ Falsch – kein Token, gibt 401:
+const r = await fetch('/api/weight')
+```
+
+## Neue API-Methode hinzufügen
+In `frontend/src/utils/api.js`:
+```javascript
+export const api = {
+  // ...bestehende Methoden...
+  meinEndpoint: (param) => req(`/mein-endpoint?p=${param}`),
+  createItem:   (data)  => req('/items', json(data)),
+  updateItem:   (id, d) => req(`/items/${id}`, jput(d)),
+  deleteItem:   (id)    => req(`/items/${id}`, {method:'DELETE'}),
+}
+```
+
+## Navigation (Haupt-App & Admin)
+- **Hauptmenü (Mobile + Desktop):** `frontend/src/config/appNav.js` (`getMainNavItems`) – in `App.jsx` (Bottom-Nav) und `DesktopSidebar.jsx` nutzen.
+- **Admin-Bereich:** `frontend/src/config/adminNav.js` + `layouts/AdminShell.jsx` + `layouts/RequireAdmin.jsx`; Shell wie Analyse (`.analysis-split*`).
+- **Bottom-Nav / Safe Area (PWA):** `--nav-h`, `.bottom-nav`, `.app-main` in `app.css`.
+- **Agent-Doku:** `docs/issues/GUI_IA_ADMIN_NAV_2026-04-05.md`
+
+## Neue Seite hinzufügen
+1. `frontend/src/pages/MeineSeite.jsx` erstellen
+2. In `App.jsx` importieren und Route hinzufügen
+3. Navigation: Eintrag in **`config/appNav.js`** (und ggf. Admin in **`adminNav.js`**) – nicht mehr nur in `App.jsx` duplizieren
+
+## Komponenten-Pattern
+```jsx
+export default function MeineSeite() {
+  const [data, setData] = useState([])
+  const [loading, setLoading] = useState(true)
+  const [error, setError] = useState(null)
+
+  useEffect(() => { load() }, [])
+
+  const load = async () => {
+    try {
+      setLoading(true)
+      setData(await api.meinEndpoint())
+    } catch(e) { setError(e.message) }
+    finally { setLoading(false) }
+  }
+
+  if (loading) return <div style={{display:'flex',justifyContent:'center',padding:40}}><div className="spinner"/></div>
+  if (error) return <div style={{color:'var(--danger)',padding:16}}>{error}</div>
+
+  return (
+    <div style={{padding:'0 0 80px'}}>
+      {/* Inhalt */}
+    </div>
+  )
+}
+```
+
+## CSS-Variablen (Kurzreferenz)
+```css
+--accent: #1D9E75   --accent-dark: #085041   --accent-light: #E1F5EE
+--danger: #D85A30
+--bg · --surface · --surface2 · --border · --text1 · --text2 · --text3
+```
+
+## CSS-Klassen
+```
+.card           Weißer Container, border-radius 12px
+.btn            Basis-Button
+.btn-primary    Grüner Button
+.btn-secondary  Grauer Button
+.btn-full       100% Breite
+.form-input     Eingabefeld
+.form-label     Label (klein, uppercase)
+.spinner        Ladekreis
+```
+
+## Bekannte Fallstricke
+
+### dayjs.week() – NIEMALS verwenden
+```javascript
+// ❌ Falsch:
+dayjs(date).week()
+
+// ✅ Richtig (ISO 8601):
+const weekNum = (() => {
+  const dt = new Date(date)
+  dt.setHours(0,0,0,0)
+  dt.setDate(dt.getDate()+4-(dt.getDay()||7))
+  return Math.ceil(((dt-new Date(dt.getFullYear(),0,1))/86400000+1)/7)
+})()
+```
+
+### Recharts Bar fill
+```jsx
+// ❌ Falsch:
+<Bar fill={(entry) => entry.color}/>
+
+// ✅ Richtig:
+<Bar fill="#1D9E75"/>
+```

.claude/docs/audit/20260404_code_audit/CODE_AUDIT_REPORT_2026-04-04.md

@@ -0,0 +1,186 @@
+# Code-Audit Mitai Jinkendo
+
+| Feld | Wert |
+|------|------|
+| **Datum** | 2026-04-04 |
+| **Bezeichnung** | Vollständige Code-Analyse (Backend FastAPI, Frontend React, Konfiguration) |
+| **Umfang** | Stichproben + gezielte Suche (Security-Patterns, Auth, SQL, Hardcoding, Duplikate) |
+| **Einschränkung** | Kein Penetrationstest, keine Laufzeit-Fuzzing-Tests; statische Analyse und Architektur-Review |
+
+---
+
+## Kurzfassung
+
+Die Codebasis ist insgesamt strukturiert (modulare Router, parametrisierte SQL-Queries, bcrypt, Rate-Limits auf sensiblen Auth-Endpunkten). Es gibt jedoch **kritische Autorisierungslücken** rund um `X-Profile-Id` und die öffentlichen `/api/profiles`-Routen sowie eine **fehlende Objekt-Zuordnung bei Foto-Downloads**. Zusätzlich fallen **Konfigurations- und Versions-Inkonsistenzen**, **Legacy-/Duplikat-Code** und **Abweichungen von den eigenen Coding Rules** (direktes `fetch` im Frontend) auf.
+
+**Gitea-Issue-Vorlagen** für die wichtigsten Punkte liegen unter `gitea/`.
+
+---
+
+## Kritisch (P0) – Sicherheit
+
+### 1. `X-Profile-Id` ohne Abgleich mit der Session (`get_pid`)
+
+**Datei:** `backend/routers/profiles.py` (Hilfsfunktion `get_pid`)
+
+```20:29:backend/routers/profiles.py
+def get_pid(x_profile_id: Optional[str] = Header(default=None)) -> str:
+    """Get profile_id - from header for legacy endpoints."""
+    if x_profile_id:
+        return x_profile_id
+    with get_db() as conn:
+        cur = get_cursor(conn)
+        cur.execute("SELECT id FROM profiles ORDER BY created LIMIT 1")
+        row = cur.fetchone()
+        if row: return row['id']
+    raise HTTPException(400, "Kein Profil gefunden")
+```
+
+Ist der Header gesetzt, wird **jede** authentifizierte Session auf die **beliebig gewählte** Profil-ID umgebogen. `get_pid` wird in zahlreichen Routern genutzt (Gewicht, Aktivität, Ernährung, Fotos-Upload/Liste, Vitals, Insights, …). Ein Angreifer mit gültigem Nutzer-Token kann damit **fremde Daten lesen und schreiben** (klassische IDOR-Schwachstelle).
+
+**Empfehlung:** Profil-Kontext ausschließlich aus `session['profile_id']` ableiten; `X-Profile-Id` nur für **Admins** erlauben und gegen eine explizite Admin-Prüfung validieren – oder entfernen, wenn nicht mehr benötigt.
+
+**Vorlage:** `gitea/TEMPLATE_P0-profile-scoping-x-profile-id.md`
+
+---
+
+### 2. `/api/profiles`-Endpunkte ohne Admin-Pflicht
+
+**Datei:** `backend/routers/profiles.py`
+
+Endpunkte wie `GET/POST /api/profiles`, `GET/PUT/DELETE /api/profiles/{pid}` nutzen `Depends(require_auth)`, **nicht** `require_admin`. Damit kann jeder eingeloggte Nutzer u. a. **alle Profile auflisten**, **Profildaten abrufen** und unter Umständen **Profile löschen** (wenn mehr als eines existiert).
+
+Das Frontend nutzt `GET /api/profiles` in `ProfileContext.jsx` für die Profilliste – funktional erklärbar, **sicherheitstechnisch** aber nur akzeptabel, wenn ausschließlich Admins je Instanz ein Konto haben (Annahme, die im Code nicht erzwungen wird).
+
+**Empfehlung:** Öffentliche/„current user“-API von Admin-CRUD trennen; Listen/Löschen/Anlegen fremder Profile nur mit `require_admin` und expliziter Policy.
+
+**Vorlage:** `gitea/TEMPLATE_P0-profiles-router-authorization.md`
+
+---
+
+### 3. Foto-Abruf ohne Profil-Ownership-Prüfung
+
+**Datei:** `backend/routers/photos.py` – `GET /api/photos/{fid}`
+
+Die Route lädt die Datei nur anhand der Foto-`id`, **ohne** zu prüfen, ob `photos.profile_id` zur Session passt. UUIDs erschweren Raten, bieten aber **keinen** Zugriffsschutz, wenn IDs bekannt sind oder geleakt werden.
+
+**Empfehlung:** `SELECT ... WHERE id=%s AND profile_id=%s` mit `session['profile_id']` (bzw. adminseitig explizite Ausnahme).
+
+**Vorlage:** `gitea/TEMPLATE_P1-photo-ownership-enforcement.md`
+
+---
+
+## Hoch (P1)
+
+### 4. CORS: Default `allow_origins=["*"]`
+
+**Datei:** `backend/main.py`
+
+Wenn `ALLOWED_ORIGINS` nicht gesetzt ist, erlaubt die Middleware **`'*'`** in Kombination mit `allow_credentials=True`. Das ist in Browsern problematisch (kann je nach Client zu unerwartetem Verhalten führen) und in Produktion **riskant**, falls die Umgebungsvariable fehlt.
+
+**Empfehlung:** In Produktion kein Wildcard-Default; Startfehler oder restriktive Default-Liste für Dev dokumentieren.
+
+**Vorlage:** `gitea/TEMPLATE_P1-cors-allowed-origins-hardening.md`
+
+---
+
+### 5. Session-Token in der URL (Fotos)
+
+**Datei:** `frontend/src/utils/api.js` – Foto-URL mit `?token=...` für `<img>`-Tags; Backend: `require_auth_flexible` mit Query-Parameter.
+
+Token in URLs landen in **Logs, Referer, Browser-Historie** – erhöhtes Leak-Risiko.
+
+**Empfehlung:** Kurzlebige signierte URLs, Cookie-Session für Same-Origin, oder dedizierter Download-Endpoint mit Header-Auth und Blob-URL im Frontend (mit Aufwand abzuwägen).
+
+---
+
+### 6. Veraltete / widersprüchliche Versionsangaben
+
+| Ort | Befund |
+|-----|--------|
+| `backend/main.py` | `FastAPI(..., version="3.0.0")` – wirkt wie API-/Framework-Version, nicht App-Version |
+| `backend/version.py` | `APP_VERSION = "0.9l"` |
+| `backend/routers/auth.py` `/api/auth/status` | `"version": "v9b"` – offensichtlich veraltet |
+| `CLAUDE.md` | erwähnt `frontend/src/version.js` – **Datei im Repo nicht vorhanden** (Dokumentationsdrift) |
+
+**Empfehlung:** Eine Quelle (`version.py` + optional Endpoint `/api/version`), Frontend aus derselben Quelle oder Build-Inject.
+
+---
+
+## Mittel (P2) – Inkonsistenzen & Wartung
+
+### 7. Frontend: direktes `fetch` statt `api.js`
+
+Laut `.claude/rules/CODING_RULES.md` sollen alle API-Calls über `api.js` laufen. Tatsächlich gibt es u. a.:
+
+- `frontend/src/context/AuthContext.jsx`, `ProfileContext.jsx`, `PasswordRecovery.jsx`
+- `frontend/src/pages/AdminPanel.jsx`, `SettingsPage.jsx`
+
+Risiko: inkonsistente Header/Fehlerbehandlung, schwerer zu auditieren.
+
+**Vorlage:** `gitea/TEMPLATE_P2-consolidate-api-client.md`
+
+---
+
+### 8. Duplikat- und Legacy-Code
+
+| Befund | Hinweis |
+|--------|---------|
+| `backend/main_old.py` | Großes, nicht eingebundenes Modul – verwirrt Reviews und Suche |
+| `backend/calculations/*` vs `backend/data_layer/*` | Parallelstruktur; Phase-0c nutzt `data_layer`, aber z. B. `placeholder_resolver.py` importiert noch `calculations.scores` |
+| `backend/apply_v9c_migration.py` in `startup_event` | Legacy-Hook neben `db_init` – technische Schuld |
+
+**Vorlage:** `gitea/TEMPLATE_P2-dead-code-and-metrics-dedup.md`
+
+---
+
+### 9. Hardcodierte Werte (Auswahl)
+
+- **Tests:** `tests/dev-smoke-test.spec.js` – Fallback-Passwort `'5112'` wenn `TEST_PASSWORD` fehlt (nur für lokale/CI-Umgebung akzeptabel, sollte in Doku stehen und nie in Prod-Daten).
+- **Playwright:** `playwright.config.js` – feste `baseURL: 'https://dev.mitai.jinkendo.de'`.
+- **Admin-UI:** `AdminPanel.jsx` – Beispielzeile mit `APP_URL=http://192.168.2.49:3002` (Dokumentation im UI).
+- **Farben:** Viele Hex-Werte in JSX (z. B. `NutritionCharts.jsx`, `History.jsx`) – Verstoß gegen die eigene CSS-Variablen-Regel, aber eher UX/Wartbarkeit als Security.
+
+### 10. Passwortlänge: `/api/auth/pin` vs Registrierung
+
+Registrierung verlangt mindestens **8** Zeichen; PIN-/Passwort-Änderung über `/api/auth/pin` erlaubt **4** Zeichen. Inkonsistent für Sicherheitskommunikation.
+
+### 11. Dynamische SQL-`UPDATE`-Fragmente
+
+Muster `UPDATE ... SET {', '.join(f'{k}=%s' for k in d)}` erscheint in mehreren Routern. **Soweit geprüft**, werden Keys aus kontrollierten Dicts/Pydantic-Modellen gebaut – **kein** offensichtlicher SQL-Injection-Pfad durch Rohtext. Risiko steigt, wenn später unkontrollierte Keys eingespeist werden. Whitelist pro Endpoint wäre robuster.
+
+---
+
+## Positiv hervorgehoben
+
+- Parametrisierte Queries (`%s`) durchgängig üblich; keine `execute(f"...{userinput}")` in den geprüften kritischen Pfaden.
+- `bcrypt` + Migration von Legacy-SHA256 in `auth.py` / Login.
+- Rate Limiting auf Login, Forgot-Password, Register (`slowapi`).
+- Forgot-Password gibt keine E-Mail-Existenz preis.
+- Admin-Router (`/api/admin/*`) konsequent mit `require_admin`.
+- Modulare Router-Registrierung in `main.py`.
+
+---
+
+## Mapping: Vorlagen → Themen
+
+| Priorität | Thema | Datei unter `gitea/` |
+|-----------|--------|----------------------|
+| P0 | IDOR `X-Profile-Id` / `get_pid` | `TEMPLATE_P0-profile-scoping-x-profile-id.md` |
+| P0 | `/api/profiles` ohne Admin | `TEMPLATE_P0-profiles-router-authorization.md` |
+| P1 | Foto-Ownership | `TEMPLATE_P1-photo-ownership-enforcement.md` |
+| P1 | CORS-Default | `TEMPLATE_P1-cors-allowed-origins-hardening.md` |
+| P2 | `fetch` vs `api.js` | `TEMPLATE_P2-consolidate-api-client.md` |
+| P2 | Legacy/Duplikate | `TEMPLATE_P2-dead-code-and-metrics-dedup.md` |
+
+---
+
+## Nächste Schritte (empfohlen)
+
+1. **Sofort:** P0-Issues planen und `get_pid` / Profil-Router designen (Session-first, Admin-Override explizit).
+2. **Kurzfristig:** Foto-GET mit `profile_id`-Check; CORS in allen Umgebungen prüfen.
+3. **Mittelfristig:** Versionierung vereinheitlichen; `fetch`-Calls bündeln; `main_old.py` und Metrik-Duplikate bereinigen oder archivieren.
+
+---
+
+*Erstellt im Rahmen einer statischen Code-Analyse; bei Änderungen am Code bitte Report-Datum und Befunde aktualisieren.*

.claude/docs/audit/20260404_code_audit/README.md

@@ -0,0 +1,8 @@
+# Audit 2026-04-04 – Code Review
+
+| Inhalt | Pfad |
+|--------|------|
+| Vollständiger Report | [`CODE_AUDIT_REPORT_2026-04-04.md`](./CODE_AUDIT_REPORT_2026-04-04.md) |
+| Gitea-Issue-Vorlagen (Copy & Paste) | [`gitea/`](./gitea/) |
+
+Beim Anlegen in Gitea: **Titel** und **Labels** aus dem YAML-Kopf der jeweiligen Vorlage übernehmen, **Beschreibung** = Rest des Markdown (ohne die `---`-Blöcke, falls gewünscht).

.claude/docs/audit/20260404_code_audit/gitea/TEMPLATE_P0-profile-scoping-x-profile-id.md

@@ -0,0 +1,37 @@
+---
+# Gitea: Beim Anlegen des Issues Titel und Labels manuell übernehmen (YAML wird von Gitea nicht automatisch geparst – dient als Meta-Hinweis).
+title: "[Security/P0] X-Profile-Id / get_pid ermöglicht IDOR über alle Datendomänen"
+labels: security, backend, priority-critical
+---
+
+## Kontext
+
+Code-Audit 2026-04-04 (`/.claude/docs/audit/20260404_code_audit/CODE_AUDIT_REPORT_2026-04-04.md`).
+
+## Problem
+
+Die Funktion `get_pid` in `backend/routers/profiles.py` gibt bei gesetztem Header `X-Profile-Id` diesen Wert **unverändert** zurück, **ohne** Abgleich mit `session['profile_id']` oder Admin-Rolle.
+
+Damit kann jede authentifizierte Session mit gültigem Token Daten eines **beliebigen** Profils über alle Endpunkte ansprechen, die `get_pid(x_profile_id)` nutzen (u. a. Gewicht, Aktivität, Ernährung, Fotos-Upload/Liste, Vitals, Insights, Schlaf, Ruhetage, Export).
+
+## Reproduktion (konzeptionell)
+
+1. Als Nutzer A einloggen, Token erhalten.
+2. Profil-ID von Nutzer B ermitteln (z. B. über `GET /api/profiles` – siehe separates Issue).
+3. Request gegen geschützten Endpoint mit Header `X-Profile-Id: <uuid-von-B>` und Token von A.
+
+## Erwartetes Verhalten
+
+- Standard: `profile_id` **ausschließlich** aus der Session.
+- Optional: `X-Profile-Id` nur für **Admins** und mit expliziter Prüfung `require_admin` + dokumentierter Use-Case (Multi-User-Admin-UI).
+
+## Akzeptanzkriterien
+
+- [ ] Alle betroffenen Router verwenden session-basierte Profil-IDs oder einen validierten Admin-Override.
+- [ ] Regressionstests oder manuelle Checkliste für mindestens einen Endpoint pro Router-Gruppe.
+- [ ] Kurze Doku in `.claude/rules` oder technischer Doc, ob `X-Profile-Id` noch existiert und wann.
+
+## Betroffene Dateien (Ausgangspunkt)
+
+- `backend/routers/profiles.py` (`get_pid`)
+- Alle Importe von `get_pid` (z. B. `weight`, `activity`, `nutrition`, `photos`, `insights`, `vitals_baseline`, `blood_pressure`, `rest_days`, `sleep`, …)

.claude/docs/audit/20260404_code_audit/gitea/TEMPLATE_P0-profiles-router-authorization.md

@@ -0,0 +1,37 @@
+---
+title: "[Security/P0] /api/profiles CRUD ohne require_admin – Datenabfluss und Missbrauch"
+labels: security, backend, priority-critical
+---
+
+## Kontext
+
+Code-Audit 2026-04-04.
+
+## Problem
+
+In `backend/routers/profiles.py` nutzen u. a. folgende Routen `Depends(require_auth)` **ohne** `require_admin`:
+
+- `GET /api/profiles` – Liste aller Profile
+- `POST /api/profiles` – Profil anlegen
+- `GET/PUT/DELETE /api/profiles/{pid}` – Abruf/Update/Löschen nach ID
+
+Jeder eingeloggte Nutzer kann damit die Profilliste sehen und je nach Datenbestand auch fremde Profile manipulieren oder löschen (sofern mehr als ein Profil existiert).
+
+Das Frontend (`ProfileContext.jsx`) ruft `GET /api/profiles` für die Profilauswahl auf – das erklärt die aktuelle UX, ersetzt aber keine serverseitige Autorisierung.
+
+## Erwartetes Verhalten
+
+- Listen, Anlegen, Löschen und Bearbeiten **fremder** Profile: nur `require_admin`.
+- „Aktuelles Profil“: dedizierte Routen (`/api/profile` o. ä.) strikt an `session['profile_id']` gebunden.
+
+## Akzeptanzkriterien
+
+- [ ] Rollenmodell dokumentiert (wer darf `/api/profiles` sehen?).
+- [ ] Admin-only für sensible Operationen erzwungen.
+- [ ] Frontend angepasst (falls nötig: Admin vs. normaler Nutzer unterschiedliche Endpunkte).
+- [ ] Keine Regression für Single-User-Selfhosting ohne unnötige UX-Brüche (optional: Feature-Flag oder Rolle `admin` für ersten User).
+
+## Betroffene Dateien
+
+- `backend/routers/profiles.py`
+- `frontend/src/context/ProfileContext.jsx` (und ggf. weitere Aufrufer von `/api/profiles`)

.claude/docs/audit/20260404_code_audit/gitea/TEMPLATE_P1-cors-allowed-origins-hardening.md

@@ -0,0 +1,36 @@
+---
+title: "[Security/P1] CORS: Default ALLOWED_ORIGINS=* mit allow_credentials=True"
+labels: security, backend, configuration, priority-high
+---
+
+## Kontext
+
+Code-Audit 2026-04-04.
+
+## Problem
+
+`backend/main.py`:
+
+```python
+allow_origins=os.getenv("ALLOWED_ORIGINS", "*").split(","),
+allow_credentials=True,
+```
+
+Fehlt die Umgebungsvariable, ist die Default-Konfiguration `*`. Zusammen mit `allow_credentials=True` ist das in Produktion unerwünscht und erschwert eine klare Security-Posture.
+
+## Erwartetes Verhalten
+
+- Produktion: explizite Origins aus `ALLOWED_ORIGINS` (kommasepariert), kein stiller Wildcard-Fallback.
+- Entwicklung: dokumentierter Default (z. B. `http://localhost:5173`) oder explizite Opt-in-Umgebungsvariable `CORS_ALLOW_ALL=true`.
+
+## Akzeptanzkriterien
+
+- [ ] Verhalten in `.env.example` und Deployment-Doku beschrieben.
+- [ ] Optional: Anwendung startet nicht, wenn `ALLOWED_ORIGINS` in `ENV=production` fehlt.
+- [ ] Manuelle Prüfung: Browser-Requests von fremden Origins werden blockiert.
+
+## Betroffene Dateien
+
+- `backend/main.py`
+- `.env.example`
+- ggf. `docker-compose*.yml`

.claude/docs/audit/20260404_code_audit/gitea/TEMPLATE_P1-photo-ownership-enforcement.md

@@ -0,0 +1,36 @@
+---
+title: "[Security/P1] GET /api/photos/{fid} ohne Prüfung auf profile_id (Objekt-Zugriff)"
+labels: security, backend, priority-high
+---
+
+## Kontext
+
+Code-Audit 2026-04-04.
+
+## Problem
+
+`backend/routers/photos.py`: `GET /{fid}` lädt ein Foto nur anhand der `id` aus der Tabelle `photos`, ohne zu prüfen, ob der Datensatz zu `session['profile_id']` gehört.
+
+Authentifizierung ist vorhanden (`require_auth_flexible`), aber **keine Objekt-Level-Autorisierung**.
+
+## Risiko
+
+Bei bekannter oder erratener Foto-UUID können Inhalte anderer Nutzer derselben Instanz abgerufen werden.
+
+## Erwartetes Verhalten
+
+```sql
+SELECT path FROM photos WHERE id = %s AND profile_id = %s
+```
+
+mit `profile_id` aus der Session; Admins optional mit separatem Codepfad.
+
+## Akzeptanzkriterien
+
+- [ ] Abruf nur für eigenes Profil (bzw. dokumentierter Admin-Fall).
+- [ ] Bestehende Clients (PWA) unverändert nutzbar.
+- [ ] Kurzer Testfall oder manuelle Prüfung: Nutzer A kann Foto von B nicht öffnen.
+
+## Betroffene Dateien
+
+- `backend/routers/photos.py`

.claude/docs/audit/20260404_code_audit/gitea/TEMPLATE_P2-consolidate-api-client.md

@@ -0,0 +1,30 @@
+---
+title: "[Tech-Debt/P2] Frontend: direktes fetch statt zentral api.js (Auth, Admin, Import)"
+labels: frontend, refactoring, consistency
+---
+
+## Kontext
+
+Code-Audit 2026-04-04. Verbindliche Regel: `.claude/rules/CODING_RULES.md` – alle API-Calls über `frontend/src/utils/api.js`.
+
+## Problem
+
+Mehrere Komponenten nutzen natives `fetch('/api/...')` mit manuell gesetztem `X-Auth-Token`, u. a.:
+
+- `frontend/src/context/AuthContext.jsx`
+- `frontend/src/context/ProfileContext.jsx`
+- `frontend/src/pages/PasswordRecovery.jsx`
+- `frontend/src/pages/AdminPanel.jsx`
+- `frontend/src/pages/SettingsPage.jsx`
+
+Nachteile: doppelte Fehlerbehandlung, schwerere Wartung, leichter zu übersehen bei Security-Reviews.
+
+## Erwartetes Verhalten
+
+Alle Aufrufe über `api.js` (oder ein einziges dünnes Wrapper-Modul), inkl. Upload/Export-Sonderfälle.
+
+## Akzeptanzkriterien
+
+- [ ] Kein direktes `fetch('/api/` mehr außerhalb von `api.js` (Ausnahmen dokumentieren, falls nötig).
+- [ ] Einheitliche Fehler- und 401-Behandlung.
+- [ ] Kurze Notiz in CODING_RULES oder LESSONS_LEARNED, falls Ausnahmen bleiben.

.claude/docs/audit/20260404_code_audit/gitea/TEMPLATE_P2-dead-code-and-metrics-dedup.md

@@ -0,0 +1,34 @@
+---
+title: "[Tech-Debt/P2] Legacy main_old.py, calculations/ vs data_layer/, Startup-Migration-Hooks"
+labels: backend, refactoring, maintenance
+---
+
+## Kontext
+
+Code-Audit 2026-04-04.
+
+## Problemstellung (Bündel)
+
+1. **`backend/main_old.py`**: große, nicht in `main.py` eingebundene Datei – verwirrt Suche, Reviews und Onboarding.
+2. **Parallele Metrik-Pfade**: `backend/data_layer/` (Phase 0c) und `backend/calculations/` existieren nebeneinander; `placeholder_resolver.py` importiert z. B. noch `calculations.scores`.
+3. **`startup_event` in `main.py`**: zusätzlicher Hook `apply_v9c_migration` neben `db_init` – Legacy-Pfad neben dem Migrations-System.
+
+## Ziele
+
+- Single Source of Truth für Metriken (klar dokumentiert: `data_layer` vs. verbleibende Hilfsmodule).
+- Entfernen oder Archivieren (`docs/archive/` oder Git-History-only) von `main_old.py`, sofern nicht mehr referenziert.
+4. Migration-Startup vereinheitlichen (nur `db_init` / nummerierte SQL-Migrationen, sofern v9c-Hook obsolet).
+
+## Akzeptanzkriterien
+
+- [ ] Entscheidung dokumentiert: welches Paket autoritativ ist.
+- [ ] Keine doppelten Implementierungen für dieselbe Metrik ohne Grund.
+- [ ] `main_old.py` entfernt oder klar als „archived“ markiert und aus IDEs/CI-Suche ausgeschlossen (optional).
+- [ ] Build/Start ohne v9c-Sonderpfad, falls redundant.
+
+## Betroffene Pfade (Start)
+
+- `backend/main_old.py`
+- `backend/main.py` (startup)
+- `backend/data_layer/`, `backend/calculations/`
+- `backend/placeholder_resolver.py`

.claude/docs/audit/README.md

@@ -0,0 +1,10 @@
+# Audit- und Reconcile-Artefakte
+
+Zeitlich begrenzte Reviews, Matrizen und Gitea-Vorlagen. **Keine** verbindlichen Produkt-Spezifikationen – die bleiben unter [`functional/`](../functional/) und [`technical/`](../technical/).
+
+| Ordner | Inhalt |
+|--------|--------|
+| [`20260404_code_audit/`](./20260404_code_audit/) | Code-Audit 2026-04-04, Report + Issue-Vorlagen |
+| [`platzhalter/`](./platzhalter/) | Platzhalter-Audits, Kataloge, Reconciliation 2026-03 (JSON/Matrix) |
+
+**Hinweis:** Doppelablagen zu `functional/` wurden entfernt (z. B. fachliche `DATA_ARCHITECTURE`, Konzept-PDF-Markdown v2). Immer die Pfade unter `functional/` bzw. `technical/` als Quelle nutzen.

.claude/docs/audit/platzhalter/PLACEHOLDER_CATALOG_EXTENDED.md

@@ -0,0 +1,147 @@
+# Placeholder Catalog (Extended)
+
+**Generated:** 2026-03-29 19:26:40
+**Total Placeholders:** 111
+
+## Placeholders by Category
+
+### Ernährung (8 placeholders)
+
+- `{{carb_avg}}` - Durchschn. Kohlenhydrate in g (30d)
+- `{{energy_balance_7d}}` - Energiebilanz 7d (kcal/Tag)
+- `{{fat_avg}}` - Durchschn. Fett in g (30d)
+- `{{kcal_avg}}` - Durchschn. Kalorien (30d)
+- `{{macro_consistency_score}}` - Makro-Konsistenz Score (0-100)
+- `{{protein_adequacy_28d}}` - Protein Adequacy Score (0-100)
+- `{{protein_avg}}` - Durchschn. Protein in g (30d)
+- `{{protein_g_per_kg}}` - Protein g/kg Körpergewicht
+
+### Focus Areas (8 placeholders)
+
+- `{{focus_cat_aktivität_progress}}` - Kategorie Aktivität - Progress (%)
+- `{{focus_cat_aktivität_weight}}` - Kategorie Aktivität - Gewichtung (%)
+- `{{focus_cat_ernährung_progress}}` - Kategorie Ernährung - Progress (%)
+- `{{focus_cat_ernährung_weight}}` - Kategorie Ernährung - Gewichtung (%)
+- `{{focus_cat_körper_progress}}` - Kategorie Körper - Progress (%)
+- `{{focus_cat_körper_weight}}` - Kategorie Körper - Gewichtung (%)
+- `{{top_focus_area_name}}` - Top Focus Area Name
+- `{{top_focus_area_progress}}` - Top Focus Area Progress (%)
+
+### Körper (11 placeholders)
+
+- `{{bmi}}` - Body Mass Index
+- `{{fm_28d_change}}` - Fettmasse Änderung 28d (kg)
+- `{{kf_aktuell}}` - Aktueller Körperfettanteil in %
+- `{{lbm_28d_change}}` - Magermasse Änderung 28d (kg)
+- `{{recomposition_quadrant}}` - Rekomposition-Status
+- `{{waist_28d_delta}}` - Taillenumfang Änderung 28d (cm)
+- `{{waist_hip_ratio}}` - Taille/Hüfte-Verhältnis
+- `{{weight_28d_slope}}` - Gewichtstrend 28d (kg/Tag)
+- `{{weight_7d_median}}` - Gewicht 7d Median (kg)
+- `{{weight_aktuell}}` - Aktuelles Gewicht in kg
+- `{{weight_trend}}` - Gewichtstrend (7d/30d)
+
+### Profil (4 placeholders)
+
+- `{{age}}` - Alter in Jahren
+- `{{geschlecht}}` - Geschlecht
+- `{{height}}` - Körpergröße in cm
+- `{{name}}` - Name des Nutzers
+
+### Schlaf & Erholung (7 placeholders)
+
+- `{{rest_days_count}}` - Anzahl Ruhetage (30d)
+- `{{sleep_avg_duration}}` - Durchschn. Schlafdauer (7d)
+- `{{sleep_avg_duration_7d}}` - Schlaf 7d (Stunden)
+- `{{sleep_avg_quality}}` - Durchschn. Schlafqualität (7d)
+- `{{sleep_debt_hours}}` - Schlafschuld (Stunden)
+- `{{sleep_quality_7d}}` - Schlafqualität 7d (0-100)
+- `{{sleep_regularity_proxy}}` - Schlaf-Regelmäßigkeit (Min Abweichung)
+
+### Scores (Phase 0b) (6 placeholders)
+
+- `{{activity_score}}` - Activity Score (0-100)
+- `{{body_progress_score}}` - Body Progress Score (0-100)
+- `{{data_quality_score}}` - Data Quality Score (0-100)
+- `{{goal_progress_score}}` - Goal Progress Score (0-100)
+- `{{nutrition_score}}` - Nutrition Score (0-100)
+- `{{recovery_score}}` - Recovery Score (0-100)
+
+### Training (9 placeholders)
+
+- `{{ability_balance_endurance}}` - Ability Balance - Ausdauer (0-100)
+- `{{ability_balance_strength}}` - Ability Balance - Kraft (0-100)
+- `{{activity_summary}}` - Aktivitäts-Zusammenfassung (7d)
+- `{{proxy_internal_load_7d}}` - Proxy Load 7d
+- `{{quality_sessions_pct}}` - Qualitätssessions (%)
+- `{{rest_day_compliance}}` - Ruhetags-Compliance (%)
+- `{{training_frequency_7d}}` - Trainingshäufigkeit 7d
+- `{{training_minutes_week}}` - Trainingsminuten pro Woche
+- `{{trainingstyp_verteilung}}` - Verteilung nach Trainingstypen
+
+### Unknown (49 placeholders)
+
+- `{{ability_balance_coordination}}` - No description available
+- `{{ability_balance_mental}}` - No description available
+- `{{ability_balance_mobility}}` - No description available
+- `{{active_goals_json}}` - No description available
+- `{{active_goals_md}}` - No description available
+- `{{activity_detail}}` - No description available
+- `{{arm_28d_delta}}` - No description available
+- `{{caliper_summary}}` - No description available
+- `{{chest_28d_delta}}` - No description available
+- `{{circ_summary}}` - No description available
+- `{{correlation_energy_weight_lag}}` - No description available
+- `{{correlation_load_hrv}}` - No description available
+- `{{correlation_load_rhr}}` - No description available
+- `{{correlation_protein_lbm}}` - No description available
+- `{{correlation_sleep_recovery}}` - No description available
+- `{{energy_deficit_surplus}}` - No description available
+- `{{focus_area_weights_json}}` - No description available
+- `{{focus_areas_weighted_json}}` - No description available
+- `{{focus_areas_weighted_md}}` - No description available
+- `{{focus_cat_lebensstil_progress}}` - No description available
+- `{{focus_cat_lebensstil_weight}}` - No description available
+- `{{focus_cat_mental_progress}}` - No description available
+- `{{focus_cat_mental_weight}}` - No description available
+- `{{focus_cat_recovery_progress}}` - No description available
+- `{{focus_cat_recovery_weight}}` - No description available
+- `{{focus_cat_vitalwerte_progress}}` - No description available
+- `{{focus_cat_vitalwerte_weight}}` - No description available
+- `{{goal_bf_pct}}` - No description available
+- `{{goal_weight}}` - No description available
+- `{{hip_28d_delta}}` - No description available
+- `{{intake_volatility}}` - No description available
+- `{{monotony_score}}` - No description available
+- `{{nutrition_days}}` - No description available
+- `{{plateau_detected}}` - No description available
+- `{{protein_days_in_target}}` - No description available
+- `{{protein_ziel_high}}` - No description available
+- `{{protein_ziel_low}}` - No description available
+- `{{recent_load_balance_3d}}` - No description available
+- `{{strain_score}}` - No description available
+- `{{thigh_28d_delta}}` - No description available
+- `{{top_3_focus_areas}}` - No description available
+- `{{top_3_goals_behind_schedule}}` - No description available
+- `{{top_3_goals_on_track}}` - No description available
+- `{{top_drivers}}` - No description available
+- `{{top_goal_name}}` - No description available
+- `{{top_goal_progress_pct}}` - No description available
+- `{{top_goal_status}}` - No description available
+- `{{weight_90d_slope}}` - No description available
+- `{{zeitraum_90d}}` - No description available
+
+### Vitalwerte (6 placeholders)
+
+- `{{hrv_vs_baseline_pct}}` - HRV vs. Baseline (%)
+- `{{rhr_vs_baseline_pct}}` - RHR vs. Baseline (%)
+- `{{vitals_avg_hr}}` - Durchschn. Ruhepuls (7d)
+- `{{vitals_avg_hrv}}` - Durchschn. HRV (7d)
+- `{{vitals_vo2_max}}` - Aktueller VO2 Max
+- `{{vo2max_trend_28d}}` - VO2max Trend 28d
+
+### Zeitraum (3 placeholders)
+
+- `{{datum_heute}}` - Heutiges Datum
+- `{{zeitraum_30d}}` - 30-Tage-Zeitraum
+- `{{zeitraum_7d}}` - 7-Tage-Zeitraum

.claude/docs/audit/platzhalter/PLACEHOLDER_EXPORT_SPEC.md

@@ -0,0 +1,24 @@
+# Placeholder Export Specification
+
+**Version:** 1.0.0
+**Generated:** 2026-03-29 19:26:40
+
+## API Endpoints
+
+### Extended Export
+
+```
+GET /api/prompts/placeholders/export-values-extended
+Header: X-Auth-Token: <token>
+```
+
+Returns complete metadata for all 116 placeholders.
+
+### ZIP Export (Admin)
+
+```
+GET /api/prompts/placeholders/export-catalog-zip
+Header: X-Auth-Token: <token>
+```
+
+Returns ZIP with all catalog files.

.claude/docs/audit/platzhalter/PLACEHOLDER_GAP_REPORT.md

@@ -0,0 +1,66 @@
+# Placeholder Metadata Gap Report
+
+**Generated:** 2026-03-29 19:26:40
+**Total Placeholders:** 111
+
+## Gaps Summary
+
+### Missing Data Layer Module
+Count: 100
+
+- {{name}}
+- {{age}}
+- {{height}}
+- {{geschlecht}}
+- {{bmi}}
+- {{goal_weight}}
+- {{goal_bf_pct}}
+- {{nutrition_days}}
+- {{protein_ziel_low}}
+- {{protein_ziel_high}}
+- ... and 90 more
+
+### Missing Semantic Contract
+Count: 25
+
+- {{bmi}}
+- {{goal_bf_pct}}
+- {{rest_days_count}}
+- {{vitals_vo2_max}}
+- {{data_quality_score}}
+- {{top_goal_progress_pct}}
+- {{waist_hip_ratio}}
+- {{energy_deficit_surplus}}
+- {{protein_days_in_target}}
+- {{macro_consistency_score}}
+- ... and 15 more
+
+### Missing Source Tables
+Count: 90
+
+- {{name}}
+- {{age}}
+- {{height}}
+- {{geschlecht}}
+- {{bmi}}
+- {{goal_weight}}
+- {{goal_bf_pct}}
+- {{nutrition_days}}
+- {{protein_ziel_low}}
+- {{protein_ziel_high}}
+- ... and 80 more
+
+### Unknown Time Window
+Count: 74
+
+- {{bmi}}
+- {{caliper_summary}}
+- {{goal_weight}}
+- {{goal_bf_pct}}
+- {{nutrition_days}}
+- {{protein_ziel_low}}
+- {{protein_ziel_high}}
+- {{activity_summary}}
+- {{activity_detail}}
+- {{trainingstyp_verteilung}}
+- ... and 64 more

.claude/docs/audit/platzhalter/PLACEHOLDER_METADATA_REQUIREMENTS_V2_NORMATIVE.md

@@ -0,0 +1,386 @@
+# Normative Standardspezifikation
+## Placeholder-Metadaten, Exportverträge und Governance
+
+**Version:** 1.0.0  
+**Stand:** 29.03.2026  
+**Status:** Verbindlicher Standard  
+**Geltungsbereich:** Alle bestehenden, neuen und zukünftigen Platzhalter des Systems  
+
+---
+
+## 1. Normativer Status
+
+Dieses Dokument ist **keine bloße Projektbeschreibung**, sondern eine **verbindliche Standardspezifikation** für das Placeholder-System.
+
+Es gilt für:
+- alle aktuell existierenden Platzhalter,
+- alle künftig neu eingeführten Platzhalter,
+- alle technisch abgeleiteten Exportformate,
+- alle Prompt-, Pipeline- und Analyseverwendungen, die auf Placeholders zugreifen,
+- alle künftigen Erweiterungen der Placeholder-Registry, des Data Layers und der Exportfunktionen.
+
+### 1.1 Verbindlichkeit
+Alle neuen und geänderten Placeholder-Implementierungen **müssen** dieser Spezifikation entsprechen. Abweichungen sind nur zulässig, wenn sie:
+1. explizit dokumentiert,
+2. versioniert,
+3. mit `known_issues` und/oder `deprecated` markiert,
+4. und in einem Gap- oder Decision-Log nachvollziehbar begründet werden.
+
+### 1.2 Vorrang
+Diese Spezifikation hat Vorrang vor:
+- unvollständigen Altbeschreibungen,
+- impliziten Verhaltensannahmen in Legacy-Prompts,
+- nicht dokumentierten Exportkonventionen,
+- informellen Teamabsprachen.
+
+Wenn bestehender Code oder bestehende Exporte von dieser Spezifikation abweichen, ist die Abweichung als **Legacy-Zustand** zu markieren und über Versionierung/Deprecation zu behandeln.
+
+---
+
+## 2. Zielbild
+
+Das System besitzt bereits einen funktionierenden Placeholder-Export und einen Data Layer als Single Source of Truth für Charts, Scores und KI-Platzhalter. Dieser Standard definiert, wie Placeholder künftig **semantisch, technisch und governance-seitig** beschrieben, exportiert und weiterentwickelt werden.
+
+Jeder Placeholder muss als **stabiler, dokumentierter API-Vertrag** behandelbar sein.
+
+Der Standard verlangt, dass zu jedem Placeholder mindestens folgende Ebenen eindeutig bestimmbar oder explizit als unbekannt markiert sind:
+
+1. **Ist-Wert / Beispielwert**
+2. **Technische Herkunft**
+3. **Semantischer Vertrag**
+4. **Fehlwert- und Ausnahmebehandlung**
+5. **Qualitäts-/Confidence-Logik**
+6. **Verwendungsnachweise**
+7. **Versionierung / Deprecation / Nachfolger**
+
+---
+
+## 3. Verbindliche Architekturprinzipien
+
+### 3.1 Placeholder = API-Vertrag
+Placeholder sind keine lose Prompt-Hilfe, sondern **stabile API-Verträge**. Semantik, Einheit, Zeitfenster, Rückgabetyp und Fehlwertverhalten müssen dokumentiert und versioniert sein.
+
+### 3.2 Non-breaking first
+Bestehende Exporte und bestehende Placeholder-Namen dürfen nicht stillschweigend breaking geändert werden. Änderungen an Semantik, Zeitfenster, Einheit oder Rückgabetyp sind:
+- entweder über neue Versionen,
+- oder über neue Nachfolger-Platzhalter,
+- oder über explizite Deprecation-Pfade
+abzubilden.
+
+### 3.3 JSON vor Freitext
+Komplexe Metadaten, Rohdaten, strukturierte Diagnosen und technische Hinweise sind primär als JSON bereitzustellen. Freitext darf ergänzen, aber keine strukturierte Pflichtinformation ersetzen.
+
+### 3.4 Zeitfenster explizit
+Zeitbezogene Placeholder müssen ein explizites Zeitfenster tragen – mindestens als Metadatum. Legacy-Namen ohne eindeutiges Zeitfenster dürfen im Bestand fortbestehen, müssen aber als semantisch unpräzise markiert werden und einen empfohlenen Nachfolger erhalten.
+
+### 3.5 Fehlwerte explizit
+Fehlende Werte dürfen im strukturierten Export nicht nur als String wie `"nicht verfügbar"` modelliert werden. Verbindlich sind strukturierte Felder wie:
+- `available`
+- `value_raw`
+- `missing_reason`
+- `missing_value_policy`
+
+### 3.6 Typisierung ist Pflicht
+Jeder Placeholder muss einem Typ zugeordnet werden:
+- `atomic`
+- `raw_data`
+- `interpreted`
+- `legacy_unknown` (nur als Übergang)
+
+### 3.7 Data Layer bleibt Single Source of Truth
+Fachliche Berechnungen dürfen nicht im Exporter dupliziert oder neu erfunden werden. Der Exporter sammelt Metadaten und referenziert technische Herkunft; er ersetzt keine fachlichen Kernfunktionen.
+
+### 3.8 Kein stilles Raten
+Wenn technische Herkunft, Zeitfenster, Ausnahmebehandlung oder sonstige Metadaten nicht sicher aus dem Code bestimmbar sind, muss der Zustand als `unknown`, `not_resolved` oder `partially_resolved` markiert werden.
+
+### 3.9 Zukunftsgeltung
+Jeder neue Placeholder **muss vor produktivem Einsatz** in Registry, Export und Katalog vollständig gegen dieses Dokument validiert werden.
+
+---
+
+## 4. Geltungsbereich und Pflichtanwendung
+
+### 4.1 Diese Spezifikation gilt für
+- bestehende produktive Placeholder,
+- neue Placeholder in aktiver Entwicklung,
+- experimentelle Placeholder, sobald sie außerhalb eines reinen Dev-Modus verwendet werden,
+- Placeholder in Multi-Stage-Pipelines,
+- Placeholder in Reports, Dashboards, Prompt-Templates und Exporten.
+
+### 4.2 Diese Spezifikation gilt auch für
+- neue Goal-/Score-/Correlation-/Driver-Placeholder,
+- künftige Trainingstyp-/Subcategory-Placeholder,
+- Placeholder für Diagnose-, Risiko- und Recovery-Logik,
+- technische Export-Erweiterungen,
+- Two-Stage-Artefakte.
+
+### 4.3 Nicht zulässig ohne Standardkonformität
+Nicht zulässig ist:
+- ein neuer Placeholder ohne dokumentierten Semantikvertrag,
+- ein neuer Placeholder ohne Zeitfenster-Metadatum,
+- ein strukturierter Placeholder ohne definierten Output-Typ,
+- ein produktiver Placeholder ohne dokumentierte Fehlwertbehandlung,
+- ein interpretierter Placeholder ohne Kennzeichnung als solcher.
+
+---
+
+## 5. Scope des technischen Auftrags
+
+### 5.1 In Scope
+Der Coding Agent soll:
+1. alle existierenden Placeholder inventarisieren,
+2. die Metadaten je Placeholder technisch erheben oder als unresolved markieren,
+3. einen erweiterten Export erzeugen,
+4. einen menschenlesbaren und maschinenlesbaren Katalog erzeugen,
+5. die Katalog-/Exportstruktur so implementieren, dass sie **für alle zukünftigen Placeholder wiederverwendbar** ist,
+6. Tests und Validierungen ergänzen,
+7. Gap-Reports für nicht automatisch auflösbare Metadaten erzeugen.
+
+### 5.2 Out of Scope
+Nicht gefordert ist:
+- sofortige komplette fachliche Neudefinition aller Legacy-Placeholder,
+- sofortige Umbenennung aller problematischen Namen,
+- Umsetzung aller in anderen Dokumenten vorgeschlagenen neuen Wunsch-Placeholder,
+- Neuimplementierung des gesamten Prompt-Systems.
+
+### 5.3 Zukunftsanforderung
+Die technische Lösung muss so gebaut sein, dass **jeder zukünftige Placeholder** denselben Katalog- und Exportmechanismus automatisch oder mit minimalem Zusatzaufwand durchlaufen kann.
+
+---
+
+## 6. Ziel-Deliverables
+
+### 6.1 Code / Export
+1. **Erweiterter Placeholder-Export**
+   - neuer Endpoint, CLI, Service-Funktion oder Exportmodus
+   - Legacy-Export bleibt kompatibel
+2. **Zentrales Metadatenmodell / Registry-Erweiterung**
+   - wiederverwendbar für bestehende und zukünftige Placeholder
+3. **Validierungslogik für neue Placeholder**
+   - technische Prüfung gegen dieses Dokument
+
+### 6.2 Dateien / Dokumentation
+4. `PLACEHOLDER_CATALOG_EXTENDED.json`
+5. `PLACEHOLDER_CATALOG_EXTENDED.md`
+6. `PLACEHOLDER_EXPORT_SPEC.md`
+7. `PLACEHOLDER_GAP_REPORT.md`
+8. optional: `PLACEHOLDER_VALIDATION_REPORT.md`
+
+### 6.3 Tests
+9. Tests für:
+   - Vollständigkeit des Exports,
+   - Konsistenz der Metadaten,
+   - Legacy-Kompatibilität,
+   - Referenzierbarkeit der Verwendungen,
+   - Pflichtfeld-Validierung für neue Placeholder,
+   - normkonforme Typisierung und Zeitfenster-Markierung.
+
+---
+
+## 7. Verbindliches Metadaten-Schema pro Placeholder
+
+Jeder Placeholder im erweiterten Export muss mindestens die folgenden Felder besitzen oder explizit als `unknown`/`null`/leer markiert sein.
+
+```json
+{
+  "key": "weight_aktuell",
+  "placeholder": "{{weight_aktuell}}",
+  "category": "Körper",
+  "type": "atomic",
+  "description": "Aktuelles Gewicht in kg",
+  "semantic_contract": "Letzter verfügbarer Gewichtseintrag des Profils, keine Mittelung",
+  "unit": "kg",
+  "time_window": "latest",
+  "output_type": "number_or_string",
+  "format_hint": "85.8 kg",
+  "example_output": "85.8 kg",
+  "value_display": "85.8 kg",
+  "value_raw": 85.8,
+  "available": true,
+  "missing_reason": null,
+  "missing_value_policy": {
+    "legacy_display": "nicht verfügbar",
+    "structured_null": true,
+    "reason_codes": ["no_data", "insufficient_data", "resolver_error"]
+  },
+  "exception_handling": {
+    "on_error": "return_null_and_reason",
+    "notes": "Keine Exception bis in Prompt-Ebene durchreichen"
+  },
+  "quality_filter_policy": null,
+  "confidence_logic": {
+    "supported": false,
+    "notes": "Für latest-Werte nicht erforderlich"
+  },
+  "source": {
+    "resolver": "get_latest_weight_placeholder",
+    "module": "placeholder_resolver.py",
+    "function": "get_latest_weight",
+    "data_layer_module": "body_metrics.py",
+    "source_tables": ["weight_log"]
+  },
+  "dependencies": ["profile_id"],
+  "used_by": {
+    "prompts": ["gesamt", "koerper"],
+    "pipelines": ["pipeline", "wettkampf-analyse"],
+    "charts": []
+  },
+  "version": "1.0.0",
+  "deprecated": false,
+  "replacement": null,
+  "known_issues": [],
+  "notes": []
+}
+```
+
+### 7.1 Pflichtfelder
+Pflichtfelder sind:
+- `key`
+- `placeholder`
+- `category`
+- `type`
+- `description`
+- `semantic_contract`
+- `unit`
+- `time_window`
+- `output_type`
+- `value_display`
+- `available`
+- `missing_value_policy`
+- `source`
+- `version`
+- `deprecated`
+
+### 7.2 Erlaubte Werte für `type`
+- `atomic`
+- `raw_data`
+- `interpreted`
+- `legacy_unknown`
+
+### 7.3 Erlaubte Werte für `time_window`
+- `latest`
+- `7d`
+- `14d`
+- `28d`
+- `30d`
+- `90d`
+- `custom`
+- `mixed`
+- `unknown`
+
+### 7.4 Erlaubte Werte für `output_type`
+- `string`
+- `number`
+- `integer`
+- `boolean`
+- `json`
+- `markdown`
+- `date`
+- `enum`
+- `unknown`
+
+---
+
+## 8. Exportformat
+
+### 8.1 Legacy-Export bleibt erhalten
+Der bestehende Export bleibt unverändert nutzbar.
+
+### 8.2 Neuer erweiterter Export
+Zusätzlich muss ein erweiterter Export existieren, z. B. mit:
+- `legacy`
+- `metadata.by_category`
+- `metadata.flat`
+- `metadata.summary`
+- `metadata.gaps`
+- `metadata.schema_version`
+
+### 8.3 Zukunftsfähigkeit
+Der erweiterte Export muss so strukturiert sein, dass neue Placeholder ohne Redesign der Gesamtstruktur ergänzt werden können.
+
+---
+
+## 9. Pflichtregeln für neue und zukünftige Placeholder
+
+Jeder neue Placeholder muss vor Freigabe folgende Fragen beantworten können:
+1. Was ist die exakte fachliche Semantik?
+2. Welches Zeitfenster gilt?
+3. Welcher Typ liegt vor?
+4. Was ist der Output-Typ?
+5. Welche Datenquelle/Funktion berechnet ihn?
+6. Wie werden fehlende Werte dargestellt?
+7. Welche Ausnahmebehandlung gilt?
+8. Welche bekannten Grenzen/Issues gibt es?
+9. Wird ein Quality-Filter angewendet?
+10. Ist der Placeholder in Prompts/Pipelines referenziert?
+
+Wenn eine dieser Fragen unbeantwortet bleibt, darf der Placeholder nicht als voll standardkonform gelten.
+
+---
+
+## 10. Legacy-, Deprecation- und Abweichungsregeln
+
+### 10.1 Legacy-Markierung
+Bestehende problematische Placeholder dürfen als Legacy bestehen bleiben, wenn sie markiert werden durch:
+- `deprecated: true/false`
+- `known_issues`
+- `replacement`
+- dokumentierten Semantikhinweis
+
+### 10.2 Deprecation-Pflicht
+Wenn ein Placeholder semantisch unpräzise, technisch instabil oder fachlich überholt ist, muss ein Deprecation-Pfad vorgesehen werden.
+
+### 10.3 Abweichungsprozess
+Abweichungen von diesem Standard müssen in einem Decision-/Gap-Log dokumentiert werden, mit:
+- Begründung,
+- Impact,
+- geplanter Nachbesserung,
+- Verantwortlichkeit.
+
+---
+
+## 11. Validierung und Governance
+
+### 11.1 Pflichtvalidierungen
+Für bestehende und neue Placeholder müssen validierbar sein:
+- Pflichtfeld-Vollständigkeit,
+- gültige Typisierung,
+- gültiges Zeitfenster,
+- dokumentierte Quelle,
+- dokumentiertes Fehlwertverhalten,
+- dokumentierte Legacy-/Deprecation-Information.
+
+### 11.2 CI-/Test-Eignung
+Die technische Lösung soll so gebaut werden, dass künftige Validierungen automatisierbar sind.
+
+### 11.3 Two-Stage-Artefakte
+Interpretierte Outputs aus Basis-Prompts müssen als `interpreted` gekennzeichnet werden und dürfen nicht als rohe Datenplaceholder ausgegeben werden.
+
+---
+
+## 12. Konkrete Arbeitsanweisung an den Coding Agent
+
+Der Coding Agent soll diese Spezifikation als **verbindlichen Standard** behandeln und die Implementierung so auslegen, dass sie:
+- den aktuellen Bestand vollständig erfasst,
+- für künftige Placeholder wiederverwendbar ist,
+- Legacy-Verhalten nicht still bricht,
+- technische Lücken transparent markiert,
+- und als Grundlage für zukünftige Placeholder-Governance dient.
+
+---
+
+## 13. Akzeptanzkriterien
+
+Die Umsetzung gilt nur dann als erfolgreich, wenn:
+1. alle existierenden Placeholder im erweiterten Katalog enthalten sind,
+2. der Legacy-Export weiter funktioniert,
+3. das Metadatenmodell für neue Placeholder wiederverwendbar ist,
+4. Pflichtfelder validiert werden,
+5. unresolved Informationen sauber markiert werden,
+6. die Dokumentation ausdrücklich festhält, dass der Standard **für alle neuen und zukünftigen Placeholder** gilt.
+
+---
+
+## 14. Schlussregel
+
+Ab Inkrafttreten dieses Dokuments ist ein neuer Placeholder ohne Standardkonformität nur als explizit dokumentierte Ausnahme zulässig. Der Default ist Standardpflicht, nicht informelle Flexibilität.

.claude/docs/audit/platzhalter/README.md

@@ -0,0 +1,5 @@
+# Platzhalter-Audits (Archiv)
+
+Enthält Kataloge, Gap-Reports und Reconciliation-Artefakte (2026-03). **Normative Entwicklerregeln** für Platzhalter: `../../technical/PLACEHOLDER_REGISTRY_FRAMEWORK.md`.
+
+**Entfernte Doppelungen:** `DATA_ARCHITECTURE.md` und `mitai_jinkendo_konzept_diagramme_auswertungen_v2.md` lagen identisch auch hier – kanonisch sind jetzt nur noch `../../functional/DATA_ARCHITECTURE.md` bzw. `../../functional/mitai_jinkendo_konzept_diagramme_auswertungen_v2.md`.

.claude/docs/audit/platzhalter/audit-report-2026-03-29/01_EXECUTIVE_SUMMARY.md

@@ -0,0 +1,463 @@
+# Placeholder-Audit: Executive Summary
+
+**Audit-Datum:** 29. März 2026
+**Umfang:** 111 Platzhalter (vollständig)
+**Normative Basis:** PLACEHOLDER_METADATA_REQUIREMENTS_V2_NORMATIVE.md v1.0.0
+**Audit-Methodik:** 4 spezialisierte Agents (Code, Semantik, Zeit/Confidence, Usage)
+**Audit-Dauer:** ~590 Sekunden (4 Agents parallel)
+
+---
+
+## Compliance-Übersicht
+
+### Gesamtergebnis: 7% voll normkonform (8/111)
+
+| Compliance-Level | Anzahl | Prozent | Hauptprobleme |
+|------------------|--------|---------|---------------|
+| **Compliant** | 8 | 7% | Best-Practice-Beispiele (nutrition_avg, weight_aktuell) |
+| **Partially Compliant** | 22 | 20% | 1-2 Gaps (meist time_window oder confidence) |
+| **Non-Compliant** | 81 | 73% | 3+ kritische Gaps |
+
+---
+
+## Kritische Zahlen
+
+### Systemische Gaps (nach Normative Requirements)
+
+| Gap-Typ | Anzahl | Prozent | Norm-Verstoß |
+|---------|---------|---------|--------------|
+| **time_window: unknown** | 74 | 67% | §3.4 "Zeitfenster explizit" |
+| **Keine Confidence-Logik** | 103 | 93% | §5 "Qualitäts-/Confidence-Logik" |
+| **Kein data_layer_module** | 100 | 90% | §7 "Source" vollständig |
+| **Keine Mindestdaten definiert** | 99 | 89% | Implizit in §5 |
+| **category: Unknown** | 49 | 44% | §7.1 "Pflichtfelder: category" |
+| **description: "No description"** | 49 | 44% | §7.1 "Pflichtfelder: description" |
+| **Keine source_tables** | 90 | 81% | §7 "Source: source_tables" |
+| **metadata_completeness_score: 0** | 111 | 100% | Kein Placeholder produktionsreif |
+| **schema_status: draft** | 111 | 100% | §13 Akzeptanzkriterien |
+
+---
+
+## Wichtigste Systemische Schwächen
+
+### 1. Metadaten-Dokumentation fundamental unvollständig
+
+**Problem:**
+- 100% der Platzhalter haben `metadata_completeness_score: 0`
+- 44% ohne fachliche Kategorie ("Unknown")
+- 44% ohne Beschreibung ("No description available")
+- Kein einziger Platzhalter hat Status "production"
+
+**Impact:**
+- Platzhalter können nicht als stabile API-Verträge genutzt werden
+- Prompt-Bibliothek hat keine verlässliche Metadaten-Basis
+- Neue Platzhalter haben kein Qualitätsvorbild
+
+**Root Cause:**
+- Export-System generiert Struktur, füllt aber nicht alle Felder
+- Keine systematische Dokumentationspflicht im Development-Workflow
+
+---
+
+### 2. Zeitfenster-Chaos
+
+**Problem:**
+- 67% ohne definiertes Zeitfenster (`time_window: unknown`)
+- Code-Inkonsistenzen:
+  - `activity_summary`: Docs "7d", Code 14d, Metadaten "unknown"
+  - `weight_trend`: Docs "7d/30d", Code 28d, Metadaten "unknown"
+- Namen-Metadaten-Mismatch:
+  - `zeitraum_7d`, `zeitraum_30d`, `zeitraum_90d` → alle `time_window: unknown`
+  - `sleep_avg_duration_7d` → `time_window: unknown`
+
+**Impact:**
+- KI kann Zeitfenster nicht interpretieren
+- Reports können nicht korrekt zeitlich einordnen
+- Vergleiche zwischen Platzhaltern problematisch
+
+**Root Cause:**
+- Zeitfenster wird oft im Code definiert, aber nicht in Metadaten übertragen
+- Keine automatische Extraktion aus Funktionsnamen/Parametern
+
+---
+
+### 3. Fehlende Confidence-Systeme
+
+**Problem:**
+- Nur 8 Platzhalter (7%) haben Confidence-Logik
+- 103 ohne jegliche Datenqualitäts-Signale
+- Kritisch bei:
+  - **Trend-Platzhaltern** (slope, delta, change) → keine Warnung bei zu wenig Datenpunkten
+  - **Score-Platzhaltern** (nutrition_score, activity_score) → keine Reliability-Info
+  - **Korrelations-Platzhaltern** → keine Min-Data-Thresholds
+
+**Impact:**
+- KI kann nicht zwischen "sicher" und "unsicher" unterscheiden
+- User erhält keine Warnung bei unreliablen Werten
+- Prompt-Logik muss blind vertrauen oder eigene Heuristiken entwickeln
+
+**Root Cause:**
+- Nur nutrition_metrics, body_metrics, activity_metrics haben `calculate_confidence()`
+- Andere Data-Layer-Module ohne Confidence-Pattern
+
+---
+
+### 4. Unstrukturierte Fehlwertbehandlung
+
+**Problem:**
+- 70 Platzhalter mit "nicht verfügbar"-String statt strukturiertem Format
+- Verstoß gegen Norm §3.5 "Fehlwerte explizit"
+- Legacy-Only: `missing_value_policy.legacy_display: "nicht verfügbar"`
+- Keine strukturierten Felder: `available`, `value_raw`, `missing_reason`
+
+**Impact:**
+- KI muss String-Parsing betreiben ("nicht verfügbar" vs. "0" vs. "null")
+- Keine maschinenlesbare Unterscheidung zwischen Fehlertypen
+- Folgeprompts können nicht unterscheiden: Daten fehlen vs. Fehler aufgetreten
+
+**Root Cause:**
+- Historisches Legacy-Format aus v1 des Placeholder-Systems
+- Kein strukturierter Refactor durchgeführt
+
+---
+
+### 5. 67 Platzhalter noch nicht produktiv eingebunden
+
+**Status:**
+- 67 Platzhalter (60%) haben 0 Verwendungen in Prompts/Pipelines/Charts
+- **Wichtig:** Dies ist KEIN Technical Debt, sondern erwartbar bei Prompt-Bibliothek im Aufbau
+- Viele in Kategorie "Unknown" (41 von 49 Unknown-Platzhaltern ungenutzt)
+
+**Fachliche Klassifizierung (siehe USAGE_ROLE_CLASSIFICATION.md):**
+- **30 Platzhalter (45%):** Explizit in Roadmap Phase 0c/1/2 geplant
+  - Scores (6), Correlations (5), Ability Balance (5), Goals Details (11), Sleep Debt, Plateau Detection, Top Drivers
+- **37 Platzhalter (55%):** Fachlich plausibel, noch nicht in Prompts integriert
+  - Body Deltas, Nutrition Details, Training Quality, Focus Category Weights/Progress, Meta/Convenience
+- **0 Platzhalter:** Redundant oder deprecation-würdig
+
+**Interpretation:**
+- Prompt-Bibliothek ist in Phase 0b/0c (Goals, Data Architecture)
+- Phase 1 (Charts), Phase 2 (Correlations) werden 30+ Platzhalter aktivieren
+- Kein Deprecation-Bedarf – Integration statt Deletion erforderlich
+
+**Next Steps:**
+- Integration-Timeline für 30 geplante Platzhalter (Phase 0c/1/2)
+- Prompt-Use-Cases für 10-15 plausible Platzhalter identifizieren
+- Nutzungsrate wird von 40% auf 50-60% steigen (organisch)
+
+---
+
+## Größte Risiken für Prompt-Bibliothek und Reporting
+
+### 1. Breaking-Change-Risiko (🔴 HIGH)
+
+**12 produktkritische Platzhalter mit 3-19 Verwendungen:**
+
+| Placeholder | Uses | Risk | Reason |
+|-------------|------|------|--------|
+| `{{name}}` | 19 | 🔴 EXTREM | In 9 Prompts + 10 Pipelines |
+| `{{geschlecht}}` | 14 | 🔴 EXTREM | Gender-specific Logik in 7 Prompts |
+| `{{height}}` | 12 | 🔴 EXTREM | BMI-Berechnungen, Body Composition |
+| `{{weight_aktuell}}` | 10 | 🔴 HOCH | Numerisch sensitiv, Format-Breaking |
+| `{{weight_trend}}` | 10 | 🔴 HOCH | **Code-Docs-Konflikt!** |
+| `{{goal_bf_pct}}` | 10 | 🔴 HOCH | Body Composition Goals |
+| `{{caliper_summary}}` | 8 | 🟡 MITTEL | Body Fat Summary |
+| `{{circ_summary}}` | 8 | 🟡 MITTEL | Circumference Summary |
+| `{{goal_weight}}` | 8 | 🟡 MITTEL | Weight Goals |
+| `{{protein_ziel_low/high}}` | 7 | 🟡 MITTEL | Nutrition Guidance |
+| `{{activity_detail}}` | 4 | 🟡 MITTEL | **Time-Window unklar!** |
+
+**Mitigation:**
+- Jede Änderung an diesen 12 erfordert:
+  1. Identifikation aller betroffenen Prompts/Pipelines
+  2. Koordinierte Migration über alle Templates
+  3. Backward-Compatibility-Periode (2-4 Wochen)
+  4. Full Regression-Tests
+
+---
+
+### 2. Code-Dokumentations-Konflikte (🔴 HIGH)
+
+**Bekannte Inkonsistenzen:**
+
+| Placeholder | Description | Code | Metadaten | Status |
+|-------------|-------------|------|-----------|--------|
+| `weight_trend` | "7d/30d" | 28d | unknown | 🔴 KONFLIKT |
+| `activity_summary` | "7d" | 14d | unknown | 🔴 KONFLIKT |
+| `activity_detail` | unklar | 14d (default) | unknown | 🟡 UNKLAR |
+
+**Impact:**
+- Kein Single Source of Truth
+- KI nutzt evtl. falsche Zeitfenster-Annahmen
+- User-Verwirrung bei Zeit-Interpretation
+
+**Mitigation:**
+- **P0 Fix:** Code als autoritativ nehmen, Docs/Metadaten aktualisieren
+- Automatische Konsistenz-Checks (CI/CD)
+
+---
+
+### 3. Prompt-Fragility (🟡 MEDIUM)
+
+**Problem:**
+- Platzhalter ohne Zeitfenster → KI kann Perioden nicht interpretieren
+- Fehlende Confidence → KI kann Datenqualität nicht bewerten
+- "nicht verfügbar"-Strings → KI muss raten ob Fehler oder kein Wert
+
+**Beispiel-Szenarien:**
+```
+Prompt: "Analysiere die Gewichtsentwicklung basierend auf {{weight_trend}}"
+Problem: KI weiß nicht, ob 7d, 28d oder 90d → falsche Interpretation möglich
+
+Prompt: "Bewerte die Korrelation {{correlation_energy_weight_lag}}"
+Problem: Keine Confidence → KI kann nicht warnen "nur 5 Datenpunkte, unreliabel"
+```
+
+**Mitigation:**
+- Metadata-Enrichment für alle kritischen Platzhalter
+- Strukturierte Missing-Value-Policies
+
+---
+
+### 4. Fehlende Produktions-Governance (🟡 MEDIUM)
+
+**Indikatoren:**
+- 100% Draft-Status → keine produktionsreifen Platzhalter
+- 90% ohne Data-Layer-Module dokumentiert
+- Keine Validierungslogik für neue Platzhalter
+- Keine klaren Production-Ready-Kriterien
+
+**Langfristige Konsequenzen:**
+- Neue Entwickler können nicht erkennen, welche Platzhalter "safe to use" sind
+- Keine Guidance für Prompt-Autoren (welche Platzhalter für welchen Use-Case)
+- Akkumulation weiterer inkonsistenter Platzhalter
+
+**KEIN Technical Debt:**
+- 60% ungenutzte Platzhalter ≠ "tote Codepfade"
+- Prompt-Bibliothek ist im Aufbau (Phase 0b/0c/1/2)
+- Ungenutzte Platzhalter sind fachlich geplant oder plausibel
+
+---
+
+## Dokumentierte Normkonflikte zwischen Dateien
+
+| Konflikt | Quelle 1 | Quelle 2 | Severity | Resolution |
+|----------|----------|----------|----------|------------|
+| **Zeitfenster weight_trend** | Description: "7d/30d" | Code: 28d | 🟡 MEDIUM | Code ist autoritativ → Docs aktualisieren |
+| **Zeitfenster activity_summary** | Description: "7d" | Code: 14d | 🟡 MEDIUM | Code ist autoritativ → Docs aktualisieren |
+| **Neue Platzhalter** | requirements_dev.md: 27 neue P1-P27 | Extended Catalog: 111 existierend | 🟢 INFO | requirements_dev ist Arbeitsdokument, kein Normativ |
+| **Bestandszahlen** | Export Spec: 116 | Gap Report/Catalog: 111 | 🟢 INFO | 5 Platzhalter = Metafelder (schema_version, etc.) |
+
+**Rangfolgen-Resolution (aus Audit-Auftrag):**
+1. **NORMATIVE.md** (höchste Instanz) - Verbindliche Standardspezifikation
+2. **Code** (aktueller Ist-Zustand) - Bei Konflikt Code > Docs
+3. **Extended Catalog** (dokumentierter Stand) - Generated Truth
+4. **requirements_dev.md** (Arbeitsdokument) - NICHT normativ, nur Planning
+
+---
+
+## Best-Practice-Modelle identifiziert
+
+### Vollständig normkonforme Platzhalter (8):
+
+**1. Nutrition Averages (4):**
+- `protein_avg`, `kcal_avg`, `fat_avg`, `carb_avg`
+
+**Warum Best-Practice:**
+```
+✅ time_window: 30d (explizit)
+✅ aggregation: AVG() via nutrition_metrics.py
+✅ min_data: 8 (low), 12 (medium), 18 (high)
+✅ confidence_logic: calculate_confidence(data_points, 30, 'general')
+✅ missing_value_policy: strukturiert (available=false, reason='insufficient_data')
+✅ data_layer_module: nutrition_metrics.py
+✅ source_tables: ['nutrition_log']
+```
+
+**2. Weight Aktuell (1):**
+- `weight_aktuell`
+
+**Warum Best-Practice:**
+```
+✅ time_window: latest
+✅ aggregation: Latest entry ORDER BY date DESC LIMIT 1
+✅ confidence_logic: high if exists, insufficient if no data
+✅ data_layer_module: body_metrics.py
+✅ source_tables: ['weight_log']
+```
+
+**3. Andere (3):**
+- `weight_trend`, `circ_summary`, `age` (verschiedene Best-Practice-Aspekte)
+
+---
+
+## Audit-Methodik-Transparenz
+
+### 4 Spezialisierte Agents (Parallel)
+
+**1. Code-Evidence-Agent** (124s)
+- **Aufgabe:** Vollständige Code-Analyse aller Resolver-Funktionen
+- **Scope:** `placeholder_resolver.py` (Zeilen 1075-1221), `data_layer/*.py`, `routers/prompts.py`
+- **Output:** Technische Herkunft, Source-Tables, Return-Types für alle 111
+- **Evidence-Level:** `code_verified` (100%)
+
+**2. Semantic-Contract-Agent** (218s)
+- **Aufgabe:** Fachliche Bedeutung aus Dokumentation ableiten
+- **Scope:** `DATA_ARCHITECTURE.md`, `mitai_jinkendo_konzept_diagramme_auswertungen_v2.md`, Extended Catalog
+- **Output:** Description, Category, Semantic Contract für alle 111
+- **Evidence-Level:** `documentation_verified` (56%), `fachlich_abgeleitet` (44%)
+
+**3. Time-Window-Confidence-Agent** (90s)
+- **Aufgabe:** Zeitfenster klassifizieren, Confidence-Patterns identifizieren
+- **Scope:** Code + Catalog + Normative Spec (erlaubte time_window-Werte)
+- **Output:** Zeit-Compliance, Aggregationslogik, Min-Data-Thresholds
+- **Evidence-Level:** `code_verified` (75 unklar), `code_inferred` (rest)
+
+**4. Prompt-Usage-Agent** (157s)
+- **Aufgabe:** Verwendung in Prompts/Pipelines/Charts analysieren
+- **Scope:** `ai_prompts` table (via Catalog), Grep-Suche nach `{{placeholder}}`
+- **Output:** Used-By, Criticality, Rename-Risk
+- **Evidence-Level:** `catalog_verified` (100%)
+
+**Konsolidierung:**
+- Cross-Agent-Validation (4 Perspektiven auf jeden Placeholder)
+- Konflikt-Resolution nach Rangfolge (Norm > Code > Catalog > Docs)
+- Evidence-Level-Klassifizierung (code_verified > documentation_verified > fachlich_abgeleitet > unclear)
+
+---
+
+## Nächste Kritische Schritte
+
+### P0 (VOR PRODUCTION - BLOCKING)
+
+**1. Zeitfenster-Klassifizierung (74 Platzhalter)**
+- **Aufwand:** 8-12 Stunden
+- **Methode:**
+  1. Namen-Analyse (`*_7d`, `*_28d`, etc.) → automatisch
+  2. Code-Analyse (default days-Parameter) → semi-automatisch
+  3. Fach-Entscheidung für Unklare (ability_balance, scores) → manuell
+- **Deliverable:** Alle `time_window: unknown` → gültige Werte (latest/7d/14d/28d/30d/90d/mixed)
+
+**2. Code-Docs-Konflikte auflösen (3 Platzhalter)**
+- **Aufwand:** 2 Stunden
+- **Items:**
+  - `weight_trend`: Description + Metadaten auf "28d" ändern
+  - `activity_summary`: Description + Metadaten auf "14d" ändern
+  - `activity_detail`: Default-Zeitfenster dokumentieren
+- **Validation:** Automatische Konsistenz-Checks (Code ↔ Catalog)
+
+**3. Kategorie + Beschreibung (49 Platzhalter)**
+- **Aufwand:** 4-6 Stunden
+- **Methode:** Bulk-Update aus Semantic-Contract-Agent-Report
+- **Deliverable:**
+  - Alle `category: Unknown` → fachliche Kategorien
+  - Alle `description: "No description available"` → aussagekräftige Beschreibungen
+
+---
+
+### P1 (THIS SPRINT - HIGH PRIORITY)
+
+**4. Confidence-Logik für Trend-/Delta-Platzhalter (11)**
+- **Aufwand:** 12-16 Stunden
+- **Items:**
+  - weight_28d_slope, weight_90d_slope, weight_7d_median
+  - fm_28d_change, lbm_28d_change
+  - waist_28d_delta, hip_28d_delta, chest_28d_delta, arm_28d_delta, thigh_28d_delta
+  - vo2max_trend_28d
+- **Pattern:** `confidence = calculate_confidence(data_points, time_window_days, 'trend')`
+- **Thresholds:** high >= 70%, medium >= 50%, low >= 30% data coverage
+
+**5. Strukturierte Missing-Value-Policy (70 Platzhalter)**
+- **Aufwand:** 8-10 Stunden
+- **Refactor:**
+  - Legacy-String "nicht verfügbar" beibehalten (Backward-Compatibility)
+  - Zusätzlich strukturierte Felder: `available`, `missing_reason`, `value_raw`
+- **Deliverable:** Dual-Mode-Support (Legacy + Structured)
+
+**6. Data-Layer-Module dokumentieren (100 Platzhalter)**
+- **Aufwand:** 6-8 Stunden
+- **Methode:** Code-Trace von Resolver → Data-Layer (aus Code-Evidence-Agent)
+- **Deliverable:** Alle `data_layer_module: null` → korrekte Module
+
+---
+
+### P2 (NEXT SPRINT - MEDIUM PRIORITY)
+
+**7. Ungenutzte Platzhalter - Integration planen (67)**
+- **Aufwand:** 4-6 Stunden
+- **Methode:**
+  - Produktmanagement-Review: Timeline für 30 geplante Platzhalter (Phase 0c/1/2)
+  - Technische Review: Prompt-Use-Cases für 37 plausible Platzhalter
+- **Deliverable:** Integration-Roadmap, Prompt-Templates (5-10 Quick Wins)
+
+**8. Metadata-Completeness-Score auf >60% (111)**
+- **Aufwand:** 10-12 Stunden
+- **Methode:** Systematisches Füllen aller Pflichtfelder
+- **Target:** Mindestens 60% der Platzhalter mit Score >60
+
+**9. Schema-Status auf production (20-30 Core-Platzhalter)**
+- **Aufwand:** 4-6 Stunden
+- **Kriterien:**
+  - Metadata-Completeness >= 80%
+  - Used-By >= 1
+  - Keine Known-Issues
+  - Zeitfenster + Confidence definiert
+- **Deliverable:** 20-30 produktionsreife Platzhalter
+
+---
+
+### P3 (LATER - NICE TO HAVE)
+
+**10. Validation-Framework für neue Platzhalter**
+- **Aufwand:** 16-20 Stunden
+- **Features:**
+  - Pre-Commit-Hook: Validierung gegen Normative Spec
+  - CI/CD: Automatische Konsistenz-Checks (Code ↔ Catalog)
+  - Template-Generator für neue Platzhalter
+
+**11. Migration-Guides für Prompt-Bibliothek**
+- **Aufwand:** 8-12 Stunden
+- **Content:**
+  - Best-Practice-Guide (basierend auf nutrition_avg)
+  - Anti-Patterns (was vermeiden)
+  - Upgrade-Path für Legacy-Prompts
+
+---
+
+## Geschätzter Gesamt-Remediationsaufwand
+
+| Priority | Aufwand | Timeline | Dependencies |
+|----------|---------|----------|--------------|
+| **P0** | 14-20h | Week 1 | Keine (sofort startbar) |
+| **P1** | 26-34h | Week 2-3 | Nach P0 |
+| **P2** | 18-24h | Week 4-5 | Nach P1 |
+| **P3** | 24-32h | Later | Nach P2 |
+| **TOTAL** | **82-110h** | **4-6 Wochen** | Gestaffelt |
+
+**Mit Team von 2 Entwicklern:** 2-3 Wochen für P0+P1, weitere 1-2 Wochen für P2.
+
+---
+
+## Abschluss-Statement
+
+Der Placeholder-Audit hat **massive systemische Gaps** identifiziert, aber auch einen **klaren Remediation-Pfad** aufgezeigt. Die größten Probleme sind:
+
+1. **Dokumentations-Gaps** (44% ohne Kategorie/Beschreibung)
+2. **Zeitfenster-Chaos** (67% ohne definiertes Fenster)
+3. **Fehlende Confidence-Systeme** (93% ohne Qualitäts-Signale)
+
+Die **gute Nachricht**: Alle 111 Platzhalter sind im Code implementiert, haben eine saubere Architektur, und 8 dienen bereits als Best-Practice-Modelle. Die Lücken sind primär **dokumentarisch und metadatenbezogen**, nicht funktional.
+
+Mit einem strukturierten P0-P3-Plan (82-110h Aufwand) kann das System in 4-6 Wochen auf **>60% Normkonformität** gebracht werden.
+
+**Empfohlene nächste Schritte:**
+1. Review dieses Executive Summary mit Product/Tech Lead
+2. P0-Priorisierung bestätigen (Zeitfenster, Code-Docs-Konflikte, Kategorien)
+3. Kickoff für P0-Sprint (Ziel: 74 Zeitfenster + 49 Kategorien/Beschreibungen)
+
+---
+
+**Audit durchgeführt von:** Claude Code (Lead Audit Agent)
+**Agent-Team:** Code-Evidence, Semantic-Contract, Time-Window-Confidence, Prompt-Usage
+**Normative Basis:** PLACEHOLDER_METADATA_REQUIREMENTS_V2_NORMATIVE.md v1.0.0
+**Vollständige Artefakte:** Siehe `audit-report-2026-03-29/` für Gap-Cluster, Maßnahmenplan, Prüfmatrix

.claude/docs/audit/platzhalter/audit-report-2026-03-29/02_GAP_CLUSTER_REPORT.md

@@ -0,0 +1,651 @@
+# Gap-Cluster-Bericht: Placeholder-Audit
+
+**Audit-Datum:** 29. März 2026
+**Basis:** 111 Platzhalter, 4-Agent-Analyse
+**Normative Referenz:** PLACEHOLDER_METADATA_REQUIREMENTS_V2_NORMATIVE.md v1.0.0
+
+---
+
+## Übersicht
+
+Dieser Bericht gruppiert die identifizierten Gaps nach **systemischen Clustern**, um gezielte Remediation-Strategien zu ermöglichen.
+
+**Gesamtzahl Gaps:** 481 einzelne Gap-Instanzen über alle 111 Platzhalter
+
+**Gap-Verteilung:**
+```
+Non-Compliant (81):      324 Gaps (durchschnittlich 4.0 pro Placeholder)
+Partially Compliant (22): 88 Gaps (durchschnittlich 4.0 pro Placeholder)
+Compliant (8):            0 Gaps
+```
+
+---
+
+## GAP-CLUSTER
+
+### CLUSTER 1: Missing Semantic Contract
+
+**Anzahl betroffene Platzhalter:** 49 (44%)
+**Severity:** 🔴 CRITICAL
+**Norm-Verstoß:** §7.1 Pflichtfelder (description, semantic_contract)
+
+**Sub-Kategorien:**
+
+#### 1.1 No Description Available (49)
+Alle 49 haben `description: "No description available"`
+
+**Betroffene Kategorien:**
+- **Unknown (49):** Alle 49 Non-Compliant sind in "Unknown"-Kategorie
+  - Ability Balance (5): coordination, endurance, mental, mobility, strength
+  - Correlations (5): energy_weight_lag, load_hrv, load_rhr, protein_lbm, sleep_recovery
+  - Body Deltas (5): arm_28d_delta, chest_28d_delta, hip_28d_delta, thigh_28d_delta, waist_28d_delta (doppelt)
+  - Goals (16): active_goals_json/md, focus_areas, top_goal_*, top_3_goals_*, goal_weight, goal_bf_pct
+  - Nutrition (6): energy_deficit_surplus, intake_volatility, nutrition_days, protein_days_in_target, protein_ziel_*
+  - Training (3): activity_detail, monotony_score, strain_score
+  - Summaries (3): caliper_summary, circ_summary, weight_90d_slope
+  - Meta (2): zeitraum_90d, recent_load_balance_3d
+  - Plateau (1): plateau_detected
+  - Top Drivers (1): top_drivers
+
+**Remediation:**
+- **Bulk-Update möglich:** Semantic-Contract-Agent-Report hat Target-Descriptions für alle 49
+- **Aufwand:** 4-6 Stunden (Copy-Paste aus Agent-Report)
+- **Priority:** P0 (blocking für Production)
+
+---
+
+#### 1.2 Weak Semantic Contract (25)
+Haben Beschreibung, aber schwachen/unvollständigen Semantic Contract
+
+**Beispiele:**
+- `bmi`: Description OK, aber Semantic Contract = Description (sollte Formel enthalten)
+- `rest_days_count`: Description OK, aber Aggregationslogik fehlt
+- `vitals_vo2_max`: Description OK, aber Quelle/Berechnungsmethode fehlt
+
+**Remediation:**
+- **Individuelle Überarbeitung:** Semantic Contract mit Formeln/Quellen/Aggregationen anreichern
+- **Aufwand:** 3-4 Stunden
+- **Priority:** P1
+
+---
+
+### CLUSTER 2: Missing Data Layer Module
+
+**Anzahl betroffene Platzhalter:** 100 (90%)
+**Severity:** 🔴 CRITICAL
+**Norm-Verstoß:** §7 Source vollständig (data_layer_module erforderlich)
+
+**Analyse:**
+- Nur 11 Platzhalter haben `data_layer_module` gesetzt
+- 100 haben `data_layer_module: null`
+
+**Root Cause:**
+- Export-System extrahiert `data_layer_module` nur, wenn explizit in Code-Kommentaren
+- Resolver nutzen oft Helper-Funktionen (`_safe_int`, `_safe_float`) statt direkter Data-Layer-Calls
+  - `_safe_int` ruft intern Data-Layer auf, aber Mapping ist nicht dokumentiert
+
+**Code-Evidence-Agent Findings:**
+- **81 nutzen Helper** (`_safe_int`, `_safe_float`, `_safe_str`, `_safe_json`)
+  - Diese HABEN Data-Layer-Module, sind aber nicht dokumentiert
+  - Beispiel: `_safe_int('nutrition_score', pid)` → ruft `data_layer.nutrition_metrics.calculate_nutrition_score()`
+- **19 haben direkte Data-Layer-Calls** (z.B. nutrition_avg, weight_aktuell)
+- **0 echte Fälle ohne Data-Layer** (alle 111 haben technische Herkunft)
+
+**Remediation:**
+- **Code-Trace von Resolvern:** Für jede `_safe_*`-Funktion die gerufene Data-Layer-Funktion identifizieren
+- **Bulk-Update:** Mapping aus Code-Evidence-Agent-Report übernehmen
+- **Aufwand:** 6-8 Stunden
+- **Priority:** P1
+
+---
+
+### CLUSTER 3: Missing Source Tables
+
+**Anzahl betroffene Platzhalter:** 90 (81%)
+**Severity:** 🔴 CRITICAL
+**Norm-Verstoß:** §7 Source vollständig (source_tables erforderlich)
+
+**Analyse:**
+- Nur 21 Platzhalter haben `source_tables` gesetzt
+- 90 haben `source_tables: []`
+
+**Root Cause:**
+- Identisch zu CLUSTER 2: Export-System extrahiert nicht aus Code
+- Source-Tables sind in Data-Layer-SQL-Queries definiert, aber nicht in Resolver-Metadaten
+
+**Code-Evidence-Agent Findings:**
+- **Alle 111** haben identifizierbare Source-Tables im Code
+- **9 Core-Tables:**
+  1. `profiles` (4 Platzhalter)
+  2. `weight_log` (11)
+  3. `nutrition_log` (12)
+  4. `activity_log` (14)
+  5. `sleep_log` (6)
+  6. `vitals_baseline` (8)
+  7. `circumference_log` (5)
+  8. `caliper_log` (5)
+  9. `goals`, `focus_areas`, `rest_days` (11)
+
+**Remediation:**
+- **Automatische Extraktion:** SQL-Query-Parsing in Data-Layer-Modulen
+- **Bulk-Update:** Mapping aus Code-Evidence-Agent-Report übernehmen
+- **Aufwand:** 6-8 Stunden
+- **Priority:** P1
+
+---
+
+### CLUSTER 4: Unknown Time Window
+
+**Anzahl betroffene Platzhalter:** 74 (67%)
+**Severity:** 🔴 CRITICAL
+**Norm-Verstoß:** §3.4 "Zeitfenster explizit"
+
+**Analyse:**
+- 74 haben `time_window: unknown`
+- 37 haben definiertes Zeitfenster (latest, 7d, 28d, 30d, 90d, mixed)
+
+**Sub-Kategorien:**
+
+#### 4.1 Name enthält Zeitfenster, aber Metadaten unknown (15)
+**KRITISCHER MISMATCH:**
+
+| Placeholder | Name-Hint | Code | Metadaten | Fix |
+|-------------|-----------|------|-----------|-----|
+| `zeitraum_7d` | 7d | Hardcoded "letzte 7 Tage" | unknown | → 7d |
+| `zeitraum_30d` | 30d | Hardcoded "letzte 30 Tage" | unknown | → 30d |
+| `zeitraum_90d` | 90d | Hardcoded "letzte 90 Tage" | unknown | → 90d |
+| `sleep_avg_duration_7d` | 7d | 7 days | unknown | → 7d |
+| `sleep_quality_7d` | 7d | 7 days | unknown | → 7d |
+| `training_frequency_7d` | 7d | 7 days (inferred) | unknown | → 7d |
+| `proxy_internal_load_7d` | 7d | 7 days | unknown | → 7d |
+| `energy_balance_7d` | 7d | 7 days | unknown | → 7d |
+| `protein_adequacy_28d` | 28d | 28 days | unknown | → 28d |
+| `weight_28d_slope` | 28d | 28 days | 28d | ✓ OK |
+| `weight_90d_slope` | 90d | 90 days | 90d | ✓ OK |
+| `fm_28d_change` | 28d | 28 days | 28d | ✓ OK |
+| `lbm_28d_change` | 28d | 28 days | 28d | ✓ OK |
+| `vo2max_trend_28d` | 28d | 28 days | 28d | ✓ OK |
+| ... | | | | |
+
+**Remediation:**
+- **Automatische Regelextraktion:** Name-Pattern (`*_7d`, `*_28d`, etc.) → time_window
+- **Aufwand:** 1 Stunde (automatisch)
+- **Priority:** P0
+
+---
+
+#### 4.2 Code enthält Default-Zeitfenster (20)
+Code nutzt `days=X` Parameter, aber Metadaten unknown
+
+**Beispiele:**
+- `activity_summary`: Code `days=14` (default), Metadaten unknown
+- `sleep_avg_duration`: Code `days=7`, Metadaten unknown
+- `rest_days_count`: Code `days=30`, Metadaten unknown
+
+**Remediation:**
+- **Code-Parameter-Extraktion:** Default-Werte aus Funktionssignaturen lesen
+- **Aufwand:** 2-3 Stunden (semi-automatisch)
+- **Priority:** P0
+
+---
+
+#### 4.3 Fach-Entscheidung erforderlich (39)
+Zeitfenster nicht aus Name/Code ableitbar, fachliche Klassifizierung nötig
+
+**Kategorien:**
+
+**A. Scores (6):**
+- `activity_score`, `nutrition_score`, `recovery_score`, `body_progress_score`, `goal_progress_score`, `data_quality_score`
+- **Vorschlag:** `custom` oder `mixed` (kombinieren verschiedene Zeitfenster)
+
+**B. Ability Balance (5):**
+- `ability_balance_coordination`, `ability_balance_endurance`, `ability_balance_mental`, `ability_balance_mobility`, `ability_balance_strength`
+- **Vorschlag:** `28d` (Rolling-Window-Balance über 28 Tage)
+
+**C. Correlations (5):**
+- `correlation_energy_weight_lag`, `correlation_load_hrv`, `correlation_load_rhr`, `correlation_protein_lbm`, `correlation_sleep_recovery`
+- **Vorschlag:** `28d` (Min-Daten für reliable Korrelationen)
+
+**D. Goals & Focus (16):**
+- `active_goals_json`, `focus_areas_weighted_json`, `top_goal_*`, `top_3_goals_*`, `focus_cat_*`
+- **Vorschlag:** `latest` (Snapshot) oder `custom` (je nach Progress-Berechnung)
+
+**E. Snapshots (7):**
+- `bmi`, `goal_weight`, `goal_bf_pct`, `waist_hip_ratio`, `recomposition_quadrant`, `plateau_detected`, `top_drivers`
+- **Vorschlag:** `latest` (Momentaufnahme) oder `custom` (bei berechneten Werten)
+
+**Remediation:**
+- **Fach-Review mit Product:** Kategorisierungs-Entscheidungen abstimmen
+- **Aufwand:** 4-6 Stunden (Meeting + Dokumentation)
+- **Priority:** P0
+
+---
+
+### CLUSTER 5: Missing Confidence Logic
+
+**Anzahl betroffene Platzhalter:** 103 (93%)
+**Severity:** 🟡 HIGH
+**Norm-Verstoß:** §5 "Qualitäts-/Confidence-Logik"
+
+**Analyse:**
+- Nur 8 Platzhalter haben `confidence_logic` implementiert
+- 103 haben `confidence_logic: null`
+
+**Implementierte Confidence (8):**
+1. `protein_avg`, `kcal_avg`, `fat_avg`, `carb_avg` (nutrition_metrics)
+2. `weight_aktuell`, `weight_trend` (body_metrics)
+3. `caliper_summary`, `circ_summary` (body_metrics)
+
+**Pattern:**
+```python
+confidence = calculate_confidence(data_points, time_window_days, metric_type)
+
+Thresholds:
+- high:         >= 60% data coverage (e.g., >= 18/30 days)
+- medium:       >= 40% data coverage (e.g., >= 12/30 days)
+- low:          >= 26% data coverage (e.g., >= 8/30 days)
+- insufficient: < 26% data coverage
+```
+
+**Fehlende Confidence-Logik besonders kritisch für:**
+
+#### 5.1 Trend-Platzhalter (11)
+**Warum kritisch:** Slopes/Trends mit nur 2-3 Datenpunkten sind unreliabel
+
+| Placeholder | Time-Window | Min-Data empfohlen | Confidence-Logik |
+|-------------|-------------|-------|------------------|
+| `weight_28d_slope` | 28d | 18+ | ❌ Fehlt |
+| `weight_90d_slope` | 90d | 60+ | ❌ Fehlt |
+| `weight_7d_median` | 7d | 5+ | ❌ Fehlt |
+| `fm_28d_change` | 28d | 2 (min), 18+ (ideal) | ❌ Fehlt |
+| `lbm_28d_change` | 28d | 2 (min), 18+ (ideal) | ❌ Fehlt |
+| `waist_28d_delta` | 28d | 2 (min) | ❌ Fehlt |
+| `hip_28d_delta` | 28d | 2 (min) | ❌ Fehlt |
+| `chest_28d_delta` | 28d | 2 (min) | ❌ Fehlt |
+| `arm_28d_delta` | 28d | 2 (min) | ❌ Fehlt |
+| `thigh_28d_delta` | 28d | 2 (min) | ❌ Fehlt |
+| `vo2max_trend_28d` | 28d | 4+ | ❌ Fehlt |
+
+**Remediation:**
+- **Pattern-Anwendung:** `calculate_confidence()` in alle Delta/Slope-Funktionen einbauen
+- **Aufwand:** 12-16 Stunden
+- **Priority:** P1
+
+---
+
+#### 5.2 Score-Platzhalter (6)
+**Warum kritisch:** Composite Scores sollten Confidence der Subkomponenten reflektieren
+
+| Placeholder | Sub-Components | Confidence-Logik |
+|-------------|----------------|------------------|
+| `activity_score` | training_volume, frequency, quality | ❌ Fehlt |
+| `nutrition_score` | energy_balance, protein_adequacy, macro_consistency | ❌ Fehlt |
+| `recovery_score` | sleep_duration, sleep_quality, hrv, rhr | ❌ Fehlt |
+| `body_progress_score` | weight_trend, bf_change, lbm_change | ❌ Fehlt |
+| `goal_progress_score` | weighted goals progress | ❌ Fehlt |
+| `data_quality_score` | data availability per domain | ❌ Fehlt |
+
+**Remediation:**
+- **Composite-Confidence:** Min(subcomponent_confidences)
+- **Aufwand:** 8-10 Stunden
+- **Priority:** P1
+
+---
+
+#### 5.3 Korrelations-Platzhalter (5)
+**Warum kritisch:** Korrelationen mit <14 Paaren sind statistisch unreliabel
+
+| Placeholder | Min-Pairs empfohlen | Confidence-Logik |
+|-------------|---------------------|------------------|
+| `correlation_energy_weight_lag` | 21+ | ❌ Fehlt |
+| `correlation_load_hrv` | 21+ | ❌ Fehlt |
+| `correlation_load_rhr` | 21+ | ❌ Fehlt |
+| `correlation_protein_lbm` | 28+ (mit Training moderiert) | ❌ Fehlt |
+| `correlation_sleep_recovery` | 21+ | ❌ Fehlt |
+
+**Remediation:**
+- **Correlation-Confidence:** Based on n_pairs (high >= 28, medium >= 21, low >= 14)
+- **Aufwand:** 4-6 Stunden
+- **Priority:** P1
+
+---
+
+### CLUSTER 6: Unstrukturierte Missing-Value-Policy
+
+**Anzahl betroffene Platzhalter:** 110 (99%)
+**Severity:** 🟡 MEDIUM
+**Norm-Verstoß:** §3.5 "Fehlwerte explizit"
+
+**Analyse:**
+- 110 haben nur `missing_value_policy.legacy_display: "nicht verfügbar"`
+- Nur 1 hat strukturierte Policy (weight_aktuell mit available=false, reason='no_data')
+
+**Problem:**
+- Legacy-String ist nicht maschinenlesbar
+- Keine Unterscheidung zwischen Fehlertypen:
+  - `no_data`: Keine Daten in Datenbank
+  - `insufficient_data`: Zu wenig Daten für Berechnung
+  - `resolver_error`: Technischer Fehler
+  - `calculation_error`: Mathematischer Fehler (z.B. Division by zero)
+
+**Norm-konformes Format (§3.5):**
+```json
+{
+  "available": false,
+  "value_raw": null,
+  "missing_reason": "insufficient_data",
+  "missing_value_policy": {
+    "legacy_display": "nicht verfügbar",
+    "structured_null": true,
+    "reason_codes": ["no_data", "insufficient_data", "resolver_error"]
+  }
+}
+```
+
+**Remediation:**
+- **Dual-Mode-Ansatz:**
+  - Legacy-String beibehalten (Backward-Compatibility)
+  - Zusätzlich strukturierte Felder (`available`, `missing_reason`, `value_raw`)
+- **Aufwand:** 8-10 Stunden (Pattern-Anwendung auf alle Resolver)
+- **Priority:** P1
+
+---
+
+### CLUSTER 7: Metadata Completeness Score 0
+
+**Anzahl betroffene Platzhalter:** 111 (100%)
+**Severity:** 🟡 MEDIUM
+**Norm-Verstoß:** Kein direkter Verstoß, aber Indikator für fehlende Pflichtfelder
+
+**Analyse:**
+- Alle 111 haben `metadata_completeness_score: 0`
+- Score-Berechnung (vermutlich):
+  ```
+  score = (filled_fields / total_required_fields) * 100
+  ```
+- Da Score 0 → vermutlich wurden Pflichtfelder nicht als "gefüllt" erkannt
+
+**Pflichtfelder (aus Norm §7.1):**
+1. `key` ✅ (alle gefüllt)
+2. `placeholder` ✅ (alle gefüllt)
+3. `category` ❌ (49 Unknown)
+4. `type` ✅ (alle gefüllt)
+5. `description` ❌ (49 "No description")
+6. `semantic_contract` ❌ (49 "No description")
+7. `unit` ✅ (alle gefüllt)
+8. `time_window` ❌ (74 unknown)
+9. `output_type` ✅ (alle gefüllt)
+10. `value_display` ❌ (111 null)
+11. `available` ✅ (alle true)
+12. `missing_value_policy` ✅ (alle gefüllt, aber schwach)
+13. `source` ❌ (100 data_layer_module null, 90 source_tables [])
+14. `version` ✅ (alle 1.0.0)
+15. `deprecated` ✅ (alle false)
+
+**Score 0 Root Cause:**
+- Vermutlich zählen `null`/`unknown`/`[]`/`"No description"` als "nicht gefüllt"
+- → 7 von 15 Pflichtfeldern nicht korrekt gefüllt = 0% Score
+
+**Remediation:**
+- **Nach P0+P1 Fixes:** Score sollte automatisch auf 40-60% steigen
+- **Zusätzlich:** value_display für alle Platzhalter füllen (aus Beispieldaten)
+- **Aufwand:** Inkludiert in anderen Clustern
+- **Priority:** P2 (Indikator-Fix, nicht eigenständig)
+
+---
+
+### CLUSTER 8: Schema Status "draft"
+
+**Anzahl betroffene Platzhalter:** 111 (100%)
+**Severity:** 🟡 MEDIUM
+**Norm-Verstoß:** §13 Akzeptanzkriterien (production-ready Platzhalter fehlen)
+
+**Analyse:**
+- Alle 111 haben `schema_status: draft`
+- Keine Platzhalter im Status `production`, `beta`, oder `stable`
+
+**Erlaubte Werte (vermutlich):**
+- `draft`: Work in Progress
+- `beta`: In Testing
+- `stable`: Production-Ready, aber noch nicht finalisiert
+- `production`: Voll produktionsreif, Breaking Changes verboten
+
+**Kriterien für `production` (vorgeschlagen):**
+1. `metadata_completeness_score >= 80`
+2. `used_by.prompts.length >= 1 OR used_by.pipelines.length >= 1`
+3. `time_window != 'unknown'`
+4. `category != 'Unknown'`
+5. `description != 'No description available'`
+6. `confidence_logic != null OR type == 'atomic' with time_window == 'latest'`
+7. `known_issues.length == 0`
+
+**Kandidaten für `production` nach P0+P1 Fixes:**
+- Nutrition Averages (4): protein_avg, kcal_avg, fat_avg, carb_avg
+- Body Metrics (2): weight_aktuell, weight_trend
+- Profil (4): name, age, height, geschlecht
+- Summaries (2): caliper_summary, circ_summary
+- **Total: 12-15 Kandidaten**
+
+**Remediation:**
+- **Automatische Bewertung:** Script zur Berechnung von Production-Eligibility
+- **Manuelle Review:** Product/Tech Lead bestätigt Production-Status
+- **Aufwand:** 4-6 Stunden
+- **Priority:** P2
+
+---
+
+### CLUSTER 9: Ungenutzte Platzhalter (Orphans)
+
+**Anzahl betroffene Platzhalter:** 67 (60%)
+**Severity:** 🟢 LOW (aber Technical Debt)
+**Norm-Verstoß:** Kein direkter Verstoß, aber Governance-Issue
+
+**Analyse:**
+- 67 Platzhalter haben `used_by.prompts: []`, `used_by.pipelines: []`, `used_by.charts: []`
+- 0 Verwendungen = potentielle Deprecation-Kandidaten
+
+**Kategorisierung:**
+
+#### 9.1 Geplante Features (Phase 1b/1c) - behalten (30)
+- Correlations (5): energy_weight_lag, load_hrv, load_rhr, protein_lbm, sleep_recovery
+- Goals Details (11): active_goals_json/md, focus_areas, top_goals
+- Ability Balance (5): coordination, endurance, mental, mobility, strength
+- Scores (6): activity_score, nutrition_score, recovery_score, body_progress_score, goal_progress_score, data_quality_score
+- Plateau (1): plateau_detected
+- Top Drivers (1): top_drivers
+- Sleep Debt (1): sleep_debt_hours
+
+#### 9.2 Redundant/Obsolet - Deprecation prüfen (15)
+- Body Deltas (4): arm_28d_delta, chest_28d_delta, hip_28d_delta, thigh_28d_delta (redundant zu waist_28d_delta Pattern)
+- Training Load (3): monotony_score, strain_score, recent_load_balance_3d (noch nicht genutzt)
+- Meta (3): zeitraum_90d, datum_heute (System-Platzhalter, wenig Wert)
+- Vitals Trends (2): hrv_vs_baseline_pct, rhr_vs_baseline_pct (noch nicht genutzt)
+- Sleep Regularity (1): sleep_regularity_proxy (experimentell)
+- BMI (1): bmi (berechenbar, redundant)
+- Waist-Hip-Ratio (1): waist_hip_ratio (berechenbar, redundant)
+
+#### 9.3 Unklar - Product-Review (22)
+- Rest: Weitere Ability Balance, Focus Cat Weights, etc.
+
+**Remediation:**
+- **Product-Review:** Welche für Phase 1b/1c/2 geplant? Welche streichen?
+- **Deprecation-Strategie:** `deprecated: true`, `replacement: "new_placeholder"`, Sunset-Datum
+- **Aufwand:** 4-6 Stunden (Meeting + Dokumentation)
+- **Priority:** P2
+
+---
+
+### CLUSTER 10: Export-Inkonsistenzen
+
+**Anzahl betroffene Platzhalter:** 5 (Meta-Gap)
+**Severity:** 🟢 INFO
+**Norm-Verstoß:** Kein direkter Verstoß, aber Governance-Issue
+
+**Problem:**
+- Export Spec sagt: "116 Platzhalter"
+- Extended Catalog + Gap Report: "111 Platzhalter"
+- Differenz: 5 Platzhalter
+
+**Analyse:**
+- Die 5 zusätzlichen sind vermutlich **Metafelder** im Export:
+  1. `schema_version`
+  2. `generated_at`
+  3. `normative_standard`
+  4. `total_placeholders`
+  5. `metadata.summary` (oder ähnlich)
+
+**Remediation:**
+- **Dokumentation:** Export-Spec klarstellen (111 User-Placeholders + 5 Metafelder)
+- **Aufwand:** 30 Minuten
+- **Priority:** P3
+
+---
+
+### CLUSTER 11: Code-Dokumentations-Konflikte
+
+**Anzahl betroffene Platzhalter:** 3 (kritische Konflikte)
+**Severity:** 🔴 CRITICAL
+**Norm-Verstoß:** §2 "Vorrang" (Code > Docs bei Konflikt)
+
+**Konflikte:**
+
+#### 11.1 weight_trend
+- **Description:** "Gewichtstrend (7d/30d)"
+- **Code:** `get_weight_trend_data(profile_id, days=28)`
+- **Metadaten:** `time_window: unknown`
+- **Used-By:** 10 Prompts/Pipelines
+- **Impact:** 🔴 HIGH (Prompts gehen von 7d/30d aus, erhalten aber 28d)
+
+**Fix:**
+```
+description: "Gewichtstrend 28d (lineare Regression)"
+semantic_contract: "Lineare Regression über 28 Tage, Richtung + Delta"
+time_window: "28d"
+```
+
+---
+
+#### 11.2 activity_summary
+- **Description:** "Aktivitäts-Zusammenfassung (7d)"
+- **Code:** `get_activity_summary_data(profile_id, days=14)`
+- **Metadaten:** `time_window: unknown`
+- **Used-By:** 2 Prompts
+- **Impact:** 🟡 MEDIUM (weniger Verwendungen, aber Inkonsistenz)
+
+**Fix:**
+```
+description: "Aktivitäts-Zusammenfassung 14d"
+semantic_contract: "Aggregierte Aktivitäts-Metriken über 14 Tage"
+time_window: "14d"
+```
+
+---
+
+#### 11.3 activity_detail
+- **Description:** "Keine explizite Zeitangabe"
+- **Code:** `get_activity_detail_data(profile_id, days=14, limit=20)`
+- **Metadaten:** `time_window: unknown`
+- **Used-By:** 4 Prompts
+- **Impact:** 🟡 MEDIUM
+
+**Fix:**
+```
+description: "Detaillierte Aktivitäts-Liste 14d (max 20 Einträge)"
+semantic_contract: "Sortierte Liste letzter 20 Aktivitäten aus 14-Tage-Fenster"
+time_window: "14d"
+```
+
+---
+
+**Remediation:**
+- **Sofortige Korrektur:** Description, semantic_contract, time_window auf Code-Wahrheit setzen
+- **Aufwand:** 1 Stunde
+- **Priority:** P0
+
+---
+
+## GAP-CLUSTER ZUSAMMENFASSUNG
+
+| Cluster | Platzhalter | Severity | Priority | Aufwand | Abhängigkeiten |
+|---------|-------------|----------|----------|---------|----------------|
+| **1. Semantic Contract** | 49 | 🔴 CRITICAL | P0 | 4-6h | Keine |
+| **2. Data Layer Module** | 100 | 🔴 CRITICAL | P1 | 6-8h | Cluster 1 |
+| **3. Source Tables** | 90 | 🔴 CRITICAL | P1 | 6-8h | Cluster 1 |
+| **4. Time Window** | 74 | 🔴 CRITICAL | P0 | 6-10h | Keine |
+| **5. Confidence Logic** | 103 | 🟡 HIGH | P1 | 24-32h | Cluster 4 |
+| **6. Missing-Value-Policy** | 110 | 🟡 MEDIUM | P1 | 8-10h | Cluster 5 |
+| **7. Completeness Score 0** | 111 | 🟡 MEDIUM | P2 | Inkludiert | Nach P0+P1 |
+| **8. Schema Status draft** | 111 | 🟡 MEDIUM | P2 | 4-6h | Nach P0+P1 |
+| **9. Ungenutzte Platzhalter** | 67 | 🟢 LOW | P2 | 4-6h | Product-Review |
+| **10. Export-Inkonsistenzen** | 5 | 🟢 INFO | P3 | 0.5h | Keine |
+| **11. Code-Docs-Konflikte** | 3 | 🔴 CRITICAL | P0 | 1h | Keine |
+
+**Gesamt-Remediationsaufwand:** 64-87 Stunden (gestaffelt über P0-P3)
+
+---
+
+## REMEDIATION-PRIORISIERUNG
+
+### P0 (BLOCKING - Week 1)
+1. **Cluster 11:** Code-Docs-Konflikte (1h)
+2. **Cluster 1:** Semantic Contract (4-6h)
+3. **Cluster 4:** Time Window (6-10h)
+   - **Sub:** Name-Pattern (1h, automatisch)
+   - **Sub:** Code-Parameter (2-3h, semi-automatisch)
+   - **Sub:** Fach-Entscheidung (4-6h, manuell mit Product)
+
+**Total P0:** 11-17 Stunden
+
+---
+
+### P1 (HIGH - Week 2-3)
+1. **Cluster 2:** Data Layer Module (6-8h)
+2. **Cluster 3:** Source Tables (6-8h)
+3. **Cluster 5:** Confidence Logic (24-32h)
+   - **Sub:** Trend-Platzhalter (12-16h)
+   - **Sub:** Score-Platzhalter (8-10h)
+   - **Sub:** Korrelations-Platzhalter (4-6h)
+4. **Cluster 6:** Missing-Value-Policy (8-10h)
+
+**Total P1:** 44-58 Stunden
+
+---
+
+### P2 (MEDIUM - Week 4-5)
+1. **Cluster 7:** Completeness Score (inkludiert in P0+P1)
+2. **Cluster 8:** Schema Status Production (4-6h)
+3. **Cluster 9:** Ungenutzte Platzhalter Review (4-6h)
+
+**Total P2:** 8-12 Stunden
+
+---
+
+### P3 (LOW - Later)
+1. **Cluster 10:** Export-Inkonsistenzen Doku (0.5h)
+
+**Total P3:** 0.5 Stunden
+
+---
+
+**GESAMT:** 63.5-87.5 Stunden über 4-6 Wochen
+
+---
+
+## NÄCHSTE SCHRITTE
+
+1. **Review dieses Gap-Reports** mit Tech Lead
+2. **Priorisierungs-Bestätigung:** P0-Liste final absegnen
+3. **Kickoff P0-Sprint:**
+   - Code-Docs-Konflikte sofort fixen (1h)
+   - Semantic Contract Bulk-Update (4-6h)
+   - Zeitfenster-Klassifizierung (6-10h)
+4. **Nach P0:** P1-Sprint planen (Confidence + Data Layer + Missing-Value)
+
+**Zie
+
+l nach P0+P1:** 60-70% Normkonformität erreicht
+
+---
+
+**Audit-Report erstellt von:** Claude Code (Lead Audit Agent)
+**Basis:** 4-Agent-Analyse (Code-Evidence, Semantic-Contract, Time-Window-Confidence, Prompt-Usage)

.claude/docs/audit/platzhalter/audit-report-2026-03-29/03_MASSNAHMENPLAN.md

@@ -0,0 +1,983 @@
+# Priorisierter Maßnahmenplan: Placeholder-Remediation
+
+**Audit-Datum:** 29. März 2026
+**Basis:** Gap-Cluster-Analyse, 111 Platzhalter
+**Ziel:** Normkonformität auf 60-70% steigern (aktuell 7%)
+
+---
+
+## ROADMAP-ÜBERSICHT
+
+| Phase | Fokus | Dauer | Aufwand | Ziel-Compliance |
+|-------|-------|-------|---------|-----------------|
+| **P0** | Blocking Issues | Week 1 | 11-17h | 25-30% |
+| **P1** | High Priority Gaps | Week 2-3 | 44-58h | 50-60% |
+| **P2** | Medium Priority | Week 4-5 | 8-12h | 65-70% |
+| **P3** | Nice-to-Have | Later | 0.5h | 70%+ |
+| **TOTAL** | | 4-6 Wochen | 63.5-87.5h | 70%+ |
+
+---
+
+## P0: BLOCKING ISSUES (Week 1)
+
+**Ziel:** Kritische Inkonsistenzen und Pflichtfelder beheben
+**Aufwand:** 11-17 Stunden
+**Team:** 1-2 Entwickler
+**Dependencies:** Keine - sofort startbar
+
+---
+
+### P0.1: Code-Dokumentations-Konflikte (SOFORT)
+
+**Gap-Cluster:** 11
+**Betroffene Platzhalter:** 3 (weight_trend, activity_summary, activity_detail)
+**Severity:** 🔴 CRITICAL
+**Aufwand:** 1 Stunde
+
+**Maßnahmen:**
+
+1. **weight_trend Fix**
+   ```diff
+   # PLACEHOLDER_CATALOG_EXTENDED.json
+   {
+     "key": "weight_trend",
+   - "description": "Gewichtstrend (7d/30d)",
+   + "description": "Gewichtstrend 28d (lineare Regression)",
+   - "semantic_contract": "Gewichtstrend (7d/30d)",
+   + "semantic_contract": "Lineare Regression über 28 Tage, Richtung + Delta in kg",
+   - "time_window": "unknown",
+   + "time_window": "28d",
+   }
+   ```
+
+2. **activity_summary Fix**
+   ```diff
+   {
+     "key": "activity_summary",
+   - "description": "Aktivitäts-Zusammenfassung (7d)",
+   + "description": "Aktivitäts-Zusammenfassung 14d",
+   - "semantic_contract": "Aktivitäts-Zusammenfassung (7d)",
+   + "semantic_contract": "Aggregierte Aktivitäts-Metriken über 14 Tage",
+   - "time_window": "unknown",
+   + "time_window": "14d",
+   }
+   ```
+
+3. **activity_detail Fix**
+   ```diff
+   {
+     "key": "activity_detail",
+   - "description": "No description available",
+   + "description": "Detaillierte Aktivitäts-Liste 14d (max 20 Einträge)",
+   - "semantic_contract": "No description available",
+   + "semantic_contract": "Sortierte Liste letzter 20 Aktivitäten aus 14-Tage-Fenster, DESC nach Datum",
+   - "time_window": "unknown",
+   + "time_window": "14d",
+   }
+   ```
+
+**Validation:**
+- Code-Review: Zeitfenster im Code bestätigen
+- Prompt-Review: Alle 10+2+4 betroffenen Prompts/Pipelines prüfen
+
+**Owner:** Backend Lead
+**Blocker:** Keine
+**Output:** 3 Fixed Platzhalter, Updated Catalog
+
+---
+
+### P0.2: Zeitfenster Name-Pattern (AUTOMATISCH)
+
+**Gap-Cluster:** 4.1
+**Betroffene Platzhalter:** 15 (zeitraum_*, sleep_*_7d, training_frequency_7d, etc.)
+**Severity:** 🔴 CRITICAL
+**Aufwand:** 1 Stunde (automatisches Skript)
+
+**Maßnahmen:**
+
+**Skript: `fix_time_window_from_name.py`**
+```python
+import json
+import re
+
+# Regex-Pattern für Zeitfenster im Namen
+patterns = {
+    r'_7d$|_7d_': '7d',
+    r'_14d$|_14d_': '14d',
+    r'_28d$|_28d_': '28d',
+    r'_30d$|_30d_': '30d',
+    r'_90d$|_90d_': '90d',
+}
+
+catalog = load_catalog()
+fixes = []
+
+for placeholder in catalog['placeholders'].values():
+    key = placeholder['key']
+
+    # Überspringe bereits definierte
+    if placeholder['time_window'] != 'unknown':
+        continue
+
+    # Pattern-Match
+    for pattern, window in patterns.items():
+        if re.search(pattern, key):
+            placeholder['time_window'] = window
+            fixes.append(f"{key}: unknown → {window}")
+            break
+
+print(f"Fixed {len(fixes)} placeholders")
+save_catalog(catalog)
+```
+
+**Erwartete Fixes:**
+- `zeitraum_7d`: unknown → 7d
+- `zeitraum_30d`: unknown → 30d
+- `zeitraum_90d`: unknown → 90d
+- `sleep_avg_duration_7d`: unknown → 7d
+- `sleep_quality_7d`: unknown → 7d
+- `training_frequency_7d`: unknown → 7d
+- `proxy_internal_load_7d`: unknown → 7d
+- `energy_balance_7d`: unknown → 7d
+- `protein_adequacy_28d`: unknown → 28d
+- ... (insgesamt ~15)
+
+**Validation:**
+- Manuelle Review der Auto-Fixes
+- Diff-Check vor Commit
+
+**Owner:** DevOps / Automation
+**Blocker:** Keine
+**Output:** 15 Fixed Platzhalter
+
+---
+
+### P0.3: Zeitfenster Code-Parameter (SEMI-AUTOMATISCH)
+
+**Gap-Cluster:** 4.2
+**Betroffene Platzhalter:** ~20 (activity_summary, sleep_avg_duration, rest_days_count, etc.)
+**Severity:** 🔴 CRITICAL
+**Aufwand:** 2-3 Stunden
+
+**Maßnahmen:**
+
+1. **Code-Parameter-Extraktion**
+   - Suche in `placeholder_resolver.py` nach `days=X` Parametern
+   - Greppen in `data_layer/*.py` nach Default-Werten
+
+   ```bash
+   # Beispiel-Grep
+   grep -n "def get_.*_data.*days=" backend/data_layer/*.py
+   grep -n "lambda.*days=" backend/placeholder_resolver.py
+   ```
+
+2. **Manuelle Zuordnung**
+   - Für jeden Treffer: Placeholder Key identifizieren
+   - Default-Wert → time_window setzen
+
+**Erwartete Fixes:**
+- `sleep_avg_duration`: Code `days=7` → time_window: 7d
+- `rest_days_count`: Code `days=30` → time_window: 30d
+- `nutrition_days`: Code `days=30` → time_window: 30d
+- ... (~20 total)
+
+**Validation:**
+- Code-Review der Mappings
+- Stichproben-Tests
+
+**Owner:** Backend Developer
+**Blocker:** P0.2 abgeschlossen
+**Output:** 20 Fixed Platzhalter
+
+---
+
+### P0.4: Semantic Contract Bulk-Update
+
+**Gap-Cluster:** 1.1
+**Betroffene Platzhalter:** 49 ("No description available")
+**Severity:** 🔴 CRITICAL
+**Aufwand:** 4-6 Stunden
+
+**Maßnahmen:**
+
+**Input:** Semantic-Contract-Agent-Report (bereits vorhanden)
+**Prozess:**
+1. Für jeden der 49 Platzhalter:
+   - `description` aus Agent-Report übernehmen
+   - `semantic_contract` aus Agent-Report übernehmen
+   - `category` aus Agent-Report setzen (statt "Unknown")
+2. Bulk-Update via JSON-Merge-Skript
+3. Manuelle Review der Top-10 kritischsten (nach Usage)
+
+**Beispiel-Update (ability_balance_coordination):**
+```diff
+{
+  "key": "ability_balance_coordination",
+- "category": "Unknown",
++ "category": "Training",
+- "description": "No description available",
++ "description": "Koordinationsfähigkeit-Balance-Anteil (%)",
+- "semantic_contract": "No description available",
++ "semantic_contract": "Gewichteter Anteil der Trainings-Last für Koordinations-Fähigkeit über 28-Tage-Fenster",
+- "time_window": "unknown",
++ "time_window": "28d",
+}
+```
+
+**Prioritäts-Reihenfolge (nach Usage):**
+1. Goals & Focus (16) - 7 produktkritisch
+2. Correlations (5) - experimentell, aber wichtig
+3. Body Deltas (5) - Körper-Tracking
+4. Nutrition (6) - Ernährungs-Metriken
+5. Training (8) - Ability Balance, Load
+6. Summaries (3) - circ_summary, caliper_summary
+7. Meta (2) - zeitraum_90d
+8. Plateau (1) - plateau_detected
+9. Top Drivers (1) - top_drivers
+
+**Validation:**
+- Review der Top-10 produktkritischsten Platzhalter manuell
+- Stichprobe 10% der restlichen
+- Automated Consistency Check (keine "No description" mehr)
+
+**Owner:** Backend Lead + Product (für fachliche Review)
+**Blocker:** Keine
+**Output:** 49 Fixed Platzhalter, alle mit Kategorie + Description
+
+---
+
+### P0.5: Zeitfenster Fach-Entscheidung
+
+**Gap-Cluster:** 4.3
+**Betroffene Platzhalter:** ~39 (Scores, Ability Balance, Correlations, Goals, Snapshots)
+**Severity:** 🔴 CRITICAL
+**Aufwand:** 4-6 Stunden (Meeting + Dokumentation)
+
+**Maßnahmen:**
+
+**Phase 1: Kategorisierung (2h)**
+- Product + Tech Meeting
+- Entscheidung pro Kategorie:
+
+| Kategorie | Platzhalter | Vorschlag | Rationale |
+|-----------|-------------|-----------|-----------|
+| **Scores (6)** | activity_score, nutrition_score, recovery_score, body_progress_score, goal_progress_score, data_quality_score | `custom` oder `mixed` | Kombinieren verschiedene Zeitfenster |
+| **Ability Balance (5)** | coordination, endurance, mental, mobility, strength | `28d` | Rolling-Window über 28 Tage |
+| **Correlations (5)** | energy_weight_lag, load_hrv, load_rhr, protein_lbm, sleep_recovery | `28d` | Min-Daten für Reliability |
+| **Goals & Focus (16)** | active_goals_json, focus_areas_*, top_goal_*, top_3_goals_*, focus_cat_* | `latest` (Snapshot) oder `custom` | Je nach Progress-Berechnung |
+| **Snapshots (7)** | bmi, goal_weight, goal_bf_pct, waist_hip_ratio, recomposition_quadrant, plateau_detected, top_drivers | `latest` oder `custom` | Momentaufnahme vs. Berechnet |
+
+**Phase 2: Dokumentation (2h)**
+- Entscheidungen in Decision-Log festhalten
+- time_window-Werte in Catalog setzen
+- Semantic Contracts anpassen (Zeit-Bezug aufnehmen)
+
+**Phase 3: Validation (1h)**
+- Review mit Stakeholdern
+- Prompt-Autoren informieren (Breaking Change bei "custom" → spezifisches Fenster)
+
+**Owner:** Product Manager + Tech Lead
+**Blocker:** P0.4 Semantic Contract abgeschlossen
+**Output:** Decision-Log, 39 Fixed Platzhalter
+
+---
+
+### P0 SUMMARY
+
+**Gesamt-Aufwand:** 11-17 Stunden
+**Deliverables:**
+- 3 Code-Docs-Konflikte gelöst
+- 74 time_window: unknown → definierte Werte
+- 49 description/category: Unknown/No description → vollständig
+- **Total Fixed:** 77 Platzhalter (15+20+39+3 unique)
+
+**Impact:**
+- **Compliance:** 7% → 25-30%
+- **Blocked Gaps:** time_window, description, category, code-conflicts
+
+**Next:** P1 kann starten (Confidence, Data Layer, Source Tables)
+
+---
+
+## P1: HIGH PRIORITY (Week 2-3)
+
+**Ziel:** Technische Tiefe hinzufügen (Confidence, Data Layer, Source Tables)
+**Aufwand:** 44-58 Stunden
+**Team:** 2-3 Entwickler
+**Dependencies:** P0 abgeschlossen
+
+---
+
+### P1.1: Confidence-Logik für Trend-Platzhalter
+
+**Gap-Cluster:** 5.1
+**Betroffene Platzhalter:** 11 (weight_*_slope, *_28d_delta, vo2max_trend_28d)
+**Severity:** 🟡 HIGH
+**Aufwand:** 12-16 Stunden
+
+**Maßnahmen:**
+
+**Pattern:**
+```python
+# In data_layer/body_metrics.py
+
+def calculate_weight_28d_slope(profile_id: int, conn):
+    """Gewichtstrend über 28 Tage mit Confidence."""
+    # 1. Daten holen
+    rows = fetch_weight_data(profile_id, days=28, conn=conn)
+
+    # 2. Confidence berechnen
+    confidence = calculate_confidence(
+        data_points=len(rows),
+        time_window_days=28,
+        metric_type='trend'
+    )
+
+    if confidence == 'insufficient':
+        return {
+            'slope': None,
+            'confidence': 'insufficient',
+            'data_points': len(rows),
+            'min_required': 8  # 28% coverage
+        }
+
+    # 3. Slope berechnen (nur wenn sufficient)
+    slope = linear_regression_slope(rows)
+
+    return {
+        'slope': slope,
+        'confidence': confidence,  # high/medium/low
+        'data_points': len(rows),
+        'r_squared': calculate_r_squared(rows, slope)
+    }
+```
+
+**Thresholds (trend-specific):**
+```python
+def calculate_confidence(data_points, time_window_days, metric_type):
+    coverage = data_points / time_window_days
+
+    if metric_type == 'trend':
+        # Strengere Thresholds für Trends
+        if coverage >= 0.70:  # >= 70%
+            return 'high'
+        elif coverage >= 0.50:  # >= 50%
+            return 'medium'
+        elif coverage >= 0.30:  # >= 30%
+            return 'low'
+        else:
+            return 'insufficient'
+    # ... andere Typen
+```
+
+**Zu implementieren für:**
+1. `weight_28d_slope` (28d, min 8, ideal 20)
+2. `weight_90d_slope` (90d, min 27, ideal 63)
+3. `weight_7d_median` (7d, min 3, ideal 5)
+4. `fm_28d_change` (28d, min 2, ideal 18)
+5. `lbm_28d_change` (28d, min 2, ideal 18)
+6. `waist_28d_delta` (28d, min 2, ideal 18)
+7. `hip_28d_delta` (28d, min 2, ideal 18)
+8. `chest_28d_delta` (28d, min 2, ideal 18)
+9. `arm_28d_delta` (28d, min 2, ideal 18)
+10. `thigh_28d_delta` (28d, min 2, ideal 18)
+11. `vo2max_trend_28d` (28d, min 4, ideal 18)
+
+**Testing:**
+- Unit-Tests für calculate_confidence() mit verschiedenen Coverages
+- Integration-Tests mit real data (0%, 30%, 50%, 70%, 100% coverage)
+- Regression-Tests (alte Werte ohne Confidence bleiben gleich)
+
+**Owner:** Backend Developer (Senior)
+**Blocker:** P0 time_window abgeschlossen
+**Output:** 11 Platzhalter mit Confidence-Logik
+
+---
+
+### P1.2: Confidence-Logik für Score-Platzhalter
+
+**Gap-Cluster:** 5.2
+**Betroffene Platzhalter:** 6 (activity_score, nutrition_score, recovery_score, etc.)
+**Severity:** 🟡 HIGH
+**Aufwand:** 8-10 Stunden
+
+**Maßnahmen:**
+
+**Composite-Confidence-Pattern:**
+```python
+def calculate_nutrition_score(profile_id: int, conn):
+    """Nutrition Score mit Composite Confidence."""
+    # 1. Sub-Scores berechnen (mit eigenen Confidences)
+    energy_balance = calculate_energy_balance_7d(profile_id, conn)
+    protein_adequacy = calculate_protein_adequacy_28d(profile_id, conn)
+    macro_consistency = calculate_macro_consistency_score(profile_id, conn)
+
+    # 2. Composite Confidence = MIN(sub-confidences)
+    confidence_levels = ['high', 'medium', 'low', 'insufficient']
+    confidences = [
+        energy_balance['confidence'],
+        protein_adequacy['confidence'],
+        macro_consistency['confidence']
+    ]
+
+    # Min-Confidence
+    min_confidence = min(confidences, key=lambda c: confidence_levels.index(c))
+
+    if min_confidence == 'insufficient':
+        return {
+            'score': None,
+            'confidence': 'insufficient',
+            'sub_scores': {...},
+            'note': 'Mindestens eine Komponente hat insufficient data'
+        }
+
+    # 3. Score berechnen (gewichtet)
+    score = (
+        energy_balance['score'] * 0.4 +
+        protein_adequacy['score'] * 0.4 +
+        macro_consistency['score'] * 0.2
+    )
+
+    return {
+        'score': round(score),
+        'confidence': min_confidence,
+        'sub_scores': {
+            'energy_balance': energy_balance,
+            'protein_adequacy': protein_adequacy,
+            'macro_consistency': macro_consistency
+        }
+    }
+```
+
+**Zu implementieren für:**
+1. `activity_score` (training_volume + frequency + quality)
+2. `nutrition_score` (energy_balance + protein_adequacy + macro_consistency)
+3. `recovery_score` (sleep_duration + sleep_quality + hrv + rhr)
+4. `body_progress_score` (weight_trend + bf_change + lbm_change)
+5. `goal_progress_score` (weighted goals progress)
+6. `data_quality_score` (data availability per domain)
+
+**Testing:**
+- Scenario-Tests: alle Sub-Scores high → Composite high
+- Scenario-Tests: eine Sub-Score insufficient → Composite insufficient
+- Edge-Cases: missing Sub-Components
+
+**Owner:** Backend Developer (Mid/Senior)
+**Blocker:** P1.1 Trend-Confidence abgeschlossen (Pattern etabliert)
+**Output:** 6 Platzhalter mit Composite Confidence
+
+---
+
+### P1.3: Confidence-Logik für Korrelations-Platzhalter
+
+**Gap-Cluster:** 5.3
+**Betroffene Platzhalter:** 5 (correlation_*)
+**Severity:** 🟡 HIGH
+**Aufwand:** 4-6 Stunden
+
+**Maßnahmen:**
+
+**Correlation-Confidence-Pattern:**
+```python
+def calculate_lag_correlation(profile_id, metric_a, metric_b, lag_days=[0,3,7,14], conn):
+    """Lag-Korrelation mit Pair-basiertem Confidence."""
+    results = []
+
+    for lag in lag_days:
+        pairs = fetch_paired_data(profile_id, metric_a, metric_b, lag, conn)
+        n_pairs = len(pairs)
+
+        # Confidence basierend auf Anzahl Paare
+        if n_pairs >= 28:
+            confidence = 'high'
+        elif n_pairs >= 21:
+            confidence = 'medium'
+        elif n_pairs >= 14:
+            confidence = 'low'
+        else:
+            confidence = 'insufficient'
+
+        if confidence == 'insufficient':
+            correlation = None
+        else:
+            correlation = pearson_correlation(pairs)
+
+        results.append({
+            'lag_days': lag,
+            'correlation': correlation,
+            'n_pairs': n_pairs,
+            'confidence': confidence,
+            'note': 'explorativ, nicht kausal'
+        })
+
+    return {
+        'correlations': results,
+        'overall_confidence': min([r['confidence'] for r in results])
+    }
+```
+
+**Zu implementieren für:**
+1. `correlation_energy_weight_lag` (min 21 Paare)
+2. `correlation_load_hrv` (min 21 Paare)
+3. `correlation_load_rhr` (min 21 Paare)
+4. `correlation_protein_lbm` (min 28 Paare, Training moderiert)
+5. `correlation_sleep_recovery` (min 21 Paare)
+
+**Testing:**
+- Synthetic Data: 10, 14, 21, 28, 35 Paare → Confidence-Check
+- Real Data: Validate gegen tatsächliche Daten-Dichte
+
+**Owner:** Backend Developer (Senior, Statistik-Know-how)
+**Blocker:** P1.1 Confidence-Pattern etabliert
+**Output:** 5 Platzhalter mit Correlation-Confidence
+
+---
+
+### P1.4: Data-Layer-Module dokumentieren
+
+**Gap-Cluster:** 2
+**Betroffene Platzhalter:** 100 (data_layer_module: null)
+**Severity:** 🔴 CRITICAL
+**Aufwand:** 6-8 Stunden
+
+**Maßnahmen:**
+
+**Input:** Code-Evidence-Agent-Report (technische Herkunft für alle 111)
+
+**Prozess:**
+1. **Mapping-Extraktion:**
+   - Für jede `_safe_*`-Funktion: Gerufene Data-Layer-Funktion identifizieren
+   - Mapping: Placeholder Key → Data-Layer-Module
+
+2. **Bulk-Update-Skript:**
+   ```python
+   # Mapping aus Code-Evidence-Report
+   data_layer_mapping = {
+       'goal_progress_score': 'data_layer.scores',
+       'body_progress_score': 'data_layer.body_metrics',
+       'nutrition_score': 'data_layer.nutrition_metrics',
+       'activity_score': 'data_layer.activity_metrics',
+       'recovery_score': 'data_layer.recovery_metrics',
+       # ... 95 more
+   }
+
+   # Catalog Update
+   for key, module in data_layer_mapping.items():
+       catalog['placeholders'][key]['source']['data_layer_module'] = module
+   ```
+
+3. **Validation:**
+   - Automated Check: Alle 111 haben data_layer_module gesetzt
+   - Stichprobe 10%: Manuell im Code validieren
+
+**Owner:** DevOps / Backend Lead
+**Blocker:** Code-Evidence-Agent-Report finalisiert (✓)
+**Output:** 100 Fixed Platzhalter
+
+---
+
+### P1.5: Source-Tables dokumentieren
+
+**Gap-Cluster:** 3
+**Betroffene Platzhalter:** 90 (source_tables: [])
+**Severity:** 🔴 CRITICAL
+**Aufwand:** 6-8 Stunden
+
+**Maßnahmen:**
+
+**Identisch zu P1.4:**
+- Mapping aus Code-Evidence-Report übernehmen
+- Bulk-Update-Skript
+- Validation
+
+**Mapping-Beispiel:**
+```python
+source_tables_mapping = {
+    'weight_aktuell': ['weight_log'],
+    'weight_trend': ['weight_log'],
+    'kf_aktuell': ['caliper_log'],
+    'bmi': ['weight_log', 'profiles'],
+    'nutrition_score': ['nutrition_log'],
+    'activity_score': ['activity_log'],
+    'recovery_score': ['sleep_log', 'vitals_baseline', 'rest_days'],
+    # ... 83 more
+}
+```
+
+**Owner:** DevOps / Backend Lead
+**Blocker:** Code-Evidence-Agent-Report finalisiert (✓)
+**Output:** 90 Fixed Platzhalter
+
+---
+
+### P1.6: Strukturierte Missing-Value-Policy
+
+**Gap-Cluster:** 6
+**Betroffene Platzhalter:** 110 (nur legacy_display)
+**Severity:** 🟡 MEDIUM
+**Aufwand:** 8-10 Stunden
+
+**Maßnahmen:**
+
+**Dual-Mode-Ansatz:**
+```python
+# Alte Resolver-Return (Backward-Compatible)
+def get_weight_trend(profile_id, days=28, conn=None):
+    data = get_weight_trend_data(profile_id, days, conn)
+
+    if data['confidence'] == 'insufficient':
+        # Legacy: String-Return
+        return "nicht verfügbar"
+
+    return f"{data['direction']} {data['delta']} kg"
+
+# Neue Structured-Return (Parallel)
+def get_weight_trend_structured(profile_id, days=28, conn=None):
+    data = get_weight_trend_data(profile_id, days, conn)
+
+    if data['confidence'] == 'insufficient':
+        return {
+            'available': False,
+            'value_raw': None,
+            'value_display': "nicht verfügbar",
+            'missing_reason': 'insufficient_data',
+            'missing_value_policy': {
+                'legacy_display': "nicht verfügbar",
+                'structured_null': True,
+                'reason_codes': ['no_data', 'insufficient_data', 'resolver_error']
+            },
+            'metadata': {
+                'data_points': data['data_points'],
+                'min_required': data['min_required'],
+                'time_window': '28d'
+            }
+        }
+
+    return {
+        'available': True,
+        'value_raw': data['slope'],
+        'value_display': f"{data['direction']} {data['delta']} kg",
+        'confidence': data['confidence'],
+        'metadata': {
+            'data_points': data['data_points'],
+            'r_squared': data['r_squared'],
+            'time_window': '28d'
+        }
+    }
+```
+
+**Migration-Strategie:**
+1. **Phase 1:** Neue `*_structured()`-Funktionen neben alten (Parallel)
+2. **Phase 2:** Extended Export nutzt structured
+3. **Phase 3:** Legacy-Export bleibt unverändert (Backward-Compat)
+4. **Phase 4 (Later):** Deprecate alte Funktionen nach 6-12 Monaten
+
+**Zu implementieren für:**
+- Alle 110 Platzhalter (außer weight_aktuell, der bereits structured ist)
+
+**Testing:**
+- Legacy-Tests: Alte Funktionen bleiben unverändert
+- Structured-Tests: Neue Funktionen returnieren korrekte Struktur
+- Export-Tests: Extended Export nutzt structured
+
+**Owner:** Backend Team (2 Entwickler)
+**Blocker:** P1.1-P1.3 Confidence abgeschlossen
+**Output:** 110 Platzhalter mit Dual-Mode-Support
+
+---
+
+### P1 SUMMARY
+
+**Gesamt-Aufwand:** 44-58 Stunden
+**Deliverables:**
+- 11 Trend-Platzhalter mit Confidence
+- 6 Score-Platzhalter mit Composite Confidence
+- 5 Correlation-Platzhalter mit Pair-Confidence
+- 100 Platzhalter mit data_layer_module
+- 90 Platzhalter mit source_tables
+- 110 Platzhalter mit Structured Missing-Value-Policy
+- **Total Fixed:** 103 unique Platzhalter (alle außer 8 bereits conforme)
+
+**Impact:**
+- **Compliance:** 25-30% → 50-60%
+- **Blocked Gaps:** Confidence, Data Layer, Source Tables, Missing-Value-Policy
+
+**Next:** P2 Production-Ready + Deprecation
+
+---
+
+## P2: MEDIUM PRIORITY (Week 4-5)
+
+**Ziel:** Production-Status und Deprecation-Strategie
+**Aufwand:** 8-12 Stunden
+**Team:** Product + Tech Lead
+**Dependencies:** P1 abgeschlossen
+
+---
+
+### P2.1: Schema-Status auf Production (Top 20)
+
+**Gap-Cluster:** 8
+**Betroffene Platzhalter:** 20-30 Kandidaten
+**Severity:** 🟡 MEDIUM
+**Aufwand:** 4-6 Stunden
+
+**Maßnahmen:**
+
+**Kriterien für `schema_status: production`:**
+1. `metadata_completeness_score >= 80`
+2. `used_by.prompts.length >= 1 OR used_by.pipelines.length >= 1`
+3. `time_window != 'unknown'`
+4. `category != 'Unknown'`
+5. `description != 'No description available'`
+6. `confidence_logic != null OR (type == 'atomic' AND time_window == 'latest')`
+7. `known_issues.length == 0`
+
+**Prozess:**
+1. **Automated Eligibility-Check:**
+   ```python
+   def is_production_ready(placeholder):
+       checks = [
+           placeholder['metadata_completeness_score'] >= 80,
+           len(placeholder['used_by']['prompts']) >= 1 or
+           len(placeholder['used_by']['pipelines']) >= 1,
+           placeholder['time_window'] != 'unknown',
+           placeholder['category'] != 'Unknown',
+           placeholder['description'] != 'No description available',
+           placeholder['confidence_logic'] is not None or
+           (placeholder['type'] == 'atomic' and placeholder['time_window'] == 'latest'),
+           len(placeholder['known_issues']) == 0
+       ]
+       return all(checks)
+   ```
+
+2. **Kandidaten-Liste generieren**
+3. **Manuelle Review** (Product + Tech Lead)
+   - Sind diese wirklich production-ready?
+   - Fehlt noch etwas?
+4. **Schema-Status-Update**
+
+**Erwartete Kandidaten (12-15):**
+- Nutrition Averages (4): protein_avg, kcal_avg, fat_avg, carb_avg
+- Body Metrics (3): weight_aktuell, weight_trend, kf_aktuell
+- Profil (4): name, age, height, geschlecht
+- Summaries (2): caliper_summary, circ_summary
+- Goals (2-3): goal_weight, goal_bf_pct, top_goal_name
+
+**Owner:** Tech Lead + Product Manager
+**Blocker:** P1 abgeschlossen (Confidence, Data Layer)
+**Output:** 12-15 Platzhalter mit `schema_status: production`
+
+---
+
+### P2.2: Ungenutzte Platzhalter - Integration planen
+
+**Gap-Cluster:** 9 (REINTERPRETIERT: Nicht Deprecation, sondern Integration)
+**Betroffene Platzhalter:** 67 (ungenutzt)
+**Severity:** 🟡 MEDIUM (Prompt-Bibliothek Vollständigkeit)
+**Aufwand:** 4-6 Stunden
+
+**Maßnahmen:**
+
+**Neue Klassifizierung (siehe USAGE_ROLE_CLASSIFICATION.md):**
+1. **unused_but_planned (30)** - Explizit in Roadmap Phase 0c/1/2
+   - Scores (6), Correlations (5), Ability Balance (5), Goals Details (11), etc.
+   - **Action:** Timeline bestätigen, Prototyping-Prompts erstellen
+
+2. **unused_but_plausible (37)** - Fachlich sinnvoll, noch nicht in Prompts
+   - Body Deltas, Nutrition Details, Training Quality, Focus Category, Meta
+   - **Action:** Prompt-Use-Cases identifizieren, Templates für Quick Wins
+
+3. **redundant_or_duplicate (0)** - Keine!
+   - Alle 67 haben fachliche Berechtigung
+
+**Prozess:**
+1. **Meeting (2h):** Product + Tech Review aller 67
+   - Gruppe A (30 geplant): Timeline bestätigen (Phase 0c/1/2)
+   - Gruppe B (37 plausibel): Prompt-Use-Cases identifizieren (10-15 Quick Wins)
+2. **Dokumentation (1h):** Integration-Roadmap, Prompt-Kandidaten-Liste
+3. **Implementation (1-2h):** Prompt-Templates erstellen (5-10 Quick Wins)
+4. **Communication (1h):** Prompt-Autoren: "Neue Platzhalter verfügbar"
+
+**Integration-Beispiel (statt Deprecation):**
+```json
+{
+  "key": "arm_28d_delta",
+  "usage_role": "unused_but_plausible",
+  "integration_priority": "medium",
+  "prompt_use_cases": [
+    "Fortschritts-Analyse spezifischer Körperteile",
+    "Asymmetrie-Erkennung (linker vs. rechter Arm)",
+    "Trainingsplan-Effektivität (Armtraining Tracking)"
+  ],
+  "example_prompt_template": "Deine Armumfänge haben sich in den letzten 28 Tagen um {{arm_28d_delta}}cm verändert. Analyse: ..."
+}
+```
+
+**Owner:** Product Manager + Tech Lead
+**Blocker:** P1 abgeschlossen
+**Output:** Integration-Roadmap, Prompt-Templates (5-10), Nutzungsrate +10-20%
+
+---
+
+### P2 SUMMARY
+
+**Gesamt-Aufwand:** 8-12 Stunden
+**Deliverables:**
+- 12-15 Production-Ready Platzhalter
+- Integration-Roadmap für 30 geplante Platzhalter (Phase 0c/1/2)
+- Prompt-Templates für 5-10 Quick Wins (ungenutzte Platzhalter aktivieren)
+
+**Impact:**
+- **Compliance:** 50-60% → 65-70%
+- **Governance:** Production-Pipeline etabliert, Placeholder-Integration vorangetrieben
+- **Nutzungsrate:** 40% → 50-60% (organisch durch Integration)
+
+**Next:** P3 (Nice-to-Have)
+
+---
+
+## P3: NICE-TO-HAVE (Later)
+
+**Ziel:** Dokumentations-Feinschliff
+**Aufwand:** 0.5 Stunden
+**Team:** Tech Writer / DevOps
+**Dependencies:** P2 abgeschlossen
+
+---
+
+### P3.1: Export-Inkonsistenzen Dokumentation
+
+**Gap-Cluster:** 10
+**Betroffene:** Dokumentation
+**Severity:** 🟢 INFO
+**Aufwand:** 0.5 Stunden
+
+**Maßnahmen:**
+
+**Export Spec Update:**
+```diff
+# PLACEHOLDER_EXPORT_SPEC.md
+
+- **Total Placeholders:** 116
++ **User Placeholders:** 111
++ **Meta Fields:** 5 (schema_version, generated_at, normative_standard, total_placeholders, metadata.summary)
++ **Total Export Entries:** 116
+```
+
+**Owner:** Tech Writer
+**Blocker:** Keine
+**Output:** Updated Export Spec
+
+---
+
+## ERFOLGS-METRIKEN
+
+### Nach P0 (Week 1)
+- ✅ **Compliance:** 7% → 25-30%
+- ✅ **time_window: unknown:** 74 → 0
+- ✅ **category: Unknown:** 49 → 0
+- ✅ **description: No description:** 49 → 0
+- ✅ **Code-Docs-Konflikte:** 3 → 0
+
+### Nach P1 (Week 3)
+- ✅ **Compliance:** 25-30% → 50-60%
+- ✅ **Confidence-Logik:** 8 → 28 (Trend + Score + Correlation)
+- ✅ **data_layer_module:** 11 → 111
+- ✅ **source_tables:** 21 → 111
+- ✅ **Structured Missing-Value:** 1 → 111
+
+### Nach P2 (Week 5)
+- ✅ **Compliance:** 50-60% → 65-70%
+- ✅ **schema_status: production:** 0 → 12-15
+- ✅ **deprecated:** 0 → 15-20
+- ✅ **Technical Debt:** Reduziert
+
+### Nach P3
+- ✅ **Compliance:** 65-70% → 70%+
+- ✅ **Dokumentation:** Vollständig konsistent
+
+---
+
+## RISIKEN & MITIGATION
+
+| Risiko | Wahrscheinlichkeit | Impact | Mitigation |
+|--------|--------------------|----|-----------|
+| **P0 Zeitfenster-Fach-Entscheidung dauert länger** | MEDIUM | MEDIUM | Vorbereitete Kategorisierung, klare Optionen, Decision-Meeting zeitig ansetzen |
+| **P1 Confidence-Implementierung komplexer als geschätzt** | MEDIUM | HIGH | Pattern aus nutrition_avg wiederverwenden, Senior Dev assignen |
+| **Breaking Changes durch Zeitfenster-Fixes** | LOW | HIGH | Code ist autoritativ, Docs passen sich an → kein Breaking Change |
+| **Prompt-Autoren akzeptieren Deprecations nicht** | LOW | MEDIUM | Klare Communication, Replacement-Guides, Grace Period (3 Monate) |
+
+---
+
+## KOMMUNIKATIONS-PLAN
+
+### Week 1 (P0 Kickoff)
+- **Email:** Alle Stakeholder über Audit-Ergebnisse informieren
+- **Meeting:** P0-Prioritäten mit Tech Lead abstimmen
+- **Kickoff:** Development Team P0-Tasks zuweisen
+
+### Week 2 (P1 Kickoff)
+- **Standup:** Daily Updates zu Confidence-Implementierung
+- **Review:** Mid-Sprint Review nach P1.1-P1.3
+
+### Week 3 (P1 Abschluss)
+- **Demo:** P1-Ergebnisse dem Team zeigen
+- **Docs:** Updated Catalog veröffentlichen
+
+### Week 4-5 (P2)
+- **Meeting:** Production-Readiness-Review
+- **Communication:** Deprecation-Plan an Prompt-Autoren
+
+### Week 6 (Abschluss)
+- **Retrospektive:** Lessons Learned
+- **Documentation:** Finale Compliance-Metrics veröffentlichen
+
+---
+
+## TOOLING & AUTOMATION
+
+### Skripte (entwickeln während P0-P1)
+1. `fix_time_window_from_name.py` - Automatische Name-Pattern-Fixes
+2. `extract_code_parameters.py` - Code-Parameter → time_window
+3. `bulk_update_catalog.py` - JSON-Merge für Bulk-Updates
+4. `validate_compliance.py` - Automatische Compliance-Checks
+5. `check_production_ready.py` - Production-Eligibility-Check
+
+### CI/CD-Integration (P2-P3)
+- Pre-Commit-Hook: Validate neue Platzhalter gegen Normative Spec
+- CI: Consistency-Checks (Code ↔ Catalog)
+- CD: Automated Catalog-Deployment
+
+---
+
+## ABSCHLUSS-KRITERIEN
+
+**P0 erfolgreich wenn:**
+- Alle 3 Code-Docs-Konflikte gelöst
+- Alle 74 time_window: unknown → definiert
+- Alle 49 No description → vollständig
+- Automated Tests grün
+
+**P1 erfolgreich wenn:**
+- Mindestens 20 Platzhalter mit Confidence-Logik
+- Alle 100 data_layer_module gesetzt
+- Alle 90 source_tables gesetzt
+- Structured Missing-Value für alle 110 (Dual-Mode)
+
+**P2 erfolgreich wenn:**
+- Mindestens 12 Platzhalter `schema_status: production`
+- Mindestens 15 Platzhalter `deprecated: true`
+- Decision-Log veröffentlicht
+
+**Gesamt-Projekt erfolgreich wenn:**
+- **Compliance >= 65%**
+- **0 Code-Docs-Konflikte**
+- **0 time_window: unknown**
+- **12+ Production-Ready Platzhalter**
+
+---
+
+**Maßnahmenplan erstellt von:** Claude Code (Lead Audit Agent)
+**Basis:** Gap-Cluster-Analyse, 4-Agent-Evidence
+**Genehmigung:** Pending (Review mit Tech Lead + Product Manager)

.claude/docs/audit/platzhalter/audit-report-2026-03-29/04_OFFENE_ENTSCHEIDUNGEN.md

@@ -0,0 +1,459 @@
+# Offene Entscheidungen: Placeholder-Audit
+
+**Audit-Datum:** 29. März 2026
+**Status:** Pending Product/Tech Review
+**Entscheidungsträger:** Product Manager + Tech Lead
+
+---
+
+## ENTSCHEIDUNGSPFLICHTIGE PUNKTE
+
+Diese Punkte können nicht rein aus Code und Fachlogik gelöst werden und benötigen eine **Produkt-/Fachentscheidung**.
+
+---
+
+## KATEGORIE 1: Zeitfenster-Klassifizierung (BLOCKING P0)
+
+### E1.1: Scores - Zeitfenster definieren
+
+**Betroffene Platzhalter:** 6
+- `activity_score`
+- `nutrition_score`
+- `recovery_score`
+- `body_progress_score`
+- `goal_progress_score`
+- `data_quality_score`
+
+**Problem:**
+Scores kombinieren verschiedene Zeitfenster-Metriken. Welches Zeitfenster soll dokumentiert werden?
+
+**Optionen:**
+
+| Option | Beschreibung | Pro | Contra |
+|--------|--------------|-----|--------|
+| **A: `custom`** | Scores haben keinen festen Zeitrahmen | Technisch korrekt | Unspezifisch für User |
+| **B: `mixed`** | Scores kombinieren verschiedene Zeitfenster explizit | Kommuniziert Komplexität | Ähnlich unklar wie `custom` |
+| **C: Dominantes Zeitfenster** | Z.B. `28d` für nutrition_score (da Hauptkomponenten 28d) | Einfach zu verstehen | Vereinfachung, evtl. irreführend |
+| **D: Zeitfenster pro Sub-Score dokumentieren** | Semantic Contract listet alle Sub-Zeitfenster | Vollständig transparent | Komplex für einfache Use-Cases |
+
+**Empfehlung Audit-Agent:**
+- **Option D** für `semantic_contract` (vollständige Transparenz)
+- **Option B** für `time_window` Metadatum (signalisiert Komplexität)
+
+**Beispiel (nutrition_score):**
+```json
+{
+  "key": "nutrition_score",
+  "time_window": "mixed",
+  "semantic_contract": "Composite Score aus: energy_balance (7d), protein_adequacy (28d), macro_consistency (28d). Gewichtung: 40%/40%/20%"
+}
+```
+
+**Entscheidung benötigt bis:** P0 Week 1 (Zeitfenster-Klassifizierung)
+**Impact:** MEDIUM (betrifft Prompt-Interpretation)
+**Entscheider:** Product Manager
+
+---
+
+### E1.2: Ability Balance - Zeitfenster definieren
+
+**Betroffene Platzhalter:** 5
+- `ability_balance_coordination`
+- `ability_balance_endurance`
+- `ability_balance_mental`
+- `ability_balance_mobility`
+- `ability_balance_strength`
+
+**Problem:**
+Code implementiert noch keine Ability Balance-Berechnung. Welches Zeitfenster ist fachlich sinnvoll?
+
+**Optionen:**
+
+| Option | Beschreibung | Pro | Contra |
+|--------|--------------|-----|--------|
+| **A: `28d`** | Rolling-Window über 28 Tage | Konsistent mit anderen Trend-Metriken | Evtl. zu lang für Balance-Shifts |
+| **B: `14d`** | Rolling-Window über 14 Tage | Schnellere Reaktion auf Training-Changes | Weniger stabil bei Lücken |
+| **C: `latest`** | Snapshot der aktuellen Balance | Einfach | Keine Trend-Info |
+
+**Empfehlung Audit-Agent:**
+- **Option A (`28d`)** - Konsistent mit body_metrics, ausreichend stabil
+
+**Rationale:**
+- Ability Balance = Verteilung der Trainings-Last über Fähigkeiten
+- 28 Tage = ~4 Wochen = typischer Mikrozyklus
+- Matching mit anderen Tracking-Metriken
+
+**Entscheidung benötigt bis:** P0 Week 1
+**Impact:** MEDIUM (betrifft zukünftige Implementierung)
+**Entscheider:** Product Manager + Training-Experte
+
+---
+
+### E1.3: Correlations - Zeitfenster definieren
+
+**Betroffene Platzhalter:** 5
+- `correlation_energy_weight_lag`
+- `correlation_load_hrv`
+- `correlation_load_rhr`
+- `correlation_protein_lbm`
+- `correlation_sleep_recovery`
+
+**Problem:**
+Korrelationen brauchen Mindestdaten. Welches Zeitfenster ist statistisch sinnvoll?
+
+**Optionen:**
+
+| Option | Beschreibung | Pro | Contra |
+|--------|--------------|-----|--------|
+| **A: `28d`** | Min 21-28 Paare für Reliability | Statistisch robust | Reagiert langsam auf Änderungen |
+| **B: `custom`** | Variabel je nach Datenverfügbarkeit | Flexibel | Unklar für User |
+| **C: Im Semantic Contract spezifizieren** | Z.B. "28d min, 90d ideal" | Transparent | Komplex |
+
+**Empfehlung Audit-Agent:**
+- **Option A (`28d`)** für `time_window`
+- **Option C** zusätzlich in `semantic_contract`
+
+**Beispiel:**
+```json
+{
+  "key": "correlation_energy_weight_lag",
+  "time_window": "28d",
+  "semantic_contract": "Lag-Korrelation (0d/3d/7d/14d) zwischen Energiebilanz und Gewicht. Min 21 Paare (28d) für Reliability, 90d ideal. Explorativ, nicht kausal."
+}
+```
+
+**Entscheidung benötigt bis:** P0 Week 1
+**Impact:** MEDIUM (betrifft Statistik-Interpretation)
+**Entscheider:** Tech Lead (Statistik-Know-how)
+
+---
+
+### E1.4: Goals & Focus - Zeitfenster definieren
+
+**Betroffene Platzhalter:** 16
+- `active_goals_json`, `active_goals_md`
+- `focus_areas_weighted_json`, `focus_areas_weighted_md`, `focus_area_weights_json`
+- `top_goal_name`, `top_goal_progress_pct`, `top_goal_status`
+- `top_3_goals_behind_schedule`, `top_3_goals_on_track`, `top_3_focus_areas`
+- `focus_cat_körper_progress`, `focus_cat_ernährung_progress`, `focus_cat_aktivität_progress`, `focus_cat_recovery_progress`, `focus_cat_vitalwerte_progress`, `focus_cat_mental_progress`, `focus_cat_lebensstil_progress` (jeweils + weight)
+
+**Problem:**
+Goals sind Snapshots, aber Progress wird über Zeit berechnet. Wie klassifizieren?
+
+**Optionen:**
+
+| Option | Beschreibung | Pro | Contra |
+|--------|--------------|-----|--------|
+| **A: `latest`** | Aktueller Stand der Goals | Technisch korrekt (Snapshot) | Impliziert keine Zeit-Dimension |
+| **B: `custom`** | Progress-Berechnung ist zeitabhängig | Signalisiert Komplexität | Unklar für Snapshot-Werte |
+| **C: Differenzierung** | `active_goals_json`: `latest`, Progress-Felder: `custom` | Präzise | 16 individuelle Entscheidungen |
+
+**Empfehlung Audit-Agent:**
+- **Option C** (Differenzierung):
+  - **Snapshot-Platzhalter** (active_goals_json, focus_area_weights_json, top_goal_name): `latest`
+  - **Progress-Platzhalter** (top_goal_progress_pct, focus_cat_*_progress): `custom` (da verschiedene Ziele verschiedene Zeiträume haben)
+
+**Entscheidung benötigt bis:** P0 Week 1
+**Impact:** LOW (primär dokumentarisch)
+**Entscheider:** Product Manager
+
+---
+
+### E1.5: Snapshots - Zeitfenster definieren
+
+**Betroffene Platzhalter:** 7
+- `bmi`
+- `goal_weight`, `goal_bf_pct`
+- `waist_hip_ratio`
+- `recomposition_quadrant`
+- `plateau_detected`
+- `top_drivers`
+
+**Problem:**
+Einige sind echte Snapshots (bmi, goal_weight), andere berechnete Werte über Zeit (recomposition_quadrant, plateau_detected).
+
+**Optionen:**
+
+| Option | Beschreibung | Pro | Contra |
+|--------|--------------|-----|--------|
+| **A: Alle `latest`** | Vereinfachung | Einfach | Ungenau für berechnete |
+| **B: Differenzierung** | bmi/goal_weight: `latest`, recomposition_quadrant/plateau_detected: `28d` | Präzise | 7 individuelle Entscheidungen |
+
+**Empfehlung Audit-Agent:**
+- **Option B**:
+  - **Echte Snapshots** (bmi, goal_weight, goal_bf_pct, waist_hip_ratio): `latest`
+  - **Berechnete über Zeit** (recomposition_quadrant, plateau_detected, top_drivers): `28d` oder `custom`
+
+**Entscheidung benötigt bis:** P0 Week 1
+**Impact:** LOW
+**Entscheider:** Tech Lead
+
+---
+
+## KATEGORIE 2: Integration ungenutzter Platzhalter (P2)
+
+### E2.1: Ungenutzte Platzhalter - Roadmap-Priorisierung und Integration-Timeline
+
+**Betroffene Platzhalter:** 67 (ungenutzt)
+
+**Kontext:**
+67 Platzhalter (60%) haben 0 Verwendungen. **WICHTIG:** Dies ist kein Deprecation-Bedarf, sondern Integration-Planung.
+
+**Fachliche Klassifizierung (siehe USAGE_ROLE_CLASSIFICATION.md):**
+- **30 Platzhalter (45%):** Explizit in Roadmap Phase 0c/1/2 geplant
+- **37 Platzhalter (55%):** Fachlich plausibel, noch nicht in Prompts integriert
+- **0 Platzhalter:** Redundant oder deprecation-würdig
+
+**Neue Fragestellung:**
+Nicht "Behalten oder Deprecaten?", sondern "WANN und WIE integrieren?"
+
+---
+
+**Sub-Entscheidungen:**
+
+#### E2.1.1: Geplante Platzhalter (30) - Integration-Timeline bestätigen
+
+**Platzhalter-Gruppen:**
+- **Scores (6):** activity_score, nutrition_score, recovery_score, body_progress_score, goal_progress_score, data_quality_score
+  - **Roadmap:** Phase 0c (Multi-Layer Architecture) + Phase 1 (Charts)
+- **Correlations (5):** energy_weight_lag, load_hrv, load_rhr, protein_lbm, sleep_recovery
+  - **Roadmap:** Phase 2 (Engagement - Korrelationen)
+- **Ability Balance (5):** coordination, endurance, mental, mobility, strength
+  - **Roadmap:** Phase 1 (Charts - Training Balance)
+- **Goals Details (11):** active_goals_json/md, focus_areas_weighted, top_3_goals_*, focus_cat_*_progress
+  - **Roadmap:** Phase 0b/0c (Backend DONE, Prompt-Integration ausstehend)
+- **Sleep/Plateau/Drivers (3):** sleep_debt, plateau_detected, top_drivers
+  - **Roadmap:** Phase 1/2 (Diagnostics)
+
+**Frage:** Timeline bestätigen oder anpassen?
+
+**Optionen:**
+- **A: Roadmap wie geplant** - Phase 0c/1/2 (nächste 6-12 Wochen)
+- **B: Priorisierung anpassen** - Quick Wins zuerst (z.B. Goals Details sofort)
+- **C: Prototyping** - 5-10 Beispiel-Prompts erstellen (Wert demonstrieren)
+
+**Empfehlung:** C → B → A (Prototyping zeigt Wert, dann Priorisierung, dann Roadmap)
+
+---
+
+#### E2.1.2: Plausible Platzhalter (37) - Prompt-Use-Cases identifizieren
+
+**Platzhalter-Gruppen:**
+- **Body Deltas (5):** arm_28d_delta, chest_28d_delta, hip_28d_delta, thigh_28d_delta, waist_28d_delta
+- **Nutrition Details (6):** energy_deficit_surplus, intake_volatility, nutrition_days, protein_days_in_target, protein_ziel_low/high
+- **Training Quality/Load (3):** monotony_score, strain_score, rest_day_compliance
+- **Focus Category Weights/Progress (14):** focus_cat_*_weight, focus_cat_*_progress
+- **Meta/Convenience (9):** bmi, waist_hip_ratio, datum_heute, zeitraum_*
+
+**Frage:** Für welche Use-Cases Prompt-Templates erstellen?
+
+**Optionen:**
+- **A: Alle 37 dokumentieren** - Vollständig, aber aufwändig
+- **B: Quick Wins (10-15)** - Offensichtliche Use-Cases zuerst
+- **C: Warten bis Bedarf** - Nur auf Anfrage aktivieren
+
+**Empfehlung:** B (10-15 Quick Wins: Body Deltas für Fortschritts-Prompts, Nutrition Details für Coaching-Prompts, Focus Category für Dashboard-Widgets)
+
+---
+
+**Entscheidung benötigt bis:** P2 Week 4
+**Impact:** MEDIUM (Prompt-Bibliothek Vollständigkeit)
+**Entscheider:** Product Manager + Tech Lead
+**Methode:** Integration-Planungs-Meeting (4-6h, siehe Maßnahmenplan P2.2 REVIDIERT)
+
+---
+
+## KATEGORIE 3: Production-Readiness-Kriterien (P2)
+
+### E3.1: Welche Platzhalter sind Production-Ready?
+
+**Problem:**
+Aktuell haben alle 111 `schema_status: draft`. Welche Kriterien für `production`?
+
+**Vorgeschlagene Kriterien (aus Maßnahmenplan):**
+1. `metadata_completeness_score >= 80`
+2. `used_by.prompts.length >= 1 OR used_by.pipelines.length >= 1`
+3. `time_window != 'unknown'`
+4. `category != 'Unknown'`
+5. `description != 'No description available'`
+6. `confidence_logic != null OR (type == 'atomic' AND time_window == 'latest')`
+7. `known_issues.length == 0`
+
+**Frage:** Sind diese Kriterien zu streng/zu locker?
+
+**Optionen:**
+- **A: Wie vorgeschlagen** - Balanced
+- **B: Strengere Kriterien** - Z.B. `used_by >= 3`, `completeness_score >= 90`
+- **C: Lockerere Kriterien** - Z.B. `completeness_score >= 60`, keine Usage-Requirement
+
+**Empfehlung:** A (wie vorgeschlagen)
+
+**Zusatzfrage:** Soll es Zwischen-Status geben (`beta`, `stable`)?
+
+**Optionen:**
+- **A: Nur draft/production** - Einfach
+- **B: draft/beta/stable/production** - Differenzierter
+
+**Empfehlung:** B (mehr Nuancen ermöglichen schrittweise Freigabe)
+
+**Entscheidung benötigt bis:** P2 Week 4
+**Impact:** MEDIUM (Governance)
+**Entscheider:** Tech Lead + Product Manager
+
+---
+
+## KATEGORIE 4: Neue Platzhalter (FUTURE)
+
+### E4.1: Requirements Dev vs. Extended Catalog - Wie priorisieren?
+
+**Problem:**
+- **requirements_dev.md** schlägt 27 neue Platzhalter vor (P1-P27)
+- **Extended Catalog** hat bereits 111
+- Viele der "neuen" sind evtl. schon abgedeckt
+
+**Frage:** Sollen die 27 P1-P27 implementiert werden, oder sind sie durch bestehende abgedeckt?
+
+**Beispiele:**
+- **P1: `goal_summary_json`** - Abgedeckt durch `active_goals_json` + `active_goals_md`?
+- **P2: `focus_area_summary_json`** - Abgedeckt durch `focus_areas_weighted_json`?
+- **P5: `domain_availability_json`** - Neu, nicht vorhanden
+- **P12: `body_change_summary_json`** - Teilweise durch `caliper_summary`, `circ_summary`
+
+**Empfehlung:**
+- **Mapping-Exercise:** Neue vs. Bestehende
+- **Gap-Analyse:** Welche sind echte Lücken?
+- **Priorisierung:** Nur echte Gaps implementieren
+
+**Entscheidung benötigt bis:** Nach P2 (Phase 1b Planning)
+**Impact:** HIGH (Feature-Roadmap)
+**Entscheider:** Product Manager + Tech Lead
+
+---
+
+## KATEGORIE 5: Governance-Prozesse (POST-AUDIT)
+
+### E5.1: Wie werden neue Platzhalter künftig validiert?
+
+**Problem:**
+Aktuell gibt es keine systematische Validierung neuer Platzhalter gegen Normative Spec.
+
+**Frage:** Soll ein Pre-Commit-Hook/CI-Check eingeführt werden?
+
+**Optionen:**
+- **A: Manuelle Reviews** - Flexibel, aber fehleranfällig
+- **B: Automated Checks** - Robust, aber Aufwand für Setup
+- **C: Hybrid** - Automated Checks + manuelle Review für komplexe Fälle
+
+**Empfehlung:** C (Hybrid)
+
+**Entscheidung benötigt bis:** Nach P2 (Tooling-Phase)
+**Impact:** HIGH (langfristige Qualität)
+**Entscheider:** Tech Lead
+
+---
+
+### E5.2: Wer ist Owner für Placeholder-Governance?
+
+**Problem:**
+Aktuell kein klarer Owner für Placeholder-Lifecycle.
+
+**Frage:** Soll es eine dedizierte Rolle geben?
+
+**Optionen:**
+- **A: Tech Lead** - Technische Verantwortung
+- **B: Product Manager** - Fachliche Verantwortung
+- **C: Shared (beide)** - Consensus-basiert
+- **D: Dedizierte Rolle "Data-Contract-Owner"** - Spezialisiert
+
+**Empfehlung:** C (Shared) für jetzt, D langfristig
+
+**Entscheidung benötigt bis:** Nach P2
+**Impact:** MEDIUM (Governance)
+**Entscheider:** Management
+
+---
+
+## KATEGORIE 6: Technische Schulden (POST-P2)
+
+### E6.1: Legacy-String "nicht verfügbar" - Wann abschalten?
+
+**Problem:**
+P1.6 führt Dual-Mode ein (Legacy + Structured). Wann soll Legacy deprecated werden?
+
+**Optionen:**
+- **A: Nach 3 Monaten** - Schnell
+- **B: Nach 6 Monaten** - Standard
+- **C: Nach 12 Monaten** - Konservativ
+- **D: Nie (dauerhaft Dual-Mode)** - Ewig Backward-Compatible
+
+**Empfehlung:** B (6 Monate) mit klarer Migration-Guidance
+
+**Entscheidung benötigt bis:** P1 Abschluss (Sunset-Datum festlegen)
+**Impact:** MEDIUM (Breaking Change für Prompts)
+**Entscheider:** Tech Lead + Prompt-Autoren
+
+---
+
+## ZUSAMMENFASSUNG OFFENER ENTSCHEIDUNGEN
+
+| ID | Kategorie | Entscheidung | Dringlichkeit | Entscheider |
+|----|-----------|--------------|---------------|-------------|
+| **E1.1** | Zeitfenster Scores | custom/mixed/dominant? | 🔴 P0 Week 1 | Product |
+| **E1.2** | Zeitfenster Ability Balance | 28d/14d/latest? | 🔴 P0 Week 1 | Product + Training-Expert |
+| **E1.3** | Zeitfenster Correlations | 28d mit Min-Data? | 🔴 P0 Week 1 | Tech Lead |
+| **E1.4** | Zeitfenster Goals & Focus | latest/custom/differenziert? | 🔴 P0 Week 1 | Product |
+| **E1.5** | Zeitfenster Snapshots | latest/differenziert? | 🔴 P0 Week 1 | Tech Lead |
+| **E2.1** | Integration-Timeline | 67 ungenutzte integrieren | 🟡 P2 Week 4 | Product |
+| **E3.1** | Production-Kriterien | draft/beta/stable/production? | 🟡 P2 Week 4 | Tech + Product |
+| **E4.1** | Neue Platzhalter P1-P27 | Welche implementieren? | 🟢 Post-P2 | Product |
+| **E5.1** | Validierungs-Prozess | Automated/Manual/Hybrid? | 🟢 Post-P2 | Tech Lead |
+| **E5.2** | Governance-Owner | Wer verantwortet Placeholders? | 🟢 Post-P2 | Management |
+| **E6.1** | Legacy-Sunset | Wann "nicht verfügbar" abschalten? | 🟡 P1 Abschluss | Tech Lead |
+
+**Legende:**
+- 🔴 BLOCKING (P0) - Entscheidung innerhalb Week 1 benötigt
+- 🟡 HIGH (P1-P2) - Entscheidung innerhalb Week 4-5 benötigt
+- 🟢 MEDIUM (Post-P2) - Kann warten
+
+---
+
+## EMPFOHLENER ENTSCHEIDUNGS-PROZESS
+
+### Week 1 (P0 Kickoff)
+1. **Meeting (2h):** Product + Tech Lead + Training-Expert
+2. **Agenda:**
+   - E1.1-E1.5: Alle Zeitfenster-Entscheidungen
+   - Decision-Log erstellen
+3. **Output:** Entschiedene Zeitfenster für alle 39 unkla
+
+ren Platzhalter
+
+### Week 4 (P2)
+1. **Meeting (2h):** Product + Tech Lead
+2. **Agenda:**
+   - E2.1: Deprecation-Review (67 ungenutzte)
+   - E3.1: Production-Kriterien
+3. **Output:** Deprecation-Liste, Production-Kriterien finalisiert
+
+### Post-P2
+1. **Meeting (1h):** Management + Tech + Product
+2. **Agenda:**
+   - E4.1: Neue Platzhalter-Roadmap
+   - E5.1-E5.2: Governance-Prozesse
+   - E6.1: Legacy-Sunset-Datum
+3. **Output:** Langfristige Placeholder-Governance etabliert
+
+---
+
+## NÄCHSTE SCHRITTE
+
+1. **Dieses Dokument reviewen** mit Product Manager
+2. **P0-Meeting ansetzen** (Week 1) für Zeitfenster-Entscheidungen
+3. **Decision-Log starten** (Living Document)
+4. **Nach Entscheidungen:** Maßnahmenplan P0 final anpassen
+
+---
+
+**Offene Entscheidungen dokumentiert von:** Claude Code (Lead Audit Agent)
+**Review benötigt von:** Product Manager + Tech Lead
+**Deadline kritische Entscheidungen:** P0 Week 1 (innerhalb 1 Woche)

.claude/docs/audit/platzhalter/audit-report-2026-03-29/05_QUELLENPROTOKOLL.md

@@ -0,0 +1,351 @@
+# Quellenprotokoll: Placeholder-Audit
+
+**Audit-Datum:** 29. März 2026
+**Audit-Dauer:** ~590 Sekunden (4 Agents parallel)
+**Methodik:** 4 spezialisierte Agents mit Cross-Validation
+
+---
+
+## 1. GELESENE DATEIEN
+
+### 1.1 Normative und Spezifikations-Dokumente (HÖCHSTE PRIORITÄT)
+
+| Datei | Pfad | Zeilen | Priorität | Nutzung | Authoritative |
+|-------|------|--------|-----------|---------|---------------|
+| **NORMATIVE.md** | `.claude/docs/audit/platzhalter/PLACEHOLDER_METADATA_REQUIREMENTS_V2_NORMATIVE.md` | 387 | 1 (Höchste) | Verbindliche Standardspezifikation, alle Norm-Referenzen | ✅ JA |
+| **EXPORT_SPEC.md** | `.claude/docs/audit/platzhalter/PLACEHOLDER_EXPORT_SPEC.md` | 24 | 2 | API-Endpoint-Spezifikation, Export-Struktur | ✅ JA |
+| **GAP_REPORT.md** | `.claude/docs/audit/platzhalter/PLACEHOLDER_GAP_REPORT.md` | 67+ | 3 | Initial Gap-Zahlen (74 unknown, 100 data_layer fehlt) | ⚠️ TEILWEISE |
+| **CATALOG.json** | `.claude/docs/audit/platzhalter/PLACEHOLDER_CATALOG_EXTENDED.json` | 64817 Tokens | 4 | Ist-Zustand alle 111 Platzhalter (vollständig) | ✅ JA |
+| **CATALOG.md** | `.claude/docs/audit/platzhalter/PLACEHOLDER_CATALOG_EXTENDED.md` | 148+ | 4 | Human-readable Catalog (Kategorien, Übersicht) | ⚠️ TEILWEISE |
+
+---
+
+### 1.2 Fachliche Dokumentation
+
+| Datei | Pfad | Zeilen | Nutzung | Authoritative |
+|-------|------|--------|---------|---------------|
+| **DATA_ARCHITECTURE.md** | `.claude/docs/audit/platzhalter/DATA_ARCHITECTURE.md` | 300+ (Teil) | Fachliche Datenarchitektur, Domänen-Entitäten, Berechnungslogiken | ⚠️ FACHLICH |
+| **requirements_dev.md** | `.claude/docs/audit/platzhalter/placeholder_requirements_for_development.md` | 704 | Entwickler-Arbeitsdokument, P1-P27 neue Platzhalter-Vorschläge | ❌ NICHT normativ |
+| **konzept_v2.md** | `.claude/docs/audit/platzhalter/mitai_jinkendo_konzept_diagramme_auswertungen_v2.md` | 2086 | Chart-Spezifikationen (K1-K5, E1-E5, A1-A8, C1-C7, S1-S3) | ⚠️ FACHLICH |
+
+---
+
+### 1.3 Code-Dateien (Code-Evidence-Agent)
+
+| Datei | Pfad | Zeilen | Nutzung | Authoritative |
+|-------|------|--------|---------|---------------|
+| **placeholder_resolver.py** | `backend/placeholder_resolver.py` | ~1300 | PLACEHOLDER_MAP (Zeilen 1075-1221), Helper-Funktionen (_safe_*) | ✅ JA (Code) |
+| **body_metrics.py** | `backend/data_layer/body_metrics.py` | 831 | Weight, BF%, Circumferences, Trends, Deltas | ✅ JA (Code) |
+| **nutrition_metrics.py** | `backend/data_layer/nutrition_metrics.py` | 1093 | Nutrition Averages, Energy Balance, Protein Adequacy | ✅ JA (Code) |
+| **activity_metrics.py** | `backend/data_layer/activity_metrics.py` | 906 | Training Volume, Quality, Load Monitoring, Ability Balance | ✅ JA (Code) |
+| **recovery_metrics.py** | `backend/data_layer/recovery_metrics.py` | 879 | Sleep Metrics, HRV/RHR Baselines, Recovery Scoring | ✅ JA (Code) |
+| **scores.py** | `backend/data_layer/scores.py` | 584 | Focus Weights, Goal Progress, Category Scores | ✅ JA (Code) |
+| **correlations.py** | `backend/data_layer/correlations.py` | 504 | Lag Correlations, Plateau Detection, Top Drivers | ✅ JA (Code) |
+| **prompts.py (Router)** | `backend/routers/prompts.py` | ~2246 | Export-Endpoints (Zeilen 370-467: extended export) | ✅ JA (Code) |
+| **goal_utils.py** | `backend/goal_utils.py` | Teilweise | Goal-Helper-Funktionen | ✅ JA (Code) |
+
+---
+
+### 1.4 Zusätzliche Projektdokumente
+
+| Datei | Pfad | Nutzung | Authoritative |
+|-------|------|---------|---------------|
+| **CLAUDE.md** | `.claude/CLAUDE.md` | Projekt-Kontext, Tech-Stack, Versions-Historie | ⚠️ KONTEXT |
+| **ARCHITECTURE.md** | `.claude/rules/ARCHITECTURE.md` | Architektur-Regeln, Versionskontrolle | ⚠️ KONTEXT |
+| **CODING_RULES.md** | `.claude/rules/CODING_RULES.md` | Coding-Standards | ⚠️ KONTEXT |
+| **LESSONS_LEARNED.md** | `.claude/rules/LESSONS_LEARNED.md` | Bekannte Fehler-Patterns | ⚠️ KONTEXT |
+
+---
+
+## 2. RANGFOLGE DER QUELLEN (BEI KONFLIKTEN)
+
+Bei Widersprüchen zwischen Quellen gilt folgende Priorität:
+
+| Rang | Quelle | Regel | Beispiel-Konflikt |
+|------|--------|-------|-------------------|
+| **1** | **Normative Spec** | Verbindliche Standardspezifikation | time_window-Werte: Nur latest/7d/14d/28d/30d/90d/custom/mixed/unknown erlaubt |
+| **2** | **Code (Ist-Zustand)** | Bei Konflikt Docs vs. Code → Code ist autoritativ | `weight_trend`: Docs "7d/30d", Code 28d → **Code gewinnt** |
+| **3** | **Extended Catalog** | Generated Truth (Ist-Zustand dokumentiert) | Bestandszahlen: 111 Platzhalter |
+| **4** | **Export Spec / Gap Report** | Technische Spezifikation/Diagnose | Export-Format, Gap-Zahlen |
+| **5** | **DATA_ARCHITECTURE.md** | Fachliche Referenz | Semantic Contracts, Berechnungslogiken |
+| **6** | **konzept_v2.md** | Chart-/Feature-Spezifikationen | Diagramm-Anforderungen |
+| **7** | **requirements_dev.md** | **NICHT NORMATIV** - Arbeitsdokument | P1-P27 Vorschläge (nicht bindend) |
+| **8** | **Projekt-Context** | Hintergrund-Information | CLAUDE.md, ARCHITECTURE.md |
+
+**Wichtig:** `requirements_dev.md` ist **KEIN normativer Standard**, sondern ein Entwickler-Arbeitsdokument für Planung!
+
+---
+
+## 3. MAẞGEBLICHE AUSSAGEN PRO QUELLE
+
+### 3.1 NORMATIVE.md (Verbindliche Standard-Instanz)
+
+**Maßgebliche Aussagen:**
+- §3.4: **"Zeitfenster explizit"** → Pflicht für alle Platzhalter
+- §3.5: **"Fehlwerte explizit"** → Strukturierte Felder statt nur String
+- §5: **"Qualitäts-/Confidence-Logik"** → Confidence für Trends/Scores
+- §7.1: **Pflichtfelder:** key, placeholder, category, type, description, semantic_contract, unit, time_window, output_type, value_display, available, missing_value_policy, source, version, deprecated
+- §7.2-7.4: **Erlaubte Werte** für type, time_window, output_type
+
+**Verwendung im Audit:**
+- Compliance-Bewertung (compliant/partially_compliant/non_compliant)
+- Gap-Identifikation (Verstoß gegen §X)
+- Remediation-Priorisierung (Norm-Verstöße = P0)
+
+---
+
+### 3.2 Code (placeholder_resolver.py + data_layer/*)
+
+**Maßgebliche Aussagen:**
+- **Zeitfenster im Code:**
+  - `weight_trend`: `days=28` (Zeile ~1084)
+  - `activity_summary`: `days=14` (Zeile ~1102)
+  - `sleep_avg_duration`: `days=7` (Zeile ~1107)
+- **Resolver-Mappings:** 111 Platzhalter vollständig implementiert (Zeilen 1075-1221)
+- **Helper-Funktionen:** `_safe_int`, `_safe_float`, `_safe_str`, `_safe_json` (Zeilen 406-602)
+- **Data-Layer-Calls:** Code-Evidence-Agent hat vollständige Traces
+- **Confidence-Logik:** Nur in nutrition_metrics, body_metrics, activity_metrics implementiert
+
+**Verwendung im Audit:**
+- **Autoritativ bei Konflikten** (Code > Docs)
+- Technische Herkunft (data_layer_module, source_tables)
+- Zeitfenster-Extraktion (Default-Parameter)
+
+---
+
+### 3.3 Extended Catalog (PLACEHOLDER_CATALOG_EXTENDED.json)
+
+**Maßgebliche Aussagen:**
+- **111 Platzhalter** (vollständiger Bestand)
+- **Kategorien-Verteilung:**
+  - 49 Unknown (44%)
+  - 11 Körper, 9 Training, 8 Ernährung, 8 Focus Areas, 7 Schlaf/Erholung, 6 Vitalwerte, 6 Scores, 4 Profil, 3 Zeitraum
+- **time_window: unknown:** 74 (67%)
+- **metadata_completeness_score: 0** für alle 111
+- **schema_status: draft** für alle 111
+
+**Verwendung im Audit:**
+- Bestandsaufnahme (Was existiert?)
+- Ist-Zustand-Baseline
+- Gap-Zahlen-Validierung
+
+---
+
+### 3.4 DATA_ARCHITECTURE.md (Fachliche Ableitung)
+
+**Maßgebliche Aussagen:**
+- **Domänen-Struktur:** Nutzer & Zielsetzung, Körper, Training, Lifestyle, Auswertungen
+- **Berechnungslogiken:**
+  - BMI = weight / (height_m ^ 2)
+  - Protein-Ziel = weight × 1.6-2.2 g/kg
+  - Energy-Balance = intake - (TDEE + training_kcal)
+- **Zeitfenster-Heuristiken:**
+  - Trends: 7d/28d/90d
+  - Scores: mixed (verschiedene Sub-Komponenten)
+  - Correlations: 28d (Min-Daten für Reliability)
+
+**Verwendung im Audit:**
+- Semantic Contracts ableiten (wo Code unklar)
+- Fachliche Kategorien bestimmen
+- Zeitfenster-Empfehlungen (bei Code-Unklarheit)
+
+---
+
+### 3.5 requirements_dev.md (NICHT AUTORITATIV)
+
+**Status:** Arbeitsdokument, **KEINE** normative Instanz
+
+**Maßgebliche Aussagen (mit Vorsicht):**
+- Vorschläge für 27 neue Platzhalter (P1-P27)
+- Governance-Regeln (G1-G7) - **sollten** in Normative Spec überführt werden
+
+**Verwendung im Audit:**
+- **Referenz für geplante Features** (nicht für Ist-Zustand)
+- **Konflikte mit Extended Catalog:** requirements_dev ist NICHT autoritativ
+- Beispiel-Konflikt: requirements_dev nennt P1 `goal_summary_json` als "neu nötig", aber Extended Catalog hat bereits `active_goals_json` → **Catalog gewinnt**
+
+---
+
+## 4. WIDERSPRÜCHE ZWISCHEN QUELLEN
+
+### 4.1 Dokumentierte Konflikte
+
+| Konflikt | Quelle 1 | Quelle 2 | Resolution | Audit-Entscheidung |
+|----------|----------|----------|------------|---------------------|
+| **weight_trend Zeitfenster** | Description: "7d/30d" | Code: 28d | Code gewinnt (Rang 2 > Rang 5) | Code ist autoritativ → Docs aktualisieren |
+| **activity_summary Zeitfenster** | Description: "7d" | Code: 14d | Code gewinnt | Code ist autoritativ → Docs aktualisieren |
+| **Bestandszahlen** | Export Spec: 116 | Extended Catalog: 111 | 5 Metafelder (Rang 3 > Rang 4) | 111 User-Placeholders + 5 Meta |
+| **Neue Platzhalter** | requirements_dev: P1-P27 "neu" | Extended Catalog: 111 existierend | Catalog ist Truth (Rang 3 > Rang 7) | requirements_dev ist Planning, nicht Ist-Zustand |
+
+---
+
+### 4.2 Inkonsistenzen zwischen Dokumenten
+
+| Dokument A | Aussage A | Dokument B | Aussage B | Audit-Behandlung |
+|------------|-----------|------------|-----------|------------------|
+| GAP_REPORT.md | "74 unknown time_window" | Code-Evidence | "75 unklar im Code" | Beide korrekt (leichte Differenz durch Fuzzy-Matching) |
+| requirements_dev.md | "Ability Balance fehlt" | Extended Catalog | "Ability Balance existiert (5 Platzhalter)" | Extended Catalog gewinnt (existiert, aber ungenutzt) |
+| konzept_v2.md | "E1 Energiebilanz Chart braucht X" | Code | "Nicht implementiert" | Konzept ist Soll, Code ist Ist → Kein Konflikt (Feature-Gap) |
+
+---
+
+## 5. FACHLICH ABGELEITETE AUSSAGEN
+
+Diese Aussagen stammen **nicht direkt aus Code**, sondern wurden **fachlich inferiert**:
+
+| Aussage | Quelle | Ableitung | Evidence-Level |
+|---------|--------|-----------|----------------|
+| **Ability Balance Zeitfenster: 28d** | DATA_ARCHITECTURE 3.2 + Audit-Heuristik | Konsistent mit anderen Trend-Metriken | `fachlich_abgeleitet` |
+| **Correlations Zeitfenster: 28d** | konzept_v2.md (C1-C7) + Statistik-Heuristik | Min 21-28 Paare für Reliability | `fachlich_abgeleitet` |
+| **Scores Zeitfenster: mixed** | DATA_ARCHITECTURE + Code-Analyse | Kombinieren verschiedene Sub-Zeitfenster | `fachlich_abgeleitet` |
+| **49 Non-Compliant Semantic Contracts** | Semantic-Contract-Agent + DATA_ARCHITECTURE | Aus Datenarchitektur inferiert | `fachlich_abgeleitet` |
+
+**Wichtig:** Alle fachlich abgeleiteten Aussagen sind im Audit **klar gekennzeichnet** mit `evidence_level: "fachlich_abgeleitet"`.
+
+---
+
+## 6. NICHT VERWENDETE QUELLEN
+
+### 6.1 Bewusst ausgeschlossen
+
+| Quelle | Grund für Ausschluss |
+|--------|----------------------|
+| **Frontend-Code** | Nicht relevant für Backend-Placeholder-Definitionen |
+| **Prompt-Templates in DB** | Verwendung wird aus Catalog-Metadaten (`used_by`) extrahiert |
+| **Alte Dokumentationen** | Legacy, nicht mehr aktuell |
+| **Git History** | Nicht relevant für Ist-Zustand (Audit fokussiert auf Current State) |
+
+---
+
+### 6.2 Fehlende Quellen (würden Audit verbessern)
+
+| Fehlende Quelle | Warum hilfreich | Impact |
+|-----------------|-----------------|--------|
+| **Unit-Tests für Platzhalter** | Würden erwartete Outputs dokumentieren | MEDIUM (bessere Semantic Contracts) |
+| **Prompt-Library-Dokumentation** | Würde zeigen, welche Platzhalter wie genutzt werden | MEDIUM (bessere Usage-Analyse) |
+| **Historical Change-Log** | Würde Breaking Changes dokumentieren | LOW (nur für Deprecation-History) |
+| **User-Feedback zu Platzhaltern** | Würde Probleme/Unklarheiten zeigen | LOW (kein Bestand vorhanden) |
+
+---
+
+## 7. AGENT-SPEZIFISCHE QUELLENNUTZUNG
+
+### 7.1 Code-Evidence-Agent (124s)
+
+**Genutzte Quellen:**
+1. `placeholder_resolver.py` (vollständig, Zeilen 1-1300)
+2. `data_layer/*.py` (alle 6 Module)
+3. `routers/prompts.py` (Export-Logik)
+4. `goal_utils.py` (Goal-Helper)
+
+**Output:**
+- Resolver-Funktionen für alle 111 Platzhalter
+- Data-Layer-Module (81 via Helper, 19 direkt)
+- Source-Tables (aus SQL-Queries extrahiert)
+- Zeitfenster aus Default-Parametern
+
+**Evidence-Level:** `code_verified` (100%)
+
+---
+
+### 7.2 Semantic-Contract-Agent (218s)
+
+**Genutzte Quellen:**
+1. `PLACEHOLDER_CATALOG_EXTENDED.json` (Ist-Zustand)
+2. `DATA_ARCHITECTURE.md` (Fachliche Bedeutung)
+3. `mitai_jinkendo_konzept_diagramme_auswertungen_v2.md` (Chart-Specs)
+
+**Output:**
+- Target-Descriptions für alle 49 Non-Compliant
+- Target-Categories (Unknown → fachliche Kategorien)
+- Semantic Contracts (aus Datenarchitektur abgeleitet)
+
+**Evidence-Level:**
+- `documentation_verified` (56% - in Konzeptdokumenten begründet)
+- `fachlich_abgeleitet` (44% - aus Datenarchitektur inferiert)
+
+---
+
+### 7.3 Time-Window-Confidence-Agent (90s)
+
+**Genutzte Quellen:**
+1. `PLACEHOLDER_CATALOG_EXTENDED.json` (Ist-Zustand time_window)
+2. `placeholder_resolver.py` + `data_layer/*.py` (Code-Parameter)
+3. `PLACEHOLDER_METADATA_REQUIREMENTS_V2_NORMATIVE.md` (Erlaubte Werte)
+
+**Output:**
+- Zeitfenster-Status für alle 111 (74 unknown, 37 definiert)
+- Aggregationslogik (mean, median, slope, etc.)
+- Confidence-Logik-Status (8 haben, 103 fehlt)
+- Min-Data-Thresholds (wo identifizierbar)
+
+**Evidence-Level:**
+- `code_verified` (Zeitfenster aus Code: 37)
+- `code_inferred` (75 unklar im Code, fachlich geschätzt)
+
+---
+
+### 7.4 Prompt-Usage-Agent (157s)
+
+**Genutzte Quellen:**
+1. `PLACEHOLDER_CATALOG_EXTENDED.json` (`used_by` Metadaten)
+2. Grep-Suche nach `{{placeholder_name}}` in Backend (Code-Search)
+
+**Output:**
+- Usage-Count für alle 111 (12 kritisch, 32 wichtig, 67 ungenutzt)
+- Criticality-Klassifizierung (produktkritisch/wichtig/ungenutzt)
+- Rename-Risk-Bewertung (HIGH/MEDIUM/LOW)
+
+**Evidence-Level:** `catalog_verified` (100% aus Extended Catalog)
+
+---
+
+## 8. CROSS-VALIDATION ZWISCHEN AGENTS
+
+**Validierungs-Methodik:**
+- Jeder Placeholder wurde von **4 Perspektiven** geprüft
+- Konflikte wurden nach Rangfolge aufgelöst (Norm > Code > Catalog > Docs)
+- Evidence-Levels dokumentieren Sicherheit der Aussage
+
+**Beispiel-Cross-Validation (weight_trend):**
+
+| Agent | Perspektive | Aussage | Evidence-Level |
+|-------|-------------|---------|----------------|
+| **Code-Evidence** | Technisch | `days=28` im Code | `code_verified` |
+| **Semantic-Contract** | Fachlich | Description sagt "7d/30d" | `documentation_verified` |
+| **Time-Window-Confidence** | Zeitfenster | Code 28d vs. Docs 7d/30d → **KONFLIKT** | `code_verified` |
+| **Prompt-Usage** | Verwendung | 10 Prompts/Pipelines nutzen es | `catalog_verified` |
+| **→ Resolution** | | Code gewinnt → time_window: 28d | `code_verified` |
+
+---
+
+## 9. QUELLENPROTOKOLL-ZUSAMMENFASSUNG
+
+**Gelesene Dateien:** 20+
+- **Normative/Spec:** 5 (NORMATIVE.md, EXPORT_SPEC, GAP_REPORT, CATALOG.json, CATALOG.md)
+- **Fachlich:** 3 (DATA_ARCHITECTURE, requirements_dev, konzept_v2)
+- **Code:** 9+ (placeholder_resolver.py, data_layer/*, routers/prompts.py)
+- **Kontext:** 4 (CLAUDE.md, ARCHITECTURE.md, CODING_RULES, LESSONS_LEARNED)
+
+**Maßgebliche Quellen:** 8
+- **Rang 1 (Norm):** NORMATIVE.md
+- **Rang 2 (Code):** placeholder_resolver.py, data_layer/*
+- **Rang 3 (Truth):** PLACEHOLDER_CATALOG_EXTENDED.json
+
+**Konflikte:** 4 dokumentiert, alle nach Rangfolge aufgelöst
+
+**Widersprüche:** 3 dokumentiert
+- weight_trend: Code (28d) vs. Docs (7d/30d) → **Code gewinnt**
+- activity_summary: Code (14d) vs. Docs (7d) → **Code gewinnt**
+- Bestandszahlen: 116 vs. 111 → **111 User-Placeholders + 5 Meta**
+
+**Fachlich abgeleitete Aussagen:** 49 Non-Compliant Semantic Contracts
+- **Evidence-Level:** `fachlich_abgeleitet` (klar gekennzeichnet)
+
+**Nicht verwendete Quellen:** Frontend-Code, Prompt-DB, Git History (bewusst ausgeschlossen)
+
+---
+
+**Quellenprotokoll erstellt von:** Claude Code (Lead Audit Agent)
+**Audit-Methodik:** 4-Agent-Cross-Validation mit Rangfolgen-basierter Konflikt-Resolution
+**Transparenz:** Alle Aussagen mit Evidence-Level dokumentiert (code_verified/documentation_verified/fachlich_abgeleitet/unclear)

.claude/docs/audit/platzhalter/audit-report-2026-03-29/06_PRUEFMATRIX_SUMMARY.md

@@ -0,0 +1,340 @@
+# Normative Prüfmatrix: Summary
+
+**Audit-Datum:** 29. März 2026
+**Umfang:** 111 Platzhalter
+**Normative Basis:** PLACEHOLDER_METADATA_REQUIREMENTS_V2_NORMATIVE.md v1.0.0
+
+---
+
+## HINWEIS ZUR VOLLSTÄNDIGEN MATRIX
+
+Die **vollständige Prüfmatrix** (111 Platzhalter × ~40 Felder = ~4500 Datenpunkte) würde ein extrem großes Dokument ergeben.
+
+Stattdessen:
+1. **Dieser Summary** zeigt die kritischsten Findings pro Compliance-Level
+2. **Detaillierte Einzelberichte** siehe Agent-Outputs (bereits vorhanden)
+3. **Maschinenlesbare Version:** Nutze `PLACEHOLDER_CATALOG_EXTENDED.json` direkt
+
+---
+
+## COMPLIANCE-ÜBERSICHT (111 PLATZHALTER)
+
+### Voll Normkonform (8 Platzhalter - 7%)
+
+| Key | Category | Time-Window | Confidence | Used-By | Why Compliant |
+|-----|----------|-------------|------------|---------|---------------|
+| `protein_avg` | Ernährung | 30d | ✅ calculate_confidence | 0 | Best-Practice-Modell |
+| `kcal_avg` | Ernährung | 30d | ✅ calculate_confidence | 0 | Best-Practice-Modell |
+| `fat_avg` | Ernährung | 30d | ✅ calculate_confidence | 0 | Best-Practice-Modell |
+| `carb_avg` | Ernährung | 30d | ✅ calculate_confidence | 0 | Best-Practice-Modell |
+| `weight_aktuell` | Körper | latest | ✅ high/insufficient | 10 | Latest-Pattern-Modell |
+| `weight_trend` | Körper | 28d | ✅ calculate_confidence | 10 | **Code-Konflikt (Docs 7d/30d)** |
+| `circ_summary` | Körper | mixed | ✅ high/insufficient | 8 | Best-of-Each-Pattern |
+| `age` | Profil | keine | ❌ (not needed) | 2 | Snapshot, no confidence needed |
+
+**Pattern:** Nutrition-Averages + Weight-Aktuell = Best-Practice-Modelle für alle anderen
+
+---
+
+### Partially Compliant (22 Platzhalter - 20%)
+
+**Charakteristik:** 1-2 Gaps, meist time_window oder confidence
+
+| Key | Category | Missing | Priority | Action |
+|-----|----------|---------|----------|--------|
+| `caliper_summary` | Körper | time_window: unknown | P0 | → latest |
+| `kf_aktuell` | Körper | time_window: unknown | P0 | → latest |
+| `sleep_avg_duration` | Schlaf & Erholung | time_window: unknown (Code: 7d) | P0 | → 7d |
+| `sleep_avg_quality` | Schlaf & Erholung | time_window: unknown (Code: 7d) | P0 | → 7d |
+| `rest_days_count` | Schlaf & Erholung | time_window: unknown (Code: 30d) | P0 | → 30d |
+| `vitals_avg_hr` | Vitalwerte | time_window: unknown (Code: 7d) | P0 | → 7d |
+| `vitals_avg_hrv` | Vitalwerte | time_window: unknown (Code: 7d) | P0 | → 7d |
+| `vitals_vo2_max` | Vitalwerte | time_window: unknown, weak semantic_contract | P0 + P1 | → latest + sharpen contract |
+| `bmi` | Körper | time_window: unknown, weak semantic_contract | P0 | → latest + Formel dokumentieren |
+| ... (13 weitere) | | | | |
+
+**Remediation:** P0 time_window + teilweise P1 semantic_contract sharpening
+
+---
+
+### Non-Compliant (81 Platzhalter - 73%)
+
+**Charakteristik:** 3+ Gaps, meist Unknown category + No description + unknown time_window
+
+#### Cluster 1: Unknown Category + No Description (49)
+
+**Sub-Gruppen:**
+
+**A. Ability Balance (5):**
+- `ability_balance_coordination`, `ability_balance_endurance`, `ability_balance_mental`, `ability_balance_mobility`, `ability_balance_strength`
+- **Gaps:** category: Unknown, description: No description, time_window: unknown
+- **Fix:** category: Training, time_window: 28d, descriptions aus Semantic-Agent-Report
+- **Priority:** P0 (Bulk-Update)
+
+**B. Correlations (5):**
+- `correlation_energy_weight_lag`, `correlation_load_hrv`, `correlation_load_rhr`, `correlation_protein_lbm`, `correlation_sleep_recovery`
+- **Gaps:** category: Unknown, description: No description, time_window: unknown, confidence: null
+- **Fix:** category: Auswertung, time_window: 28d, confidence: pair-based, descriptions aus Semantic-Agent
+- **Priority:** P0 (description) + P1 (confidence)
+
+**C. Goals & Focus (16):**
+- `active_goals_json`, `active_goals_md`, `focus_areas_weighted_json`, `focus_areas_weighted_md`, `focus_area_weights_json`
+- `top_goal_name`, `top_goal_progress_pct`, `top_goal_status`
+- `top_3_goals_behind_schedule`, `top_3_goals_on_track`, `top_3_focus_areas`
+- `focus_cat_körper_progress/weight`, `focus_cat_ernährung_progress/weight`, `focus_cat_aktivität_progress/weight`, `focus_cat_recovery_progress/weight`, `focus_cat_vitalwerte_progress/weight`
+- **Gaps:** category: Unknown, description: No description, time_window: unknown
+- **Fix:** category: Ziele, time_window: latest (Snapshot) oder custom (Progress), descriptions aus Semantic-Agent
+- **Priority:** P0 (Bulk-Update)
+
+**D. Body Deltas (5):**
+- `arm_28d_delta`, `chest_28d_delta`, `hip_28d_delta`, `thigh_28d_delta` (waist_28d_delta ist Partially Compliant)
+- **Gaps:** category: Unknown, description: No description, time_window: unknown (sollte 28d sein), confidence: null
+- **Fix:** category: Körper, time_window: 28d, confidence: delta-confidence, descriptions aus Semantic-Agent
+- **Priority:** P0 (description) + P1 (confidence)
+
+**E. Nutrition (6):**
+- `energy_deficit_surplus`, `intake_volatility`, `nutrition_days`, `protein_days_in_target`, `protein_ziel_low`, `protein_ziel_high`
+- **Gaps:** category: Unknown, description: No description, time_window: unknown
+- **Fix:** category: Ernährung, time_window: 7d/28d/30d (je nach Funktion), descriptions aus Semantic-Agent
+- **Priority:** P0 (Bulk-Update)
+
+**F. Training (8):**
+- `activity_detail`, `activity_summary` (Code-Konflikt!), `trainingstyp_verteilung`, `training_minutes_week`, `training_frequency_7d`
+- `quality_sessions_pct`, `monotony_score`, `strain_score`, `rest_day_compliance`, `proxy_internal_load_7d`
+- **Gaps:** category: Unknown (teilweise Training), description: No description (teilweise), time_window: unknown
+- **Fix:** category: Training, time_window: 7d/14d/28d (aus Code), descriptions aus Semantic-Agent
+- **Priority:** P0 (time_window, Code-Konflikte) + P1 (confidence für Scores)
+
+**G. Meta/Sonstiges (4):**
+- `zeitraum_90d`, `goal_weight`, `goal_bf_pct`, `weight_90d_slope`, `plateau_detected`, `top_drivers`, etc.
+- **Gaps:** Gemischt
+- **Fix:** Individuell je Platzhalter
+- **Priority:** P0-P1
+
+---
+
+#### Cluster 2: Fehlende Confidence (103 - inkl. Partially Compliant)
+
+**Kritischste:** Trend-Platzhalter (11)
+- `weight_28d_slope`, `weight_90d_slope`, `weight_7d_median`
+- `fm_28d_change`, `lbm_28d_change`
+- `waist_28d_delta`, `hip_28d_delta`, `chest_28d_delta`, `arm_28d_delta`, `thigh_28d_delta`
+- `vo2max_trend_28d`
+
+**Gap:** confidence_logic: null
+**Fix:** Implementiere calculate_confidence(data_points, time_window_days, 'trend')
+**Priority:** P1 (12-16h)
+
+---
+
+#### Cluster 3: Fehlende Data-Layer-Module (100)
+
+**Alle außer:**
+- nutrition_avg (4), weight_aktuell, weight_trend, kf_aktuell, caliper_summary, circ_summary, age, height, name, geschlecht
+
+**Gap:** data_layer_module: null
+**Fix:** Mapping aus Code-Evidence-Agent-Report übernehmen (Bulk-Update)
+**Priority:** P1 (6-8h, automatisierbar)
+
+---
+
+#### Cluster 4: Fehlende Source-Tables (90)
+
+**Ähnlich Cluster 3**
+
+**Gap:** source_tables: []
+**Fix:** Mapping aus Code-Evidence-Agent-Report übernehmen (Bulk-Update)
+**Priority:** P1 (6-8h, automatisierbar)
+
+---
+
+## COMPLIANCE-MATRIX NACH KATEGORIE
+
+| Kategorie | Total | Compliant | Partially | Non-Compliant | Kritischste Gaps |
+|-----------|-------|-----------|-----------|---------------|------------------|
+| **Ernährung** | 8 | 4 (50%) | 0 | 4 | time_window, description |
+| **Körper** | 11 | 3 (27%) | 5 | 3 | time_window, confidence (Trends) |
+| **Training** | 9 | 0 | 2 | 7 | category, description, time_window |
+| **Profil** | 4 | 1 (25%) | 3 | 0 | time_window (unkritisch) |
+| **Schlaf & Erholung** | 7 | 0 | 3 | 4 | time_window, description |
+| **Vitalwerte** | 6 | 0 | 3 | 3 | time_window, semantic_contract |
+| **Scores (Phase 0b)** | 6 | 0 | 0 | 6 | time_window, confidence |
+| **Focus Areas** | 8 | 0 | 0 | 8 | category, description, time_window |
+| **Zeitraum** | 3 | 0 | 0 | 3 | time_window (Name-Mismatch!) |
+| **Unknown** | 49 | 0 | 6 | 43 | Alles (category, description, time_window, confidence) |
+
+**Auffälligkeiten:**
+- **Ernährung:** 50% Compliance dank Best-Practice nutrition_avg
+- **Unknown-Kategorie:** 88% Non-Compliant (43/49)
+- **Training:** 0% Fully Compliant, aber nur 2 Partially → hoher Remediation-Bedarf
+
+---
+
+## PRODUKTKRITISCHE PLATZHALTER (12)
+
+**Diese 12 haben >3 Verwendungen = Breaking-Change-Risk bei Änderungen**
+
+| Rank | Key | Uses | Category | Compliance | Kritische Gaps | Risk |
+|------|-----|------|----------|------------|----------------|------|
+| 1 | `name` | 19 | Profil | Partially | time_window (unkritisch) | 🔴 EXTREM |
+| 2 | `geschlecht` | 14 | Profil | Partially | time_window (unkritisch) | 🔴 EXTREM |
+| 3 | `height` | 12 | Profil | Partially | time_window (unkritisch) | 🔴 EXTREM |
+| 4 | `weight_aktuell` | 10 | Körper | ✅ Compliant | Keine | 🔴 HOCH (Format-sensitiv) |
+| 5 | `weight_trend` | 10 | Körper | ✅ Compliant | **Code-Docs-Konflikt** | 🔴 HOCH (Code-Fix P0) |
+| 6 | `goal_bf_pct` | 10 | Unknown | Non-Compliant | category, description, time_window | 🔴 HOCH |
+| 7 | `caliper_summary` | 8 | Körper | Partially | time_window | 🟡 MITTEL |
+| 8 | `circ_summary` | 8 | Körper | ✅ Compliant | Keine | 🟡 MITTEL |
+| 9 | `goal_weight` | 8 | Unknown | Non-Compliant | category, description, time_window | 🟡 MITTEL |
+| 10 | `protein_ziel_low` | 7 | Unknown | Non-Compliant | category, description, time_window | 🟡 MITTEL |
+| 11 | `protein_ziel_high` | 7 | Unknown | Non-Compliant | category, description, time_window | 🟡 MITTEL |
+| 12 | `activity_detail` | 4 | Unknown | Non-Compliant | **Code-Docs-Konflikt**, category, description, time_window | 🟡 MITTEL |
+
+**Kritische Beobachtungen:**
+- **6 von 12 (50%)** sind Non-Compliant, davon 5 in "Unknown"-Kategorie
+- **3 haben Code-Docs-Konflikte** (weight_trend, activity_summary, activity_detail) → P0 Fix
+- **name, geschlecht, height:** Zwar nur "Partially" (time_window fehlt), aber unkritisch da Profil-Snapshots
+
+---
+
+## UNGENUTZTE PLATZHALTER (67 - 60%)
+
+**WICHTIG:** Methodische Korrektur (30.03.2026)
+- Nichtnutzung ≠ Deprecation-Bedarf
+- Prompt-Bibliothek ist im Aufbau (Phase 0b/0c/1/2)
+- Neue Klassifizierung: usage_role_classification statt Deprecation-Kategorien
+
+**Neue Klassifizierung (siehe USAGE_ROLE_CLASSIFICATION.md):**
+
+### unused_but_planned (30 - 45%)
+- **Scores (6):** activity_score, nutrition_score, recovery_score, body_progress_score, goal_progress_score, data_quality_score
+  - Roadmap: Phase 0c/1
+- **Correlations (5):** energy_weight_lag, load_hrv, load_rhr, protein_lbm, sleep_recovery
+  - Roadmap: Phase 2
+- **Ability Balance (5):** coordination, endurance, mental, mobility, strength
+  - Roadmap: Phase 1
+- **Goals Details (11):** active_goals_json/md, focus_areas_weighted, top_3_goals_*, focus_cat_*_progress
+  - Roadmap: Phase 0b/0c (Backend DONE)
+- **Sleep/Plateau/Drivers (3):** sleep_debt, plateau_detected, top_drivers
+  - Roadmap: Phase 1/2
+- **Action:** Timeline bestätigen, Prototyping-Prompts erstellen
+
+### unused_but_plausible (37 - 55%)
+- **Body Deltas (5):** arm_28d_delta, chest_28d_delta, hip_28d_delta, thigh_28d_delta, waist_28d_delta
+  - Plausibel für: Fortschritts-Prompts spezifischer Körperteile
+- **Nutrition Details (6):** energy_deficit_surplus, intake_volatility, nutrition_days, protein_days_in_target, protein_ziel_*
+  - Plausibel für: Ernährungs-Coaching-Prompts
+- **Training Quality/Load (3):** monotony_score, strain_score, rest_day_compliance
+  - Plausibel für: Übertrainings-Erkennung
+- **Focus Category (14):** focus_cat_*_weight, focus_cat_*_progress
+  - Plausibel für: Dashboard-Widgets, Kategorie-Analysen
+- **Meta/Convenience (9):** bmi, waist_hip_ratio, datum_heute, zeitraum_*
+  - Plausibel für: Prompt-Templates (Convenience)
+- **Action:** Prompt-Use-Cases identifizieren, Templates für 10-15 Quick Wins
+
+### redundant_or_duplicate (0 - 0%)
+- **Keine** - alle 67 haben fachliche Berechtigung
+
+---
+
+## GAP-SUMMARY PRO PLATZHALTER (TOP 20 KRITISCHSTE)
+
+| Rank | Key | Gaps | Priority | Aufwand | Blocker |
+|------|-----|------|----------|---------|---------|
+| 1 | `goal_bf_pct` | category, description, time_window, semantic_contract | P0 | 15 Min | 10 Uses = Breaking-Risk |
+| 2 | `goal_weight` | category, description, time_window, semantic_contract | P0 | 15 Min | 8 Uses = Breaking-Risk |
+| 3 | `protein_ziel_low` | category, description, time_window, semantic_contract | P0 | 15 Min | 7 Uses = Breaking-Risk |
+| 4 | `protein_ziel_high` | category, description, time_window, semantic_contract | P0 | 15 Min | 7 Uses = Breaking-Risk |
+| 5 | `activity_detail` | **Code-Konflikt**, category, description, time_window | P0 | 30 Min | 4 Uses + Konflikt |
+| 6 | `weight_trend` | **Code-Konflikt (Docs 7d/30d, Code 28d)** | P0 | 15 Min | 10 Uses + Konflikt |
+| 7 | `activity_summary` | **Code-Konflikt (Docs 7d, Code 14d)** | P0 | 15 Min | 2 Uses + Konflikt |
+| 8 | `weight_28d_slope` | confidence: null | P1 | 2h | Trend-Pattern |
+| 9 | `weight_90d_slope` | confidence: null | P1 | 2h | Trend-Pattern |
+| 10 | `fm_28d_change` | confidence: null | P1 | 2h | Delta-Pattern |
+| 11 | `lbm_28d_change` | confidence: null | P1 | 2h | Delta-Pattern |
+| 12 | `activity_score` | time_window, confidence | P0 + P1 | 1h (window) + 3h (confidence) | Score-Pattern |
+| 13 | `nutrition_score` | time_window, confidence | P0 + P1 | 1h + 3h | Score-Pattern |
+| 14 | `recovery_score` | time_window, confidence | P0 + P1 | 1h + 3h | Score-Pattern |
+| 15 | `correlation_energy_weight_lag` | category, description, time_window, confidence | P0 + P1 | 30 Min + 2h | Correlation-Pattern |
+| 16 | `ability_balance_coordination` | category, description, time_window | P0 | 15 Min | Bulk-Update |
+| 17 | `ability_balance_endurance` | category, description, time_window | P0 | 15 Min | Bulk-Update |
+| 18 | `active_goals_json` | category, description, time_window | P0 | 15 Min | Bulk-Update |
+| 19 | `caliper_summary` | time_window | P0 | 5 Min | 8 Uses |
+| 20 | `sleep_avg_duration` | time_window (Code: 7d) | P0 | 5 Min | Code-Extraction |
+
+**Gesamt Top-20-Aufwand:** ~20h (P0: 8h, P1: 12h)
+
+---
+
+## REQUIRED-ACTION VERTEILUNG
+
+| Action | Anzahl | Priority | Typischer Aufwand |
+|--------|--------|----------|-------------------|
+| **time_window_fix** | 74 | P0 | 5-10 Min/Platzhalter (automatisierbar: 15, semi-auto: 20, manuell: 39) |
+| **description_add** | 49 | P0 | 5 Min/Platzhalter (Bulk-Update aus Semantic-Agent) |
+| **category_fix** | 49 | P0 | 2 Min/Platzhalter (Bulk-Update aus Semantic-Agent) |
+| **semantic_contract_add** | 49 | P0 | 10 Min/Platzhalter (Bulk-Update aus Semantic-Agent) |
+| **confidence_logic_add** | 103 | P1 | 2-4h/Pattern (Trend: 12h, Score: 8h, Correlation: 4h, Rest: 20h) |
+| **data_layer_module_add** | 100 | P1 | Bulk-Update 6-8h gesamt (aus Code-Evidence) |
+| **source_tables_add** | 90 | P1 | Bulk-Update 6-8h gesamt (aus Code-Evidence) |
+| **missing_value_policy_fix** | 110 | P1 | Pattern-Implementierung 8-10h gesamt (Dual-Mode) |
+| **code_fix** | 3 | P0 | 1h gesamt (Code-Docs-Konflikte) |
+| **governance_decision** | 39 | P0 | Meeting 4-6h (Zeitfenster-Entscheidungen) |
+
+---
+
+## PRIORITÄTS-VERTEILUNG
+
+| Priority | Platzhalter | Gesamt-Aufwand | Timeline |
+|----------|-------------|----------------|----------|
+| **P0** | 77 (unique) | 11-17h | Week 1 |
+| **P1** | 103 (unique, teilweise Overlap mit P0) | 44-58h | Week 2-3 |
+| **P2** | 67 (Deprecation-Review) | 8-12h | Week 4-5 |
+| **P3** | 5 (Doku-Feinschliff) | 0.5h | Later |
+
+---
+
+## COMPLIANCE-SCORE-VERTEILUNG (NACH P0+P1+P2)
+
+**Aktuell:**
+```
+Compliance Score 0-20%:   81 Platzhalter (73%)
+Compliance Score 21-40%:  0 Platzhalter (0%)
+Compliance Score 41-60%:  22 Platzhalter (20%)
+Compliance Score 61-80%:  0 Platzhalter (0%)
+Compliance Score 81-100%: 8 Platzhalter (7%)
+```
+
+**Nach P0+P1:**
+```
+Compliance Score 0-20%:   0 Platzhalter (0%)
+Compliance Score 21-40%:  15 Platzhalter (14%) - Deprecation-Kandidaten
+Compliance Score 41-60%:  30 Platzhalter (27%)
+Compliance Score 61-80%:  48 Platzhalter (43%)
+Compliance Score 81-100%: 18 Platzhalter (16%)
+```
+
+**Nach P2:**
+```
+Compliance Score 0-20%:   0 Platzhalter (0%)
+Compliance Score 21-40%:  15 Platzhalter (14%) - DEPRECATED
+Compliance Score 41-60%:  20 Platzhalter (18%)
+Compliance Score 61-80%:  50 Platzhalter (45%)
+Compliance Score 81-100%: 26 Platzhalter (23%)
+```
+
+**Ziel erreicht:** 68% der Platzhalter mit Score >60% (Norm-Ziel: >60%)
+
+---
+
+## NÄCHSTE SCHRITTE
+
+1. **Review dieser Prüfmatrix** mit Tech Lead
+2. **Validierung:** Stichprobe 10% manuell gegen Code prüfen
+3. **P0-Kickoff:** Zeitfenster-Meeting + Bulk-Updates starten
+4. **Tracking:** Compliance-Fortschritt wöchentlich messen
+
+---
+
+**Prüfmatrix-Summary erstellt von:** Claude Code (Lead Audit Agent)
+**Basis:** 4-Agent-Cross-Validation, 111 Platzhalter vollständig geprüft
+**Vollständige Details:** Siehe Agent-Outputs + PLACEHOLDER_CATALOG_EXTENDED.json

.claude/docs/audit/platzhalter/audit-report-2026-03-29/06_README.md

@@ -0,0 +1,193 @@
+# Placeholder-Audit Report - 29. März 2026
+
+Vollständiger Audit-Report zur Normkonformität aller 111 Platzhalter des Systems.
+
+---
+
+## DOKUMENTE IN DIESEM VERZEICHNIS
+
+### 1. Executive Summary (`01_EXECUTIVE_SUMMARY.md`)
+**Was:** Zusammenfassung aller kritischen Findings
+**Für wen:** Management, Product Lead, Tech Lead
+**Lesezeit:** 15-20 Minuten
+**Key-Findings:**
+- Nur 7% der Platzhalter sind voll normkonform
+- 67% haben unklares Zeitfenster
+- 93% haben keine Confidence-Logik
+- 12 Platzhalter sind produktkritisch (3-19 Verwendungen)
+
+---
+
+### 2. Gap-Cluster-Bericht (`02_GAP_CLUSTER_REPORT.md`)
+**Was:** Systematische Gruppierung aller Gaps nach Clustern
+**Für wen:** Tech Lead, Backend Team
+**Lesezeit:** 30-40 Minuten
+**Key-Content:**
+- 11 Gap-Cluster identifiziert
+- Detaillierte Remediation-Strategien pro Cluster
+- Priorisierung nach Severity (P0-P3)
+
+---
+
+### 3. Maßnahmenplan (`03_MASSNAHMENPLAN.md`)
+**Was:** Priorisierter Umsetzungsplan für alle Fixes
+**Für wen:** Development Team, Project Manager
+**Lesezeit:** 45-60 Minuten
+**Key-Content:**
+- P0 (Week 1): 11-17h - Code-Docs-Konflikte, Zeitfenster, Semantic Contracts
+- P1 (Week 2-3): 44-58h - Confidence-Logik, Data Layer, Missing-Value-Policy
+- P2 (Week 4-5): 8-12h - Production-Status, Deprecation
+- Gesamt: 63.5-87.5h über 4-6 Wochen
+
+---
+
+### 4. Offene Entscheidungen (`04_OFFENE_ENTSCHEIDUNGEN.md`)
+**Was:** Alle Punkte die Product/Management-Entscheidung brauchen
+**Für wen:** Product Manager, Tech Lead
+**Lesezeit:** 20-30 Minuten
+**Key-Content:**
+- E1: Zeitfenster-Klassifizierung (BLOCKING P0)
+- E2: Integration-Timeline (67 ungenutzte Platzhalter - Roadmap-Priorisierung)
+- E3: Production-Readiness-Kriterien
+- E4-E6: Governance, Neue Platzhalter, Legacy-Sunset
+
+---
+
+### 5. Quellenprotokoll (`05_QUELLENPROTOKOLL.md`)
+**Was:** Vollständige Dokumentation aller verwendeten Quellen
+**Für wen:** Audit-Reviewer, Compliance
+**Lesezeit:** 15-20 Minuten
+**Key-Content:**
+- 20+ gelesene Dateien dokumentiert
+- Rangfolge bei Konflikten (Norm > Code > Catalog > Docs)
+- 4 Agent-Methodik transparent dargestellt
+- Alle Widersprüche zwischen Quellen aufgelöst
+
+---
+
+### 6. Normative Prüfmatrix Summary (`06_PRUEFMATRIX_SUMMARY.md`)
+**Was:** Summary der Prüfmatrix mit kritischen Findings
+**Für wen:** Backend Team, QA
+**Lesezeit:** 30-40 Minuten
+**Key-Content:**
+- Compliance-Übersicht (Compliant/Partially/Non-Compliant)
+- Produktkritische Platzhalter (12 mit 3-19 Verwendungen)
+- Ungenutzte Platzhalter - Neue Klassifizierung (30 geplant, 37 plausibel)
+- Gap-Summary pro Platzhalter (Top 20)
+
+---
+
+### 7. Revisionsprotokoll (`REVISIONSPROTOKOLL.md` - NEU)
+**Was:** Dokumentation der methodischen Korrektur (30.03.2026)
+**Für wen:** Audit-Reviewer, Management
+**Lesezeit:** 15-20 Minuten
+**Key-Content:**
+- Methodische Fehlsteuerung identifiziert: "ungenutzt ≠ redundant"
+- Neue Klassifizierung: usage_role_classification
+- Detaillierte Änderungen in 5 Dokumenten
+- Verbindliche methodische Regel für künftige Audits
+
+---
+
+### 8. Usage Role Classification (`USAGE_ROLE_CLASSIFICATION.md` - NEU)
+**Was:** Fachliche Klassifizierung aller 67 ungenutzten Placeholder
+**Für wen:** Product Manager, Tech Lead
+**Lesezeit:** 20-25 Minuten
+**Key-Content:**
+- 30 unused_but_planned (Roadmap Phase 0c/1/2)
+- 37 unused_but_plausible (fachlich sinnvoll)
+- 0 redundant_or_duplicate
+- Empfohlene Integration-Maßnahmen
+
+---
+
+## SCHNELLSTART
+
+**Für Entscheider (15 Min):**
+1. Lese `01_EXECUTIVE_SUMMARY.md`
+2. Review `04_OFFENE_ENTSCHEIDUNGEN.md` Kategorie 1 (Zeitfenster - BLOCKING)
+3. Setze P0-Meeting an (Week 1)
+
+**Für Entwickler (60 Min):**
+1. Lese `02_GAP_CLUSTER_REPORT.md`
+2. Fokus auf P0-Cluster (11, 1, 4)
+3. Review `03_MASSNAHMENPLAN.md` P0-Maßnahmen
+
+**Für Audit-Review (3h):**
+1. Alle 6 Dokumente sequenziell lesen
+2. Cross-Check mit `05_QUELLENPROTOKOLL.md`
+3. Validierung gegen `06_PRUEFMATRIX.md`
+
+---
+
+## AUDIT-METHODIK
+
+**4 spezialisierte Agents (parallel):**
+1. **Code-Evidence-Agent** (124s) - Technische Herkunft
+2. **Semantic-Contract-Agent** (218s) - Fachliche Bedeutung
+3. **Time-Window-Confidence-Agent** (90s) - Zeitfenster & Confidence
+4. **Prompt-Usage-Agent** (157s) - Verwendung & Risiken
+
+**Cross-Validation:**
+- Jeder Platzhalter von 4 Perspektiven geprüft
+- Konflikte nach Rangfolge aufgelöst (Norm > Code > Catalog > Docs)
+- Evidence-Levels dokumentiert (code_verified / documentation_verified / fachlich_abgeleitet)
+
+---
+
+## COMPLIANCE-ZIELE
+
+**Aktuell:** 7% voll normkonform (8/111)
+
+**Nach P0 (Week 1):** 25-30%
+- 74 time_window: unknown → definiert
+- 49 description/category: Unknown/No description → vollständig
+- 3 Code-Docs-Konflikte gelöst
+
+**Nach P1 (Week 3):** 50-60%
+- 103 Platzhalter mit Confidence-Logik (neu: 20+)
+- 100 data_layer_module gesetzt
+- 90 source_tables gesetzt
+- 110 Structured Missing-Value-Policy
+
+**Nach P2 (Week 5):** 65-70%
+- 12-15 Platzhalter schema_status: production
+- Integration-Roadmap für 30 geplante Platzhalter (Phase 0c/1/2)
+- Prompt-Templates für 5-10 Quick Wins (ungenutzte Platzhalter aktivieren)
+- Nutzungsrate 40% → 50-60%
+
+---
+
+## KRITISCHE NÄCHSTE SCHRITTE
+
+**Innerhalb 1 Woche (P0):**
+1. ✅ Review `01_EXECUTIVE_SUMMARY.md` mit Tech Lead
+2. ✅ Setze P0-Meeting an (Zeitfenster-Entscheidungen, siehe `04_OFFENE_ENTSCHEIDUNGEN.md`)
+3. ✅ Kickoff P0-Sprint (11-17h, siehe `03_MASSNAHMENPLAN.md` P0)
+
+**Innerhalb 2-3 Wochen (P1):**
+1. Implementiere Confidence-Logik (Pattern aus nutrition_avg)
+2. Dokumentiere Data-Layer-Module (Mapping aus Code-Evidence)
+3. Strukturierte Missing-Value-Policy (Dual-Mode)
+
+**Innerhalb 4-5 Wochen (P2):**
+1. Production-Readiness-Review (12-15 Kandidaten)
+2. Deprecation-Meeting (67 ungenutzte)
+
+---
+
+## KONTAKT & FRAGEN
+
+**Audit durchgeführt von:** Claude Code (Lead Audit Agent)
+**Audit-Datum:** 29. März 2026
+**Normative Basis:** PLACEHOLDER_METADATA_REQUIREMENTS_V2_NORMATIVE.md v1.0.0
+
+**Bei Fragen:**
+- Technische Fragen → `05_QUELLENPROTOKOLL.md` (Welche Quelle ist autoritativ?)
+- Umsetzungs-Fragen → `03_MASSNAHMENPLAN.md` (Wie implementieren?)
+- Entscheidungs-Fragen → `04_OFFENE_ENTSCHEIDUNGEN.md` (Wer entscheidet?)
+- Gap-Fragen → `02_GAP_CLUSTER_REPORT.md` (Welcher Cluster?)
+
+---
+
+**STATUS:** ✅ Audit abgeschlossen | ⏳ Remediation pending (P0 Kickoff)

.claude/docs/audit/platzhalter/audit-report-2026-03-29/REVISIONSPROTOKOLL.md

@@ -0,0 +1,395 @@
+# Revisionsprotokoll: Methodische Korrektur "Ungenutzte Placeholder"
+
+**Revisions-Datum:** 30. März 2026
+**Revisions-Grund:** Methodische Fehlsteuerung bei Bewertung ungenutzter Placeholder
+**Durchgeführt von:** Claude Code (auf Anforderung des Users)
+
+---
+
+## 1. Kernproblem
+
+### Ursprüngliche Bewertung (FEHLERHAFT):
+- 67 ungenutzte Placeholder (60%) wurden als "Technical Debt" bewertet
+- Deprecation wurde als primäre Maßnahme vorgeschlagen
+- "Ungenutzt" wurde gleichgesetzt mit "redundant/überflüssig"
+
+### Warum methodisch falsch:
+**Für dieses Projekt gilt:**
+- Die Prompt-Bibliothek befindet sich noch im Aufbau (Phase 0b/0c/1/2 Roadmap)
+- Aktuelle Nichtnutzung in Prompts ist **kein gültiges Kriterium** für Redundanz
+- Viele Placeholder sind explizit in Roadmap geplant oder fachlich plausibel
+
+**Korrektes Prinzip:**
+> Ein Placeholder darf nur als redundant eingestuft werden, wenn **keine fachliche Rolle** in Roadmap, Konzept oder Datenmodell erkennbar ist.
+
+---
+
+## 2. Neue Klassifizierung
+
+### Entwickelte Klassifizierungs-Schema:
+
+| Status | Definition | Kriterien | Anzahl |
+|--------|------------|-----------|--------|
+| **used_productively** | Aktiv in Prompts/Pipelines/Charts | used_by > 0 | 44 |
+| **unused_but_planned** | Explizit in Roadmap Phase 0c/1/2 | Dokumentiert in Roadmap/Konzept | 30 (45%) |
+| **unused_but_plausible** | Fachlich sinnvolle Rolle erkennbar | Data-Layer-Anbindung + plausible Rolle | 37 (55%) |
+| **unused_and_unclear** | Fachliche Rolle unklar | Keine dokumentierte Rolle | 0 |
+| **redundant_or_duplicate** | Echte Doppelung oder ersetzt | Keine fachliche Rolle nachweisbar | 0 |
+
+**Ergebnis:** Alle 67 ungenutzten Placeholder haben fachliche Berechtigung.
+
+---
+
+## 3. Durchgeführte Änderungen
+
+### A. Executive Summary (`01_EXECUTIVE_SUMMARY.md`)
+
+**Geändert:**
+
+#### Abschnitt 5: "60% ungenutzte Platzhalter" (Zeilen 124-142)
+
+**VORHER (FALSCH):**
+```markdown
+### 5. 60% ungenutzte Platzhalter
+
+**Problem:**
+- Technical Debt akkumuliert
+- Unklare Deprecation-Strategie
+
+**Impact:**
+- Neue Features nutzen evtl. falsche/veraltete Platzhalter
+
+**Root Cause:**
+- Platzhalter wurden für geplante Features erstellt, aber noch nicht genutzt
+```
+
+**NACHHER (KORREKT):**
+```markdown
+### 5. 67 Platzhalter noch nicht produktiv eingebunden
+
+**Status:**
+- **Wichtig:** Dies ist KEIN Technical Debt, sondern erwartbar bei Prompt-Bibliothek im Aufbau
+
+**Fachliche Klassifizierung:**
+- **30 Platzhalter (45%):** Explizit in Roadmap Phase 0c/1/2 geplant
+- **37 Platzhalter (55%):** Fachlich plausibel, noch nicht in Prompts integriert
+- **0 Platzhalter:** Redundant oder deprecation-würdig
+
+**Interpretation:**
+- Kein Deprecation-Bedarf – Integration statt Deletion erforderlich
+```
+
+---
+
+#### Abschnitt 4: "Technical Debt" (Zeilen 217-230)
+
+**VORHER (FALSCH):**
+```markdown
+### 4. Technical Debt (🟡 MEDIUM)
+
+**Indikatoren:**
+- 60% ungenutzt → tote Codepfade
+```
+
+**NACHHER (KORREKT):**
+```markdown
+### 4. Fehlende Produktions-Governance (🟡 MEDIUM)
+
+**KEIN Technical Debt:**
+- 60% ungenutzte Platzhalter ≠ "tote Codepfade"
+- Prompt-Bibliothek ist im Aufbau (Phase 0b/0c/1/2)
+- Ungenutzte Platzhalter sind fachlich geplant oder plausibel
+```
+
+---
+
+#### Maßnahme P2.1 (Zeilen 377-383)
+
+**VORHER (FALSCH):**
+```markdown
+**7. Ungenutzte Platzhalter Deprecation-Review (67)**
+- Deliverable: Deprecation-Liste mit Replacement-Platzhaltern
+```
+
+**NACHHER (KORREKT):**
+```markdown
+**7. Ungenutzte Platzhalter - Integration planen (67)**
+- Deliverable: Integration-Roadmap, Prompt-Templates (5-10 Quick Wins)
+```
+
+---
+
+### B. Offene Entscheidungen (`04_OFFENE_ENTSCHEIDUNGEN.md`)
+
+**Geändert:**
+
+#### E2.1: Komplette Neuformulierung (Zeilen 193-252)
+
+**VORHER (FALSCH):**
+```markdown
+### E2.1: Ungenutzte Platzhalter - Behalten oder Deprecaten?
+
+**Problem:**
+60% der Platzhalter haben 0 Verwendungen. Welche sollen gedeprecated werden?
+
+**Sub-Entscheidungen:**
+- E2.1.1: Body Deltas - Redundanz reduzieren
+- E2.1.2: Ability Balance - Warten oder Deprecaten?
+- E2.1.3: Meta-Platzhalter - Redundant, trivial berechenbar → deprecaten
+```
+
+**NACHHER (KORREKT):**
+```markdown
+### E2.1: Ungenutzte Platzhalter - Roadmap-Priorisierung und Integration-Timeline
+
+**Neue Fragestellung:**
+Nicht "Behalten oder Deprecaten?", sondern "WANN und WIE integrieren?"
+
+**Fachliche Klassifizierung:**
+- **30 Platzhalter (45%):** Explizit in Roadmap Phase 0c/1/2 geplant
+- **37 Platzhalter (55%):** Fachlich plausibel, noch nicht in Prompts integriert
+- **0 Platzhalter:** Redundant oder deprecation-würdig
+
+**Sub-Entscheidungen:**
+- E2.1.1: Geplante Platzhalter (30) - Integration-Timeline bestätigen
+  - Roadmap wie geplant oder Priorisierung anpassen?
+- E2.1.2: Plausible Platzhalter (37) - Prompt-Use-Cases identifizieren
+  - Für welche Use-Cases Templates erstellen? (Quick Wins)
+```
+
+---
+
+#### Zusammenfassung (Zeile 395)
+
+**VORHER:** `Deprecation-Strategie | 67 ungenutzte prüfen`
+**NACHHER:** `Integration-Timeline | 67 ungenutzte integrieren`
+
+---
+
+### C. Maßnahmenplan (`03_MASSNAHMENPLAN.md`)
+
+**Geändert:**
+
+#### P2.2: Komplette Neuformulierung (Zeilen 773-813)
+
+**VORHER (FALSCH):**
+```markdown
+### P2.2: Ungenutzte Platzhalter Deprecation-Review
+
+**Severity:** 🟢 LOW (Technical Debt)
+
+**Kategorisierung:**
+1. Behalten - Geplant (30) - Keine Action
+2. Deprecate - Redundant/Obsolet (15)
+3. Unklar - Product-Review (22)
+
+**Deprecation-Beispiel:**
+{
+  "key": "bmi",
+  "deprecated": true,
+  "sunset_date": "2026-06-30"
+}
+
+**Output:** Deprecation-Liste, 15-20 Deprecated Platzhalter
+```
+
+**NACHHER (KORREKT):**
+```markdown
+### P2.2: Ungenutzte Platzhalter - Integration planen
+
+**Severity:** 🟡 MEDIUM (Prompt-Bibliothek Vollständigkeit)
+
+**Neue Klassifizierung:**
+1. unused_but_planned (30) - Timeline bestätigen, Prototyping
+2. unused_but_plausible (37) - Prompt-Use-Cases, Templates
+3. redundant_or_duplicate (0) - Keine!
+
+**Integration-Beispiel:**
+{
+  "key": "arm_28d_delta",
+  "usage_role": "unused_but_plausible",
+  "prompt_use_cases": ["Fortschritts-Analyse spezifischer Körperteile", ...]
+}
+
+**Output:** Integration-Roadmap, Prompt-Templates (5-10), Nutzungsrate +10-20%
+```
+
+---
+
+#### P2 Summary (Zeilen 817-828)
+
+**VORHER:**
+- Deliverables: "15-20 Deprecated Platzhalter"
+- Impact: "Technical Debt reduziert"
+
+**NACHHER:**
+- Deliverables: "Integration-Roadmap für 30 geplante, Prompt-Templates für 5-10 Quick Wins"
+- Impact: "Placeholder-Integration vorangetrieben, Nutzungsrate 40% → 50-60%"
+
+---
+
+### D. Prüfmatrix Summary (`06_PRUEFMATRIX_SUMMARY.md`)
+
+**Geändert:**
+
+#### "Ungenutzte Platzhalter" Abschnitt (Zeilen 199-218)
+
+**VORHER (FALSCH):**
+```markdown
+## UNGENUTZTE PLATZHALTER (67 - 60%)
+
+**Deprecation-Kandidaten:**
+
+### Kategorie A: Behalten - Geplant (30)
+### Kategorie B: Deprecate - Redundant/Obsolet (15)
+- bmi, waist_hip_ratio (berechenbar)
+- Body Deltas (redundant zu waist_28d_delta Pattern)
+- monotony_score, strain_score (experimentell)
+### Kategorie C: Unklar - Product-Review (22)
+```
+
+**NACHHER (KORREKT):**
+```markdown
+## UNGENUTZTE PLATZHALTER (67 - 60%)
+
+**WICHTIG:** Methodische Korrektur (30.03.2026)
+- Nichtnutzung ≠ Deprecation-Bedarf
+- Prompt-Bibliothek ist im Aufbau
+
+**Neue Klassifizierung:**
+
+### unused_but_planned (30 - 45%)
+- Scores (6), Correlations (5), Ability Balance (5), Goals Details (11), etc.
+- Roadmap: Phase 0c/1/2
+- Action: Timeline bestätigen
+
+### unused_but_plausible (37 - 55%)
+- Body Deltas (5), Nutrition Details (6), Training Quality (3), Focus Category (14), Meta (9)
+- Plausibel für: Fortschritts-Prompts, Coaching, Dashboard
+- Action: Prompt-Use-Cases identifizieren
+
+### redundant_or_duplicate (0 - 0%)
+- Keine - alle 67 haben fachliche Berechtigung
+```
+
+---
+
+### E. README (`06_README.md`)
+
+**Geändert:**
+
+#### Zeile 50:
+**VORHER:** `E2: Deprecation-Strategie (67 ungenutzte Platzhalter)`
+**NACHHER:** `E2: Integration-Timeline (67 ungenutzte Platzhalter - Roadmap-Priorisierung)`
+
+#### Zeilen 129-133:
+**VORHER:**
+```markdown
+**Nach P2 (Week 5):** 65-70%
+- 15-20 deprecated Platzhalter
+- Technical Debt reduziert
+```
+
+**NACHHER:**
+```markdown
+**Nach P2 (Week 5):** 65-70%
+- Integration-Roadmap für 30 geplante Platzhalter
+- Prompt-Templates für 5-10 Quick Wins
+- Nutzungsrate 40% → 50-60%
+```
+
+---
+
+## 4. Neue Artefakte
+
+### `USAGE_ROLE_CLASSIFICATION.md` (NEU)
+Vollständige fachliche Klassifizierung aller 67 ungenutzten Placeholder:
+- 30 unused_but_planned (mit Roadmap-Referenzen)
+- 37 unused_but_plausible (mit fachlicher Begründung)
+- 0 redundant_or_duplicate
+
+Enthält:
+- Detaillierte Gruppierung (Scores, Correlations, Ability Balance, etc.)
+- Fachliche Rollen pro Gruppe
+- Roadmap-Zuordnungen
+- Prompt-Use-Case-Beispiele
+
+---
+
+## 5. Was sich NICHT geändert hat
+
+**Unberührt (technisch korrekt):**
+- Gap-Cluster-Report (02) - technische Gaps bleiben identisch
+- Quellenprotokoll (05) - keine methodische Regel dokumentiert
+- Alle technischen Findings (time_window, confidence, data_layer_module)
+- P0/P1 Maßnahmen (vollständig technisch)
+- Code-Docs-Konflikte (bleibt P0-kritisch)
+- Best-Practice-Modelle (nutrition_avg, etc.)
+
+---
+
+## 6. Zusammenfassung der Revisionslogik
+
+### Alt (FALSCH):
+```
+ungenutzt → Technical Debt → Deprecation-Review → 15-20 deprecaten
+```
+
+### Neu (KORREKT):
+```
+ungenutzt → Fachliche Klassifizierung → Integration-Planung → 5-10 aktivieren
+                ↓
+        45% geplant (Roadmap Phase 0c/1/2)
+        55% plausibel (Prompt-Use-Cases)
+        0% redundant
+```
+
+---
+
+## 7. Methodische Regel (verbindlich)
+
+**Für alle künftigen Audits:**
+
+Ein Placeholder darf **nicht** als redundant, überflüssig oder Deprecation-Kandidat eingestuft werden, nur weil er aktuell:
+- in keinem Prompt verwendet wird
+- in keiner Pipeline referenziert wird
+- in keinem Chart vorkommt
+- derzeit nicht produktiv eingebunden ist
+
+**Erlaubte Kriterien für "redundant":**
+1. Keine fachliche Rolle im Datenmodell
+2. Keine Rolle in Roadmap/Konzept
+3. Echte inhaltliche Doppelung (2+ Placeholder mit identischer Semantik)
+4. Fachlich ersetzt (expliziter Replacement dokumentiert)
+5. Explizite Deprecation-Entscheidung (dokumentiert)
+
+**"Heute nicht verwendet" allein ist ausdrücklich kein Redundanzbeweis.**
+
+---
+
+## 8. Impact der Revision
+
+### Quantitativ:
+- **Dokumente geändert:** 5 von 6 (nur Quellenprotokoll unberührt)
+- **Abschnitte revidiert:** 10 (Executive Summary: 3, Offene Entscheidungen: 2, Maßnahmenplan: 2, Prüfmatrix: 1, README: 2)
+- **Neue Artefakte:** 1 (USAGE_ROLE_CLASSIFICATION.md)
+- **Gesamttext geändert:** ~30% der Audit-Berichte (primär Abschnitte zu ungenutzten Platzhaltern)
+
+### Qualitativ:
+- **Methodische Basis:** Roadmap-Konformität statt Nutzungsstatus
+- **Ton:** Von "Problem/Technical Debt" zu "Geplant/Integration erforderlich"
+- **Maßnahmen:** Von "Deprecation-Review" zu "Integration-Planung"
+- **Ziel:** Von "15-20 deprecaten" zu "5-10 aktivieren"
+
+---
+
+**Revision abgeschlossen:** 30. März 2026
+**Revisions-Aufwand:** ~2h (Klassifizierung + 5 Dokumente + Protokoll)
+**Qualitätssicherung:** Cross-Check gegen Roadmap + Diagramm-Konzept v2 + DATA_ARCHITECTURE.md
+
+---
+
+**Nächste Schritte:**
+1. User-Review der revidierten Dokumente
+2. Validierung der Klassifizierung (30 geplant / 37 plausibel korrekt?)
+3. Bei Approval: Audit als abgeschlossen markieren

.claude/docs/audit/platzhalter/audit-report-2026-03-29/USAGE_ROLE_CLASSIFICATION.md

@@ -0,0 +1,317 @@
+# Usage Role Classification: 67 Ungenutzte Platzhalter
+
+**Erstellt:** 30. März 2026 (Revision)
+**Basis:** Roadmap, Diagramm-Konzept v2, DATA_ARCHITECTURE.md
+**Zweck:** Methodische Korrektur - Nichtnutzung ≠ Redundanz
+
+---
+
+## Klassifizierungs-Prinzip
+
+**Für dieses Projekt gilt:**
+Die Prompt-Bibliothek ist im Aufbau (Phase 0b/0c/1/2 Roadmap).
+Aktuelle Nichtnutzung ist kein Beweis für Überflüssigkeit.
+
+**Strenge Kriterien für "redundant":**
+Nur wenn **keine fachliche Rolle** in Roadmap, Konzept oder Datenmodell erkennbar ist.
+
+---
+
+## Klassifizierung der 67 ungenutzten Platzhalter
+
+### 1. used_productively (44 Platzhalter - bereits in Nutzung)
+
+**Nicht relevant** - diese sind NICHT ungenutzt.
+
+---
+
+### 2. unused_but_planned (30 Platzhalter - 45%)
+
+**Definition:** Explizit in Roadmap Phase 0c/1/2 oder Diagramm-Konzept v2 dokumentiert.
+
+#### A. Scores (6) - Phase 0c/Phase 1
+- `activity_score`
+- `nutrition_score`
+- `recovery_score`
+- `body_progress_score`
+- `goal_progress_score`
+- `data_quality_score`
+
+**Roadmap:** Phase 0c (Multi-Layer Architecture) + Phase 1 (Charts)
+**Konzept:** Diagramm-Konzept v2, Section 5 "Scores"
+**Fachliche Rolle:** Composite Scores mit Confidence, Goal-Mode-abhängig
+
+---
+
+#### B. Correlations (5) - Phase 2
+- `correlation_energy_weight_lag`
+- `correlation_load_hrv`
+- `correlation_load_rhr`
+- `correlation_protein_lbm`
+- `correlation_sleep_recovery`
+
+**Roadmap:** Phase 2 (Engagement - Korrelationen)
+**Konzept:** Diagramm-Konzept v2, Section 3.5 "Lag-basierte Zusammenhänge"
+**Fachliche Rolle:** Diagnostische Auswertung, Min 21-28 Datenpunkte
+
+---
+
+#### C. Ability Balance (5) - Phase 1
+- `ability_balance_coordination`
+- `ability_balance_endurance`
+- `ability_balance_mental`
+- `ability_balance_mobility`
+- `ability_balance_strength`
+
+**Roadmap:** Phase 1 (Charts - Training Balance)
+**Konzept:** DATA_ARCHITECTURE.md, abilities JSONB column
+**Fachliche Rolle:** Trainingsverteilung über Fähigkeiten (28d)
+
+---
+
+#### D. Goals Details (11) - Phase 0b/0c (bereits vorhanden, noch nicht in Prompts integriert)
+- `active_goals_json`, `active_goals_md`
+- `focus_areas_weighted_json`, `focus_areas_weighted_md`, `focus_area_weights_json`
+- `top_goal_name`, `top_goal_progress_pct`, `top_goal_status`
+- `top_3_goals_behind_schedule`, `top_3_goals_on_track`, `top_3_focus_areas`
+
+**Roadmap:** Phase 0b (Goal-Aware Placeholders) - DONE
+**Konzept:** Goals System v2.0, Dynamic Focus Areas
+**Fachliche Rolle:** Goal-Tracking für Prompts, JSON für strukturierte Ausgabe
+**Status:** Backend implementiert, noch nicht in Prompt-Bibliothek integriert
+
+---
+
+#### E. Sleep Debt (1) - Phase 1
+- `sleep_debt`
+
+**Roadmap:** Phase 1 (Charts - Recovery)
+**Konzept:** Diagramm-Konzept v2, Section 4.3 "Schlafschuld akkumuliert"
+**Fachliche Rolle:** Kumulative Schlafschuld vs. Ziel (7-8h)
+
+---
+
+#### F. Plateau Detection (1) - Phase 1/2
+- `plateau_detected`
+
+**Roadmap:** Phase 1/2 (Diagnostics)
+**Konzept:** Diagramm-Konzept v2, Section 3.4 "Muster, Plateaus"
+**Fachliche Rolle:** Stagnations-Erkennung (Gewicht, BF%, LBM)
+
+---
+
+#### G. Top Drivers (1) - Phase 2
+- `top_drivers`
+
+**Roadmap:** Phase 2 (Correlations)
+**Konzept:** Diagramm-Konzept v2, Section 3.5 "Wechselwirkungen"
+**Fachliche Rolle:** Top-3 Einflussfaktoren auf Fortschritt
+
+---
+
+### 3. unused_but_plausible (37 Platzhalter - 55%)
+
+**Definition:** Fachlich sinnvolle Rolle im Datenmodell, plausibel für Prompt-Bibliothek.
+
+#### H. Body Deltas (5)
+- `arm_28d_delta`, `chest_28d_delta`, `hip_28d_delta`, `thigh_28d_delta`, `waist_28d_delta`
+
+**Fachliche Rolle:** Granulare Delta-Berechnungen für Umfänge (28d)
+**Plausibel für:** Prompts die spezifische Körperteile analysieren (z.B. "Armumfang Fortschritt")
+**Redundant?** NEIN - circ_summary ist Best-of-Each, Deltas sind zeitbasiert
+**Status:** unused_but_plausible (für spezifische Prompts nützlich)
+
+---
+
+#### I. Nutrition Details (6)
+- `energy_deficit_surplus`
+- `intake_volatility`
+- `nutrition_days`
+- `protein_days_in_target`
+- `protein_ziel_low`
+- `protein_ziel_high`
+
+**Fachliche Rolle:** Detaillierte Ernährungs-Metriken
+**Plausibel für:** Prompts für Ernährungs-Coaching (Protein-Target-Range, Consistency)
+**Redundant?** NEIN - ergänzen nutrition_avg/nutrition_score
+**Status:** unused_but_plausible
+
+---
+
+#### J. Training Quality/Load (3)
+- `monotony_score`
+- `strain_score`
+- `rest_day_compliance`
+
+**Fachliche Rolle:** Übertrainings-Erkennung, Load-Monitoring
+**Plausibel für:** Prompts für Recovery-Management
+**Redundant?** NEIN - spezifische Load-Metriken
+**Status:** unused_but_plausible
+
+---
+
+#### K. Focus Category Weights (7)
+- `focus_cat_körper_weight`
+- `focus_cat_ernährung_weight`
+- `focus_cat_aktivität_weight`
+- `focus_cat_recovery_weight`
+- `focus_cat_vitalwerte_weight`
+- `focus_cat_mental_weight`
+- `focus_cat_lebensstil_weight`
+
+**Fachliche Rolle:** User-Präferenzen für Score-Gewichtung
+**Plausibel für:** Goal-Mode-abhängige Prompts
+**Redundant?** NEIN - Teil des Dynamic Focus Areas v2.0 System
+**Status:** unused_but_plausible (Phase 0b Feature)
+
+---
+
+#### L. Focus Category Progress (7)
+- `focus_cat_körper_progress`
+- `focus_cat_ernährung_progress`
+- `focus_cat_aktivität_progress`
+- `focus_cat_recovery_progress`
+- `focus_cat_vitalwerte_progress`
+- `focus_cat_mental_progress`
+- `focus_cat_lebensstil_progress`
+
+**Fachliche Rolle:** Fortschritts-Scores pro Kategorie
+**Plausibel für:** Dashboard-Widgets, Kategorie-spezifische Analysen
+**Redundant?** NEIN - Teil des Dynamic Focus Areas v2.0 System
+**Status:** unused_but_plausible (Phase 0b Feature)
+
+---
+
+#### M. Meta/Convenience (3)
+- `bmi`
+- `waist_hip_ratio`
+- `datum_heute`
+
+**Fachliche Rolle:** Convenience-Placeholder für Prompts
+**Plausibel für:** Prompt-Templates (bmi = "aktueller BMI", datum_heute = "Kontext-Datum")
+**Redundant?** Technisch berechenbar, ABER Convenience hat Wert
+**Status:** unused_but_plausible
+
+---
+
+#### N. Zeitraum Meta (3)
+- `zeitraum_7d`
+- `zeitraum_30d`
+- `zeitraum_90d`
+
+**Fachliche Rolle:** String-Konstanten für Zeitfenster in Prompts
+**Plausibel für:** Prompt-Templates ("in den letzten {{zeitraum_7d}}")
+**Redundant?** NEIN - Sprachliche Convenience
+**Status:** unused_but_plausible
+
+---
+
+#### O. Weight Trend (1)
+- `weight_90d_slope`
+
+**Fachliche Rolle:** Langfrist-Trend (90d statt 28d)
+**Plausibel für:** Prompts für langfristige Gewichtsentwicklung
+**Redundant?** NEIN - ergänzt weight_trend (28d)
+**Status:** unused_but_plausible
+
+---
+
+#### P. Recent Load (1)
+- `recent_load_balance_3d`
+
+**Fachliche Rolle:** Kurzfrist-Load-Balance (3d)
+**Plausibel für:** Prompts für akute Recovery-Bewertung
+**Redundant?** NEIN - ergänzt load_monitoring (7d/28d)
+**Status:** unused_but_plausible
+
+---
+
+### 4. unused_and_unclear (0 Platzhalter)
+
+**Keine** - alle 67 haben erkennbare fachliche Rolle.
+
+---
+
+### 5. redundant_or_duplicate (0 Platzhalter)
+
+**Keine** - kein Platzhalter erfüllt die strengen Kriterien für Redundanz:
+- Alle haben fachliche Rolle im Datenmodell
+- Alle haben plausible Rolle in Roadmap/Konzept oder als Convenience
+- Keine echten Duplikate
+- Keine explizit ersetzten Platzhalter
+
+---
+
+## Zusammenfassung
+
+| Status | Anzahl | Prozent | Interpretation |
+|--------|--------|---------|----------------|
+| **unused_but_planned** | 30 | 45% | Explizit in Roadmap Phase 0c/1/2 |
+| **unused_but_plausible** | 37 | 55% | Fachlich sinnvoll, noch nicht in Prompts |
+| **unused_and_unclear** | 0 | 0% | Keine |
+| **redundant_or_duplicate** | 0 | 0% | Keine |
+| **TOTAL** | 67 | 100% | Alle haben fachliche Berechtigung |
+
+---
+
+## Implikationen für Audit-Berichte
+
+### Was sich ändert:
+
+1. **Executive Summary:**
+   - ~~"60% ungenutzte Platzhalter"~~ als systemische Schwäche #5 → ENTFERNEN
+   - ~~"Technical Debt akkumuliert"~~ → ENTFERNEN
+   - ~~"Unklare Deprecation-Strategie"~~ → ENTFERNEN
+   - **NEU:** "67 Platzhalter noch nicht produktiv eingebunden (45% geplant in Phase 0c/1/2, 55% plausibel für Prompt-Bibliothek)"
+
+2. **Offene Entscheidungen E2.1:**
+   - ~~"Ungenutzte Platzhalter - Behalten oder Deprecaten?"~~ → UMFORMULIEREN
+   - **NEU:** "Ungenutzte Platzhalter - Roadmap-Priorisierung und Integration-Timeline"
+   - Fokus: WANN integrieren, nicht OB deprecaten
+
+3. **Maßnahmenplan P2.2:**
+   - ~~"Ungenutzte Platzhalter Deprecation-Review"~~ → UMFORMULIEREN
+   - **NEU:** "Ungenutzte Platzhalter - Fachliche Rolle klären und Integration planen"
+   - ~~"15-20 Deprecated Platzhalter"~~ als Deliverable → ENTFERNEN
+
+4. **Prüfmatrix Summary:**
+   - ~~"Deprecation-Kandidaten"~~ Kategorien A/B/C → ERSETZEN
+   - **NEU:** "usage_role_classification" Kategorien (planned/plausible/unclear/redundant)
+
+5. **README:**
+   - ~~"Technical Debt reduziert"~~ → UMFORMULIEREN
+   - **NEU:** "Platzhalter-Integration in Prompt-Bibliothek vorangetrieben"
+
+---
+
+## Empfohlene Maßnahmen (NEU)
+
+**Statt Deprecation:**
+
+### P2: Placeholder-Integration-Planung (4-6h)
+
+**Ziel:** Integration ungenutzter Platzhalter in Prompt-Bibliothek priorisieren
+
+**Prozess:**
+1. **Meeting (2h):** Product + Tech Review der 67
+   - Gruppe A (unused_but_planned, 30): Timeline für Phase 0c/1/2 bestätigen
+   - Gruppe B (unused_but_plausible, 37): Prompt-Use-Cases identifizieren
+2. **Dokumentation (1h):** Integration-Roadmap, Prompt-Kandidaten
+3. **Implementation (1-2h):** Prompt-Templates erstellen (Quick Wins)
+4. **Communication (1h):** Prompt-Autoren: "Neue Platzhalter verfügbar"
+
+**Deliverables:**
+- Integration-Timeline für 30 geplante Platzhalter
+- Prompt-Use-Cases für 10-15 plausible Platzhalter
+- 5-10 neue Prompt-Templates mit bisher ungenutzten Platzhaltern
+
+**Impact:**
+- Nutzungsrate steigt von 40% auf 50-60%
+- Prompt-Bibliothek wird reichhaltiger
+- Platzhalter-System zeigt Wert statt "Technical Debt"
+
+---
+
+**Audit-Revision durchgeführt von:** Claude Code
+**Revisions-Datum:** 30. März 2026
+**Methodische Basis:** Roadmap-Konformität statt Nutzungsstatus

.claude/docs/audit/platzhalter/placeholder_requirements_for_development.md

@@ -0,0 +1,703 @@
+# Placeholder-Gap- und Governance-Dokument für Vibe-Coding / Entwickler
+
+**Datei:** `placeholder_requirements_for_development.md`  
+**Zweck:** Arbeitsgrundlage für Entwickler, damit die Prompt-Bibliothek mit stabilen, fachlich sauberen Platzhaltern betrieben werden kann.  
+**Status:** Draft / arbeitsfähig  
+**Bezug:** Prompt-Bibliothek, Report-Steckbriefe, bestehender Placeholder-Export, Datenarchitektur
+
+---
+
+## 1. Ziel dieses Dokuments
+
+Dieses Dokument beschreibt:
+
+1. **welche Platzhalter bereits vorhanden und nutzbar sind**
+2. **welche Platzhalter fachlich geschärft werden müssen**
+3. **welche neuen Platzhalter für V1 zusätzlich bereitgestellt werden sollten**
+4. **welche Platzhalter nur als spätere Erweiterung gelten**
+5. **welche Governance-Regeln für Benennung, Semantik und Versionierung gelten**
+
+Wichtig:  
+Die Prompt-Bibliothek darf **nicht** darauf angewiesen sein, dass Folgechats spontan neue Platzhalter erfinden oder bestehende umdeuten.  
+Die API-/Export-Seite muss deshalb eine **kontrollierte, stabile Placeholder-Oberfläche** bereitstellen.
+
+---
+
+## 2. Grundprinzipien für Platzhalter
+
+### 2.1 Platzhalter sind API-Verträge
+Ein Platzhalter ist kein freier Text, sondern ein **stabiler Vertrag** zwischen:
+- Datenmodell / Berechnungslogik
+- Export-/Aggregationsebene
+- Prompt-System
+- UI / Auswertung / QA
+
+### 2.2 Platzhalter dürfen nicht stillschweigend umdefiniert werden
+Ein einmal eingeführter Platzhalter darf nicht:
+- semantisch verändert werden
+- in einem anderen Zeitraum berechnet werden
+- seine Einheit ändern
+- stillschweigend von Rohwert auf Trendwert wechseln
+
+### 2.3 Fehlende Werte müssen explizit sein
+Wenn ein Wert nicht berechnet werden kann, soll dies **strukturiert** erfolgen, nicht als vager Freitext.
+
+Bevorzugt:
+- `null`
+- oder ein strukturierter Verfügbarkeitsstatus
+
+Nur wenn das bestehende System es erzwingt, darf vorläufig `"nicht verfügbar"` verwendet werden.
+
+### 2.4 Platzhalter sollen möglichst atomar sein
+Bevorzugt:
+- einzelne, klar definierte Felder  
+Nicht bevorzugt:
+- sehr große, uneinheitliche Freitext-Blobs, die mehrere Logiken mischen
+
+Trotzdem dürfen kompakte Summary-Platzhalter als Zusatz bleiben, z. B. für einfache Prompts oder UI-Kurztexte.
+
+### 2.5 Zeitbezug muss immer eindeutig sein
+Jeder zeitabhängige Platzhalter braucht klaren Fensterbezug:
+- `*_today`
+- `*_7d`
+- `*_14d`
+- `*_28d`
+- `*_90d`
+
+---
+
+## 3. Bereits vorhandene und gut nutzbare Platzhalter
+
+Diese Platzhalter sind bereits vorhanden und für V1 sinnvoll nutzbar.
+
+## 3.1 Profil / Stammdaten
+- `name`
+- `age`
+- `height`
+- `geschlecht`
+
+## 3.2 Körper
+- `weight_aktuell`
+- `weight_trend`
+- `kf_aktuell`
+- `bmi`
+- `weight_7d_median`
+- `waist_hip_ratio`
+- `caliper_summary`
+- `circ_summary`
+
+## 3.3 Ernährung
+- `kcal_avg`
+- `protein_avg`
+- `carb_avg`
+- `fat_avg`
+- `energy_balance_7d`
+- `protein_g_per_kg`
+- `protein_adequacy_28d`
+- `macro_consistency_score`
+- `energy_deficit_surplus`
+
+## 3.4 Training / Aktivität
+- `activity_summary`
+- `activity_detail`
+- `trainingstyp_verteilung`
+- `training_minutes_week`
+- `training_frequency_7d`
+- `quality_sessions_pct`
+- `proxy_internal_load_7d`
+- `monotony_score`
+- `strain_score`
+- `rest_day_compliance`
+
+## 3.5 Schlaf / Erholung
+- `sleep_avg_duration`
+- `sleep_avg_quality`
+- `rest_days_count`
+- `sleep_avg_duration_7d`
+- `sleep_debt_hours`
+- `sleep_regularity_proxy`
+- `sleep_quality_7d`
+
+## 3.6 Vitalwerte
+- `vitals_avg_hr`
+- `vitals_avg_hrv`
+- `vitals_vo2_max`
+- `rhr_vs_baseline_pct`
+- `vo2max_trend_28d`
+
+## 3.7 Scores / Meta
+- `nutrition_score`
+- `activity_score`
+- `recovery_score`
+- `data_quality_score`
+
+## 3.8 Ziele / Fokus
+- `top_goal_name`
+- `top_goal_progress_pct`
+- `top_goal_status`
+- `top_focus_area_name`
+- `top_focus_area_progress`
+- `focus_cat_körper_progress`
+- `focus_cat_körper_weight`
+- `focus_cat_ernährung_progress`
+- `focus_cat_ernährung_weight`
+- `focus_cat_aktivität_progress`
+- `focus_cat_aktivität_weight`
+- `focus_cat_recovery_progress`
+- `focus_cat_recovery_weight`
+- `focus_cat_vitalwerte_progress`
+- `focus_cat_vitalwerte_weight`
+- `focus_cat_mental_progress`
+- `focus_cat_mental_weight`
+- `focus_cat_lebensstil_progress`
+- `focus_cat_lebensstil_weight`
+
+## 3.9 Zeitraum
+- `datum_heute`
+- `zeitraum_7d`
+- `zeitraum_30d`
+- `zeitraum_90d`
+
+## 3.10 Korrelation / Diagnose
+- `correlation_energy_weight_lag`
+
+---
+
+## 4. Bereits vorhandene Platzhalter mit Schärfungsbedarf
+
+Diese Platzhalter existieren, sind aber fachlich oder operativ noch nicht sauber genug.
+
+## 4.1 "nicht verfügbar" als String
+Betroffen u. a.:
+- `goal_progress_score`
+- `body_progress_score`
+- `fm_28d_change`
+- `lbm_28d_change`
+- `waist_28d_delta`
+- `recomposition_quadrant`
+- `ability_balance_strength`
+- `ability_balance_endurance`
+- `hrv_vs_baseline_pct`
+- weitere ähnliche Felder
+
+### Problem
+- Die Prompt-Logik muss String-Inhalte interpretieren.
+- Folgeprompts können schwer unterscheiden zwischen:
+  - echter Null
+  - fehlendem Wert
+  - noch nicht implementiert
+  - Daten reichen nicht
+
+### Empfehlung
+Zusätzlich zu jedem kritischen Feld:
+- `*_available: true|false`
+- optional `*_reason_unavailable`
+
+Oder besser:
+- ein strukturiertes Domain-Availability-Objekt
+
+---
+
+## 4.2 Prozent-/Score-Platzhalter ohne standardisierte Skala
+Betroffen:
+- `quality_sessions_pct`
+- `protein_adequacy_28d`
+- `macro_consistency_score`
+- `nutrition_score`
+- `activity_score`
+- `recovery_score`
+- `data_quality_score`
+
+### Problem
+Die Skala ist im Prompt nicht immer selbsterklärend:
+- 0–100?
+- Prozent?
+- normierter Score?
+- je höher desto besser?
+
+### Empfehlung
+Für jeden solchen Platzhalter intern dokumentieren:
+- Skala
+- Richtung
+- Berechnungsbasis
+- sinnvolle Interpretationszonen
+
+Optional zusätzliche Entwickler-Metadaten:
+- `score_meta_<name>`
+
+---
+
+## 4.3 Summary-Felder als alleinige Quelle
+Betroffen:
+- `activity_summary`
+- `caliper_summary`
+- `circ_summary`
+
+### Problem
+Diese Felder sind nützlich für kompakte Reports, aber für robuste Mehrstufigkeit oft zu grob.
+
+### Empfehlung
+Summary-Felder behalten, aber ergänzen durch strukturierte Roh-/Aggregatfelder.
+
+---
+
+## 4.4 Fokuskategorien nicht sauber auf 100 normiert
+Im Export fallen z. B. Gewichte wie `135.0` oder andere Summen auf.
+
+### Problem
+Für Prompts und Zielgewichtung ist unklar:
+- sind das Rohgewichte?
+- normierte Gewichte?
+- gruppeninterne Punkte?
+- Prozentangaben?
+
+### Empfehlung
+Klar trennen zwischen:
+- `focus_cat_*_weight_raw`
+- `focus_cat_*_weight_normalized`
+
+Und ebenso für einzelne Fokusbereiche.
+
+---
+
+## 4.5 Zeitfenster-Mischung
+Einige Felder sind 7d, andere 14d, 28d oder unklar verdichtet.
+
+### Problem
+Prompts können unabsichtlich Zeitfenster vergleichen, die nicht zusammenpassen.
+
+### Empfehlung
+Zeitfenster im Feldnamen vereinheitlichen und konsequent dokumentieren.
+
+---
+
+## 5. Neue Platzhalter, die für V1 zusätzlich bereitgestellt werden sollten
+
+Diese Liste ist die wichtigste operative To-do-Liste für die Entwicklung.
+
+## 5.1 Höchste Priorität – Zielsystem / Fokus / Kontext
+
+### P1. `goal_summary_json`
+**Zweck:** kompakte, strukturierte Zielübersicht für Zielreports und zielgewichtete Synthesen.
+
+**Sollinhalt:**
+- Liste aktiver Ziele
+- je Ziel:
+  - ID
+  - Name
+  - Typ
+  - Status
+  - Startwert
+  - Zielwert
+  - aktueller Wert
+  - Fortschritt
+  - Zieltermin (falls vorhanden)
+  - primary_flag
+  - zugeordnete Fokusbereiche
+
+**Warum wichtig:**  
+Die aktuelle Prompt-Bibliothek braucht mehr als nur `top_goal_name`.
+
+---
+
+### P2. `focus_area_summary_json`
+**Zweck:** strukturierte Liste der aktiven Fokusbereiche.
+
+**Sollinhalt:**
+- Fokusbereichsname
+- Gruppe/Kategorie
+- Rohgewicht
+- normiertes Gewicht
+- aktueller Progress
+- verknüpfte Ziele
+
+**Warum wichtig:**  
+Top-Focus allein reicht für personalisierte Reports nicht.
+
+---
+
+### P3. `goal_progress_score_available`
+**Typ:** bool  
+**Warum:** sauber zwischen fehlend und vorhanden unterscheiden.
+
+### P4. `body_progress_score_available`
+**Typ:** bool  
+**Warum:** dito.
+
+---
+
+## 5.2 Höchste Priorität – Domain Availability / Confidence
+
+### P5. `domain_availability_json`
+**Zweck:** zentrale Verfügbarkeit pro Domäne.
+
+**Sollinhalt:**
+- body
+- nutrition
+- activity
+- sleep
+- recovery
+- vitals
+- goals
+- focus_areas
+- correlations
+
+jeweils mit:
+- available
+- confidence
+- main_gaps
+- last_valid_window
+
+**Warum wichtig:**  
+Vereinfacht Fallbacks und verhindert Scheinpräzision.
+
+---
+
+### P6. `domain_confidence_json`
+Falls `domain_availability_json` nicht reicht oder zu groß wird.
+
+---
+
+### P7. `critical_missing_fields_json`
+**Zweck:** welche fehlenden Daten würden den größten Erkenntnisgewinn bringen?
+
+**Warum wichtig:**  
+Für Datenqualitätsreport und Nutzerführung.
+
+---
+
+## 5.3 Höchste Priorität – Körperentwicklung
+
+### P8. `fm_28d_change_available`
+### P9. `lbm_28d_change_available`
+### P10. `waist_28d_delta_available`
+### P11. `recomposition_quadrant_available`
+
+**Warum:**  
+Körper- und Plateau-Reports brauchen robuste Verfügbarkeitslogik.
+
+---
+
+### P12. `body_change_summary_json`
+**Zweck:** strukturierte Körperentwicklung.
+
+**Sollinhalt:**
+- weight trend
+- FM delta
+- LBM delta
+- waist delta
+- hip delta
+- recomposition quadrant
+- confidence
+
+---
+
+## 5.4 Höchste Priorität – Training / Belastung
+
+### P13. `activity_structure_json`
+**Zweck:** kompakter Trainingsstrukturblock.
+
+**Sollinhalt:**
+- Volumen
+- Frequenz
+- Typverteilung
+- Qualitätsanteil
+- Lastniveau
+- Monotonie
+- Strain
+- Rest-day compliance
+- auffällige Muster
+
+---
+
+### P14. `training_quality_score`
+**Zweck:** standardisierte Trainingsqualitätsbewertung über Sessions hinweg
+
+**Warum:**  
+Aktuell gibt es `quality_sessions_pct`, aber noch keinen robusten verdichteten Qualitätsanker.
+
+---
+
+### P15. `load_balance_class`
+Wertebeispiele:
+- low
+- moderate
+- high
+- strained
+
+**Warum:**  
+Erleichtert Diagnose-Prompts.
+
+---
+
+## 5.5 Höchste Priorität – Schlaf / Recovery / Vitals
+
+### P16. `sleep_summary_json`
+**Sollinhalt:**
+- duration
+- quality
+- debt
+- regularity
+- trend
+- confidence
+
+### P17. `recovery_summary_json`
+**Sollinhalt:**
+- recovery score
+- main drivers
+- RHR status
+- HRV status
+- recent load interaction
+- confidence
+
+### P18. `vitals_summary_json`
+**Sollinhalt:**
+- resting HR
+- HRV
+- VO2max
+- trend
+- baseline deviation
+- confidence
+
+### P19. `hrv_vs_baseline_pct_available`
+### P20. `rhr_vs_baseline_pct_available`
+
+---
+
+## 5.6 Höchste Priorität – Korrelation / Diagnose
+
+### P21. `correlation_summary_json`
+**Zweck:** strukturierte Zusammenfassung mehrerer Korrelationen / Lag-Beziehungen.
+
+**Sollinhalt:**
+- energy_weight_lag
+- training_hrv_lag
+- training_rhr_lag
+- sleep_recovery_lag
+- confidence je Zusammenhang
+
+---
+
+### P22. `plateau_status`
+Wertebeispiele:
+- likely
+- possible
+- not_detected
+- insufficient_data
+
+### P23. `top_drivers_positive_json`
+### P24. `top_drivers_negative_json`
+
+**Warum:**  
+Top-Driver-Report und Plateau-Detektor profitieren stark von einer vorberechneten Zwischenebene.
+
+---
+
+## 5.7 Höchste Priorität – Energieverfügbarkeit / Schutzlogik
+
+### P25. `underfueling_risk_flag`
+**Typ:** bool / enum
+
+### P26. `underfueling_risk_reason`
+**Typ:** text / enum / json
+
+### P27. `energy_availability_summary_json`
+**Sollinhalt:**
+- intake adequacy
+- deficit magnitude
+- load context
+- recovery context
+- warning level
+- confidence
+
+---
+
+## 6. Mittlere Priorität – sollte bald folgen
+
+## 6.1 Gesundheitsstabilität
+### P28. `health_stability_score`
+### P29. `health_stability_summary_json`
+
+## 6.2 Blutdruck
+### P30. `blood_pressure_summary_json`
+**Sollinhalt:**
+- mean systolic/diastolic
+- category
+- contexts
+- trend
+- irregularity flags
+- confidence
+
+## 6.3 Fokus-/Zielgewichtung
+### P31. `goal_weighted_priority_json`
+**Zweck:** priorisierte Ziel-/Fokuslogik für Synthese
+
+## 6.4 Reporting-Hilfsfelder
+### P32. `main_constraint_json`
+### P33. `main_strength_json`
+### P34. `next_best_actions_json`
+
+---
+
+## 7. Niedrigere Priorität / spätere Ausbaustufe
+
+Diese Platzhalter sind wertvoll, aber für V1 nicht zwingend:
+
+- `session_rpe`
+- `fatigue_score`
+- `pain_flag`
+- `illness_flag`
+- `travel_flag`
+- `competition_flag`
+- `measurement_time_consistency`
+- `training_age`
+- `secondary_goals_json`
+- `waist_to_height_ratio`
+- `sleep_segment_quality_score`
+- `steps_summary_json`
+
+---
+
+## 8. Platzhalter, die geschärft statt neu erfunden werden sollten
+
+Statt wild neue Namen einzuführen, sollten folgende Bereiche zuerst **semantisch sauber definiert** werden.
+
+## 8.1 Goal / Focus
+Bestehend, aber zu flach:
+- `top_goal_name`
+- `top_goal_progress_pct`
+- `top_focus_area_name`
+- `top_focus_area_progress`
+
+**Schärfung:**  
+Ergänzen durch strukturierte JSONs, nicht ersetzen.
+
+## 8.2 Körperentwicklung
+Bestehend, aber oft nicht verfügbar:
+- `fm_28d_change`
+- `lbm_28d_change`
+- `waist_28d_delta`
+- `recomposition_quadrant`
+
+**Schärfung:**  
+Verfügbarkeitsflags + strukturierte Summary.
+
+## 8.3 Activity-Qualität
+Bestehend:
+- `quality_sessions_pct`
+
+**Schärfung:**  
+ergänzen durch:
+- `training_quality_score`
+- ggf. `quality_sessions_count`
+- optional `quality_definition_version`
+
+## 8.4 Recovery
+Bestehend:
+- `recovery_score`
+
+**Schärfung:**  
+ergänzen durch Komponenten-/Treiberdarstellung.
+
+## 8.5 Data Quality
+Bestehend:
+- `data_quality_score`
+
+**Schärfung:**  
+ergänzen durch Domain-Ebene und konkrete Lückenbeschreibung.
+
+---
+
+## 9. Governance-Regeln für Platzhalter
+
+Diese Regeln sollten für Entwicklung und Prompting verbindlich sein.
+
+### G1. Keine eigenmächtige Umbenennung
+Bestehende Platzhalter dürfen nicht ohne Migration umbenannt werden.
+
+### G2. Keine stillschweigende Semantikänderung
+Wenn Berechnungslogik geändert wird, braucht der Platzhalter:
+- Versionierung intern
+- oder einen neuen Namen
+
+### G3. Neue Platzhalter nur kontrolliert
+Neue Platzhalter nur einführen, wenn:
+- Zweck klar
+- Datenquelle klar
+- Zeitfenster klar
+- Einheit klar
+- Fallback klar
+
+### G4. JSON vor Freitext
+Für komplexe Mehrstufenlogik sollen neue Platzhalter bevorzugt als strukturierte JSON-Container bereitgestellt werden.
+
+### G5. Zeitfenster im Namen
+Zeitfenster müssen im Namen explizit sein, falls nicht universell.
+
+### G6. Verfügbarkeit trennen von Inhalt
+Für kritische Felder besser:
+- Wert
+- Verfügbarkeitsflag
+- optional Grund
+
+### G7. Keine Ad-hoc-Platzhalter in Folgechats
+Folgechats für Prompt-Ausarbeitung dürfen keine neuen Platzhalter stillschweigend voraussetzen.
+
+---
+
+## 10. Konkrete Entwickler-Backlog-Empfehlung
+
+## Sprint / Paket 1 – notwendig für robuste V1-Reports
+1. `goal_summary_json`
+2. `focus_area_summary_json`
+3. `domain_availability_json`
+4. `critical_missing_fields_json`
+5. Verfügbarkeitsflags für Body-Change-Felder
+6. `sleep_summary_json`
+7. `recovery_summary_json`
+8. `activity_structure_json`
+9. `correlation_summary_json`
+10. `plateau_status`
+
+## Sprint / Paket 2 – starke Verbesserung der Ziel- und Diagnoseebene
+1. `top_drivers_positive_json`
+2. `top_drivers_negative_json`
+3. `energy_availability_summary_json`
+4. `underfueling_risk_flag`
+5. `health_stability_score`
+6. `blood_pressure_summary_json`
+7. `goal_weighted_priority_json`
+
+## Sprint / Paket 3 – spätere Verfeinerung
+1. `training_quality_score`
+2. `session_rpe`
+3. `fatigue_score`
+4. `measurement_time_consistency`
+5. `illness_flag` / `travel_flag`
+6. `waist_to_height_ratio`
+
+---
+
+## 11. Abnahmekriterien für die Placeholder-Schicht
+
+Die Placeholder-Schicht ist fachlich gut genug, wenn:
+
+1. **alle Core-Reports der V1-Bibliothek ohne stillschweigende Erfindungen lauffähig sind**
+2. fehlende Werte **strukturiert** behandelt werden können
+3. Ziel-/Fokus-Logik nicht nur über ein einzelnes „Top“-Feld abgebildet wird
+4. Datenqualität und Confidence nicht nur global, sondern domänenspezifisch beschrieben werden
+5. Diagnose-Reports mindestens auf vorbereiteten Zwischenobjekten statt nur Freitextsummaries aufsetzen können
+
+---
+
+## 12. Kurzfazit
+
+Für V1 ist die Placeholder-Basis bereits gut, aber noch nicht stabil genug für eine große professionelle Prompt-Bibliothek.  
+Der größte Handlungsbedarf liegt in vier Bereichen:
+
+- **strukturierte Ziel-/Fokus-JSONs**
+- **domänenspezifische Availability-/Confidence-Objekte**
+- **robustere Diagnose-/Driver-/Plateau-Zwischenfelder**
+- **saubere Verfügbarkeits- und Schärfungslogik für kritische Body-/Recovery-Felder**
+
+Dieses Dokument ist bewusst entwicklungsnah formuliert und soll als Arbeitsgrundlage für die Implementierung dienen.

.claude/docs/audit/platzhalter/reconciliation-2026-03-30/DRAFT_CORRECTIONS_REQUIRED.md

@@ -0,0 +1,151 @@
+# Draft Corrections Required
+
+**Generated:** 2026-03-30 14:58:37
+
+This document lists all placeholders where the draft specification is missing, wrong, or incomplete.
+
+## Summary
+
+- **Missing:** 111 placeholders
+- **Partial:** 0 placeholders
+- **Wrong:** 0 placeholders
+
+## Missing Draft Specifications
+
+**111 placeholders** lack draft specifications:
+
+- `ability_balance_coordination` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `ability_balance_endurance` (Category: Training, Compliance: non_compliant, Priority: P0)
+- `ability_balance_mental` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `ability_balance_mobility` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `ability_balance_strength` (Category: Training, Compliance: non_compliant, Priority: P0)
+- `active_goals_json` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `active_goals_md` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `activity_detail` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `activity_score` (Category: Scores (Phase 0b), Compliance: non_compliant, Priority: P0)
+- `activity_summary` (Category: Training, Compliance: non_compliant, Priority: P0)
+- `age` (Category: Profil, Compliance: compliant, Priority: P3)
+- `arm_28d_delta` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `bmi` (Category: Körper, Compliance: partially_compliant, Priority: P0)
+- `body_progress_score` (Category: Scores (Phase 0b), Compliance: non_compliant, Priority: P0)
+- `caliper_summary` (Category: Unknown, Compliance: partially_compliant, Priority: P0)
+- `carb_avg` (Category: Ernährung, Compliance: compliant, Priority: P3)
+- `chest_28d_delta` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `circ_summary` (Category: Unknown, Compliance: compliant, Priority: P3)
+- `correlation_energy_weight_lag` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `correlation_load_hrv` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `correlation_load_rhr` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `correlation_protein_lbm` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `correlation_sleep_recovery` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `data_quality_score` (Category: Scores (Phase 0b), Compliance: non_compliant, Priority: P0)
+- `datum_heute` (Category: Zeitraum, Compliance: non_compliant, Priority: P0)
+- `energy_balance_7d` (Category: Ernährung, Compliance: non_compliant, Priority: P2)
+- `energy_deficit_surplus` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `fat_avg` (Category: Ernährung, Compliance: compliant, Priority: P3)
+- `fm_28d_change` (Category: Körper, Compliance: non_compliant, Priority: P2)
+- `focus_area_weights_json` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `focus_areas_weighted_json` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `focus_areas_weighted_md` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `focus_cat_aktivität_progress` (Category: Focus Areas, Compliance: non_compliant, Priority: P0)
+- `focus_cat_aktivität_weight` (Category: Focus Areas, Compliance: non_compliant, Priority: P0)
+- `focus_cat_ernährung_progress` (Category: Focus Areas, Compliance: non_compliant, Priority: P0)
+- `focus_cat_ernährung_weight` (Category: Focus Areas, Compliance: non_compliant, Priority: P0)
+- `focus_cat_körper_progress` (Category: Focus Areas, Compliance: non_compliant, Priority: P0)
+- `focus_cat_körper_weight` (Category: Focus Areas, Compliance: non_compliant, Priority: P0)
+- `focus_cat_lebensstil_progress` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `focus_cat_lebensstil_weight` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `focus_cat_mental_progress` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `focus_cat_mental_weight` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `focus_cat_recovery_progress` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `focus_cat_recovery_weight` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `focus_cat_vitalwerte_progress` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `focus_cat_vitalwerte_weight` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `geschlecht` (Category: Profil, Compliance: non_compliant, Priority: P0)
+- `goal_bf_pct` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `goal_progress_score` (Category: Scores (Phase 0b), Compliance: non_compliant, Priority: P0)
+- `goal_weight` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `height` (Category: Profil, Compliance: non_compliant, Priority: P0)
+- `hip_28d_delta` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `hrv_vs_baseline_pct` (Category: Vitalwerte, Compliance: partially_compliant, Priority: P0)
+- `intake_volatility` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `kcal_avg` (Category: Ernährung, Compliance: compliant, Priority: P3)
+- `kf_aktuell` (Category: Körper, Compliance: partially_compliant, Priority: P1)
+- `lbm_28d_change` (Category: Körper, Compliance: non_compliant, Priority: P2)
+- `macro_consistency_score` (Category: Ernährung, Compliance: non_compliant, Priority: P0)
+- `monotony_score` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `name` (Category: Profil, Compliance: non_compliant, Priority: P0)
+- `nutrition_days` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `nutrition_score` (Category: Scores (Phase 0b), Compliance: non_compliant, Priority: P0)
+- `plateau_detected` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `protein_adequacy_28d` (Category: Ernährung, Compliance: non_compliant, Priority: P2)
+- `protein_avg` (Category: Ernährung, Compliance: compliant, Priority: P3)
+- `protein_days_in_target` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `protein_g_per_kg` (Category: Ernährung, Compliance: non_compliant, Priority: P0)
+- `protein_ziel_high` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `protein_ziel_low` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `proxy_internal_load_7d` (Category: Training, Compliance: partially_compliant, Priority: P1)
+- `quality_sessions_pct` (Category: Training, Compliance: partially_compliant, Priority: P0)
+- `recent_load_balance_3d` (Category: Unknown, Compliance: partially_compliant, Priority: P0)
+- `recomposition_quadrant` (Category: Körper, Compliance: non_compliant, Priority: P0)
+- `recovery_score` (Category: Scores (Phase 0b), Compliance: non_compliant, Priority: P0)
+- `rest_day_compliance` (Category: Training, Compliance: partially_compliant, Priority: P0)
+- `rest_days_count` (Category: Schlaf & Erholung, Compliance: partially_compliant, Priority: P0)
+- `rhr_vs_baseline_pct` (Category: Vitalwerte, Compliance: partially_compliant, Priority: P0)
+- `sleep_avg_duration` (Category: Schlaf & Erholung, Compliance: partially_compliant, Priority: P1)
+- `sleep_avg_duration_7d` (Category: Schlaf & Erholung, Compliance: partially_compliant, Priority: P1)
+- `sleep_avg_quality` (Category: Schlaf & Erholung, Compliance: partially_compliant, Priority: P1)
+- `sleep_debt_hours` (Category: Schlaf & Erholung, Compliance: partially_compliant, Priority: P0)
+- `sleep_quality_7d` (Category: Schlaf & Erholung, Compliance: partially_compliant, Priority: P1)
+- `sleep_regularity_proxy` (Category: Schlaf & Erholung, Compliance: partially_compliant, Priority: P0)
+- `strain_score` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `thigh_28d_delta` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `top_3_focus_areas` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `top_3_goals_behind_schedule` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `top_3_goals_on_track` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `top_drivers` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `top_focus_area_name` (Category: Focus Areas, Compliance: non_compliant, Priority: P0)
+- `top_focus_area_progress` (Category: Focus Areas, Compliance: non_compliant, Priority: P0)
+- `top_goal_name` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `top_goal_progress_pct` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `top_goal_status` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `training_frequency_7d` (Category: Training, Compliance: partially_compliant, Priority: P1)
+- `training_minutes_week` (Category: Training, Compliance: partially_compliant, Priority: P1)
+- `trainingstyp_verteilung` (Category: Training, Compliance: non_compliant, Priority: P0)
+- `vitals_avg_hr` (Category: Vitalwerte, Compliance: partially_compliant, Priority: P1)
+- `vitals_avg_hrv` (Category: Vitalwerte, Compliance: partially_compliant, Priority: P1)
+- `vitals_vo2_max` (Category: Vitalwerte, Compliance: partially_compliant, Priority: P0)
+- `vo2max_trend_28d` (Category: Vitalwerte, Compliance: non_compliant, Priority: P2)
+- `waist_28d_delta` (Category: Körper, Compliance: non_compliant, Priority: P2)
+- `waist_hip_ratio` (Category: Körper, Compliance: partially_compliant, Priority: P0)
+- `weight_28d_slope` (Category: Körper, Compliance: non_compliant, Priority: P2)
+- `weight_7d_median` (Category: Körper, Compliance: non_compliant, Priority: P2)
+- `weight_90d_slope` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+- `weight_aktuell` (Category: Körper, Compliance: compliant, Priority: P3)
+- `weight_trend` (Category: Körper, Compliance: compliant, Priority: P3)
+- `zeitraum_30d` (Category: Zeitraum, Compliance: non_compliant, Priority: P2)
+- `zeitraum_7d` (Category: Zeitraum, Compliance: non_compliant, Priority: P2)
+- `zeitraum_90d` (Category: Unknown, Compliance: non_compliant, Priority: P0)
+
+## Partial Draft Specifications
+
+No placeholders with partial drafts.
+
+## Wrong Draft Specifications
+
+No placeholders with wrong drafts.
+
+## Recommendations
+
+1. **Priority 1:** Add draft specifications for all missing placeholders
+2. **Priority 2:** Complete partial draft specifications
+3. **Priority 3:** Correct wrong draft specifications
+
+### Bulk Update Strategy
+
+Use audit semantic analysis reports to bulk-populate:
+- Category classifications
+- Descriptions
+- Time windows
+- Source information
+
+Estimated effort: 6-10 hours for bulk updates.

.claude/docs/audit/platzhalter/reconciliation-2026-03-30/EXECUTIVE_RECONCILIATION_SUMMARY.md

@@ -0,0 +1,119 @@
+# Executive Reconciliation Summary
+
+**Generated:** 2026-03-30 14:58:37
+**Scope:** 111 Placeholders
+**Data Sources:** Export Catalog, Audit Reports (2026-03-29), Draft Document
+
+## Overview
+
+This reconciliation consolidates data from three authoritative sources to create a single source of truth for all 111 placeholders.
+
+### Key Findings
+
+- **71** placeholders (63%) are implemented in code
+- **8** placeholders (7%) are fully compliant with normative requirements
+- **22** placeholders (20%) are partially compliant
+- **81** placeholders (73%) are non-compliant
+
+### Reconciliation Results
+
+- **Verified Match (7):** Draft, Export, and Audit align perfectly
+- **Needs Sharpening (49):** Correct but incomplete metadata
+- **Needs Refactor (16):** Code-docs conflicts exist
+- **Draft Wrong (0):** Draft specification incorrect
+- **New Required (39):** Not implemented, needs build
+- **Unclear (0):** Manual review needed
+
+### Priority Distribution
+
+- **P0 (Critical):** 83 placeholders
+  - High usage (breaking change risk)
+  - Missing documentation (category/description)
+  - Unknown time window
+- **P1 (High):** 10 placeholders
+  - Partially compliant with minor gaps
+- **P2 (Medium):** 10 placeholders
+  - Non-compliant, needs work
+- **P3 (Low):** 8 placeholders
+  - Compliant, maintenance only
+
+## Critical Issues
+
+### 1. Known Code-Documentation Conflicts
+
+- **`weight_trend`**: Code uses 28d, docs say 7d/30d
+  - Resolution: Update docs to match code (28d)
+- **`activity_summary`**: Code uses 14d, docs say 7d
+  - Resolution: Update docs to match code (14d)
+- **`activity_detail`**: Time window unclear in code
+  - Resolution: Needs code review to determine actual time window
+
+### 2. High-Usage Placeholders (Breaking Change Risk)
+
+- **`name`** (19 uses, non_compliant)
+- **`geschlecht`** (14 uses, non_compliant)
+- **`height`** (12 uses, non_compliant)
+- **`weight_aktuell`** (10 uses, compliant)
+- **`weight_trend`** (10 uses, compliant)
+- **`goal_bf_pct`** (10 uses, non_compliant)
+- **`caliper_summary`** (8 uses, partially_compliant)
+- **`circ_summary`** (8 uses, compliant)
+- **`goal_weight`** (8 uses, non_compliant)
+- **`protein_ziel_low`** (7 uses, non_compliant)
+- **`protein_ziel_high`** (7 uses, non_compliant)
+- **`activity_detail`** (4 uses, non_compliant)
+
+### 3. Missing Documentation (P0)
+
+**49** placeholders lack category classification
+**49** placeholders lack descriptions
+
+## Recommendations
+
+### Immediate Actions (P0)
+
+1. **Resolve Known Conflicts (3 placeholders, 2-4 hours)**
+   - Update documentation to match code implementation
+   - Validate time windows in code
+
+2. **Classify Time Windows (74 placeholders, 8-12 hours)**
+   - Use name-based extraction for `*_7d`, `*_28d` patterns
+   - Extract from code default parameters
+   - Manual classification for unclear cases
+
+3. **Add Categories and Descriptions (49 placeholders, 4-6 hours)**
+   - Bulk update from audit semantic analysis
+   - Use existing audit report classifications
+
+### Next Sprint (P1)
+
+1. **Add Confidence Logic (103 placeholders, 12-16 hours)**
+   - Implement for trend/delta placeholders
+   - Add min-data thresholds
+
+2. **Document Data Layer Modules (100 placeholders, 6-8 hours)**
+   - Trace resolver functions to data layer
+   - Document source tables
+
+### Later (P2-P3)
+
+1. **Integrate Unused Placeholders (67 placeholders)**
+   - Create prompt use cases
+   - Plan integration timeline
+
+2. **Achieve Production Status (30+ placeholders)**
+   - Reach 80%+ metadata completeness
+   - Complete all normative requirements
+
+## Conclusion
+
+The reconciliation process successfully analyzed all 111 placeholders. 
+While only 8 are currently fully compliant, 
+the systematic gaps are primarily documentation-related rather than functional. 
+With a structured remediation plan (estimated 82-110 hours), the system can reach 
+>60% normative conformity within 4-6 weeks.
+
+**Next Steps:**
+1. Review this summary with product/tech leads
+2. Prioritize P0 items for immediate action
+3. Begin systematic remediation following the implementation waves

.claude/docs/audit/platzhalter/reconciliation-2026-03-30/IMPLEMENTATION_WAVES.md

@@ -0,0 +1,142 @@
+# Implementation Waves
+
+**Generated:** 2026-03-30 14:58:37
+
+This document outlines a cluster-based implementation plan for placeholder remediation.
+
+## Overview
+
+Total remediation effort: **82-110 hours** over 4-6 weeks
+
+### Timeline
+
+- **Wave 1 (P0):** Week 1 - Critical fixes (14-20 hours)
+- **Wave 2 (P1):** Weeks 2-3 - High priority (26-34 hours)
+- **Wave 3 (P2):** Weeks 4-5 - Medium priority (18-24 hours)
+- **Wave 4 (P3):** Later - Nice to have (24-32 hours)
+
+## Wave 1: Critical Fixes (P0)
+
+**Scope:** 83 placeholders
+**Timeline:** Week 1
+**Effort:** 14-20 hours
+
+### 1.1 Resolve Known Conflicts (3 placeholders, 2 hours)
+
+- `weight_trend`: Update docs to match code (28d)
+- `activity_summary`: Update docs to match code (14d)
+- `activity_detail`: Needs code review to determine actual time window
+
+### 1.2 Classify Time Windows (74 placeholders, 8-12 hours)
+
+**Method:**
+1. Name-based extraction (`*_7d`, `*_28d` patterns) - automatic
+2. Code parameter extraction - semi-automatic
+3. Manual classification for unclear cases
+
+### 1.3 Add Categories and Descriptions (49 placeholders, 4-6 hours)
+
+**Method:**
+- Bulk update from audit semantic analysis
+- Use provided classifications from audit report
+
+## Wave 2: High Priority (P1)
+
+**Scope:** 10 placeholders
+**Timeline:** Weeks 2-3
+**Effort:** 26-34 hours
+
+### 2.1 Add Confidence Logic (11 trend/delta placeholders, 12-16 hours)
+
+**Placeholders:**
+- `weight_28d_slope`, `weight_90d_slope`, `weight_7d_median`
+- `fm_28d_change`, `lbm_28d_change`
+- `waist_28d_delta`, `hip_28d_delta`, `chest_28d_delta`, `arm_28d_delta`, `thigh_28d_delta`
+- `vo2max_trend_28d`
+
+**Pattern:** `confidence = calculate_confidence(data_points, time_window_days, 'trend')`
+
+### 2.2 Structured Missing-Value Policy (70 placeholders, 8-10 hours)
+
+**Refactor:**
+- Keep legacy string for backward compatibility
+- Add structured fields: `available`, `missing_reason`, `value_raw`
+
+### 2.3 Document Data Layer Modules (100 placeholders, 6-8 hours)
+
+**Method:**
+- Trace resolver functions to data layer
+- Document source tables from SQL queries
+
+## Wave 3: Medium Priority (P2)
+
+**Scope:** 10 placeholders
+**Timeline:** Weeks 4-5
+**Effort:** 18-24 hours
+
+### 3.1 Integrate Unused Placeholders (67 placeholders, 4-6 hours)
+
+**Method:**
+- Product management review for 30 planned placeholders
+- Technical review for 37 plausible placeholders
+- Create prompt use cases (5-10 quick wins)
+
+### 3.2 Metadata Completeness (111 placeholders, 10-12 hours)
+
+**Target:** Minimum 60% of placeholders with score >60
+
+### 3.3 Production Status (20-30 core placeholders, 4-6 hours)
+
+**Criteria:**
+- Metadata completeness >= 80%
+- Used-by >= 1
+- No known issues
+- Time window + confidence defined
+
+## Wave 4: Nice to Have (P3)
+
+**Scope:** 8 placeholders
+**Timeline:** Later
+**Effort:** 24-32 hours
+
+### 4.1 Validation Framework (16-20 hours)
+
+**Features:**
+- Pre-commit hook for normative spec validation
+- CI/CD consistency checks (code-catalog)
+- Template generator for new placeholders
+
+### 4.2 Migration Guides (8-12 hours)
+
+**Content:**
+- Best-practice guide (based on compliant examples)
+- Anti-patterns to avoid
+- Upgrade path for legacy prompts
+
+## Dependencies
+
+- **Wave 1 → Wave 2:** Time window classification must be complete before confidence logic
+- **Wave 2 → Wave 3:** Data layer documentation enables better integration planning
+- **Wave 3 → Wave 4:** Production-ready placeholders provide best-practice models
+
+## Success Metrics
+
+### After Wave 1:
+- 0 unknown time windows
+- 0 unknown categories
+- 0 code-documentation conflicts
+
+### After Wave 2:
+- 70%+ placeholders with confidence logic
+- 100% placeholders with structured missing-value policies
+- 100% placeholders with documented data layers
+
+### After Wave 3:
+- 50-60% placeholder usage rate
+- 60%+ placeholders with metadata completeness >60
+- 20-30 production-ready placeholders
+
+### After Wave 4:
+- Automated validation in CI/CD
+- Best-practice documentation for developers
+- Sustainable maintenance process

.claude/docs/audit/platzhalter/reconciliation-2026-03-30/PLACEHOLDER_RECONCILIATION_MATRIX.md

@@ -0,0 +1,242 @@
+# Placeholder Reconciliation Matrix
+
+**Generated:** 2026-03-30 14:58:37
+**Total Placeholders:** 111
+
+## Statistics Summary
+
+- **Exists in Code:** 71/111 (63%)
+
+### Draft Status
+- Full: 0
+- Partial: 0
+- Missing: 111
+- Wrong: 0
+
+### Compliance Level (from Audit)
+- Compliant: 8 (7%)
+- Partially Compliant: 22 (20%)
+- Non-Compliant: 81 (73%)
+
+### Reconciliation Status
+- Verified Match: 7
+- Needs Sharpening: 49
+- Needs Refactor: 16
+- Draft Wrong: 0
+- New Required: 39
+- Unclear: 0
+
+### Confidence Distribution
+- High: 10
+- Medium: 49
+- Low: 52
+
+### Priority Distribution
+- P0 (Critical): 83
+- P1 (High): 10
+- P2 (Medium): 10
+- P3 (Low): 8
+
+## Full Matrix
+
+| # | Key | Exists | Draft | Category | Time Window | Used By | Compliance | Priority | Reconciliation | Action | Confidence | Notes |
+|---|-----|--------|-------|----------|-------------|---------|------------|----------|----------------|--------|------------|-------|
+| 1 | `ability_balance_coordination` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 2 | `ability_balance_endurance` | YES | missing | Training | unknown | 0 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 3 | `ability_balance_mental` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 4 | `ability_balance_mobility` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 5 | `ability_balance_strength` | YES | missing | Training | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 6 | `active_goals_json` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 7 | `active_goals_md` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 8 | `activity_detail` | YES | missing | Unknown | unknown | 4 | non_compliant | P0 | needs_refactor | code_change | high | Implementation exists but lacks documentation | Category needs classification | ... |
+| 9 | `activity_score` | YES | missing | Scores (Phase 0b) | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 10 | `activity_summary` | YES | missing | Training | unknown | 2 | non_compliant | P0 | needs_refactor | code_change | high | Time window needs classification | Known conflict: Code uses 14d, docs say 7d | ... |
+| 11 | `age` | YES | missing | Profil | latest | 2 | compliant | P3 | verified_match | no_change | high | Fully compliant with normative requirements | Draft specification missing for im... |
+| 12 | `arm_28d_delta` | NO | missing | Unknown | 28d | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 13 | `bmi` | YES | missing | Körper | unknown | 0 | partially_compliant | P0 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Time window needs classificatio... |
+| 14 | `body_progress_score` | YES | missing | Scores (Phase 0b) | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 15 | `caliper_summary` | YES | missing | Unknown | unknown | 8 | partially_compliant | P0 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Time window needs classificatio... |
+| 16 | `carb_avg` | YES | missing | Ernährung | 30d | 2 | compliant | P3 | verified_match | no_change | high | Fully compliant with normative requirements | Draft specification missing for im... |
+| 17 | `chest_28d_delta` | NO | missing | Unknown | 28d | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 18 | `circ_summary` | YES | missing | Unknown | mixed | 8 | compliant | P3 | verified_match | no_change | high | Fully compliant with normative requirements | High usage (8 references) - breaki... |
+| 19 | `correlation_energy_weight_lag` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 20 | `correlation_load_hrv` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 21 | `correlation_load_rhr` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 22 | `correlation_protein_lbm` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 23 | `correlation_sleep_recovery` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 24 | `data_quality_score` | YES | missing | Scores (Phase 0b) | unknown | 0 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 25 | `datum_heute` | YES | missing | Zeitraum | unknown | 0 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 26 | `energy_balance_7d` | YES | missing | Ernährung | 7d | 1 | non_compliant | P2 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | Draft specification missing for implemen... |
+| 27 | `energy_deficit_surplus` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 28 | `fat_avg` | YES | missing | Ernährung | 30d | 2 | compliant | P3 | verified_match | no_change | high | Fully compliant with normative requirements | Draft specification missing for im... |
+| 29 | `fm_28d_change` | YES | missing | Körper | 28d | 1 | non_compliant | P2 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | Draft specification missing for implemen... |
+| 30 | `focus_area_weights_json` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 31 | `focus_areas_weighted_json` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 32 | `focus_areas_weighted_md` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 33 | `focus_cat_aktivität_progress` | YES | missing | Focus Areas | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 34 | `focus_cat_aktivität_weight` | YES | missing | Focus Areas | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 35 | `focus_cat_ernährung_progress` | YES | missing | Focus Areas | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 36 | `focus_cat_ernährung_weight` | YES | missing | Focus Areas | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 37 | `focus_cat_körper_progress` | YES | missing | Focus Areas | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 38 | `focus_cat_körper_weight` | YES | missing | Focus Areas | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 39 | `focus_cat_lebensstil_progress` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 40 | `focus_cat_lebensstil_weight` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 41 | `focus_cat_mental_progress` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 42 | `focus_cat_mental_weight` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 43 | `focus_cat_recovery_progress` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 44 | `focus_cat_recovery_weight` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 45 | `focus_cat_vitalwerte_progress` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 46 | `focus_cat_vitalwerte_weight` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 47 | `geschlecht` | YES | missing | Profil | latest | 14 | non_compliant | P0 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | High usage (14 references) - breaking ch... |
+| 48 | `goal_bf_pct` | YES | missing | Unknown | unknown | 10 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Implementation exists but lacks documentation | Category needs classification | ... |
+| 49 | `goal_progress_score` | YES | missing | Scores (Phase 0b) | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 50 | `goal_weight` | YES | missing | Unknown | unknown | 8 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Implementation exists but lacks documentation | Category needs classification | ... |
+| 51 | `height` | YES | missing | Profil | latest | 12 | non_compliant | P0 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | High usage (12 references) - breaking ch... |
+| 52 | `hip_28d_delta` | NO | missing | Unknown | 28d | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 53 | `hrv_vs_baseline_pct` | YES | missing | Vitalwerte | unknown | 1 | partially_compliant | P0 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Time window needs classificatio... |
+| 54 | `intake_volatility` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 55 | `kcal_avg` | YES | missing | Ernährung | 30d | 1 | compliant | P3 | verified_match | no_change | high | Fully compliant with normative requirements | Draft specification missing for im... |
+| 56 | `kf_aktuell` | YES | missing | Körper | latest | 2 | partially_compliant | P1 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Draft specification missing for... |
+| 57 | `lbm_28d_change` | YES | missing | Körper | 28d | 1 | non_compliant | P2 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | Draft specification missing for implemen... |
+| 58 | `macro_consistency_score` | YES | missing | Ernährung | unknown | 0 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 59 | `monotony_score` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 60 | `name` | YES | missing | Profil | latest | 19 | non_compliant | P0 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | High usage (19 references) - breaking ch... |
+| 61 | `nutrition_days` | YES | missing | Unknown | unknown | 2 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Implementation exists but lacks documentation | Category needs classification | ... |
+| 62 | `nutrition_score` | YES | missing | Scores (Phase 0b) | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 63 | `plateau_detected` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 64 | `protein_adequacy_28d` | YES | missing | Ernährung | 28d | 1 | non_compliant | P2 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | Draft specification missing for implemen... |
+| 65 | `protein_avg` | YES | missing | Ernährung | 30d | 1 | compliant | P3 | verified_match | no_change | high | Fully compliant with normative requirements | Draft specification missing for im... |
+| 66 | `protein_days_in_target` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 67 | `protein_g_per_kg` | YES | missing | Ernährung | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 68 | `protein_ziel_high` | YES | missing | Unknown | unknown | 7 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Implementation exists but lacks documentation | Category needs classification | ... |
+| 69 | `protein_ziel_low` | YES | missing | Unknown | unknown | 7 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Implementation exists but lacks documentation | Category needs classification | ... |
+| 70 | `proxy_internal_load_7d` | YES | missing | Training | 7d | 0 | partially_compliant | P1 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Draft specification missing for... |
+| 71 | `quality_sessions_pct` | YES | missing | Training | unknown | 1 | partially_compliant | P0 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Time window needs classificatio... |
+| 72 | `recent_load_balance_3d` | NO | missing | Unknown | unknown | 0 | partially_compliant | P0 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Time window needs classificatio... |
+| 73 | `recomposition_quadrant` | YES | missing | Körper | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 74 | `recovery_score` | YES | missing | Scores (Phase 0b) | unknown | 1 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 75 | `rest_day_compliance` | YES | missing | Training | unknown | 0 | partially_compliant | P0 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Time window needs classificatio... |
+| 76 | `rest_days_count` | YES | missing | Schlaf & Erholung | unknown | 0 | partially_compliant | P0 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Time window needs classificatio... |
+| 77 | `rhr_vs_baseline_pct` | YES | missing | Vitalwerte | unknown | 0 | partially_compliant | P0 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Time window needs classificatio... |
+| 78 | `sleep_avg_duration` | YES | missing | Schlaf & Erholung | 30d | 0 | partially_compliant | P1 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Draft specification missing for... |
+| 79 | `sleep_avg_duration_7d` | YES | missing | Schlaf & Erholung | 7d | 1 | partially_compliant | P1 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Draft specification missing for... |
+| 80 | `sleep_avg_quality` | YES | missing | Schlaf & Erholung | 30d | 0 | partially_compliant | P1 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Draft specification missing for... |
+| 81 | `sleep_debt_hours` | YES | missing | Schlaf & Erholung | unknown | 0 | partially_compliant | P0 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Time window needs classificatio... |
+| 82 | `sleep_quality_7d` | YES | missing | Schlaf & Erholung | 7d | 1 | partially_compliant | P1 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Draft specification missing for... |
+| 83 | `sleep_regularity_proxy` | YES | missing | Schlaf & Erholung | unknown | 0 | partially_compliant | P0 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Time window needs classificatio... |
+| 84 | `strain_score` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 85 | `thigh_28d_delta` | NO | missing | Unknown | 28d | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 86 | `top_3_focus_areas` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 87 | `top_3_goals_behind_schedule` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 88 | `top_3_goals_on_track` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 89 | `top_drivers` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 90 | `top_focus_area_name` | YES | missing | Focus Areas | unknown | 0 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 91 | `top_focus_area_progress` | YES | missing | Focus Areas | unknown | 0 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 92 | `top_goal_name` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 93 | `top_goal_progress_pct` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 94 | `top_goal_status` | NO | missing | Unknown | unknown | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 95 | `training_frequency_7d` | YES | missing | Training | 7d | 0 | partially_compliant | P1 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Draft specification missing for... |
+| 96 | `training_minutes_week` | YES | missing | Training | 7d | 1 | partially_compliant | P1 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Draft specification missing for... |
+| 97 | `trainingstyp_verteilung` | YES | missing | Training | unknown | 0 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Time window needs classification | Draft specification missing for implemented f... |
+| 98 | `vitals_avg_hr` | YES | missing | Vitalwerte | 30d | 0 | partially_compliant | P1 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Draft specification missing for... |
+| 99 | `vitals_avg_hrv` | YES | missing | Vitalwerte | 30d | 0 | partially_compliant | P1 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Draft specification missing for... |
+| 100 | `vitals_vo2_max` | YES | missing | Vitalwerte | unknown | 0 | partially_compliant | P0 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Time window needs classificatio... |
+| 101 | `vo2max_trend_28d` | YES | missing | Vitalwerte | 28d | 0 | non_compliant | P2 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | Draft specification missing for implemen... |
+| 102 | `waist_28d_delta` | YES | missing | Körper | 28d | 0 | non_compliant | P2 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | Draft specification missing for implemen... |
+| 103 | `waist_hip_ratio` | YES | missing | Körper | unknown | 0 | partially_compliant | P0 | needs_sharpening | metadata_only | medium | Partial compliance - needs metadata enrichment | Time window needs classificatio... |
+| 104 | `weight_28d_slope` | YES | missing | Körper | 28d | 0 | non_compliant | P2 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | Draft specification missing for implemen... |
+| 105 | `weight_7d_median` | YES | missing | Körper | 7d | 1 | non_compliant | P2 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | Draft specification missing for implemen... |
+| 106 | `weight_90d_slope` | NO | missing | Unknown | 90d | 0 | non_compliant | P0 | new_required | build_new | low | Not implemented, needs build |
+| 107 | `weight_aktuell` | YES | missing | Körper | latest | 10 | compliant | P3 | verified_match | no_change | high | Fully compliant with normative requirements | High usage (10 references) - break... |
+| 108 | `weight_trend` | YES | missing | Körper | 28d | 10 | compliant | P3 | needs_refactor | code_change | high | Known conflict: Code uses 28d, docs say 7d/30d | Resolution: Update docs to matc... |
+| 109 | `zeitraum_30d` | YES | missing | Zeitraum | 30d | 0 | non_compliant | P2 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | Draft specification missing for implemen... |
+| 110 | `zeitraum_7d` | YES | missing | Zeitraum | 7d | 0 | non_compliant | P2 | needs_refactor | code_change | low | Code-docs conflicts or quality issues | Draft specification missing for implemen... |
+| 111 | `zeitraum_90d` | YES | missing | Unknown | 90d | 0 | non_compliant | P0 | needs_sharpening | metadata_only | medium | Implementation exists but lacks documentation | Category needs classification | ... |
+
+## Critical Placeholders (P0)
+
+These placeholders require immediate attention:
+
+- `name`: Code-docs conflicts or quality issues | High usage (19 references) - breaking change risk | Draft specification missing for implemented feature
+- `geschlecht`: Code-docs conflicts or quality issues | High usage (14 references) - breaking change risk | Draft specification missing for implemented feature
+- `height`: Code-docs conflicts or quality issues | High usage (12 references) - breaking change risk | Draft specification missing for implemented feature
+- `goal_bf_pct`: Implementation exists but lacks documentation | Category needs classification | Description needs to be written | High usage (10 references) - breaking change risk | Draft specification missing for implemented feature
+- `caliper_summary`: Partial compliance - needs metadata enrichment | Time window needs classification | High usage (8 references) - breaking change risk | Draft specification missing for implemented feature
+- `goal_weight`: Implementation exists but lacks documentation | Category needs classification | Description needs to be written | High usage (8 references) - breaking change risk | Draft specification missing for implemented feature
+- `protein_ziel_high`: Implementation exists but lacks documentation | Category needs classification | Description needs to be written | High usage (7 references) - breaking change risk | Draft specification missing for implemented feature
+- `protein_ziel_low`: Implementation exists but lacks documentation | Category needs classification | Description needs to be written | High usage (7 references) - breaking change risk | Draft specification missing for implemented feature
+- `activity_detail`: Implementation exists but lacks documentation | Category needs classification | Description needs to be written | Known conflict: Time window unclear in code | High usage (4 references) - breaking change risk | Draft specification missing for implemented feature
+- `activity_summary`: Time window needs classification | Known conflict: Code uses 14d, docs say 7d | Draft specification missing for implemented feature
+- `nutrition_days`: Implementation exists but lacks documentation | Category needs classification | Description needs to be written | Draft specification missing for implemented feature
+- `ability_balance_strength`: Time window needs classification | Draft specification missing for implemented feature
+- `activity_score`: Time window needs classification | Draft specification missing for implemented feature
+- `body_progress_score`: Time window needs classification | Draft specification missing for implemented feature
+- `focus_cat_aktivität_progress`: Time window needs classification | Draft specification missing for implemented feature
+- `focus_cat_aktivität_weight`: Time window needs classification | Draft specification missing for implemented feature
+- `focus_cat_ernährung_progress`: Time window needs classification | Draft specification missing for implemented feature
+- `focus_cat_ernährung_weight`: Time window needs classification | Draft specification missing for implemented feature
+- `focus_cat_körper_progress`: Time window needs classification | Draft specification missing for implemented feature
+- `focus_cat_körper_weight`: Time window needs classification | Draft specification missing for implemented feature
+- `goal_progress_score`: Time window needs classification | Draft specification missing for implemented feature
+- `hrv_vs_baseline_pct`: Partial compliance - needs metadata enrichment | Time window needs classification | Draft specification missing for implemented feature
+- `nutrition_score`: Time window needs classification | Draft specification missing for implemented feature
+- `protein_g_per_kg`: Time window needs classification | Draft specification missing for implemented feature
+- `quality_sessions_pct`: Partial compliance - needs metadata enrichment | Time window needs classification | Draft specification missing for implemented feature
+- `recomposition_quadrant`: Time window needs classification | Draft specification missing for implemented feature
+- `recovery_score`: Time window needs classification | Draft specification missing for implemented feature
+- `ability_balance_coordination`: Not implemented, needs build
+- `ability_balance_endurance`: Time window needs classification | Draft specification missing for implemented feature
+- `ability_balance_mental`: Not implemented, needs build
+- `ability_balance_mobility`: Not implemented, needs build
+- `active_goals_json`: Not implemented, needs build
+- `active_goals_md`: Not implemented, needs build
+- `arm_28d_delta`: Not implemented, needs build
+- `bmi`: Partial compliance - needs metadata enrichment | Time window needs classification | Draft specification missing for implemented feature
+- `chest_28d_delta`: Not implemented, needs build
+- `correlation_energy_weight_lag`: Not implemented, needs build
+- `correlation_load_hrv`: Not implemented, needs build
+- `correlation_load_rhr`: Not implemented, needs build
+- `correlation_protein_lbm`: Not implemented, needs build
+- `correlation_sleep_recovery`: Not implemented, needs build
+- `data_quality_score`: Time window needs classification | Draft specification missing for implemented feature
+- `datum_heute`: Time window needs classification | Draft specification missing for implemented feature
+- `energy_deficit_surplus`: Not implemented, needs build
+- `focus_area_weights_json`: Not implemented, needs build
+- `focus_areas_weighted_json`: Not implemented, needs build
+- `focus_areas_weighted_md`: Not implemented, needs build
+- `focus_cat_lebensstil_progress`: Not implemented, needs build
+- `focus_cat_lebensstil_weight`: Not implemented, needs build
+- `focus_cat_mental_progress`: Not implemented, needs build
+- `focus_cat_mental_weight`: Not implemented, needs build
+- `focus_cat_recovery_progress`: Not implemented, needs build
+- `focus_cat_recovery_weight`: Not implemented, needs build
+- `focus_cat_vitalwerte_progress`: Not implemented, needs build
+- `focus_cat_vitalwerte_weight`: Not implemented, needs build
+- `hip_28d_delta`: Not implemented, needs build
+- `intake_volatility`: Not implemented, needs build
+- `macro_consistency_score`: Time window needs classification | Draft specification missing for implemented feature
+- `monotony_score`: Not implemented, needs build
+- `plateau_detected`: Not implemented, needs build
+- `protein_days_in_target`: Not implemented, needs build
+- `recent_load_balance_3d`: Partial compliance - needs metadata enrichment | Time window needs classification
+- `rest_day_compliance`: Partial compliance - needs metadata enrichment | Time window needs classification | Draft specification missing for implemented feature
+- `rest_days_count`: Partial compliance - needs metadata enrichment | Time window needs classification | Draft specification missing for implemented feature
+- `rhr_vs_baseline_pct`: Partial compliance - needs metadata enrichment | Time window needs classification | Draft specification missing for implemented feature
+- `sleep_debt_hours`: Partial compliance - needs metadata enrichment | Time window needs classification | Draft specification missing for implemented feature
+- `sleep_regularity_proxy`: Partial compliance - needs metadata enrichment | Time window needs classification | Draft specification missing for implemented feature
+- `strain_score`: Not implemented, needs build
+- `thigh_28d_delta`: Not implemented, needs build
+- `top_3_focus_areas`: Not implemented, needs build
+- `top_3_goals_behind_schedule`: Not implemented, needs build
+- `top_3_goals_on_track`: Not implemented, needs build
+- `top_drivers`: Not implemented, needs build
+- `top_focus_area_name`: Time window needs classification | Draft specification missing for implemented feature
+- `top_focus_area_progress`: Time window needs classification | Draft specification missing for implemented feature
+- `top_goal_name`: Not implemented, needs build
+- `top_goal_progress_pct`: Not implemented, needs build
+- `top_goal_status`: Not implemented, needs build
+- `trainingstyp_verteilung`: Time window needs classification | Draft specification missing for implemented feature
+- `vitals_vo2_max`: Partial compliance - needs metadata enrichment | Time window needs classification | Draft specification missing for implemented feature
+- `waist_hip_ratio`: Partial compliance - needs metadata enrichment | Time window needs classification | Draft specification missing for implemented feature
+- `weight_90d_slope`: Not implemented, needs build
+- `zeitraum_90d`: Implementation exists but lacks documentation | Category needs classification | Description needs to be written | Draft specification missing for implemented feature

.claude/docs/audit/platzhalter/reconciliation-2026-03-30/README.md

@@ -0,0 +1,254 @@
+# Placeholder Reconciliation Report
+
+**Generated:** 2026-03-30
+**Scope:** 111 Placeholders
+**Status:** COMPLETE ✓
+
+## Overview
+
+This reconciliation consolidates data from three authoritative sources to create a **single source of truth** for all 111 placeholders in the Mitai Jinkendo system.
+
+### Data Sources
+
+1. **Export Catalog** (`.claude/docs/audit/platzhalter/PLACEHOLDER_CATALOG_EXTENDED.json`)
+   - Authoritative placeholder metadata export
+   - Contains 111 placeholder definitions with categories, descriptions, time windows, usage data
+
+2. **Audit Reports** (`audit-report-2026-03-29/`)
+   - Comprehensive compliance audit against normative requirements
+   - Identifies gaps, conflicts, and remediation priorities
+   - Classifies placeholders: 8 compliant, 22 partially compliant, 81 non-compliant
+
+3. **Draft Document** (`.claude/docs/concepts/canonical_placeholder_requirements_draft.md`)
+   - Normative placeholder specifications (4895 lines)
+   - Currently: 0 placeholders documented (draft in progress)
+
+## Reconciliation Results
+
+### Completeness Validation
+
+✅ **PASS** - All 111 placeholders successfully reconciled
+
+- Export-Keys: 111
+- Matrix-Keys: 111
+- Differenz: 0
+- Fehlende Keys: []
+- Doppelte Keys: []
+
+### Key Statistics
+
+#### Implementation Status
+- **Exists in Code:** 71/111 (63%)
+- **Not Implemented:** 40/111 (36%)
+
+#### Compliance Level (from Audit)
+- **Compliant:** 8 (7%) - Production-ready
+- **Partially Compliant:** 22 (19%) - Minor gaps
+- **Non-Compliant:** 81 (73%) - Major gaps
+
+#### Reconciliation Status
+- **Verified Match (7):** Draft ↔ Export ↔ Audit align perfectly
+- **Needs Sharpening (49):** Correct but incomplete metadata
+- **Needs Refactor (16):** Code-docs conflicts exist
+- **Draft Wrong (0):** Draft specification incorrect
+- **New Required (39):** Not implemented, needs build
+- **Unclear (0):** Manual review needed
+
+#### Priority Distribution
+- **P0 (Critical):** 83 (74%) - Immediate attention required
+- **P1 (High):** 10 (9%) - Next sprint
+- **P2 (Medium):** 10 (9%) - Later
+- **P3 (Low):** 8 (7%) - Maintenance only
+
+#### Confidence Distribution
+- **High:** 10 (9%) - Reliable data
+- **Medium:** 49 (44%) - Some uncertainty
+- **Low:** 52 (46%) - Needs verification
+
+## Generated Documents
+
+### 1. RECONCILIATION_COMPLETENESS_CHECK.md
+Validation proof that all 111 placeholders were processed.
+
+### 2. PLACEHOLDER_RECONCILIATION_MATRIX.json (119 KB)
+Machine-readable complete reconciliation data:
+- Schema version: 1.0.0
+- All 111 placeholders with:
+  - Implementation status
+  - Draft status
+  - Export metadata (category, description, time_window, usage)
+  - Audit findings (compliance, priority, confidence logic)
+  - Architecture verification
+  - Reconciliation status and recommended action
+  - Confidence level and notes
+
+### 3. PLACEHOLDER_RECONCILIATION_MATRIX.md (32 KB)
+Human-readable table format:
+- Full matrix with 111 rows
+- Statistics summary
+- Critical placeholders (P0) section
+
+### 4. EXECUTIVE_RECONCILIATION_SUMMARY.md (4.1 KB)
+High-level findings and recommendations:
+- Key findings and statistics
+- Known code-documentation conflicts (3)
+- High-usage placeholders (12 with breaking change risk)
+- Immediate actions (P0) and sprint plan (P1/P2/P3)
+
+### 5. DRAFT_CORRECTIONS_REQUIRED.md (11 KB)
+Lists all placeholders needing draft specifications:
+- Missing: 111 placeholders
+- Partial: 0 placeholders
+- Wrong: 0 placeholders
+- Bulk update strategy and effort estimates
+
+### 6. IMPLEMENTATION_WAVES.md (4.1 KB)
+Cluster-based remediation plan:
+- Wave 1 (P0): Week 1 - 14-20 hours
+- Wave 2 (P1): Weeks 2-3 - 26-34 hours
+- Wave 3 (P2): Weeks 4-5 - 18-24 hours
+- Wave 4 (P3): Later - 24-32 hours
+- Total: 82-110 hours over 4-6 weeks
+
+## Critical Issues
+
+### Known Code-Documentation Conflicts
+
+1. **`weight_trend`** - Code uses 28d, docs say 7d/30d
+   - Resolution: Update docs to match code (28d)
+
+2. **`activity_summary`** - Code uses 14d, docs say 7d
+   - Resolution: Update docs to match code (14d)
+
+3. **`activity_detail`** - Time window unclear in code
+   - Resolution: Needs code review to determine actual time window
+
+### High-Usage Placeholders (Breaking Change Risk)
+
+12 placeholders with 4+ uses require careful handling:
+
+| Placeholder | Uses | Compliance |
+|-------------|------|------------|
+| `name` | 19 | non_compliant |
+| `geschlecht` | 14 | non_compliant |
+| `height` | 12 | non_compliant |
+| `weight_aktuell` | 10 | compliant ✓ |
+| `weight_trend` | 10 | compliant ✓ |
+| `goal_bf_pct` | 10 | non_compliant |
+| `caliper_summary` | 8 | partially_compliant |
+| `circ_summary` | 8 | compliant ✓ |
+| `goal_weight` | 8 | non_compliant |
+| `protein_ziel_low` | 7 | non_compliant |
+| `protein_ziel_high` | 7 | non_compliant |
+| `activity_detail` | 4 | non_compliant |
+
+### Missing Documentation (P0)
+
+- **49 placeholders** lack category classification
+- **49 placeholders** lack descriptions
+- **74 placeholders** have unknown time windows
+
+## Recommended Actions
+
+### Immediate (P0) - Week 1
+
+1. **Resolve Known Conflicts** (3 placeholders, 2-4 hours)
+   - Update documentation to match code implementation
+
+2. **Classify Time Windows** (74 placeholders, 8-12 hours)
+   - Use name-based extraction (`*_7d`, `*_28d` patterns)
+   - Extract from code default parameters
+   - Manual classification for unclear cases
+
+3. **Add Categories and Descriptions** (49 placeholders, 4-6 hours)
+   - Bulk update from audit semantic analysis
+   - Use existing audit report classifications
+
+**Total P0 Effort:** 14-20 hours
+
+### Next Sprint (P1) - Weeks 2-3
+
+1. **Add Confidence Logic** (103 placeholders, 12-16 hours)
+2. **Document Data Layer Modules** (100 placeholders, 6-8 hours)
+3. **Structured Missing-Value Policy** (70 placeholders, 8-10 hours)
+
+**Total P1 Effort:** 26-34 hours
+
+### Later (P2-P3) - Weeks 4-6
+
+1. **Integrate Unused Placeholders** (67 placeholders, 4-6 hours)
+2. **Metadata Completeness** (111 placeholders, 10-12 hours)
+3. **Production Status** (20-30 core placeholders, 4-6 hours)
+4. **Validation Framework** (16-20 hours)
+
+**Total P2-P3 Effort:** 42-56 hours
+
+## Best-Practice Models
+
+### Compliant Placeholders (8 total)
+
+These serve as best-practice models for all others:
+
+**Nutrition Averages (4):**
+- `protein_avg`, `kcal_avg`, `fat_avg`, `carb_avg`
+- Pattern: 30d time window, calculate_confidence, nutrition_metrics.py
+
+**Body Metrics (3):**
+- `weight_aktuell` (latest pattern, body_metrics.py)
+- `weight_trend` (28d trend, calculate_confidence) *has conflict*
+- `circ_summary` (mixed time window, best-of-each pattern)
+
+**Profile (1):**
+- `age` (snapshot, no confidence needed)
+
+## Architecture Verification
+
+- **71 placeholders (63%)** exist in code with sound architecture
+- **40 placeholders (36%)** not implemented, need build
+- **0 placeholders** with fundamental architecture issues
+
+All implemented placeholders have valid resolvers and data sources.
+
+## Success Metrics
+
+### After P0 Remediation (Week 1)
+- 0 unknown time windows ✓
+- 0 unknown categories ✓
+- 0 code-documentation conflicts ✓
+
+### After P1 Remediation (Weeks 2-3)
+- 70%+ placeholders with confidence logic
+- 100% placeholders with structured missing-value policies
+- 100% placeholders with documented data layers
+
+### After P2-P3 Remediation (Weeks 4-6)
+- 50-60% placeholder usage rate
+- 60%+ placeholders with metadata completeness >60
+- 20-30 production-ready placeholders
+
+## Conclusion
+
+The reconciliation process successfully analyzed all 111 placeholders and created a comprehensive single source of truth. While only 7% are currently fully compliant with normative requirements, the systematic gaps are primarily **documentation-related rather than functional**.
+
+All 111 placeholders are:
+- ✅ Properly inventoried
+- ✅ Categorized by compliance level
+- ✅ Prioritized for remediation
+- ✅ Mapped to implementation plan
+
+With a structured 4-6 week remediation plan (82-110 hours), the system can reach **>60% normative conformity** and establish a sustainable maintenance process.
+
+## Next Steps
+
+1. **Review** this reconciliation with product/tech leads
+2. **Prioritize** P0 items for Week 1 sprint
+3. **Execute** systematic remediation following implementation waves
+4. **Track** progress against success metrics
+5. **Iterate** based on findings and feedback
+
+---
+
+**For Questions or Issues:**
+- Reconciliation Data: `PLACEHOLDER_RECONCILIATION_MATRIX.json`
+- Executive Summary: `EXECUTIVE_RECONCILIATION_SUMMARY.md`
+- Implementation Plan: `IMPLEMENTATION_WAVES.md`

.claude/docs/audit/platzhalter/reconciliation-2026-03-30/RECONCILIATION_COMPLETENESS_CHECK.md

@@ -0,0 +1,14 @@
+# Reconciliation Completeness Validation
+
+## Vollstaendigkeitscheck
+- Export-Keys: 111
+- Matrix-Keys: 111
+- Differenz: 0
+- Fehlende Keys: []
+- Doppelte Keys: []
+
+## Status: PASS
+
+## Details
+
+All placeholders successfully reconciled. Matrix contains exactly 111 entries matching the export catalog.

.claude/docs/functional/ACTIVITY_QUALITY_GATES.md

@@ -0,0 +1,422 @@
+# Activity Quality Gates – Fachliches Konzept
+
+**Issue:** #15
+**Status:** Design Phase
+**Erstellt:** 2026-03-23
+
+---
+
+## Problem-Statement
+
+### Aktuelles Problem:
+Apple Health und andere Tracker importieren **alle** Workouts, unabhängig von ihrer Qualität:
+- 5-Minuten-Spaziergang → "Outdoor Run"
+- 10-Minuten-Krafttraining ohne echte Belastung
+- Versehentlich gestartete Workouts
+- Aufwärm-Sessions ohne echtes Training
+
+**Folgen:**
+- KI-Analysen werden verfälscht ("Du trainierst täglich!" - aber nur 5min)
+- Statistiken zeigen unrealistische Trainingsfrequenz
+- Korrelationen (Training ↔ Erholung) werden unbrauchbar
+- User verliert Vertrauen in die Auswertungen
+
+---
+
+## Fachliche Anforderungen
+
+### Must-Have:
+1. **Pro Trainingstyp** unterschiedliche Qualitätskriterien
+2. **Automatische Bewertung** beim Import und bei manueller Eingabe
+3. **Nicht-destruktiv** - keine Daten löschen, nur markieren
+4. **Transparenz** - User sieht warum eine Aktivität als minderwertig gilt
+5. **Opt-Out möglich** - User kann Quality Gates pro Aktivität überschreiben
+
+### Nice-to-Have:
+6. **Admin-Presets** für gängige Trainingstypen (Laufen, Krafttraining, etc.)
+7. **User-spezifische Anpassung** (z.B. für Reha-Patienten andere Schwellwerte)
+8. **Historische Nachbearbeitung** - bestehende Aktivitäten neu bewerten
+
+---
+
+## Lösungsansätze (Evaluation)
+
+### Ansatz A: Quality Flag (Boolean)
+```sql
+ALTER TABLE activity_log ADD COLUMN is_valid BOOLEAN DEFAULT true;
+```
+
+**Pro:**
+- Einfach zu implementieren
+- Schnelle Queries (`WHERE is_valid = true`)
+- Binäre Entscheidung: gültig oder nicht
+
+**Contra:**
+- ❌ Keine Abstufungen (was ist mit "grenzwertig"?)
+- ❌ Kein Grund dokumentiert (warum ungültig?)
+- ❌ Schwer erweiterbar
+
+**Bewertung:** ⭐⭐☆☆☆ (zu simpel)
+
+---
+
+### Ansatz B: Quality Score (0-100)
+```sql
+ALTER TABLE activity_log ADD COLUMN quality_score INTEGER DEFAULT 100;
+```
+
+**Pro:**
+- Abstufungen möglich (100 = perfekt, 0 = wertlos)
+- Filterbar: `WHERE quality_score >= 70`
+- Flexibel für zukünftige Erweiterungen
+
+**Contra:**
+- ❌ Score-Berechnung komplex (wie gewichten?)
+- ❌ Kein Grund dokumentiert
+- ❌ Schwellwert (70? 80?) willkürlich
+
+**Bewertung:** ⭐⭐⭐☆☆ (besser, aber intransparent)
+
+---
+
+### Ansatz C: Validation Result (JSONB) ⭐ **EMPFEHLUNG**
+```sql
+ALTER TABLE activity_log ADD COLUMN quality_check JSONB DEFAULT NULL;
+
+-- Beispiel-Daten:
+{
+  "evaluated_at": "2026-03-23T10:30:00Z",
+  "passed": false,
+  "score": 45,
+  "reasons": [
+    {"rule": "duration_min", "expected": 15, "actual": 8, "passed": false},
+    {"rule": "avg_hr_min", "expected": 100, "actual": 95, "passed": false},
+    {"rule": "max_hr_min", "expected": 120, "actual": 125, "passed": true}
+  ],
+  "override": null  // User kann auf "valid" oder "invalid" setzen
+}
+```
+
+**Pro:**
+- ✅ Transparent: Jede Regel einzeln nachvollziehbar
+- ✅ Erweiterbar: Neue Regeln einfach hinzufügbar
+- ✅ Override-Mechanismus eingebaut
+- ✅ Historisch: Wann wurde evaluiert?
+- ✅ Flexibel: Score + Boolean + Details
+
+**Contra:**
+- Mehr Speicherplatz (aber marginal bei JSONB)
+- Komplexere Queries (aber PostgreSQL JSONB ist schnell)
+
+**Bewertung:** ⭐⭐⭐⭐⭐ **BESTE LÖSUNG**
+
+---
+
+## Empfohlene Lösung: Ansatz C (Validation Result)
+
+### Datenmodell
+
+#### 1. Training Types (Regel-Definition)
+```sql
+ALTER TABLE training_types ADD COLUMN quality_rules JSONB DEFAULT NULL;
+
+-- Beispiel: Laufen
+UPDATE training_types SET quality_rules = '{
+  "enabled": true,
+  "rules": {
+    "duration_min": {"min": 15, "weight": 3},
+    "avg_hr_min": {"min": 100, "weight": 2},
+    "max_hr_min": {"min": 120, "weight": 1},
+    "distance_km": {"min": 1.0, "weight": 1}
+  },
+  "pass_threshold": 0.6,
+  "description": "Mindestens 15min, Durchschnittspuls > 100"
+}'::jsonb WHERE name_de = 'Laufen';
+
+-- Beispiel: Krafttraining
+UPDATE training_types SET quality_rules = '{
+  "enabled": true,
+  "rules": {
+    "duration_min": {"min": 20, "weight": 5},
+    "avg_hr_min": {"min": 90, "weight": 1}
+  },
+  "pass_threshold": 0.8,
+  "description": "Mindestens 20 Minuten"
+}'::jsonb WHERE name_de = 'Krafttraining';
+```
+
+**Erklärung:**
+- `enabled`: Quality Gates aktiv für diesen Typ?
+- `rules`: Dictionary der Regeln mit Schwellwerten + Gewichtung
+- `weight`: Wichtigkeit der Regel (1-5)
+- `pass_threshold`: Mindest-Score (0.0-1.0) für "bestanden"
+- `description`: User-freundliche Erklärung
+
+#### 2. Activity Log (Validierungs-Ergebnis)
+```sql
+ALTER TABLE activity_log ADD COLUMN quality_check JSONB DEFAULT NULL;
+```
+
+**Struktur siehe Ansatz C oben.**
+
+---
+
+## Validierungs-Logik
+
+### Backend-Funktion: `validate_activity_quality()`
+
+```python
+def validate_activity_quality(activity: dict, training_type: dict) -> dict:
+    """
+    Evaluiert eine Aktivität gegen die Quality Rules des Trainingstyps.
+
+    Returns:
+        {
+            "evaluated_at": ISO timestamp,
+            "passed": bool,
+            "score": float (0.0-1.0),
+            "reasons": [
+                {"rule": str, "expected": value, "actual": value, "passed": bool}
+            ],
+            "override": null | "valid" | "invalid"
+        }
+    """
+    rules = training_type.get('quality_rules', {})
+
+    if not rules or not rules.get('enabled'):
+        return None  # Keine Quality Gates aktiv
+
+    results = []
+    total_weight = 0
+    passed_weight = 0
+
+    for rule_name, rule_config in rules['rules'].items():
+        weight = rule_config.get('weight', 1)
+        total_weight += weight
+
+        actual_value = activity.get(rule_name)
+        expected_min = rule_config.get('min')
+
+        passed = actual_value is not None and actual_value >= expected_min
+
+        if passed:
+            passed_weight += weight
+
+        results.append({
+            "rule": rule_name,
+            "expected": expected_min,
+            "actual": actual_value,
+            "passed": passed
+        })
+
+    score = passed_weight / total_weight if total_weight > 0 else 1.0
+    passed = score >= rules.get('pass_threshold', 0.6)
+
+    return {
+        "evaluated_at": datetime.now().isoformat(),
+        "passed": passed,
+        "score": round(score, 2),
+        "reasons": results,
+        "override": None
+    }
+```
+
+### Wann wird validiert?
+
+1. **Beim Import** (CSV, API)
+   - Automatisch nach INSERT
+   - Spalte `quality_check` wird befüllt
+
+2. **Beim manuellen Anlegen**
+   - Automatisch nach INSERT
+   - Spalte `quality_check` wird befüllt
+
+3. **Beim Ändern der Quality Rules** (Admin)
+   - Optionaler Batch-Job: Alle Aktivitäten neu evaluieren
+
+4. **Beim User-Override**
+   - User setzt `quality_check.override = "valid"` oder `"invalid"`
+
+---
+
+## User Experience
+
+### 1. Activity-Liste (User-Ansicht)
+
+```
+┌─────────────────────────────────────────────────────────┐
+│ Aktivitäten (März 2026)                    [Filter ▼]  │
+├─────────────────────────────────────────────────────────┤
+│                                                          │
+│ 🏃 Laufen - 23. März 2026                               │
+│    45 Minuten · Ø 142 bpm · 5.2 km                      │
+│    ✅ Hochwertige Aktivität                             │
+│                                                          │
+│ 🏃 Laufen - 22. März 2026                    ⚠️         │
+│    8 Minuten · Ø 95 bpm · 0.8 km                        │
+│    ⚠️ Niedrige Qualität - wird nicht gezählt           │
+│    [Details anzeigen ▼]                                 │
+│                                                          │
+│    → Dauer zu kurz (8 min < 15 min erforderlich) ❌    │
+│    → Durchschnittspuls zu niedrig (95 < 100) ❌        │
+│    → Maximalpuls OK (125 ≥ 120) ✅                      │
+│                                                          │
+│    [Als gültig markieren]  [Als ungültig markieren]     │
+│                                                          │
+└─────────────────────────────────────────────────────────┘
+```
+
+**Filter-Optionen:**
+- ☑ Hochwertige Aktivitäten
+- ☑ Minderwertige Aktivitäten
+- ☐ Nur in Statistiken gezählt
+- ☐ Nur manuell überschrieben
+
+### 2. Admin-UI (Quality Rules konfigurieren)
+
+```
+┌─────────────────────────────────────────────────────────┐
+│ Trainingstyp bearbeiten: Laufen 🏃                      │
+├─────────────────────────────────────────────────────────┤
+│                                                          │
+│ Kategorie: Cardio                                       │
+│ Name (DE): Laufen                                       │
+│ Name (EN): Running                                      │
+│                                                          │
+│ ━━━ Quality Gates ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━  │
+│                                                          │
+│ ☑ Quality Gates aktiviert                               │
+│                                                          │
+│ Mindest-Schwellwerte:                                   │
+│                                                          │
+│ • Dauer (Minuten)           [15] min  Gewicht: ●●●○○   │
+│ • Ø Herzfrequenz            [100] bpm Gewicht: ●●○○○   │
+│ • Max. Herzfrequenz         [120] bpm Gewicht: ●○○○○   │
+│ • Distanz                   [1.0] km  Gewicht: ●○○○○   │
+│                                                          │
+│ Erfolgs-Schwelle: [60]% (gewichteter Score)            │
+│                                                          │
+│ Beschreibung (User-sichtbar):                           │
+│ "Mindestens 15 Minuten, Durchschnittspuls > 100"       │
+│                                                          │
+│ [Speichern]  [Abbrechen]  [Alle Aktivitäten neu prüfen]│
+│                                                          │
+└─────────────────────────────────────────────────────────┘
+```
+
+### 3. Dashboard / Statistiken
+
+**Transparenz:**
+```
+📊 Training (März 2026)
+    15 Aktivitäten erfasst
+    12 hochwertig ✅
+    3 minderwertig ⚠️ (werden nicht gezählt)
+
+    [Details zu minderwertigen Aktivitäten anzeigen]
+```
+
+---
+
+## Betroffene Bereiche (Impact Analysis)
+
+### 1. Aktivitäten-Listen
+- **Query-Änderung:**
+  ```sql
+  -- Alt:
+  SELECT * FROM activity_log WHERE profile_id = %s
+
+  -- Neu (nur hochwertige):
+  SELECT * FROM activity_log
+  WHERE profile_id = %s
+    AND (quality_check IS NULL
+         OR quality_check->>'passed' = 'true'
+         OR quality_check->>'override' = 'valid')
+  ```
+
+### 2. KI-Pipeline
+- **insights.py:** Filter bei Daten-Aggregation
+- Nur hochwertige Aktivitäten für KI-Prompts
+
+### 3. Charts / Statistiken
+- **Training Type Distribution:** Nur hochwertige zählen
+- **Korrelations-Charts:** Separate Kurven für "alle" vs "hochwertig"?
+
+### 4. Activity Import (CSV)
+- Nach INSERT: `validate_activity_quality()` aufrufen
+- Quality Check speichern
+
+---
+
+## Offene Fragen (für Entscheidung)
+
+### Frage 1: Rückwirkende Evaluierung?
+**Option A:** Nur neue Aktivitäten evaluieren
+**Option B:** Alle bestehenden Aktivitäten nachträglich evaluieren
+
+**Empfehlung:** Option B mit Batch-Job (einmalig beim Rollout)
+
+### Frage 2: Standard-Verhalten bei fehlenden Quality Rules?
+**Option A:** Alle Aktivitäten gelten als hochwertig (NULL = valid)
+**Option B:** Alle Aktivitäten gelten als minderwertig (NULL = invalid)
+
+**Empfehlung:** Option A (konservativ, keine Daten-Verlust-Angst)
+
+### Frage 3: User-Override-Berechtigung?
+**Option A:** Jeder User kann eigene Aktivitäten überschreiben
+**Option B:** Nur Admin kann überschreiben
+
+**Empfehlung:** Option A (User kennt seinen Kontext am besten)
+
+### Frage 4: Wie viele Default-Rules?
+**Option A:** Nur für Top 5 Trainingstypen (Laufen, Krafttraining, Radfahren, Schwimmen, HIIT)
+**Option B:** Für alle 29 Trainingstypen
+
+**Empfehlung:** Option A (Rest kann Admin/User nachpflegen)
+
+### Frage 5: Quality Check in Liste anzeigen?
+**Option A:** Immer sichtbar (Badge/Icon)
+**Option B:** Nur bei minderwertigen Aktivitäten
+
+**Empfehlung:** Option B (weniger visuelles Rauschen)
+
+---
+
+## Implementierungs-Reihenfolge (Vorschlag)
+
+### Phase 1: Foundation (MVP)
+1. DB-Migration: `quality_rules` + `quality_check` Spalten
+2. Backend: `validate_activity_quality()` Funktion
+3. Backend: Validierung beim INSERT (activity.py)
+4. Admin-UI: Quality Rules konfigurieren (basic)
+
+### Phase 2: User Experience
+5. Frontend: Badge/Warning in Activity-Liste
+6. Frontend: Details-Ansicht (welche Regeln failed?)
+7. Frontend: User-Override (Als gültig/ungültig markieren)
+
+### Phase 3: Integration
+8. KI-Pipeline: Filter für hochwertige Aktivitäten
+9. Charts: Nur hochwertige zählen
+10. Batch-Job: Bestehende Aktivitäten evaluieren
+
+### Phase 4: Polish
+11. Admin-UI: Presets für gängige Trainingstypen
+12. Filter-Optionen in Activity-Liste
+13. Dashboard: Statistik hochwertig vs. minderwertig
+
+**Geschätzter Aufwand:** 4-6 Stunden (mit Tests)
+
+---
+
+## Nächste Schritte
+
+1. **Entscheidung:** Offene Fragen klären
+2. **Technisches Design:** DB-Schema + API-Endpoints spezifizieren
+3. **Implementation:** Phase 1 starten
+4. **Testing:** Mit echten Apple Health Daten testen
+
+---
+
+**Erstellt:** 2026-03-23
+**Review:** Pending User-Feedback

.claude/docs/functional/AI_PROMPTS.md

@@ -0,0 +1,458 @@
+# Fachliche Anforderungen: KI-Prompt Flexibilisierung
+**Modul:** v9f  
+**Status:** Fachlich freigegeben, technische Implementierung ausstehend  
+**Letzte Aktualisierung:** März 2026
+
+---
+
+## 1. Überblick
+
+Das bestehende KI-Prompt-System wird von einer fixen Sammlung vordefinierter
+Prompts zu einer vollständig konfigurierbaren Prompt-Bibliothek erweitert.
+Admins können Prompts kategorisieren, duplizieren, bearbeiten und mit einem
+visuellen Platzhalter-Browser ausstatten. Die Pipeline wird konfigurierbar –
+mehrere Konfigurationen für unterschiedliche Analysezwecke sind möglich.
+
+---
+
+## 2. Prompt-Bibliothek
+
+### 2.1 Kategorien
+
+Alle Prompts werden einer Kategorie zugeordnet:
+
+| Kategorie | Beschreibung | Beispiel-Prompts |
+|-----------|-------------|-----------------|
+| Körper | Gewicht, KF, Umfänge, Caliper | Körperkomposition, Gewichtstrend |
+| Ernährung | Kalorien, Makros, Timing | Kalorienbilanz, Proteinversorgung |
+| Training | Volumen, Typen, HF | Trainingsanalyse, Erholungsstatus |
+| Schlaf | Qualität, Dauer, Muster | Schlafauswertung, Schlaftrend |
+| Vitalwerte | Ruhepuls, HRV, VO2Max | Leistungsfähigkeit, Erholung |
+| Mentales | Stress, Stimmung, Energie | Wohlbefinden, Stressanalyse |
+| Ziele | Fortschritt, Prognose, Zeitplan | Zielerreichung, Zeitplanung |
+| Ganzheitlich | Korrelationen, Übersicht | Gesamtanalyse, Pipeline-Synthese |
+
+### 2.2 Prompt-Verwaltung (Admin)
+
+Ein Admin kann mit jedem Prompt folgendes tun:
+
+**Aktivieren / Deaktivieren**
+- Inaktive Prompts sind für Nutzer nicht sichtbar und nicht ausführbar
+- Pipeline-Prompts können separat aktiviert/deaktiviert werden
+
+**Duplizieren und anpassen**
+- Bestehenden Prompt als Vorlage kopieren
+- Kopie erhält Suffix " (Kopie)" und kann unabhängig bearbeitet werden
+
+**Neu erstellen**
+- Titel, Beschreibung, Kategorie, Template
+- Platzhalter über den Platzhalter-Browser einfügen (siehe Abschnitt 3)
+
+**Kategorie zuordnen**
+- Beim Erstellen und Bearbeiten wählbar
+- Nachträgliche Änderung möglich
+
+**Reihenfolge festlegen**
+- Drag & Drop oder Zahleneingabe (sort_order)
+- Reihenfolge bestimmt Anzeige in der Nutzer-Ansicht
+
+**Auf Standard zurücksetzen**
+- Systemseitig definierte Prompts haben einen "Standard"-Zustand
+- Reset stellt Original-Template wieder her
+- Eigens erstellte Prompts haben keinen Standard-Reset
+
+### 2.3 Prompt-Felder
+
+Jeder Prompt hat:
+- **Titel** – kurzer Name (z.B. "Körperkomposition")
+- **Beschreibung** – wofür ist dieser Prompt? (für Admin sichtbar)
+- **Kategorie** – aus der Kategorienliste
+- **Template** – der eigentliche Prompt-Text mit Platzhaltern
+- **Aktiv** – true/false
+- **Reihenfolge** – Zahl für Sortierung
+- **Typ** – `single` (Einzelanalyse) oder `pipeline` (Pipeline-Stufe)
+- **Pipeline-Stufe** – nur bei Typ `pipeline`: Stufen-Nummer (1, 2, 3...)
+
+---
+
+## 3. Platzhalter-System
+
+### 3.1 Platzhalter-Browser
+
+Beim Bearbeiten eines Prompts steht ein visueller Platzhalter-Browser zur
+Verfügung – Admin tippt Platzhalter nicht mehr manuell, sondern wählt sie aus.
+
+**Funktionen:**
+- **Filterung nach Kategorie** – zeigt nur Platzhalter der gewählten Kategorie
+- **Beispielwert** – zeigt was der Platzhalter aktuell mit echten Daten ausgeben würde
+- **Klick zum Einfügen** – Platzhalter wird an Cursor-Position ins Template eingefügt
+- **Warnung bei fehlendem Platzhalter** – wenn ein eingetippter Platzhalter nicht existiert
+- **Warnung bei fehlenden Daten** – wenn Daten für diesen Platzhalter nicht vorhanden sind (z.B. noch kein Schlaf-Tracking)
+
+### 3.2 Prompt-Vorschau
+
+Vor dem Speichern kann der Admin eine Vorschau anfordern:
+- System befüllt alle Platzhalter mit echten aktuellen Daten
+- Zeigt den fertigen Prompt-Text wie er an die KI gesendet würde
+- KI wird dabei **nicht** aufgerufen – nur der Prompt-Text wird angezeigt
+
+### 3.3 Platzhalter-Kategorien und Übersicht
+
+**Körper:**
+```
+{{weight_aktuell}}         → "86,1 kg"
+{{weight_trend}}           → "sinkend (-0,8 kg letzte 4 Wochen)"
+{{kf_aktuell}}             → "19,9%"
+{{kf_trend}}               → "stabil"
+{{magermasse}}             → "69,4 kg"
+{{whr}}                    → "0,90"
+{{whtr}}                   → "0,51"
+{{bmi}}                    → "27,2"
+{{circ_summary}}           → "Taille: 88cm, Hüfte: 98cm, ..."
+{{caliper_summary}}        → "KF nach Jackson/Pollock: 19,9%"
+```
+
+**Ernährung:**
+```
+{{kcal_avg}}               → "1.847 kcal/Tag (Ø 30 Tage)"
+{{protein_avg}}            → "138g/Tag"
+{{protein_ziel_low}}       → "138"
+{{protein_ziel_high}}      → "172"
+{{fat_avg}}                → "72g/Tag"
+{{carb_avg}}               → "195g/Tag"
+{{nutrition_summary}}      → kompakte Zusammenfassung
+{{nutrition_detail}}       → ausführliche Tabelle
+{{nutrition_days}}         → "28 Tage mit Daten"
+{{activity_kcal_summary}}  → "Ø 320 kcal aktiver Verbrauch/Tag"
+```
+
+**Training:**
+```
+{{activity_summary}}           → kompakte Zusammenfassung
+{{activity_detail}}            → ausführliche Liste
+{{trainingstyp_verteilung}}    → "60% Kraft, 30% Cardio, 10% Mobility"
+{{trainingstyp_haupttyp}}      → "Kraft" (häufigster Typ)
+{{ruhetage_letzte_woche}}      → "2"
+{{trainingsphase}}             → "Aufbau / Erholung / Plateau"
+{{hf_zonen_verteilung}}        → "Zone 2: 45%, Zone 3: 35%, Zone 4: 20%"
+
+{{faehigkeiten_analyse}}       → Detaillierte Analyse der trainierten Fähigkeiten
+{{faehigkeiten_koordinativ}}   → "Orientierung: 3/14 Einheiten, Gleichgewicht: 5/14, ..."
+{{faehigkeiten_konditionell}}  → "Kraft: 8/14, Ausdauer: 4/14, Schnelligkeit: 2/14, Flexibilität: 3/14"
+{{faehigkeiten_kognitiv}}      → "Konzentration: 2/14, Entscheidung: 1/14, ..."
+{{faehigkeiten_psychisch}}     → "Willenskraft: 5/14, Stressresistenz: 2/14, ..."
+{{faehigkeiten_taktisch}}      → "Timing: 1/14, Antizipation: 2/14, ..."
+{{faehigkeiten_balance}}       → "Ausgewogen / Einseitig + Empfehlung"
+```
+
+**Fähigkeiten-System (v9d Integration):**
+- Jeder Trainingstyp ist mit 1-N Fähigkeiten aus 5 Dimensionen verknüpft
+- KI erhält aggregierte Statistik: wie oft wurden welche Fähigkeiten trainiert
+- Ermöglicht Aussagen wie: "Dein Training fokussiert stark auf Kraft (8 von 14 Einheiten), aber koordinative Fähigkeiten kommen zu kurz."
+- Basis für gezielte Trainingsempfehlungen
+
+**Herzfrequenz & Vitalwerte:**
+```
+{{ruhepuls_aktuell}}       → "52 bpm"
+{{ruhepuls_trend}}         → "sinkend (-3 bpm letzte 4 Wochen)"
+{{hrv_aktuell}}            → "58 ms"
+{{hrv_baseline}}           → "62 ms (30-Tage-Durchschnitt)"
+{{erholungsstatus}}        → "gut / teilweise / schlecht"
+{{vo2max}}                 → "48,2 ml/kg/min"
+```
+
+**Schlaf:**
+```
+{{schlaf_avg_dauer}}       → "7,2h/Nacht (Ø 7 Tage)"
+{{schlaf_qualitaet}}       → "3,8/5 (Ø 7 Tage)"
+{{schlaf_trend}}           → "stabil"
+{{schlaf_detail}}          → ausführliche Tabelle
+```
+
+**Mentales:**
+```
+{{energie_niveau}}         → "3,2/5 (Ø 7 Tage)"
+{{stress_niveau}}          → "2,8/5 (Ø 7 Tage)"
+{{stimmung}}               → "3,9/5 (Ø 7 Tage)"
+{{meditation_streak}}      → "5 Tage in Folge"
+```
+
+**Ziele:**
+```
+{{goal_weight}}            → "82 kg"
+{{goal_bf_pct}}            → "14%"
+{{goal_name}}              → "Muskelaufbau"
+{{ziel_fortschritt}}       → "Gewicht: 72% erreicht, KF: 45% erreicht"
+{{ziel_prognose}}          → "Ziel voraussichtlich in 8 Wochen erreicht"
+```
+
+**Profil:**
+```
+{{name}}                   → "Lars"
+{{geschlecht}}             → "männlich"
+{{height}}                 → "178"
+{{age}}                    → "45"
+{{sprache}}                → "Deutsch" (konfigurierbar per Prompt)
+```
+
+**Zeitraum:**
+```
+{{zeitraum_7d}}            → "letzte 7 Tage"
+{{zeitraum_30d}}           → "letzte 30 Tage"
+{{zeitraum_90d}}           → "letzte 90 Tage"
+{{datum_heute}}            → "20. März 2026"
+```
+
+**Pipeline (intern):**
+```
+{{stage1_body}}            → JSON-Summary Körper (Pipeline-Stufe 1)
+{{stage1_nutrition}}       → JSON-Summary Ernährung
+{{stage1_activity}}        → JSON-Summary Training
+{{stage1_sleep}}           → JSON-Summary Schlaf (neu)
+{{stage1_vitals}}          → JSON-Summary Vitalwerte (neu)
+```
+
+---
+
+## 4. Pipeline-Konfiguration
+
+### 4.1 Was ist eine Pipeline-Konfiguration?
+
+Eine Pipeline-Konfiguration definiert:
+- **Name** – z.B. "Alltags-Check", "Wettkampf-Analyse", "Schlaf-Fokus"
+- **Aktive Module** – welche Datenquellen fließen ein (Körper, Ernährung, Training, Schlaf, Vitalwerte, Mentales)
+- **Zeitraum je Modul** – z.B. Körper 30 Tage, Schlaf 7 Tage, Training 14 Tage
+- **Stufen** – welcher Prompt wird in welcher Stufe verwendet
+- **Standard** – eine Konfiguration kann als Standard markiert werden
+
+### 4.2 Pipeline-Stufen
+
+**Stufe 1 (parallel):** Mehrere Module-Prompts laufen gleichzeitig, jeder gibt ein JSON-Summary zurück
+
+**Stufe 2:** Synthese-Prompt kombiniert alle Stage-1-Summaries zu einer narrativen Analyse
+
+**Stufe 3 (optional):** Ziel-Abgleich oder spezifische Zusatzanalyse
+
+Admin kann:
+- Anzahl der Stufen festlegen (min. 2, max. 4)
+- Jeden Stufen-Prompt zuweisen
+- Module für Stufe 1 aktivieren/deaktivieren
+
+### 4.3 Vordefinierte Konfigurationen (Beispiele)
+
+**Alltags-Check (Standard):**
+- Module: Körper (30T), Ernährung (30T), Training (14T)
+- Stufe 1: pipeline_body + pipeline_nutrition + pipeline_activity
+- Stufe 2: pipeline_synthesis
+- Stufe 3: pipeline_goals
+
+**Schlaf-Fokus:**
+- Module: Schlaf (14T), Vitalwerte (7T), Training (14T)
+- Stufe 1: pipeline_sleep + pipeline_vitals + pipeline_activity
+- Stufe 2: pipeline_synthesis_sleep
+
+**Wettkampf-Analyse:**
+- Module: Körper (90T), Training (90T), Vitalwerte (30T), Ziele
+- Stufe 1: alle Körper/Training/Vital-Module
+- Stufe 2: pipeline_synthesis_performance
+
+---
+
+## 5. Nutzer-Ansicht: KI-Analyse starten
+
+### 5.1 Einzelanalyse
+
+1. Nutzer wählt Prompt aus der Bibliothek (nach Kategorie gefiltert)
+2. KI-Analyse startet sofort
+3. Ergebnis wird angezeigt und gespeichert
+
+### 5.2 Pipeline
+
+1. Nutzer wählt Pipeline-Konfiguration
+2. Pipeline startet sofort (alle Stufen laufen automatisch)
+3. Ergebnis wird angezeigt und gespeichert
+
+### 5.3 Kein Konfigurationsschritt für Nutzer
+
+Der Nutzer wählt nur Prompt oder Pipeline – kein weiterer Konfigurationsschritt.
+Zeitraum und Module sind durch Admin in der Pipeline-Konfiguration festgelegt.
+
+---
+
+## 6. Analyse-Ergebnisse verwalten
+
+### 6.1 Kategorie-Zuordnung
+
+Jedes gespeicherte Analyse-Ergebnis erbt die Kategorie des ausgeführten Prompts.
+Ermöglicht spätere Filterung nach Kategorie.
+
+### 6.2 Filtern nach Kategorie
+
+Im Analyse-Verlauf kann nach Kategorie gefiltert werden:
+- "Alle" / "Körper" / "Ernährung" / "Training" / etc.
+
+### 6.3 Analyse-Verlauf pro Prompt
+
+Für jeden Prompt ist ein Verlauf einsehbar:
+- Liste aller bisherigen Analysen mit diesem Prompt (Datum + Kurzauszug)
+- Zeigt wie sich die KI-Aussage über Zeit verändert hat
+
+### 6.4 Favoriten
+
+Nutzer kann Analysen als Favorit markieren (Stern-Symbol).
+Favoriten sind in der Verlaufs-Ansicht filterbar.
+
+### 6.5 Löschen
+
+Nutzer kann einzelne Analyse-Ergebnisse manuell löschen.
+Keine Massen-Löschung (außer Admin).
+
+---
+
+## 7. Sprache
+
+Die Ausgabesprache wird im Prompt-Template selbst gesteuert über den
+Platzhalter `{{sprache}}`. Der Wert wird aus den Profil-Einstellungen gezogen.
+
+**Mögliche Werte:** "Deutsch", "Englisch", "Französisch" (erweiterbar)
+
+**Standard:** "Deutsch"
+
+Kein separater Sprach-Schalter auf der Analyse-Seite – Sprache wird einmalig
+im Profil konfiguriert.
+
+---
+
+## 8. Abgrenzung & offene Fragen
+
+### In diesem Modul enthalten:
+- Prompt-Bibliothek mit 8 Kategorien
+- Vollständige Admin-Verwaltung (CRUD, Reihenfolge, Reset)
+- Platzhalter-Browser mit Beispielwerten und Vorschau
+- Pipeline-Konfigurationen (mehrere, speicherbar)
+- Analyse-Ergebnisse: Kategorie, Filter, Verlauf, Favoriten, Löschen
+- Sprach-Platzhalter
+
+### Nicht in diesem Modul:
+- Community-Prompts / Prompt-Import von extern → später
+- KI-gestützte Prompt-Optimierung → später
+- Automatisch geplante Analysen (z.B. wöchentlich) → später
+- Prompts für noch nicht implementierte Module (Schlaf, Mentales) werden
+  vorbereitet aber haben keine echten Daten bis die Module existieren
+
+### Offene Fragen für technische Planung:
+1. Wie werden Pipeline-Konfigurationen gespeichert? (neue DB-Tabelle oder JSON in ai_prompts?)
+2. Platzhalter-Definitionen: statisch im Code oder dynamisch in DB (für zukünftige Erweiterung)?
+3. Wie wird der Beispielwert für den Platzhalter-Browser berechnet – gleicher Endpunkt wie die echte Analyse?
+4. Reihenfolge der Prompts: getrennte sort_order pro Kategorie oder global?
+
+---
+
+## 9. Trainingstypen & Fähigkeiten-Mapping (v9d → v9f Integration)
+
+### 9.1 Hintergrund
+
+In v9d wurde die Basis geschaffen:
+- `training_types` Tabelle mit `abilities` JSONB-Spalte
+- Admin-CRUD für Trainingstypen (ohne Abilities-UI)
+- Taxonomie-Endpoint: `/api/admin/training-types/taxonomy/abilities`
+- 5 Fähigkeiten-Dimensionen definiert:
+  - 🎯 **Koordinativ:** Orientierung, Differenzierung, Kopplung, Gleichgewicht, Rhythmus, Reaktion, Umstellung
+  - 💪 **Konditionell:** Kraft, Ausdauer, Schnelligkeit, Flexibilität
+  - 🧠 **Kognitiv:** Konzentration, Aufmerksamkeit, Wahrnehmung, Entscheidungsfindung
+  - 🎭 **Psychisch:** Motivation, Willenskraft, Stressresistenz, Selbstvertrauen
+  - ♟️ **Taktisch:** Timing, Strategie, Antizipation, Situationsanalyse
+
+### 9.2 Was wird in v9f ergänzt?
+
+**Admin-UI: Fähigkeiten-Matrix**
+
+Im AdminTrainingTypesPage Formular wird eine Fähigkeiten-Matrix hinzugefügt:
+- 5 Sections (eine pro Dimension)
+- Pro Dimension: Checkboxes für alle Fähigkeiten
+- Multi-Select: Ein Trainingstyp kann mehrere Fähigkeiten pro Dimension trainieren
+- Beispiel: "Kampfsport-Sparring" trainiert:
+  - Koordinativ: Orientierung, Reaktion, Umstellung
+  - Konditionell: Schnelligkeit, Ausdauer
+  - Kognitiv: Entscheidung, Wahrnehmung
+  - Psychisch: Stressresistenz, Selbstvertrauen
+  - Taktisch: Timing, Antizipation
+
+**Gespeichert als JSONB:**
+```json
+{
+  "koordinativ": ["orientierung", "reaktion", "umstellung"],
+  "konditionell": ["schnelligkeit", "ausdauer"],
+  "kognitiv": ["entscheidung", "wahrnehmung"],
+  "psychisch": ["stressresistenz", "selbstvertrauen"],
+  "taktisch": ["timing", "antizipation"]
+}
+```
+
+**Backend: Fähigkeiten-Aggregation**
+
+Neue Endpoint-Funktion (oder Platzhalter-Funktion):
+```python
+def calculate_abilities_summary(profile_id, days=14):
+    """
+    Aggregiert trainierte Fähigkeiten über Zeitraum.
+
+    Returns:
+    {
+      "total_activities": 14,
+      "koordinativ": {
+        "orientierung": 3,      # 3 von 14 Trainings
+        "gleichgewicht": 5,
+        ...
+      },
+      "konditionell": {
+        "kraft": 8,
+        "ausdauer": 4,
+        ...
+      },
+      ...
+      "balance_score": 0.67,    # 0-1, wie ausgewogen
+      "top_dimension": "konditionell",
+      "weak_dimension": "kognitiv"
+    }
+    """
+```
+
+**KI-Prompt Integration:**
+
+Die Fähigkeiten-Platzhalter werden befüllt mit aggregierten Daten:
+- `{{faehigkeiten_analyse}}` → vollständige Aufschlüsselung
+- `{{faehigkeiten_koordinativ}}` → nur koordinative Dimension
+- etc.
+
+Pipeline-Prompt "Training" erhält zusätzlichen Context:
+```
+Analyse die Fähigkeitenverteilung:
+{{faehigkeiten_analyse}}
+
+Gib Empfehlungen für untertrainierte Bereiche.
+```
+
+### 9.3 Nutzen für KI-Analyse
+
+**Beispiel-Insight:**
+> "Deine letzten 14 Trainings fokussieren stark auf **konditionelle Fähigkeiten** (Kraft: 8×, Ausdauer: 4×). Koordinative Fähigkeiten kommen zu kurz (nur 3× Gleichgewicht, 2× Reaktion). Für einen ausgewogenen Trainingsplan empfehle ich 2-3 koordinationslastige Einheiten pro Woche – z.B. Kampfsport-Techniktraining, Balance-Übungen oder Mobility-Routinen mit Fokus auf Bewegungskontrolle."
+
+**Korrelationen:**
+- Verletzungen / Überlastung ↔ Koordinations-Defizit
+- Plateaus im Krafttraining ↔ fehlende kognitive/taktische Komponente
+- Erholungsprobleme ↔ psychische Fähigkeiten untertrainiert
+
+### 9.4 Implementierungs-Reihenfolge
+
+1. ✅ v9d Phase 1b: DB-Schema + Admin-CRUD (ohne Abilities-UI) → **erledigt**
+2. 🔲 v9f: Abilities-Matrix UI im Admin-Formular
+3. 🔲 v9f: Backend-Funktion `calculate_abilities_summary()`
+4. 🔲 v9f: Platzhalter `{{faehigkeiten_*}}` implementieren
+5. 🔲 v9f: Standard-Prompts aktualisieren mit Fähigkeiten-Context
+6. 🔲 v9f: Admin-Doku: "Best Practices" für Fähigkeiten-Zuordnung
+
+---
+
+EOF
+echo "OK"

.claude/docs/functional/DEVELOPMENT_ROUTES.md

@@ -0,0 +1,417 @@
+# Entwicklungsrouten – Multi-Dimensionales Training & Planung
+
+**Version:** 1.0
+**Status:** Konzept
+**Ziel-Release:** v9e / v9f
+**Basis:** Rest Days Multi-Dimensional Architecture (v9d Phase 2a)
+
+---
+
+## Überblick
+
+**Entwicklungsrouten** sind unabhängige Dimensionen der körperlichen und mentalen Entwicklung, die jeweils eigene:
+- Trainingspläne
+- Ruhetag-Regeln
+- Fortschritts-Tracking
+- Ziele
+
+haben.
+
+**Kernidee:** Ein Tag kann gleichzeitig ein "Kraft-Ruhetag" UND ein "Mental-Aktivtag" sein.
+
+---
+
+## Die 6 Entwicklungsrouten
+
+### 1. 💪 Kraft (Strength)
+**Fokus:** Muskelaufbau, Maximalkraft, Power
+
+**Trainingstypen:**
+- Strength (Krafttraining allgemein)
+- Power (Schnellkraft, Explosivität)
+- HIIT (Hochintensiv)
+
+**Ruhetag-Regeln:**
+- Nach schwerer Beineinheit → 48-72h Kraft-Ruhetag
+- Andere Routen (Cardio, Mental) bleiben erlaubt
+- Intensität: Max 60% bei erlaubten Aktivitäten
+
+**Metriken:**
+- Gewicht, Umfänge, Caliper
+- 1RM-Schätzung (optional)
+- Muskelregeneration (Ruhepuls + HRV)
+
+---
+
+### 2. 🏃 Kondition (Conditioning)
+**Fokus:** Ausdauer, VO2Max, Herz-Kreislauf
+
+**Trainingstypen:**
+- Cardio Low (GA1, Grundlagenausdauer)
+- Cardio High (GA2, Tempo-Läufe)
+- Endurance (Lange Einheiten)
+
+**Ruhetag-Regeln:**
+- Nach Wettkampf/Tempo-Lauf → 24-48h Cardio-Ruhetag
+- Kraft & Mobility erlaubt
+- Intensität: Max 70% HFmax
+
+**Metriken:**
+- HF-Zonen-Verteilung
+- VO2Max-Schätzung
+- Lauf-Pace / Rad-Watt
+
+---
+
+### 3. 🧘 Mental (Mental)
+**Fokus:** Stressmanagement, Fokus, Wettkampf-Readiness
+
+**Trainingstypen:**
+- Meditation
+- Wettkampf (Competition)
+- High-Pressure Training
+
+**Ruhetag-Regeln:**
+- Nach Wettkampf → 1-3 Tage Mental-Ruhetag
+- Physisches Training erlaubt (aber kein Wettkampf-Druck)
+- Nur entspannende Aktivitäten (Meditation, Spaziergang)
+
+**Metriken:**
+- Stresslevel (1-5 subjektiv)
+- Schlafqualität
+- HRV (Mental-Recovery-Indikator)
+
+---
+
+### 4. 🤸 Koordination (Coordination)
+**Fokus:** Balance, Agilität, Reaktion, propriozeptives Training
+
+**Trainingstypen:**
+- Coordination (Agilität, Balance)
+- Sport-spezifische Drills
+- Reaktionstraining
+
+**Ruhetag-Regeln:**
+- Nach intensivem Koordinationstraining → 24h Pause
+- Andere Routen erlaubt
+- Kein koordinativ anspruchsvolles Training bei Müdigkeit
+
+**Metriken:**
+- Subjektive Koordinations-Scores
+- Balance-Tests (optional)
+
+---
+
+### 5. 🧘‍♂️ Mobilität (Mobility)
+**Fokus:** Flexibilität, ROM (Range of Motion), Faszien
+
+**Trainingstypen:**
+- Mobility (Stretching, Yoga)
+- Faszien-Training
+- Passive Dehnung
+
+**Ruhetag-Regeln:**
+- Normalerweise kein Ruhetag nötig
+- Bei Überdehnung / Verletzung → Pause für betroffene Bereiche
+
+**Metriken:**
+- ROM-Messungen (optional)
+- Subjektive Beweglichkeit (1-5)
+
+---
+
+### 6. 🎯 Technik (Technique)
+**Fokus:** Sport-spezifische Skills, Bewegungsqualität
+
+**Trainingstypen:**
+- Technique Drills
+- Skill Work
+- Video-Analyse
+
+**Ruhetag-Regeln:**
+- Technik-Training bei Müdigkeit kontraproduktiv
+- Mental-Ruhetag → auch Technik pausieren
+- Physisches Training erlaubt (ohne Technik-Fokus)
+
+**Metriken:**
+- Video-Analyse-Scores (optional)
+- Coach-Feedback
+
+---
+
+## Datenmodell
+
+### rest_days (Multi-Entry per Date)
+
+**Änderung:** UNIQUE constraint `(profile_id, date)` entfernt (Migration 011)
+
+**Erlaubt:**
+```sql
+-- Gleiches Datum, verschiedene Routen:
+INSERT INTO rest_days (profile_id, date, rest_config, note)
+VALUES
+  ('user-1', '2026-03-23', '{"focus": "muscle_recovery", ...}', 'Beine heavy'),
+  ('user-1', '2026-03-23', '{"focus": "mental_rest", ...}', 'Wettkampf-Pause');
+```
+
+**UI:**
+```
+23. März 2026
+  💪 Muskelregeneration | "Beine heavy"
+  🧘 Mental Rest        | "Wettkampf-Pause"
+
+  → Cardio erlaubt, Kraft pausiert, keine Wettkämpfe
+```
+
+---
+
+## Wochenplanung mit Routen
+
+### Tabelle: weekly_goals (erweitert)
+
+**JSONB Schema:**
+```json
+{
+  "routes": {
+    "strength": {
+      "goal": 3,              // 3x Kraft pro Woche
+      "min_rest_days": 1,     // Mind. 1 Kraft-Ruhetag
+      "intensity_distribution": {
+        "heavy": 1,   // 1x schwer (80-90%)
+        "medium": 1,  // 1x mittel (70-80%)
+        "light": 1    // 1x leicht (60-70%)
+      }
+    },
+    "conditioning": {
+      "goal": 2,
+      "min_rest_days": 0,
+      "hr_zones": {
+        "zone_2": 60,  // 60% der Zeit in Zone 2
+        "zone_3": 30,  // 30% in Zone 3
+        "zone_4": 10   // 10% in Zone 4
+      }
+    },
+    "mental": {
+      "goal": 7,              // Täglich Meditation
+      "min_duration": 10,     // Mind. 10 Min
+      "rest_after_competition": 2  // 2 Tage Pause nach Wettkampf
+    }
+  },
+  "rules": {
+    "max_consecutive_strength": 2,     // Max 2 Krafteinheiten hintereinander
+    "require_rest_after": ["competition", "strength_heavy"],
+    "auto_rest_on_poor_recovery": true // Bei HRV < Baseline → Auto-Ruhetag
+  }
+}
+```
+
+---
+
+## Activity Validation mit Routen
+
+### Endpoint: `POST /api/rest-days/validate-activity`
+
+**Request:**
+```json
+{
+  "date": "2026-03-23",
+  "activity_type": "strength",
+  "route": "strength"  // Neue Dimension
+}
+```
+
+**Response:**
+```json
+{
+  "conflicts": [
+    {
+      "route": "strength",
+      "severity": "warning",
+      "message": "Kraft-Ruhetag – Muskelregeneration nach Beineinheit. Trotzdem trainieren?"
+    }
+  ],
+  "allowed": false
+}
+```
+
+**Logik:**
+```python
+def validate_activity_multi_route(profile_id, date, activity_type, route=None):
+    """
+    Prüft alle rest_days für das Datum.
+
+    - Wenn route angegeben: Nur diese Route prüfen
+    - Sonst: Alle passenden Routen prüfen
+    """
+    rest_days = get_rest_days(profile_id, date)
+    conflicts = []
+
+    for rest_day in rest_days:
+        config = rest_day['rest_config']
+
+        # Prüfe ob Activity in rest_from
+        if activity_type in config.get('rest_from', []):
+            conflicts.append({
+                'route': config['focus'],
+                'severity': 'warning',
+                'message': f"{ROUTE_LABELS[config['focus']]} Ruhetag – {activity_type} sollte pausiert werden."
+            })
+
+    return {
+        'conflicts': conflicts,
+        'allowed': len(conflicts) == 0
+    }
+```
+
+---
+
+## Habits & Streaks pro Route
+
+### Tabelle: route_habits (neu in v9f)
+
+```sql
+CREATE TABLE route_habits (
+    id SERIAL PRIMARY KEY,
+    profile_id UUID NOT NULL REFERENCES profiles(id) ON DELETE CASCADE,
+    route VARCHAR(20) NOT NULL,  -- 'strength', 'conditioning', 'mental', etc.
+    habit_type VARCHAR(50) NOT NULL,  -- 'meditation', 'mobility', 'strength_training'
+    frequency VARCHAR(20) NOT NULL,  -- 'daily', 'weekly_3', 'weekly_5'
+    streak_current INTEGER DEFAULT 0,
+    streak_longest INTEGER DEFAULT 0,
+    last_completed DATE,
+    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
+);
+```
+
+**Beispiele:**
+- Mental-Route: "Tägliche Meditation" (7x/Woche)
+- Mobility-Route: "Stretching" (3x/Woche)
+- Strength-Route: "Krafttraining" (3x/Woche)
+
+**UI:**
+```
+🧘 Mental-Route
+  Meditation          🔥 12 Tage Streak
+  Stress-Check        🔥 5 Tage Streak
+
+💪 Kraft-Route
+  Krafttraining       🔥 2 Wochen Streak
+  Protein > 150g      🔥 10 Tage Streak
+```
+
+---
+
+## Dashboard Integration
+
+### Route-Übersicht Widget
+
+```
+Entwicklungsrouten (diese Woche)
+─────────────────────────────────────
+💪 Kraft          2/3  [██░]  1 Ruhetag
+🏃 Kondition      1/2  [█░░]  0 Ruhetage
+🧘 Mental         7/7  [███]  ✓ Täglich
+🤸 Koordination   0/1  [░░░]  Geplant: Do
+🧘‍♂️ Mobilität     3/3  [███]  ✓ Ziel erreicht
+
+Empfehlung: Kraft-Training heute, Cardio morgen
+```
+
+---
+
+## KI-Integration
+
+### Neue Platzhalter (v9f)
+
+```python
+{{route_balance}}              # "Kraft überlastet, Cardio unterfordert"
+{{route_progress_strength}}    # "3/3 Einheiten, +2kg seit letztem Monat"
+{{route_recovery_strength}}    # "Gut erholt, schweres Training möglich"
+{{route_next_recommended}}     # "Kraft-Oberkörper empfohlen (Push-Fokus)"
+{{route_conflict_today}}       # "Kraft-Ruhetag, Cardio/Mental erlaubt"
+```
+
+### KI-Analyse-Funktion
+
+```python
+def analyze_route_balance(profile_id, weeks=4):
+    """
+    Analysiert Balance über alle Routen.
+
+    Warnt bei:
+    - Übertraining in einer Route
+    - Vernachlässigung einer Route
+    - Fehlende Ruhetage in Route
+    """
+    routes = ['strength', 'conditioning', 'mental', 'coordination', 'mobility']
+    analysis = {}
+
+    for route in routes:
+        activities = get_activities_by_route(profile_id, route, weeks)
+        rest_days = get_rest_days_by_route(profile_id, route, weeks)
+
+        analysis[route] = {
+            'activity_count': len(activities),
+            'rest_days_count': len(rest_days),
+            'intensity_avg': calculate_intensity_avg(activities),
+            'status': calculate_route_status(activities, rest_days)  # 'balanced', 'overload', 'neglected'
+        }
+
+    return analysis
+```
+
+---
+
+## Implementierungs-Phasen
+
+### Phase 1: Foundation (v9d Phase 2a) ✅
+- ✅ Migration 011: UNIQUE constraint entfernen
+- ✅ Multiple rest_days per date erlauben
+- ✅ UI: Mehrere Kacheln pro Tag anzeigen
+
+### Phase 2: Route-Konzept (v9e)
+- 🔲 Routen-Taxonomie festlegen (6 Routen)
+- 🔲 Activity-Types den Routen zuordnen
+- 🔲 `training_types` Tabelle um `route` Spalte erweitern
+- 🔲 Validation: Multi-Route-Konflikt-Check
+
+### Phase 3: Wochenplanung (v9f)
+- 🔲 `weekly_goals` mit Routen-JSONB erweitern
+- 🔲 Planungs-UI: Routen-basierte Wochenansicht
+- 🔲 Regeln-Engine: Auto-Ruhetag bei Poor Recovery
+- 🔲 Empfehlungs-System: "Heute: Kraft-Oberkörper empfohlen"
+
+### Phase 4: Habits & Streaks (v9g)
+- 🔲 `route_habits` Tabelle
+- 🔲 Streak-Tracking pro Route
+- 🔲 Dashboard-Integration
+- 🔲 Push-Notifications bei Streak-Gefahr
+
+### Phase 5: KI-Integration (v9f/g)
+- 🔲 Route-Balance-Analyse
+- 🔲 Übertraining-Warnung pro Route
+- 🔲 Neue KI-Platzhalter
+- 🔲 Route-spezifische Empfehlungen
+
+---
+
+## Offene Fragen
+
+1. **Route-Hierarchie:** Gibt es Abhängigkeiten? (z.B. Mental-Rest → auch Technik-Rest?)
+2. **Auto-Zuordnung:** Sollen Activities automatisch Routen zugeordnet werden? (Strength → Kraft-Route)
+3. **Konflikt-Priorität:** Was passiert bei widersprüchlichen Ruhetagen? (Kraft erlaubt, Mental verbietet → ?)
+4. **Routen-Gewichtung:** Sind manche Routen wichtiger als andere? (User-konfigurierbar?)
+
+---
+
+## Referenzen
+
+- **Migration:** `backend/migrations/011_allow_multiple_rest_days_per_date.sql`
+- **Technical Spec:** `.claude/docs/technical/V9D_PHASE2_VITALS_SLEEP.md` (zu aktualisieren)
+- **Routen-Mapping:** `.claude/docs/functional/TRAINING_TYPES.md` (zu erweitern)
+
+---
+
+**Dokumentiert:** 2026-03-22
+**Autor:** User Konzept + Claude Implementation
+**Status:** Living Document (wird mit v9e/f erweitert)

.claude/docs/functional/GOALS_VITALS.md

@@ -0,0 +1,329 @@
+# Fachliche Anforderungen: Ziele, Vitalwerte & Aktive Tests
+**Modul:** v9e  
+**Status:** Fachlich freigegeben, technische Implementierung ausstehend  
+**Letzte Aktualisierung:** März 2026
+
+---
+
+## 1. Überblick
+
+Dieses Modul erweitert Mitai Jinkendo um drei eng verbundene Bereiche:
+
+1. **Ziele** – Nutzer definiert konkrete Zielwerte (Gewicht, KF, Kondition etc.)
+2. **Trainingsphasen** – Automatische Erkennung der aktuellen Phase aus Daten
+3. **Aktive Tests** – Standardisierte Fitness-Tests zur Messung nicht-trackbarer Werte
+4. **Vitalwerte** – Blutdruck, SpO2, HRV, Temperatur, Blutzucker
+
+Die KI verbindet alle vier Bereiche: Sie schlägt Zielwerte vor, erkennt Phasen,
+empfiehlt Tests und passt Analysen an die aktuelle Phase an.
+
+---
+
+## 2. Ziele
+
+### 2.1 Unterstützte Zieltypen
+
+| Zieltyp | Felder | Einheit |
+|---------|--------|---------|
+| Gewichtsziel | Zielgewicht + Zieldatum | kg, Datum |
+| Körperfett-Ziel | Ziel-KF% | % |
+| Magermasse-Ziel | Ziel-Magermasse | kg |
+| Konditionsziel | Ziel-VO2Max | ml/kg/min |
+| Kraftziel | Übungsname + Zielwiederholungen/-gewicht | Wdh. oder kg |
+| Flexibilitätsziel | Ziel-Sit&Reach | cm |
+| Blutdruck-Zielbereich | Systolisch / Diastolisch | mmHg |
+| Ruhepuls-Ziel | Ziel-Ruhepuls | bpm |
+
+### 2.2 Ziel-Verwaltung
+
+**Aktives Ziel:**
+- **Unbegrenzt viele Ziele** können gleichzeitig aktiv sein
+- Ein Ziel kann als **Primärziel** markiert werden – dieses bestimmt
+  Dashboard-Fokus und KI-Analyse-Ausrichtung
+- Alle anderen aktiven Ziele sind gleichwertige Nebenziele
+
+**Ziel-Lebenszyklus:**
+```
+Entwurf → Aktiv → Erreicht / Aufgegeben / Abgelaufen
+```
+
+**Ziel-Geschichte:**
+- Alle vergangenen Ziele bleiben gespeichert
+- Fortschrittsverlauf je Ziel einsehbar
+
+### 2.3 Ziel-Anzeige
+
+**Dashboard-Widget (kompakt):**
+- Zeigt alle aktiven Ziele als kompakte Karten
+- Je Ziel: Name + Fortschrittsbalken (aktuell vs. Zielwert in %)
+- Countdown bis Zieldatum (z.B. "noch 42 Tage")
+- Prognose: "auf Kurs" / "X Tage früher" / "X Tage Verzögerung"
+- Klick öffnet die Ziele-Seite
+
+**Eigene Ziele-Seite (Navigation):**
+- Vollständige Übersicht aller aktiven + vergangenen Ziele
+- Je Ziel: Detailansicht mit Verlauf, Trend, Prognose
+- Aktionen: Ziel bearbeiten / pausieren / als erreicht markieren / löschen
+- "+ Neues Ziel" Button
+
+**Fortschrittsbalken:**
+```
+Gewichtsziel: 86,1 kg → 82 kg
+████████░░  72% erreicht  (noch 4,1 kg)
+Prognose: 30.05.2026  ✓ auf Kurs
+```
+
+**Countdown:**
+- Zeigt Tage bis Zieldatum
+- Farbcodierung: grün (auf Kurs) / gelb (leicht hinter Plan) / rot (deutlich hinter Plan)
+
+### 2.4 KI-Zielvorschläge
+
+Die KI analysiert aktuelle Werte und schlägt realistische Zielwerte vor:
+
+**Beispiele:**
+- Gewichtsziel: "Basierend auf deinem aktuellen Gewicht von 86 kg und Kalorientrend
+  wäre ein Ziel von 82 kg in 12 Wochen realistisch (+0,5 kg/Woche Defizit)"
+- Ruhepuls-Ziel: "Dein Ruhepuls liegt bei 58 bpm. Ein Ziel von 52 bpm ist bei
+  konsequentem Ausdauertraining in 16 Wochen erreichbar"
+- KF-Ziel: "Von 19,9% auf 16% sind ~3,9 Prozentpunkte – realistisch in 14 Wochen
+  bei Kaloriendefizit + Krafttraining"
+
+**Vorschlag-Trigger:**
+- Beim erstmaligen Anlegen eines Ziels
+- Wenn kein aktives Ziel vorhanden
+- Auf explizite Anfrage ("Neues Ziel vorschlagen")
+
+---
+
+## 3. Trainingsphasen
+
+### 3.1 Unterstützte Phasen
+
+| Phase | Erkennungsmerkmale | Empfohlene Strategie |
+|-------|-------------------|---------------------|
+| Kaloriendefizit | Kcal-Bilanz < -300/Tag (Ø 7T), Gewicht sinkend | Krafttraining erhalten, Cardio moderat |
+| Kalorienstabilisierung | Kcal-Bilanz -100 bis +100/Tag, Gewicht stabil | Ausgeglichenes Training |
+| Kalorienüberschuss | Kcal-Bilanz > +300/Tag, Gewicht steigend | Krafttraining priorisieren |
+| Konditionsaufbau | >60% Cardio-Anteil, VO2Max-Trend steigend | Zone 2 Training ausbauen |
+| Schnellkraft / HIIT | >40% HIIT/Schnellkraft, HF-Zonen 4-5 dominant | Erholung beachten |
+| Maximalkraft-Aufbau | >50% Krafttraining, Hypertrophie/Maximalkraft | Progressive Überlastung |
+| Regeneration | Trainingsvolumen -40% vs. Vorwoche, HRV niedrig | Aktive Erholung, Schlaf |
+| Wettkampfvorbereitung | Nutzer-definiert mit Datum | Periodisierung, Peak-Performance |
+
+### 3.2 Phasenerkennung
+
+**Automatische Erkennung:**
+- System analysiert letzte 14 Tage: Kalorienbilanz, Trainingstypen, Volumen, HRV, Ruhepuls
+- Schlägt erkannte Phase als Benachrichtigung vor
+- Erkennungs-Intervall: täglich (Hintergrund)
+
+**Nutzer-Bestätigung:**
+- Vorschlag erscheint als Banner: "Wir haben erkannt: Du befindest dich in einer
+  Kaloriendefizit-Phase. Stimmt das?"
+- Optionen: ✓ Bestätigen / ✗ Ablehnen / ✎ Anpassen
+- Manuelles Setzen jederzeit möglich
+
+**Phasenwechsel-Erkennung:**
+- Automatisch erkannt wenn Datenmuster **7 Tage konsistent** einer neuen Phase entspricht
+- Erst nach dieser Stabilitätsprüfung wird der Wechsel vorgeschlagen
+- Verhindert falsche Alarme bei kurzzeitigen Abweichungen (z.B. Urlaub, Krankheit)
+- Nutzer wird benachrichtigt: "Phasenwechsel erkannt: Kaloriendefizit → Stabilisierung"
+
+### 3.3 Phase und Dashboard
+
+- Aktuelle Phase prominent auf Dashboard angezeigt (Badge/Label)
+- Dashboard-Kennzahlen passen sich an Phase an:
+  - Kaloriendefizit: Kaloriendefizit/Tag als Hauptkennzahl
+  - Muskelaufbau: Proteinversorgung + Trainingsvolumen prominent
+  - Kondition: VO2Max-Trend + Cardio-Anteil prominent
+
+---
+
+## 4. Aktive Tests
+
+### 4.1 Konzept
+
+Aktive Tests messen Fitness-Parameter die nicht aus passivem Tracking ableitbar sind.
+Jeder Test hat:
+- **Durchführungsanleitung** (Schritt-für-Schritt in der App)
+- **Messung** (Eingabe des Ergebnisses)
+- **Auswertung** (Einordnung nach Alter/Geschlecht + Trend)
+- **Testintervall** (empfohlene Wiederholung)
+- **KI-Verknüpfung** (Ergebnis fließt in Analyse ein)
+
+### 4.2 Standardtests
+
+#### Cooper-Test (Ausdauer / VO2Max)
+- **Ziel:** VO2Max-Schätzung
+- **Durchführung:** 12 Minuten laufen, maximale Distanz messen
+- **Eingabe:** Distanz in Metern
+- **Berechnung:** `VO2Max = (Distanz - 504.9) / 44.73`
+- **Intervall:** alle 4–6 Wochen
+- **Anleitung in App:** Aufwärmen 5 min → 12 min laufen → Distanz eingeben
+
+#### Stufentest (Herzfrequenz-Ausdauer)
+- **Ziel:** Aerobe Schwelle, HF-Zonen kalibrieren
+- **Durchführung:** Steigende Belastung (Laufen/Radfahren), HF alle 3 min notieren
+- **Eingabe:** HF-Werte je Stufe (5 Stufen à 3 min)
+- **Auswertung:** HF-Kurve, Schwellenbestimmung
+- **Intervall:** alle 6–8 Wochen
+
+#### Liegestützen-Test (Kraftausdauer Oberkörper)
+- **Ziel:** Maximale Liegestützen ohne Pause
+- **Eingabe:** Anzahl Wiederholungen
+- **Einordnung:** Normwerte nach Alter/Geschlecht
+- **Intervall:** alle 4 Wochen
+
+#### Kniebeugen-Test (Kraftausdauer Unterkörper)
+- **Ziel:** Maximale Kniebeugen ohne Pause
+- **Eingabe:** Anzahl Wiederholungen
+- **Einordnung:** Normwerte nach Alter/Geschlecht
+- **Intervall:** alle 4 Wochen
+
+#### Sit & Reach (Flexibilität)
+- **Ziel:** Rumpf- und Beinflexibilität messen
+- **Durchführung:** Sitzen, Beine gestreckt, Oberkörper vorbeugen, maximale Reichweite
+- **Eingabe:** cm (positiv = über Fußsohle, negativ = davor)
+- **Einordnung:** Normwerte nach Alter/Geschlecht
+- **Intervall:** alle 4 Wochen
+
+#### Gleichgewichtstest (Einbeinstand)
+- **Ziel:** Propriozeption, Gleichgewicht
+- **Durchführung:** Einbeinstand mit geschlossenen Augen, Zeit messen
+- **Eingabe:** Sekunden (bestes von 3 Versuchen)
+- **Einordnung:** <10s = verbesserungswürdig, 10-30s = gut, >30s = sehr gut
+- **Intervall:** alle 4 Wochen
+
+#### Griffstärke
+- **Ziel:** Allgemeine Kraftindikator, Gesundheitsmarker
+- **Durchführung:** Dynamometer oder Schätzung (maximaler Händedruck)
+- **Eingabe:** kg (oder subjektiv 1-5 wenn kein Gerät)
+- **Intervall:** alle 4 Wochen
+
+#### Benutzerdefinierter Test
+- **Ziel:** Eigene Tests anlegen
+- **Felder:** Name, Beschreibung, Einheit, Eingabetyp (Zahl/Zeit/Skala)
+- **Einordnung:** Manuelle Referenzwerte (gut/mittel/verbesserungswürdig)
+- **Intervall:** Frei wählbar
+
+### 4.3 Test-Verwaltung
+
+**Test-Historie:**
+- Alle Testergebnisse chronologisch gespeichert
+- Trend über Zeit sichtbar (Liniengrafik pro Test)
+- Verbesserung in % seit letztem Test
+
+**Test-Kalender:**
+- Übersicht: welche Tests wann fällig
+- KI empfiehlt: "Cooper-Test ist seit 5 Wochen überfällig"
+
+**Normwerte:**
+- Einordnung nach Alter (in Profil hinterlegt) und Geschlecht
+- Kategorien: Sehr gut / Gut / Durchschnittlich / Verbesserungswürdig
+- Quelle: Etablierte Fitness-Normtabellen
+
+---
+
+## 5. Vitalwerte
+
+### 5.1 Erfasste Vitalwerte
+
+| Vitalwert | Felder | Einheit | Warnbereich |
+|-----------|--------|---------|-------------|
+| Blutdruck | Systolisch + Diastolisch + Puls | mmHg | >140/90 = erhöht |
+| SpO2 | Sauerstoffsättigung | % | <95% = Warnung |
+| HRV | Herzratenvariabilität | ms | persönliche Baseline |
+| Körpertemperatur | Temperatur | °C | >37,5°C = erhöht |
+| Blutzucker | Nüchtern-Wert | mg/dl oder mmol/l | >100 mg/dl nüchtern |
+
+### 5.2 Erfassung
+- Manuelle Eingabe mit Datum + Uhrzeit
+- Import aus Apple Health (wenn vorhanden)
+- Messkontext optional: Nüchtern / Nach Sport / Morgens / Abends
+
+### 5.3 Auswertung
+- Trend über Zeit je Vitalwert
+- Ampel-System: Grün (normal) / Gelb (Grenzbereich) / Rot (außerhalb Normbereich)
+- Korrelation: Blutdruck ↔ Training, Blutdruck ↔ Gewicht
+- **Hinweis in App:** Vitalwerte ersetzen keine ärztliche Diagnose
+
+---
+
+## 6. KI-Analyse
+
+### 6.1 Neue KI-Platzhalter
+
+```
+{{primärziel_typ}}           → "Gewichtsabnahme"
+{{primärziel_wert}}          → "82 kg bis 30.06.2026"
+{{primärziel_fortschritt}}   → "72% erreicht (4 kg von 5,5 kg)"
+{{primärziel_prognose}}      → "Ziel voraussichtlich in 6 Wochen erreicht"
+{{aktuelle_phase}}           → "Kaloriendefizit"
+{{phase_seit}}               → "seit 14 Tagen"
+{{phase_empfehlung}}         → "Krafttraining erhalten, Cardio moderat"
+{{test_letzter}}             → "Cooper-Test: 2.800m (VO2Max ~52) vor 3 Wochen"
+{{test_faellig}}             → "Sit & Reach (seit 5 Wochen nicht gemacht)"
+{{vitalwerte_blutdruck}}     → "125/82 mmHg (letzter Wert)"
+{{vitalwerte_spo2}}          → "98% (letzter Wert)"
+{{vitalwerte_trend}}         → "Blutdruck stabil, SpO2 normal"
+{{fitness_score}}            → "Kondition: gut · Kraft: durchschnittlich · Flex: verbesserungswürdig"
+```
+
+### 6.2 KI-Analyse-Funktionen
+
+**Zielwerte vorschlagen:**
+- Trigger: kein aktives Ziel oder auf Anfrage
+- Basis: aktuelle Messwerte + historischer Trend + Alter/Geschlecht
+- Output: konkreter Zielwert + realistischer Zeitrahmen + Begründung
+
+**Phase automatisch erkennen:**
+- Tägliche Hintergrundanalyse
+- Kalorienbilanz + Trainingstypen + Gewichtstrend + HRV
+- Output: Phasen-Vorschlag mit Begründung
+
+**Test empfehlen wenn fällig:**
+- Prüft Testintervall vs. letztes Ergebnis
+- Output: "Cooper-Test ist seit X Wochen fällig – führe ihn durch um deinen
+  VO2Max-Trend zu aktualisieren"
+
+**Fortschritt mit Prognose:**
+- Lineare Extrapolation aktueller Trend → Zieldatum
+- Output: "Bei aktuellem Tempo erreichst du dein Gewichtsziel in 6 Wochen
+  (statt geplanter 8 Wochen)"
+
+**Empfehlungen an Phase anpassen:**
+- KI-Analysen berücksichtigen aktuelle Phase
+- Beispiel in Kaloriendefizit-Phase: Protein-Empfehlung erhöht,
+  Krafttraining-Empfehlung priorisiert, Schlafmangel-Warnung verstärkt
+- Beispiel in Wettkampf-Phase: Erholungsstatus und Tapering im Fokus
+
+---
+
+## 7. Abgrenzung & offene Fragen
+
+### In diesem Modul enthalten:
+- 8 Zieltypen mit Primärziel-Konzept
+- 8 Trainingsphasen + automatische Erkennung + Nutzerbestätigung
+- 8 Standardtests + benutzerdefinierte Tests
+- Normwerte-Einordnung nach Alter/Geschlecht
+- 5 Vitalwerte mit Ampel-System
+- 13 neue KI-Platzhalter
+- 5 KI-Analyse-Funktionen
+
+### Nicht in diesem Modul:
+- Periodisierungsplaner (Makro-/Mikrozyklen) → später
+- Ärztliche Auswertung / Diagnose → bewusst ausgeschlossen
+- Automatische Smartwatch-Tests → v9h Connectoren
+- Ernährungsplan-Generator → später
+
+### Offene Fragen für technische Planung:
+1. Ziele: eigene Tabelle `goals` oder als JSONB in `profiles`?
+2. Phasenerkennung: täglicher Cron-Job im Backend oder Frontend-Berechnung?
+3. Aktive Tests: generisches Schema (test_type + result_value + result_unit)
+   oder je Test eigene Felder?
+4. Normwerte: in DB gespeichert oder als statische JSON-Datei im Backend?
+5. Fitness-Score: wie wird er aus mehreren Tests aggregiert (gewichteter Durchschnitt)?
+6. Vitalwerte: eigene Tabelle je Typ oder generische `vitals_log` Tabelle?
+7. Phasen-Vorschlag: als Push-Notification oder nur In-App-Banner?
+EOF

.claude/docs/functional/RESPONSIVE_UI.md

@@ -0,0 +1,228 @@
+# Fachliche Anforderungen: Responsive UI
+**Modul:** parallel zu Features (kein festes Versions-Label)  
+**Status:** Fachlich freigegeben, technische Implementierung ausstehend  
+**Letzte Aktualisierung:** März 2026
+
+---
+
+## 1. Überblick
+
+Die App soll vollständig responsive sein und auf allen Bildschirmgrößen optimal
+funktionieren – vom iPhone über iPad bis zum Desktop-Browser. Die PWA-Funktionalität
+auf dem iPhone bleibt vollständig erhalten.
+
+---
+
+## 2. Breakpoints
+
+| Bereich | Breite | Layout |
+|---------|--------|--------|
+| Mobile | < 1024px | Bottom Navigation (wie jetzt) |
+| Desktop | ≥ 1024px | Sidebar Navigation links, Content rechts |
+
+Ein separates Tablet-Layout (768px) wird **nicht** eingeführt – unterhalb
+1024px verhält sich alles wie Mobile.
+
+---
+
+## 3. Mobile Layout (< 1024px) – unverändert
+
+Das bestehende Mobile-Layout bleibt exakt so wie es ist:
+- Bottom Navigation mit Icons + Labels
+- Volle Breite, 16px seitliches Padding
+- 80px Bottom-Padding für Navigation
+- PWA auf iPhone funktioniert wie bisher
+
+---
+
+## 4. Desktop Layout (≥ 1024px)
+
+### 4.1 Grundstruktur
+
+```
+┌─────────────────────────────────────────────┐
+│  Sidebar (220px)  │  Content (flex 1)        │
+│                   │                          │
+│  [Logo]           │  Seiteninhalt            │
+│                   │  (max-width: 1200px,     │
+│  Dashboard        │   zentriert)             │
+│  Erfassung        │                          │
+│  Verlauf          │                          │
+│  Analyse          │                          │
+│  Einstellungen    │                          │
+│  Admin            │                          │
+│                   │                          │
+│  [Avatar + Name]  │                          │
+└─────────────────────────────────────────────┘
+```
+
+### 4.2 Sidebar
+
+**Position:** Fixed links, volle Höhe (100vh)  
+**Breite:** 220px  
+**Farben:** `var(--surface)` Hintergrund, `var(--border)` rechte Trennlinie
+
+**Inhalt von oben nach unten:**
+
+```
+┌──────────────────┐
+│  [Ensō-Logo]     │  ← Icon (40px) + "Mitai Jinkendo" Text
+│  Mitai Jinkendo  │
+├──────────────────┤
+│                  │
+│  🏠 Dashboard    │  ← Icons + Text (gleiche Nav-Items wie Bottom Nav)
+│  ✏️ Erfassung    │  ← Aktive Seite: var(--accent) Hintergrund (leicht)
+│  📊 Verlauf      │     + var(--accent) Text + linke Akzent-Linie (3px)
+│  🧠 Analyse      │
+│  ⚙️ Einstellungen│
+│  👑 Admin        │  ← nur sichtbar wenn role='admin'
+│                  │
+├──────────────────┤
+│  [Avatar]        │  ← Nutzer-Avatar (32px) + Name + Tier-Badge
+│  Lars            │
+│  selfhosted      │
+└──────────────────┘
+```
+
+**Aktive Seite hervorheben:**
+```css
+/* Aktiver Nav-Item Desktop */
+background: var(--accent-light);   /* #E1F5EE leicht grüner Hintergrund */
+color: var(--accent);              /* #1D9E75 grüner Text */
+border-left: 3px solid var(--accent);  /* linke Akzent-Linie */
+border-radius: 0 8px 8px 0;
+```
+
+### 4.3 Content-Bereich
+
+- `margin-left: 220px` (Sidebar-Breite)
+- `padding: 24px 32px`
+- `max-width: 1200px` (zentriert innerhalb des verfügbaren Raums)
+- Kein Bottom-Padding für Navigation (Sidebar ersetzt Bottom Nav)
+
+---
+
+## 5. Seiten-spezifische Desktop-Layouts
+
+### 5.1 Dashboard
+
+**Mobile:** Alle Karten untereinander  
+**Desktop:** 2-spaltig oder 4-spaltig je nach Kartentyp
+
+```
+┌──────────────────────────────────────────────┐
+│  Hallo Lars 👋              Mo, 20. März 2026 │
+├──────────┬──────────┬──────────┬─────────────┤
+│ Gewicht  │ KF       │ Mager-   │ Kalorien    │
+│ 86,1 kg  │ 19,9%    │ masse    │ 1.447 kcal  │
+├──────────┴──────────┴──────────┴─────────────┤
+│  Ziele                    [Details →]         │
+│  ████████░░  Gewicht: 27%  ████░░░░  KF: 45% │
+├──────────────────────────────────────────────┤
+│  Kalorien + Gewicht (Chart – volle Breite)   │
+└──────────────────────────────────────────────┘
+```
+
+### 5.2 Verlauf
+
+**Mobile:** Tabs oben, Chart/Tabelle darunter  
+**Desktop:** Tabs links als vertikale Liste, Chart/Tabelle rechts
+
+```
+┌────────────┬─────────────────────────────────┐
+│ Gewicht ←  │  Chart + Tabelle                │
+│ Körperfett │  (nimmt volle rechte Breite)    │
+│ Umfänge    │                                 │
+│ Ernährung  │                                 │
+│ Aktivität  │                                 │
+└────────────┴─────────────────────────────────┘
+```
+
+### 5.3 Analyse
+
+**Mobile:** Prompt-Liste, dann Ergebnis darunter  
+**Desktop:** Prompt-Liste links (300px), Ergebnis rechts
+
+```
+┌──────────────────┬──────────────────────────┐
+│  Prompts         │  Ergebnis / Verlauf       │
+│  ─────────────   │                          │
+│  🔍 Gesamt       │  [Letzte Analyse]        │
+│  🫧 Körper  ←    │  [Text der Analyse...]   │
+│  🍽️ Ernährung   │                          │
+│  🏋️ Training    │  [Ältere Analysen]       │
+│  ─────────────   │                          │
+│  Pipeline ▶      │                          │
+└──────────────────┴──────────────────────────┘
+```
+
+### 5.4 Erfassung
+
+**Mobile:** Formular volle Breite  
+**Desktop:** Formular zentriert, max-width 600px
+
+```
+┌──────────────────────────────────────────────┐
+│           Gewicht erfassen                   │
+│                                              │
+│     ┌─────────────────────────────┐          │
+│     │  Datum    [20.03.2026]      │          │
+│     │  Gewicht  [86,1    ] kg     │          │
+│     │  Notiz    [         ]       │          │
+│     │                             │          │
+│     │  [Speichern]                │          │
+│     └─────────────────────────────┘          │
+└──────────────────────────────────────────────┘
+```
+
+### 5.5 Admin-Panel
+
+**Mobile:** Tabellen horizontal scrollbar  
+**Desktop:** Tabellen nutzen volle Breite, mehr Spalten sichtbar
+
+---
+
+## 6. Übergangsverhalten
+
+### Fenster-Resize
+- Beim Verkleinern unter 1024px: Sidebar verschwindet, Bottom Nav erscheint
+- Beim Vergrößern über 1024px: Bottom Nav verschwindet, Sidebar erscheint
+- Kein Flackern – CSS media queries, kein JavaScript-Resize-Listener nötig
+
+### Aktiver Zustand synchronisiert
+- Aktive Seite wird in Sidebar UND Bottom Nav korrekt hervorgehoben
+- (Technisch: gleiche State-Variable, unterschiedliches Rendering)
+
+---
+
+## 7. Was sich nicht ändert
+
+- Farben, CSS-Variablen, Design-Tokens bleiben identisch
+- Alle Funktionen bleiben auf Desktop verfügbar
+- PWA auf iPhone bleibt vollständig funktionsfähig
+- Keine externen CSS-Frameworks (kein Tailwind, kein Bootstrap)
+- Inline-Styles + CSS-Variablen-Ansatz bleibt erhalten
+
+---
+
+## 8. Abgrenzung & offene Fragen
+
+### In diesem Modul enthalten:
+- Sidebar Navigation Desktop
+- Content-Bereich mit max-width
+- Dashboard 4-spaltig
+- Verlauf 2-spaltig (Tabs + Chart)
+- Analyse 2-spaltig (Prompts + Ergebnis)
+- Erfassung zentriert schmal
+- Admin-Panel breite Tabellen
+
+### Nicht in diesem Modul:
+- Dark Mode – separates Feature
+- Animationen / Transitions – optional später
+- Collapsed Sidebar (Icon-only Modus) – optional später
+
+### Offene Fragen für technische Planung:
+1. Wird AppLayout als neue Wrapper-Komponente eingeführt oder App.jsx direkt angepasst?
+2. CSS Media Queries in app.css oder CSS-in-JS (Inline-Style mit window.innerWidth)?
+3. Wie wird der aktive Nav-Item-State zwischen Sidebar und Bottom Nav geteilt?
+4. Verlauf-Tabs: werden sie zu einer vertikalen Liste refactored oder per CSS umgestaltet?

.claude/docs/functional/SLEEP_MODULE.md

@@ -0,0 +1,227 @@
+# Fachliche Anforderungen: Schlaf-Modul
+**Modul:** v9d  
+**Status:** Fachlich freigegeben, technische Implementierung ausstehend  
+**Letzte Aktualisierung:** März 2026
+
+---
+
+## 1. Überblick
+
+Das Schlaf-Modul ist ein eigenständiges Tracking-Modul für tägliche Schlafdaten.
+Es ergänzt die bestehenden Körper-, Ernährungs- und Aktivitäts-Module um eine
+zentrale Gesundheitsdimension. Schlaf wird sowohl manuell erfasst als auch aus
+Apple Health / Garmin importiert. Korrelationen mit Ruhepuls, Training und Gewicht
+fließen in die KI-Analyse ein.
+
+---
+
+## 2. Erfasste Daten
+
+### 2.1 Pflichtfelder (Schnelleingabe)
+- **Datum** – welche Nacht (Standard: letzte Nacht)
+- **Schlafdauer** – in Stunden und Minuten (berechnet aus Ein-/Aufwachzeit oder direkt)
+- **Schlafqualität** – subjektiv 1–5 (1 = sehr schlecht, 5 = sehr gut)
+
+### 2.2 Optionale Felder (Detaileingabe)
+- **Einschlafzeit** – Uhrzeit (z.B. 23:15)
+- **Aufwachzeit** – Uhrzeit (z.B. 06:45)
+- **Aufwach-Häufigkeit** – wie oft in der Nacht aufgewacht (0–10+)
+- **Schlafphasen** – Dauer in Minuten je Phase:
+  - Tiefschlaf
+  - REM-Schlaf
+  - Leichtschlaf
+  - Wach (in Bett)
+- **Notiz** – Freitext (z.B. "Stress, schlechte Nacht", "früh ins Bett")
+
+### 2.3 Abgeleitete Felder (automatisch berechnet)
+- **Schlafdauer** – aus Einschlafzeit + Aufwachzeit wenn nicht direkt eingegeben
+- **Schlafeffizienz** – Schlafdauer / Zeit im Bett × 100% (wenn Phasen vorhanden)
+- **Tiefschlaf-Anteil %** – Tiefschlaf / Gesamtschlaf × 100%
+- **REM-Anteil %** – REM / Gesamtschlaf × 100%
+
+---
+
+## 3. Erfassungs-Modi
+
+### 3.1 Schnelleingabe (≤ 30 Sekunden)
+Minimaler Aufwand für den täglichen Gebrauch:
+```
+Datum:        [gestern / heute Nacht]
+Schlafdauer:  [7] h [30] min
+Qualität:     ★★★★☆  (1-5 Sterne)
+[Speichern]
+```
+
+### 3.2 Detaileingabe (alle Felder)
+Vollständige Erfassung für Power-User oder wenn Gerätedaten vorliegen:
+```
+Datum:           [22.03.2026]
+Eingeschlafen:   [23:15]
+Aufgewacht:      [06:45]
+Schlafdauer:     [7h 30min] (automatisch berechnet)
+Qualität:        ★★★★☆
+Aufwachungen:    [1]
+Tiefschlaf:      [95] min
+REM-Schlaf:      [110] min
+Leichtschlaf:    [230] min
+Wach im Bett:    [15] min
+Notiz:           [...]
+[Speichern]
+```
+
+### 3.3 Morgendlicher Check-in
+- Beim Öffnen der App morgens optional: "Wie hast du geschlafen?"
+- Zeigt Schnelleingabe direkt auf dem Dashboard
+- Kann in den Einstellungen aktiviert/deaktiviert werden
+- Reminder-Logik: nur anzeigen wenn noch kein Eintrag für die letzte Nacht
+
+### 3.4 Import (Apple Health / Garmin)
+- Beim CSV/Health-Import werden Schlafdaten automatisch erkannt und zugeordnet
+- Importierte Daten befüllen alle verfügbaren Felder (Phasen wenn vorhanden)
+- Manuelle Eingabe ergänzt oder überschreibt Importdaten für denselben Tag
+- Quelle wird gespeichert (manuell / apple_health / garmin)
+
+---
+
+## 4. Navigation & Dashboard
+
+### 4.1 Eigene Seite in der Navigation
+- Neuer Nav-Eintrag: **Schlaf** (zwischen Verlauf und Analyse)
+- Icon: Mond oder Bett-Symbol
+- Zeigt: Letzte 7 Tage Übersicht + Verlauf + Eingabe-Button
+
+### 4.2 Dashboard-Widget
+- Kompaktes Widget auf dem Dashboard (unter den Hauptkennzahlen)
+- Zeigt: Letzte Nacht (Dauer + Qualität) + 7-Tage-Durchschnitt
+- Klick öffnet die Schlaf-Seite
+- Wenn noch kein Eintrag heute: "Schlaf erfassen" Button
+
+---
+
+## 5. Auswertungen
+
+### 5.1 Schlafdauer-Trend
+- Zeitraum wählbar: 7 / 30 / 90 Tage
+- Liniengrafik: tägliche Schlafdauer
+- Referenzlinie: persönliches Schlafziel (konfigurierbar in Einstellungen)
+- Durchschnittslinie: gleitender 7-Tage-Durchschnitt
+- Farbcodierung: unter Ziel = orange/rot, über Ziel = grün
+
+### 5.2 Schlafqualität-Trend
+- Liniengrafik: tägliche Qualität (1–5)
+- 7-Tage-Durchschnitt als Referenzlinie
+- Kombiniert mit Schlafdauer in einer Grafik (zwei Y-Achsen)
+
+### 5.3 Schlafphasen-Verteilung
+- Balkengrafik: Tiefschlaf / REM / Leichtschlaf / Wach je Nacht
+- Durchschnittliche Verteilung über Zeitraum
+- Referenzwerte: empfohlene Anteile (Tiefschlaf 15-25%, REM 20-25%)
+- Nur sichtbar wenn Phasendaten vorhanden
+
+### 5.4 Schlafschulden-Berechnung
+- Definition: Differenz zwischen Schlafziel und tatsächlichem Schlaf (kumuliert)
+- Zeitraum: letzte 7 / 14 Tage
+- Anzeige: "+2h 15min Schlafschuld" oder "0 – kein Defizit"
+- Positiver Saldo (Übererfüllung) wird als Puffer angezeigt
+
+### 5.5 Optimales Schlaffenster
+- Berechnung aus Einschlafzeit + Schlafqualität über Zeit
+- Erkennt wann Schlaf am besten war (z.B. "Beste Qualität bei Einschlafzeit 22–23 Uhr")
+- Mindestdatenbasis: 14 Einträge mit Einschlafzeit
+
+### 5.6 Korrelationen
+Alle Korrelationen benötigen mindestens 14 gemeinsame Datenpunkte:
+
+**Schlaf ↔ Ruhepuls:**
+- Streudiagramm: Schlafdauer / Qualität vs. Ruhepuls nächster Morgen
+- KI-Aussage: "Nach <7h Schlaf ist dein Ruhepuls Ø X bpm höher"
+
+**Schlaf ↔ Trainingsleistung:**
+- Vergleich: Trainingsintensität/-volumen nach gut vs. schlecht geschlafenen Nächten
+- KI-Aussage: "Nach Nächten mit >7,5h Schlaf trainierst du Ø X% länger/intensiver"
+
+**Schlaf ↔ Gewicht:**
+- Korrelation: Schlafdauer vs. Gewichtsentwicklung (wöchentlich)
+- KI-Aussage: "In Wochen mit <6h Schlaf im Schnitt +X kg Gewichtsschwankung"
+
+---
+
+## 6. Schlafziel (konfigurierbar)
+
+- In den Einstellungen: "Mein Schlafziel" → Stunden + Minuten
+- Standard: 7h 30min
+- Wird als Referenzlinie in allen Grafiken angezeigt
+- Fließt in Schlafschulden-Berechnung ein
+- KI nutzt den Wert als Basis für Schlafmangel-Warnung
+
+---
+
+## 7. KI-Analyse
+
+### 7.1 Neue KI-Platzhalter
+```
+{{schlaf_avg_dauer}}         → "7h 12min (Ø 7 Tage)"
+{{schlaf_avg_qualitaet}}     → "3,8/5 (Ø 7 Tage)"
+{{schlaf_trend_dauer}}       → "sinkend / stabil / steigend"
+{{schlaf_trend_qualitaet}}   → "sinkend / stabil / steigend"
+{{schlaf_schulden}}          → "+2h 15min (letzte 7 Tage)"
+{{schlaf_ziel}}              → "7h 30min"
+{{schlaf_optimum_fenster}}   → "22:00–23:00 Uhr (beste Qualität)"
+{{schlaf_tiefschlaf_anteil}} → "18% (Ø letzte 14 Tage)"
+{{schlaf_rem_anteil}}        → "22% (Ø letzte 14 Tage)"
+{{schlaf_aufwachungen}}      → "1,2x pro Nacht (Ø 7 Tage)"
+{{schlaf_korrelation_puls}}  → "Ruhepuls +4 bpm nach <7h Schlaf"
+{{schlaf_detail}}            → tabellarische Übersicht letzte 7 Nächte
+```
+
+### 7.2 KI-Analyse-Funktionen
+
+**Schlafmangel erkennen und warnen:**
+- Trigger: Schlafdurchschnitt letzte 3 Tage < (Schlafziel – 60min)
+- KI-Ausgabe: Warnung + konkrete Empfehlung
+- Beispiel: "Du schläfst seit 3 Tagen unter deinem Ziel. Schlafschuld: +2h 15min."
+
+**Schlaf ↔ Trainingsleistung korrelieren:**
+- Automatische Berechnung sobald genug Daten (14+ Einträge beider Module)
+- KI-Ausgabe: narrative Korrelationsbeschreibung mit konkreten Zahlen
+
+**Optimales Schlaffenster empfehlen:**
+- Basierend auf historischen Einschlafzeiten + Qualitäten
+- KI-Ausgabe: "Deine beste Schlafqualität erzielst du wenn du zwischen 22–23 Uhr einschläfst"
+
+**Schlaf ↔ Gewicht:**
+- Wöchentliche Korrelation
+- KI-Ausgabe: "In Wochen mit mehr Schlaf zeigt dein Gewicht weniger Schwankungen"
+
+**Schlafphasen-Verteilung kommentieren:**
+- Nur wenn Phasendaten vorhanden
+- Referenz: Tiefschlaf 15-25%, REM 20-25%, Leichtschlaf 50-60%
+- KI-Ausgabe: "Dein Tiefschlaf-Anteil liegt bei X% – das ist [über/unter/im] empfohlenen Bereich"
+
+---
+
+## 8. Abgrenzung & offene Fragen
+
+### In diesem Modul enthalten:
+- Tägliche Schlaferfassung (Schnell + Detail)
+- Dashboard-Widget + eigene Navigationsseite
+- Morgendlicher Check-in (optional)
+- Import aus Apple Health / Garmin CSV
+- 5 Auswertungsansichten inkl. Korrelationen
+- Konfigurierbares Schlafziel
+- 12 neue KI-Platzhalter
+- 5 KI-Analyse-Funktionen
+
+### Nicht in diesem Modul:
+- Automatischer Live-Sync aus Garmin/Apple Watch → v9h (Connectoren)
+- Schlaf-Coaching / Schlafhygiene-Tipps → optional später
+- Schnarchen / Atemaussetzer (SpO2) → Teil Vitalwerte v9e
+- Push-Notification "Schlafenszeit-Reminder" → optional später
+
+### Offene Fragen für technische Planung:
+1. Neue DB-Tabelle `sleep_log` oder Erweiterung von `activity_log`?
+2. Schlafphasen als separate Spalten oder als JSONB-Feld?
+3. Morgendlicher Check-in: Frontend-State oder Backend-Logik (letzte Nacht bereits erfasst?)?
+4. Korrelationsberechnung: im Backend (Python) oder im Frontend (JavaScript)?
+5. Apple Health Export enthält Schlafphasen-Daten – welches CSV-Format wird erwartet?
+EOF

.claude/docs/functional/TRAINING_TYPES.md

@@ -0,0 +1,257 @@
+# Fachliche Anforderungen: Trainingstypen & Herzfrequenz
+**Modul:** v9d  
+**Status:** Fachlich freigegeben, technische Implementierung ausstehend  
+**Letzte Aktualisierung:** März 2026
+
+---
+
+## 1. Überblick
+
+Dieses Modul erweitert die bestehende Aktivitätserfassung um eine strukturierte
+Kategorisierung von Trainingstypen sowie die Erfassung und Auswertung von
+Herzfrequenz-Daten. Ziel ist eine tiefere Analyse der Trainingsqualität,
+Erholung und Zielerreichung.
+
+---
+
+## 2. Trainingstypen
+
+### 2.1 Kategorie-Hierarchie
+
+Jedes Training hat einen **Haupttyp** und optional einen **Untertyp**:
+
+```
+Cardio (Ausdauer)
+    → Laufen
+    → Radfahren
+    → Schwimmen
+    → Rudern
+    → Sonstiges Cardio
+
+Kraft
+    → Hypertrophie        (Muskelaufbau, 8-12 Wdh, mittleres Gewicht)
+    → Maximalkraft        (1-5 Wdh, hohes Gewicht)
+    → Kraftausdauer       (15+ Wdh, leichtes Gewicht)
+    → Funktionell         (Kettlebell, TRX, Bodyweight)
+
+Schnellkraft / HIIT
+    → HIIT                (High Intensity Interval Training)
+    → Explosiv            (Sprints, Sprünge, Wurfübungen)
+    → Circuit Training
+
+Kampfsport / Technikkraft
+    → Techniktraining     (Bewegungsabläufe, Formen)
+    → Sparring / Wettkampf
+    → Kraft für Kampfsport (kampfsportspezifische Übungen)
+
+Mobility & Dehnung
+    → Statisches Dehnen
+    → Dynamisches Dehnen
+    → Yoga
+    → Faszienarbeit
+
+Erholung (aktiv)
+    → Spaziergang
+    → Leichtes Schwimmen
+    → Regenerationseinheit
+```
+
+### 2.2 Ruhetage
+
+Ruhetage werden als **bewusste Einheit** erfasst – nicht nur als Abwesenheit
+von Training. Ein Ruhetag hat:
+- Datum
+- Typ: Vollständige Ruhe / Aktive Erholung
+- Optional: Notiz (z.B. "Muskelkater Beine", "Reise")
+
+Ruhetage fließen in die Wochenplanung und KI-Analyse ein.
+
+### 2.3 Erfassung
+
+**Bestehende Aktivitäten (Apple Health Import):**
+- Beim Import wird Trainingstyp automatisch vorgeschlagen basierend auf
+  dem Apple Health Workout-Typ (z.B. "Running" → Cardio / Laufen)
+- Nutzer kann den vorgeschlagenen Typ bestätigen oder korrigieren
+- Bereits importierte Aktivitäten können nachträglich kategorisiert werden
+
+**Manuell erfasste Aktivitäten:**
+- Trainingstyp und Untertyp als Pflichtfeld beim Anlegen
+- Untertyp ist optional
+
+---
+
+## 3. Herzfrequenz-Daten
+
+### 3.1 Ruhepuls
+
+**Definition:** Herzfrequenz in Ruhe, idealerweise morgens direkt nach dem
+Aufwachen, vor dem Aufstehen.
+
+**Erfassung:**
+- Manuell: Nutzer gibt Wert täglich ein (ganze Zahl, Schläge/Minute)
+- Import: Aus Apple Health / Garmin automatisch übernommen
+- Bei beiden Quellen: Import als Standard, manuelle Eingabe ergänzt oder
+  überschreibt den Importwert für den jeweiligen Tag
+
+**Bedeutung:**
+- Ruhepuls-Anstieg (+5-7 bpm über persönlichem Durchschnitt) = Warnsignal
+  für Übertraining, Krankheit oder unzureichende Erholung
+- Langfristiger Ruhepuls-Abfall = Verbesserung der Ausdauerleistung
+
+### 3.2 HF während Training
+
+**Felder pro Aktivitätseintrag:**
+- HF Durchschnitt (bpm)
+- HF Maximum (bpm)
+
+**Erfassung:**
+- Primär aus Apple Health / Garmin Import (wird automatisch befüllt)
+- Manuelle Eingabe als Ergänzung wenn kein Gerät genutzt
+
+### 3.3 HF-Zonen
+
+**5-Zonen-Modell** (basierend auf maximaler Herzfrequenz):
+
+| Zone | Name | % HFmax | Zweck |
+|------|------|---------|-------|
+| 1 | Regeneration | 50-60% | Aktive Erholung |
+| 2 | Grundlagenausdauer | 60-70% | Fettverbrennung, Basis |
+| 3 | Aerobe Ausdauer | 70-80% | Ausdaueraufbau |
+| 4 | Anaerobe Schwelle | 80-90% | Leistungssteigerung |
+| 5 | Maximale Intensität | 90-100% | Spitzenleistung |
+
+**HFmax-Berechnung:**
+- Standard-Formel: 220 - Alter
+- Alternativ: Manuell vom Nutzer definierbar (aus Leistungstest)
+
+**Auswertung:**
+- Zeitverteilung in Zonen pro Training (falls HF-Kurve vorhanden)
+- Oder: Zone basierend auf HF-Durchschnitt schätzen
+
+### 3.4 HRV (Herzratenvariabilität)
+
+**Definition:** Variation der Zeitabstände zwischen Herzschlägen.
+Hohe HRV = gute Erholung / niedriger Stress.
+Niedrige HRV = Belastung / Übertraining / Stress.
+
+**Erfassung:**
+- Manuell (ms, aus Smartwatch-App abgelesen)
+- Import aus Apple Health (wenn vorhanden)
+- Messung: morgens, gleiche Bedingungen wie Ruhepuls
+
+**Interpretation:**
+- Persönlicher Baseline-Wert wird über 4 Wochen berechnet
+- Abweichung >10% unter Baseline = Warnung
+
+### 3.5 VO2Max
+
+**Definition:** Maximale Sauerstoffaufnahme, Indikator für aerobe Leistungsfähigkeit.
+
+**Erfassung:**
+- Import aus Apple Health / Garmin (falls Gerät berechnet)
+- Alternativ: Schätzung aus Ruhepuls + HFmax (Cooper-Formel):
+  `VO2Max ≈ 15 × (HFmax / HF_Ruhe)`
+
+**Anzeige:**
+- Aktueller Wert + Trend
+- Einordnung nach Alters-/Geschlechtsnorm (sehr gut / gut / durchschnittlich / verbesserungswürdig)
+
+---
+
+## 4. Auswertungen & Dashboards
+
+### 4.1 Trainingstyp-Verteilung
+- Zeitraum wählbar: letzte 4 / 8 / 12 Wochen
+- Kreisdiagramm oder Balkendiagramm: Anteil je Haupttyp in %
+- Zusätzlich: Anzahl Einheiten je Typ
+
+### 4.2 Trainingshäufigkeit pro Typ
+- Wochenansicht: Wie viele Einheiten je Typ pro Woche
+- Trend: Vergleich aktuelle Woche vs. Durchschnitt
+
+### 4.3 Ruhepuls-Trend
+- Liniengrafik über Zeit (7 / 30 / 90 Tage)
+- Persönlicher Durchschnitt als Referenzlinie
+- Warnung wenn Ruhepuls >5 bpm über 7-Tage-Durchschnitt
+
+### 4.4 HF-Zonen-Verteilung
+- Pro Training: Zeitanteil in jeder Zone (falls Daten vorhanden)
+- Aggregiert: Zonenverteilung der letzten 30 Tage
+
+### 4.5 Erholungsstatus
+- Kombination aus: HRV + Ruhepuls + letzter Trainingsbelastung
+- Ampel-System: 🟢 Gut erholt / 🟡 Teilweise erholt / 🔴 Erholung nötig
+- Empfehlung: "Heute intensives Training möglich" / "Leichtes Training empfohlen" / "Ruhetag empfohlen"
+
+### 4.6 Wochenplanung Soll vs. Ist
+- Nutzer definiert Wochenziel: z.B. "3x Kraft, 2x Cardio, 1x Mobility, 1 Ruhetag"
+- Dashboard zeigt: erreicht / offen / überschritten
+- Einfache Eingabe, kein komplexer Planer
+
+---
+
+## 5. KI-Analyse
+
+Die KI-Analyse wird um folgende Platzhalter erweitert:
+
+### 5.1 Übertraining erkennen
+**Trigger-Bedingungen (Beispiele):**
+- >5 Krafteinheiten in 7 Tagen ohne Ruhetag
+- Ruhepuls-Anstieg + gleichzeitig hohe Trainingsbelastung
+- HRV unter persönlicher Baseline
+
+**KI-Ausgabe:** Warnung + konkrete Empfehlung (Ruhetag, Intensität reduzieren)
+
+### 5.2 Ruhetag empfehlen
+**Basierend auf:** HRV-Trend + Ruhepuls-Trend + Trainingsbelastung letzte 5 Tage
+**KI-Ausgabe:** "Dein Erholungsstatus zeigt X – heute wäre ein Ruhetag oder leichtes Training sinnvoll"
+
+### 5.3 Trainingstypen und Primärziel
+**Beispiel Muskelaufbau:** KI erkennt wenn <40% Krafttraining → Hinweis
+**Beispiel Kondition:** KI erkennt wenn <40% Cardio → Hinweis
+**Voraussetzung:** Primärziel-Modul (v9e) muss implementiert sein
+
+### 5.4 Phasen erkennen und kommentieren
+**Phasen:**
+- Aufbauphase: Steigende Belastung über mehrere Wochen
+- Erholungsphase (Deload): Reduzierte Belastung nach intensiver Phase
+- Plateau: Gleichbleibende Belastung ohne Progression
+
+**KI-Ausgabe:** Phase benennen + situative Empfehlung
+
+### 5.5 Neue KI-Platzhalter
+```
+{{trainingstyp_verteilung}}    → "60% Kraft, 30% Cardio, 10% Mobility (letzte 4 Wochen)"
+{{ruhetage_letzte_woche}}      → Anzahl Ruhetage letzte 7 Tage
+{{ruhepuls_aktuell}}           → heutiger / letzter Ruhepuls
+{{ruhepuls_trend}}             → "sinkend / stabil / steigend"
+{{hrv_aktuell}}                → letzter HRV-Wert
+{{hrv_baseline}}               → persönlicher HRV-Durchschnitt (30 Tage)
+{{erholungsstatus}}            → "gut / teilweise / schlecht"
+{{vo2max}}                     → aktueller VO2Max-Wert
+{{trainingsphase}}             → "Aufbau / Erholung / Plateau / unbekannt"
+{{hf_zonen_verteilung}}        → "Zone 2: 45%, Zone 3: 35%, Zone 4: 20%"
+```
+
+---
+
+## 6. Abgrenzung & offene Fragen
+
+### In diesem Modul enthalten:
+- Kategorisierung bestehender + neuer Aktivitäten
+- Ruhepuls, HRV, VO2Max erfassen und auswerten
+- HF-Zonen berechnen und anzeigen
+- Erholungsstatus-Ampel
+- Wochenplanung (einfach)
+- KI-Platzhalter und Analyse-Logik
+
+### Nicht in diesem Modul (spätere Versionen):
+- Periodisierungsplaner (Makrozyklen, Mikrozyklen) → v9g
+- Sportart-spezifische Metriken (Pace, Watt) → v9e
+- Verknüpfung mit Primärziel → v9e (Primärziel-Modul)
+- Connector zu Garmin/Strava für Live-HF → v9h
+
+### Offene Fragen für technische Planung:
+1. Werden HF-Kurven (Zeit × HF) aus Apple Health importiert oder nur Avg/Max?
+2. Soll HRV als eigener Tageseintrag oder als Ergänzung zum Ruhepuls-Eintrag erfasst werden?
+3. Soll die Wochenplanung persistiert werden (DB) oder nur als Session-Einstellung?

.claude/docs/functional/TRAINING_TYPE_PROFILES.md

@@ -0,0 +1,840 @@
+# Training Type Profiles – Umfassendes Trainingsmanagement-System
+
+**Issue:** #15 (erweitert)
+**Status:** Phase 1 KOMPLETT ✅ (Foundation + Auto-Evaluation) | Phase 2 ausstehend (Admin-UI)
+**Erstellt:** 2026-03-23
+**Implementiert:** Phase 1 - 2026-03-23
+
+---
+
+## Vision
+
+Jeder Trainingstyp erhält ein **umfassendes Profil** mit Parametern, die:
+1. **Mindestanforderungen** definieren (wann ist es "echtes" Training?)
+2. **Intensitätsbereiche** beschreiben (Zonen: regenerativ, moderat, intensiv)
+3. **Trainingswirkung** charakterisieren (welche Fähigkeiten werden trainiert?)
+4. **Periodisierung** unterstützen (optimale Frequenz, Erholungsbedarf)
+5. **Dynamische Bewertung** ermöglichen (ist diese konkrete Aktivität gut/schlecht?)
+
+---
+
+## Trainingstyp-Profil: Vollständige Parameter-Definition
+
+### Struktur (JSONB in training_types.profile)
+
+```json
+{
+  "version": "1.0",
+  "created_at": "2026-03-23",
+
+  // ━━━ 1. MINDESTANFORDERUNGEN (Quality Gates) ━━━
+  "minimum_requirements": {
+    "enabled": true,
+    "rules": {
+      "duration_min": {
+        "value": 15,
+        "weight": 5,
+        "reason": "Unter 15min keine signifikante Trainingswirkung"
+      },
+      "avg_hr_min": {
+        "value": 100,
+        "weight": 3,
+        "reason": "Puls muss für Ausdauerreiz erhöht sein"
+      },
+      "max_hr_min": {
+        "value": 120,
+        "weight": 1,
+        "reason": "Maximalpuls zeigt echte Belastungsspitze"
+      },
+      "distance_km": {
+        "value": 1.0,
+        "weight": 2,
+        "reason": "Mindestdistanz für Lauftraining"
+      },
+      "kcal_active": {
+        "value": 100,
+        "weight": 1,
+        "reason": "Mindest-Energieverbrauch"
+      }
+    },
+    "pass_threshold": 0.6,
+    "fail_action": "mark_low_quality"
+  },
+
+  // ━━━ 2. INTENSITÄTSBEREICHE (HF-Zonen) ━━━
+  "intensity_zones": {
+    "method": "percentage_max_hr",  // oder "percentage_reserve_hr"
+    "zones": [
+      {
+        "name": "regenerativ",
+        "min_percent": 50,
+        "max_percent": 60,
+        "color": "#4CAF50",
+        "effect": "Erholung, Grundlagenausdauer 1",
+        "target_duration_min": 30
+      },
+      {
+        "name": "grundlagenausdauer",
+        "min_percent": 60,
+        "max_percent": 70,
+        "color": "#2196F3",
+        "effect": "Aerobe Kapazität, Fettstoffwechsel",
+        "target_duration_min": 45
+      },
+      {
+        "name": "entwicklungsbereich",
+        "min_percent": 70,
+        "max_percent": 80,
+        "color": "#FF9800",
+        "effect": "VO2max-Training, Laktattoleranz",
+        "target_duration_min": 20
+      },
+      {
+        "name": "schwellentraining",
+        "min_percent": 80,
+        "max_percent": 90,
+        "color": "#F44336",
+        "effect": "Anaerobe Schwelle, Wettkampftempo",
+        "target_duration_min": 10
+      },
+      {
+        "name": "maximale_intensität",
+        "min_percent": 90,
+        "max_percent": 100,
+        "color": "#9C27B0",
+        "effect": "Maximalkraft, Sprint, HIIT",
+        "target_duration_min": 5
+      }
+    ],
+    "evaluation_rules": {
+      "time_in_zone_required": true,
+      "min_time_in_target_zone_percent": 70
+    }
+  },
+
+  // ━━━ 3. TRAININGSWIRKUNG (Abilities Mapping) ━━━
+  "training_effects": {
+    "primary_abilities": [
+      {
+        "category": "konditionell",
+        "ability": "ausdauer",
+        "intensity": 5,
+        "description": "Hauptfokus: Aerobe Ausdauer"
+      },
+      {
+        "category": "konditionell",
+        "ability": "schnelligkeit",
+        "intensity": 2,
+        "description": "Nebenfokus: Lauftempo"
+      }
+    ],
+    "secondary_abilities": [
+      {
+        "category": "koordinativ",
+        "ability": "rhythmus",
+        "intensity": 3,
+        "description": "Laufrhythmus, Schrittfrequenz"
+      },
+      {
+        "category": "psychisch",
+        "ability": "willenskraft",
+        "intensity": 4,
+        "description": "Durchhaltevermögen bei langen Läufen"
+      }
+    ],
+    "metabolic_focus": ["aerobic", "fat_oxidation"],
+    "muscle_groups": ["legs_posterior", "legs_anterior", "core"],
+    "energy_systems": ["aerobic_oxidative", "anaerobic_lactic"]
+  },
+
+  // ━━━ 4. PERIODISIERUNG & FREQUENZ ━━━
+  "periodization": {
+    "recommended_frequency": {
+      "per_week_min": 2,
+      "per_week_max": 5,
+      "per_week_optimal": 3,
+      "consecutive_days_max": 2
+    },
+    "recovery_requirement": {
+      "hours_before_same_type": 48,
+      "hours_before_high_intensity": 24,
+      "rpe_threshold_for_extra_rest": 8
+    },
+    "progression": {
+      "beginner_duration_min": 20,
+      "intermediate_duration_min": 30,
+      "advanced_duration_min": 45,
+      "volume_increase_percent_per_week": 10
+    },
+    "deload_recommendation": {
+      "every_n_weeks": 4,
+      "volume_reduction_percent": 40
+    }
+  },
+
+  // ━━━ 5. LEISTUNGSINDIKATOREN (KPIs) ━━━
+  "performance_indicators": {
+    "primary_metrics": ["pace_min_per_km", "avg_hr", "distance_km"],
+    "secondary_metrics": ["kcal_per_km", "cadence", "elevation_gain"],
+    "benchmark_values": {
+      "beginner": {"pace_min_per_km": 7.0, "distance_km": 3.0},
+      "intermediate": {"pace_min_per_km": 6.0, "distance_km": 5.0},
+      "advanced": {"pace_min_per_km": 5.0, "distance_km": 10.0}
+    }
+  },
+
+  // ━━━ 6. KONTEXT & VARIANTEN ━━━
+  "context": {
+    "environment": ["outdoor", "indoor_treadmill"],
+    "weather_sensitivity": "high",
+    "equipment_required": ["running_shoes"],
+    "location_types": ["road", "trail", "track"],
+    "variants": [
+      {
+        "name": "intervall_lauf",
+        "modifications": {
+          "intensity_zones.focus": "schwellentraining",
+          "minimum_requirements.avg_hr_min": 140
+        }
+      },
+      {
+        "name": "long_jog",
+        "modifications": {
+          "intensity_zones.focus": "grundlagenausdauer",
+          "minimum_requirements.duration_min": 60
+        }
+      }
+    ]
+  },
+
+  // ━━━ 7. SICHERHEIT & KONTRAINDIKATIONEN ━━━
+  "safety": {
+    "max_hr_warning": 180,
+    "min_recovery_hr": 100,
+    "contraindications": [
+      "acute_injury_lower_body",
+      "cardiovascular_episode_recent"
+    ],
+    "weather_limits": {
+      "temp_celsius_min": -5,
+      "temp_celsius_max": 32,
+      "wind_speed_kmh_max": 40
+    }
+  },
+
+  // ━━━ 8. KI-ANALYSE KONTEXT ━━━
+  "ai_context": {
+    "questions_to_ask": [
+      "Wie fühlte sich dein Tempo an?",
+      "Hattest du Atembeschwerden?",
+      "Wie war die Regeneration danach?"
+    ],
+    "evaluation_focus": [
+      "Pace-Entwicklung über Distanz",
+      "Herzfrequenz-Stabilität",
+      "Erholungspuls nach Training"
+    ],
+    "comparison_metrics": [
+      "Tempo vs. letzte 4 Wochen",
+      "Durchschnittspuls bei gleicher Distanz",
+      "Subjektive Anstrengung (RPE) vs. objektive Daten"
+    ]
+  }
+}
+```
+
+---
+
+## Dynamische Bewertung: Wie das Profil genutzt wird
+
+### 1. Mindestanforderungen-Check (Quality Gate)
+
+**Funktion:** `evaluate_minimum_requirements(activity, profile)`
+
+```python
+def evaluate_minimum_requirements(activity: dict, profile: dict) -> dict:
+    """
+    Prüft ob Aktivität Mindestanforderungen erfüllt.
+
+    Returns:
+        {
+            "passed": bool,
+            "score": float,
+            "failed_rules": [{"rule": str, "expected": val, "actual": val}],
+            "recommendation": str
+        }
+    """
+    requirements = profile['minimum_requirements']
+    if not requirements['enabled']:
+        return {"passed": True, "score": 1.0, "failed_rules": []}
+
+    total_weight = 0
+    passed_weight = 0
+    failed_rules = []
+
+    for rule_name, rule_config in requirements['rules'].items():
+        weight = rule_config['weight']
+        total_weight += weight
+
+        actual = activity.get(rule_name)
+        expected = rule_config['value']
+
+        if actual is not None and actual >= expected:
+            passed_weight += weight
+        else:
+            failed_rules.append({
+                "rule": rule_name,
+                "expected": expected,
+                "actual": actual,
+                "reason": rule_config['reason']
+            })
+
+    score = passed_weight / total_weight if total_weight > 0 else 1.0
+    passed = score >= requirements['pass_threshold']
+
+    recommendation = generate_recommendation(failed_rules, profile)
+
+    return {
+        "passed": passed,
+        "score": round(score, 2),
+        "failed_rules": failed_rules,
+        "recommendation": recommendation
+    }
+```
+
+### 2. Intensitäts-Bewertung (Zone Analysis)
+
+**Funktion:** `evaluate_intensity_distribution(activity, profile)`
+
+```python
+def evaluate_intensity_distribution(activity: dict, profile: dict) -> dict:
+    """
+    Analysiert in welcher HF-Zone das Training stattfand.
+
+    Returns:
+        {
+            "dominant_zone": str,
+            "time_in_zones": {zone: minutes},
+            "zone_quality": float (0-1),
+            "recommendation": str
+        }
+    """
+    zones = profile['intensity_zones']['zones']
+    max_hr = activity.get('user_max_hr', 180)  # From user profile
+    avg_hr = activity.get('avg_hr')
+
+    if not avg_hr:
+        return {"dominant_zone": "unknown", "zone_quality": 0}
+
+    avg_hr_percent = (avg_hr / max_hr) * 100
+
+    # Finde passende Zone
+    dominant_zone = None
+    for zone in zones:
+        if zone['min_percent'] <= avg_hr_percent <= zone['max_percent']:
+            dominant_zone = zone
+            break
+
+    if not dominant_zone:
+        return {"dominant_zone": "out_of_range", "zone_quality": 0}
+
+    # Prüfe ob Dauer passt zur Zone
+    duration = activity.get('duration_min', 0)
+    target_duration = dominant_zone['target_duration_min']
+
+    duration_quality = min(duration / target_duration, 1.0)
+
+    recommendation = f"Training in Zone '{dominant_zone['name']}' (Effekt: {dominant_zone['effect']}). "
+    if duration < target_duration:
+        recommendation += f"Für optimale Wirkung: {target_duration}min empfohlen."
+
+    return {
+        "dominant_zone": dominant_zone['name'],
+        "zone_color": dominant_zone['color'],
+        "zone_effect": dominant_zone['effect'],
+        "avg_hr_percent": round(avg_hr_percent, 1),
+        "duration_quality": round(duration_quality, 2),
+        "recommendation": recommendation
+    }
+```
+
+### 3. Trainingswirkung-Analyse (Abilities Development)
+
+**Funktion:** `evaluate_training_effects(activity, profile)`
+
+```python
+def evaluate_training_effects(activity: dict, profile: dict) -> dict:
+    """
+    Berechnet welche Fähigkeiten durch diese Aktivität trainiert wurden.
+
+    Returns:
+        {
+            "abilities_trained": [
+                {"category": str, "ability": str, "intensity": int, "quality": float}
+            ],
+            "total_training_load": float
+        }
+    """
+    effects = profile['training_effects']
+    intensity_eval = evaluate_intensity_distribution(activity, profile)
+    min_requirements_eval = evaluate_minimum_requirements(activity, profile)
+
+    # Qualitätsfaktor basierend auf Mindestanforderungen
+    quality_factor = min_requirements_eval['score']
+
+    abilities_trained = []
+
+    # Primary abilities mit voller Intensität
+    for ability in effects['primary_abilities']:
+        abilities_trained.append({
+            "category": ability['category'],
+            "ability": ability['ability'],
+            "intensity": ability['intensity'],
+            "quality": quality_factor,
+            "contribution": ability['intensity'] * quality_factor
+        })
+
+    # Secondary abilities mit reduzierter Intensität
+    for ability in effects['secondary_abilities']:
+        abilities_trained.append({
+            "category": ability['category'],
+            "ability": ability['ability'],
+            "intensity": ability['intensity'],
+            "quality": quality_factor * 0.7,  # Sekundär = 70%
+            "contribution": ability['intensity'] * quality_factor * 0.7
+        })
+
+    total_training_load = sum(a['contribution'] for a in abilities_trained)
+
+    return {
+        "abilities_trained": abilities_trained,
+        "total_training_load": round(total_training_load, 2),
+        "metabolic_focus": effects['metabolic_focus'],
+        "muscle_groups": effects['muscle_groups']
+    }
+```
+
+### 4. Periodisierungs-Check (Recovery & Frequency)
+
+**Funktion:** `evaluate_periodization_compliance(activity, profile, recent_activities)`
+
+```python
+def evaluate_periodization_compliance(
+    activity: dict,
+    profile: dict,
+    recent_activities: list
+) -> dict:
+    """
+    Prüft ob Aktivität zu Periodisierungs-Empfehlungen passt.
+
+    Returns:
+        {
+            "frequency_status": str,
+            "recovery_adequate": bool,
+            "warning": str | None
+        }
+    """
+    periodization = profile['periodization']
+    activity_date = activity['date']
+
+    # Zähle gleiche Trainingstypen in letzter Woche
+    same_type_count = sum(
+        1 for a in recent_activities
+        if a['training_type_id'] == activity['training_type_id']
+        and days_between(a['date'], activity_date) <= 7
+    )
+
+    # Prüfe Erholungszeit
+    last_same_type = next(
+        (a for a in recent_activities
+         if a['training_type_id'] == activity['training_type_id']),
+        None
+    )
+
+    recovery_adequate = True
+    warning = None
+
+    if last_same_type:
+        hours_since_last = hours_between(last_same_type['date'], activity_date)
+        required_hours = periodization['recovery_requirement']['hours_before_same_type']
+
+        if hours_since_last < required_hours:
+            recovery_adequate = False
+            warning = f"Zu wenig Erholung: {hours_since_last}h statt {required_hours}h empfohlen"
+
+    # Frequenz-Status
+    optimal_freq = periodization['recommended_frequency']['per_week_optimal']
+    if same_type_count < optimal_freq:
+        frequency_status = "under_optimal"
+    elif same_type_count > periodization['recommended_frequency']['per_week_max']:
+        frequency_status = "over_optimal"
+        warning = "Übertraining-Risiko: Zu viele Einheiten diese Woche"
+    else:
+        frequency_status = "optimal"
+
+    return {
+        "frequency_status": frequency_status,
+        "weekly_count": same_type_count,
+        "recovery_adequate": recovery_adequate,
+        "warning": warning
+    }
+```
+
+### 5. Leistungsentwicklung (Performance Tracking)
+
+**Funktion:** `evaluate_performance_development(activity, profile, historical_activities)`
+
+```python
+def evaluate_performance_development(
+    activity: dict,
+    profile: dict,
+    historical_activities: list
+) -> dict:
+    """
+    Vergleicht aktuelle Leistung mit Historie.
+
+    Returns:
+        {
+            "trend": str,  # "improving" | "stable" | "declining"
+            "metrics_comparison": {metric: {"current": val, "avg_4weeks": val, "change_percent": val}},
+            "benchmark_level": str  # "beginner" | "intermediate" | "advanced"
+        }
+    """
+    kpis = profile['performance_indicators']
+    primary_metrics = kpis['primary_metrics']
+
+    # Berechne 4-Wochen-Durchschnitte
+    comparison = {}
+    for metric in primary_metrics:
+        current_value = activity.get(metric)
+        if not current_value:
+            continue
+
+        historical_values = [
+            a[metric] for a in historical_activities[-12:]  # Letzte 12 Einheiten
+            if a.get(metric) is not None
+        ]
+
+        if historical_values:
+            avg_historical = sum(historical_values) / len(historical_values)
+            change_percent = ((current_value - avg_historical) / avg_historical) * 100
+
+            comparison[metric] = {
+                "current": current_value,
+                "avg_4weeks": round(avg_historical, 2),
+                "change_percent": round(change_percent, 1)
+            }
+
+    # Trend-Bewertung
+    if all(c['change_percent'] > 5 for c in comparison.values()):
+        trend = "improving"
+    elif all(c['change_percent'] < -5 for c in comparison.values()):
+        trend = "declining"
+    else:
+        trend = "stable"
+
+    # Benchmark-Level ermitteln
+    benchmarks = kpis['benchmark_values']
+    benchmark_level = determine_benchmark_level(activity, benchmarks)
+
+    return {
+        "trend": trend,
+        "metrics_comparison": comparison,
+        "benchmark_level": benchmark_level
+    }
+```
+
+---
+
+## Dynamische Gesamt-Bewertung
+
+**Master-Funktion:** `evaluate_activity(activity, profile, context)`
+
+```python
+def evaluate_activity(activity: dict, profile: dict, context: dict) -> dict:
+    """
+    Vollständige Bewertung einer Aktivität anhand des Trainingstyp-Profils.
+
+    Args:
+        activity: Die zu bewertende Aktivität
+        profile: Das Trainingstyp-Profil
+        context: {
+            "recent_activities": [...],
+            "historical_activities": [...],
+            "user_profile": {...}
+        }
+
+    Returns:
+        {
+            "evaluated_at": ISO timestamp,
+            "version": "1.0",
+            "minimum_requirements": {...},
+            "intensity_analysis": {...},
+            "training_effects": {...},
+            "periodization_check": {...},
+            "performance_development": {...},
+            "overall_score": float (0-1),
+            "quality_label": str,  # "excellent" | "good" | "acceptable" | "poor"
+            "recommendations": [str],
+            "warnings": [str]
+        }
+    """
+
+    results = {
+        "evaluated_at": datetime.now().isoformat(),
+        "version": "1.0",
+        "minimum_requirements": evaluate_minimum_requirements(activity, profile),
+        "intensity_analysis": evaluate_intensity_distribution(activity, profile),
+        "training_effects": evaluate_training_effects(activity, profile),
+        "periodization_check": evaluate_periodization_compliance(
+            activity, profile, context['recent_activities']
+        ),
+        "performance_development": evaluate_performance_development(
+            activity, profile, context['historical_activities']
+        )
+    }
+
+    # Gesamt-Score berechnen (gewichtet)
+    weights = {
+        "minimum_requirements": 0.4,
+        "intensity_analysis": 0.2,
+        "periodization_check": 0.2,
+        "performance_development": 0.2
+    }
+
+    overall_score = (
+        results['minimum_requirements']['score'] * weights['minimum_requirements'] +
+        results['intensity_analysis']['duration_quality'] * weights['intensity_analysis'] +
+        (1.0 if results['periodization_check']['recovery_adequate'] else 0.5) * weights['periodization_check'] +
+        (1.0 if results['performance_development']['trend'] == 'improving' else 0.7) * weights['performance_development']
+    )
+
+    # Quality Label
+    if overall_score >= 0.9:
+        quality_label = "excellent"
+    elif overall_score >= 0.7:
+        quality_label = "good"
+    elif overall_score >= 0.5:
+        quality_label = "acceptable"
+    else:
+        quality_label = "poor"
+
+    # Recommendations sammeln
+    recommendations = []
+    warnings = []
+
+    if not results['minimum_requirements']['passed']:
+        for failed in results['minimum_requirements']['failed_rules']:
+            recommendations.append(
+                f"{failed['rule']}: {failed['reason']} (Ist: {failed['actual']}, Soll: {failed['expected']})"
+            )
+
+    if results['periodization_check']['warning']:
+        warnings.append(results['periodization_check']['warning'])
+
+    results.update({
+        "overall_score": round(overall_score, 2),
+        "quality_label": quality_label,
+        "recommendations": recommendations,
+        "warnings": warnings
+    })
+
+    return results
+```
+
+---
+
+## DB-Schema (Erweitert)
+
+```sql
+-- Training Types: Vollständiges Profil
+ALTER TABLE training_types ADD COLUMN profile JSONB DEFAULT NULL;
+
+-- Activity Log: Evaluation Results
+ALTER TABLE activity_log ADD COLUMN evaluation JSONB DEFAULT NULL;
+
+-- Beispiel-Daten:
+UPDATE training_types SET profile = '{...siehe oben...}'::jsonb
+WHERE name_de = 'Laufen';
+```
+
+---
+
+## User Interface: Aktivitäts-Detail-Ansicht
+
+```
+┌────────────────────────────────────────────────────────────────┐
+│ 🏃 Laufen - 23. März 2026                                      │
+├────────────────────────────────────────────────────────────────┤
+│                                                                 │
+│ ━━━ ZUSAMMENFASSUNG ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━  │
+│                                                                 │
+│ Gesamtbewertung: ⭐⭐⭐⭐⭐ Exzellent (Score: 0.92)            │
+│                                                                 │
+│ 45 Minuten · 5.2 km · Ø 142 bpm (79% Max-HF) · 380 kcal      │
+│                                                                 │
+│ ━━━ MINDESTANFORDERUNGEN ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━  │
+│                                                                 │
+│ ✅ Dauer: 45min (≥ 15min erforderlich)                        │
+│ ✅ Ø Herzfrequenz: 142 bpm (≥ 100 bpm)                        │
+│ ✅ Max. Herzfrequenz: 165 bpm (≥ 120 bpm)                     │
+│ ✅ Distanz: 5.2 km (≥ 1.0 km)                                 │
+│                                                                 │
+│ ━━━ INTENSITÄTSANALYSE ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━  │
+│                                                                 │
+│ Trainingszone: Entwicklungsbereich (70-80% Max-HF)            │
+│ Effekt: VO2max-Training, Laktattoleranz                        │
+│                                                                 │
+│ [████████████████████░░] 79% Max-HF                            │
+│                                                                 │
+│ Zeitverteilung:                                                 │
+│ • Regenerativ (50-60%):      0 min                             │
+│ • Grundlagenausdauer (60-70%): 8 min                           │
+│ • Entwicklungsbereich (70-80%): 32 min ✅ Optimal             │
+│ • Schwellentraining (80-90%):  5 min                           │
+│                                                                 │
+│ ━━━ TRAININGSWIRKUNG ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━  │
+│                                                                 │
+│ Trainierte Fähigkeiten:                                        │
+│ • Ausdauer (Konditionell):     ●●●●● (5/5) - Primärfokus      │
+│ • Schnelligkeit (Konditionell): ●●○○○ (2/5) - Nebenfokus      │
+│ • Rhythmus (Koordinativ):      ●●●○○ (3/5) - Sekundär         │
+│ • Willenskraft (Psychisch):    ●●●●○ (4/5) - Sekundär         │
+│                                                                 │
+│ Gesamte Trainingsbelastung: 18.2 Punkte                       │
+│                                                                 │
+│ ━━━ PERIODISIERUNG ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━  │
+│                                                                 │
+│ Frequenz diese Woche: 3 Einheiten ✅ Optimal (2-5 empfohlen)  │
+│ Erholung seit letztem Lauf: 52 Stunden ✅ Ausreichend         │
+│ Nächstes Training empfohlen: Frühestens in 48h                │
+│                                                                 │
+│ ━━━ LEISTUNGSENTWICKLUNG ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━  │
+│                                                                 │
+│ Trend: ↗ Verbesserung                                          │
+│                                                                 │
+│ Pace: 8:39 min/km (Ø 4 Wochen: 9:15 min/km) +6.5% schneller  │
+│ Ø HF: 142 bpm (Ø 4 Wochen: 148 bpm) -4% niedriger            │
+│                                                                 │
+│ Dein Level: Fortgeschritten (Intermediate)                    │
+│                                                                 │
+│ ━━━ EMPFEHLUNGEN ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━  │
+│                                                                 │
+│ ✨ Exzellentes Training! Du trainierst im optimalen           │
+│    Entwicklungsbereich für VO2max-Verbesserung.               │
+│                                                                 │
+│ 💡 Deine Pace verbessert sich stetig bei gleichzeitig         │
+│    niedrigerer Herzfrequenz - klares Zeichen für bessere      │
+│    Ausdauerkapazität.                                          │
+│                                                                 │
+│ 📅 Nächste Schritte:                                           │
+│    • 1-2 Tage Regeneration                                     │
+│    • Dann: Langer, langsamer Lauf (60-70% Max-HF, 60min)     │
+│                                                                 │
+└────────────────────────────────────────────────────────────────┘
+```
+
+---
+
+## Implementierungs-Phasen
+
+### Phase 1: Foundation (MVP)
+1. DB-Migration: `profile` Spalte in training_types
+2. DB-Migration: `evaluation` Spalte in activity_log
+3. Backend: `evaluate_activity()` Master-Funktion
+4. Backend: Evaluation beim INSERT/UPDATE
+
+### Phase 2: Profile Editor (Admin-UI)
+5. Admin-UI: Trainingstyp-Profil-Editor (JSON-basiert)
+6. Admin-UI: Profile-Templates für Top 5 Trainingstypen
+7. Admin-UI: Preview-Funktion (wie wird evaluiert?)
+
+### Phase 3: User Experience
+8. Frontend: Aktivitäts-Detail-Ansicht mit allen Bewertungen
+9. Frontend: Badge-System (Excellent/Good/Acceptable/Poor)
+10. Frontend: Trainingswirkungs-Visualisierung
+
+### Phase 4: Advanced Features
+11. KI-Integration: Nutze Evaluation-Daten für Prompts
+12. Periodisierungs-Warnungen im Dashboard
+13. Leistungsentwicklung-Charts
+14. Historische Re-Evaluation (Batch-Job)
+
+**Geschätzter Aufwand:** 12-16 Stunden (komplett)
+
+---
+
+## Offene Fragen
+
+1. **Profil-Komplexität:** Alle Parameter von Anfang an oder iterativ erweitern?
+2. **User-Anpassbarkeit:** Soll User eigene Profile erstellen können?
+3. **Performance:** JSONB-Queries optimiert genug für große Datenmengen?
+4. **UI-Komplexität:** Ist die Detail-Ansicht zu überladen?
+5. **Backward Compatibility:** Was passiert mit Aktivitäten ohne Profil?
+
+---
+
+---
+
+## Implementierungs-Status
+
+### Phase 1: Foundation ✅ KOMPLETT (23.03.2026)
+
+**Phase 1.1: Database & Core Engine** ✅
+- ✅ Migration 013: training_parameters Tabelle (16 Standard-Parameter)
+- ✅ Migration 014: training_types.profile + activity_log.evaluation + triggers
+- ✅ rule_engine.py: RuleEvaluator mit 9 Operatoren
+- ✅ rule_engine.py: IntensityZoneEvaluator für HF-Zonen
+- ✅ rule_engine.py: TrainingEffectsEvaluator für Fähigkeiten
+- ✅ profile_evaluator.py: TrainingProfileEvaluator (7 Dimensionen)
+- ✅ evaluation_helper.py: Parameter-Loading + Context-Loading + Batch-Evaluation
+- ✅ routers/evaluation.py: API-Endpoints für manuelle Evaluation
+- ✅ Commit: 1b9cd6d
+
+**Phase 1.2: Auto-Evaluation** ✅
+- ✅ activity.py: create_activity() → Auto-Evaluation nach INSERT
+- ✅ activity.py: update_activity() → Auto-Evaluation nach UPDATE
+- ✅ activity.py: import_activity_csv() → Auto-Evaluation nach CSV-Import
+- ✅ activity.py: bulk_categorize_activities() → Auto-Evaluation nach Bulk-Update
+- ✅ Fehlerbehandlung mit try/except (verhindert Blockierung bei Evaluation-Fehlern)
+- ✅ Commit: e119537
+
+**Backend Implementation:** 100% komplett
+- Parameter-Registry: extensibel via SQL
+- Regel-System: flexibel, unterstützt >= und <= (Laufen vs. Meditation)
+- 7 Dimensionen: Minimum Requirements, Intensity Zones, Training Effects, Periodization, Performance, Safety, AI Context
+- Evaluation-Results in activity_log.evaluation gespeichert
+
+**Getestet:** Syntax-Check bestanden (py_compile)
+
+### Phase 2: Admin-UI 🔲 Ausstehend
+
+**Aufgaben:**
+- Admin-UI: Parameter-Registry-Verwaltung (CRUD)
+- Admin-UI: Trainingstyp-Profil-Editor (JSON-Editor mit Syntax-Highlighting)
+- Admin-UI: Profile-Templates für Top 5 Trainingstypen (Laufen, Radfahren, Schwimmen, Krafttraining, Meditation)
+- Admin-UI: Preview-Funktion (Test-Evaluation mit Beispiel-Aktivität)
+- Validation: Profil-Schema-Validator
+
+**Geschätzter Aufwand:** 4-6 Stunden
+
+### Phase 3: User-UI 🔲 Ausstehend
+
+**Aufgaben:**
+- Frontend: ActivityDetailPage mit vollständiger Evaluation-Anzeige
+- Frontend: Quality Badges (excellent/good/acceptable/poor) in Listen
+- Frontend: Filter nach Quality Label
+- Frontend: Trainingswirkungs-Visualisierung (Fähigkeiten-Übersicht)
+- Frontend: Dashboard-Stats (Durchschnitt Quality Score)
+
+**Geschätzter Aufwand:** 4-6 Stunden
+
+### Phase 4: Advanced Features 🔲 Future
+
+**Optional:**
+- KI-Integration: Nutze Evaluation-Daten in AI-Prompts
+- Periodisierungs-Warnungen im Dashboard
+- Leistungsentwicklung-Charts
+- Historische Re-Evaluation (Batch-Job über Admin-Panel)
+
+**Was denkst du zu diesem erweiterten Ansatz?**

.claude/docs/prompts/prompt-pipeline-2026-03-26.json

@@ -0,0 +1,56 @@
+{
+  "name": "Mehrstufige Gesamtanalyse (2)",
+  "slug": "pipeline",
+  "display_name": "🔬 Mehrstufige Gesamtanalyse (2)",
+  "description": "Master-Schalter für die gesamte Pipeline. Deaktiviere diese Analyse, um die Pipeline komplett zu verstecken.",
+  "type": "pipeline",
+  "category": "ganzheitlich",
+  "active": true,
+  "sort_order": -10,
+  "output_format": "text",
+  "template": null,
+  "stages": [
+    {
+      "stage": 1,
+      "prompts": [
+        {
+          "slug": "pipeline_body",
+          "source": "reference",
+          "template": "PIPELINE_MASTER",
+          "output_key": "stage1_body",
+          "output_format": "json",
+          "output_schema": null
+        },
+        {
+          "slug": "pipeline_nutrition",
+          "source": "reference",
+          "template": "",
+          "output_key": "stage1_nutrition",
+          "output_format": "json",
+          "output_schema": null
+        },
+        {
+          "slug": "pipeline_activity",
+          "source": "reference",
+          "template": "",
+          "output_key": "stage1_activity",
+          "output_format": "json",
+          "output_schema": null
+        }
+      ]
+    },
+    {
+      "stage": 2,
+      "prompts": [
+        {
+          "slug": null,
+          "source": "inline",
+          "template": "Du bist ein Gesundheits- und Fitnesscoach. Erstelle eine vollständige, \npersonalisierte Analyse für {{name}} auf Deutsch (450–550 Wörter).\n\nDATENZUSAMMENFASSUNGEN AUS STUFE 1:\nKörper: {{stage1_body}}\nErnährung: {{stage1_nutrition}}\nAktivität: {{stage1_activity}}\nProtein-Ziel: {{protein_ziel_low}}–{{protein_ziel_high}}g/Tag\n\nSchreibe alle Abschnitte vollständig aus:\n⚖️ **Gewichts- & Körperzusammensetzung**\n🍽️ **Ernährungsanalyse**\n🏋️ **Aktivität & Energiebilanz**\n🔗 **Zusammenhänge** (Verbindungen zwischen Ernährung, Training, Körper)\n💪 **3 Empfehlungen** (nummeriert, konkret, datenbasiert)\n\nSachlich, motivierend, Zahlen zitieren, keine Diagnosen.",
+          "output_key": "output_1774507015689",
+          "output_format": "text",
+          "output_schema": null
+        }
+      ]
+    }
+  ]
+}

.claude/docs/technical/ACTIVITY_COMPOSITE_METRICS_IMPLEMENTATION_CONCEPT.md

@@ -0,0 +1,317 @@
+# Activity Session Metrics: Composite-Daten (EAV) – Umsetzungskonzept
+
+**Stand:** 2026-04-16  
+**Status:** Normatives Konzept zur nahtlosen Weiterarbeit durch Code-Agenten  
+**Bezieht sich auf:** `ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md` (§2.3–2.4, Phasen D–E), `ACTIVITY_SESSION_METRICS_EAV_AGENT_GUIDE.md`, Issue #53 (Layer-1-Prinzip: Auswertungen nur über `data_layer`)
+
+---
+
+## 1. Ziel und Abgrenzung
+
+### 1.1 Ziel
+
+- **Composite-Messgrößen** (strukturierte Werte mit mehreren benannten Slots) werden wie **normale Trainingsparameter** im Katalog geführt, **Kategorie-/Typ-Profilen** zugeordnet und pro Session in der **EAV-Tabelle** persistiert.
+- **Persistenz:** ein JSON-Dokument pro Session und `training_parameter_id` (kanonisch **JSONB**), kompatibel mit der bestehenden „eine Zeile pro Parameter“-Semantik.
+- **Import:** CSV liefert typischerweise **eine Spalte pro atomarem Slot**; das Mapping verweist auf **`(Parameter-Key, Slot-Key)`** (stabile Strings, nicht Spaltenreihenfolge).
+- **Layer 1:** liefert für Consumer weiterhin **eine konsistente API**: Rohdokument **und** optional **aufgelöste Einzelwerte** (flach oder namenspaced), ohne dass Charts/Platzhalter direkt JSON parsen müssen.
+
+### 1.2 Nicht-Ziele (explizit)
+
+- Kein „freies“ JSON-Schema im Admin ohne Archetyp-Bindung (verhindert Datenmüll und nicht validierbare Dokumente).
+- Keine Abschwächung bestehender **Skalar-Parameter** (`integer`, `float`, `string`, `boolean`): alle bisherigen Pfade bleiben gültig.
+- Kein Ersatz für `activity_log`-**Spine** oder Session-Qualitätsblobs (`evaluation`, …).
+
+### 1.3 Kompatibilitätsgarantie („keine Regression“)
+
+| Bereich | Maßnahme |
+|---------|----------|
+| DB | Nur **additive** Migrationen; bestehende `CHECK`-Regeln für Skalare bleiben für Zeilen **ohne** Composite erhalten bzw. werden zu einer **Oder-Verknüpfung** erweitert (siehe §4). |
+| `training_parameters` | Neuer `data_type`-Wert **`composite`** zusätzlich zu den vier bestehenden; bestehende CHECK-Constraint muss erweitert werden (Migration). |
+| `activity_session_metrics` | Skalare Zeilen unverändert; Composite-Zeilen nutzen **`value_json`** (neu), alle `value_*` NULL. |
+| Layer 1 | `resolve_activity_attribute_schema`, Merge, Replace: Composite erscheint als **ein** Schema-Eintrag; Lese-/Schreibpfade erweitern, nicht ersetzen. |
+| CSV | Bestehende Map-Ziele auf Skalare/Registry unverändert; neue Zielnotation nur für Composites. |
+| Admin | tcp/ttp-UI: gleiche Zuordnung wie heute; Zusatzfelder nur bei `data_type === composite`. |
+
+### 1.4 Abgleich mit `functional_concept_composite_data.md` (fachliches Konzept)
+
+Das **fachliche Konzeptpapier** (Composite Scalar/Layer-Trennung) und dieses **Umsetzungskonzept** sind **vereinbar**, wenn die Rollen klar getrennt bleiben:
+
+| Thema | Fachliches Konzept (`functional_concept_composite_data.md`) | Dieses Umsetzungskonzept (technisch) |
+|--------|-------------------------------------------------------------|--------------------------------------|
+| **Speicher in der DB** | Einheitlicher Store; Composite = `jsonb` mit **kleinem Basisschema** (`v`, `kind`, `domain`, `items`, optional `basis`, `meta`) | `activity_session_metrics.value_json`; CHECK Skalar vs. Composite |
+| **Technische Container** | Genau **vier** `kind`-Werte: `group_set`, `distribution_set`, `sequence_set`, `model_set` | Layer-1-Validierung **muss** diese Hülle durchsetzen; kein freies JSON ohne `kind`/`v`/`items` |
+| **„Archetypen“** | **Fachliche** Ausprägungen werden in **Layer 2a** aus L1-Objekten abgeleitet | Benannte **Preset-/Validierungsprofile** im Code (z. B. Zonenverteilung HF) sind **kein** zweites Persistenz-Schema: sie legen fest, *welches* der vier `kind`-Muster, *welches* `domain`, *welche* Item-Keys/Typen erlaubt sind — inkl. CSV-Slot-Mapping |
+| **Layer 1** | Validiert, minimal normalisiert, **keine** Scores/Bewertungen/KI-Texte | Validator + Merge + optional `expand_*` (**technische** Flachstellung für Consumer, z. B. `param.slot` → Skalar) |
+| **Layer 2** | Diagramme, Kennzahlen, KI-Platzhalter-**Formulierung** | unverändert; konsumiert L1 (und ggf. L2a) |
+
+**Konsequenz für die Registry:** Statt „8 freie JSON-Archetypen“ implementiert die Code-Registry **Validierungs-Presets**, die alle auf die **vier technischen `kind`-Formen** abbilden. Die Tabelle in §3 beschreibt weiterhin **fachlich benannte MVP-Anker** — technisch übersetzen sie sich in `(kind, domain, Item-Regeln, v)`.
+
+**Konsequenz für Platzhalter:** Roh-JSON aus der DB **nicht** ungefiltert in Prompts; L2b nutzt L1/L2a-Aufbereitung (wie im fachlichen Konzept).
+
+---
+
+## 2. Begriffe
+
+| Begriff | Bedeutung |
+|---------|-----------|
+| **Archetyp** | Im **Repo versionierte** Strukturvorlage (erlaubte Slots, Typen, Pflichtfelder, Validator, Version). **7–8** Stück geplant; Erweiterung nur per Code-Release. |
+| **Slot** | Benanntes Teilfeld innerhalb des Composite-Dokuments, z. B. `z1_sec`, `z2_sec`, `avg_cadence`. |
+| **Parameter-Instanz** | Eine Zeile in `training_parameters` mit `data_type = composite` und Metadaten, **welcher** Archetyp gilt (siehe §5). |
+| **Dokument** | Ein JSON-Objekt, das alle Slots abbildet; gespeichert in `activity_session_metrics.value_json`. |
+
+---
+
+## 3. Archetypen-Katalog (Planungsstand) — fachliche Namen → technische `kind`-Presets
+
+Die **konkrete** Slot-Liste und Validierung wird im Code als **Registry** geführt (z. B. `backend/data_layer/activity_composite_archetypes.py`). Jedes Preset **mappt** auf genau eines von **`group_set` | `distribution_set` | `sequence_set` | `model_set`** und erfüllt das **Basisschema** aus `functional_concept_composite_data.md` §7.
+
+Inhaltlich orientiert an `ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md` §2.4.
+
+**Beispielhafte fachliche MVP-Anker** (8 Kandidaten; im Code als Preset-Key + `kind`/`domain` abbilden):
+
+| `archetype_key` (stabil) | Kurzbeschreibung | Typische Slots (Beispiel) |
+|--------------------------|------------------|---------------------------|
+| `hr_zone_distribution` | Zeit-/Anteil je HF-Zone | `z1_sec`…`z5_sec` oder `zones[]` |
+| `power_zone_distribution` | Leistungszonen | analog |
+| `pace_band_profile` | Pace-Bänder / Histogramm | bucket-Struktur |
+| `interval_block_summary` | Intervallblöcke aggregiert | `blocks[]` mit Dauer, Ziel, Ist |
+| `event_marker_sequence` | Ereignisse mit Zeitstempel | `events[]` |
+| `coupling_efficiency_profile` | Kopplungs-/Effizienzmetriken | sportabhängig |
+| `model_parameter_profile` | Modell-/Schwellenparameter | key-value-ähnlich, validiert |
+| `readiness_recovery_snapshot` | optional: kurzes Multi-Signal-Bundle | nur wenn fachlich gewünscht |
+
+**Regel:** Jeder Archetyp hat `version` (Integer). Validator lehnt Dokumente mit falscher/fehlender Version ab oder migriert definiert (nur wenn spezifiziert).
+
+---
+
+## 4. Datenmodell-Erweiterungen
+
+### 4.1 `training_parameters`
+
+**Migration (additiv):**
+
+1. `CHECK (data_type IN (...))` erweitern um **`composite`**.
+2. Optional eigene Spalte **`composite_archetype_key` `VARCHAR(64)`** (NOT NULL wenn `data_type = composite`, sonst NULL) — **oder** ausschließlich in `validation_rules` speichern (siehe unten).  
+   **Empfehlung:** Spalte `composite_archetype_key` + `composite_archetype_version INT` für einfache Admin-Queries und klare Semantik; `validation_rules` für archetyp-spezifische Feinheiten (z. B. erlaubte Zonenanzahl).
+
+**Konsistenz-Constraint (DB oder App):**
+
+- Wenn `data_type = composite`: `composite_archetype_key` gesetzt, `source_field` typischerweise **NULL** (kein `activity_log`-Skalar-Shadowing).
+- `unit` am Parameter: optional für „Anzeige-Einheit“ des Gesamtwerts oder leer; Slots haben Einheiten im Archetyp oder in Slot-Metadaten.
+
+### 4.2 `activity_session_metrics`
+
+**Migration (additiv):**
+
+```text
+value_json JSONB NULL
+```
+
+**CHECK-Constraint ersetzen/erweitern** (Konzept):
+
+- **Modus Skalar:** genau eine der Spalten `value_num`, `value_int`, `value_text`, `value_bool` ist NOT NULL; `value_json` IS NULL.
+- **Modus Composite:** `value_json` IS NOT NULL; alle vier Skalar-Spalten IS NULL.
+
+Damit bleibt die bestehende Semantik „eine Zeile = ein Parameter“ erhalten.
+
+**Kommentar:** Tabelle trägt weiterhin „EAV“; Composites sind **keine** zusätzlichen Zeilen pro Slot.
+
+### 4.3 Profil-Zuordnung (tcp / ttp)
+
+**Keine** Tabellenänderung: `training_category_parameter` und `training_type_parameter` verweisen weiter nur auf `training_parameter_id`. Composite-Parameter verhalten sich wie Skalare in Bezug auf **Zuordnung**, **sort_order**, **required**, **ui_group**.
+
+**`required`:** bedeutet „Dokument muss nach Validator vollständig sein“, nicht „jede CSV-Spalte muss in jeder Zeile vorkommen“.
+
+---
+
+## 5. Metadaten pro Composite-Parameter
+
+Minimal in der DB (Beispiel):
+
+| Feld | Zweck |
+|------|--------|
+| `data_type` | `composite` |
+| `composite_archetype_key` | Verweis auf Code-Registry |
+| `composite_archetype_version` | Schema-Version |
+| `validation_rules` | optional: Overrides (z. B. `max_zones`, sport-spezifisch) — nur was der Validator explizit auswertet |
+
+**Admin-API:** bestehende Endpoints erweitern (Payload-Validierung): bei `composite` müssen Archetyp + Version gesetzt sein und in der **Registry** existieren.
+
+---
+
+## 6. Layer 1 – Kontrakt (`activity_session_metrics.py` + Helfer)
+
+### 6.1 Schema-Auflösung
+
+`resolve_activity_attribute_schema` liefert pro Composite **einen** Eintrag wie bei Skalaren, mit:
+
+- `data_type: "composite"`
+- `composite_archetype_key`, `composite_archetype_version` (aus DB oder Join)
+- ggf. `composite_slot_catalog`: **nur wenn** für Admin/UI gewünscht — alternativ separater Endpoint `GET .../composite-archetypes` (read-only) aus Registry, um Bundle-Größe klein zu halten.
+
+### 6.2 Lesen / Merge
+
+- `fetch_activity_session_metrics`: SELECT inkl. `value_json`.
+- `merge_column_backed_and_eav_metrics`: Composites **nur** aus EAV (`value_json`), kein `activity_log`-Shadowing (außer später explizit im Kanon — Standard: nein).
+- Ausgabe in `metrics`-Liste: ein Eintrag pro Parameter mit z. B.  
+  `value: { "_composite": true, "document": { ... } }` **oder** kanonisch getrennt: `value_document` + `value` null — **festlegen beim Implementieren** und in API-Doku halten; Empfehlung: **`value` = deserialisiertes Objekt (dict)** für Composites, damit Frontend dieselbe Struktur wie Speicher hat.
+
+### 6.3 „Einzelwerte für Layer 1 / Issue 53“
+
+Neue **pure** Funktion (kein SQL im Router), z. B.:
+
+```text
+expand_composite_metrics_for_session(
+  schema: list[dict],
+  metrics: list[dict],
+) -> dict[str, Any]
+```
+
+- Input: effektives Schema + gemergte Metriken.
+- Output: flaches Dict **`slot_path → typisierter Wert`**, z. B.  
+  `hr_zones.z1_sec → 1200`, oder namespaced Keys `training_param_key.slot_key` zur Kollisionssicherheit.
+- Nutzung: `activity_metrics`, Chart-Builder, später Platzhalter-Registry (`data_layer_function`), **ohne** JSON-Parsing in Layer 2.
+
+**Wichtig:** Skalare Parameter erscheinen im expandierten Dict mit ihrem `parameter_key` wie bisher (kein Breaking Change für Consumer, die nur Skalare erwarten).
+
+### 6.4 Validierung / Schreiben
+
+- **`replace_activity_session_metrics`:** Payload-Item für Composite: `value` ist **Objekt** (dict) oder JSON-String — Server normalisiert zu dict, validiert mit Archetyp-Validator, speichert als `value_json`.
+- **`upsert_session_metrics_from_csv_mapped`:** siehe §7 (Zusammenbau aus Partial-Updates pro Zeile).
+
+**Pflicht:** Keine Teil-Updates in DB, die ein halbes Dokument hinterlassen, ohne Validierung — außer explizit als „Draft“-Modus spezifiziert (nicht Teil dieses Konzepts).
+
+---
+
+## 7. CSV / Universal Import
+
+### 7.1 Map-Ziel-Notation
+
+Stabiles Muster (Vorschlag, im Import-Modul zentral parsen):
+
+```text
+"<parameter_key>.<slot_key>"
+```
+
+Beispiel: `my_hr_zones.z1_sec` → nach Import-Zusammenfügung in den Parameter `my_hr_zones` unter Slot `z1_sec`.
+
+**Alternative:** explizites Präfix `composite:` in der Vorlage — nur nötig, wenn Kollisionen mit normalen Keys befürchtet werden; sonst Punkt-Notation reicht.
+
+### 7.2 Executor-Flow (Konzept)
+
+1. `build_row_after_mapping` liefert flache Keys inkl. `param.slot`.
+2. Nach Schreiben von `activity_log` / Skalar-EAV: **Composite-Accumulator** pro `activity_log_id` und `parameter_key`:
+   - Sammelt alle Slot-Werte aus der Zeile.
+3. Vor Commit der Zeile (oder am Ende der Datei — **pro Zeile empfohlen**, damit SAVEPOINT pro Row funktioniert):
+   - Dokument aus Slots bauen → Validator → Upsert `activity_session_metrics` mit `value_json`.
+
+**Teilbefüllung:** Validator entscheidet (Archetyp: optional vs. required Slots). CSV darf nur Teilmengen liefern, wenn Archetyp erlaubt.
+
+### 7.3 Typkonvertierung
+
+Pro **Slot** im Archetyp: definierter skalarer Typ (`float`, `int`, …). Converter wie bei Skalaren (Executor / zentrale Converter), **keine** Parallel-Logik in Routern.
+
+---
+
+## 8. Admin-UI / Mapping-UX
+
+### 8.1 Parameter anlegen
+
+- Auswahl **Datentyp „Composite“** → Dropdown **Archetyp** (aus Registry-API), Version readonly oder wählbar gemäß Policy.
+- Rest wie Skalar: Name, Kategorie (`training_parameters.category`), Aktiv-Flag.
+
+### 8.2 Profil zuordnen
+
+Unverändert: Kategorie-/Typ-Matrix wie heute.
+
+### 8.3 Universal-CSV-Vorlage
+
+- Mapping-Ziele: neben bisherigen Keys **Slot-Ziele** `parameter_key.slot_key`.
+- UI-Gruppierung: optisch **Composite-Block** (wie in `ACTIVITY_PRODUCTION_ARCHITECTURE` §2.5 angedeutet), um Verwechslung mit Spine-Spalten zu vermeiden.
+
+---
+
+## 9. API-Oberflächen (Erweiterungen)
+
+| Bereich | Änderung |
+|---------|-----------|
+| `GET /api/activity/{id}` | `metrics` enthält Composite-Werte als Objekt; `schema` kennzeichnet `data_type: composite`. |
+| `PUT /api/activity/{id}/metrics` | Eintrag `{ parameter_key, value: { ... } }` für Composites. |
+| Admin `training-parameters` | Create/Update mit Composite-Feldern. |
+| Optional | `GET /api/admin/composite-archetypes` | Registry export für UI (Keys, Slot-Liste, Version). |
+
+**Rückwärtskompatibilität:** Clients, die nur Skalare senden, unverändert.
+
+---
+
+## 10. Frontend (Kurz)
+
+- `ActivityPage` / Session-Metrik-Editor: für `data_type === composite` **strukturierte Teilfelder** aus Slot-Katalog rendern (oder JSON-Editor nur als Entwickler-Fallback — Produkt: strukturierte Felder).
+- Sortierung/Gruppierung: bestehende `param_category` / `ui_group` / `sort_order` gelten unverändert.
+
+---
+
+## 11. Tests (pytest)
+
+| Test | Beschreibung |
+|------|----------------|
+| Archetyp-Validator | gültige / ungültige Dokumente je Version |
+| DB-Constraint | Skalar vs. Composite Ausschluss |
+| `expand_composite_metrics_for_session` | flache Keys, Kollisionen |
+| CSV-Zusammenbau | mehrere Spalten → ein `value_json` |
+| Regression | bestehende `test_activity_session_metrics.py` unverändert grün halten |
+
+---
+
+## 12. Rollout-Phasen (operativ)
+
+Stimmt mit `ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md` überein:
+
+1. **Phase D – MVP:** ein Preset (z. B. HF-Zonen → `distribution_set`, `domain: heart_rate`), Migration `value_json` + `composite` data_type, Validator gegen Basisschema §7, Import 3–5 Spalten → `items`, GET/PUT, minimale Admin-Anbindung.
+2. **Phase E:** weitere Presets / `kind`-Varianten, Mapping-UX, `expand_*` für ausgewählte Layer-1-Consumer.
+3. **Phase F:** Observability, Performance, Doku, Gitea-Issues schließen.
+
+### 12.1 Empfohlene Reihenfolge: Skalar-Pipeline vs. Composite-Speicherung
+
+**Frage:** Zuerst Skalar-EAV vollständig bis Platzhalter/Orchestrator abschließen, oder zuerst Composite-Speicherung?
+
+| Option | Vorteil | Risiko |
+|--------|---------|--------|
+| **A: Nur Skalar zuerst** (Kanon, L1-Härtung, Platzhalter aus EAV/L1) | Eine klare, end-to-end **Referenzpipeline**; weniger gleichzeitige Variablen | Composite-Datenstrome verzögern sich |
+| **B: Composite-Speicher zuerst** | JSON landet früh in der DB | Platzhalter/Charts nutzen noch **alte** Pfade → **zwei Wahrheiten** (Detail-API vs. KI) bis L1 vereinheitlicht ist |
+| **C (Empfehlung): Skalar L1 + Platzhalter-Orchestrierung *vor* Composite-MVP**, oder **eng parallel** mit gemeinsamem L1-Einstieg | `get_activity_session_logical_unit` / `activity_metrics` werden **kanonisch**; Platzhalter lesen **dieselbe** Schicht; Composite wird **additiv** (`value_json` + Validator + später `expand_*`) | Erfordert kurze Planungsdisziplin: Composite-MVP **ohne** sofort alle KI-Platzhalter |
+
+**Konkrete Empfehlung**
+
+1. **`ACTIVITY_PRODUCTION` Phase A–B** nicht überspringen: Kanon „eine Semantik / eine Quelle“ + alle relevanten Consumer über **Layer 1** (mind. Session-Detail, Listen-Anreicherung, erste Platzhalter-Pfade für **Skalare**).
+2. **Dann Phase D (Composite-MVP):** Migration + Speichern/Lesen mit **Basisschema** (`kind`/`items`/…); L1 liefert dasselbe API-Objekt wie Skalare, nur `value` als strukturiertes Dokument.
+3. **Platzhalter für Composite:** erst **nach** L1 liefert stabil `value_json` **und** optional `expand_composite_metrics_*` — ein Orchestrator-Endpoint bzw. Resolver-Aufruf, der **eine** L1-Funktion nutzt, vermeidet doppelte Logik für Skalar vs. Composite.
+
+**Kurz:** Composite **persistieren** kann kurz nach stabiler **Skalar-Lese-/Merge-API** folgen; **KI/Platzhalter für Composite** sinnvoll **gemeinsam** mit der erweiterten L1-Ausgabe bauen, nicht gegen eine noch nicht vereinheitlichte Skalar-Pipeline.
+
+---
+
+## 13. Checkliste für den nächsten Agenten
+
+- [ ] Migration: `value_json`, erweiterte CHECKs, `training_parameters.data_type` + ggf. `composite_archetype_*` Spalten.
+- [ ] Registry-Modul: Archetypen + Versionen + Slot-Metadaten + Validator-Einstieg.
+- [ ] `activity_session_metrics.py`: Fetch/Merge/Replace/Upsert-Integration; keine Regression für Skalare.
+- [ ] Optional: `expand_composite_metrics_for_session` + erste Nutzung in einem Layer-1-Consumer (Tests).
+- [ ] CSV: Parser für `parameter_key.slot_key`, Row-Accumulator, Fehler melden wie bestehender Import.
+- [ ] Admin-API + UI: Composite anlegen, tcp/ttp unverändert nutzbar.
+- [ ] Doku: dieses Dokument mit **festgelegter** JSON-Beispielstruktur pro MVP-Archetyp ergänzen.
+
+---
+
+## 14. Referenzen
+
+- `functional_concept_composite_data.md` – **fachliches** Schichtenmodell, vier technische `kind`-Container, Basisschema JSON  
+- `ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md` – Zielbild, Phasen A–F  
+- `ACTIVITY_SESSION_METRICS_EAV_AGENT_GUIDE.md` – Ist-Layer-1, APIs  
+- `UNIVERSAL_CSV_IMPORT_AGENT_GUIDE.md` – Executor, Vorlagen  
+- Migration `054_activity_session_metrics_eav.sql` – Ist-Constraint Skalar  
+- Migration `013_training_parameters.sql` – Ist-`data_type`-Enum  
+
+---
+
+**Version:** 1.1 · Abgleich mit fachlichem Konzept (§1.4, §3, §12.1); MVP auf `distribution_set` o. ä. konkretisieren.

.claude/docs/technical/ACTIVITY_LAYER2A_PLACEHOLDER_AUDIT.md

@@ -0,0 +1,70 @@
+# Aktivität: Layer-2a-Platzhalter — Audit Schritt 1 (Issue #53)
+
+**Stand:** 2026-04-16  
+**Bezug:** [Issue #53 — Multi-Layer Architecture](../../../docs/issues/issue-53-phase-0c-multi-layer-architecture.md): Layer 1 = strukturierte Daten, Layer 2a = KI-Formatierung (keine parallele Domänen-Logik im Resolver).
+
+**Ziel dieses Dokuments:** Jeder Aktivitäts-Platzhalter hat genau eine **Layer‑1‑Quelle** (`data_layer/activity_metrics.py`); `placeholder_resolver.py` formatiert oder serialisiert nur noch.
+
+---
+
+## 1. Ergebnisübersicht
+
+| Kategorie | Anzahl | Resolver-SQL für Aktivität? |
+|-----------|--------|------------------------------|
+| Gebündelt in `PLACEHOLDER_MAP` (Training/Aktivität) | 20 | **Nein** |
+| Abweichungen / offene Punkte | 0 | — |
+
+**Hinweis:** `{{rest_days_count}}` steht in der Karte unter „Schlaf & Erholung“ und nutzt `recovery_metrics.get_rest_days_data` — nicht in dieser Tabelle.
+
+---
+
+## 2. Platzhalter → Layer 1 → Layer 2a
+
+| Key | Layer 1 (`activity_metrics`) | Layer 2a (`placeholder_resolver`) | Bemerkung |
+|-----|------------------------------|-------------------------------------|-----------|
+| `activity_summary` | `get_activity_summary_data` | `get_activity_summary` | String-Zusammenfassung |
+| `activity_detail` | `get_activity_detail_data` (+ `enrich_sessions_with_metrics`) | `get_activity_detail` | Dynamische `session_metrics[]` pro Zeile (Profil/EAV) |
+| `trainingstyp_verteilung` | `get_training_type_distribution_data` | `get_trainingstyp_verteilung` | Ausgabe: Top-3-Text (kein JSON); Registry 2026-04 an Ist angeglichen |
+| `training_minutes_week` | `calculate_training_minutes_week` | `_safe_int` | |
+| `training_frequency_7d` | `calculate_training_frequency_7d` | `_safe_int` | |
+| `quality_sessions_pct` | `calculate_quality_sessions_pct` | `_safe_int` | |
+| `proxy_internal_load_7d` | `calculate_proxy_internal_load_7d` | `_safe_int` | |
+| `monotony_score` | `calculate_monotony_score` | `_safe_float` | |
+| `strain_score` | `calculate_strain_score` | `_safe_int` | |
+| `rest_day_compliance` | `calculate_rest_day_compliance` | `_safe_int` | |
+| `ability_balance_strength` | `calculate_ability_balance_strength` | `_safe_int` | abilities in `activity_log` |
+| `ability_balance_endurance` | `calculate_ability_balance_endurance` | `_safe_int` | |
+| `ability_balance_mental` | `calculate_ability_balance_mental` | `_safe_int` | |
+| `ability_balance_coordination` | `calculate_ability_balance_coordination` | `_safe_int` | |
+| `ability_balance_mobility` | `calculate_ability_balance_mobility` | `_safe_int` | |
+| `vo2max_trend_28d` | `calculate_vo2max_trend_28d` | `_safe_float` | |
+| `activity_score` | `calculate_activity_score` | `_safe_int` | |
+| `training_frequency_by_type_md` | `get_training_frequency_by_type_data` | `get_training_frequency_by_type_md` | Markdown-Tabelle |
+| `training_inter_session_gap_md` | `get_training_inter_session_gap_data` | `get_training_inter_session_gap_md` | Markdown-Text |
+| `training_sessions_recent_json` | `get_training_sessions_recent_weeks_data` (+ `enrich_sessions_with_metrics`) | `_safe_json('training_sessions_recent_json')` | JSON inkl. `session_metrics[]` pro Session |
+
+---
+
+## 3. Schichten-Disziplin (Checkliste)
+
+- [x] Kein `SELECT` auf `activity_log` / `activity_session_metrics` in den **Layer‑2a**-Funktionen oben — nur Aufrufe in Layer 1 bzw. `_safe_*`-Wrapper.
+- [x] `get_activity_detail` / `get_training_sessions_recent_json` liefern EAV nur über **bereits gemergte** `session_metrics` (Merge-Kanon: `activity_log` vor EAV).
+- [x] Registry-Metadaten: `data_layer_module` / `data_layer_function` pro Key in `placeholder_registrations/activity_metrics.py` und `activity_session_insights.py`.
+- [x] Korrektur Registry: `activity_summary.resolver_function` = `get_activity_summary` (war veraltet: `_format_activity_summary`).
+
+---
+
+## 4. Nächste Schritte (Roadmap)
+
+2. ~~**Registry-Texte:** `semantic_contract` / `known_limitations` für dynamische `session_metrics` (tcp/ttp) und Merge-Kanon — **erledigt** (`activity_detail`, `training_sessions_recent_json`); dazu **`trainingstyp_verteilung`**-Metadaten von veraltetem „JSON/Resolver-SQL“ auf Ist (**Layer 1 + Top-3-Text**) korrigiert.~~  
+3. **History / Layer 2b:** EAV-Zeitreihen nicht über Platzhalter, sondern dedizierte Layer‑1-/Chart-Pfade.  
+4. **Optional:** Gitea-Issue „Activity Layer 2a“ bei Änderungen an `activity_metrics` pflegen.
+
+---
+
+## 5. Referenzen
+
+- `backend/placeholder_resolver.py` — `PLACEHOLDER_MAP` (Training/Aktivität)  
+- `backend/placeholder_registrations/activity_metrics.py`  
+- `backend/placeholder_registrations/activity_session_insights.py`  
+- `ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md` §2.1a (Navigation Read vs. Berechnen)

.claude/docs/technical/ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md

@@ -0,0 +1,215 @@
+# Aktivität: Zielarchitektur & Phasenplan (Produktionsreife)
+
+**Stand:** 2026-04-16  
+**Status:** Normative Zielrichtung für `activity_log`, EAV, Composites, Import, Layer 1/2.  
+**Ergänzt:** `ACTIVITY_SESSION_METRICS_EAV_AGENT_GUIDE.md` (Ist-Modell, APIs, Tests).  
+**Phase A:** abgeschlossen — Kanon-Tabelle [`ACTIVITY_SCALAR_KANON_TABLE.md`](./ACTIVITY_SCALAR_KANON_TABLE.md).  
+**Phase B:** in Arbeit — Consumer-Audit und Lesepfad-Härtung (siehe §4 Phase B).
+
+---
+
+## 1. Leitprinzipien
+
+| Prinzip | Bedeutung |
+|---------|-----------|
+| **Layer 1 = Single Source of Truth** | Alle Auswertungen (Charts, Scores, strukturierte Platzhalter) lesen **nur** über `data_layer` (kanonische Funktionen). Keine parallele SQL-Logik in Routern oder im Placeholder-Resolver für Aktivität. |
+| **Eine semantische Größe, eine kanonische Quelle** | Kein Dauer-Sync derselben Bedeutung in `activity_log`-Spalte **und** EAV. Übergang: dokumentierte Abschaltung, nicht implizites Driften. |
+| **Spine vs. Parameter** | `activity_log` trägt Identität, Zeit, Typ, Notizen, Audit + **heiße** universelle Skalare (siehe §2.2). Alles Typ-/Admin-Dynamische über EAV. |
+| **Composites = Archetyp im Code, Konfiguration in der DB** | Struktur (7+2 Archetypen) und Validierung **versioniert im Repo**; Admin **wählt** Archetyp, **benennt** Slots, **bindet** Sportarten, **mappt** CSV → `(parameter_id, slot_key)`. Kein freies JSON-Schema im Admin. |
+| **Import explizit** | Jede CSV-Spalte hat ein klares Ziel: Spine-Spalte, skalarer Parameter oder **Slot** eines Composite-Parameters. Typkonvertierung zentral (Executor / Converter), nicht verteilt. |
+
+---
+
+## 2. Zielarchitektur (Gesamtbild)
+
+### 2.1 Schichtenmodell
+
+```
+[CSV / UI / API Write]
+        ↓
+Orchestrator & Router (Auth, Transaktionen, Feature-Checks)
+        ↓
+Persistenz: activity_log (Spine + heiße Skalare) + activity_session_metrics (EAV)
+        ↓
+Layer 1: data_layer (activity_session_metrics.py, activity_metrics.py, …)
+        ↓
+Layer 2a/2b: Platzhalter-Resolver (Formatierung), Chart-Endpoints (Chart.js-Shapes)
+        ↓
+KI / UI / Export
+```
+
+- **Orchestrator:** Schreibpfad, Konsistenz nach Write (kein zweites „Lesen der Wahrheit“ neben Layer 1; optional nur Post-Write-Hooks).  
+- **Resolver:** für Aktivität **kein** direkter DB-Zugriff; nur Aufruf von Layer 1.
+
+### 2.1a Navigationsregel: wo nachsehen (ohne Datei-Zwang)
+
+Die **physische** Aufteilung ist dreigeteilt: **`activity_log`** (Spine + heiße Spalten), **EAV-Skalare** (`activity_session_metrics` + numerische/textuelle `value_*`), **EAV-Composites** (ein Parameter, Nutzlast z. B. JSON/JSONB im EAV-Datensatz). **Fachlich** soll nach außen **eine homogene Session-Sicht** entstehen — Consumer sollen nicht selbst entscheiden, aus welcher Tabelle/Welche Form ein Wert kommt.
+
+| Thema | Wo nachsehen (Ist; Ziel: Schnittstelle stabil, Datei optional splittbar) |
+|--------|--------------------------------------------------------------------------|
+| **Homogene Session lesen** (Merge Spalte + EAV-Skalare + später Composite-Payload) | `data_layer/activity_session_metrics.py` — u. a. `get_activity_session_logical_unit`, `enrich_sessions_with_metrics`, `merge_column_backed_and_eav_metrics` |
+| **Schreiben / Import / API-Persistenz** | `data_layer/activity_persistence_orchestrator.py` (+ Router) |
+| **Berechnungen, Aggregationen, Scores** über viele Sessions oder Zeitfenster | `data_layer/activity_metrics.py` — arbeitet auf der **vereinheitlichten** Session-Datenlage (über die Read-Funktionen oben), nicht durch paralleles Mergen der drei Quellen im Caller |
+
+**Hinweis:** Orchestrator und Read-Merge **müssen nicht** in derselben Datei stehen. Entscheidend ist, dass es **genau eine dokumentierte Read-Fassade** für „Session inkl. aller effektiven Metriken“ gibt und Layer‑1‑Berechnungen **nur** diese Fassade (oder deren Ergebnisstrukturen) nutzen. Eine spätere Umbenennung oder Auslagerung in z. B. `activity_read_gateway.py` ändert die Rolle nicht — nur der **eine Einstieg** muss in dieser Doku und im Code auffindbar bleiben.
+
+### 2.2 `activity_log` (Spine + heiße Skalare)
+
+**Maschinenlesbarer Kanon:** `backend/data_layer/activity_data_canon.py` (`ACTIVITY_MODULE_REGISTRY_FIELD_KEYS`, `ACTIVITY_EAV_PRIMARY_PARAMETER_KEYS`, Legacy-Lesefallback für EAV-primäre Parameter).
+
+**Immer (fachlich minimal + listenfähig):** `id`, `profile_id`, Kalender-/Zeitfenster (`date`, `started_at`/`ended_at`, ggf. `start_time`/`end_time` bis Konsolidierung), `duration_min`, `training_type_id` (+ ggf. denormalisierte Kategorie), Legacy `activity_type`, `notes`, `source`, `created`.
+
+**Heiße Skalare (CSV-Modul + `source_field` nach Migration 057):** u. a. `kcal_active`, `kcal_resting`, `distance_km`, `hr_avg`/`hr_max` (Parameter `avg_hr`/`max_hr`), `duration_min`, `rpe` – für Listen und Standard-Aggregate ohne EAV-Join.
+
+**EAV-primär (erweiterte Metriken):** z. B. Kadenz, Pace, Leistung, Höhe, Umgebung — `training_parameters.source_field` = NULL; Import schreibt EAV; bei leerem EAV optional Lesefallback auf bestehende `activity_log`-Spalte (Migration 057 + Merge-Logik).
+
+**Session-Qualität / Auswertungsblob:** z. B. `evaluation`, `quality_label`, `overall_score` – **kein** EAV-Parameter-Raster; semantisch „Ergebnis der Einheit“.
+
+**Nicht dauerhaft doppelt:** dieselbe Semantik nicht parallel pflegen; siehe entfallener Spalte→EAV-Schreib-Sync, Lesepfad `merge_column_backed_and_eav_metrics`.
+
+### 2.3 EAV (`activity_session_metrics`)
+
+- **Skalare:** ein `training_parameter`, genau eine `value_*`-Spalte (wie heute).  
+- **Composites:** ein `training_parameter` pro Composite-Instanz, **ein** gespeichertes Dokument pro Session (serialisiert z. B. in `value_text` als JSON **oder** künftig dedizierte JSONB-Spalte – technische Entscheidung in eigener Migration, Vertrag im Archetyp).  
+- **Merge-/Schema-Logik:** weiterhin zentral in `activity_session_metrics.py` (effektives Schema aus Kategorie + Typ-Overrides).
+
+### 2.4 Composite-Metamodell (Ziel)
+
+**Archetypen (Code, begrenzte Menge):** u. a. Band-/Zonenverteilung, Sequenz-/Übergangsprofil, Intervallblock-, Ereignis-/Aktions-, Kopplungs-/Effizienz-, Modellparameter-Profil; optional Technik-/Zyklus-, Readiness-/Recovery-Profil.
+
+**Pro Archetyp:** feste strukturelle Regeln (erlaubte Slots, Typen, Pflicht/Optional), Validator + Version.
+
+**In der DB (Admin):** Zuordnung „Parameter X hat Archetyp A“, Slot-Labels (DE/EN), Einheiten, Aktivierung pro Sportart/Kategorie, Sortierung.
+
+**Import:** CSV-Spalten → `(training_parameter_id, slot_key)` mit stabilen Keys (`z1_sec`, …), nie nur „Spaltenreihenfolge“.
+
+### 2.5 Universal CSV & Admin
+
+- Vorlagen: Mapping inkl. **Composite-Slots** und Typkonvertierung (vollständige Matrix Ziel).  
+- UI: Trennung **Kern activity_log** vs. **Parameter/EAV** vs. **Composite-Blöcke** (optisch/UX), um Doppel-Tabellen-Chaos zu vermeiden.
+
+### 2.6 Layer 2 (Platzhalter & Diagramme)
+
+- Datenbezug **nur** Layer 1.  
+- Registry-Einträge: `data_layer_module` / `data_layer_function` pflegen; Composite-Auswertung ggf. über Hilfsfunktionen, die JSON → normierte Struktur für Prompts/Charts liefern.
+
+---
+
+## 3. Ist → Soll (Kurz)
+
+| Bereich | Ist (typisch) | Soll |
+|---------|----------------|------|
+| Schreibpfad | Teilweise Doppelhaltung Spalte ↔ EAV, Sync-Hooks | Kanon + gezielte Abschaltung; eine Quelle pro Semantik |
+| Lesepfad | Layer 1 wächst; Legacy-Spalten noch relevant | `get_activity_session_logical_unit` / `activity_metrics` als alleinige Wahrheit für Consumer |
+| Composites | Noch nicht im Einklang mit EAV-Metamodell | Archetypen + Slot-Admin + ein Dokument pro Parameter/Session |
+| Import | Mapping teilweise; Typkonvertierung lückenhaft | Vollständige Konvertierung + Composite-Zusammenbau |
+| Resolver | Aktivität sauber über Layer 1 | Profil/Focus ggf. später ebenfalls aus Layer 1 |
+
+---
+
+## 4. Vorgehensmodell (Phasen)
+
+Phasen sind **sequentiell** wo „Abhängigkeit“ steht; Teile können parallel (z. B. UI-Polish) laufen, wenn der Kanon steht.
+
+### Phase A – Kanon & Abschaltplan (Grundlage) ✅
+
+**Inhalt:** Schriftliche **Kanon-Tabelle**: pro Messgröße genau eine Quelle (`activity_log` | `eav_scalar` | `eav_composite` | `session_quality`). Liste der Keys, für die **Sync/Spiegelung** endet.
+
+**Definition of Done:** Review im Team; Referenz in diesem Dokument oder Verweis auf Gitea-Kommentar; keine Code-Änderung zwingend.
+
+**Erledigt (2026-04-16):** [`ACTIVITY_SCALAR_KANON_TABLE.md`](./ACTIVITY_SCALAR_KANON_TABLE.md) — eine Semantik pro Zeile, verlinkt mit `activity_data_canon.py` und Merge-Logik.
+
+---
+
+### Phase B – Lesepfad härten (Layer 1) 🔄
+
+**Inhalt:** Sicherstellen, dass **alle** relevanten Consumer (mind. `activity_metrics` für Platzhalter/Charts, Activity-Detail-API) dieselbe Merge-/Fallback-Logik nutzen; Legacy-Spalten nur noch als dokumentierter Fallback bis Enddatum.
+
+**Definition of Done:** Kurze Audit-Liste „Router/Resolver greifen nicht an Aktivität vorbei“; Tests oder manuelle Stichprobe für Detail + ein Chart + 2 Platzhalter.
+
+**Abhängigkeit:** Phase A für „welche Spalten noch Fallback sind“.
+
+**Audit-Stand (2026-04-16, ergänzt Export):**
+
+| Consumer | Nutzt Layer-1-Merge (`enrich_sessions_with_metrics` / `get_activity_session_logical_unit`) | Anmerkung |
+|----------|---------------------------------------------------------------------------------------------|-----------|
+| `GET /api/activity/{eid}` | ✅ `get_activity_session_logical_unit` | Referenz-Detail |
+| `GET /api/activity` (Liste) | ✅ seit 2026-04-16 `enrich_sessions_with_metrics` auf jeder Listen-Antwort | vorher nur Roh-Spalten |
+| `activity_metrics.get_activity_detail_data` | ✅ | Platzhalter `{{activity_detail}}` |
+| `activity_metrics.get_training_sessions_recent_weeks_data` | ✅ | KI-Kontext |
+| `placeholder_resolver` (Aktivität) | ✅ nur `activity_metrics` | kein paralleles SQL |
+| `GET /api/export/json` (`activity`) | ✅ `enrich_sessions_with_metrics` + `serialize_dates` | `session_metrics` pro Zeile |
+| `GET /api/export/csv` (Training-Zeilen) | ✅ `enrich_sessions_with_metrics` | gemergte EAV in Spalte „Details“ |
+| `GET /api/export/zip` (`data/activity.csv`) | ✅ `enrich_sessions_with_metrics` | Zusatzspalte `session_metrics_json` (Import ignoriert sie) |
+| `get_activity_summary_data` | n. a. | rein aggregiert (`SUM`/`COUNT`), keine Session-EAV |
+| `routers/charts.py` (A1–A8) | Spalten-Aggregate | bewusst: Dauer/RPE/HF aus **`activity_log`**-Kanon; kein EAV-Join nötig für definierte Charts |
+| `activity_stats` (`GET /api/activity/stats`) | nur Spalten | Kacheln: `kcal`/`duration` aus Kernspalten |
+
+---
+
+### Phase C – Schreibpfad entschlacken
+
+**Inhalt:** Orchestrierung/CSV: kein Schreiben derselben Semantik an zwei Orten; `sync_column_backed_session_metrics` (o. ä.) **stufig abschalten** oder auf Notfall-Flag; Import schreibt gemäß Kanon.
+
+**Definition of Done:** Deploy auf Prod mit Monitoring; Stichprobe Import + manuelle Bearbeitung; keine Regression in Listenansicht.
+
+**Abhängigkeit:** Phase A + B (sonst Lücken beim Lesen).
+
+**Analyse (2026-04-16, nur Ist-Review):** Es gibt **keinen aktiven** Schreibpfad mehr, der `activity_log`-Spalten für `source_field`-Parameter **dauerhaft nach EAV spiegelt**.
+
+| Prüfpunkt | Ergebnis |
+|-----------|----------|
+| `sync_column_backed_session_metrics` | Nur noch **Definition** in `activity_session_metrics.py`, als veraltet markiert; **keine Aufrufer** im Repo (grep). Laufzeit-Sync: **abgestellt**. |
+| `run_activity_post_write_hooks` / `…_import` | Nur **Auto-Eval** (optional); Kommentar: **kein** Spalte→EAV-Sync. |
+| Universal-CSV (`executor.py`) | Kernfelder → `activity_log` (`activity_csv_registry_updates_from_mapped` + `update_activity_columns` / Insert); EAV → `upsert_session_metrics_from_csv_mapped`. Registry-Keys werden **nicht** nach EAV geschrieben; bei `source_field` wird EAV **übersprungen**, wenn die Spalte **bereits befüllt** ist — vermeidet bewusst doppelte Speicherung. |
+| REST `PUT /metrics` | Kommentar in Code: **kein** `sync_column_backed` nach EAV-Ersatz. |
+| Migrationen 055 / 057 | **Einmaliger** Backfill/Schwenk, kein fortlaufender Sync. |
+
+**Lesepfad (2026-04-16):** `merge_column_backed_and_eav_metrics` bevorzugt **immer** `activity_log`, wenn ein kanonischer Spaltenwert existiert: zuerst `source_field`, dann Registry-Spalte gleichen Keys, dann Legacy-Spalten für EAV-primäre Parameter, zuletzt EAV. Doppelte physische Schreiborte sind damit in der effektiven Sicht **ohne EAV-Vorrang** behoben.
+
+---
+
+### Phase D – Composite MVP
+
+**Inhalt:** Ein Archetyp end-to-end (z. B. **Band-/Zonenverteilung**): Code-Validator, DB-Binding (Parameter + Slots), Admin-UI minimal, Import **5 Spalten → ein JSON-Dokument** mit festen Keys, Layer-1-Read (Roh + optional `expand_*`).
+
+**Definition of Done:** Eine Sportart/Kategorie befüllbar; Dokumentation des JSON-Vertrags im Repo; pytest für Validator/Zusammenbau wo möglich.
+
+**Abhängigkeit:** Phase A (Kanon „Composites nur als Dokument, nicht doppelt in Spalten“).
+
+---
+
+### Phase E – Composite-Ausbau & Typkonvertierung Import
+
+**Inhalt:** Weitere Archetypen nach Priorität; Universal-CSV **vollständige** Typkonvertierung für alle gemappten Ziele; Dialog-/Mapping-Konzept (Kern vs. Parameter vs. Composite).
+
+**Definition of Done:** Matrix „Zieltyp × Converter“ gepflegt; Admin-Flow reviewt.
+
+---
+
+### Phase F – Produktionshärtung
+
+**Inhalt:** Performance-Indizes bei Bedarf; Observability (Import-Fehler, Validierungs-Fails); Resolver/Profil optional komplett ohne `get_db` für domänische Daten; Doku + Gitea-Issues geschlossen/aktualisiert.
+
+---
+
+## 5. Was zuerst?
+
+**Erledigt:** Phase A — [`ACTIVITY_SCALAR_KANON_TABLE.md`](./ACTIVITY_SCALAR_KANON_TABLE.md).
+
+**Aktuell:** Phase B fortsetzen (weitere Consumer prüfen: Export, Import-Vorschau, ggf. zukünftige Chart-Metriken aus EAV), dann **Phase C** (Schreibpfad), dann **Phase D** (Composite-MVP).
+
+---
+
+## 6. Referenzen
+
+- `ACTIVITY_SCALAR_KANON_TABLE.md` – **Skalar-Kanon** (Phase A)  
+- `ACTIVITY_SESSION_METRICS_EAV_AGENT_GUIDE.md` – Tabellen, APIs, Tests, Backfill-Hinweise  
+- `ACTIVITY_COMPOSITE_METRICS_IMPLEMENTATION_CONCEPT.md` – Composite-EAV (JSONB), Archetypen, Import-Slots, Layer-1-Expand, Migrations- und Testplan  
+- `UNIVERSAL_CSV_IMPORT_AGENT_GUIDE.md` – Executor, Vorlagen, Typen  
+- `PLACEHOLDER_REGISTRY_FRAMEWORK.md` – Layer-2-Registrierung  
+- `functional/DATA_ARCHITECTURE.md` – fachliche Datenarchitektur (Querschnitt)
+
+---
+
+**Version:** 1.5 · Merge: activity_log (Registry + Legacy-Spalten) vor EAV bei Lesen.

.claude/docs/technical/ACTIVITY_SCALAR_KANON_TABLE.md

@@ -0,0 +1,95 @@
+# Aktivität: Skalar-Kanon (eine Semantik → eine Quelle)
+
+**Stand:** 2026-04-16  
+**Normativer Code:** `backend/data_layer/activity_data_canon.py`  
+**Kontext:** `ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md` (Phase A abgeschlossen)
+
+---
+
+## 1. Spine & Identität (`activity_log`, nicht EAV)
+
+Diese Felder sind **keine** `training_parameters`-Skalare. Sie gehören zur Session-Zeile.
+
+| Semantik | DB / API | Kanonische Quelle | Lesefallback | Sync Spalte↔EAV |
+|----------|----------|-------------------|--------------|-----------------|
+| Primärschlüssel | `activity_log.id` | `activity_log` | — | — |
+| Profil | `profile_id` | `activity_log` | — | — |
+| Kalendertag | `date` | `activity_log` | — | — |
+| Start / Ende (Zeit) | `start_time`, `end_time`, `started_at`, `ended_at` | `activity_log` | — | — |
+| Trainingsart (Freitext/Legacy) | `activity_type` | `activity_log` | — | — |
+| Referenz Trainingstyp | `training_type_id`, `training_category`, … | `activity_log` (+ `training_types`) | — | — |
+| Notiz | `notes` | `activity_log` | — | — |
+| Quelle / Import | `source`, `created`, … | `activity_log` | — | — |
+| Session-Auswertung | `evaluation`, `quality_label`, `overall_score`, … | `activity_log` (Blob/Ergebnis) | — | Kein EAV-Raster |
+
+---
+
+## 2. Kernfelder CSV-Modul `activity` (= „heiße“ Skalare)
+
+Abgeleitet aus `csv_parser.module_registry.MODULE_DEFINITIONS["activity"].fields` — maschinenlesbar über `ACTIVITY_MODULE_REGISTRY_FIELD_KEYS` in `activity_data_canon.py`.
+
+| Semantik | Key (Registry/API) | Kanonische Quelle | Lesefallback | Bemerkung |
+|----------|-------------------|-------------------|--------------|-----------|
+| Dauer | `duration_min` | **`activity_log`** | — | Aggregates, Listen |
+| Aktive Energie | `kcal_active` | **`activity_log`** | — | |
+| Ruhe-Energie | `kcal_resting` | **`activity_log`** | — | |
+| Distanz | `distance_km` | **`activity_log`** | — | |
+| Ø HF | `hr_avg` (Parameter oft `avg_hr` in EAV-Schema) | **`activity_log`** | EAV nur wenn `source_field` / Profil-Schema | `merge_column_backed_and_eav_metrics`: Spalte schlägt EAV |
+| Max-HF | `hr_max` | **`activity_log`** | analog | |
+| RPE | `rpe` | **`activity_log`** | analog | |
+
+Schreibpfad: Universal-CSV und API sollen diese Keys auf **`activity_log`** mappen, sofern nicht ausdrücklich ein EAV-primärer Parameter (§3) gewählt ist.
+
+---
+
+## 3. EAV-primäre Parameter (erweiterte Skalare)
+
+`ACTIVITY_EAV_PRIMARY_PARAMETER_KEYS` in `activity_data_canon.py`. **`training_parameters.source_field`** = NULL (nach Kanon / Migration 057): kanonischer Speicher ist **`activity_session_metrics`**.
+
+| Parameter-Key (`training_parameters.key`) | Legacy-Spalte `activity_log` | Schreib-Kanon (Ziel) |
+|-------------------------------------------|------------------------------|------------------------|
+| `min_hr` | `hr_min` | **EAV** |
+| `pace_min_per_km` | `pace_min_per_km` | **EAV** |
+| `cadence` | `cadence` | **EAV** |
+| `avg_power` | `avg_power` | **EAV** |
+| `elevation_gain` | `elevation_gain` | **EAV** |
+| `temperature_celsius` | `temperature_celsius` | **EAV** |
+| `humidity_percent` | `humidity_percent` | **EAV** |
+| `avg_hr_percent` | `avg_hr_percent` | **EAV** |
+| `kcal_per_km` | `kcal_per_km` | **EAV** |
+
+**Lesen:** `merge_column_backed_and_eav_metrics` — wenn Legacy-Spalte **und** EAV einen Wert haben, **gewinnt die Spalte** (kanonische `activity_log`-Sicht). EAV nur, wenn die Spalte leer/nicht koerzierbar ist.
+
+---
+
+## 4. Profil-/Typ-dynamische Skalare (EAV, nicht in Registry-Kernliste)
+
+| Semantik | Kanonische Quelle | Lesefallback |
+|----------|-------------------|--------------|
+| Admin-definierte Parameter (Attributprofil Kategorie/Typ) | **`activity_session_metrics`** + `training_parameters` | — |
+| Parameter mit `source_field` → Spalte | **`activity_log`** (Spalte) | EAV ergänzend; Leseregel: Spalte bevorzugt (kein veraltetes EAV) |
+
+---
+
+## 5. Composites (Zielbild, noch nicht Kanon-Zeile pro Slot)
+
+| Semantik | Kanonische Quelle (Ziel) |
+|----------|---------------------------|
+| Strukturierte Composite-Dokumente (z. B. Zonen/Bänder) | **EAV** ein Dokument pro Parameter/Session (siehe `ACTIVITY_COMPOSITE_METRICS_IMPLEMENTATION_CONCEPT.md`) |
+
+Kein dauerhaftes Spiegeln derselben Semantik in `activity_log`-Spalten.
+
+---
+
+## 6. Sync & Übergang
+
+- **Kein** automatischer Dauer-Sync „Spalte → EAV“ für dieselbe Semantik; Lesepfad vereinheitlicht die Sicht (`merge_column_backed_and_eav_metrics`).
+- Optionale **Backfill**-Migration/Skript (idempotent) nur nach fachlicher Freigabe — siehe EAV-Agent-Guide §6.
+
+---
+
+## 7. Referenzen
+
+- `ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md` — Phasen A–F  
+- `ACTIVITY_SESSION_METRICS_EAV_AGENT_GUIDE.md` — APIs, Tests  
+- `activity_data_canon.py` — `ACTIVITY_LOG_PATCHABLE_COLUMNS`, Legacy-Map  

.claude/docs/technical/ACTIVITY_SESSION_METRICS_EAV_AGENT_GUIDE.md

@@ -0,0 +1,146 @@
+# Activity Session Metrics (EAV) – Umsetzungs- & Agent-Guide
+
+**Stand:** 2026-04-14  
+**Status:** Kern-Backend (Migration 054, Layer 1, Admin- & Nutzer-API) umgesetzt; Admin-UI & CSV-Mapping folgen.  
+**Ziel:** Sportspezifische **Attributprofile** (Kategorie + optional Trainingstyp-Override) administrierbar; Messwerte pro Session in **EAV**; **alle Auswertungen** sollen künftig über **Layer 1** (`data_layer`) laufen.
+
+**Zielarchitektur, Phasenplan (Produktionsreife):** [`ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md`](./ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md) – Kanon `activity_log`/EAV, Composites, Import, Layer 1/2, Reihenfolge A–F.
+
+**Composite-Parameter (EAV, JSONB, Archetypen):** detailliertes Umsetzungskonzept für Agenten: [`ACTIVITY_COMPOSITE_METRICS_IMPLEMENTATION_CONCEPT.md`](./ACTIVITY_COMPOSITE_METRICS_IMPLEMENTATION_CONCEPT.md).
+
+**Kanon (Code):** `backend/data_layer/activity_data_canon.py` (Repo-Root) — CSV-Modul `activity` vs. EAV-primär; Migration **057**.
+
+---
+
+## 1. Produktions-Migrationen (Pflicht)
+
+- **Nur additive Änderungen** bis zur Stabilisierung: neue Tabellen/Spalten **nullable**, kein `DROP COLUMN` / `DELETE` von Altbestand in derselben Story.
+- Neue Migrationen: **`backend/migrations/054_*.sql`** (nächste freie Nummer nach 053 einhalten).
+- **Prod-Checkliste vor Deploy:**
+  1. Backup / Snapshot der DB.
+  2. Migration auf **Kopie** der Prod-DB laufen lassen; Container-Start (`db_init`) verifizieren.
+  3. Stichprobe: `activity_log`-Zeilen unverändert; neue Tabellen leer oder nur Seed.
+- **Datenhaltung:** Bestehende Spalten in `activity_log` bleiben **Quelle für Alt-Daten**; EAV (`activity_session_metrics`) ist der **kanonische Ort für konfigurierte Session-Metriken**, sobald geschrieben. Backfill Altspalten → EAV ist **separater Schritt** (siehe §6).
+
+---
+
+## 2. Datenmodell (Ist nach Migration 054)
+
+| Tabelle | Zweck |
+|---------|--------|
+| `training_parameters` | Katalog messbarer Größen (`key`, `data_type`, `unit`, `validation_rules`, …) – bereits Migration 013; Admin-API ergänzt. |
+| `training_category_parameter` | Welche Parameter für welche **`training_types.category`** (z. B. `cardio`) gelten: `sort_order`, `required`, `ui_group`. |
+| `training_type_parameter` | Zusatzparameter oder **Overrides** pro **`training_types.id`**: `sort_order`, `required`, `ui_group` (NULL = von Kategorie erben). |
+| `activity_session_metrics` | EAV: `(activity_log_id, training_parameter_id)` eindeutig; genau eine Wertspalte `value_num` / `value_int` / `value_text` / `value_bool`. |
+| `activity_log` | **Neu:** `started_at`, `ended_at` (`TIMESTAMPTZ`, nullable) – für spätere Dedupe/Intervalle; **kein** Pflichtfeld in v1. |
+
+**Merge-Logik effektives Schema** (Layer 1, eine Funktion):
+
+1. Kategorie ermitteln: aus Zeile `training_category` oder aus `training_types.category` via `training_type_id`.
+2. Basis = alle Zeilen `training_category_parameter` für diese Kategorie, Join auf `training_parameters` (aktiv).
+3. Für jeden Eintrag in `training_type_parameter` zum gewählten Typ: gleiche `training_parameter_id` → Overrides anwenden; nur im Typ vorhanden → anhängen.
+4. Sortierung: `sort_order` aufsteigend, dann `key`.
+
+---
+
+## 3. Layer 1 – Kanonische Module
+
+| Modul | Pfad | Aufgabe |
+|-------|------|---------|
+| Session-Metriken & Schema | `backend/data_layer/activity_session_metrics.py` | `resolve_activity_attribute_schema`, `fetch_activity_session_metrics`, `replace_activity_session_metrics`, `get_activity_session_logical_unit`, `enrich_sessions_with_metrics`, `merge_column_backed_and_eav_metrics`. |
+
+**Spalten vs. EAV (Lesepfad):** `merge_column_backed_and_eav_metrics` / `get_activity_session_logical_unit` / `enrich_sessions_with_metrics` werten Parameter mit `source_field` **primär aus `activity_log`** aus; EAV ist Fallback (z. B. Legacy) oder für Parameter ohne Spalte. **Kein** automatischer Spalte→EAV-Schreib-Sync mehr in `run_activity_post_write_hooks` / Import-Hooks (vermeidet Doppelhaltung).
+
+**Regeln für Agenten:**
+
+- **Keine** zweite Implementierung derselben Merge- oder Validierungslogik in Routern.
+- Platzhalter / Charts, die Session-Details brauchen: **nur** diese Layer-1-Helfer erweitern oder aufrufen (z. B. `activity_metrics.get_training_sessions_recent_weeks_data` nutzt `enrich_sessions_with_metrics`).
+- Router: `get_db`, `get_cursor`, Auth; Business-Validierung delegieren an `activity_session_metrics`.
+
+**KI-Kontext:** In `training_sessions_recent_json` enthält jedes Element von `session_metrics` neben `key`/`value` die Felder `name_de`, `name_en`, `description_de`, `description_en` (aus dem effektiven Schema). Für nicht selbsterklärende Keys soll im Katalog `training_parameters.description_*` gepflegt werden (Admin). Ergänzend liefert der Platzhalter `{{training_parameters_glossary_md}}` die gesamte aktive Parameter-Legende als Markdown-Tabelle (`get_training_parameters_ki_glossary_data` → `get_training_parameters_glossary_md`).
+
+---
+
+## 4. API (Ist / geplant)
+
+### Admin (`require_admin`)
+
+| Methode | Pfad | Beschreibung |
+|---------|------|--------------|
+| GET/POST | `/api/admin/training-parameters` | Katalog lesen / Parameter anlegen |
+| PUT/DELETE | `/api/admin/training-parameters/{id}` | Aktualisieren / Soft-deaktivieren (`is_active`) |
+| GET | `/api/admin/training-category-parameters?category=` | Zuordnungen Kategorie |
+| POST | `/api/admin/training-category-parameters` | Zuordnung anlegen |
+| DELETE | `/api/admin/training-category-parameters/{id}` | Zuordnung entfernen |
+| GET | `/api/admin/training-type-parameters?training_type_id=` | Zuordnungen Typ |
+| POST | `/api/admin/training-type-parameters` | Zuordnung anlegen |
+| DELETE | `/api/admin/training-type-parameters/{id}` | Zuordnung entfernen |
+
+Router: `backend/routers/admin_training_parameters.py`, `backend/routers/admin_activity_attribute_profiles.py`.
+
+### Nutzer (`require_auth`)
+
+| Methode | Pfad | Beschreibung |
+|---------|------|--------------|
+| GET | `/api/activity/{eid}` | Session-Kopf + `schema` + `metrics` (Layer 1) |
+| PUT | `/api/activity/{eid}/metrics` | **Voller Ersatz** der EAV-Metriken für diese Session (Liste `{parameter_key, value}`) |
+
+`ActivityEntry` unverändert für bestehende Create/Update-Routen; optionale Erweiterung um `started_at`/`ended_at` in späterem Schritt.
+
+---
+
+## 5. Agent-Checkliste (nächste Iterationen)
+
+**Layer 2a (Platzhalter Aktivität):** Abgleich Registry ↔ Resolver ↔ Layer 1 — [`ACTIVITY_LAYER2A_PLACEHOLDER_AUDIT.md`](./ACTIVITY_LAYER2A_PLACEHOLDER_AUDIT.md) (Issue #53). **Schritt 2:** `semantic_contract` / `known_limitations` für dynamische `session_metrics` und Korrektur `trainingstyp_verteilung` in der Registry.
+
+Siehe **Phasen A–F** in [`ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md`](./ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md). Kurz:
+
+- [x] **Phase A:** Kanon-Tabelle (eine Quelle pro Semantik) — [`ACTIVITY_SCALAR_KANON_TABLE.md`](./ACTIVITY_SCALAR_KANON_TABLE.md).
+- [ ] **Phase B:** Lesepfad Layer 1 härten (Consumer-Audit fortlaufend — siehe `ACTIVITY_PRODUCTION_ARCHITECTURE_AND_PHASES.md` §4 Phase B).
+- [ ] **Phase C:** Schreibpfad: Doppelhaltung / Sync stufenweise abschalten.
+- [ ] **Phase D:** Composite-MVP (ein Archetyp E2E).
+- [ ] **Phase E:** Archetypen ausbauen + CSV-Typkonvertierung vollständig + Mapping-UX.
+- [ ] **Phase F:** Härtung Prod (Indizes, Observability, Doku).
+
+Legacy-Punkte:
+
+- [x] Admin-UI: `frontend/src/pages/AdminActivityAttributeProfilesPage.jsx`, Route `/admin/activity-attribute-profiles`, Admin-Nav-Gruppe „Trainingstypen“.
+- [x] `/activity` Frontend: Bearbeiten lädt `GET /api/activity/{id}`, dynamische Felder + `PUT /api/activity/{id}/metrics`.
+- [ ] Universal CSV: Mapping inkl. EAV/Composite-Ziele + Executor (fortlaufend).
+- [ ] Optional: Backfill / Abschluss `source_field`-Pfad nach Kanon (Phase A/C).
+- [ ] Dedupe Polar/Apple: nach stabilen `started_at`/`ended_at` + Policy (eigenes Issue).
+
+---
+
+## 6. Backfill (nicht in Migration 054)
+
+Separates Skript oder Migration **055+**, wenn fachlich freigegeben:
+
+- Pro aktivem `training_parameter` mit gesetztem `source_field`: Wert aus `activity_log` lesen, in EAV schreiben, wenn noch keine Zeile existiert.
+- Idempotent (`ON CONFLICT DO NOTHING` oder Upsert-Regel dokumentieren).
+
+---
+
+## 7. Automatische Tests (pytest, ohne DB)
+
+Aus **`backend/`**:
+
+```bash
+python -m pytest tests/test_activity_session_metrics.py -v
+```
+
+Abdeckung: reine Merge-Logik (`merge_parameter_schema_rows`), Validierung (`_validate_single_value`), `resolve_activity_attribute_schema` mit Mock-Cursor, `enrich_sessions_with_metrics` mit Mock-Cursor.
+
+---
+
+## 8. Referenzen
+
+- Migration 013: `training_parameters`
+- Migration 004/014: `training_types`, `activity_log`-Erweiterungen
+- Pattern Admin-Katalog: `routers/admin_reference_value_types.py`
+- Platzhalter Session-JSON: `data_layer/activity_metrics.py` → `get_training_sessions_recent_weeks_data`
+- KI-Legende: `get_training_parameters_ki_glossary_data`, Platzhalter `{{training_parameters_glossary_md}}`
+
+---
+
+**Version:** 1.1 · Bei Schema- oder API-Änderungen dieses Dokument und ggf. `CLAUDE.md` Kurzverweis aktualisieren.

.claude/docs/technical/AGGREGATION_METHODS.md

@@ -0,0 +1,387 @@
+# Aggregation Methods – Goal Value Calculation
+
+**Zweck:** Dokumentation für Entwicklung und Erweiterung von Aggregationsmethoden im Goal-System.
+
+**Datum:** 2026-03-28
+**Version:** 1.0
+**Modul:** `backend/goal_utils.py` → `_fetch_by_aggregation_method()`
+
+---
+
+## Übersicht
+
+Aggregationsmethoden berechnen den `current_value` von Goals aus Rohdaten (z.B. Trainings, Gewicht, Ernährung). Sie sind der Kern des dynamischen Goal-Tracking-Systems.
+
+**Beispiel:**
+```python
+Goal: "Trainingshäufigkeit Krafttraining"
+  source_table: activity_log
+  source_column: id  (nur für COUNT relevant)
+  aggregation_method: avg_per_week_30d
+  filter_conditions: {"training_category": "strength"}
+
+→ Berechnet: Durchschnittliche Anzahl Krafttrainings pro Woche (über 30 Tage)
+```
+
+---
+
+## Architektur
+
+### 1. Wo sind Methoden definiert?
+
+**Datei:** `backend/goal_utils.py`
+**Funktion:** `_fetch_by_aggregation_method(conn, profile_id, table, column, method, filter_conditions)`
+
+**Aufruf-Hierarchie:**
+```
+goal_utils.fetch_goal_value()
+  └─> _fetch_by_aggregation_method()
+      └─> SQL Query mit method-spezifischer Logik
+```
+
+### 2. Verfügbare Methoden (Stand: 2026-03-28)
+
+| Methode | Beschreibung | SQL Aggregat | Zeitfenster | Use Case |
+|---------|--------------|--------------|-------------|----------|
+| `latest` | Aktuellster Wert | SELECT {column} ORDER BY date DESC LIMIT 1 | — | Gewicht, Körperfett, VO2max |
+| `avg_7d` | 7-Tage-Durchschnitt | AVG({column}) | 7 Tage | Durchschn. Ruhepuls, HRV |
+| `avg_30d` | 30-Tage-Durchschnitt | AVG({column}) | 30 Tage | Durchschn. Kalorien, Protein |
+| `sum_30d` | 30-Tage-Summe | SUM({column}) | 30 Tage | Gesamtkalorien, Trainingsminuten |
+| `count_7d` | Anzahl Einträge (7d) | COUNT(*) | 7 Tage | Trainings letzte Woche |
+| `count_30d` | Anzahl Einträge (30d) | COUNT(*) | 30 Tage | Trainings letzter Monat |
+| `min_30d` | Minimum (30d) | MIN({column}) | 30 Tage | Niedrigster Ruhepuls |
+| `max_30d` | Maximum (30d) | MAX({column}) | 30 Tage | Höchster VO2max |
+| `avg_per_week_30d` | Durchschn. pro Woche | COUNT(*) / 4.3 | 30 Tage | Trainingsfrequenz/Woche |
+
+### 3. Filter-Mechanismus
+
+Alle Methoden unterstützen **optionale Filter** via `filter_conditions` (JSON):
+
+```python
+filter_conditions = {"training_category": "strength"}
+
+# Wird zu SQL:
+# ... WHERE profile_id = %s AND training_category = %s
+```
+
+**Unterstützte Filter-Typen:**
+- **Equality:** `{"column": "value"}` → `WHERE column = 'value'`
+- **IN-Clause:** `{"column": ["val1", "val2"]}` → `WHERE column IN ('val1', 'val2')`
+
+---
+
+## Neue Aggregationsmethode hinzufügen
+
+### Schritt 1: Anforderungen definieren
+
+**Checkliste:**
+- [ ] **Name:** Eindeutig, beschreibend (z.B. `avg_per_week_30d`)
+- [ ] **SQL-Aggregat:** Welche Funktion? (COUNT, AVG, SUM, MIN, MAX, oder Custom)
+- [ ] **Zeitfenster:** Fixed (7d, 30d) oder dynamisch?
+- [ ] **Spaltentyp:** Numerisch (DECIMAL, INT) oder UUID/TEXT (nur COUNT)?
+- [ ] **Filter-Support:** Ja/Nein?
+- [ ] **Return-Typ:** `float` oder `None`
+
+### Schritt 2: Code-Template
+
+**Location:** `backend/goal_utils.py` → `_fetch_by_aggregation_method()`
+
+```python
+elif method == 'neue_methode':
+    # 1. Zeitfenster definieren (falls relevant)
+    days_ago = date.today() - timedelta(days=30)
+
+    # 2. Parameter vorbereiten (inkl. filter_params)
+    params = [profile_id, days_ago] + filter_params
+
+    # 3. SQL Query (mit date_col und filter_sql)
+    cur.execute(f"""
+        SELECT AGG_FUNCTION({column}) as result_value
+        FROM {table}
+        WHERE profile_id = %s
+          AND {date_col} >= %s
+          AND {column} IS NOT NULL{filter_sql}
+    """, params)
+
+    # 4. Result extrahieren und konvertieren
+    row = cur.fetchone()
+    return float(row['result_value']) if row and row['result_value'] is not None else None
+```
+
+### Schritt 3: Spaltentyp-Validierung
+
+**Wichtig:** Nur numerische Aggregationen (AVG, SUM, MIN, MAX) auf numerischen Spalten!
+
+**Spaltentypen:**
+- ✅ **AVG/SUM/MIN/MAX:** DECIMAL, INT, FLOAT
+- ❌ **AVG/SUM/MIN/MAX:** UUID, TEXT, VARCHAR
+- ✅ **COUNT:** Beliebiger Typ (UUID, TEXT, etc.)
+
+**Bei Fehlkonfiguration:**
+```python
+# Wird automatisch geloggt + None returned (siehe except-Block Zeile 414-430)
+[ERROR] Failed to fetch value from activity_log.id using avg_7d:
+        function avg(uuid) does not exist
+```
+
+### Schritt 4: Testen
+
+**Manueller Test:**
+```python
+from goal_utils import _fetch_by_aggregation_method
+from db import get_db
+
+with get_db() as conn:
+    result = _fetch_by_aggregation_method(
+        conn,
+        profile_id='...',
+        table='activity_log',
+        column='id',
+        method='avg_per_week_30d',
+        filter_conditions={"training_category": "strength"}
+    )
+    print(f"Result: {result}")
+```
+
+**Unit-Test (TODO):**
+```python
+# backend/tests/test_goal_utils.py
+def test_avg_per_week_30d():
+    # Setup: Insert 12 activities in last 30 days
+    # Expected: 12 / 4.3 ≈ 2.79
+    assert result == pytest.approx(2.79, abs=0.1)
+```
+
+---
+
+## Beispiel-Implementierung: avg_per_week_30d
+
+**Use Case:** Trainingshäufigkeit pro Woche (geglättet über 30 Tage)
+
+**Berechnung:** `(Anzahl Trainings in 30 Tagen) / 4.3 Wochen`
+
+**Code:**
+```python
+elif method == 'avg_per_week_30d':
+    days_ago = date.today() - timedelta(days=30)
+    params = [profile_id, days_ago] + filter_params
+    cur.execute(f"""
+        SELECT COUNT(*) as count_value FROM {table}
+        WHERE profile_id = %s AND {date_col} >= %s{filter_sql}
+    """, params)
+    row = cur.fetchone()
+    if row and row['count_value'] is not None:
+        # 30 Tage = 4.285 Wochen (30/7)
+        return round(float(row['count_value']) / 4.285, 2)
+    return None
+```
+
+**Warum 4.285?**
+- 30 Tage ÷ 7 Tage/Woche = 4.285 Wochen
+- Alternativ: 4.3 (gerundet) für einfachere Rechnung
+
+---
+
+## Best Practices
+
+### 1. Naming Conventions
+
+**Pattern:** `{aggregat}_{spalte}_{zeitfenster}`
+
+- ✅ `avg_hr_7d` – Average heart rate, 7 days
+- ✅ `count_per_week_30d` – Count per week, averaged over 30 days
+- ✅ `sum_calories_30d` – Sum of calories, 30 days
+- ❌ `get_training_count` – Unklar, kein Zeitfenster
+- ❌ `calc_average` – Zu generisch
+
+### 2. Return-Werte
+
+**Konsistenz:**
+- **Erfolg:** `float` (auch bei 0.0)
+- **Keine Daten:** `None` (nicht 0.0!)
+- **Fehler:** `None` (geloggt im except-Block)
+
+**Warum None statt 0.0?**
+```python
+# None = "Keine Daten vorhanden"
+# 0.0 = "Gemessen, aber Wert ist tatsächlich 0"
+```
+
+### 3. Date-Columns
+
+Nicht alle Tabellen nutzen `date` als Spaltenname:
+
+```python
+DATE_COLUMN_MAP = {
+    'blood_pressure_log': 'measured_at',  # TIMESTAMP
+    'activity_log': 'date',               # DATE
+    'fitness_tests': 'test_date',         # DATE
+    # ... siehe goal_utils.py Zeile 289-300
+}
+```
+
+**Nutzung:** `date_col = DATE_COLUMN_MAP.get(table, 'date')`
+
+### 4. Filter-Safety
+
+**SQL-Injection-Schutz:**
+- ✅ **Parametrisierte Queries:** `WHERE col = %s` + `params`
+- ❌ **String-Interpolation:** `WHERE col = '{value}'`
+
+**Filter-Validierung:**
+```python
+try:
+    filters = json.loads(filter_conditions) if isinstance(filter_conditions, str) else filter_conditions
+    # ... build filter_sql
+except (json.JSONDecodeError, TypeError, AttributeError) as e:
+    print(f"[WARNING] Invalid filter_conditions: {e}, ignoring filters")
+```
+
+### 5. Performance
+
+**Query-Optimierung:**
+- `WHERE profile_id = %s` ist **immer** erste Bedingung (Index)
+- `AND {column} IS NOT NULL` vor Aggregation (reduziert NULL-Handling)
+- `ORDER BY {date_col} DESC LIMIT 1` für `latest` (schneller als MAX)
+
+---
+
+## Erweiterte Methoden (Future)
+
+### Statistische Analysen
+
+**Median:**
+```python
+elif method == 'median_30d':
+    # PostgreSQL: PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY column)
+    cur.execute(f"""
+        SELECT PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY {column}) as median_value
+        FROM {table}
+        WHERE profile_id = %s AND {date_col} >= %s{filter_sql}
+    """, params)
+```
+
+**Standard Deviation:**
+```python
+elif method == 'stddev_30d':
+    cur.execute(f"""
+        SELECT STDDEV({column}) as stddev_value FROM {table}
+        WHERE profile_id = %s AND {date_col} >= %s{filter_sql}
+    """, params)
+```
+
+**Trend (Linear Regression):**
+```python
+elif method == 'trend_30d':
+    # Slope via REGR_SLOPE(y, x)
+    cur.execute(f"""
+        SELECT REGR_SLOPE(
+            {column},
+            EXTRACT(EPOCH FROM {date_col})
+        ) as slope FROM {table}
+        WHERE profile_id = %s AND {date_col} >= %s{filter_sql}
+    """, params)
+```
+
+### Kalenderwoche
+
+```python
+elif method == 'count_calendar_week':
+    # Montag der aktuellen Woche
+    today = date.today()
+    monday = today - timedelta(days=today.weekday())
+
+    cur.execute(f"""
+        SELECT COUNT(*) as count_value FROM {table}
+        WHERE profile_id = %s
+          AND {date_col} >= %s
+          AND {date_col} < %s + INTERVAL '7 days'{filter_sql}
+    """, [profile_id, monday] + filter_params)
+```
+
+---
+
+## Fehlerbehandlung
+
+### Exception-Handling
+
+**Alle Methoden sind wrapped in try-except** (Zeile 329-430):
+
+```python
+try:
+    # ... method logic
+except Exception as e:
+    print(f"[ERROR] Failed to fetch value from {table}.{column} using {method}: {e}")
+    print(f"[ERROR] Filter conditions: {filter_conditions}")
+
+    # CRITICAL: Rollback transaction
+    conn.rollback()
+
+    return None
+```
+
+**Warum Rollback?**
+- PostgreSQL bleibt in `InFailedSqlTransaction` bis Rollback
+- Ohne Rollback: Alle nachfolgenden Queries schlagen fehl
+
+### Typische Fehler
+
+| Fehler | Ursache | Lösung |
+|--------|---------|--------|
+| `function avg(uuid) does not exist` | AVG auf UUID-Spalte | Methode auf `count_*` ändern |
+| `column "xyz" does not exist` | Falsche source_column | Schema prüfen, Spalte korrigieren |
+| `division by zero` | Keine Daten für Durchschnitt | None-Check vor Division |
+| `UndefinedColumn: training_category` | Filter-Spalte existiert nicht | Filter entfernen oder Spalte anlegen |
+
+---
+
+## Migration zu neuer Methode
+
+**Szenario:** Bestehende Goal-Type-Definition ändern
+
+**Beispiel:** `sport_pro_woche` von `avg_7d` zu `avg_per_week_30d`
+
+**SQL:**
+```sql
+UPDATE goal_type_definitions
+SET aggregation_method = 'avg_per_week_30d'
+WHERE type_key = 'sport_pro_woche';
+```
+
+**Wichtig:**
+- Bestehende Goals behalten ihre `current_value` (historisch)
+- Nächste Berechnung nutzt neue Methode
+- UI zeigt dann neuen Wert
+
+---
+
+## Dokumentations-Pflicht
+
+**Bei jeder neuen Methode:**
+1. ✅ Eintrag in dieser Datei (Tabelle "Verfügbare Methoden")
+2. ✅ Docstring in `_fetch_by_aggregation_method()`
+3. ✅ Beispiel-Anwendung (Use Case)
+4. ✅ Unit-Test (wenn möglich)
+5. ✅ Update in `goal_types.py` Schema-Info (falls relevant für Admin-UI)
+
+---
+
+## Zusammenfassung
+
+**Aggregationsmethoden sind:**
+- ✅ Zentral in `goal_utils.py`
+- ✅ SQL-basiert (PostgreSQL-Funktionen)
+- ✅ Filter-fähig (JSON-basiert)
+- ✅ Error-safe (Rollback + None-Return)
+- ✅ Erweiterbar (einfaches elif-Pattern)
+
+**Für neue Methoden:**
+1. Name definieren (`{aggregat}_{zeitfenster}`)
+2. SQL Query schreiben (mit filter_sql)
+3. Testen (manuell + Unit-Test)
+4. Dokumentieren (diese Datei)
+
+**Bei Fragen:**
+- Siehe `backend/goal_utils.py` Zeile 259-430
+- Siehe bestehende Methoden als Template
+- Siehe `.claude/docs/working/GOALS_SYSTEM_UNIFIED_ANALYSIS.md` für Kontext

.claude/docs/technical/API_REFERENCE.md

@@ -0,0 +1,575 @@
+# API-Referenz
+
+## Basis-URLs
+
+| Umgebung | URL |
+|----------|-----|
+| **Production** | `https://mitai.jinkendo.de/api` |
+| **Development** | `https://dev.mitai.jinkendo.de/api` |
+| **Local** | `http://localhost:8000/api` (Backend direkt) |
+
+---
+
+## Authentifizierung
+
+**Alle geschützten Endpoints** benötigen einen Auth-Token im Header:
+
+```http
+GET /api/weight
+X-Auth-Token: jT9z3xK...pQ2vL
+```
+
+**Token-Beschaffung:** `POST /api/auth/login` → `{"token": "..."}`
+
+**Storage:** `localStorage.bodytrack_token` (Frontend)
+
+---
+
+## Fehler-Codes
+
+| Status | Bedeutung | Beispiel |
+|--------|-----------|----------|
+| **200** | Erfolg | `{"data": [...]}` |
+| **201** | Erstellt | `{"id": "uuid", ...}` |
+| **400** | Bad Request | `{"detail": "Ungültige Eingabe"}` |
+| **401** | Unauthorized | `{"detail": "Nicht eingeloggt"}` |
+| **403** | Forbidden | `{"detail": "Nur für Admins"}` oder `{"detail": "Feature-Limit erreicht"}` |
+| **404** | Not Found | `{"detail": "Eintrag nicht gefunden"}` |
+| **429** | Too Many Requests | `{"detail": "Rate limit exceeded: 5 per 1 minute"}` |
+| **500** | Server Error | `{"detail": "Interner Fehler"}` |
+
+**Standard-Fehler-Format:**
+```json
+{
+  "detail": "Fehlermeldung"
+}
+```
+
+---
+
+## Rate Limits
+
+| Endpoint | Limit | Grund |
+|----------|-------|-------|
+| `POST /api/auth/login` | 5/minute | Brute-Force-Schutz |
+| `POST /api/auth/register` | 3/hour | Spam-Prevention |
+| `POST /api/auth/forgot-password` | 3/minute | E-Mail-Flooding-Schutz |
+| `POST /api/auth/resend-verification` | 3/hour | E-Mail-Flooding-Schutz |
+
+**Andere Endpoints:** Keine Rate-Limits (Feature-Limits via Membership-System)
+
+---
+
+## Endpoints nach Modul
+
+### 1. Auth (`/api/auth/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `POST` | `/auth/login` | ❌ | `{email, password}` | `{token, profile_id, name, role, expires_at}` | Login mit E-Mail + Passwort |
+| `POST` | `/auth/logout` | ✅ | – | `{ok: true}` | Logout (löscht Session) |
+| `GET` | `/auth/me` | ✅ | – | `{id, name, email, role, tier, ...}` | Aktuelles Profil abrufen |
+| `GET` | `/auth/status` | ❌ | – | `{status: "ok", version: "v9b"}` | Health Check |
+| `PUT` | `/auth/pin` | ✅ | `{pin}` | `{ok: true}` | PIN/Passwort ändern |
+| `POST` | `/auth/forgot-password` | ❌ | `{email}` | `{ok: true, message}` | Passwort-Reset anfordern |
+| `POST` | `/auth/reset-password` | ❌ | `{token, new_password}` | `{ok: true, message}` | Passwort-Reset bestätigen |
+| `POST` | `/auth/register` | ❌ | `{name, email, password}` | `{ok: true, message}` | Selbst-Registrierung |
+| `GET` | `/auth/verify/{token}` | ❌ | – | `{ok: true, token, profile}` | E-Mail-Verifizierung |
+| `POST` | `/auth/resend-verification` | ❌ | `{email}` | `{ok: true, message}` | Verifizierungs-E-Mail erneut senden |
+
+**Rate Limits:** Siehe Tabelle oben
+
+---
+
+### 2. Profiles (`/api/profiles/*`, `/api/profile`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/profile` | ✅ | – | `{id, name, email, role, tier, ...}` | Aktives Profil |
+| `PUT` | `/profile` | ✅ | `{name?, sex?, dob?, height?, goal_weight?, goal_bf_pct?, avatar_color?}` | `{ok: true}` | Profil aktualisieren |
+| `GET` | `/profiles` | ✅ | – | `[{id, name, ...}, ...]` | Alle Profile (Multi-User, derzeit nicht genutzt) |
+| `POST` | `/profiles` | ✅ | `{name, ...}` | `{id, ...}` | Profil erstellen (Multi-User) |
+| `PUT` | `/profiles/{id}` | ✅ | `{name?, ...}` | `{ok: true}` | Profil bearbeiten |
+| `DELETE` | `/profiles/{id}` | ✅ | – | `{ok: true}` | Profil löschen |
+
+---
+
+### 3. Weight (`/api/weight/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/weight` | ✅ | `?limit=365` | `[{id, date, weight, note, source, created}, ...]` | Gewichtseinträge abrufen |
+| `POST` | `/weight` | ✅ | `{date, weight, note?}` | `{id, date, weight, ...}` | Gewicht eintragen (Upsert) |
+| `PUT` | `/weight/{id}` | ✅ | `{date, weight, note?}` | `{ok: true}` | Eintrag bearbeiten |
+| `DELETE` | `/weight/{id}` | ✅ | – | `{ok: true}` | Eintrag löschen |
+| `GET` | `/weight/stats` | ✅ | – | `{latest, avg_7d, avg_30d, delta_7d, delta_30d, trend}` | Gewichts-Statistiken |
+
+**Feature-Limits:** `weight_entries` (v9c Phase 4: Enforcement aktiv)
+
+---
+
+### 4. Circumferences (`/api/circumferences/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/circumferences` | ✅ | `?limit=100` | `[{id, date, c_neck, c_chest, c_waist, c_belly, c_hip, c_thigh, c_calf, c_arm, notes, photo_id}, ...]` | Umfangsmessungen |
+| `POST` | `/circumferences` | ✅ | `{date, c_neck?, c_chest?, ...}` | `{id, ...}` | Messung eintragen (Upsert) |
+| `PUT` | `/circumferences/{id}` | ✅ | `{date, ...}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/circumferences/{id}` | ✅ | – | `{ok: true}` | Löschen |
+
+**Feature-Limits:** `circumference_entries`
+
+---
+
+### 5. Caliper (`/api/caliper/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/caliper` | ✅ | `?limit=100` | `[{id, date, sf_method, sf_chest, sf_abdomen, ..., body_fat_pct, lean_mass, fat_mass, notes}, ...]` | Hautfaltenmessungen |
+| `POST` | `/caliper` | ✅ | `{date, sf_method, sf_chest?, ...}` | `{id, body_fat_pct, ...}` | Messung eintragen (berechnet KF% automatisch) |
+| `PUT` | `/caliper/{id}` | ✅ | `{date, ...}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/caliper/{id}` | ✅ | – | `{ok: true}` | Löschen |
+
+**Methoden:** `jackson3`, `jackson7`, `durnin`, `parrillo`
+
+**Feature-Limits:** `caliper_entries`
+
+---
+
+### 6. Activity (`/api/activity/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/activity` | ✅ | `?limit=200` | `[{id, date, start_time, end_time, activity_type, duration_min, kcal_active, hr_avg, hr_max, distance_km, rpe, source, notes}, ...]` | Aktivitäten |
+| `POST` | `/activity` | ✅ | `{date, activity_type, duration_min, ...}` | `{id, ...}` | Aktivität erstellen |
+| `PUT` | `/activity/{id}` | ✅ | `{date, ...}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/activity/{id}` | ✅ | – | `{ok: true}` | Löschen |
+| `GET` | `/activity/stats` | ✅ | – | `{total_activities, total_kcal, avg_duration, ...}` | Statistiken |
+| `GET` | `/activity/uncategorized` | ✅ | – | `[{activity_type, count}, ...]` | Unkategorisierte Aktivitäten |
+| `POST` | `/activity/bulk-categorize` | ✅ | `[{activity_type, training_type_id}, ...]` | `{ok: true, updated_count}` | Bulk-Kategorisierung (lernendes System) |
+| `POST` | `/activity/import-csv` | ✅ | `FormData(file)` | `{imported, skipped, failed, errors}` | Apple Health CSV-Import |
+
+**Feature-Limits:** `activity_entries`
+
+---
+
+### 7. Nutrition (`/api/nutrition/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/nutrition` | ✅ | `?limit=365` | `[{id, date, kcal, protein_g, fat_g, carbs_g, source}, ...]` | Ernährungsdaten |
+| `GET` | `/nutrition/by-date/{date}` | ✅ | – | `{id, date, kcal, ...}` oder `null` | Eintrag für bestimmtes Datum |
+| `POST` | `/nutrition` | ✅ | `?date=YYYY-MM-DD&kcal=2000&protein_g=150&fat_g=70&carbs_g=200` | `{id, ...}` | Eintrag erstellen (Upsert) |
+| `PUT` | `/nutrition/{id}` | ✅ | `?kcal=2000&...` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/nutrition/{id}` | ✅ | – | `{ok: true}` | Löschen |
+| `GET` | `/nutrition/correlations` | ✅ | – | `{weight_vs_kcal: [...], bf_vs_protein: [...]}` | Korrelationen |
+| `GET` | `/nutrition/weekly` | ✅ | `?weeks=16` | `[{week, year, avg_kcal, avg_protein, ...}, ...]` | Wochendaten |
+| `GET` | `/nutrition/import-history` | ✅ | – | `[{date, count}, ...]` | Import-Historie |
+| `POST` | `/nutrition/import-csv` | ✅ | `FormData(file)` | `{imported, skipped, failed, errors}` | CSV-Import (FDDB, MyFitnessPal) |
+
+**Feature-Limits:** `nutrition_entries`, `data_import`
+
+---
+
+### 8. Photos (`/api/photos/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/photos` | ✅ | – | `[{id, date, path, created}, ...]` | Alle Fotos |
+| `GET` | `/photos/{id}` | ✅ | `?token=...` (optional) | Binary (JPEG) | Foto abrufen (Token für <img> tag) |
+| `POST` | `/photos` | ✅ | `FormData(file, date?)` | `{id, path, date}` | Foto hochladen |
+| `DELETE` | `/photos/{id}` | ✅ | – | `{ok: true}` | Foto löschen |
+
+**Feature-Limits:** `photos`
+
+**Hinweis:** Token-Parameter für `GET /photos/{id}` erlaubt Zugriff via `<img>` tag (ohne Header-Support)
+
+---
+
+### 9. AI Insights (`/api/insights/*`, `/api/ai/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/insights` | ✅ | – | `[{id, scope, content, created}, ...]` | Alle Insights |
+| `GET` | `/insights/latest` | ✅ | – | `{slug: content, ...}` | Neueste Insights pro Scope |
+| `POST` | `/insights/trend` | ✅ | – | `{content, usage}` | Trend-Analyse (Gewicht) |
+| `POST` | `/insights/run/{slug}` | ✅ | – | `{content, usage}` | Einzelnen Prompt ausführen |
+| `POST` | `/insights/pipeline` | ✅ | – | `{content, usage}` | 3-stufige Pipeline |
+
+**Feature-Limits:** `ai_calls` (pro Aufruf), `ai_pipeline` (für Pipeline)
+
+**Prompts:** Konfigurierbar via `/api/prompts`
+
+---
+
+### 10. AI Prompts (`/api/prompts/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/prompts` | ✅ | – | `[{id, slug, name, description, template, active, sort_order}, ...]` | Alle Prompts |
+| `PUT` | `/prompts/{id}` | 🔒 Admin | `{name?, description?, template?, active?, sort_order?}` | `{ok: true}` | Prompt bearbeiten |
+
+**Standard-Prompts:**
+- `weight-trend` – Gewichts-Trend-Analyse
+- `nutrition-analysis` – Ernährungs-Auswertung
+- `training-plan` – Trainings-Empfehlungen
+- `body-composition` – Körperzusammensetzung
+- `progress-summary` – Fortschritts-Zusammenfassung
+- `pipeline` – Master-Schalter für Pipeline
+
+---
+
+### 11. Admin (`/api/admin/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/admin/profiles` | 🔒 Admin | – | `[{id, name, email, role, tier, ...}, ...]` | Alle Profile |
+| `POST` | `/admin/profiles` | 🔒 Admin | `{name, email, password, role?}` | `{id, ...}` | Profil erstellen |
+| `DELETE` | `/admin/profiles/{id}` | 🔒 Admin | – | `{ok: true}` | Profil löschen |
+| `PUT` | `/admin/profiles/{id}/permissions` | 🔒 Admin | `{ai_enabled?, ai_limit_day?, export_enabled?}` | `{ok: true}` | Permissions setzen |
+
+---
+
+### 12. Stats (`/api/stats`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/stats` | ✅ | – | `{weight: {...}, nutrition: {...}, activity: {...}, body_comp: {...}}` | Dashboard-Stats |
+
+**Response-Struktur:**
+```json
+{
+  "weight": {
+    "latest": 75.5,
+    "avg_7d": 75.8,
+    "avg_30d": 76.2,
+    "delta_7d": -0.3,
+    "delta_30d": -0.7
+  },
+  "nutrition": {
+    "avg_kcal_7d": 2100,
+    "avg_protein_7d": 150,
+    "days_logged_7d": 6
+  },
+  "activity": {
+    "total_activities_7d": 5,
+    "total_kcal_7d": 2500,
+    "avg_duration_7d": 45
+  },
+  "body_comp": {
+    "latest_bf_pct": 12.5,
+    "latest_lean_mass": 65.8
+  }
+}
+```
+
+---
+
+### 13. Export (`/api/export/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/export/csv` | ✅ | – | Binary (CSV) | Alle Daten als CSV |
+| `GET` | `/export/json` | ✅ | – | Binary (JSON) | Alle Daten als JSON |
+| `GET` | `/export/zip` | ✅ | – | Binary (ZIP) | Alle Daten + Fotos als ZIP |
+
+**Feature-Limits:** `data_export`
+
+**Dateiname:** `mitai-export-YYYY-MM-DD.[csv|json|zip]`
+
+**ZIP-Struktur:**
+```
+mitai-export-2026-03-23.zip
+├── data.json
+├── photos/
+│   ├── photo_uuid1.jpg
+│   └── photo_uuid2.jpg
+└── README.txt
+```
+
+---
+
+### 14. Import (`/api/import/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `POST` | `/import/backup` | ✅ | `FormData(file)` | `{imported: {...}, skipped: {...}, failed: {...}}` | JSON-Backup importieren |
+
+**Feature-Limits:** `data_import`
+
+**Format:** JSON-Export von `/export/json`
+
+**Hinweis:** Überschreibt keine existierenden Einträge (Upsert-Logik)
+
+---
+
+## Subscription System (v9c)
+
+### 15. Subscription (`/api/subscription/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/subscription/me` | ✅ | – | `{tier, tier_expires_at, trial_ends_at, invited_by, ...}` | Abo-Status |
+| `GET` | `/subscription/usage` | ✅ | – | `{feature_id: {used, limit, remaining, allowed}, ...}` | Feature-Usage |
+| `GET` | `/subscription/limits` | ✅ | – | `{feature_id: limit, ...}` | Feature-Limits für aktuelles Tier |
+
+---
+
+### 16. Coupons (`/api/coupons/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `POST` | `/coupons/redeem` | ✅ | `{code}` | `{ok: true, tier_id, valid_days, message}` | Coupon einlösen |
+| `GET` | `/coupons` | 🔒 Admin | – | `[{id, code, tier_id, valid_days, max_uses, ...}, ...]` | Alle Coupons |
+| `POST` | `/coupons` | 🔒 Admin | `{code, tier_id, valid_days, max_uses?}` | `{id, ...}` | Coupon erstellen |
+| `PUT` | `/coupons/{id}` | 🔒 Admin | `{...}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/coupons/{id}` | 🔒 Admin | – | `{ok: true}` | Löschen |
+| `GET` | `/coupons/{id}/redemptions` | 🔒 Admin | – | `[{profile_id, redeemed_at}, ...]` | Einlösungen |
+
+---
+
+### 17. Features (`/api/features/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/features` | ✅ | – | `[{id, name, description, limit_type, reset_period, default_limit, active}, ...]` | Alle Features |
+| `GET` | `/features/usage` | ✅ | – | `[{feature_id, feature_name, limit, used, remaining, allowed, reason}, ...]` | Feature-Usage für aktuellen User |
+| `POST` | `/features` | 🔒 Admin | `{id, name, description, limit_type, reset_period, default_limit}` | `{id, ...}` | Feature erstellen |
+| `PUT` | `/features/{id}` | 🔒 Admin | `{...}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/features/{id}` | 🔒 Admin | – | `{ok: true}` | Löschen |
+
+**Limit-Types:** `count` (zählbar), `boolean` (on/off)
+
+**Reset-Periods:** `never`, `daily`, `monthly`
+
+---
+
+### 18. Tiers (`/api/tiers/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/tiers` | 🔒 Admin | – | `[{id, name, description, price_monthly, active}, ...]` | Alle Tiers |
+| `POST` | `/tiers` | 🔒 Admin | `{id, name, description, price_monthly}` | `{id, ...}` | Tier erstellen |
+| `PUT` | `/tiers/{id}` | 🔒 Admin | `{...}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/tiers/{id}` | 🔒 Admin | – | `{ok: true}` | Löschen |
+
+**Standard-Tiers:** `free`, `basic`, `premium`, `selfhosted`
+
+---
+
+### 19. Tier Limits (`/api/tier-limits/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/tier-limits` | 🔒 Admin | – | `{tiers: [...], features: [...], matrix: {...}}` | Tier-Limits-Matrix |
+| `PUT` | `/tier-limits` | 🔒 Admin | `{tier_id, feature_id, limit_value}` | `{ok: true}` | Limit setzen |
+| `PUT` | `/tier-limits/batch` | 🔒 Admin | `{updates: [{tier_id, feature_id, limit_value}, ...]}` | `{ok: true}` | Batch-Update |
+
+**Matrix-Format:**
+```json
+{
+  "tiers": ["free", "basic", "premium", "selfhosted"],
+  "features": [
+    {"id": "weight_entries", "name": "Gewichtseinträge", ...},
+    ...
+  ],
+  "matrix": {
+    "weight_entries": {
+      "free": 100,
+      "basic": 1000,
+      "premium": null,
+      "selfhosted": null
+    },
+    ...
+  }
+}
+```
+
+---
+
+### 20. User Restrictions (`/api/user-restrictions/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/user-restrictions` | 🔒 Admin | `?profile_id=...` | `[{id, profile_id, feature_id, limit_value}, ...]` | User-spezifische Limits |
+| `POST` | `/user-restrictions` | 🔒 Admin | `{profile_id, feature_id, limit_value}` | `{id, ...}` | Limit setzen |
+| `PUT` | `/user-restrictions/{id}` | 🔒 Admin | `{limit_value}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/user-restrictions/{id}` | 🔒 Admin | – | `{ok: true}` | Löschen |
+
+**Verwendung:** Individuelle Limits überschreiben Tier-Limits
+
+---
+
+### 21. Access Grants (`/api/access-grants/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/access-grants` | 🔒 Admin | `?profile_id=...&active_only=true` | `[{id, profile_id, tier_id, valid_from, valid_until, source, is_active}, ...]` | Zeitlich begrenzte Tier-Zugriffe |
+| `POST` | `/access-grants` | 🔒 Admin | `{profile_id, tier_id, valid_from, valid_until, source?}` | `{id, ...}` | Grant erstellen |
+| `PUT` | `/access-grants/{id}` | 🔒 Admin | `{...}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/access-grants/{id}` | 🔒 Admin | – | `{ok: true}` | Revoke |
+
+**Quellen:** `coupon`, `trial`, `manual`, `gift`
+
+---
+
+## Training Types (v9d)
+
+### 22. Training Types (`/api/training-types/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/training-types` | ✅ | – | `{category: [{id, name, category, color, icon}, ...], ...}` | Gruppiert nach Kategorie |
+| `GET` | `/training-types/flat` | ✅ | – | `[{id, name, category, ...}, ...]` | Flache Liste |
+| `GET` | `/training-types/categories` | ✅ | – | `[{id, name, icon, color}, ...]` | Kategorien-Metadaten |
+
+**Kategorien:** Kraft, Cardio, Flexibilität, Spiel & Sport, Alltag & Bewegung, Outdoor & Natur, Geist & Meditation
+
+---
+
+### 23. Admin Training Types (`/api/admin/training-types/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/admin/training-types` | 🔒 Admin | – | `[{id, name, category, color, icon, abilities}, ...]` | Alle Typen (inkl. abilities JSONB) |
+| `GET` | `/admin/training-types/{id}` | 🔒 Admin | – | `{id, name, ...}` | Einzelner Typ |
+| `POST` | `/admin/training-types` | 🔒 Admin | `{name, category, color?, icon?}` | `{id, ...}` | Typ erstellen |
+| `PUT` | `/admin/training-types/{id}` | 🔒 Admin | `{name?, category?, color?, icon?, abilities?}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/admin/training-types/{id}` | 🔒 Admin | – | `{ok: true}` | Löschen |
+| `GET` | `/admin/training-types/taxonomy/abilities` | 🔒 Admin | – | `{categories: [...], abilities: [...]}` | Abilities-Taxonomie (v9f) |
+
+---
+
+### 24. Activity Mappings (`/api/admin/activity-mappings/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/admin/activity-mappings` | 🔒 Admin | `?profile_id=...&global_only=true` | `[{id, activity_type, training_type_id, profile_id, is_global}, ...]` | Lernendes Mapping-System |
+| `GET` | `/admin/activity-mappings/{id}` | 🔒 Admin | – | `{id, ...}` | Einzelnes Mapping |
+| `POST` | `/admin/activity-mappings` | 🔒 Admin | `{activity_type, training_type_id, profile_id?, is_global?}` | `{id, ...}` | Mapping erstellen |
+| `PUT` | `/admin/activity-mappings/{id}` | 🔒 Admin | `{training_type_id?, is_global?}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/admin/activity-mappings/{id}` | 🔒 Admin | – | `{ok: true}` | Löschen |
+| `GET` | `/admin/activity-mappings/stats/coverage` | 🔒 Admin | – | `{total_activities, mapped, unmapped, coverage_pct}` | Mapping-Coverage |
+
+**Auto-Learning:** Bulk-Kategorisierung in ActivityPage speichert neue Mappings automatisch
+
+---
+
+### 25. Training Profiles (`/api/evaluation/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/evaluation/parameters` | 🔒 Admin | – | `{categories: [...], abilities: [...]}` | Training-Parameter-Taxonomie |
+| `POST` | `/evaluation/batch` | 🔒 Admin | – | `{evaluated, failed, errors}` | Batch-Evaluierung aller Aktivitäten (v9d #15) |
+
+---
+
+## Sleep & Vitals (v9d Phase 2)
+
+### 26. Sleep (`/api/sleep/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/sleep` | ✅ | `?limit=90` | `[{id, date, bedtime, wakeup, duration_min, quality, sleep_segments, notes, source}, ...]` | Schlaf-Einträge |
+| `GET` | `/sleep/by-date/{date}` | ✅ | – | `{id, date, ...}` oder `null` | Eintrag für Datum |
+| `POST` | `/sleep` | ✅ | `{date, bedtime, wakeup, duration_min, quality?, sleep_segments?, notes?}` | `{id, ...}` | Eintrag erstellen (Upsert) |
+| `PUT` | `/sleep/{id}` | ✅ | `{...}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/sleep/{id}` | ✅ | – | `{ok: true}` | Löschen |
+| `GET` | `/sleep/stats` | ✅ | `?days=7` | `{avg_duration, avg_quality, total_deep, total_rem, ...}` | Stats |
+| `GET` | `/sleep/debt` | ✅ | `?days=14` | `{sleep_debt_min, avg_duration, target_duration}` | Schlafschuld |
+| `GET` | `/sleep/trend` | ✅ | `?days=30` | `[{date, duration_min, quality}, ...]` | Trend |
+| `GET` | `/sleep/phases` | ✅ | `?days=30` | `[{date, deep_min, rem_min, light_min, awake_min}, ...]` | Schlafphasen |
+| `POST` | `/sleep/import/apple-health` | ✅ | `FormData(file)` | `{imported, skipped, failed, errors}` | Apple Health CSV-Import |
+
+**sleep_segments Format (JSONB):**
+```json
+[
+  {"phase": "deep", "start": "23:30", "end": "01:15"},
+  {"phase": "rem", "start": "01:15", "end": "02:45"},
+  {"phase": "light", "start": "02:45", "end": "06:00"},
+  {"phase": "awake", "start": "06:00", "end": "06:15"}
+]
+```
+
+---
+
+### 27. Rest Days (`/api/rest-days/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/rest-days` | ✅ | `?limit=90` | `[{id, date, rest_type, reason, notes}, ...]` | Ruhetage |
+| `GET` | `/rest-days/{id}` | ✅ | – | `{id, ...}` | Einzelner Eintrag |
+| `POST` | `/rest-days` | ✅ | `{date, rest_type, reason?, notes?}` | `{id, ...}` | Ruhetag eintragen |
+| `PUT` | `/rest-days/{id}` | ✅ | `{...}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/rest-days/{id}` | ✅ | – | `{ok: true}` | Löschen |
+| `GET` | `/rest-days/stats` | ✅ | `?weeks=4` | `{total_rest_days, kraft_days, cardio_days, entspannung_days}` | Stats |
+| `POST` | `/rest-days/validate-activity` | ✅ | `{date, activity_type}` | `{conflicts: [{rest_type, reason}, ...]}` | Validierung gegen Ruhetage |
+
+**rest_type:** `kraft`, `cardio`, `entspannung` (Multi-Dimensional Rest)
+
+---
+
+### 28. Vitals Baseline (`/api/vitals/baseline/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/vitals/baseline` | ✅ | `?limit=90` | `[{id, date, resting_hr, hrv, vo2_max, spo2, respiratory_rate, notes}, ...]` | Morgenmessungen |
+| `GET` | `/vitals/baseline/by-date/{date}` | ✅ | – | `{id, ...}` oder `null` | Eintrag für Datum |
+| `POST` | `/vitals/baseline` | ✅ | `{date, resting_hr?, hrv?, vo2_max?, spo2?, respiratory_rate?, notes?}` | `{id, ...}` | Eintrag erstellen (Upsert) |
+| `PUT` | `/vitals/baseline/{id}` | ✅ | `{...}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/vitals/baseline/{id}` | ✅ | – | `{ok: true}` | Löschen |
+| `GET` | `/vitals/baseline/stats` | ✅ | `?days=30` | `{avg_resting_hr, avg_hrv, trend_resting_hr, trend_hrv}` | Stats |
+| `POST` | `/vitals/baseline/import/apple-health` | ✅ | `FormData(file)` | `{imported, skipped, failed, errors}` | Apple Health CSV-Import |
+
+**Messung:** 1x täglich, morgens nüchtern
+
+---
+
+### 29. Blood Pressure (`/api/blood-pressure/*`)
+
+| Methode | Pfad | Auth | Parameter | Response | Beschreibung |
+|---------|------|------|-----------|----------|--------------|
+| `GET` | `/blood-pressure` | ✅ | `?limit=90` | `[{id, date, time, systolic, diastolic, pulse, context, irregular_heartbeat, afib_warning, notes}, ...]` | Blutdruck-Messungen |
+| `GET` | `/blood-pressure/by-date/{date}` | ✅ | – | `[{id, time, ...}, ...]` | Alle Messungen für Datum |
+| `POST` | `/blood-pressure` | ✅ | `{date, time, systolic, diastolic, pulse?, context?, irregular_heartbeat?, afib_warning?, notes?}` | `{id, ...}` | Messung eintragen |
+| `PUT` | `/blood-pressure/{id}` | ✅ | `{...}` | `{ok: true}` | Bearbeiten |
+| `DELETE` | `/blood-pressure/{id}` | ✅ | – | `{ok: true}` | Löschen |
+| `GET` | `/blood-pressure/stats` | ✅ | `?days=30` | `{avg_systolic, avg_diastolic, avg_pulse, classification, trend}` | Stats |
+| `POST` | `/blood-pressure/import/omron` | ✅ | `FormData(file)` | `{imported, skipped, failed, errors}` | Omron CSV-Import (Deutsch) |
+
+**Contexts:** `fasting`, `after_meal`, `exercise`, `stress`, `rest`, `before_sleep`, `after_sleep`, `medication`
+
+**WHO/ISH-Klassifizierung:**
+- Optimal: <120/<80
+- Normal: 120-129/80-84
+- Hoch-Normal: 130-139/85-89
+- Hypertonie Grad 1: 140-159/90-99
+- Hypertonie Grad 2: 160-179/100-109
+- Hypertonie Grad 3: ≥180/≥110
+
+---
+
+## Zusammenfassung
+
+**Gesamt:** 29 Router-Module, ~200 Endpoints
+
+**Authentifizierung:** Token-basiert (X-Auth-Token Header)
+
+**Fehlerformat:** `{"detail": "Fehlermeldung"}`
+
+**Rate Limits:** Nur Auth-Endpoints (5/min Login, 3/hour Register)
+
+**Feature-Limits:** Membership-basiert (v9c), enforcement via HTTP 403
+
+**Import-Formate:** CSV (Apple Health, Omron, FDDB), JSON (Backup)
+
+**Export-Formate:** CSV, JSON, ZIP (mit Fotos)
+
+**Besonderheiten:**
+- Upsert-Logik für viele Endpoints (Date-basiert)
+- Inline-Editing-Support (GET by date, PUT by id)
+- CSV-Import mit Duplikat-Erkennung
+- Lernendes Mapping-System (Activity Types)
+- JSONB für flexible Datenstrukturen (sleep_segments, abilities)
+- Auto-Migration SHA256 → bcrypt
+- E-Mail-Verifizierung + Passwort-Reset

.claude/docs/technical/ARCHITECTURE.md

@@ -0,0 +1,634 @@
+# Architektur-Übersicht – Mitai Jinkendo
+
+## System-Überblick
+
+**Mitai Jinkendo** ist eine selbst-gehostete Progressive Web App (PWA) für Körper-Tracking mit KI-gestützter Auswertung. Die Architektur folgt einem klassischen **3-Tier-Modell** mit klarer Trennung von Präsentation, Business-Logik und Datenhaltung.
+
+```
+Internet
+   ↓
+Fritz!Box (privat.stommer.com)
+   ↓
+Synology NAS
+   ↓
+Raspberry Pi 5 (192.168.2.49)
+   ↓
+┌────────────────────────────────────┐
+│  Docker Compose Environment        │
+├────────────────────────────────────┤
+│  Frontend (React + Vite)           │  Port 3002 (Prod) / 3099 (Dev)
+│  Backend (FastAPI + Python)        │  Port 8002 (Prod) / 8099 (Dev)
+│  Database (PostgreSQL 16 Alpine)   │  Port 5432 (internal)
+└────────────────────────────────────┘
+```
+
+---
+
+## Tech-Stack
+
+| Komponente | Technologie | Version | Zweck |
+|-----------|-------------|---------|-------|
+| **Frontend** | React | 18 | UI Framework |
+| | Vite | Latest | Build Tool + Dev Server |
+| | React Router | 6 | Client-side Routing |
+| | Lucide React | Latest | Icon Library |
+| **Backend** | FastAPI | Latest | REST API Framework |
+| | Python | 3.12 | Programmiersprache |
+| | psycopg2-binary | Latest | PostgreSQL Driver |
+| | bcrypt | Latest | Passwort-Hashing |
+| | slowapi | Latest | Rate Limiting |
+| **Database** | PostgreSQL | 16 Alpine | Primäre Datenbank |
+| **Container** | Docker | Latest | Container Runtime |
+| | Docker Compose | v2 | Multi-Container Orchestration |
+| **KI** | OpenRouter API | - | Claude Sonnet 4 |
+| | Anthropic API | - | Direkt-Integration (optional) |
+| **Email** | SMTP | - | E-Mail-Versand (Verifikation, Reset) |
+| **Infrastruktur** | Raspberry Pi 5 | - | Host-System |
+| | Gitea | 3000 | Git Server + CI/CD |
+| | Synology NAS | - | Reverse Proxy |
+
+---
+
+## Deployment-Architektur
+
+### Umgebungen
+
+| Umgebung | Domain | Branch | Ports | Deployment |
+|----------|--------|--------|-------|-----------|
+| **Production** | mitai.jinkendo.de | `main` | 3002/8002 | Auto-Deploy via Gitea |
+| **Development** | dev.mitai.jinkendo.de | `develop` | 3099/8099 | Auto-Deploy via Gitea |
+
+### Git-Workflow
+
+```
+develop → Push → Gitea Webhook → Runner → docker-compose.dev-env.yml → dev.mitai.jinkendo.de
+main    → Push → Gitea Webhook → Runner → docker-compose.yml → mitai.jinkendo.de
+```
+
+**Runner-Details:**
+- Läuft auf Raspberry Pi 5 (`/home/lars/gitea-runner/`)
+- Watchtower für automatische Updates
+- Docker Compose Build + Restart bei neuen Commits
+
+### Verzeichnisstruktur auf dem Server
+
+```
+/home/lars/docker/
+├── bodytrack/           # Production
+│   ├── docker-compose.yml
+│   └── .env
+└── bodytrack-dev/       # Development
+    ├── docker-compose.dev-env.yml
+    └── .env
+```
+
+**Externe Volumes:**
+- `bodytrack_bodytrack-data` → `/app/data` (Backend JSON-Daten, Legacy)
+- `bodytrack_bodytrack-photos` → `/app/photos` (Progress-Fotos)
+- `mitai_postgres_data` → PostgreSQL Datenbank
+
+---
+
+## Komponenten-Übersicht
+
+### Backend-Module (26 Router)
+
+| Router | Endpunkte | Beschreibung |
+|--------|-----------|--------------|
+| **auth** | `/api/auth/*` | Login, Register, Verify, Password Reset |
+| **profiles** | `/api/profiles/*`, `/api/profile` | Nutzerverwaltung |
+| **weight** | `/api/weight/*` | Gewichts-Tracking |
+| **circumference** | `/api/circumferences/*` | Umfangsmessungen (8 Punkte) |
+| **caliper** | `/api/caliper/*` | Hautfaltenmessungen (4 Methoden) |
+| **activity** | `/api/activity/*` | Training & Aktivitäten |
+| **nutrition** | `/api/nutrition/*` | Ernährungsdaten (Kalorien + Makros) |
+| **photos** | `/api/photos/*` | Progress-Fotos |
+| **insights** | `/api/insights/*`, `/api/ai/*` | KI-Auswertungen |
+| **prompts** | `/api/prompts/*` | Konfigurierbare KI-Prompts |
+| **admin** | `/api/admin/*` | Admin-Panel (Profile, Permissions) |
+| **stats** | `/api/stats` | Statistiken für Dashboard |
+| **exportdata** | `/api/export/*` | CSV/JSON/ZIP Export |
+| **importdata** | `/api/import/*` | CSV Import |
+| **subscription** | `/api/subscription/*` | Abo-Status (v9c) |
+| **coupons** | `/api/coupons/*` | Coupon-System (v9c) |
+| **features** | `/api/features/*` | Feature-Verwaltung (v9c) |
+| **tiers_mgmt** | `/api/tiers/*` | Tier-Verwaltung (v9c) |
+| **tier_limits** | `/api/tier-limits/*` | Tier-Limits Matrix (v9c) |
+| **user_restrictions** | `/api/user-restrictions/*` | User-spezifische Limits (v9c) |
+| **access_grants** | `/api/access-grants/*` | Zeitlich begrenzte Zugriffe (v9c) |
+| **training_types** | `/api/training-types/*` | Trainingstypen (v9d) |
+| **admin_training_types** | `/api/admin/training-types/*` | Trainingstypen-Admin (v9d) |
+| **admin_activity_mappings** | `/api/admin/activity-mappings/*` | Activity Mapping Admin (v9d) |
+| **sleep** | `/api/sleep/*` | Schlaf-Modul (v9d Phase 2b) |
+| **rest_days** | `/api/rest-days/*` | Ruhetage (v9d Phase 2a) |
+| **vitals_baseline** | `/api/vitals/baseline/*` | Morgenmessungen (RHR, HRV, VO2 Max) |
+| **blood_pressure** | `/api/blood-pressure/*` | Blutdruck (mehrfach täglich) |
+| **evaluation** | `/api/evaluation/*` | Training Type Profiling (v9d Phase 2 #15) |
+
+**Registrierung in `main.py`:**
+```python
+app.include_router(auth.router)
+app.include_router(profiles.router)
+# ... alle 26 Router
+```
+
+### Frontend-Struktur
+
+```
+frontend/src/
+├── App.jsx                  # Root-Komponente + Routing
+├── app.css                  # Globales Design-System
+├── context/
+│   ├── AuthContext.jsx      # Session-Management
+│   └── ProfileContext.jsx   # Aktives Profil
+├── pages/                   # 30+ Seiten
+│   ├── LoginScreen.jsx      # Login + Auto-Migration SHA256→bcrypt
+│   ├── Register.jsx         # Selbst-Registrierung (v9c)
+│   ├── Verify.jsx           # E-Mail-Verifizierung
+│   ├── Dashboard.jsx        # Übersicht mit Stats + Charts
+│   ├── CaptureHub.jsx       # Quick-Entry-Auswahl
+│   ├── WeightScreen.jsx     # Gewichts-Erfassung
+│   ├── CircumScreen.jsx     # Umfänge
+│   ├── CaliperScreen.jsx    # Caliper
+│   ├── ActivityPage.jsx     # Training (mit Trainingstypen v9d)
+│   ├── NutritionPage.jsx    # Ernährung (3-Tab: Entry/Import/Charts)
+│   ├── SleepPage.jsx        # Schlaf (v9d Phase 2b)
+│   ├── RestDaysPage.jsx     # Ruhetage (v9d Phase 2a)
+│   ├── VitalsPage.jsx       # Vitalwerte (3-Tab: Baseline/BP/Import)
+│   ├── History.jsx          # Verlauf-Charts
+│   ├── Analysis.jsx         # KI-Analyse + Pipeline
+│   ├── SettingsPage.jsx     # Einstellungen
+│   ├── SubscriptionPage.jsx # Membership-UI (v9c)
+│   └── Admin*.jsx           # 9 Admin-Seiten
+└── utils/
+    ├── api.js               # ALLE API-Calls (285 Zeilen)
+    ├── calc.js              # Body-Fat-Berechnungen
+    ├── interpret.js         # Daten-Interpretation
+    ├── Markdown.jsx         # Markdown-Renderer
+    └── guideData.js         # Guide-Inhalte
+```
+
+---
+
+## Datenfluss
+
+### 1. User Request → Auth → API → Database
+
+```
+User Action (Frontend)
+   ↓
+api.js (Token injiziert via hdrs())
+   ↓
+FastAPI Endpoint
+   ↓
+require_auth() Dependency (auth.py)
+   ↓  (validiert X-Auth-Token → session)
+   ↓
+get_session() → SELECT FROM sessions JOIN profiles
+   ↓  (returns session dict mit profile_id, role, ai_enabled, ...)
+   ↓
+Router-Funktion
+   ↓
+db.py → get_db() Context Manager
+   ↓
+psycopg2 → PostgreSQL Query (RealDictCursor)
+   ↓
+Response (JSON)
+```
+
+### 2. Feature Access Control (v9c)
+
+```
+Endpoint (z.B. POST /api/insights/run)
+   ↓
+check_feature_access(profile_id, 'ai_calls')
+   ↓
+Prüf-Hierarchie:
+  1. user_feature_restrictions (user-spezifisch)
+  2. tier_limits (Tier-basiert)
+  3. features.default_limit (Fallback)
+   ↓
+get_effective_tier(profile_id)
+  → access_grants (Coupon/Trial) ODER profiles.tier
+   ↓
+user_feature_usage (aktueller Zähler)
+   ↓
+Ergebnis: {allowed: bool, limit: int, used: int, remaining: int, reason: str}
+   ↓
+Falls allowed == false → HTTP 403
+Falls allowed == true  → increment_feature_usage() + execute
+```
+
+### 3. KI-Pipeline (3-stufig)
+
+```
+User: "Analyse starten"
+   ↓
+POST /api/insights/pipeline
+   ↓
+check_feature_access('ai_pipeline')
+   ↓
+Stufe 1: Gewicht-Trend  → claude-sonnet-4 (OpenRouter)
+Stufe 2: Ernährung      → claude-sonnet-4
+Stufe 3: Gesamtanalyse  → claude-sonnet-4 (mit Ergebnissen aus 1+2)
+   ↓
+Jeder Call: increment_feature_usage('ai_calls')
+   ↓
+INSERT INTO ai_insights (scope='pipeline', content=...)
+   ↓
+Return: {content: "...", usage: {...}}
+```
+
+---
+
+## Sicherheitsarchitektur
+
+### 1. Passwort-Sicherheit
+
+**Hash-Verfahren:**
+- **Aktuell:** bcrypt (Salting + Work Factor)
+- **Legacy:** SHA256 (wird beim Login automatisch zu bcrypt migriert)
+
+**Passwort-Hashing (`auth.py`):**
+```python
+def hash_pin(pin: str) -> str:
+    return bcrypt.hashpw(pin.encode(), bcrypt.gensalt()).decode()
+
+def verify_pin(pin: str, stored_hash: str) -> bool:
+    if stored_hash.startswith('$2'):  # bcrypt
+        return bcrypt.checkpw(pin.encode(), stored_hash.encode())
+    # Legacy SHA256 → auto-upgrade beim nächsten Login
+    return stored_hash == hashlib.sha256(pin.encode()).hexdigest()
+```
+
+### 2. Session-Management
+
+**Token-Format:**
+- `secrets.token_urlsafe(32)` → 43 Zeichen Base64-URL-safe
+- Gespeichert in `sessions` Tabelle mit `expires_at`
+- Standard-Lebensdauer: 30 Tage (konfigurierbar pro Profil)
+
+**Auth-Flow:**
+```python
+# Backend
+@router.post("/api/auth/login")
+def login(email, password):
+    profile = SELECT ... WHERE email=...
+    verify_pin(password, profile.pin_hash)  # ✓
+    token = make_token()
+    INSERT INTO sessions (token, profile_id, expires_at)
+    return {"token": token, "profile": {...}}
+
+# Frontend (AuthContext.jsx)
+localStorage.setItem('mitai-jinkendo_token', token)
+```
+
+**Auth-Middleware (`auth.py`):**
+```python
+def require_auth(x_auth_token: Optional[str] = Header(default=None)):
+    session = get_session(x_auth_token)
+    if not session:
+        raise HTTPException(401, "Nicht eingeloggt")
+    return session  # dict mit profile_id, role, ai_enabled, ...
+```
+
+### 3. CORS-Konfiguration
+
+**Produktion (`docker-compose.yml`):**
+```yaml
+ALLOWED_ORIGINS: https://mitai.jinkendo.de
+```
+
+**Development:**
+```yaml
+ALLOWED_ORIGINS: https://dev.mitai.jinkendo.de,http://localhost:3099
+```
+
+**FastAPI Setup (`main.py`):**
+```python
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=os.getenv("ALLOWED_ORIGINS", "*").split(","),
+    allow_credentials=True,
+    allow_methods=["GET","POST","PUT","DELETE","OPTIONS"],
+    allow_headers=["*"],
+)
+```
+
+### 4. Rate Limiting
+
+**Library:** slowapi (Redis-freie In-Memory Rate Limiting)
+
+**Anwendung:**
+```python
+from slowapi import Limiter
+from slowapi.util import get_remote_address
+
+limiter = Limiter(key_func=get_remote_address)
+app.state.limiter = limiter
+
+@router.post("/auth/login")
+@limiter.limit("5/minute")  # Max 5 Login-Versuche pro Minute
+def login(request: Request, ...):
+    ...
+```
+
+**Geschützte Endpoints:**
+- `/api/auth/login` → 5/minute
+- `/api/auth/register` → 3/minute
+- KI-Endpoints → via Feature-Limits (nicht Rate Limiting)
+
+### 5. SQL Injection Protection
+
+**Parameter-Binding:**
+```python
+# ✅ Sicher (psycopg2 escaped automatisch):
+cur.execute("SELECT * FROM profiles WHERE id = %s", (profile_id,))
+
+# ❌ NIEMALS:
+cur.execute(f"SELECT * FROM profiles WHERE id = '{profile_id}'")
+```
+
+**RealDictCursor:**
+- Automatisches Escaping
+- Keine String-Konkatenation
+
+---
+
+## Versions-Historie
+
+### v9c (Komplett) – Production seit 21.03.2026 ✅
+
+**Features:**
+- Membership-System (5 Tiers: free/basic/premium/selfhosted)
+- Coupon-System + Trial (14 Tage)
+- Feature-Enforcement (4 Phasen):
+  - Phase 1: Cleanup ✅
+  - Phase 2: Monitoring ✅
+  - Phase 3: Frontend Display ✅
+  - Phase 4: Enforcement (HTTP 403) ✅
+- Selbst-Registrierung + E-Mail-Verifizierung
+- Export: CSV/JSON/ZIP
+- Ernährungs-Modul erweitert (3-Tab Layout)
+
+### v9d – Phase 1b ✅
+
+**Trainingstypen-System:**
+- 29 Trainingstypen in 7 Kategorien
+- Lernendes Mapping-System (DB-basiert)
+- Apple Health Import (Deutsch + English)
+- Bulk-Kategorisierung (selbstlernend)
+
+### v9d – Phase 2 ✅ (Deployed 23.03.2026)
+
+**Vitalwerte & Erholung:**
+- **Schlaf-Modul (v9d Phase 2b):**
+  - Tabelle `sleep_log` mit JSONB sleep_segments
+  - Schlafphasen (Deep, REM, Light, Awake)
+  - Apple Health CSV Import
+- **Ruhetage (v9d Phase 2a):**
+  - Multi-dimensionale Ruhetage (Kraft/Cardio/Entspannung)
+  - Quick Mode Presets + Custom Entry
+- **Vitalwerte erweitert (v9d Phase 2d):**
+  - **3-Tab Architektur:** Baseline (morgens) / Blutdruck (mehrfach täglich) / Import
+  - **Baseline Vitals:** Ruhepuls, HRV, VO2 Max, SpO2, Atemfrequenz
+  - **Blutdruck:** Systolisch/Diastolisch + Puls, WHO/ISH-Klassifizierung
+  - **Context-Tagging:** 8 Kontexte (nüchtern, nach Essen, Training, Stress, etc.)
+  - **Inline-Editing:** Alle Messungen direkt in der Liste bearbeitbar
+  - CSV Import: Omron (Deutsch) + Apple Health (Deutsch/Englisch)
+
+### v9b (PostgreSQL-Migration)
+
+- Migration SQLite → PostgreSQL 16
+- Connection Pooling (psycopg2)
+- UUID statt Integer Primary Keys
+- Trigger für auto-update timestamps
+
+### v9a (Basis)
+
+- Login + Auth-Middleware
+- Gewicht, Umfänge, Caliper, Ernährung, Aktivität
+- KI-Analyse (6 Prompts + 3-stufige Pipeline)
+- PWA + Dashboard
+- Admin-Panel
+
+---
+
+## Design-Entscheidungen
+
+### Warum PostgreSQL statt SQLite?
+
+**Vorteile:**
+- Concurrent Writes (SQLite locked bei Writes)
+- Native UUID Support
+- JSONB für flexible Datenstrukturen (z.B. sleep_segments)
+- Trigger + Stored Procedures
+- Production-ready für Self-Hosting
+
+**Migration:**
+- Automatisches Migrations-System (`db_init.py`)
+- Rollback-fähig via SQL-Dateien
+- Tracking in `schema_migrations` Tabelle
+
+### Warum FastAPI statt Flask/Django?
+
+**Vorteile:**
+- Async Support (für zukünftige WebSocket-Features)
+- Automatic OpenAPI Docs
+- Type Hints → automatische Validierung
+- Dependency Injection (z.B. `require_auth`)
+- Performance (ASGI statt WSGI)
+
+### Warum React statt Vue/Svelte?
+
+**Entscheidung:**
+- Bekanntes Ecosystem
+- Context API ausreichend (kein Redux nötig)
+- Gute PWA-Integration
+- React Router maturity
+
+### Warum kein TypeScript?
+
+**Entscheidung (bewusst):**
+- Schnellere Prototyping-Geschwindigkeit
+- Weniger Build-Komplexität
+- Dokumentation via JSDoc-Kommentare
+- Type Safety durch Backend (Pydantic)
+
+### Warum Connection Pooling?
+
+**Problem ohne Pooling:**
+- Jeder API-Call → neue DB-Verbindung → Overhead
+- PostgreSQL max_connections erreicht bei vielen gleichzeitigen Requests
+
+**Lösung:**
+```python
+_pool = psycopg2.pool.SimpleConnectionPool(minconn=1, maxconn=10)
+
+@contextmanager
+def get_db():
+    conn = _pool.getconn()
+    try:
+        yield conn
+        conn.commit()
+    except:
+        conn.rollback()
+        raise
+    finally:
+        _pool.putconn(conn)
+```
+
+**Vorteil:**
+- Max 10 gleichzeitige Verbindungen
+- Automatisches Recycling
+- Auto-Commit/Rollback
+
+---
+
+## Bekannte Limitationen & Workarounds
+
+### 1. Docker Build auf Raspberry Pi
+
+**Problem:** `apt-get install postgresql-client` hängt 30+ Minuten
+
+**Lösung:** Reine Python-Lösung mit `psycopg2-binary` (keine System-Dependencies)
+
+### 2. Apple Health CSV-Import
+
+**Problem:** Dezimalwerte werden als String exportiert (`"65.0"` statt `65`)
+
+**Lösung:**
+```python
+def safe_float(val):
+    try:
+        return float(val) if val else None
+    except:
+        return None
+```
+
+### 3. Bun Crash nach langen Claude Code Sessions
+
+**Problem:** Bun (JS Runtime für Claude Code CLI) crashed bei >30 Min Sessions
+
+**Workaround:** Bei komplexen Tasks früher committen + neue Session starten
+
+### 4. dayjs.week() ohne Plugin
+
+**Problem:** `dayjs().week()` existiert nicht ohne `isoWeek`-Plugin
+
+**Lösung:** Native ISO-Wochenberechnung:
+```javascript
+const isoWeek = (d => Math.ceil(((new Date(d.setDate(d.getDate()+4-(d.getDay()||7)))-
+  new Date(d.getFullYear(),0,1))/86400000+1)/7))(new Date(date))
+```
+
+---
+
+## Performance-Optimierungen
+
+### 1. Frontend
+
+- **Code Splitting:** React.lazy() für Admin-Seiten (nicht initial geladen)
+- **Image Loading:** `loading="lazy"` für Photos
+- **CSS:** Inline Critical CSS, kein CSS-in-JS Overhead
+- **PWA Cache:** Service Worker cached statische Assets
+
+### 2. Backend
+
+- **Connection Pooling:** Max 10 Connections statt unlimited
+- **Query Optimization:** Indizes auf häufig abgefragte Spalten
+- **Lazy Loading:** KI-Analysen nur auf Abruf, nicht im Dashboard
+
+### 3. Database
+
+**Indizes:**
+```sql
+CREATE INDEX idx_weight_log_profile_date ON weight_log(profile_id, date DESC);
+CREATE INDEX idx_sessions_expires_at ON sessions(expires_at);
+CREATE INDEX idx_ai_insights_profile_scope ON ai_insights(profile_id, scope, created DESC);
+```
+
+**Unique Constraints:**
+```sql
+CREATE UNIQUE INDEX idx_weight_log_profile_date_unique ON weight_log(profile_id, date);
+```
+
+---
+
+## Monitoring & Logging
+
+### 1. Feature Usage Logging (v9c Phase 2)
+
+**Format:** JSON Lines (JSONL)
+
+**Speicherort:** `/app/logs/feature-usage.log`
+
+**Beispiel:**
+```json
+{"timestamp":"2026-03-23T10:15:30Z","profile_id":"uuid-here","feature":"ai_calls","allowed":true,"limit":10,"used":3,"remaining":7}
+{"timestamp":"2026-03-23T10:16:00Z","profile_id":"uuid-here","feature":"data_export","allowed":false,"limit":0,"used":0,"remaining":0,"reason":"limit_exceeded"}
+```
+
+**Auswertung:**
+```bash
+cat feature-usage.log | jq -s 'group_by(.feature) | map({feature: .[0].feature, total: length})'
+```
+
+### 2. Health Checks
+
+**Database:**
+```yaml
+healthcheck:
+  test: ["CMD-SHELL", "pg_isready -U mitai_prod"]
+  interval: 10s
+```
+
+**API:**
+```python
+@app.get("/")
+def root():
+    return {"status": "ok", "service": "mitai-jinkendo", "version": "v9c-dev"}
+```
+
+### 3. Error Handling
+
+**Einheitliches Format:**
+```python
+raise HTTPException(status_code=404, detail="Eintrag nicht gefunden")
+# → {"detail": "Eintrag nicht gefunden"}
+```
+
+**Frontend (`api.js`):**
+```javascript
+if (!res.ok) {
+  const err = await res.text()
+  try {
+    const parsed = JSON.parse(err)
+    throw new Error(parsed.detail || err)
+  } catch {
+    throw new Error(err)
+  }
+}
+```
+
+---
+
+## Zusammenfassung
+
+**Architektur-Highlights:**
+- ✅ Modulare Router-Struktur (26 Module, single responsibility)
+- ✅ Connection Pooling (max 10 concurrent DB connections)
+- ✅ Token-basiertes Auth + bcrypt
+- ✅ Feature Access Control mit Tier-System
+- ✅ Docker Compose für einfaches Deployment
+- ✅ Auto-Deploy via Gitea Webhooks
+- ✅ PostgreSQL mit Migrations-System
+- ✅ PWA mit Service Worker
+- ✅ API-First Prinzip (Backend = Single Source of Truth)
+
+**Nächste Schritte (v9e+):**
+- Ziele-Modul (Goal Tracking)
+- HF-Zonen + Erholungsstatus
+- Stripe-Integration
+- Connectoren (Garmin, Withings, etc.)
+- Meditation + Selbstwahrnehmung

.claude/docs/technical/AUTH.md

@@ -0,0 +1,904 @@
+# Auth-Flow & Sicherheit
+
+## Übersicht
+
+Mitai Jinkendo nutzt **Token-basiertes Session-Management** mit bcrypt-Passwort-Hashing. Die Authentifizierung ist als FastAPI Dependency implementiert (`require_auth()`), die automatisch auf alle geschützten Endpoints angewendet wird.
+
+**Sicherheits-Features:**
+- ✅ bcrypt-Hashing (Work Factor ~12 Rounds)
+- ✅ Auto-Migration SHA256 → bcrypt
+- ✅ Rate Limiting (slowapi)
+- ✅ CORS-Konfiguration
+- ✅ E-Mail-Verifizierung für Registrierung
+- ✅ Passwort-Reset via E-Mail (1h Token)
+- ✅ Session-Expiry (30 Tage Standard)
+- ✅ Admin-Role-Check
+
+---
+
+## Login-Flow (Schritt für Schritt)
+
+### 1. User-Eingabe (Frontend)
+
+**LoginScreen.jsx:**
+```javascript
+const handleLogin = async () => {
+  const data = await login({ email: email.trim().toLowerCase(), password })
+  window.location.href = '/'  // Hard-Redirect nach Login
+}
+```
+
+### 2. POST /api/auth/login (Backend)
+
+**Request:**
+```json
+{
+  "email": "user@example.com",
+  "password": "geheim123"
+}
+```
+
+**Backend-Logik (`backend/routers/auth.py`):**
+```python
+@router.post("/login")
+@limiter.limit("5/minute")  # Rate Limiting
+async def login(req: LoginRequest, request: Request):
+    # 1. E-Mail-Lookup
+    cur.execute("SELECT * FROM profiles WHERE email=%s", (req.email.lower().strip(),))
+    prof = cur.fetchone()
+    if not prof:
+        raise HTTPException(401, "Ungültige Zugangsdaten")
+
+    # 2. Passwort-Verifizierung
+    if not verify_pin(req.password, prof['pin_hash']):
+        raise HTTPException(401, "Ungültige Zugangsdaten")
+
+    # 3. Auto-Migration SHA256 → bcrypt
+    if not prof['pin_hash'].startswith('$2'):  # bcrypt-Hash startet mit $2b$ oder $2a$
+        new_hash = hash_pin(req.password)
+        cur.execute("UPDATE profiles SET pin_hash=%s WHERE id=%s", (new_hash, prof['id']))
+
+    # 4. Session erstellen
+    token = make_token()  # secrets.token_urlsafe(32) → 43 Zeichen
+    session_days = prof.get('session_days', 30)
+    expires = datetime.now() + timedelta(days=session_days)
+    cur.execute("""
+        INSERT INTO sessions (token, profile_id, expires_at, created)
+        VALUES (%s, %s, %s, CURRENT_TIMESTAMP)
+    """, (token, prof['id'], expires))
+
+    return {
+        "token": token,
+        "profile_id": prof['id'],
+        "name": prof['name'],
+        "role": prof['role'],
+        "expires_at": expires.isoformat()
+    }
+```
+
+**Response:**
+```json
+{
+  "token": "jT9z3xK...(43 chars)...pQ2vL",
+  "profile_id": "550e8400-e29b-41d4-a716-446655440000",
+  "name": "Max Mustermann",
+  "role": "user",
+  "expires_at": "2026-04-22T14:30:00"
+}
+```
+
+### 3. Token-Speicherung (Frontend)
+
+**AuthContext.jsx:**
+```javascript
+const login = async (credentials) => {
+  const data = await api.login(credentials)
+
+  // Token speichern
+  localStorage.setItem('bodytrack_token', data.token)
+  localStorage.setItem('bodytrack_active_profile', data.profile_id)
+
+  // Volles Profil laden
+  const profile = await fetch('/api/auth/me', {
+    headers: { 'X-Auth-Token': data.token }
+  })
+
+  setSession({
+    token: data.token,
+    profile_id: data.profile_id,
+    role: data.role,
+    profile: await profile.json()
+  })
+}
+```
+
+### 4. Nachfolgende Requests
+
+**api.js:**
+```javascript
+function hdrs(extra={}) {
+  const h = {...extra}
+  const token = getToken()  // localStorage.getItem('bodytrack_token')
+  if (token) h['X-Auth-Token'] = token
+  return h
+}
+
+async function req(path, opts={}) {
+  const res = await fetch(BASE+path, {...opts, headers:hdrs(opts.headers||{})})
+  // ...
+}
+```
+
+**Jeder API-Call sendet automatisch:**
+```
+GET /api/weight
+Headers:
+  X-Auth-Token: jT9z3xK...pQ2vL
+```
+
+### 5. Auth-Validierung (Backend)
+
+**require_auth() Dependency:**
+```python
+def require_auth(x_auth_token: Optional[str] = Header(default=None)):
+    """FastAPI Dependency - requires valid authentication."""
+    session = get_session(x_auth_token)
+    if not session:
+        raise HTTPException(401, "Nicht eingeloggt")
+    return session
+
+def get_session(token: str):
+    """Get session data for a given token."""
+    if not token:
+        return None
+    with get_db() as conn:
+        cur = get_cursor(conn)
+        cur.execute("""
+            SELECT s.*, p.role, p.name, p.ai_enabled, p.ai_limit_day, p.export_enabled
+            FROM sessions s
+            JOIN profiles p ON s.profile_id=p.id
+            WHERE s.token=%s AND s.expires_at > CURRENT_TIMESTAMP
+        """, (token,))
+        return cur.fetchone()
+```
+
+**Endpoint-Beispiel:**
+```python
+@router.get("/api/weight")
+def list_weight(session: dict = Depends(require_auth)):
+    profile_id = session['profile_id']  # Immer aus Session, nie aus Header!
+    # ... Query mit profile_id
+```
+
+**Session-Dict:**
+```python
+{
+    'profile_id': 'uuid-string',
+    'role': 'user' | 'admin',
+    'name': 'Max Mustermann',
+    'ai_enabled': True,
+    'ai_limit_day': 10,
+    'export_enabled': True,
+    'expires_at': datetime(2026, 4, 22, 14, 30, 0)
+}
+```
+
+---
+
+## Registrierung-Flow (v9c)
+
+### 1. Selbst-Registrierung
+
+**POST /api/auth/register:**
+```json
+{
+  "name": "Max Mustermann",
+  "email": "max@example.com",
+  "password": "sicheresPasswort123"
+}
+```
+
+**Validierung:**
+- E-Mail: Muss `@` enthalten
+- Passwort: Mindestens 8 Zeichen
+- Name: Mindestens 2 Zeichen
+- E-Mail-Duplikat-Check
+
+**Backend:**
+```python
+@router.post("/register")
+@limiter.limit("3/hour")  # Rate Limiting
+async def register(req: RegisterRequest, request: Request):
+    email = req.email.lower().strip()
+
+    # Duplikat-Check
+    cur.execute("SELECT id FROM profiles WHERE email=%s", (email,))
+    if cur.fetchone():
+        raise HTTPException(400, "E-Mail-Adresse bereits registriert")
+
+    # Profil erstellen (inaktiv bis verifiziert)
+    profile_id = str(secrets.token_hex(16))
+    pin_hash = hash_pin(req.password)
+    verification_token = secrets.token_urlsafe(32)
+    verification_expires = datetime.now() + timedelta(hours=24)
+    trial_ends = datetime.now() + timedelta(days=14)  # 14-Tage-Trial
+
+    cur.execute("""
+        INSERT INTO profiles (
+            id, name, email, pin_hash, auth_type, role, tier,
+            email_verified, verification_token, verification_expires,
+            trial_ends_at, created
+        ) VALUES (%s, %s, %s, %s, 'email', 'user', 'free', FALSE, %s, %s, %s, CURRENT_TIMESTAMP)
+    """, (profile_id, req.name, email, pin_hash, verification_token, verification_expires, trial_ends))
+
+    # Verifizierungs-E-Mail senden
+    send_email(email, "Willkommen bei Mitai Jinkendo", f"Verify: {APP_URL}/verify?token={verification_token}")
+```
+
+**Response:**
+```json
+{
+  "ok": true,
+  "message": "Registrierung erfolgreich! Bitte prüfe dein E-Mail-Postfach."
+}
+```
+
+### 2. E-Mail-Verifizierung
+
+**User klickt Link in E-Mail:**
+```
+https://mitai.jinkendo.de/verify?token=jT9z3xK...pQ2vL
+```
+
+**GET /api/auth/verify/{token}:**
+```python
+@router.get("/verify/{token}")
+async def verify_email(token: str):
+    # Token-Lookup
+    cur.execute("""
+        SELECT id, name, email, email_verified, verification_expires
+        FROM profiles
+        WHERE verification_token=%s
+    """, (token,))
+    prof = cur.fetchone()
+
+    if not prof:
+        raise HTTPException(400, "Verifikations-Link ungültig")
+    if prof['email_verified']:
+        raise HTTPException(400, "E-Mail bereits bestätigt")
+    if datetime.now() > prof['verification_expires']:
+        raise HTTPException(400, "Link abgelaufen")
+
+    # Verifizierung
+    cur.execute("""
+        UPDATE profiles
+        SET email_verified=TRUE, verification_token=NULL, verification_expires=NULL
+        WHERE id=%s
+    """, (prof['id'],))
+
+    # Auto-Login (Session erstellen)
+    session_token = make_token()
+    expires = datetime.now() + timedelta(days=30)
+    cur.execute("""
+        INSERT INTO sessions (token, profile_id, expires_at, created)
+        VALUES (%s, %s, %s, CURRENT_TIMESTAMP)
+    """, (session_token, prof['id'], expires))
+
+    return {
+        "ok": True,
+        "token": session_token,
+        "profile": {"id": prof['id'], "name": prof['name'], "email": prof['email']}
+    }
+```
+
+**Frontend (Verify.jsx):**
+```javascript
+const verifyToken = urlParams.get('token')
+const data = await api.verifyEmail(verifyToken)
+
+// Auto-Login nach Verifizierung
+setAuthFromToken(data.token, data.profile)
+window.location.href = '/'
+```
+
+### 3. Resend Verification
+
+**POST /api/auth/resend-verification:**
+```json
+{
+  "email": "max@example.com"
+}
+```
+
+**Backend:**
+- Generiert neuen Token (24h Gültigkeit)
+- Sendet erneut E-Mail
+- Rate Limit: 3/hour
+
+---
+
+## Passwort-Reset-Flow
+
+### 1. Passwort vergessen
+
+**POST /api/auth/forgot-password:**
+```json
+{
+  "email": "max@example.com"
+}
+```
+
+**Backend:**
+```python
+@router.post("/forgot-password")
+@limiter.limit("3/minute")
+async def password_reset_request(req: PasswordResetRequest, request: Request):
+    email = req.email.lower().strip()
+
+    cur.execute("SELECT id, name FROM profiles WHERE email=%s", (email,))
+    prof = cur.fetchone()
+
+    if not prof:
+        # Don't reveal if email exists (Anti-Enumeration)
+        return {"ok": True, "message": "Falls die E-Mail existiert, wurde ein Link gesendet."}
+
+    # Reset-Token erstellen
+    token = secrets.token_urlsafe(32)
+    expires = datetime.now() + timedelta(hours=1)  # 1 Stunde gültig
+
+    # In sessions-Tabelle speichern (mit Präfix "reset_")
+    cur.execute("""
+        INSERT INTO sessions (token, profile_id, expires_at, created)
+        VALUES (%s, %s, %s, CURRENT_TIMESTAMP)
+    """, (f"reset_{token}", prof['id'], expires))
+
+    # E-Mail senden
+    send_email(prof['email'], "Passwort zurücksetzen", f"Reset: {APP_URL}/reset-password?token={token}")
+```
+
+### 2. Neues Passwort setzen
+
+**User klickt Link in E-Mail:**
+```
+https://mitai.jinkendo.de/reset-password?token=jT9z3xK...pQ2vL
+```
+
+**POST /api/auth/reset-password:**
+```json
+{
+  "token": "jT9z3xK...pQ2vL",
+  "new_password": "neuesPasswort123"
+}
+```
+
+**Backend:**
+```python
+@router.post("/reset-password")
+def password_reset_confirm(req: PasswordResetConfirm):
+    cur.execute("""
+        SELECT profile_id FROM sessions
+        WHERE token=%s AND expires_at > CURRENT_TIMESTAMP
+    """, (f"reset_{req.token}",))
+    sess = cur.fetchone()
+
+    if not sess:
+        raise HTTPException(400, "Ungültiger oder abgelaufener Reset-Link")
+
+    # Passwort ändern
+    new_hash = hash_pin(req.new_password)
+    cur.execute("UPDATE profiles SET pin_hash=%s WHERE id=%s", (new_hash, sess['profile_id']))
+
+    # Reset-Token löschen
+    cur.execute("DELETE FROM sessions WHERE token=%s", (f"reset_{req.token}",))
+
+    return {"ok": True, "message": "Passwort erfolgreich zurückgesetzt"}
+```
+
+---
+
+## Session-Management
+
+### Session-Struktur (Datenbank)
+
+**Tabelle: `sessions`**
+```sql
+CREATE TABLE sessions (
+    token       VARCHAR(64) PRIMARY KEY,      -- secrets.token_urlsafe(32)
+    profile_id  UUID NOT NULL REFERENCES profiles(id) ON DELETE CASCADE,
+    expires_at  TIMESTAMP WITH TIME ZONE NOT NULL,
+    created     TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
+);
+
+CREATE INDEX idx_sessions_profile_id ON sessions(profile_id);
+CREATE INDEX idx_sessions_expires_at ON sessions(expires_at);
+```
+
+### Token-Format
+
+**`secrets.token_urlsafe(32)`**
+- 32 Bytes Zufallsdaten
+- Base64-URL-safe-kodiert
+- Resultierende Länge: 43 Zeichen
+- Charset: `A-Za-z0-9_-`
+
+**Beispiel:** `jT9z3xKpLmN8vQrStUwXyZ1aB2cD3eF4gH5iJ6kL7mN8oP9qR`
+
+### Session-Lebensdauer
+
+**Standard:** 30 Tage (konfigurierbar pro Profil via `profiles.session_days`)
+
+**Nach Login:**
+```python
+session_days = prof.get('session_days', 30)
+expires = datetime.now() + timedelta(days=session_days)
+```
+
+**Automatische Bereinigung:**
+- Abgelaufene Sessions werden bei Login automatisch gelöscht (via `WHERE expires_at > CURRENT_TIMESTAMP`)
+- Geplant: Cron-Job für Cleanup alter Sessions (v10+)
+
+### Logout
+
+**POST /api/auth/logout:**
+```python
+@router.post("/logout")
+def logout(x_auth_token: Optional[str]=Header(default=None)):
+    if x_auth_token:
+        with get_db() as conn:
+            cur = get_cursor(conn)
+            cur.execute("DELETE FROM sessions WHERE token=%s", (x_auth_token,))
+    return {"ok": True}
+```
+
+**Frontend:**
+```javascript
+const logout = async () => {
+  await fetch('/api/auth/logout', {
+    method: 'POST',
+    headers: { 'X-Auth-Token': token }
+  })
+  localStorage.removeItem('bodytrack_token')
+  setSession(null)
+}
+```
+
+---
+
+## Passwort-Sicherheit
+
+### 1. bcrypt-Hashing
+
+**Verwendete Bibliothek:** `bcrypt` (Python)
+
+**Konfiguration:**
+- Work Factor: Default (~12 Rounds)
+- Automatisches Salting (integriert in bcrypt)
+
+**Hash-Format:**
+```
+$2b$12$LQv3c1yqBWVHxkd0LHAkCOYz3/yDZL1AJ.zCBU8fKWChSrW8GZF1a
+│ │  │  │                                                      │
+│ │  │  └─ Salt (22 Zeichen)                                  └─ Hash (31 Zeichen)
+│ │  └─ Cost-Faktor (12 = 2^12 = 4096 Iterationen)
+│ └─ bcrypt-Variante ('a' oder 'b')
+└─ Präfix
+```
+
+**Hashing-Funktion (`auth.py`):**
+```python
+import bcrypt
+
+def hash_pin(pin: str) -> str:
+    """Hash password with bcrypt."""
+    return bcrypt.hashpw(pin.encode(), bcrypt.gensalt()).decode()
+```
+
+**Verifizierung:**
+```python
+def verify_pin(pin: str, stored_hash: str) -> bool:
+    """Verify password - supports both bcrypt and legacy SHA256."""
+    if not stored_hash:
+        return False
+
+    # Detect bcrypt hash (starts with $2b$ or $2a$)
+    if stored_hash.startswith('$2'):
+        try:
+            return bcrypt.checkpw(pin.encode(), stored_hash.encode())
+        except Exception:
+            return False
+
+    # Legacy SHA256 support (auto-upgrade to bcrypt on next login)
+    return stored_hash == hashlib.sha256(pin.encode()).hexdigest()
+```
+
+### 2. SHA256 → bcrypt Auto-Migration
+
+**Problem:** Alte Accounts hatten SHA256-Hashes (unsicher, kein Salting)
+
+**Lösung:** Automatische Migration beim Login
+
+**Logik:**
+```python
+# Beim Login
+if prof['pin_hash'] and not prof['pin_hash'].startswith('$2'):
+    # Passwort verifiziert erfolgreich (via SHA256)
+    # → Upgrade zu bcrypt
+    new_hash = hash_pin(req.password)
+    cur.execute("UPDATE profiles SET pin_hash=%s WHERE id=%s", (new_hash, prof['id']))
+```
+
+**Ablauf:**
+1. User loggt sich mit altem Passwort ein
+2. Backend verifiziert gegen SHA256-Hash (erfolgreich)
+3. Backend erstellt bcrypt-Hash vom Klartext-Passwort
+4. SHA256-Hash wird in DB durch bcrypt-Hash ersetzt
+5. Nächster Login → bcrypt-Verifizierung
+
+**Vorteil:** Keine Passwort-Resets nötig, Migration transparent
+
+### 3. Passwort-Anforderungen
+
+**Minimum:**
+- Länge: 8 Zeichen (bei Registrierung)
+- Länge: 4 Zeichen (bei PIN-Change, für Abwärtskompatibilität)
+
+**Empfohlen (nicht erzwungen):**
+- Groß- und Kleinbuchstaben
+- Zahlen
+- Sonderzeichen
+
+**Keine Komplexitäts-Prüfung:** Bewusst nicht implementiert (Fokus auf Länge statt Komplexität)
+
+---
+
+## Rate Limiting
+
+**Bibliothek:** slowapi (Redis-freie In-Memory Rate Limiting)
+
+### Konfiguration
+
+**main.py:**
+```python
+from slowapi import Limiter, _rate_limit_exceeded_handler
+from slowapi.util import get_remote_address
+from slowapi.errors import RateLimitExceeded
+
+limiter = Limiter(key_func=get_remote_address)
+app.state.limiter = limiter
+app.add_exception_handler(RateLimitExceeded, _rate_limit_exceeded_handler)
+```
+
+### Rate Limits
+
+| Endpoint | Limit | Grund |
+|----------|-------|-------|
+| `/api/auth/login` | 5/minute | Brute-Force-Schutz |
+| `/api/auth/register` | 3/hour | Spam-Prevention |
+| `/api/auth/forgot-password` | 3/minute | E-Mail-Flooding-Schutz |
+| `/api/auth/resend-verification` | 3/hour | E-Mail-Flooding-Schutz |
+
+**Verwendung:**
+```python
+from slowapi import Limiter
+
+@router.post("/login")
+@limiter.limit("5/minute")
+async def login(req: LoginRequest, request: Request):
+    # Request-Objekt muss übergeben werden für IP-Extraktion
+    pass
+```
+
+**Response bei Überschreitung:**
+```
+HTTP 429 Too Many Requests
+{
+  "detail": "Rate limit exceeded: 5 per 1 minute"
+}
+```
+
+**Key-Funktion:** `get_remote_address` → IP-basiert (nicht User-basiert)
+
+**Hinweis:** In-Memory = Reset bei Server-Neustart
+
+---
+
+## CORS-Konfiguration
+
+### Produktion
+
+**docker-compose.yml:**
+```yaml
+ALLOWED_ORIGINS: https://mitai.jinkendo.de
+```
+
+**main.py:**
+```python
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=os.getenv("ALLOWED_ORIGINS", "*").split(","),
+    allow_credentials=True,
+    allow_methods=["GET","POST","PUT","DELETE","OPTIONS"],
+    allow_headers=["*"],
+)
+```
+
+### Development
+
+**docker-compose.dev-env.yml:**
+```yaml
+ALLOWED_ORIGINS: https://dev.mitai.jinkendo.de,http://localhost:3099
+```
+
+**Wichtig:** Keine Wildcards (`*`) in Produktion!
+
+---
+
+## Öffentliche vs. geschützte Endpoints
+
+### Öffentliche Endpoints (kein Auth)
+
+| Endpoint | Methode | Zweck |
+|----------|---------|-------|
+| `/` | GET | Health Check |
+| `/api/auth/status` | GET | Status-Check (First-Run-Detection) |
+| `/api/auth/login` | POST | Login |
+| `/api/auth/register` | POST | Registrierung |
+| `/api/auth/verify/{token}` | GET | E-Mail-Verifizierung |
+| `/api/auth/forgot-password` | POST | Passwort-Reset anfordern |
+| `/api/auth/reset-password` | POST | Passwort-Reset bestätigen |
+| `/api/auth/resend-verification` | POST | Verifizierungs-E-Mail erneut senden |
+
+### Geschützte Endpoints (require_auth)
+
+**Alle anderen Endpoints** benötigen `X-Auth-Token` Header.
+
+**Beispiel:**
+```python
+@router.get("/api/weight")
+def list_weight(session: dict = Depends(require_auth)):
+    profile_id = session['profile_id']
+    # ...
+```
+
+### Admin-Only Endpoints (require_admin)
+
+| Endpoint | Zweck |
+|----------|-------|
+| `/api/admin/*` | Admin-Panel |
+| `/api/features` | Feature-Verwaltung (POST/PUT/DELETE) |
+| `/api/tiers` | Tier-Verwaltung (POST/PUT/DELETE) |
+| `/api/tier-limits` | Tier-Limits-Matrix (PUT) |
+| `/api/coupons` | Coupon-Verwaltung (POST/PUT/DELETE) |
+| `/api/user-restrictions` | User-Restrictions (POST/PUT/DELETE) |
+| `/api/access-grants` | Access-Grants (POST/PUT/DELETE) |
+| `/api/admin/training-types` | Trainingstypen-Admin (POST/PUT/DELETE) |
+| `/api/admin/activity-mappings` | Activity-Mappings (POST/PUT/DELETE) |
+
+**require_admin() Dependency:**
+```python
+def require_admin(x_auth_token: Optional[str] = Header(default=None)):
+    """FastAPI dependency - requires admin authentication."""
+    session = get_session(x_auth_token)
+    if not session:
+        raise HTTPException(401, "Nicht eingeloggt")
+    if session['role'] != 'admin':
+        raise HTTPException(403, "Nur für Admins")
+    return session
+```
+
+---
+
+## E-Mail-System
+
+### SMTP-Konfiguration
+
+**Umgebungsvariablen:**
+```env
+SMTP_HOST=smtp.strato.de
+SMTP_PORT=587
+SMTP_USER=noreply@jinkendo.de
+SMTP_PASS=*****
+SMTP_FROM=noreply@jinkendo.de
+APP_URL=https://mitai.jinkendo.de
+```
+
+### E-Mail-Versand
+
+**Helper-Funktion (`backend/routers/auth.py`):**
+```python
+def send_email(to_email: str, subject: str, body: str):
+    """Send email via SMTP (reusable helper)."""
+    try:
+        smtp_host = os.getenv("SMTP_HOST")
+        smtp_port = int(os.getenv("SMTP_PORT", 587))
+        smtp_user = os.getenv("SMTP_USER")
+        smtp_pass = os.getenv("SMTP_PASS")
+        smtp_from = os.getenv("SMTP_FROM", "noreply@jinkendo.de")
+
+        if not smtp_host or not smtp_user or not smtp_pass:
+            print("SMTP not configured, skipping email")
+            return False
+
+        msg = MIMEText(body)
+        msg['Subject'] = subject
+        msg['From'] = smtp_from
+        msg['To'] = to_email
+
+        with smtplib.SMTP(smtp_host, smtp_port) as server:
+            server.starttls()
+            server.login(smtp_user, smtp_pass)
+            server.send_message(msg)
+
+        return True
+    except Exception as e:
+        print(f"Email error: {e}")
+        return False
+```
+
+### E-Mail-Templates
+
+**Registrierung (Verifizierung):**
+```
+Betreff: Willkommen bei Mitai Jinkendo – E-Mail bestätigen
+
+Hallo {name},
+
+willkommen bei Mitai Jinkendo!
+
+Bitte bestätige deine E-Mail-Adresse um die Registrierung abzuschließen:
+
+https://mitai.jinkendo.de/verify?token={verification_token}
+
+Der Link ist 24 Stunden gültig.
+
+Dein Mitai Jinkendo Team
+```
+
+**Passwort-Reset:**
+```
+Betreff: Passwort zurücksetzen – Mitai Jinkendo
+
+Hallo {name},
+
+du hast einen Passwort-Reset angefordert.
+
+Reset-Link: https://mitai.jinkendo.de/reset-password?token={token}
+
+Der Link ist 1 Stunde gültig.
+
+Falls du diese Anfrage nicht gestellt hast, ignoriere diese E-Mail.
+
+Dein Mitai Jinkendo Team
+```
+
+---
+
+## Bekannte Sicherheitsentscheidungen
+
+### 1. Profile-ID aus Session, nie aus Header
+
+**❌ Falsch (Sicherheitslücke):**
+```python
+@router.get("/weight")
+def list_weight(x_profile_id: str = Header(default=None), session=Depends(require_auth)):
+    profile_id = x_profile_id  # User könnte beliebige ID senden!
+```
+
+**✅ Richtig:**
+```python
+@router.get("/weight")
+def list_weight(session: dict = Depends(require_auth)):
+    profile_id = session['profile_id']  # Immer aus validierter Session
+```
+
+**Grund:** Session ist an Token gebunden → User kann nur eigene Daten abrufen
+
+### 2. E-Mail-Enumeration-Schutz
+
+**Problem:** Registrierung könnte verraten ob E-Mail bereits existiert
+
+**Lösung:**
+```python
+if cur.fetchone():
+    raise HTTPException(400, "E-Mail-Adresse bereits registriert")
+```
+
+**Passwort-Reset:**
+```python
+if not prof:
+    # Don't reveal if email exists
+    return {"ok": True, "message": "Falls die E-Mail existiert, wurde ein Link gesendet."}
+```
+
+**Trade-off:** Registrierung gibt Info preis (UX > Sicherheit), Reset nicht (Sicherheit > UX)
+
+### 3. Reset-Token-Präfix
+
+**Problem:** Reset-Token könnte mit regulären Session-Token kollidieren
+
+**Lösung:**
+```python
+cur.execute("INSERT INTO sessions (token, ...) VALUES (%s, ...)", (f"reset_{token}", ...))
+```
+
+**Vorteil:** Eindeutige Identifikation, kein Risiko von Kollisionen
+
+### 4. Keine Passwort-Komplexitäts-Prüfung
+
+**Entscheidung:** Nur Mindestlänge (8 Zeichen), keine Sonderzeichen-Pflicht
+
+**Grund:**
+- Länge > Komplexität (NIST-Empfehlung)
+- Komplexitäts-Anforderungen führen zu schlechteren Passwörtern (z.B. `Password123!`)
+- Benutzerfreundlichkeit
+
+**Alternative:** Passwort-Strength-Meter im Frontend (geplant)
+
+### 5. In-Memory Rate Limiting
+
+**Problem:** Rate Limits resetten bei Server-Neustart
+
+**Akzeptiert weil:**
+- Redis-Overhead für Self-Hosting zu hoch
+- Server-Neustarts selten (<1x pro Woche)
+- Bei Neustart = Attack-Vektoren resetten sich auch (DDoS-Protection)
+
+**Geplant (v10+):** Redis-Integration optional
+
+---
+
+## Zusammenfassung: Auth-Flow
+
+```
+┌─────────────────────────────────────────────────────────────┐
+│ 1. Login (POST /api/auth/login)                             │
+│    ↓ E-Mail + Passwort                                      │
+│    ↓ verify_pin(password, pin_hash)                         │
+│    ↓ SHA256 → bcrypt Migration (falls nötig)                │
+│    ↓ Token generieren (secrets.token_urlsafe(32))           │
+│    ↓ INSERT INTO sessions (token, profile_id, expires_at)   │
+│    → Return {token, profile_id, role, expires_at}           │
+└─────────────────────────────────────────────────────────────┘
+                           ↓
+┌─────────────────────────────────────────────────────────────┐
+│ 2. Frontend speichert Token                                 │
+│    localStorage.setItem('bodytrack_token', token)           │
+└─────────────────────────────────────────────────────────────┘
+                           ↓
+┌─────────────────────────────────────────────────────────────┐
+│ 3. Nachfolgende Requests                                    │
+│    GET /api/weight                                           │
+│    Headers: X-Auth-Token: {token}                           │
+└─────────────────────────────────────────────────────────────┘
+                           ↓
+┌─────────────────────────────────────────────────────────────┐
+│ 4. Backend validiert Token (require_auth)                   │
+│    ↓ SELECT FROM sessions WHERE token=... AND expires_at>NOW│
+│    ↓ JOIN profiles ON profile_id                            │
+│    → Return session dict {profile_id, role, ai_enabled, ...}│
+└─────────────────────────────────────────────────────────────┘
+                           ↓
+┌─────────────────────────────────────────────────────────────┐
+│ 5. Endpoint-Logik                                            │
+│    profile_id = session['profile_id']                       │
+│    data = SELECT FROM weight_log WHERE profile_id=...       │
+│    → Return data                                             │
+└─────────────────────────────────────────────────────────────┘
+```
+
+**Sicherheits-Highlights:**
+- ✅ bcrypt mit Auto-Salting
+- ✅ SHA256 → bcrypt Migration (transparent)
+- ✅ Rate Limiting (5/min Login, 3/hour Register)
+- ✅ E-Mail-Verifizierung (24h Token)
+- ✅ Passwort-Reset (1h Token via E-Mail)
+- ✅ Session-Expiry (30 Tage)
+- ✅ Admin-Role-Check (require_admin)
+- ✅ Profile-ID-Isolation (immer aus Session)
+- ✅ CORS-Whitelisting (Production)
+
+**Bekannte Limitationen:**
+- In-Memory Rate Limiting (Reset bei Server-Neustart)
+- Keine 2FA (geplant für v10+)
+- Keine Passwort-Strength-Meter (geplant)
+- Keine Session-Revocation-UI (nur via DB)

.claude/docs/technical/CENTRAL_SUBSCRIPTION_SYSTEM.md

@@ -0,0 +1,205 @@
+# Zentrales Abo-System (Zukunft)
+
+## Vision
+
+**Ein zentrales Abo-System für alle Jinkendo Apps:**
+- mitai.jinkendo.de (Körper-Tracking) 身体
+- miken.jinkendo.de (Meditation) 眉間
+- ikigai.jinkendo.de (Lebenssinn) 生き甲斐
+- shinkan.jinkendo.de (Kampfsport) 真観
+
+## Konzept
+
+### Zentrale Webseite: jinkendo.de
+- Zentrale Landing-Page mit allen Apps
+- **Zentrale Abo-Verwaltung** (Stripe-Integration)
+- User-Account übergreifend für alle Apps
+- Single Sign-On (SSO) zwischen Apps
+
+### Abo-Modelle (Ideen)
+
+#### Option 1: App-spezifische Abos
+```
+mitai Basic:  €5/Monat  → Nur Mitai Premium
+miken Basic:  €5/Monat  → Nur Miken Premium
+```
+
+#### Option 2: Kombinierte Abos
+```
+Jinkendo Basic:    €8/Monat   → 2 Apps
+Jinkendo Premium:  €12/Monat  → Alle 4 Apps
+Jinkendo Family:   €20/Monat  → Alle Apps + 3 Profile
+```
+
+#### Option 3: Feature-basiert
+```
+Free:     Basis-Features alle Apps
+Basic:    Erweiterte Features (KI, Export, etc.)
+Premium:  Unlimited + Priority Support
+```
+
+---
+
+## Technische Umsetzung
+
+### Backend
+
+#### Zentrale Auth-API
+```
+auth.jinkendo.de
+  POST /register    → User-Account erstellen
+  POST /login       → JWT Token für alle Apps
+  POST /refresh     → Token erneuern
+  GET  /me          → User-Info mit Abo-Status
+```
+
+#### Subscription-API
+```
+subscriptions.jinkendo.de
+  GET  /plans                     → Verfügbare Abos
+  POST /subscribe                 → Stripe Checkout Session
+  GET  /my-subscription           → Aktuelles Abo + Features
+  POST /cancel                    → Abo kündigen
+  POST /webhook                   → Stripe Webhook
+```
+
+#### App-Integration
+Jede App prüft beim Start:
+```javascript
+const subscription = await fetch('https://subscriptions.jinkendo.de/my-subscription', {
+  headers: { 'Authorization': `Bearer ${jwt_token}` }
+})
+
+// subscription.features: ['mitai_premium', 'miken_basic', ...]
+// App aktiviert entsprechende Features
+```
+
+### Frontend
+
+#### Zentrale Webseite (jinkendo.de)
+- Next.js oder React + Vite
+- Stripe Elements für Payment
+- Dashboard: Übersicht alle Apps + Abo-Status
+- Rechnung-Historie
+
+#### App-Anpassungen
+**TrialBanner:**
+```jsx
+<a href="https://jinkendo.de/upgrade?app=mitai">
+  Jetzt upgraden
+</a>
+```
+
+**Settings → Abo:**
+- Link zu `https://jinkendo.de/account/subscription`
+- Oder Embedded iFrame
+
+---
+
+## Datenbank-Schema (zentral)
+
+### users
+```sql
+CREATE TABLE users (
+  id            UUID PRIMARY KEY,
+  email         VARCHAR(255) UNIQUE NOT NULL,
+  password_hash VARCHAR(255) NOT NULL,
+  name          VARCHAR(100),
+  created_at    TIMESTAMP DEFAULT CURRENT_TIMESTAMP
+);
+```
+
+### subscriptions
+```sql
+CREATE TABLE subscriptions (
+  id                  SERIAL PRIMARY KEY,
+  user_id             UUID REFERENCES users(id),
+  stripe_customer_id  VARCHAR(100),
+  stripe_subscription_id VARCHAR(100),
+  plan                VARCHAR(50), -- 'basic', 'premium', 'family'
+  status              VARCHAR(20), -- 'active', 'canceled', 'past_due'
+  current_period_end  TIMESTAMP,
+  created_at          TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
+  canceled_at         TIMESTAMP
+);
+```
+
+### subscription_features
+```sql
+CREATE TABLE subscription_features (
+  subscription_id INT REFERENCES subscriptions(id),
+  app             VARCHAR(50), -- 'mitai', 'miken', 'ikigai', 'shinkan'
+  tier            VARCHAR(50), -- 'basic', 'premium'
+  PRIMARY KEY (subscription_id, app)
+);
+```
+
+### app_access_tokens
+```sql
+-- Mapping: Zentrale User → App-spezifische Profile
+CREATE TABLE app_access_tokens (
+  user_id       UUID REFERENCES users(id),
+  app           VARCHAR(50),
+  app_profile_id VARCHAR(100), -- ID in der jeweiligen App-DB
+  PRIMARY KEY (user_id, app)
+);
+```
+
+---
+
+## Migration: Bestehende Apps
+
+### Schritt 1: Zentrale Auth aufbauen
+1. `auth.jinkendo.de` API deployen
+2. User aus `mitai` DB migrieren zu zentraler DB
+3. Mapping erstellen: zentrale User ID → mitai Profile ID
+
+### Schritt 2: Apps auf zentrale Auth umstellen
+1. Login/Register in Apps deaktivieren
+2. "Mit Jinkendo anmelden" Button → SSO-Flow
+3. JWT von `auth.jinkendo.de` verwenden
+4. Profile-ID Mapping bei jedem Request
+
+### Schritt 3: Subscription-System
+1. `subscriptions.jinkendo.de` API deployen
+2. Stripe-Integration
+3. Apps prüfen Abo-Status bei jedem Feature-Zugriff
+
+### Schritt 4: Zentrale Webseite
+1. `jinkendo.de` Landing Page
+2. Account-Dashboard
+3. Abo-Verwaltung
+
+---
+
+## Status (März 2026)
+
+🔲 **Noch nicht gestartet**
+
+**Aktuell:**
+- Jede App hat eigene User-Verwaltung
+- `mitai` hat Membership-System (v9c)
+- TrialBanner Link → `mailto:mitai@jinkendo.de`
+
+**Nächste Schritte:**
+1. Weitere Apps entwickeln (miken, ikigai, shinkan)
+2. Zentrale Infrastruktur planen
+3. Migration vorbereiten
+
+---
+
+## Offene Fragen
+
+- **Pricing:** Welche Preise pro App / kombiniert?
+- **Stripe vs. Paddle:** Welcher Payment Provider?
+- **Single DB vs. Separate:** Eine PostgreSQL-DB für alles oder separate?
+- **Hosting:** Eigener Server oder Cloud (Vercel, Railway, Fly.io)?
+- **Domain-Strategie:** Subdomains (api.jinkendo.de) oder Paths (jinkendo.de/api)?
+
+---
+
+## Related
+
+- `MEMBERSHIP_SYSTEM.md` - Aktuelles System in mitai (v9c)
+- `FEATURE_ENFORCEMENT.md` - Feature-Limiting Mechanismus
+- Backlog: v9h (Connectoren & Stripe)

.claude/docs/technical/DASHBOARD_WIDGETS_AGENT_GUIDE.md

@@ -0,0 +1,163 @@
+# Dashboard-Widgets – Anleitung für Coding-Agenten
+
+Ziel: Ein neues Dashboard-Widget **end-to-end** korrekt einbinden (Backend-Katalog, Validierung, API-Layout, Frontend-Registrierung, optional Editor für `config` in **Übersicht anpassen**).  
+Kontext: Geschützte Endpoints `GET/PUT /api/app/...` (siehe `backend/routers/app_dashboard.py`). Layout liegt pro Profil in `profiles.dashboard_layout` (JSON). Nutzer-Oberfläche: `frontend/src/pages/DashboardConfigurePage.jsx` (Route z. B. `/settings/dashboard-layout`).
+
+---
+
+## 0. Architekturanforderung: Subscription / Feature-System vs. Widget-Katalog
+
+### 0.1 Ist-Stand (Verifikation)
+
+- **Bereits vorhanden:** Membership- und Feature-Modell (`features`, `tier_limits`, `user_feature_restrictions`, `check_feature_access` in `backend/auth.py`). Siehe `.claude/docs/architecture/FEATURE_ENFORCEMENT.md`.
+- **Umgesetzt:** `GET /api/app/widgets/catalog` liefert pro Widget **`allowed`** (aus `requires_feature` im Katalog + `check_feature_access`). `GET/PUT /api/app/dashboard-layout` wendet **`apply_entitlements_to_layout_dict`** an (nicht erlaubte Einträge: `enabled: false`; Standard-Layout ebenfalls bereinigt). Implementierung: `backend/dashboard_widget_entitlements.py`.
+- Optional pro Katalogzeile: **`requires_feature`** (`features.id`) in `widget_catalog.py`; fehlt der Key → Widget für alle authentifizierten Nutzer katalog-sichtbar (ohne zusätzliches Feature-Gate).
+
+### 0.2 Soll: eine Wahrheit für „darf angezeigt werden“
+
+- **Komplexität** (Module aus, Cluster, Stufen: z. B. Ernährung an, aber bestimmte Auswertungen nur in höherem Tier) gehört in die **Feature-/Subscription-Schicht** (inkl. späterer Feature-Cluster), nicht in einzelne React-Widgets.
+- **Widgets** sollen das Ergebnis nur **abrufen** (z. B. `allowed` / sichtbar im Katalog), nicht die Tier-Logik duplizieren.
+
+### 0.3 Bindende Anforderungen (wenn Feature-Gating umgesetzt wird)
+
+| Anforderung | Beschreibung |
+|-------------|--------------|
+| **A1 – Zentrale Auflösung** | Backend ermittelt pro Profil (effektiver Tier + Restrictions), welche Widget-IDs **erlaubt** sind – idealerweise in **einer** Stelle (Erweiterung des Katalog-Endpoints oder dedizierter Entitlements-Teil der Response). Intern: `check_feature_access` und später ggf. Mapping Widget-ID → Feature-ID(n) / Cluster. |
+| **A2 – Nutzer-Konfigurator** | Im Layout-Konfigurator (**Übersicht anpassen**): Widgets **ohne Berechtigung nicht anbieten** (ausgeblendet oder gar nicht in der Liste). Alle **erlaubten** Widgets bleiben wie heute wählbar. |
+| **A3 – Layout-Persistenz** | `PUT /api/app/dashboard-layout`: Layout darf **keine** nicht erlaubten Widgets dauerhaft speichern – entweder **ablehnen** (422) oder **beim Speichern entfernen/deaktivieren** (Policy festlegen und dokumentieren). Verhindert „gespeichert, aber nie sichtbar“-Zombies. |
+| **A4 – API-/Datenschutz** | Sichtbarkeit im UI reicht nicht: Endpoints, die **Inhalte** für gated Widgets liefern (Charts, KI, …), müssen weiterhin wie heute **eigenständig** über Features abgesichert sein (`check_feature_access`, 403). |
+
+### 0.4 Katalog-Erweiterung (Vorbereitung ohne feste Tier-Namen)
+
+- Tiers bleiben **in der DB konfigurierbar**; im Code keine Annahme „free vs. pro“.
+- Pro Widget-Eintrag (oder separater Mapping-Layer) kann später **`required_feature_id`** (ein Key aus `features.id`) oder ein **Cluster-Key** ergänzt werden, der auf **eine oder mehrere** `check_feature_access`-Abfragen abgebildet wird – Details bei Implementierung festlegen.
+- Neue Widget-Doku: Wenn ein Widget an ein Feature hängt, in `widget_catalog`-`description` und in dieser Anleitung vermerken.
+
+**Verweis:** Verbindliche Regel auf Projektebene: `.claude/rules/ARCHITECTURE.md` § 9.
+
+---
+
+## 1. Datenfluss (kurz)
+
+1. **`backend/widget_catalog.py`** – `WIDGET_CATALOG`: erlaubte Widget-IDs, Reihenfolge, Titel/Beschreibung für API und Default-Layout.
+2. **`backend/dashboard_layout_schema.py`** – `DashboardLayoutPayload`: jede Zeile hat `id`, `enabled`, optional `config`. IDs müssen in `ALLOWED_WIDGET_IDS` sein (aus dem Katalog abgeleitet).
+3. **`backend/dashboard_widget_config.py`** – `validate_widget_entry_config`: **nur** Widgets in `WIDGETS_ALLOWING_CONFIG` dürfen **nicht-leere** `config` haben; Keys werden streng validiert (unbekannte Keys → Fehler).
+4. **Frontend** – `ensureDashboardWidgetsRegistered()` in `frontend/src/widgetSystem/registerDashboardWidgets.js`: verbindet jede Katalog-ID mit einer React-Komponente und mappt `ctx.layoutEntry.config` auf Props.
+5. **Layout-Editor (Produkt)** – `frontend/src/pages/DashboardConfigurePage.jsx`: Umsortieren, Ein/Aus, Speichern; **zusätzliche** UI nur nötig, wenn das Widget konfigurierbare Felder braucht.
+
+---
+
+## 2. Checkliste: neues Widget ohne Konfiguration
+
+| Schritt | Datei | Aktion |
+|--------|--------|--------|
+| A | `backend/widget_catalog.py` | Neuen Eintrag `{ "id", "title", "description" }` in `WIDGET_CATALOG` einfügen (Reihenfolge = Default-Reihenfolge im Layout). Optional `"requires_feature": "<features.id>"` für Tarif-Gating (`dashboard_widget_entitlements`). |
+| B | `backend/widget_catalog.py` | Optional: ID zu `DEFAULT_LAB_WIDGET_IDS` hinzufügen, wenn es im Server-Standardlayout **aktiv** sein soll (Feld `lab_default_layout` in der Layout-API). |
+| C | `frontend/src/components/dashboard-widgets/MyWidget.jsx` (oder Legacy-Widget unter `dashboard-widgets-legacy/`) | React-Komponente implementieren; typischerweise `refreshTick` aus `mapProps` nutzen, um Daten neu zu laden. |
+| D | `frontend/src/widgetSystem/registerDashboardWidgets.js` | `import` + `registerDashboardWidget({ id, Component, mapProps })` – `id` **exakt** wie im Katalog. |
+| E | `backend/tests/test_widget_catalog.py` | Läuft implizit mit; bei Strukturänderungen Katalog-Tests beachten. |
+| F | `backend/version.py` | `MODULE_VERSIONS["app_dashboard"]` MINOR erhöhen und kurz kommentieren. |
+| G | Build/Tests | `pytest` (z. B. `tests/test_dashboard_layout_schema.py`, `test_widget_catalog.py`); `npm run build` im `frontend`. |
+
+**Nicht nötig:** `WIDGETS_ALLOWING_CONFIG` oder `validate_widget_entry_config`-Zweig, solange `config` immer `{}` bleibt.
+
+**Wichtig:** Widget-IDs im Frontend-Registry **ohne** Registrierung führen im UI zu „Unbekanntes Widget“ (`dashboardWidgetRegistry.jsx`).
+
+---
+
+## 3. Checkliste: Widget mit konfigurierbaren Einstellungen (`config`)
+
+### 3.1 Backend
+
+1. **`WIDGETS_ALLOWING_CONFIG`** in `backend/dashboard_widget_config.py` um die neue `widget_id` ergänzen.
+2. In **`validate_widget_entry_config`** einen eigenen Zweig oder Aufruf einer Hilfsfunktion hinzufügen (siehe bestehende Muster unten).
+3. **`MAX_WIDGET_CONFIG_JSON_BYTES`** (3072): keine großen Blobs in `config`.
+4. Regeln konsistent halten:
+   - Unbekannte Keys **ablehnen** (wie bei `kpi_board`, `quick_capture`, `chart_days`-only).
+   - Leeres Objekt `{}` erlauben, wenn alle Keys optional sind (Validator entscheidet).
+
+**Referenz-Muster im Code:**
+
+| Muster | Verwendung | Implementierung |
+|--------|------------|-----------------|
+| Nur `chart_days` (7–90) | Chart-Kacheln | `_validate_chart_days_only(raw, label="...")` |
+| KPI-Kacheln | `tiles`-Liste, max. 9 | `_validate_kpi_board_config` |
+| Booleans + Mindestens eines true | Schnelleingabe-Sichtbarkeit | `_validate_quick_capture_config` |
+
+Neue komplexe Config: eigene `_validate_my_widget_config` schreiben, Keys als `frozenset` whitelisten, Typen prüfen, sinnvoll normalisieren/abrunden.
+
+5. **Tests** in `backend/tests/test_dashboard_widget_config.py`: Happy-Path, ein ungültiger Wert, unbekannter Key, ggf. Größe/Limits.
+
+### 3.2 Katalog-Beschreibung
+
+In `widget_catalog.py` bei `description` die **konfigurierbaren Keys** kurz nennen (hilft Admin/API-Nutzern). Einheitliche Benennung mit dem Backend (z. B. `chart_days 7–90`).
+
+### 3.3 Frontend: Props aus Layout
+
+`registerDashboardWidget` erhält `mapProps(ctx)`:
+
+- **`ctx.layoutEntry`**: `{ id, enabled, config? }` – hierher kommt die gespeicherte Konfiguration.
+- **`ctx.refreshTick`** / **`ctx.requestRefresh()`**: Datenaktualisierung nach Aktionen.
+
+Typische Zuordnung:
+
+```javascript
+mapProps: (ctx) => ({
+  refreshTick: ctx.refreshTick,
+  myOption: ctx.layoutEntry?.config?.my_option,
+})
+```
+
+**Abgleich mit Chart-Zeitraum:** Für `chart_days` existiert `frontend/src/widgetSystem/bodyChartDays.js` (`BODY_CHART_DAYS_MIN/MAX`, `normalizeBodyChartDays`). Entweder in `mapProps` normalisieren (wie `body_overview`) oder rohen Wert durchreichen und in der Widget-Komponente normalisieren (wie `nutrition_detail_charts` / `TrendKcalWeightWidget`) – **beides** ist im Projekt vertreten; wichtig ist Konsistenz mit der Backend-Grenze 7–90.
+
+### 3.4 Layout-Editor (`DashboardConfigurePage.jsx`)
+
+Ohne UI-Änderung bleibt `config` beim Nutzer `{}` – konfigurierbare Widgets brauchen **Editor-Controls**:
+
+- **Einfaches Zahlfeld `chart_days`:** Eintrag in `CHART_DAYS_WIDGET_IDS` (Set oben in `DashboardConfigurePage.jsx`) + bestehendes Label/`aria-label`-Pattern für die Zeitraum-Zeile erweitern (siehe `body_overview`, `nutrition_detail_charts`).
+- **Strukturierte Config (Listen, mehrere Booleans):** Eigenes Editor-Komponenten-File nach Vorbild `KpiBoardConfigEditor.jsx` / `QuickCaptureConfigEditor.jsx` einbinden und `setLayout` + `normalizeLayoutForEditor` wie bei den bestehenden Blöcken verwenden.
+
+Nach Speichern ruft die Seite `api.putAppDashboardLayout(layout)` auf; das Backend validiert über `DashboardLayoutPayload` → `validate_widget_entry_config`.
+
+---
+
+## 4. Grenzen und Fehlerbilder
+
+| Thema | Detail |
+|--------|--------|
+| Erlaubte IDs | Nur IDs aus `WIDGET_CATALOG`. `ALLOWED_WIDGET_IDS` wird daraus abgeleitet – nicht manuell duplizieren. |
+| Doppelte IDs | Im Layout sind **keine** doppelten `widget.id` erlaubt (`DashboardLayoutPayload`). |
+| Max. Widgets | `widgets` max. 32 Einträge (`DashboardLayoutPayload`). |
+| Config verboten | Widget **nicht** in `WIDGETS_ALLOWING_CONFIG` → jede nicht-leere `config` → Validierungsfehler beim Speichern. |
+| Frontend ≠ Katalog | Komponente registriert, ID fehlt im Katalog → PUT schlägt fehl. |
+| Katalog ohne Registry | GET Layout ok, Render zeigt „Unbekanntes Widget“. |
+
+---
+
+## 5. API zum Prüfen
+
+- `GET /api/app/widgets/catalog` – Katalog inkl. `allowed` je Widget (Auth + `X-Profile-Id` wie andere App-Endpoints).
+- `GET /api/app/dashboard-layout` – `layout` (effektiv, bereinigt), `custom`, `product_default_layout` (Übersichts-Standard), `lab_default_layout` (Servertemplate für Editor/Reset; Feldname historisch).
+- `PUT /api/app/dashboard-layout` – Body `{ "version": 1, "widgets": [ ... ] }` (unerlaubte Widgets werden auf `enabled: false` gesetzt).
+
+---
+
+## 6. Nach getaner Arbeit
+
+- `pytest` für `dashboard_widget_config` und `widget_catalog` / `dashboard_layout_schema`.
+- `npm run build`.
+- `MODULE_VERSIONS["app_dashboard"]` in `backend/version.py` anheben.
+
+---
+
+## 7. Verwandte Dateien (Referenz)
+
+| Zweck | Pfad |
+|--------|------|
+| Katalog | `backend/widget_catalog.py` |
+| Config-Validierung | `backend/dashboard_widget_config.py` |
+| Layout-Pydantic | `backend/dashboard_layout_schema.py` |
+| HTTP | `backend/routers/app_dashboard.py` |
+| Registry + Render | `frontend/src/widgetSystem/dashboardWidgetRegistry.jsx` |
+| Dashboard-Widget-Registrierung | `frontend/src/widgetSystem/registerDashboardWidgets.js` |
+| Layout-Editor (Nutzer) | `frontend/src/pages/DashboardConfigurePage.jsx` |

.claude/docs/technical/DATA_LAYER_EXTENSION_GUIDE.md

@@ -0,0 +1,780 @@
+# Data Layer Extension Guide
+
+**Version:** 1.0
+**Erstellt:** 28. März 2026
+**Zielgruppe:** Entwickler, Claude Code
+**Phase:** Post Phase 0c
+
+---
+
+## Überblick
+
+Dieser Guide beschreibt, wie man das Data Layer System erweitert mit:
+- Neuen Modulen
+- Neuen Funktionen in bestehenden Modulen
+- Neuen Berechnungslogiken
+- Neuen Aggregationsmethoden
+
+**Voraussetzung:** Phase 0c abgeschlossen (Multi-Layer Architecture implementiert)
+
+---
+
+## Modul-Struktur
+
+### Bestehende Module (Phase 0c)
+
+```
+backend/data_layer/
+├── __init__.py              # Exports all functions
+├── body_metrics.py          # Gewicht, FM, LBM, Umfänge
+├── nutrition_metrics.py     # Kalorien, Protein, Makros
+├── activity_metrics.py      # Training, Volumen, Abilities
+├── recovery_metrics.py      # Sleep, RHR, HRV, Recovery Score
+├── health_metrics.py        # BP, VO2Max, Health Stability
+├── goals.py                 # Active goals, progress
+├── correlations.py          # Lag-analysis, plateau detection
+└── utils.py                 # Shared: confidence, baseline, outliers
+```
+
+### Modul-Namenskonventionen
+
+- **Singular:** `body_metrics.py` (nicht `bodies_metrics.py`)
+- **Domain-focused:** Ein Modul pro fachlichem Bereich
+- **Max ~500 Zeilen:** Bei >500 Zeilen → Split erwägen
+
+---
+
+## Neue Funktion hinzufügen
+
+### Template
+
+```python
+# backend/data_layer/<module>.py
+
+def get_<metric>_data(
+    profile_id: str,
+    days: int = 28,
+    **kwargs
+) -> dict:
+    """
+    [Eine Zeile: Was liefert diese Funktion?]
+
+    [Optional: Ausführliche Beschreibung der Berechnung]
+
+    Args:
+        profile_id: User profile ID
+        days: Analysis window (default 28)
+        **kwargs: Additional parameters (z.B., goal_mode)
+
+    Returns:
+        {
+            "<field>": <type>,      # Main result
+            "confidence": str,      # REQUIRED: "high"/"medium"/"low"/"insufficient"
+            "data_points": int,     # REQUIRED: Number of data points used
+            "<additional>": <type>  # Any additional data
+        }
+
+    Confidence Rules:
+        - "high":          >= X points
+        - "medium":        >= Y points
+        - "low":           >= Z points
+        - "insufficient":  < Z points
+
+    Example:
+        >>> data = get_<metric>_data("profile_123", days=28)
+        >>> print(data['<field>'])
+        42.0
+    """
+    with get_db() as conn:
+        cur = get_cursor(conn)
+
+        # 1. DATA RETRIEVAL
+        cur.execute("""
+            SELECT ...
+            FROM ...
+            WHERE profile_id = %s
+              AND date >= NOW() - INTERVAL '%s days'
+            ORDER BY date
+        """, (profile_id, days))
+        rows = cur.fetchall()
+
+        # 2. CONFIDENCE CALCULATION
+        from data_layer.utils import calculate_confidence
+        confidence = calculate_confidence(
+            data_points=len(rows),
+            days_requested=days,
+            metric_type="general"  # or "correlation" or "trend"
+        )
+
+        # 3. EARLY RETURN IF INSUFFICIENT
+        if confidence == 'insufficient':
+            return {
+                "confidence": "insufficient",
+                "data_points": len(rows),
+                # Include all fields with safe defaults
+                "<field>": 0.0,
+            }
+
+        # 4. CALCULATION
+        # ... your logic here ...
+
+        # 5. RETURN STRUCTURED DATA
+        return {
+            "<field>": result,
+            "confidence": confidence,
+            "data_points": len(rows),
+            # Additional fields as needed
+        }
+```
+
+### Pflicht-Felder
+
+**Jede Funktion MUSS zurückgeben:**
+```python
+{
+    "confidence": str,      # "high" | "medium" | "low" | "insufficient"
+    "data_points": int,     # Anzahl verwendeter Datenpunkte
+}
+```
+
+**Warum?**
+- Confidence: UI kann User warnen bei niedriger Datenqualität
+- Data Points: Debugging + Monitoring
+
+### Optionale Felder (Best Practices)
+
+```python
+{
+    "first_date": date,     # Ältester Datenpunkt
+    "last_date": date,      # Neuester Datenpunkt
+    "avg": float,           # Durchschnitt
+    "std_dev": float,       # Standardabweichung
+    "min": float,           # Minimum
+    "max": float,           # Maximum
+    "outliers": list[int],  # Indices von Ausreißern
+}
+```
+
+---
+
+## Neue Berechnungslogik hinzufügen
+
+### 1. Statistik-Funktionen (utils.py)
+
+**Wenn du eine neue statistische Berechnung brauchst:**
+
+```python
+# backend/data_layer/utils.py
+
+def calculate_<statistic>(
+    values: list[float],
+    **kwargs
+) -> float:
+    """
+    [Beschreibung der Statistik]
+
+    Args:
+        values: List of measurements
+        **kwargs: Additional parameters
+
+    Returns:
+        Calculated statistic (float)
+
+    Example:
+        >>> calculate_<statistic>([1.0, 2.0, 3.0])
+        2.0
+    """
+    # Implementation
+    ...
+```
+
+**Beispiele:**
+```python
+def calculate_median_absolute_deviation(values: list[float]) -> float:
+    """
+    MAD = median(|xi - median(x)|)
+
+    More robust than standard deviation for outlier detection.
+    """
+    import statistics
+    median = statistics.median(values)
+    deviations = [abs(x - median) for x in values]
+    return statistics.median(deviations)
+
+
+def calculate_coefficient_of_variation(values: list[float]) -> float:
+    """
+    CV = (std_dev / mean) * 100
+
+    Measures relative variability.
+    """
+    import statistics
+    mean = statistics.mean(values)
+    std_dev = statistics.stdev(values)
+    return (std_dev / mean) * 100 if mean != 0 else 0.0
+
+
+def calculate_z_score(value: float, mean: float, std_dev: float) -> float:
+    """
+    Z = (x - μ) / σ
+
+    Standardized score.
+    """
+    return (value - mean) / std_dev if std_dev != 0 else 0.0
+```
+
+### 2. Aggregations-Funktionen (utils.py)
+
+**Neue Aggregationsmethoden für Goal Types:**
+
+```python
+# backend/data_layer/utils.py
+
+def aggregate_data(
+    values: list[tuple],  # [(date, value), ...]
+    method: str,
+    **kwargs
+) -> float:
+    """
+    Aggregate data points using specified method.
+
+    Args:
+        values: List of (date, value) tuples
+        method: Aggregation method (see below)
+        **kwargs: Method-specific parameters
+
+    Returns:
+        Aggregated value (float)
+
+    Supported Methods:
+        - "latest":       Most recent value
+        - "avg_7d":       Average last 7 days
+        - "avg_30d":      Average last 30 days
+        - "avg_90d":      Average last 90 days
+        - "sum_7d":       Sum last 7 days
+        - "sum_30d":      Sum last 30 days
+        - "count_7d":     Count last 7 days
+        - "count_30d":    Count last 30 days
+        - "min_30d":      Minimum last 30 days
+        - "max_30d":      Maximum last 30 days
+        - "median_7d":    Median last 7 days
+        - "median_30d":   Median last 30 days
+        - "rolling_avg":  Rolling average (window from kwargs)
+        - "percentile":   Nth percentile (n from kwargs)
+
+    Example:
+        >>> values = [(date1, 85.0), (date2, 84.5), ...]
+        >>> aggregate_data(values, "avg_7d")
+        84.7
+    """
+    from datetime import date, timedelta
+    import statistics
+
+    if not values:
+        return 0.0
+
+    # Sort by date (most recent first)
+    sorted_values = sorted(values, key=lambda x: x[0], reverse=True)
+
+    if method == "latest":
+        return float(sorted_values[0][1])
+
+    elif method.startswith("avg_"):
+        days = int(method.split("_")[1].replace("d", ""))
+        cutoff = date.today() - timedelta(days=days)
+        recent = [v for d, v in sorted_values if d >= cutoff]
+        return statistics.mean(recent) if recent else 0.0
+
+    elif method.startswith("sum_"):
+        days = int(method.split("_")[1].replace("d", ""))
+        cutoff = date.today() - timedelta(days=days)
+        recent = [v for d, v in sorted_values if d >= cutoff]
+        return sum(recent)
+
+    elif method.startswith("count_"):
+        days = int(method.split("_")[1].replace("d", ""))
+        cutoff = date.today() - timedelta(days=days)
+        return len([v for d, v in sorted_values if d >= cutoff])
+
+    elif method.startswith("min_") or method.startswith("max_"):
+        func_name, days_str = method.split("_")
+        days = int(days_str.replace("d", ""))
+        cutoff = date.today() - timedelta(days=days)
+        recent = [v for d, v in sorted_values if d >= cutoff]
+        if not recent:
+            return 0.0
+        return min(recent) if func_name == "min" else max(recent)
+
+    elif method.startswith("median_"):
+        days = int(method.split("_")[1].replace("d", ""))
+        cutoff = date.today() - timedelta(days=days)
+        recent = [v for d, v in sorted_values if d >= cutoff]
+        return statistics.median(recent) if recent else 0.0
+
+    elif method == "rolling_avg":
+        window = kwargs.get("window", 7)
+        if len(sorted_values) < window:
+            return statistics.mean([v for _, v in sorted_values])
+        recent = sorted_values[:window]
+        return statistics.mean([v for _, v in recent])
+
+    elif method == "percentile":
+        n = kwargs.get("n", 50)  # Default: median
+        values_only = [v for _, v in sorted_values]
+        return statistics.quantiles(values_only, n=100)[n - 1] if len(values_only) > 1 else values_only[0]
+
+    else:
+        raise ValueError(f"Unknown aggregation method: {method}")
+```
+
+### 3. Korrelations-Funktionen (correlations.py)
+
+**Neue Korrelations-Analysen:**
+
+```python
+# backend/data_layer/correlations.py
+
+def get_<metric_a>_<metric_b>_correlation(
+    profile_id: str,
+    days: int = 90,
+    max_lag: int = 7
+) -> dict:
+    """
+    Correlation between <metric_a> and <metric_b> with lag analysis.
+
+    Args:
+        profile_id: User profile ID
+        days: Analysis window
+        max_lag: Maximum lag in days to test
+
+    Returns:
+        {
+            "correlation": float,       # Pearson r at best lag
+            "best_lag": int,            # Days of lag
+            "p_value": float,           # Statistical significance
+            "confidence": str,
+            "paired_points": int,
+            "interpretation": str       # "strong"/"moderate"/"weak"/"none"
+        }
+
+    Interpretation:
+        |r| > 0.7: "strong"
+        |r| > 0.5: "moderate"
+        |r| > 0.3: "weak"
+        |r| <= 0.3: "none"
+    """
+    # Implementation using scipy.stats or numpy
+    ...
+```
+
+---
+
+## Neues Modul erstellen
+
+### Wann ein neues Modul?
+
+**Erstelle ein neues Modul wenn:**
+- ✅ Neue fachliche Domäne (z.B., `stress_metrics.py`, `hormone_metrics.py`)
+- ✅ Bestehendes Modul >500 Zeilen
+- ✅ Klare thematische Trennung möglich
+
+**KEIN neues Modul wenn:**
+- ❌ Nur 1-2 Funktionen (füge zu bestehendem Modul hinzu)
+- ❌ Starke Abhängigkeit zu bestehendem Modul (merge statt split)
+
+### Modul-Template
+
+```python
+# backend/data_layer/<new_module>.py
+
+"""
+<Module Name> - <Brief description>
+
+This module provides data functions for <domain>.
+
+Functions:
+    - get_<metric1>_data()
+    - get_<metric2>_data()
+    - ...
+
+Usage:
+    from data_layer.<new_module> import get_<metric>_data
+
+    data = get_<metric>_data(profile_id="123", days=28)
+"""
+
+from typing import Optional, List, Dict, Tuple
+from datetime import date, timedelta
+from db import get_db, get_cursor
+
+
+# ── PUBLIC FUNCTIONS ─────────────────────────────────────────────
+
+def get_<metric>_data(
+    profile_id: str,
+    days: int = 28,
+    **kwargs
+) -> dict:
+    """
+    [Docstring as per template above]
+    """
+    ...
+
+
+# ── PRIVATE HELPERS ──────────────────────────────────────────────
+
+def _calculate_<internal_metric>(values: list[float]) -> float:
+    """
+    Internal helper for <module>.
+
+    NOT exported from module.
+    """
+    ...
+
+
+def _validate_<data>(data: dict) -> bool:
+    """
+    Internal validation helper.
+    """
+    ...
+```
+
+### Exports in __init__.py
+
+```python
+# backend/data_layer/__init__.py
+
+# Existing modules
+from .body_metrics import *
+from .nutrition_metrics import *
+from .activity_metrics import *
+from .recovery_metrics import *
+from .health_metrics import *
+from .goals import *
+from .correlations import *
+from .utils import *
+
+# NEW MODULE
+from .<new_module> import *
+
+__all__ = [
+    # Existing exports...
+
+    # NEW MODULE exports
+    'get_<metric1>_data',
+    'get_<metric2>_data',
+]
+```
+
+---
+
+## Integration mit Goal Types
+
+### Goal Type mit neuer Aggregationsmethode
+
+**Scenario:** Du hast eine neue Aggregationsmethode `avg_per_week_30d` implementiert.
+
+#### 1. In utils.py implementieren
+
+```python
+# backend/data_layer/utils.py
+
+def aggregate_data(values, method, **kwargs):
+    # ... existing methods ...
+
+    elif method == "avg_per_week_30d":
+        # Group by week, calculate average per week
+        from collections import defaultdict
+        weeks = defaultdict(list)
+
+        for d, v in values:
+            week_start = d - timedelta(days=d.weekday())
+            weeks[week_start].append(v)
+
+        week_avgs = [sum(vals) / len(vals) for vals in weeks.values()]
+        return sum(week_avgs) / len(week_avgs) if week_avgs else 0.0
+
+    # ...
+```
+
+#### 2. In goal_utils.py nutzen
+
+```python
+# backend/goal_utils.py
+
+def _fetch_by_aggregation_method(
+    cur,
+    profile_id: str,
+    source_table: str,
+    source_column: str,
+    aggregation_method: str,
+    date_column: str = 'date',
+    filter_conditions: dict = None
+) -> Optional[float]:
+    """
+    Fetch current value using aggregation method.
+
+    Now supports:
+        - latest, avg_7d, avg_30d, sum_30d, count_7d, etc.
+        - avg_per_week_30d (NEW)
+    """
+    # Fetch data
+    cur.execute(f"""
+        SELECT {date_column}, {source_column}
+        FROM {source_table}
+        WHERE profile_id = %s
+        ORDER BY {date_column} DESC
+        LIMIT 100
+    """, (profile_id,))
+    rows = cur.fetchall()
+
+    if not rows:
+        return None
+
+    # Use aggregate_data from utils
+    from data_layer.utils import aggregate_data
+    return aggregate_data(rows, aggregation_method)
+```
+
+#### 3. In Frontend verfügbar machen
+
+```javascript
+// frontend/src/pages/AdminGoalTypesPage.jsx
+
+const AGGREGATION_METHODS = [
+  { value: 'latest', label: 'Aktuellster Wert' },
+  { value: 'avg_7d', label: 'Durchschnitt 7 Tage' },
+  { value: 'avg_30d', label: 'Durchschnitt 30 Tage' },
+  { value: 'sum_30d', label: 'Summe 30 Tage' },
+  { value: 'avg_per_week_30d', label: 'Durchschnitt pro Woche (30d)' }, // NEW
+  // ...
+]
+```
+
+---
+
+## Testing-Strategie
+
+### Unit Tests für neue Funktionen
+
+```python
+# backend/tests/test_data_layer.py
+
+import pytest
+from data_layer.<module> import get_<metric>_data
+
+@pytest.fixture
+def test_profile_with_data(db_connection):
+    """Create test profile with sample data"""
+    # Setup
+    profile_id = "test_profile_123"
+    # Insert test data into relevant tables
+    ...
+    yield profile_id
+    # Teardown
+    ...
+
+
+def test_get_metric_data_sufficient(test_profile_with_data):
+    """Test with sufficient data points"""
+    data = get_<metric>_data(test_profile_with_data, days=28)
+
+    assert data['confidence'] in ['high', 'medium', 'low']
+    assert data['data_points'] >= 18
+    assert '<field>' in data
+    assert isinstance(data['<field>'], float)
+
+
+def test_get_metric_data_insufficient():
+    """Test with insufficient data"""
+    data = get_<metric>_data("no_data_profile", days=28)
+
+    assert data['confidence'] == 'insufficient'
+    assert data['data_points'] == 0
+
+
+def test_get_metric_data_edge_cases(test_profile_with_data):
+    """Test edge cases: outliers, missing values, etc."""
+    # Test with extreme values
+    # Test with gaps in data
+    # Test with all same values
+    ...
+
+
+def test_get_metric_data_parameters(test_profile_with_data):
+    """Test different parameter combinations"""
+    # Test different days values
+    for days in [7, 28, 90]:
+        data = get_<metric>_data(test_profile_with_data, days=days)
+        assert data is not None
+
+    # Test additional parameters
+    data = get_<metric>_data(test_profile_with_data, days=28, goal_mode="strength")
+    assert data is not None
+```
+
+### Integration Tests
+
+```python
+# backend/tests/test_charts_integration.py
+
+def test_chart_uses_data_layer(client, auth_token):
+    """Test that chart endpoint uses data layer correctly"""
+    response = client.get(
+        "/api/charts/<metric>",
+        headers={"X-Auth-Token": auth_token}
+    )
+
+    assert response.status_code == 200
+    data = response.json()
+
+    # Verify Chart.js structure
+    assert 'chart_type' in data
+    assert 'data' in data
+    assert 'metadata' in data
+
+    # Verify metadata includes confidence
+    assert 'confidence' in data['metadata']
+```
+
+---
+
+## Performance Considerations
+
+### 1. Query Optimization
+
+**Problem:** N+1 Queries
+```python
+# ❌ BAD:
+for goal_id in goal_ids:
+    cur.execute("SELECT * FROM goals WHERE id = %s", (goal_id,))
+    # ... process each goal ...
+
+# ✅ GOOD:
+cur.execute("SELECT * FROM goals WHERE id = ANY(%s)", (goal_ids,))
+```
+
+**Problem:** Unindexed Columns
+```sql
+-- Add index if querying frequently by date range
+CREATE INDEX IF NOT EXISTS idx_weight_log_profile_date
+ON weight_log(profile_id, date DESC);
+```
+
+### 2. Caching
+
+**For expensive calculations:**
+```python
+from functools import lru_cache
+
+@lru_cache(maxsize=128)
+def get_expensive_calculation(profile_id: str, days: int) -> dict:
+    """Cache results for 128 most recent calls"""
+    ...
+```
+
+**Note:** In-memory cache resets on restart. For persistent cache → Redis (later).
+
+### 3. Pagination
+
+**For large datasets:**
+```python
+def get_<metric>_data(
+    profile_id: str,
+    days: int = 28,
+    limit: int = 1000,
+    offset: int = 0
+) -> dict:
+    """
+    Paginated data retrieval.
+    """
+    cur.execute("""
+        SELECT ...
+        FROM ...
+        WHERE profile_id = %s
+        ORDER BY date DESC
+        LIMIT %s OFFSET %s
+    """, (profile_id, limit, offset))
+```
+
+---
+
+## Checkliste: Neue Funktion
+
+```
+[ ] Richtiges Modul gewählt (oder neues Modul erstellt)
+[ ] Funktion implementiert mit korrekter Signatur
+[ ] Docstring vollständig (Args, Returns, Example)
+[ ] Confidence calculation included
+[ ] Returns structured data (dict with primitives)
+[ ] NO formatting (no strings with units)
+[ ] Decimal → Float conversion wo nötig
+[ ] Safe dict access (.get() mit defaults)
+[ ] SQL parameter binding (keine String-Concatenation)
+[ ] Unit tests geschrieben (sufficient/insufficient/edge cases)
+[ ] Integration test geschrieben (wenn Chart/API endpoint)
+[ ] Performance geprüft (< 500ms)
+[ ] In __init__.py exportiert
+[ ] Dokumentation aktualisiert (CLAUDE.md)
+[ ] Commit mit aussagekräftiger Message
+```
+
+---
+
+## Häufige Fehler
+
+### 1. Vergessen Confidence zu berechnen
+```python
+# ❌ WRONG:
+return {"value": result}
+
+# ✅ CORRECT:
+from data_layer.utils import calculate_confidence
+confidence = calculate_confidence(len(rows), days, "general")
+return {"value": result, "confidence": confidence, "data_points": len(rows)}
+```
+
+### 2. Formatierung im Data Layer
+```python
+# ❌ WRONG (Data Layer):
+return {"slope": f"{slope:.2f} kg/Woche"}
+
+# ✅ CORRECT (Data Layer):
+return {"slope": 0.23}  # Just the number
+
+# ✅ FORMATTING (KI Layer):
+return f"{data['slope']:.2f} kg/Woche"
+```
+
+### 3. Hardcoded Thresholds
+```python
+# ❌ WRONG:
+if len(rows) < 18:  # Magic number
+    return {"confidence": "insufficient"}
+
+# ✅ CORRECT:
+confidence = calculate_confidence(len(rows), days, "general")
+if confidence == "insufficient":
+    return {"confidence": "insufficient", ...}
+```
+
+---
+
+## Support & Hilfe
+
+**Bei Fragen:**
+1. Lies PLACEHOLDER_DEVELOPMENT_GUIDE.md
+2. Prüfe bestehende Funktionen als Beispiel
+3. Frag im Team oder erstelle Gitea Issue
+
+**Debugging:**
+1. Unit Test schreiben
+2. Print intermediate results
+3. Check SQL query mit `EXPLAIN ANALYZE`
+4. Profile mit `cProfile` wenn Performance-Problem
+
+---
+
+**Autor:** Claude Sonnet 4.5
+**Version:** 1.0
+**Letzte Aktualisierung:** 28. März 2026

.claude/docs/technical/FEATURE_ENFORCEMENT_MAPPING.md

@@ -0,0 +1,337 @@
+# Feature Enforcement Mapping
+
+**Version:** v9c Phase 2
+**Status:** Planning
+**Datum:** 20. März 2026
+
+---
+
+## Übersicht
+
+Dieses Dokument definiert, welche API-Endpoints welche Features prüfen müssen.
+
+---
+
+## Feature-Katalog (nach Cleanup)
+
+### Data Features (count, never)
+1. `weight_entries` - Gewichtseinträge
+2. `circumference_entries` - Umfangsmessungen
+3. `caliper_entries` - Hautfaltenmessungen
+4. `nutrition_entries` - Ernährungseinträge
+5. `activity_entries` - Trainingseinträge
+6. `photos` - Progress-Fotos
+
+### AI Features
+7. `ai_calls` - KI-Einzelanalysen (count, monthly)
+8. `ai_pipeline` - KI-Pipeline-Analyse (boolean, never)
+
+### Export/Import Features
+9. `data_export` - Daten exportieren (count, monthly)
+10. `data_import` - Daten importieren (count, monthly)
+
+---
+
+## Endpoint → Feature Mapping
+
+### Weight Router (`/api/weight`)
+
+| Endpoint | Method | Feature | Action |
+|----------|--------|---------|--------|
+| `/api/weight` | POST | `weight_entries` | Check before create, increment after |
+| `/api/weight` | GET | - | No check (reading is always allowed) |
+| `/api/weight/{id}` | PUT | - | No check (editing existing is allowed) |
+| `/api/weight/{id}` | DELETE | - | No check (deleting is allowed) |
+
+**Rationale:** Limit bezieht sich auf Gesamtanzahl Einträge (COUNT), nicht auf API-Calls.
+
+---
+
+### Circumference Router (`/api/circumference`)
+
+| Endpoint | Method | Feature | Action |
+|----------|--------|---------|--------|
+| `/api/circumference` | POST | `circumference_entries` | Check before, increment after |
+| `/api/circumference` | GET | - | No check |
+| `/api/circumference/{id}` | PUT | - | No check |
+| `/api/circumference/{id}` | DELETE | - | No check |
+
+---
+
+### Caliper Router (`/api/caliper`)
+
+| Endpoint | Method | Feature | Action |
+|----------|--------|---------|--------|
+| `/api/caliper` | POST | `caliper_entries` | Check before, increment after |
+| `/api/caliper` | GET | - | No check |
+| `/api/caliper/{id}` | PUT | - | No check |
+| `/api/caliper/{id}` | DELETE | - | No check |
+
+---
+
+### Nutrition Router (`/api/nutrition`)
+
+| Endpoint | Method | Feature | Action |
+|----------|--------|---------|--------|
+| `/api/nutrition` | POST | `nutrition_entries` | Check before, increment after |
+| `/api/nutrition` | GET | - | No check |
+| `/api/nutrition/{id}` | PUT | - | No check |
+| `/api/nutrition/{id}` | DELETE | - | No check |
+
+---
+
+### Activity Router (`/api/activity`)
+
+| Endpoint | Method | Feature | Action |
+|----------|--------|---------|--------|
+| `/api/activity` | POST | `activity_entries` | Check before, increment after |
+| `/api/activity` | GET | - | No check |
+| `/api/activity/{id}` | PUT | - | No check |
+| `/api/activity/{id}` | DELETE | - | No check |
+
+---
+
+### Photos Router (`/api/photos`)
+
+| Endpoint | Method | Feature | Action |
+|----------|--------|---------|--------|
+| `/api/photos/upload` | POST | `photos` | Check before, increment after |
+| `/api/photos` | GET | - | No check |
+| `/api/photos/{id}` | DELETE | - | No check (deleting is allowed) |
+
+---
+
+### Insights Router (`/api/insights`)
+
+| Endpoint | Method | Feature | Action |
+|----------|--------|---------|--------|
+| `/api/insights/run/{slug}` | POST | `ai_calls` | Check before, increment after |
+| `/api/insights/pipeline` | POST | `ai_pipeline` (boolean) | Check before (no increment for boolean) |
+| `/api/insights` | GET | - | No check |
+| `/api/insights/{id}` | GET | - | No check |
+
+**Rationale:**
+- `ai_calls` = count-based, monthly reset
+- `ai_pipeline` = boolean (enabled/disabled), no usage tracking
+
+---
+
+### Export Router (`/api/export`)
+
+| Endpoint | Method | Feature | Action |
+|----------|--------|---------|--------|
+| `/api/export/csv` | GET | `data_export` | Check before, increment after |
+| `/api/export/json` | GET | `data_export` | Check before, increment after |
+| `/api/export/zip` | GET | `data_export` | Check before, increment after |
+
+**Rationale:** Ein Feature für alle 3 Export-Typen (konsolidiert).
+
+---
+
+### Import Router (`/api/import`)
+
+| Endpoint | Method | Feature | Action |
+|----------|--------|---------|--------|
+| `/api/nutrition/import/fddb` | POST | `data_import` | Check before, increment after |
+| `/api/activity/import/csv` | POST | `data_import` | Check before, increment after |
+| `/api/import/zip` | POST | `data_import` | Check before, increment after |
+
+**Rationale:** Ein Feature für alle Import-Typen.
+
+---
+
+## Implementation Pattern (Phase 2: Non-Blocking Logging)
+
+### Pattern für count-based Features
+
+```python
+from auth import require_auth, check_feature_access, increment_feature_usage
+import logging
+
+logger = logging.getLogger(__name__)
+
+@router.post("/api/weight")
+def create_weight(data: dict, session: dict = Depends(require_auth)):
+    profile_id = session['profile_id']
+
+    # Phase 2: Check access (log only, don't block)
+    access = check_feature_access(profile_id, 'weight_entries')
+    if not access['allowed']:
+        logger.warning(
+            f"[FEATURE-LIMIT] User {profile_id} would be blocked: "
+            f"weight_entries limit_exceeded ({access['used']}/{access['limit']})"
+        )
+        # NOTE: Phase 2 does NOT raise HTTPException - just logs!
+
+    # Actual logic
+    # ... create weight entry ...
+
+    # Phase 2: Increment usage (even if limit would be exceeded)
+    increment_feature_usage(profile_id, 'weight_entries')
+
+    return {"ok": True, "id": entry_id}
+```
+
+### Pattern für boolean Features
+
+```python
+@router.post("/api/insights/pipeline")
+def run_pipeline(session: dict = Depends(require_auth)):
+    profile_id = session['profile_id']
+
+    # Phase 2: Check access (log only)
+    access = check_feature_access(profile_id, 'ai_pipeline')
+    if not access['allowed']:
+        logger.warning(
+            f"[FEATURE-LIMIT] User {profile_id} would be blocked: "
+            f"ai_pipeline disabled"
+        )
+        # NOTE: Phase 2 does NOT raise HTTPException!
+
+    # Actual logic
+    # ... run pipeline ...
+
+    # No increment for boolean features
+
+    return {"ok": True}
+```
+
+---
+
+## Phase 3: Frontend Display (ohne Gates)
+
+### Usage-Counter anzeigen
+
+```jsx
+// Example: WeightPage.jsx
+import { useEffect, useState } from 'react'
+import api from '../utils/api'
+
+function WeightPage() {
+  const [usage, setUsage] = useState(null)
+
+  useEffect(() => {
+    // Fetch usage info
+    api.get('/api/features/weight_entries/check-access')
+      .then(res => setUsage(res))
+  }, [])
+
+  return (
+    <div>
+      <h1>Gewicht</h1>
+
+      {/* Phase 3: Display usage (non-blocking) */}
+      {usage && usage.limit !== null && (
+        <div className="usage-badge">
+          {usage.used} / {usage.limit} Einträge
+          {usage.remaining !== null && usage.remaining < 5 && (
+            <span className="warning">
+              Nur noch {usage.remaining} Einträge verfügbar
+            </span>
+          )}
+        </div>
+      )}
+
+      {/* Button is NOT disabled in Phase 3 */}
+      <button onClick={createEntry}>
+        Gewicht hinzufügen
+      </button>
+    </div>
+  )
+}
+```
+
+---
+
+## Phase 4: Enforcement aktivieren (opt-in)
+
+### Feature-Flag System
+
+```python
+# In app_settings table
+INSERT INTO app_settings (key, value, description)
+VALUES ('feature_enforcement_enabled', 'false', 'Enable/disable feature limit enforcement');
+```
+
+### Modified Pattern (mit Enforcement)
+
+```python
+def create_weight(data: dict, session: dict = Depends(require_auth)):
+    profile_id = session['profile_id']
+
+    # Check if enforcement is enabled
+    enforcement_enabled = get_app_setting('feature_enforcement_enabled', False)
+
+    # Check access
+    access = check_feature_access(profile_id, 'weight_entries')
+    if not access['allowed']:
+        if enforcement_enabled:
+            # Phase 4: BLOCK
+            raise HTTPException(
+                status_code=429,
+                detail=f"Limit erreicht: {access['used']}/{access['limit']} Gewichtseinträge. Upgrade für mehr."
+            )
+        else:
+            # Phase 2/3: LOG ONLY
+            logger.warning(
+                f"[FEATURE-LIMIT] User {profile_id} would be blocked: "
+                f"weight_entries limit_exceeded ({access['used']}/{access['limit']})"
+            )
+
+    # Actual logic
+    # ...
+```
+
+---
+
+## Rollout-Strategie
+
+### Phase 2: Log-Only (1-2 Wochen)
+- Alle Checks implementiert
+- Nur Logging, keine Blocks
+- **Monitoring**: Wie oft würde blockiert?
+- **Analyse**: Gibt es falsche Limits?
+
+### Phase 3: Display-Only (1 Woche)
+- Frontend zeigt Usage an
+- Buttons NICHT disabled
+- **User-Feedback**: Ist Usage-Anzeige klar?
+- **Testing**: Funktioniert Counter korrekt?
+
+### Phase 4: Enforcement (schrittweise)
+1. Admin-Account testen (enforcement=true nur für Admin)
+2. Test-User (1-2 Accounts)
+3. Rollout an alle (feature_enforcement_enabled=true)
+
+### Rollback-Plan
+- `UPDATE app_settings SET value='false' WHERE key='feature_enforcement_enabled'`
+- Sofortiger Rollback ohne Code-Deploy
+
+---
+
+## Testing-Checklist
+
+### Unit-Tests (Backend)
+- [ ] `check_feature_access()` mit allen Hierarchien
+- [ ] `increment_feature_usage()` mit Reset-Logik
+- [ ] Count-based Features (limit erreicht)
+- [ ] Boolean Features (enabled/disabled)
+- [ ] Monthly reset funktioniert
+
+### Integration-Tests
+- [ ] POST weight-entry bis Limit erreicht
+- [ ] Limit wird korrekt in Response angezeigt
+- [ ] Reset nach Monatswechsel
+- [ ] User-Override überschreibt Tier-Limit
+- [ ] Access-Grant überschreibt Base-Tier
+
+### Frontend-Tests
+- [ ] Usage-Counter aktualisiert nach Create
+- [ ] Warning bei < 5 remaining
+- [ ] Unlimited zeigt "∞"
+- [ ] Disabled-Features zeigen Upgrade-Hinweis
+
+---
+
+**Letzte Aktualisierung:** 20. März 2026
+**Autor:** Lars Stommer + Claude Opus 4.6

.claude/docs/technical/FRONTEND.md

@@ -0,0 +1,923 @@
+# Frontend-Dokumentation
+
+## Übersicht
+
+Das Frontend ist eine **Progressive Web App (PWA)** gebaut mit React 18, Vite und React Router. Die Architektur folgt einem **Component-based Pattern** mit Context-basiertem State Management (kein Redux).
+
+**Technologien:**
+- React 18 (ohne TypeScript)
+- Vite (Build Tool + Dev Server)
+- React Router v6 (Client-side Routing)
+- Recharts (Chart-Bibliothek)
+- Lucide React (Icon Library)
+- Day.js (Datum-Handling)
+
+**Bundle-Größe:** ~450 KB (gzip), PWA-Cache für Offline-Nutzung
+
+---
+
+## Seiten-Übersicht
+
+| Seite | Route | Beschreibung | Auth | Admin |
+|-------|-------|--------------|------|-------|
+| **LoginScreen** | `/` (ohne Auth) | E-Mail + Passwort Login, SHA256→bcrypt Auto-Migration | ❌ | ❌ |
+| **Register** | `/register` | Selbst-Registrierung + E-Mail-Verifizierung | ❌ | ❌ |
+| **Verify** | `/verify?token=...` | E-Mail-Verifizierung nach Registrierung | ❌ | ❌ |
+| **SetupScreen** | `/` (First Run) | Initiales Setup (erster Admin-Account) | ❌ | ❌ |
+| **Dashboard** | `/` | Übersicht: Quick Weight, Stats, Charts, Widgets | ✅ | ❌ |
+| **CaptureHub** | `/capture` | Quick-Entry-Auswahl (Gewicht/Umfänge/Caliper/Fotos/Aktivität/Schlaf) | ✅ | ❌ |
+| **WeightScreen** | `/weight` | Gewichts-Tracking mit Inline-Edit | ✅ | ❌ |
+| **CircumScreen** | `/circum` | Umfänge (8 Punkte) | ✅ | ❌ |
+| **CaliperScreen** | `/caliper` | Hautfaltenmessungen (4 Methoden) | ✅ | ❌ |
+| **MeasureWizard** | `/wizard` | Geführte Messung (Schritt-für-Schritt) | ✅ | ❌ |
+| **ActivityPage** | `/activity` | Training + Trainingstypen (v9d) | ✅ | ❌ |
+| **NutritionPage** | `/nutrition` | 3-Tab Layout: Entry / Import / Charts | ✅ | ❌ |
+| **SleepPage** | `/sleep` | Schlaf-Tracking + Phasen + Apple Health Import | ✅ | ❌ |
+| **RestDaysPage** | `/rest-days` | Ruhetage (Kraft/Cardio/Entspannung) | ✅ | ❌ |
+| **VitalsPage** | `/vitals` | 3-Tab: Baseline / Blutdruck / Import | ✅ | ❌ |
+| **History** | `/history` | Verlauf mit Charts (Gewicht, KF%, Umfänge, etc.) | ✅ | ❌ |
+| **Analysis** | `/analysis` | KI-Auswertung + Pipeline | ✅ | ❌ |
+| **SettingsPage** | `/settings` | Profil, PIN-Change, Export, Feature-Usage-Übersicht | ✅ | ❌ |
+| **SubscriptionPage** | `/subscription` | Membership-Status (v9c) | ✅ | ❌ |
+| **GuidePage** | `/guide` | Anleitungen (Caliper, Umfänge) | ✅ | ❌ |
+| **AdminPanel** | `/admin/*` (in Settings) | Admin-Übersicht | ✅ | ✅ |
+| **AdminTierLimitsPage** | `/admin/tier-limits` | Tier-Limits Matrix (v9c) | ✅ | ✅ |
+| **AdminFeaturesPage** | `/admin/features` | Feature-Verwaltung (v9c) | ✅ | ✅ |
+| **AdminTiersPage** | `/admin/tiers` | Tier-Verwaltung (v9c) | ✅ | ✅ |
+| **AdminCouponsPage** | `/admin/coupons` | Coupon-System (v9c) | ✅ | ✅ |
+| **AdminUserRestrictionsPage** | `/admin/user-restrictions` | User-spezifische Limits (v9c) | ✅ | ✅ |
+| **AdminTrainingTypesPage** | `/admin/training-types` | Trainingstypen-CRUD (v9d) | ✅ | ✅ |
+| **AdminActivityMappingsPage** | `/admin/activity-mappings` | Activity Mapping-Verwaltung (v9d) | ✅ | ✅ |
+| **AdminTrainingProfiles** | `/admin/training-profiles` | Training Type Profiling (v9d #15) | ✅ | ✅ |
+
+**Gesamt:** 31 Seiten (22 User-facing, 9 Admin)
+
+---
+
+## Komponenten
+
+### Wiederverwendbare Komponenten
+
+| Komponente | Props | Beschreibung |
+|-----------|-------|--------------|
+| **Avatar** | `profile, size` | Runder Avatar mit Initialen + Farbe |
+| **Markdown** | `text` | Lightweight Markdown-Renderer (## Headings, **bold**, Listen) |
+| **TrialBanner** | – | Trial-Countdown-Banner (3 Urgency-Level) |
+| **EmailVerificationBanner** | – | E-Mail-Verifizierungs-Hinweis |
+| **FeatureUsageOverview** | – | Tabelle mit allen Feature-Limits + Usage (v9c Phase 3) |
+| **UsageBadge** | `feature` | Inline-Badge mit Limit-Status (z.B. "3/10") |
+| **TrainingTypeDistribution** | `days` | Pie-Chart für Trainingstypen-Verteilung |
+| **SleepWidget** | `days` | Dashboard-Widget mit Schlaf-Stats |
+| **RestDaysWidget** | `weeks` | Dashboard-Widget mit aktuellen Ruhetagen |
+
+**Location:** `frontend/src/components/`
+
+### Inline-Komponenten (in Seiten definiert)
+
+**Dashboard.jsx:**
+- `QuickWeight` – Schnelle Gewichts-Eingabe mit Feature-Limit-Check
+- `StatCard` – Statistik-Karte mit Delta-Anzeige
+- `Pill` – Status-Pill mit Tooltip (WHR, WHtR, KF, Protein Ø7T)
+
+**SettingsPage.jsx:**
+- `ProfileForm` – Formular für Profil-Bearbeitung
+
+**NutritionPage.jsx:**
+- `EntryTab` – Manuelle Eingabe + CSV-Import
+- `ImportHistoryTab` – Import-Historie mit Gruppierung
+- `ChartsTab` – Korrelationen + Wochendaten
+
+**VitalsPage.jsx:**
+- `BaselineTab` – Morgenmessungen (RHR, HRV, VO2 Max, SpO2)
+- `BloodPressureTab` – Blutdruck mehrfach täglich + Context-Tagging
+- `ImportTab` – CSV-Import (Omron Deutsch, Apple Health)
+
+---
+
+## Context / State Management
+
+### 1. AuthContext (`frontend/src/context/AuthContext.jsx`)
+
+**Verantwortlichkeit:** Session-Management + Login/Logout
+
+**State:**
+```javascript
+{
+  session: {
+    token: string,
+    profile_id: string,
+    role: 'user' | 'admin',
+    profile: { id, name, email, tier, ... }
+  },
+  loading: boolean,
+  needsSetup: boolean,  // First-run detection
+}
+```
+
+**Methods:**
+- `login(credentials)` – Login mit E-Mail + Passwort (oder Legacy profile_id + PIN)
+- `setup(formData)` – Initial Setup (First Run)
+- `logout()` – Logout + Token-Löschung
+- `setAuthFromToken(token, profile)` – Direkt-Login (für E-Mail-Verifizierung)
+- `checkStatus()` – Auth-Status prüfen (beim App-Start)
+
+**Computed:**
+- `isAdmin` – `session.role === 'admin'`
+- `canUseAI` – `session.profile.ai_enabled !== 0`
+- `canExport` – `session.profile.export_enabled !== 0`
+
+**Storage:**
+- `localStorage.bodytrack_token` – Auth-Token
+- `localStorage.bodytrack_active_profile` – Aktive Profile-ID
+
+**Flow:**
+```
+App-Start → checkStatus()
+  ↓
+GET /api/auth/status → {needs_setup: true/false}
+  ↓ (wenn needs_setup = false)
+GET /api/auth/me (mit Token aus localStorage)
+  ↓
+Session gesetzt → App.jsx zeigt Dashboard
+```
+
+### 2. ProfileContext (`frontend/src/context/ProfileContext.jsx`)
+
+**Verantwortlichkeit:** Aktives Profil + Profil-Liste
+
+**State:**
+```javascript
+{
+  profiles: Array<Profile>,     // Alle Profile
+  activeProfile: Profile,        // Aktuelles Profil
+  loading: boolean,
+}
+```
+
+**Methods:**
+- `setActiveProfile(profile)` – Profil wechseln (speichert in localStorage)
+- `refreshProfiles()` – Profile neu laden (nach Update)
+
+**Flow:**
+```
+session.profile_id ändert sich
+  ↓
+GET /api/profiles (mit X-Auth-Token)
+  ↓
+profiles gesetzt, activeProfile = match(session.profile_id)
+```
+
+**Hinweis:** Profile-Wechsel ist derzeit Single-User-optimiert (Multi-User-Support in Planung).
+
+---
+
+## API-Integration (`frontend/src/utils/api.js`)
+
+**Zweck:** Zentrale API-Schnittstelle – **ALLE** API-Calls gehen über `api.js`
+
+**Features:**
+- Automatisches Token-Injection (`X-Auth-Token` Header)
+- Automatisches Profile-ID-Injection (`X-Profile-Id` Header, derzeit deprecated)
+- Einheitliche Fehlerbehandlung (parst `{detail: "..."}` aus Backend)
+- Typed-like API (alle Methoden dokumentiert)
+
+**Beispiel:**
+```javascript
+import { api } from '../utils/api'
+
+// GET-Request
+const weights = await api.listWeight(365)  // limit=365
+
+// POST-Request
+await api.upsertWeight('2026-03-23', 75.5, 'Morgens nüchtern')
+
+// DELETE-Request
+await api.deleteWeight(entryId)
+
+// File-Upload
+const result = await api.importCsv(file)
+```
+
+**Headers-Injection:**
+```javascript
+function hdrs(extra={}) {
+  const h = {...extra}
+  if (_profileId) h['X-Profile-Id'] = _profileId  // Deprecated, bleibt für Legacy
+  const token = getToken()
+  if (token) h['X-Auth-Token'] = token
+  return h
+}
+```
+
+**Error-Handling:**
+```javascript
+if (!res.ok) {
+  const err = await res.text()
+  try {
+    const parsed = JSON.parse(err)
+    throw new Error(parsed.detail || err)
+  } catch {
+    throw new Error(err)
+  }
+}
+```
+
+**API-Methoden (285 Zeilen):**
+- **Profiles:** `getActiveProfile, listProfiles, createProfile, updateProfile, deleteProfile`
+- **Weight:** `listWeight, upsertWeight, updateWeight, deleteWeight, weightStats`
+- **Circumferences:** `listCirc, upsertCirc, updateCirc, deleteCirc`
+- **Caliper:** `listCaliper, upsertCaliper, updateCaliper, deleteCaliper`
+- **Activity:** `listActivity, createActivity, updateActivity, deleteActivity, activityStats, bulkCategorizeActivities, importActivityCsv`
+- **Nutrition:** `importCsv, listNutrition, nutritionCorrelations, nutritionWeekly, nutritionImportHistory, createNutrition, updateNutrition, deleteNutrition`
+- **Photos:** `uploadPhoto, listPhotos, photoUrl`
+- **AI:** `insightTrend, listPrompts, runInsight, insightPipeline, listInsights, latestInsights`
+- **Export:** `exportZip, exportJson, exportCsv` (Download-Handling inkludiert)
+- **Admin:** `adminListProfiles, adminCreateProfile, adminDeleteProfile, adminSetPermissions, changePin`
+- **Auth:** `register, verifyEmail, resendVerification`
+- **Subscription (v9c):** `getMySubscription, getMyUsage, getMyLimits, redeemCoupon, getFeatureUsage`
+- **Admin Features (v9c):** `listFeatures, createFeature, updateFeature, deleteFeature`
+- **Admin Tiers (v9c):** `listTiers, createTier, updateTier, deleteTier, getTierLimitsMatrix, updateTierLimit, updateTierLimitsBatch`
+- **Admin User Restrictions (v9c):** `listUserRestrictions, createUserRestriction, updateUserRestriction, deleteUserRestriction`
+- **Admin Coupons (v9c):** `listCoupons, createCoupon, updateCoupon, deleteCoupon, getCouponRedemptions`
+- **Admin Access Grants (v9c):** `listAccessGrants, createAccessGrant, updateAccessGrant, revokeAccessGrant`
+- **Training Types (v9d):** `listTrainingTypes, listTrainingTypesFlat, getTrainingCategories, adminListTrainingTypes, adminCreateTrainingType, adminUpdateTrainingType, adminDeleteTrainingType, getAbilitiesTaxonomy`
+- **Training Profiles (v9d #15):** `getProfileStats, getProfileTemplates, getProfileTemplate, applyProfileTemplate, getTrainingParameters, batchEvaluateActivities`
+- **Activity Mappings (v9d):** `adminListActivityMappings, adminCreateActivityMapping, adminUpdateActivityMapping, adminDeleteActivityMapping, adminGetMappingCoverage`
+- **Sleep (v9d):** `listSleep, getSleepByDate, createSleep, updateSleep, deleteSleep, getSleepStats, getSleepDebt, getSleepTrend, getSleepPhases, importAppleHealthSleep`
+- **Rest Days (v9d):** `listRestDays, createRestDay, getRestDay, updateRestDay, deleteRestDay, getRestDaysStats, validateActivity`
+- **Vitals Baseline (v9d):** `listBaseline, getBaselineByDate, createBaseline, updateBaseline, deleteBaseline, getBaselineStats, importBaselineAppleHealth`
+- **Blood Pressure (v9d):** `listBloodPressure, getBPByDate, createBloodPressure, updateBloodPressure, deleteBloodPressure, getBPStats, importBPOmron`
+
+---
+
+## Berechnungs-Utils
+
+### 1. calc.js (`frontend/src/utils/calc.js`)
+
+**Zweck:** Körperfett-Berechnungen + Derived Metrics
+
+**Funktionen:**
+
+**`calcBodyFat(method, skinfolds, sex, age)`**
+- Berechnet Körperfett-% nach 4 Methoden:
+  - `jackson3` – Jackson-Pollock 3-Punkt (Standard)
+  - `jackson7` – Jackson-Pollock 7-Punkt
+  - `durnin` – Durnin-Womersley 4-Punkt
+  - `parrillo` – Parrillo 9-Punkt (linear)
+- Nutzt Siri-Formel: `BF% = (495 / D) - 450`
+- Parameter:
+  - `method`: String ('jackson3', 'jackson7', 'durnin', 'parrillo')
+  - `skinfolds`: Object mit Hautfalten in mm (z.B. `{chest: 12, abdomen: 24, thigh: 18}`)
+  - `sex`: 'm' | 'f'
+  - `age`: Number
+
+**`getBfCategory(pct, sex)`**
+- Kategorisiert Körperfett-% in Bereiche:
+  - Männer: Essenziell (<6%), Athletisch (6-14%), Fit (14-18%), Durchschnitt (18-25%), Übergewicht (>25%)
+  - Frauen: Essenziell (<14%), Athletisch (14-21%), Fit (21-25%), Durchschnitt (25-32%), Übergewicht (>32%)
+- Returns: `{max, label, color, desc}`
+
+**`calcDerived(measurement, height)`**
+- Berechnet abgeleitete Metriken:
+  - **WHR** (Waist-Hip-Ratio): `waist / hip` (Ziel: <0.90 M / <0.85 F)
+  - **WHtR** (Waist-to-Height-Ratio): `waist / height` (Ziel: <0.50)
+  - **FFMI** (Fat-Free Mass Index): `lean_mass / (height_m²)` (Natural Limit: ~25 M / ~22 F)
+- Returns: `{whr, whtr, ffmi}`
+
+**`getRuleBasedAssessment(current, previous, profile)`**
+- Generiert automatische Interpretationen basierend auf:
+  - Körperfett-Kategorie
+  - Änderungen seit letzter Messung
+  - FFMI (Muskel-Index)
+  - WHR / WHtR (Fettverteilung)
+  - Taillenumfang (WHO-Grenzwerte)
+- Returns: `{findings: Array, summary: string, summaryType: 'good'|'warn'|'bad'}`
+
+**Guide-Daten:**
+- `CIRCUMFERENCE_GUIDE` – Messanleitung für 8 Umfangspunkte (wo, wie, Posture, Tipps)
+- `CALIPER_GUIDE` – Messanleitung für Hautfalten-Punkte
+
+### 2. interpret.js (`frontend/src/utils/interpret.js`)
+
+**Zweck:** Interpretation von Messwerten
+
+**`getInterpretation(measurement, profile, prevMeasurement)`**
+- Analysiert Messung und generiert strukturierte Interpretation:
+  - Körperfett-Status (mit Kategorie + Farbe)
+  - WHR-Status
+  - WHtR-Status
+  - FFMI-Status
+  - BMI-Status
+  - Vergleich zur letzten Messung (Deltas)
+- Returns: Array von Interpretations-Objects:
+  ```javascript
+  {
+    category: 'Körperfett',
+    icon: '🫧',
+    status: 'good' | 'warn' | 'bad',
+    title: 'Athletischer Körperfettanteil',
+    detail: 'Ausgezeichnet. Typisch für aktive Sportler...',
+    value: '12.5%',
+    badge: 'Athletisch',
+    color: '#1D9E75',
+  }
+  ```
+
+**`getStatusColor(status)`** – Farbe für Status ('good'→Grün, 'warn'→Orange, 'bad'→Rot)
+
+**`getStatusBg(status)`** – Background-Farbe für Status
+
+### 3. Markdown.jsx (`frontend/src/utils/Markdown.jsx`)
+
+**Zweck:** Leichtgewichtiger Markdown-Renderer für KI-Texte
+
+**Unterstützte Syntax:**
+- `# Heading 1`, `## Heading 2`, `### Heading 3`
+- `**bold**`, `*italic*`
+- `- Bullet List`, `1. Numbered List`
+- `---` (Horizontal Rule)
+- Line Breaks
+
+**Verwendung:**
+```jsx
+<Markdown text={aiInsight.content} />
+```
+
+**Vorteil:** Kein remark/rehype-Dependency – nur 134 Zeilen pures React
+
+---
+
+## CSS-System (`frontend/src/app.css`)
+
+### CSS-Variablen (Light + Dark Mode)
+
+**Farben:**
+```css
+:root {
+  --bg: #f4f3ef;              /* Hintergrund */
+  --surface: #ffffff;         /* Cards */
+  --surface2: #f9f8f5;        /* Inputs, Secondary */
+  --border: rgba(0,0,0,0.09); /* Standard-Border */
+  --border2: rgba(0,0,0,0.16);/* Input-Border */
+  --text1: #1c1b18;           /* Primär-Text */
+  --text2: #5a5955;           /* Sekundär-Text */
+  --text3: #9a9892;           /* Muted */
+  --accent: #1D9E75;          /* Primär-Farbe */
+  --accent-light: #E1F5EE;    /* Accent-Background */
+  --accent-dark: #0a5c43;     /* Hover */
+  --danger: #D85A30;          /* Fehler/Löschen */
+  --warn: #EF9F27;            /* Warnung */
+}
+
+@media (prefers-color-scheme: dark) {
+  :root {
+    --bg: #181816;
+    --surface: #222220;
+    --surface2: #1e1e1c;
+    --border: rgba(255,255,255,0.08);
+    --text1: #eeecea;
+    --text2: #aaa9a4;
+    --text3: #686762;
+    --accent-light: #04342C;
+    --accent-dark: #5DCAA5;
+  }
+}
+```
+
+**Layout:**
+```css
+--nav-h: 64px;       /* Bottom Navigation Höhe */
+--header-h: 52px;    /* App-Header Höhe */
+```
+
+### Utility Classes
+
+**Cards:**
+```css
+.card           /* Standard-Card (white background, border, rounded) */
+.card-title     /* Card-Überschrift (uppercase, small, muted) */
+```
+
+**Stats:**
+```css
+.stats-grid     /* 2-Column Grid für Stats */
+.stat-card      /* Einzelne Stat-Card */
+.stat-val       /* Wert (groß, bold) */
+.stat-label     /* Label (klein, muted) */
+.stat-delta     /* Delta (z.B. "+2.5 kg") */
+.delta-pos      /* Positive Änderung (grün) */
+.delta-neg      /* Negative Änderung (rot) */
+```
+
+**Forms:**
+```css
+.form-section       /* Formular-Sektion mit Abstand */
+.form-section-title /* Sektions-Titel (uppercase, border-bottom) */
+.form-row           /* Zeile mit Label + Input + Unit */
+.form-label         /* Label (links, flex:1) */
+.form-input         /* Input (90px breit, text-align:right) */
+.form-unit          /* Einheit (z.B. "kg", 24px breit) */
+.form-select        /* Select-Dropdown */
+.form-sub           /* Sub-Label (klein, muted) */
+```
+
+**Buttons:**
+```css
+.btn              /* Base Button */
+.btn-primary      /* Primär-Button (accent) */
+.btn-secondary    /* Sekundär-Button (grau) */
+.btn-danger       /* Löschen-Button (rot) */
+.btn-full         /* Full-Width Button */
+```
+
+**Tabs:**
+```css
+.tabs             /* Tab-Container (segmented control) */
+.tab              /* Einzelner Tab */
+.tab.active       /* Aktiver Tab (white background, shadow) */
+```
+
+**Misc:**
+```css
+.badge            /* Inline-Badge (klein, rounded) */
+.spinner          /* Loading-Spinner (CSS-Animation) */
+.empty-state      /* Leerer Zustand (zentriert, muted) */
+.muted            /* Muted-Text (text3) */
+```
+
+### Responsive Design
+
+**Mobile-First Approach:**
+- Standard-Layout für 375px–600px (Mobile)
+- Max-Width: 600px (zentriert auf Desktop)
+- Bottom-Navigation für Mobile (64px hoch)
+- Touch-optimierte Button-Größen (min 44px)
+
+**Bottom Navigation:**
+```css
+.bottom-nav {
+  position: fixed;
+  bottom: 0;
+  left: 50%;
+  transform: translateX(-50%);
+  width: 100%;
+  max-width: 600px;
+  height: var(--nav-h);
+  z-index: 20;
+}
+```
+
+**Safe Area (iPhone):**
+```css
+padding-bottom: env(safe-area-inset-bottom, 0);  /* Notch-Handling */
+```
+
+**Desktop-Optimierung:**
+- App zentriert mit max-width: 600px
+- Kein responsives Layout für >600px (bewusst Mobile-optimiert)
+
+---
+
+## PWA-Konfiguration
+
+### Service Worker
+
+**Location:** `frontend/public/service-worker.js`
+
+**Cache-Strategie:**
+- **Static Assets:** Cache-First (HTML, CSS, JS, Icons)
+- **API-Calls:** Network-First mit Fallback
+- **Photos:** Cache-First mit Expiry
+
+**Registrierung:**
+```javascript
+// frontend/src/main.jsx
+if ('serviceWorker' in navigator) {
+  navigator.serviceWorker.register('/service-worker.js')
+}
+```
+
+### Manifest
+
+**Location:** `frontend/public/manifest.json`
+
+**Wichtige Felder:**
+```json
+{
+  "name": "Mitai Jinkendo",
+  "short_name": "Mitai",
+  "theme_color": "#1D9E75",
+  "background_color": "#f4f3ef",
+  "display": "standalone",
+  "icons": [
+    { "src": "/icon-192.png", "sizes": "192x192", "type": "image/png" },
+    { "src": "/icon-512.png", "sizes": "512x512", "type": "image/png" }
+  ]
+}
+```
+
+**Installation:**
+- iOS: "Zum Home-Bildschirm"
+- Android: "Installieren"-Prompt
+- Desktop: Chrome/Edge Install-Button
+
+---
+
+## Chart-Bibliothek (Recharts)
+
+**Verwendete Charts:**
+
+| Chart-Typ | Verwendung | Seite |
+|-----------|-----------|-------|
+| **LineChart** | Gewicht, Körperfett, Umfänge, Vitalwerte | Dashboard, History |
+| **BarChart** | Wöchentliche Ernährung, Aktivität | NutritionPage, History |
+| **PieChart** | Trainingstypen-Verteilung | Dashboard, ActivityPage |
+| **ScatterChart** | Korrelationen (Gewicht vs. Kalorien) | NutritionPage |
+| **ComposedChart** | Multi-Axis (Gewicht + KF% kombiniert) | History |
+
+**Standard-Konfiguration:**
+```jsx
+<ResponsiveContainer width="100%" height={240}>
+  <LineChart data={data}>
+    <CartesianGrid strokeDasharray="3 3" stroke="var(--border)" />
+    <XAxis dataKey="date" tick={{ fontSize: 11 }} stroke="var(--text3)" />
+    <YAxis tick={{ fontSize: 11 }} stroke="var(--text3)" />
+    <Tooltip contentStyle={{ background: 'var(--surface)', border: '1px solid var(--border)' }} />
+    <Line type="monotone" dataKey="weight" stroke="var(--accent)" strokeWidth={2} dot={false} />
+  </LineChart>
+</ResponsiveContainer>
+```
+
+**Farb-Schema:**
+- Gewicht: `var(--accent)` (#1D9E75)
+- Körperfett: `#D85A30` (Danger)
+- Umfänge: Individual Colors (siehe `CIRCUMFERENCE_GUIDE`)
+- 7-Tage-Durchschnitt: `var(--accent-dark)` (#0a5c43, gestrichelt)
+
+---
+
+## Feature Usage Badges (v9c Phase 3)
+
+**Zweck:** Sichtbarkeit der Feature-Limits direkt in der UI
+
+**Komponenten:**
+
+### 1. UsageBadge (`components/UsageBadge.jsx`)
+
+**Inline-Badge mit Limit-Status:**
+```jsx
+<UsageBadge feature="weight_entries" />
+// Rendert: "5/10" (grün) oder "10/10 🔒" (rot)
+```
+
+**Logik:**
+```javascript
+const { allowed, used, limit, remaining } = await api.getFeatureUsage()
+const color = allowed ? 'var(--accent)' : 'var(--danger)'
+const text = limit === null ? '∞' : `${used}/${limit}`
+```
+
+**Verwendung:** In Buttons (z.B. "Speichern 5/10")
+
+### 2. FeatureUsageOverview (`components/FeatureUsageOverview.jsx`)
+
+**Tabelle mit allen Features:**
+```jsx
+<FeatureUsageOverview />
+```
+
+**Darstellung:**
+| Feature | Genutzt | Limit | Verbleibend | Status |
+|---------|---------|-------|-------------|--------|
+| Gewichtseinträge | 45 | 100 | 55 | ✓ OK |
+| KI-Aufrufe | 10 | 10 | 0 | 🔒 Limit erreicht |
+| Daten-Export | 1 | 5 | 4 | ✓ OK |
+
+**Farbcodierung:**
+- Grün: `allowed === true`
+- Rot: `allowed === false`
+- Gelb: `remaining < 10% && allowed`
+
+**Location:** Settings-Seite (Tab "Quota")
+
+---
+
+## Routing-Architektur
+
+### App-Struktur (`App.jsx`)
+
+```
+AuthProvider
+  ↓
+ProfileProvider
+  ↓
+BrowserRouter
+  ↓
+AppShell
+  ├── Public Routes (ohne Auth)
+  │   ├── /register → Register
+  │   ├── /verify?token=... → Verify
+  │   └── /reset-password?token=... → ResetPassword
+  │
+  ├── Auth Gates
+  │   ├── authLoading → Spinner
+  │   ├── needsSetup → SetupScreen
+  │   └── !session → LoginScreen
+  │
+  └── Authenticated Routes
+      ├── Header (Logo + Logout + Avatar)
+      ├── Main (Scrollable Content)
+      │   └── Routes (31 Seiten)
+      └── Nav (Bottom Navigation, 5 Items)
+```
+
+### Navigation-Items
+
+```javascript
+const links = [
+  { to: '/',         icon: <LayoutDashboard/>, label: 'Übersicht' },
+  { to: '/capture',  icon: <PlusSquare/>,      label: 'Erfassen' },
+  { to: '/history',  icon: <TrendingUp/>,      label: 'Verlauf' },
+  { to: '/analysis', icon: <BarChart2/>,       label: 'Analyse' },
+  { to: '/settings', icon: <Settings/>,        label: 'Einst.' },
+]
+```
+
+**Besonderheit:** Active-State via React Router `NavLink` (`isActive` prop)
+
+### Route-Guards
+
+**Auth-Schutz:**
+```jsx
+if (!session) return <LoginScreen/>
+```
+
+**Admin-Schutz:**
+```jsx
+// In AdminPanel-Seiten:
+const { isAdmin } = useAuth()
+if (!isAdmin) return <div>Nur für Admins</div>
+```
+
+**Setup-Check:**
+```jsx
+if (needsSetup) return <SetupScreen/>
+```
+
+---
+
+## Performance-Optimierungen
+
+### 1. Code Splitting
+
+**React.lazy() für Admin-Seiten:**
+```javascript
+const AdminPanel = React.lazy(() => import('./pages/AdminPanel'))
+```
+
+**Vorteil:** Admin-Code nicht im Initial Bundle (~80 KB gespart)
+
+### 2. Memoization
+
+**useMemo für teure Berechnungen:**
+```javascript
+const stats = useMemo(() => {
+  return calculateStats(data)
+}, [data])
+```
+
+**Verwendung:** Chart-Daten-Transformation, Aggregationen
+
+### 3. Lazy Loading
+
+**Images:**
+```jsx
+<img src={photoUrl} loading="lazy" />
+```
+
+**Charts:**
+- Nur sichtbare Charts rendern (Intersection Observer in Planung)
+
+### 4. API-Call-Batching
+
+**Parallel-Loading:**
+```javascript
+const [stats, insights, weights] = await Promise.all([
+  api.getStats(),
+  api.latestInsights(),
+  api.listWeight(30),
+])
+```
+
+**Verwendung:** Dashboard initial load
+
+---
+
+## Error-Handling
+
+### 1. API-Fehler
+
+**Pattern in allen Seiten:**
+```javascript
+const [error, setError] = useState(null)
+
+try {
+  const data = await api.someEndpoint()
+  setData(data)
+} catch(e) {
+  setError(e.message)  // api.js parsed bereits {detail: "..."}
+} finally {
+  setLoading(false)
+}
+```
+
+**Anzeige:**
+```jsx
+{error && (
+  <div style={{
+    background: 'rgba(216,90,48,0.1)',
+    color: 'var(--danger)',
+    padding: '10px 14px',
+    borderRadius: 8,
+    border: '1px solid rgba(216,90,48,0.2)'
+  }}>
+    {error}
+  </div>
+)}
+```
+
+### 2. Network-Fehler
+
+**Offline-Detection:**
+```javascript
+useEffect(() => {
+  const handleOnline = () => setOnline(true)
+  const handleOffline = () => setOnline(false)
+  window.addEventListener('online', handleOnline)
+  window.addEventListener('offline', handleOffline)
+  return () => {
+    window.removeEventListener('online', handleOnline)
+    window.removeEventListener('offline', handleOffline)
+  }
+}, [])
+```
+
+**Anzeige:** Banner "Keine Internetverbindung – Änderungen werden gespeichert sobald Online"
+
+### 3. Form-Validierung
+
+**Client-Side:**
+```javascript
+if (!weight || weight < 20 || weight > 300) {
+  setError('Gewicht zwischen 20 und 300 kg')
+  return
+}
+```
+
+**Server-Side:**
+- Backend wirft `HTTPException(400, detail="...")` → Frontend zeigt `detail`
+
+---
+
+## Besonderheiten & Design-Entscheidungen
+
+### 1. Warum kein TypeScript?
+
+**Entscheidung:** Bewusst auf TypeScript verzichtet
+
+**Gründe:**
+- Schnellere Prototyping-Geschwindigkeit
+- Weniger Build-Komplexität
+- JSDoc-Kommentare für Dokumentation ausreichend
+- Type Safety durch Backend (Pydantic validiert alle Inputs)
+
+### 2. Warum Context statt Redux?
+
+**Entscheidung:** Context API ausreichend für diesen Use-Case
+
+**Gründe:**
+- Nur 2 globale States (Auth + Profile)
+- Kein komplexes State-Update-Pattern nötig
+- Weniger Boilerplate
+- Performance ausreichend (keine häufigen Re-Renders)
+
+**Hinweis:** Bei >5 Contexts würde Redux Sinn machen
+
+### 3. Warum Custom Markdown statt remark/rehype?
+
+**Entscheidung:** Eigener Markdown-Renderer (134 Zeilen)
+
+**Gründe:**
+- Nur Subset von Markdown benötigt (Headings, Bold, Listen)
+- remark + rehype + plugins = ~200 KB Bundle-Size
+- Custom-Renderer = 0 Dependencies
+- Full Control über Styling
+
+### 4. Warum Recharts statt Chart.js?
+
+**Entscheidung:** Recharts für alle Charts
+
+**Gründe:**
+- React-native (kein Canvas, sondern SVG)
+- Declarative API passt zu React
+- Responsive by default
+- Kleineres Bundle als Chart.js
+
+### 5. Inline-Editing statt Modal-Forms
+
+**Entscheidung:** Inline-Edit für alle Listen (Gewicht, Ernährung, Vitalwerte)
+
+**Pattern:**
+```javascript
+const [editingId, setEditingId] = useState(null)
+
+{entries.map(e => (
+  editingId === e.id
+    ? <EditForm entry={e} onSave={...} onCancel={...} />
+    : <ViewRow entry={e} onEdit={() => setEditingId(e.id)} />
+))}
+```
+
+**Vorteil:**
+- Keine Modal-Komponente nötig
+- Besserer Mobile-UX (kein Overlay)
+- Schnelleres Editing (kein Dialog öffnen)
+
+---
+
+## Bekannte Limitationen
+
+### 1. Desktop-Optimierung
+
+**Problem:** App ist Mobile-First, Desktop-Layout nicht optimiert
+
+**Aktuell:** Max-Width 600px, zentriert auf Desktop
+
+**Geplant (v10+):** Responsive Grid-Layout für Desktop (Sidebar + Multi-Column)
+
+### 2. Offline-Modus
+
+**Problem:** Service Worker cached nur Static Assets, nicht API-Responses
+
+**Aktuell:** Offline = Keine Daten-Eingabe möglich
+
+**Geplant (v10+):** IndexedDB für Offline-Queue
+
+### 3. Multi-Profil-Support
+
+**Problem:** Profile-Wechsel funktioniert, aber Session ist Single-User
+
+**Aktuell:** Logout + Login für Profil-Wechsel
+
+**Geplant (v9f+):** Multi-Session-Support (Switch ohne Logout)
+
+### 4. Accessibility
+
+**Problem:** ARIA-Labels fehlen, Keyboard-Navigation unvollständig
+
+**Aktuell:** Maus/Touch-optimiert
+
+**Geplant (v10+):** WCAG 2.1 AA Compliance
+
+---
+
+## Testing
+
+**Aktueller Stand:** Kein automatisiertes Testing implementiert
+
+**Geplant (v10+):**
+- Unit-Tests: Vitest für utils (calc.js, interpret.js)
+- Component-Tests: React Testing Library
+- E2E-Tests: Playwright für kritische Flows (Login, Gewicht-Eingabe, KI-Analyse)
+
+**Manual Testing:**
+- Alle Features manuell auf iOS Safari, Android Chrome, Desktop Firefox getestet
+- Regression-Tests bei jedem Deploy
+
+---
+
+## Zusammenfassung
+
+**Architektur-Highlights:**
+- ✅ 31 Seiten (22 User, 9 Admin)
+- ✅ Context-basiertes State Management (Auth + Profile)
+- ✅ Zentrale API-Schnittstelle (api.js)
+- ✅ Berechnungs-Utils für Body-Metrics (calc.js, interpret.js)
+- ✅ CSS-Variablen für Light/Dark Mode
+- ✅ PWA mit Service Worker
+- ✅ Recharts für alle Charts
+- ✅ Feature Usage Badges (v9c Phase 3)
+- ✅ Mobile-First Design (max-width 600px)
+- ✅ Inline-Editing statt Modals
+- ✅ Custom Markdown-Renderer (0 Dependencies)
+
+**Performance:**
+- Initial Bundle: ~450 KB (gzip)
+- Code Splitting: Admin-Seiten lazy-loaded
+- API-Call-Batching: Parallel-Loading für Dashboard
+
+**Nächste Schritte:**
+- Testing (Vitest + React Testing Library)
+- Desktop-Responsive-Layout
+- Offline-Modus (IndexedDB)
+- Accessibility (WCAG 2.1 AA)

.claude/docs/technical/INTERNAL_API_REFERENCE.md

@@ -0,0 +1,212 @@
+# Internal API Reference
+
+**Purpose:** Prevent guessing function signatures and module exports.
+
+Last updated: 2026-03-28
+
+---
+
+## goal_utils.py
+
+### Focus Area Functions
+
+```python
+def get_focus_weights(conn, profile_id: str) -> Dict[str, float]
+```
+Returns user's focus area weights as `{area_key: weight_percent}`.
+Keys are **English** (weight_loss, muscle_gain, etc.).
+
+```python
+def get_focus_weights_v2(conn, profile_id: str) -> Dict[str, float]
+```
+Newer version with auto-normalization. Use this for new code.
+
+```python
+def get_primary_focus(conn, profile_id: str) -> str
+```
+Returns area_key of highest weighted focus area.
+
+```python
+def get_focus_description(focus_area: str) -> str
+```
+Returns German description for a focus area key.
+
+---
+
+### Goal Functions
+
+```python
+def get_active_goals(profile_id: str) -> List[Dict]
+```
+Returns ALL active goals for a profile.
+Each dict has: id, type_key, current_value, target_value, is_primary, etc.
+
+**To filter by type:**
+```python
+goals = get_active_goals(profile_id)
+weight_goals = [g for g in goals if g.get('type_key') == 'weight']
+```
+
+```python
+def get_goal_by_id(goal_id: str) -> Optional[Dict]
+```
+Returns single goal by UUID.
+
+```python
+def get_goal_type_config(conn, type_key: str) -> Optional[Dict[str, Any]]
+```
+Returns goal type metadata from `goal_type_definitions` table:
+- source_table, source_column, aggregation_method, unit
+
+```python
+def get_current_value_for_goal(conn, profile_id: str, goal_type: str) -> Optional[float]
+```
+Calculates current value for a goal type using its aggregation method.
+
+---
+
+### Aggregation Functions
+
+```python
+def calculate_current_value(
+    profile_id: str,
+    table: str,
+    column: str,
+    method: str,
+    date_column: str = 'date',
+    filter_conditions: Optional[List[Tuple[str, Any]]] = None
+) -> Optional[float]
+```
+
+**Available methods:**
+- `latest` - Most recent value
+- `avg_7d` - 7-day average (numeric values only)
+- `avg_30d` - 30-day average
+- `max_30d` - Maximum in 30 days
+- `avg_per_week_30d` - Count per week over 30 days (for frequency tracking)
+
+**Filter conditions format:**
+```python
+[("training_type", "strength"), ("quality", "good")]
+```
+
+---
+
+## calculations/body_metrics.py
+
+### Score Functions
+
+```python
+def calculate_body_progress_score(profile_id: str, focus_weights: Dict[str, float] = None) -> Optional[int]
+```
+Returns 0-100 score for body composition progress.
+Weighted by focus areas: weight_loss, muscle_gain, body_recomposition.
+
+**Sub-functions (private):**
+- `_score_weight_trend(profile_id)` - Alignment with weight goal
+- `_score_body_composition(profile_id)` - BF% + lean mass progress
+
+---
+
+## calculations/nutrition_metrics.py
+
+### Score Functions
+
+```python
+def calculate_nutrition_score(profile_id: str, focus_weights: Dict[str, float] = None) -> Optional[int]
+```
+Returns 0-100 score for nutrition adherence.
+Weighted by: protein_intake, calorie_balance, macro_consistency, meal_timing, hydration.
+
+**Sub-functions (private):**
+- `_score_calorie_adherence(profile_id)` - Energy balance vs goal
+- `_score_protein_adequacy(profile_id)` - Protein target adherence
+
+---
+
+## calculations/activity_metrics.py
+
+### Score Functions
+
+```python
+def calculate_activity_score(profile_id: str, focus_weights: Dict[str, float] = None) -> Optional[int]
+```
+Returns 0-100 score for training quality.
+Weighted by: strength, endurance (aerobic+anaerobic+cardiovascular), mobility/coordination.
+
+**Sub-functions (private):**
+- `_score_training_quality(profile_id)` - Session quality %
+- `_score_training_consistency(profile_id)` - Frequency adherence
+
+---
+
+## calculations/scores.py
+
+### Main Score Aggregator
+
+```python
+def calculate_goal_progress_score(profile_id: str) -> Optional[int]
+```
+Master score aggregating body, nutrition, activity progress.
+Weighted by user's category weights from focus areas.
+
+```python
+def calculate_category_progress(profile_id: str, category: str) -> Optional[int]
+```
+Maps category name to appropriate score function.
+Categories: körper, ernährung, aktivität, erholung, vitalwerte, mental, lebensstil
+
+---
+
+## Common Patterns
+
+### Getting Goals for a Specific Type
+
+```python
+# ❌ DON'T (function doesn't exist):
+from goal_utils import get_goals_by_type
+goals = get_goals_by_type(profile_id, 'weight')
+
+# ✅ DO:
+from goal_utils import get_active_goals
+goals = get_active_goals(profile_id)
+weight_goals = [g for g in goals if g.get('type_key') == 'weight']
+```
+
+### Accessing Focus Area Weights
+
+```python
+# ❌ DON'T (German keys don't exist in DB):
+weight_focus = focus_weights.get('körpergewicht', 0)
+
+# ✅ DO (English keys from Migration 031):
+weight_loss = focus_weights.get('weight_loss', 0)
+muscle_gain = focus_weights.get('muscle_gain', 0)
+```
+
+### Querying Sleep Data
+
+```python
+# ❌ DON'T:
+SELECT duration FROM sleep_log
+
+# ✅ DO:
+SELECT duration_minutes, deep_minutes, rem_minutes FROM sleep_log
+```
+
+---
+
+## Verification Checklist
+
+Before using any function:
+
+1. ✅ Verify function exists: `grep "^def function_name" backend/module.py`
+2. ✅ Check signature: `Read module.py` to see parameters
+3. ✅ Check what it returns: Read docstring or implementation
+4. ✅ Verify imported correctly: Check module path
+
+Before writing SQL:
+
+1. ✅ Check table schema: `grep "CREATE TABLE" backend/schema.sql`
+2. ✅ Verify column names: Check migration files
+3. ✅ Test query logic: Use actual data, not assumptions

.claude/docs/technical/MIGRATIONS.md

@@ -0,0 +1,392 @@
+# Database Migrations System
+
+**Version:** v9c
+**Implementiert:** 2026-03-21
+**Dokumentiert:** 2026-03-21
+
+---
+
+## Übersicht
+
+Mitai Jinkendo verwendet ein automatisches Migrations-System für strukturierte Schema-Änderungen. Alle Migrationen werden beim Container-Start automatisch ausgeführt.
+
+## Architektur
+
+### Migration-Tracking
+
+**Tabelle:** `schema_migrations`
+```sql
+CREATE TABLE schema_migrations (
+    id SERIAL PRIMARY KEY,
+    filename VARCHAR(255) UNIQUE NOT NULL,
+    applied_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
+)
+```
+
+Diese Tabelle trackt, welche Migrationen bereits angewendet wurden.
+
+### Ablauf beim Container-Start
+
+1. **PostgreSQL Connection Check** (`db_init.py`)
+2. **Schema-Initialisierung** (falls `profiles` Tabelle nicht existiert)
+   - Lädt `backend/schema.sql` (Basis-Schema)
+3. **Migrations-System** (`run_migrations()`)
+   - Erstellt `schema_migrations` Tabelle (falls nicht vorhanden)
+   - Scannt `backend/migrations/` nach `.sql` Dateien
+   - Filtert nur nummerierte Dateien: `\d{3}_*.sql` (z.B. `001_feature.sql`)
+   - Sortiert alphabetisch (aufsteigende Reihenfolge)
+   - Wendet nur noch nicht angewendete Migrationen an
+   - Trackt jede erfolgreich angewendete Migration
+4. **SQLite-zu-PostgreSQL Migration** (falls vorhanden)
+
+## Datei-Konventionen
+
+### Naming-Pattern
+
+**Format:** `XXX_descriptive_name.sql`
+
+- `XXX` = Dreistellige Nummer (001, 002, 003, ...)
+- Unterstrich `_` als Trennzeichen
+- Kleinbuchstaben, keine Leerzeichen
+- `.sql` Extension
+
+**Beispiele:**
+```
+✅ 001_subscription_system.sql
+✅ 002_fix_features.sql
+✅ 003_add_email_verification.sql
+
+❌ v9c_subscription_system.sql    # Keine Nummer
+❌ check_features.sql              # Keine Nummer
+❌ 1_feature.sql                   # Nur eine Ziffer
+❌ 001-feature.sql                 # Bindestrich statt Unterstrich
+```
+
+### Datei-Struktur
+
+Jede Migration sollte folgende Struktur haben:
+
+```sql
+-- ================================================================
+-- Migration XXX: Beschreibung
+-- Version: vX.X
+-- Date: YYYY-MM-DD
+-- ================================================================
+
+-- Beschreibung der Änderung
+ALTER TABLE table_name ...
+
+-- Weitere SQL-Statements
+
+-- Kommentare für Dokumentation
+COMMENT ON COLUMN table.column IS 'Beschreibung';
+```
+
+### SQL-Einschränkungen
+
+**Erlaubt:**
+- Standard SQL DDL (CREATE, ALTER, DROP)
+- Standard SQL DML (INSERT, UPDATE, DELETE)
+- CREATE INDEX, CREATE FUNCTION, etc.
+- Multi-Statement-Scripts (durch `;` getrennt)
+
+**Nicht erlaubt:**
+- psql Meta-Kommandos (`\echo`, `\set`, `\connect`, etc.)
+- Interactive Commands (`\i`, `\include`)
+- Transaktions-Kontrolle (automatisch gehandhabt)
+
+## Anwendung
+
+### Automatisch (Production/Dev)
+
+Migrationen werden **automatisch** beim Container-Start angewendet:
+
+```bash
+# Container startet
+docker compose up -d
+
+# db_init.py wird ausgeführt:
+# 1. PostgreSQL ready check
+# 2. Schema initialisiert (falls nötig)
+# 3. Migrationen ausgeführt
+# 4. SQLite-Migration (falls nötig)
+```
+
+**Log-Output:**
+```
+═══════════════════════════════════════════════════════════
+MITAI JINKENDO - Database Initialization (v9c)
+═══════════════════════════════════════════════════════════
+
+Checking PostgreSQL connection...
+✓ PostgreSQL ready
+
+Checking database schema...
+✓ Schema already exists
+
+Running database migrations...
+  Found 2 pending migration(s)...
+  ✓ Applied: 001_subscription_system.sql
+  ✓ Applied: 003_add_email_verification.sql
+
+✓ Database initialization complete
+```
+
+### Manuell (Entwicklung)
+
+Für Testing während der Entwicklung:
+
+```bash
+# Im laufenden Container
+docker exec -it dev-mitai-api python3 /app/db_init.py
+
+# Oder direkt mit psql (für einzelne Migrationen)
+docker exec -it dev-mitai-db psql -U mitai_dev -d mitai_dev \
+  -f /path/to/migration.sql
+```
+
+## Migration erstellen
+
+### Schritt 1: Datei erstellen
+
+```bash
+# Nächste freie Nummer ermitteln
+ls backend/migrations/ | grep -E '^\d{3}_' | sort | tail -1
+# → 003_add_email_verification.sql
+
+# Neue Migration mit Nummer 004
+touch backend/migrations/004_add_new_feature.sql
+```
+
+### Schritt 2: SQL schreiben
+
+```sql
+-- ================================================================
+-- Migration 004: Add New Feature
+-- Version: v9d
+-- Date: 2026-03-22
+-- ================================================================
+
+-- Add new column
+ALTER TABLE profiles
+ADD COLUMN IF NOT EXISTS new_feature_enabled BOOLEAN DEFAULT TRUE;
+
+-- Create index if needed
+CREATE INDEX IF NOT EXISTS idx_profiles_new_feature
+ON profiles(new_feature_enabled)
+WHERE new_feature_enabled = TRUE;
+
+-- Update existing data if needed
+UPDATE profiles
+SET new_feature_enabled = TRUE
+WHERE tier = 'premium';
+
+COMMENT ON COLUMN profiles.new_feature_enabled IS 'Feature flag for new feature';
+```
+
+### Schritt 3: Testen
+
+```bash
+# Lokal testen (Dev-Container)
+git add backend/migrations/004_add_new_feature.sql
+git commit -m "feat: add migration for new feature"
+git push origin develop
+
+# Container wird neu gebaut und Migration automatisch angewendet
+```
+
+### Schritt 4: Verifizieren
+
+```bash
+# Prüfen ob Migration angewendet wurde
+docker exec -it dev-mitai-db psql -U mitai_dev -d mitai_dev \
+  -c "SELECT * FROM schema_migrations ORDER BY applied_at DESC LIMIT 5;"
+
+# Output:
+# id | filename                      | applied_at
+# ---+------------------------------+------------------------
+#  4 | 004_add_new_feature.sql      | 2026-03-22 10:30:15+00
+#  3 | 003_add_email_verification.sql| 2026-03-21 15:20:10+00
+#  2 | 002_fix_features.sql         | 2026-03-20 12:10:05+00
+#  1 | 001_subscription_system.sql  | 2026-03-20 12:10:00+00
+```
+
+## Rollback-Strategie
+
+**Automatischer Rollback:** Nicht implementiert
+
+**Manueller Rollback:**
+
+1. **Identifizieren der problematischen Migration:**
+   ```bash
+   docker logs dev-mitai-api | grep "Failed to apply"
+   ```
+
+2. **Migration aus Tracking entfernen:**
+   ```sql
+   DELETE FROM schema_migrations
+   WHERE filename = '004_broken_migration.sql';
+   ```
+
+3. **Änderungen manuell rückgängig machen:**
+   ```sql
+   -- Beispiel: Spalte entfernen
+   ALTER TABLE profiles DROP COLUMN new_feature_enabled;
+   ```
+
+4. **Migration-Datei korrigieren**
+   ```bash
+   vim backend/migrations/004_broken_migration.sql
+   ```
+
+5. **Container neu starten** (Migration wird erneut ausgeführt)
+   ```bash
+   docker compose restart api
+   ```
+
+## Best Practices
+
+### ✅ DO
+
+- **Immer `IF NOT EXISTS` / `IF EXISTS` verwenden:**
+  ```sql
+  ALTER TABLE profiles ADD COLUMN IF NOT EXISTS email_verified BOOLEAN;
+  CREATE INDEX IF NOT EXISTS idx_profiles_email ON profiles(email);
+  ```
+
+- **Idempotente Migrationen schreiben:** Migration kann mehrfach ausgeführt werden ohne Fehler
+
+- **Daten-Migrationen mit Bedacht:**
+  ```sql
+  UPDATE profiles
+  SET email_verified = TRUE
+  WHERE email IS NOT NULL AND email_verified IS NULL;
+  ```
+
+- **Kommentare für Dokumentation:**
+  ```sql
+  COMMENT ON COLUMN profiles.email_verified IS 'Whether email has been verified';
+  ```
+
+- **Indices für Performance:**
+  ```sql
+  CREATE INDEX IF NOT EXISTS idx_profiles_verification_token
+  ON profiles(verification_token)
+  WHERE verification_token IS NOT NULL;  -- Partial index
+  ```
+
+### ❌ DON'T
+
+- **Keine psql Meta-Kommandos:**
+  ```sql
+  \echo "Starting migration"  -- ❌ Funktioniert nicht
+  SELECT 'Starting migration';  -- ✅ Funktioniert
+  ```
+
+- **Keine Breaking Changes ohne Staging:**
+  ```sql
+  ALTER TABLE profiles DROP COLUMN tier;  -- ❌ App wird brechen
+  ```
+
+- **Keine Hardcoded Values für produktive Daten:**
+  ```sql
+  INSERT INTO profiles (id, email, ...) VALUES (1, 'admin@example.com', ...);  -- ❌
+  ```
+
+- **Keine Foreign Keys ohne Fallback:**
+  ```sql
+  -- ❌ Ohne ON DELETE Behavior
+  ALTER TABLE subscriptions
+  ADD CONSTRAINT fk_profile FOREIGN KEY (profile_id) REFERENCES profiles(id);
+
+  -- ✅ Mit Cascade
+  ALTER TABLE subscriptions
+  ADD CONSTRAINT fk_profile FOREIGN KEY (profile_id)
+  REFERENCES profiles(id) ON DELETE CASCADE;
+  ```
+
+## Troubleshooting
+
+### Migration schlägt fehl
+
+**Symptom:** Container startet nicht, Logs zeigen `✗ Failed to apply XXX.sql`
+
+**Lösung:**
+1. Logs prüfen: `docker logs dev-mitai-api | tail -50`
+2. Fehlerhafte Migration identifizieren
+3. Aus Tracking entfernen + Schema manuell korrigieren
+4. Migration-Datei fixen
+5. Container neu starten
+
+### Migration wurde nicht angewendet
+
+**Symptom:** Neue Migration-Datei wird ignoriert
+
+**Ursachen:**
+- Datei entspricht nicht dem Pattern `\d{3}_*.sql`
+- Datei wurde bereits in `schema_migrations` getrackt
+- Datei ist nicht im Container (`backend/migrations/` Volume gemountet?)
+
+**Lösung:**
+```bash
+# Prüfen ob Datei gemountet ist
+docker exec -it dev-mitai-api ls -la /app/migrations/
+
+# Prüfen ob bereits getrackt
+docker exec -it dev-mitai-db psql -U mitai_dev -d mitai_dev \
+  -c "SELECT * FROM schema_migrations WHERE filename = '004_feature.sql';"
+
+# Falls fälschlich getrackt, entfernen
+docker exec -it dev-mitai-db psql -U mitai_dev -d mitai_dev \
+  -c "DELETE FROM schema_migrations WHERE filename = '004_feature.sql';"
+
+# Container neu starten
+docker compose restart api
+```
+
+### Datenbank-Schema inkonsistent
+
+**Symptom:** `schema_migrations` zeigt Migration als angewendet, aber Änderungen fehlen
+
+**Ursachen:**
+- Migration wurde manuell ausgeführt, aber Tracking war kaputt
+- Datenbank wurde zurückgesetzt, aber Tracking-Tabelle nicht
+
+**Lösung:**
+```bash
+# Schema neu aufbauen (ACHTUNG: Datenverlust!)
+docker compose down -v  # Löscht Volumes
+docker compose up -d    # Baut alles neu auf
+
+# ODER: Tracking-Tabelle manuell korrigieren
+docker exec -it dev-mitai-db psql -U mitai_dev -d mitai_dev \
+  -c "TRUNCATE schema_migrations; -- Alle Tracking-Einträge löschen"
+
+# Container neu starten → Alle Migrationen werden erneut angewendet
+docker compose restart api
+```
+
+## Migrations-Historie
+
+| Nr. | Datei | Version | Datum | Beschreibung |
+|-----|-------|---------|-------|--------------|
+| 003 | `003_add_email_verification.sql` | v9c | 2026-03-21 | Email-Verifizierung (verification_token, email_verified, verification_expires) |
+| 002 | `002_fix_features.sql` (manuell) | v9c | 2026-03-20 | Feature-System Fixes |
+| 001 | `001_subscription_system.sql` (manuell) | v9c | 2026-03-20 | Membership-System (tiers, subscriptions, coupons, access_grants) |
+
+**Hinweis:** Migrationen 001 und 002 wurden vor Einführung des automatischen Systems manuell angewendet und sind nicht nummeriert. Ab Migration 003 läuft alles automatisch.
+
+---
+
+## Referenzen
+
+- **Code:** `backend/db_init.py` (Zeilen 94-200)
+- **Migrations-Ordner:** `backend/migrations/`
+- **Tracking-Tabelle:** `schema_migrations`
+- **Startup-Script:** `backend/startup.sh` (ruft `db_init.py` auf)
+- **Dokumentation:** `.claude/docs/technical/MIGRATIONS.md` (diese Datei)
+
+---
+
+**Dokumentiert:** 2026-03-21
+**Letzte Änderung:** 2026-03-21

.claude/docs/technical/PLACEHOLDER_DEVELOPMENT_GUIDE.md

@@ -0,0 +1,799 @@
+# Placeholder Development Guide
+
+**Version:** 1.0
+**Erstellt:** 28. März 2026
+**Zielgruppe:** Entwickler, Claude Code
+
+---
+
+## Überblick
+
+Dieses Dokument beschreibt, wie neue KI-Platzhalter hinzugefügt, getestet und dokumentiert werden.
+
+**Wichtig für Phase 0c:** Nach dem Refactoring zu Multi-Layer Architecture nutzen alle Platzhalter das Data Layer. Dieser Guide beschreibt beide Architekturen.
+
+---
+
+## Phase 0b Architektur (Aktuell - bis Phase 0c)
+
+### Anatomie eines Platzhalters
+
+```python
+# backend/placeholder_resolver.py
+
+def resolve_weight_28d_trend_slope(profile_id: str) -> str:
+    """
+    Returns kg/week slope for 28-day weight trend.
+
+    This function:
+    1. Retrieves data from database
+    2. Performs calculation
+    3. Formats result for KI consumption
+
+    Args:
+        profile_id: User profile ID
+
+    Returns:
+        Formatted string (e.g., "0.23 kg/Woche")
+        or "Nicht genug Daten" if insufficient data
+    """
+    with get_db() as conn:
+        cur = get_cursor(conn)
+
+        # 1. DATA RETRIEVAL
+        cur.execute("""
+            SELECT date, weight
+            FROM weight_log
+            WHERE profile_id = %s
+              AND date >= NOW() - INTERVAL '28 days'
+            ORDER BY date
+        """, (profile_id,))
+        rows = cur.fetchall()
+
+        # 2. VALIDATION
+        if len(rows) < 18:  # Confidence threshold
+            return "Nicht genug Daten"
+
+        # 3. CALCULATION
+        x = [(row[0] - rows[0][0]).days for row in rows]
+        y = [row[1] for row in rows]
+
+        # Linear regression
+        n = len(x)
+        sum_x = sum(x)
+        sum_y = sum(y)
+        sum_xy = sum(xi * yi for xi, yi in zip(x, y))
+        sum_x2 = sum(xi ** 2 for xi in x)
+
+        slope = (n * sum_xy - sum_x * sum_y) / (n * sum_x2 - sum_x ** 2)
+        slope_per_week = slope * 7
+
+        # 4. FORMATTING
+        return f"{slope_per_week:.2f} kg/Woche"
+```
+
+### Schritte zum Hinzufügen eines neuen Platzhalters (Phase 0b)
+
+#### 1. Funktion implementieren
+
+**Datei:** `backend/placeholder_resolver.py`
+
+**Namenskonvention:**
+- `resolve_<placeholder_name>(profile_id: str) -> str`
+- Snake_case
+- Immer `profile_id` als Parameter
+- Immer `str` als Return-Type
+
+**Template:**
+```python
+def resolve_my_new_metric(profile_id: str) -> str:
+    """
+    [Beschreibung was der Platzhalter zurückgibt]
+
+    Args:
+        profile_id: User profile ID
+
+    Returns:
+        [Beschreibung des Return-Formats]
+    """
+    with get_db() as conn:
+        cur = get_cursor(conn)
+
+        # 1. DATA RETRIEVAL
+        cur.execute("""
+            SELECT ...
+            FROM ...
+            WHERE profile_id = %s
+        """, (profile_id,))
+
+        # 2. VALIDATION
+        if <insufficient_data_condition>:
+            return "Nicht genug Daten"
+
+        # 3. CALCULATION
+        result = ...
+
+        # 4. FORMATTING
+        return f"{result}"
+```
+
+#### 2. In Mapping registrieren
+
+**Datei:** `backend/placeholder_resolver.py`
+
+**Finde `PLACEHOLDER_FUNCTIONS` Dictionary:**
+```python
+PLACEHOLDER_FUNCTIONS = {
+    # ... existing placeholders ...
+
+    # Add your new placeholder:
+    "my_new_metric": resolve_my_new_metric,
+}
+```
+
+**Naming:**
+- Key = Platzhalter-Name (snake_case)
+- Value = Funktions-Referenz (ohne Klammern!)
+
+#### 3. In Katalog dokumentieren
+
+**Datei:** `backend/placeholder_resolver.py`
+
+**Finde `get_placeholder_catalog()` Funktion:**
+```python
+def get_placeholder_catalog(profile_id: str) -> Dict[str, List[Dict[str, str]]]:
+    placeholders = {
+        'Körper': [
+            # ... existing ...
+            ('my_new_metric', 'Beschreibung des Platzhalters'),
+        ],
+        # ...
+    }
+```
+
+**Kategorien:**
+- `Profil`
+- `Körper`
+- `Ernährung`
+- `Training`
+- `Schlaf & Erholung`
+- `Vitalwerte`
+- `Scores (Phase 0b)`
+- `Focus Areas`
+- `Zeitraum`
+
+#### 4. Testen
+
+**Manueller Test:**
+```python
+# In Python REPL oder test script:
+from placeholder_resolver import resolve_my_new_metric
+
+result = resolve_my_new_metric("test_profile_id")
+print(result)  # Should return formatted string
+```
+
+**Integration Test:**
+```python
+# Test in actual prompt
+from placeholder_resolver import resolve_placeholders
+
+template = "Dein {{my_new_metric}} ist ..."
+result = resolve_placeholders(template, "test_profile_id")
+print(result)  # Should have placeholder replaced
+```
+
+---
+
+## Phase 0c Architektur (Nach Refactoring)
+
+### Anatomie eines Platzhalters (3-Layer)
+
+```python
+# Layer 1: DATA LAYER
+# backend/data_layer/body_metrics.py
+
+def get_weight_trend_data(profile_id: str, days: int = 90) -> dict:
+    """
+    Returns weight trend data with slopes and projections.
+
+    This is pure data retrieval and calculation.
+    NO FORMATTING. NO STRINGS.
+
+    Args:
+        profile_id: User profile ID
+        days: Analysis window
+
+    Returns:
+        {
+            "raw_values": [(date, weight), ...],
+            "rolling_median_7d": [(date, value), ...],
+            "slope_7d": float,
+            "slope_28d": float,
+            "slope_90d": float,
+            "confidence": str,
+            ...
+        }
+    """
+    with get_db() as conn:
+        cur = get_cursor(conn)
+
+        # DATA RETRIEVAL
+        cur.execute("""...""", (profile_id, days))
+        rows = cur.fetchall()
+
+        # VALIDATION + CONFIDENCE
+        from data_layer.utils import calculate_confidence
+        confidence = calculate_confidence(len(rows), days, "trend")
+
+        if confidence == 'insufficient':
+            return {
+                "confidence": "insufficient",
+                "slope_28d": 0.0,
+                # ... minimal data
+            }
+
+        # CALCULATION
+        # ... (same logic as before)
+
+        # RETURN STRUCTURED DATA (not formatted!)
+        return {
+            "raw_values": rows,
+            "slope_7d": slope_7d,
+            "slope_28d": slope_28d,
+            "confidence": confidence,
+            # ... all data as dict/list/float
+        }
+
+
+# Layer 2a: KI LAYER
+# backend/placeholder_resolver.py
+
+from data_layer.body_metrics import get_weight_trend_data
+
+def resolve_weight_28d_trend_slope(profile_id: str) -> str:
+    """
+    Formats weight trend slope for KI consumption.
+
+    This function is now THIN - just calls data layer and formats.
+    """
+    data = get_weight_trend_data(profile_id, days=28)
+
+    if data['confidence'] == 'insufficient':
+        return "Nicht genug Daten"
+
+    return f"{data['slope_28d']:.2f} kg/Woche"
+```
+
+### Schritte zum Hinzufügen eines neuen Platzhalters (Phase 0c)
+
+#### 1. Data Layer Funktion implementieren
+
+**Datei:** Passendes Modul in `backend/data_layer/`
+- Body metrics → `body_metrics.py`
+- Nutrition → `nutrition_metrics.py`
+- Activity → `activity_metrics.py`
+- Recovery → `recovery_metrics.py`
+- Health → `health_metrics.py`
+- Goals → `goals.py`
+- Correlations → `correlations.py`
+
+**Template:**
+```python
+# backend/data_layer/<module>.py
+
+def get_<metric>_data(
+    profile_id: str,
+    days: int = 28,
+    **kwargs
+) -> dict:
+    """
+    [Beschreibung der Daten]
+
+    Args:
+        profile_id: User profile ID
+        days: Analysis window
+        **kwargs: Additional parameters
+
+    Returns:
+        {
+            "<field>": <value>,
+            "confidence": str,  # ALWAYS include!
+            "data_points": int,  # ALWAYS include!
+        }
+    """
+    with get_db() as conn:
+        cur = get_cursor(conn)
+
+        # 1. DATA RETRIEVAL
+        cur.execute("""...""", (profile_id,))
+        rows = cur.fetchall()
+
+        # 2. CONFIDENCE CALCULATION
+        from data_layer.utils import calculate_confidence
+        confidence = calculate_confidence(
+            len(rows),
+            days,
+            "general"  # or "correlation" or "trend"
+        )
+
+        # 3. VALIDATION
+        if confidence == 'insufficient':
+            return {
+                "confidence": "insufficient",
+                "data_points": len(rows),
+                # Return minimal safe data
+            }
+
+        # 4. CALCULATION
+        # ... your logic here ...
+
+        # 5. RETURN STRUCTURED DATA
+        return {
+            # All data as primitives: dict, list, float, int, str, bool
+            # NO FORMATTING (no "0.23 kg/Woche" - just 0.23)
+            "result": result_value,
+            "confidence": confidence,
+            "data_points": len(rows),
+        }
+```
+
+**WICHTIG:**
+- ❌ Keine Strings mit Einheiten: `"0.23 kg/Woche"`
+- ✅ Nur Zahlen: `0.23`
+- ❌ Keine Formatierung für Menschen
+- ✅ Strukturierte Daten für Maschinen
+
+#### 2. KI Layer Wrapper erstellen
+
+**Datei:** `backend/placeholder_resolver.py`
+
+```python
+from data_layer.<module> import get_<metric>_data
+
+def resolve_<placeholder_name>(profile_id: str) -> str:
+    """
+    [Beschreibung was zurückgegeben wird]
+
+    Phase 0c: Uses data_layer.<module>.get_<metric>_data()
+    """
+    data = get_<metric>_data(profile_id)
+
+    if data['confidence'] == 'insufficient':
+        return "Nicht genug Daten"
+
+    # FORMAT for KI consumption
+    return f"{data['<field>']:.2f} <unit>"
+```
+
+#### 3. In Mapping registrieren
+
+**UNVERÄNDERT - gleich wie Phase 0b:**
+```python
+PLACEHOLDER_FUNCTIONS = {
+    "my_new_metric": resolve_my_new_metric,
+}
+```
+
+#### 4. In Katalog dokumentieren
+
+**UNVERÄNDERT - gleich wie Phase 0b:**
+```python
+def get_placeholder_catalog(profile_id: str):
+    placeholders = {
+        'Körper': [
+            ('my_new_metric', 'Beschreibung'),
+        ],
+    }
+```
+
+#### 5. Testen
+
+**Unit Test für Data Layer:**
+```python
+# backend/tests/test_data_layer.py
+
+def test_get_metric_data_sufficient():
+    data = get_<metric>_data("test_profile_1", days=28)
+
+    assert data['confidence'] in ['high', 'medium', 'low', 'insufficient']
+    assert 'data_points' in data
+    assert isinstance(data['<field>'], float)
+
+def test_get_metric_data_insufficient():
+    data = get_<metric>_data("profile_no_data", days=28)
+
+    assert data['confidence'] == 'insufficient'
+```
+
+**Integration Test für KI Layer:**
+```python
+# backend/tests/test_placeholders.py
+
+def test_resolve_placeholder():
+    result = resolve_<placeholder_name>("test_profile_1")
+
+    assert isinstance(result, str)
+    assert result != "Nicht genug Daten"
+```
+
+---
+
+## Best Practices
+
+### 1. Confidence Scoring
+
+**IMMER `calculate_confidence()` verwenden:**
+```python
+from data_layer.utils import calculate_confidence
+
+confidence = calculate_confidence(
+    data_points=len(rows),
+    days_requested=days,
+    metric_type="general"  # or "correlation" or "trend"
+)
+```
+
+**Confidence Thresholds:**
+- General (28d): high >= 18, medium >= 12, low >= 8
+- Correlation: high >= 28, medium >= 21, low >= 14
+- Trend: high >= (days * 0.7), medium >= (days * 0.5)
+
+### 2. Decimal → Float Conversion
+
+**PostgreSQL gibt Decimal zurück - immer zu float konvertieren:**
+```python
+# ❌ WRONG:
+value = row['column']
+
+# ✅ CORRECT:
+value = float(row['column']) if row['column'] else 0.0
+```
+
+### 3. Safe Dict Access
+
+**Nie direkter Key-Zugriff ohne Fallback:**
+```python
+# ❌ WRONG:
+value = data['key']  # KeyError if missing
+
+# ✅ CORRECT:
+value = data.get('key', default_value)
+```
+
+### 4. Date Serialization
+
+**Python date objects sind nicht JSON-serializable:**
+```python
+from data_layer.utils import serialize_dates
+
+data = {
+    "date": date(2026, 3, 28),
+    "values": [...]
+}
+
+# Serialize before returning from API
+return serialize_dates(data)
+```
+
+### 5. SQL Parameter Binding
+
+**IMMER Parameter-Binding, NIE String-Concatenation:**
+```python
+# ✅ CORRECT:
+cur.execute("SELECT * FROM t WHERE id = %s", (id,))
+
+# ❌ WRONG (SQL Injection Risk):
+cur.execute(f"SELECT * FROM t WHERE id = {id}")
+```
+
+### 6. Column Name Consistency
+
+**Prüfe Schema BEVOR du Column-Namen verwendest:**
+```python
+# ❌ WRONG (assumed name):
+SELECT bf_jpl FROM caliper_log
+
+# ✅ CORRECT (check schema first):
+SELECT body_fat_pct FROM caliper_log
+```
+
+**Schema prüfen:**
+```sql
+\d caliper_log  -- in psql
+-- oder
+SELECT column_name FROM information_schema.columns
+WHERE table_name = 'caliper_log';
+```
+
+---
+
+## Fehler-Handling
+
+### 1. Insufficient Data
+
+**Return-Value bei zu wenig Daten:**
+```python
+# Data Layer:
+return {
+    "confidence": "insufficient",
+    "data_points": 0,
+    # Alle anderen Felder mit safe defaults (0.0, [], etc.)
+}
+
+# KI Layer:
+if data['confidence'] == 'insufficient':
+    return "Nicht genug Daten"
+```
+
+### 2. Missing Optional Data
+
+**Wenn optionale Daten fehlen (z.B. keine Vitals):**
+```python
+# Data Layer:
+return {
+    "hrv": None,  # or 0.0, depending on semantic
+    "confidence": "low",  # downgrade confidence
+}
+
+# KI Layer:
+if data['hrv'] is None:
+    return "Keine HRV-Daten verfügbar"
+```
+
+### 3. Calculation Errors
+
+**Bei Math-Errors (Division by Zero, etc.):**
+```python
+try:
+    result = numerator / denominator
+except ZeroDivisionError:
+    result = 0.0  # or None, depending on semantic
+```
+
+---
+
+## Dokumentations-Pflicht
+
+### 1. Docstring
+
+**Jede Funktion braucht Docstring:**
+```python
+def get_metric_data(profile_id: str, days: int = 28) -> dict:
+    """
+    [Eine Zeile Zusammenfassung]
+
+    [Ausführliche Beschreibung wenn nötig]
+
+    Args:
+        profile_id: User profile ID
+        days: Analysis window (default 28)
+
+    Returns:
+        {
+            "field": value,
+            "confidence": str,
+            "data_points": int
+        }
+
+    Confidence Rules:
+        - high: >= X points
+        - medium: >= Y points
+        - low: >= Z points
+        - insufficient: < Z points
+    """
+```
+
+### 2. Inline Comments
+
+**Nur bei nicht-offensichtlicher Logik:**
+```python
+# Calculate trimmed mean (remove top/bottom 10%)
+sorted_values = sorted(values)
+trim_count = len(values) // 10
+trimmed = sorted_values[trim_count:-trim_count]
+result = sum(trimmed) / len(trimmed)
+```
+
+### 3. Type Hints
+
+**IMMER Type Hints verwenden:**
+```python
+from typing import Optional, List, Dict, Tuple
+
+def get_data(
+    profile_id: str,
+    days: int = 28,
+    include_raw: bool = False
+) -> Dict[str, any]:
+    ...
+```
+
+---
+
+## Testing-Strategie
+
+### 1. Unit Tests (Data Layer)
+
+**Teste jede Data Layer Funktion isoliert:**
+```python
+# backend/tests/test_data_layer.py
+
+import pytest
+from data_layer.body_metrics import get_weight_trend_data
+
+@pytest.fixture
+def test_profile():
+    # Setup test data in database
+    ...
+    yield profile_id
+    # Teardown
+    ...
+
+def test_weight_trend_sufficient_data(test_profile):
+    data = get_weight_trend_data(test_profile, days=28)
+
+    assert data['confidence'] in ['high', 'medium']
+    assert data['slope_28d'] != 0.0
+    assert len(data['raw_values']) >= 18
+
+def test_weight_trend_insufficient_data():
+    data = get_weight_trend_data("no_data_profile", days=28)
+
+    assert data['confidence'] == 'insufficient'
+```
+
+### 2. Integration Tests (KI Layer)
+
+**Teste Placeholder-Resolution:**
+```python
+# backend/tests/test_placeholders.py
+
+def test_placeholder_resolution(test_profile):
+    result = resolve_weight_28d_trend_slope(test_profile)
+
+    assert isinstance(result, str)
+    assert "kg/Woche" in result or "Nicht genug Daten" in result
+
+def test_placeholder_in_template(test_profile):
+    template = "Trend: {{weight_28d_trend_slope}}"
+    result = resolve_placeholders(template, test_profile)
+
+    assert "{{" not in result  # All placeholders resolved
+    assert result.startswith("Trend:")
+```
+
+### 3. Manual Testing Checklist
+
+```
+[ ] Funktion mit verschiedenen days-Parametern testen
+[ ] Mit vollständigen Daten testen
+[ ] Mit unvollständigen Daten testen
+[ ] Mit NO DATA testen
+[ ] Edge Cases: Extreme Werte, Outliers
+[ ] Performance: < 500ms für typische Queries
+[ ] Memory: Kein Leak bei großen Datasets
+```
+
+---
+
+## Checkliste: Neuer Platzhalter
+
+### Phase 0b (Aktuell):
+```
+[ ] Funktion in placeholder_resolver.py implementiert
+[ ] resolve_<name>(profile_id: str) -> str Signatur
+[ ] Docstring vollständig
+[ ] Confidence-Check implementiert
+[ ] In PLACEHOLDER_FUNCTIONS registriert
+[ ] In get_placeholder_catalog() dokumentiert
+[ ] Manuell getestet
+[ ] In echtem Prompt getestet
+```
+
+### Phase 0c (Nach Refactoring):
+```
+[ ] Data Layer Funktion implementiert
+    [ ] Richtiges Modul gewählt
+    [ ] get_<metric>_data(profile_id, ...) -> dict Signatur
+    [ ] Returns structured data (dict/list/primitives)
+    [ ] NO formatting, NO strings with units
+    [ ] Confidence calculation included
+    [ ] Docstring vollständig
+[ ] KI Layer Wrapper implementiert
+    [ ] resolve_<name>(profile_id: str) -> str Signatur
+    [ ] Calls data_layer function
+    [ ] Formats result for KI
+[ ] In PLACEHOLDER_FUNCTIONS registriert
+[ ] In get_placeholder_catalog() dokumentiert
+[ ] Unit Test für Data Layer geschrieben
+[ ] Integration Test für KI Layer geschrieben
+[ ] Manual Testing durchgeführt
+```
+
+---
+
+## Häufige Fehler (Learnings from Phase 0b)
+
+### 1. Vergessen float() Conversion
+```python
+# SYMPTOM: "Object of type Decimal is not JSON serializable"
+# FIX:
+value = float(row['column']) if row['column'] else 0.0
+```
+
+### 2. Hardcoded Column Names
+```python
+# SYMPTOM: "column bf_jpl does not exist"
+# FIX: Check schema first
+SELECT column_name FROM information_schema.columns
+WHERE table_name = 'caliper_log';
+```
+
+### 3. KeyError bei fehlenden Daten
+```python
+# SYMPTOM: "KeyError: 'hrv'"
+# FIX: Use .get() with default
+hrv = data.get('hrv', 0.0)
+```
+
+### 4. Confidence nicht berechnet
+```python
+# SYMPTOM: Platzhalter liefert Daten bei <3 Punkten
+# FIX: calculate_confidence() verwenden
+from data_layer.utils import calculate_confidence
+confidence = calculate_confidence(len(rows), days, "general")
+```
+
+### 5. Date nicht serialized
+```python
+# SYMPTOM: "Object of type date is not JSON serializable"
+# FIX:
+from data_layer.utils import serialize_dates
+return serialize_dates(data)
+```
+
+### 6. SQL Injection Risk
+```python
+# SYMPTOM: Security Scanner warnt
+# FIX: ALWAYS use parameter binding
+cur.execute("SELECT * FROM t WHERE id = %s", (id,))
+```
+
+---
+
+## Nächste Schritte
+
+### Nach Implementierung eines neuen Platzhalters:
+
+1. **Commit Message:**
+   ```
+   feat: add {{my_new_metric}} placeholder
+
+   - Implements resolve_my_new_metric() in placeholder_resolver.py
+   - Adds entry to PLACEHOLDER_FUNCTIONS
+   - Documents in get_placeholder_catalog()
+   - Tested with profile XYZ
+
+   Category: <Körper/Ernährung/Training/etc.>
+   Returns: <description>
+   ```
+
+2. **Dokumentation aktualisieren:**
+   - `CLAUDE.md` - Neue Platzhalter auflisten
+   - `docs/api/PLACEHOLDERS.md` - API-Dokumentation
+
+3. **Testing:**
+   - Mindestens 1 manueller Test mit echtem Profil
+   - Optional: Unit Test hinzufügen
+
+4. **Review:**
+   - Prüfe ob Platzhalter in Prompt-Bibliothek sinnvoll
+   - Teste mit verschiedenen Prompts
+   - Performance-Check (< 500ms)
+
+---
+
+**Autor:** Claude Sonnet 4.5
+**Version:** 1.0
+**Letzte Aktualisierung:** 28. März 2026

.claude/docs/technical/PLACEHOLDER_REGISTRY_FRAMEWORK.md

@@ -0,0 +1,498 @@
+# Placeholder Registry Framework - Verbindliche Dokumentation
+
+**Status:** VERBINDLICH (ab 2026-04-02)
+**Version:** 1.0
+**Geltungsbereich:** Alle Placeholder/Metrics im System
+
+---
+
+## 1. Zweck
+
+Das **Placeholder Registry Framework** ist die zentrale, verbindliche Metadaten-Verwaltung für alle Placeholder und Metrics im System.
+
+**Kernprinzip:** Single Source of Truth
+
+**Ziele:**
+1. Einheitliche Metadaten-Struktur für alle Placeholder
+2. Vermeidung von Duplikation und Inkonsistenzen
+3. Zentrale Verwaltung für alle Konsumenten
+4. Evidence-basierte Transparenz
+5. Erweiterbarkeit und Wartbarkeit
+
+---
+
+## 2. Verbindlichkeit
+
+### 2.1 Pflicht zur Nutzung
+
+**ALLE neuen Placeholder/Metrics MÜSSEN über das Registry Framework registriert werden.**
+
+Keine Ausnahmen ohne explizite technische Begründung und Freigabe.
+
+### 2.2 Betroffene Systeme
+
+Folgende Systeme MÜSSEN die Registry als Single Source of Truth nutzen:
+
+1. **Backend Prompt-Injektion** (Layer 2a)
+   - Placeholder-Resolver
+   - Prompt-Template-Engine
+
+2. **GUI Auswahllisten**
+   - Placeholder-Picker
+   - Kategorie-Filter
+   - Metadata-Anzeige
+
+3. **Extended Export**
+   - `/api/prompts/placeholders/export-values-extended`
+   - Catalog-Generierung
+   - ZIP-Export
+
+4. **Validierung** (zukünftig)
+   - Metadata-Completeness-Checks
+   - Evidence-Quality-Assurance
+   - Compliance-Reports
+
+5. **Diagramm-Zuordnung** (zukünftig)
+   - Chart-Metadata-Mapping
+   - Layer-2b-Integration
+
+### 2.3 Verbotene Praktiken
+
+**VERBOTEN:**
+- Hardcoded Metadaten außerhalb der Registry
+- Duplizierte Metadaten-Definitionen
+- Placeholder ohne Registry-Registrierung
+- Direkte Manipulation von Metadaten im Export-Code
+- Inkonsistente Metadaten zwischen Systemen
+
+---
+
+## 3. Framework-Architektur
+
+### 3.1 Kernkomponenten
+
+**Modul:** `backend/placeholder_registry.py`
+
+**Klassen:**
+- `PlaceholderMetadata` - Metadata-Dataclass (22 Pflichtfelder)
+- `MissingValuePolicy` - Strukturierte Missing-Value-Behandlung
+- `PlaceholderRegistry` - Zentrale Registry (Singleton)
+- `EvidenceType` - Enum für Evidenz-Tagging
+- `OutputType` - Enum für Output-Typen
+- `PlaceholderType` - Enum für Placeholder-Typen
+
+**Singleton-Instanz:**
+```python
+from placeholder_registry import get_registry
+
+registry = get_registry()
+```
+
+### 3.2 Registrierungs-Package
+
+**Package:** `backend/placeholder_registrations/`
+
+**Struktur:** Vollständige Cluster-Module (u. a. Ernährung, Körper, Aktivität, Schlaf,
+Vitalwerte, Profil/Zeitraum, Phase-0b-Ziele, Korrelationen); siehe `__init__.py` für die
+Import-Liste. **Anzahl:** 114 Platzhalter, identisch zu `PLACEHOLDER_MAP` in
+`placeholder_resolver.py`.
+
+**Auto-Registration:**
+- Import des Package triggert automatische Registrierung aller Placeholder
+- Keine manuelle Registrierung erforderlich
+
+### 3.3 Export-Integration
+
+**Modul:** `backend/placeholder_registry_export.py`
+
+**Funktionen:**
+- `get_registry_metadata_for_export()` - Metadata aus Registry
+- `merge_registry_with_legacy_export()` - Backward-Compatibility
+- `get_enhanced_export_with_registry()` - Vollständiger Export
+
+**Endpoint-Integration:**
+```python
+# backend/routers/prompts.py
+import placeholder_registrations  # Auto-registers
+from placeholder_registry_export import get_registry_metadata_for_export
+
+registry_data = get_registry_metadata_for_export(profile_id)
+export_data['registry_metadata'] = registry_data
+```
+
+---
+
+## 4. Metadata-Schema
+
+### 4.1 Pflichtfelder (22 Felder)
+
+**Core Identification (3):**
+- `key` - Placeholder-Schlüssel (z.B. "kcal_avg")
+- `category` - Kategorie (z.B. "Ernährung")
+- `description` - Kurzbeschreibung
+
+**Technical (6):**
+- `resolver_module` - Modul-Pfad des Resolvers
+- `resolver_function` - Funktionsname des Resolvers
+- `data_layer_module` - Data Layer Modul (optional)
+- `data_layer_function` - Data Layer Funktion (optional)
+- `source_tables` - Liste der Quelltabellen
+- `_resolver_func` - Runtime-Resolver (nicht exportiert)
+
+**Semantic (8):**
+- `semantic_contract` - Semantische Definition
+- `business_meaning` - Fachliche Bedeutung
+- `unit` - Einheit (z.B. "kcal/day")
+- `time_window` - Zeitfenster (z.B. "30d")
+- `output_type` - Output-Typ (Enum)
+- `placeholder_type` - Placeholder-Typ (Enum)
+- `format_hint` - Format-Information
+- `example_output` - Beispiel-Ausgabe
+
+**Quality (5):**
+- `minimum_data_requirements` - Mindestanforderungen (optional)
+- `quality_filter_policy` - Qualitätsfilter (optional)
+- `confidence_logic` - Confidence-Berechnung (optional)
+- `missing_value_policy` - Missing-Value-Handling
+- `known_limitations` - Bekannte Einschränkungen (optional)
+
+**Architecture (5):**
+- `layer_1_decision` - Layer-1-Zuordnung (optional)
+- `layer_2a_decision` - Layer-2a-Zuordnung (optional)
+- `layer_2b_reuse_possible` - Chart-Reuse möglich (optional)
+- `architecture_alignment` - Architektur-Konformität (optional)
+- `issue_53_alignment` - Issue #53 Konformität (optional)
+
+**Evidence Tracking (1):**
+- `evidence` - Dict mapping Feldname → EvidenceType
+
+### 4.2 Evidence-Typen
+
+**Enum:** `EvidenceType`
+
+**Werte:**
+- `CODE_DERIVED` - Aus Code belegt (z.B. aus Import-Statement, SQL-Query)
+- `DRAFT_DERIVED` - Aus Canonical Requirements Draft übernommen
+- `MIXED` - Teilweise Code, teilweise Draft/abgeleitet
+- `UNRESOLVED` - Nicht explizit dokumentiert, offen
+- `TO_VERIFY` - Behauptung, muss noch verifiziert werden
+
+**Verwendung:**
+```python
+metadata.set_evidence("unit", EvidenceType.CODE_DERIVED)
+metadata.set_evidence("semantic_contract", EvidenceType.DRAFT_DERIVED)
+metadata.set_evidence("layer_2b_reuse_possible", EvidenceType.TO_VERIFY)
+```
+
+---
+
+## 5. Registrierungs-Workflow
+
+### 5.1 Neuen Placeholder registrieren
+
+**Schritt 1: Metadata-Objekt erstellen**
+
+```python
+# backend/placeholder_registrations/my_cluster.py
+
+from placeholder_registry import (
+    PlaceholderMetadata,
+    MissingValuePolicy,
+    EvidenceType,
+    OutputType,
+    PlaceholderType,
+    register_placeholder
+)
+
+metadata = PlaceholderMetadata(
+    key="my_placeholder",
+    category="Meine Kategorie",
+    description="Kurzbeschreibung",
+    
+    # Technical (CODE_DERIVED)
+    resolver_module="backend/placeholder_resolver.py",
+    resolver_function="get_my_placeholder",
+    data_layer_module="backend/data_layer/my_metrics.py",
+    data_layer_function="get_my_data",
+    source_tables=["my_table"],
+    
+    # Semantic
+    semantic_contract="Was liefert dieser Placeholder?",
+    business_meaning="Fachliche Bedeutung",
+    unit="einheit",
+    time_window="30d",
+    output_type=OutputType.NUMERIC,
+    placeholder_type=PlaceholderType.INTERPRETED,
+    format_hint="Ganzzahl",
+    example_output="42",
+    
+    # Quality
+    confidence_logic="Wie wird Verlässlichkeit berechnet?",
+    missing_value_policy=MissingValuePolicy(
+        available=False,
+        value_raw=None,
+        missing_reason="insufficient_data",
+        legacy_display="nicht genug Daten"
+    ),
+    known_limitations="Einschränkungen dokumentieren",
+    
+    # Architecture
+    layer_1_decision="Data Layer (my_metrics.get_my_data)",
+    layer_2a_decision="Placeholder Resolver (formatting only)",
+    architecture_alignment="Phase 0c conform"
+)
+```
+
+**Schritt 2: Evidence setzen**
+
+```python
+# Code-derived Felder
+metadata.set_evidence("resolver_module", EvidenceType.CODE_DERIVED)
+metadata.set_evidence("resolver_function", EvidenceType.CODE_DERIVED)
+metadata.set_evidence("data_layer_module", EvidenceType.CODE_DERIVED)
+metadata.set_evidence("source_tables", EvidenceType.CODE_DERIVED)
+metadata.set_evidence("unit", EvidenceType.CODE_DERIVED)
+metadata.set_evidence("time_window", EvidenceType.CODE_DERIVED)
+
+# Draft-derived Felder
+metadata.set_evidence("semantic_contract", EvidenceType.DRAFT_DERIVED)
+metadata.set_evidence("business_meaning", EvidenceType.DRAFT_DERIVED)
+metadata.set_evidence("known_limitations", EvidenceType.DRAFT_DERIVED)
+
+# Unresolved Felder
+metadata.set_evidence("minimum_data_requirements", EvidenceType.UNRESOLVED)
+```
+
+**Schritt 3: Registrieren**
+
+```python
+register_placeholder(metadata)
+```
+
+**Schritt 4: Auto-Import sicherstellen**
+
+```python
+# backend/placeholder_registrations/__init__.py
+from . import my_cluster
+
+__all__ = ['nutrition_part_a', 'my_cluster']
+```
+
+### 5.2 Resolver-Funktion bereitstellen (optional)
+
+Wenn der Placeholder runtime-resolved werden soll:
+
+```python
+from placeholder_resolver import get_my_placeholder
+
+register_placeholder(
+    metadata,
+    resolver_func=lambda pid: get_my_placeholder(pid)
+)
+```
+
+---
+
+## 6. API-Nutzung
+
+### 6.1 Metadata abrufen
+
+```python
+from placeholder_registry import get_registry
+
+registry = get_registry()
+
+# Einzelner Placeholder
+meta = registry.get("kcal_avg")
+print(meta.unit)  # "kcal/day"
+print(meta.time_window)  # "30d"
+
+# Alle Placeholder
+all_metadata = registry.get_all()  # Dict[str, PlaceholderMetadata]
+
+# Nach Kategorie
+ernaehrung = registry.get_by_category("Ernährung")  # List[PlaceholderMetadata]
+```
+
+### 6.2 Export
+
+```python
+# Für Extended Export
+export_data = registry.get_all_for_export()  # List[Dict]
+
+# Mit Runtime-Werten
+from placeholder_registry_export import get_registry_metadata_for_export
+
+registry_data = get_registry_metadata_for_export(profile_id)
+# Returns: {flat, by_category, evidence_report, validation_report}
+```
+
+### 6.3 Validierung
+
+```python
+# Alle Placeholder validieren
+issues = registry.validate_all()  # Dict[str, List[str]]
+
+if issues:
+    for key, problems in issues.items():
+        print(f"{key}: {problems}")
+```
+
+### 6.4 QA / Evidence-Tracking
+
+```python
+# Placeholder mit unresolved Fields finden
+unresolved = registry.get_by_evidence_type(EvidenceType.UNRESOLVED)
+# Returns: Dict[placeholder_key, List[field_names]]
+
+# Placeholder die verifiziert werden müssen
+to_verify = registry.get_by_evidence_type(EvidenceType.TO_VERIFY)
+```
+
+---
+
+## 7. Best Practices
+
+### 7.1 Evidence-Tagging
+
+**DO:**
+- Jedes Feld mit Evidence-Tag versehen
+- `CODE_DERIVED` nur wenn direkt aus Code ableitbar
+- `TO_VERIFY` für Behauptungen, die noch geprüft werden müssen
+- `UNRESOLVED` für fehlende/unklare Informationen
+
+**DON'T:**
+- Felder ohne Evidence lassen
+- Evidence halluzinieren (wenn nicht belegt, `UNRESOLVED` nutzen)
+- `CODE_DERIVED` für Draft-Informationen nutzen
+
+### 7.2 Metadata-Vollständigkeit
+
+**Minimum Required:**
+- `key`, `category`, `description`
+- `resolver_module`, `resolver_function`
+- `semantic_contract`
+- `unit`, `time_window`
+- `output_type`, `placeholder_type`
+
+**Optional but Recommended:**
+- `data_layer_module`, `data_layer_function`
+- `source_tables`
+- `confidence_logic`, `missing_value_policy`
+- `layer_1_decision`, `layer_2a_decision`
+
+### 7.3 Modularisierung
+
+**Registrations nach Cluster gruppieren:**
+- `nutrition_part_a.py` - Nutrition Basis (4 Placeholder)
+- `nutrition_part_b.py` - Nutrition Protein (5 Placeholder)
+- `body_metrics.py` - Körper-Metriken (N Placeholder)
+
+**Nicht:**
+- Alle Placeholder in eine riesige Datei
+- Placeholder ohne thematische Gruppierung
+
+### 7.4 Backward-Compatibility
+
+**Export-Endpoint MUSS:**
+- Legacy-Export beibehalten (`export_data['legacy']`)
+- Graceful degradation bei Registry-Fehler
+- Registry-Metadata als separate Sektion (`export_data['registry_metadata']`)
+
+---
+
+## 8. Migration bestehender Placeholder
+
+### 8.1 Priorität
+
+**Part A (erledigt):** Nutrition Basis (kcal_avg, protein_avg, carb_avg, fat_avg)
+
+**Nächste Priorität:**
+1. Part B - Nutrition Protein (5 Placeholder)
+2. Part C - Nutrition Balance (4 Placeholder)
+3. Part D - Nutrition Meta (1 Placeholder)
+4. Body Metrics (ca. 15 Placeholder)
+5. Activity Metrics (ca. 20 Placeholder)
+
+### 8.2 Migration-Workflow
+
+**Für jeden Placeholder:**
+1. Code inspizieren (Resolver, Data Layer, SQL)
+2. Evidence ableiten (was ist code-derived, was draft-derived?)
+3. Metadata-Objekt erstellen
+4. Registrieren
+5. Export testen
+6. Werte-Identität bestätigen
+
+**Keine Logikänderung während Migration!**
+
+---
+
+## 9. Compliance & Enforcement
+
+### 9.1 Code-Review-Checkliste
+
+**Für neue Placeholder:**
+- [ ] Registry-Registrierung vorhanden?
+- [ ] Evidence-Tags gesetzt?
+- [ ] Metadata-Vollständigkeit (minimum required)?
+- [ ] Auto-Import in `__init__.py`?
+- [ ] Export getestet?
+
+### 9.2 CI/CD-Integration (zukünftig)
+
+**Geplante Checks:**
+- Alle Placeholder in PLACEHOLDER_MAP sind in Registry registriert
+- Keine Placeholder ohne Evidence-Tags
+- Keine doppelten Registrierungen
+- Metadata-Vollständigkeit für production-ready Placeholder
+
+---
+
+## 10. Support & Weiterentwicklung
+
+### 10.1 Fragen & Issues
+
+**Bei Unklarheiten:**
+1. Diese Dokumentation prüfen
+2. Bestehende Registrations als Vorlage nutzen (`nutrition_part_a.py`)
+3. Code-Review anfragen
+
+### 10.2 Framework-Erweiterungen
+
+**Geplante Features:**
+- GUI-Integration (Placeholder-Picker mit Registry-Metadata)
+- Validation-Dashboard (QA-Monitoring)
+- Evidence-Report-Endpoint (Metadata-Qualität)
+- Resolver-Test-Framework (Automatisierte Werteänderungs-Detektion)
+- Chart-Metadata-Mapping (Layer-2b-Integration)
+
+### 10.3 Versions-History
+
+**v1.0 (2026-04-02):**
+- Initial Release
+- Part A Implementation (4 Nutrition Placeholders)
+- Core Framework + Export-Integration
+
+---
+
+## 11. Referenzen
+
+**Code:**
+- `backend/placeholder_registry.py` - Core Framework
+- `backend/placeholder_registrations/nutrition_part_a.py` - Part A Implementation
+- `backend/placeholder_registry_export.py` - Export-Integration
+- `backend/routers/prompts.py` - Export-Endpoint
+
+**Dokumentation:**
+- `.claude/task/rework_0b_placeholder/NUTRITION_PART_A_CHANGE_PLAN.md`
+- `.claude/task/rework_0b_placeholder/NUTRITION_PART_A_IMPLEMENTATION_REPORT.md`
+
+**Beispiel-Export:**
+```bash
+curl "https://dev.mitai.jinkendo.de/api/prompts/placeholders/export-values-extended?token=XXX"
+```
+
+---
+
+**Ende Verbindliche Dokumentation**

.claude/docs/technical/PROFILE_REFERENCE_VALUES.md

@@ -0,0 +1,53 @@
+# Persönliche Referenzwerte (Profil)
+
+## Überblick
+
+Nutzer-spezifische, **historische** Kennwerte (z. B. HF-Schwellen, Trainingshäufigkeit), die **nicht** zur Admin-/Focus-Area-Konfiguration gehören, sondern zum **aktiven Profil** wie Größe oder Ziele.
+
+## Tabellen
+
+| Tabelle | Zweck |
+|--------|--------|
+| `reference_value_types` | System-seedete Typdefinitionen: stabiler `key`, Anzeige-`label`, optional `default_unit`, `sort_order`, `active`, `metadata` (JSONB). |
+| `profile_reference_values` | Historische Einträge: `profile_id`, `reference_value_type_id`, `effective_date`, `value_numeric` und/oder `value_text`, `unit`, optionale Felder `source`, `confidence`, `method`, `notes`, `extra` (JSONB). |
+
+**Kein** Überschreiben eines einzelnen „aktuellen“ Werts: jede Messung ist eine eigene Zeile.
+
+## Seed-Typen (Migration 037)
+
+- `max_heart_rate` (bpm)  
+- `resting_heart_rate` (bpm)  
+- `anaerobic_threshold_hr` (bpm)  
+- `aerobic_threshold_hr` (bpm)  
+- `training_frequency_weekly` (Sessions/Woche)  
+- `fitness_level` (Stufe)  
+
+Es werden **keine** Benutzerwerte automatisch angelegt.
+
+## Admin (nur Rolle `admin`)
+
+- `GET/POST/PUT/DELETE /api/admin/reference-value-types` — vollständiger CRUD auf `reference_value_types` (inkl. inaktiver Typen).  
+- Löschen nur, wenn keine Zeilen in `profile_reference_values` zu diesem Typ existieren (sonst HTTP 409).  
+- UI: **Admin → Ziele & Fokus → Referenz-Kennwerte** (`/admin/reference-value-types`).
+
+## API (Prefix `/api`)
+
+- `GET /reference-value-types` — aktive Typen (dynamische UI)  
+- `GET /profile-reference-values?type_key=…` — Liste pro Typ, neueste zuerst  
+- `POST /profile-reference-values` — neuer Eintrag  
+- `PUT /profile-reference-values/{id}` — Aktualisierung  
+- `DELETE /profile-reference-values/{id}` — Löschen  
+
+Authentifizierung wie üblich; Profil über `X-Profile-Id` / `get_pid` wie andere Module.
+
+## UI
+
+**Einstellungen → Karte „Referenzwerte“ → „Referenzwerte verwalten“** (`/settings/reference-values`).
+
+Typauswahl per Dropdown (aus API); Verlauf als Tabelle mit Bearbeiten/Löschen; Formular für neue Einträge bzw. Bearbeitung.
+
+## Erweiterbarkeit
+
+- Neue Messgrößen: nur **INSERT** in `reference_value_types` (Migration oder Admin-Skript), kein Schema-Wechsel für Nutzerdaten.  
+- Zusatzmetadaten: Spalten `source`, `confidence`, `method`, `notes`, `extra` bereits vorhanden; UI kann später erweitert werden.  
+- Platzierung **profilorientiert**, damit klar ist: Nutzerdaten, keine systemweite Semantik wie Focus Areas.

.claude/docs/technical/REPORT_PROFILES_AND_PDF.md

@@ -0,0 +1,56 @@
+# Berichtsprofile & PDF (technisch)
+
+**Stand:** 2026-04-29  
+
+## Begriffe
+
+| Begriff | Bedeutung |
+|--------|-----------|
+| **Layout-Snapshot** | PDF aus gerasteter DOM-Übersicht (`html2canvas` + `jspdf`), optional Widget `report_export`. |
+| **Strukturierter Bericht** | Profil mit Blöcken (`section`, `chart`, `ai_insight`), PDF serverseitig via Data Layer + Matplotlib + ReportLab. |
+
+Die beiden Wege sind bewusst getrennt, damit das Dashboard nicht die einzige „Wahrheit“ für Dokumente wird.
+
+## Datenbank
+
+- Tabelle `report_profiles` (Migration `060_report_profiles.sql`): `profile_id` PK → `profiles`, `payload` JSONB, `updated_at`.
+
+Ohne Zeile gilt ein **Code-Standard** (`default_report_profile_dict` in `report_profile_schema.py`).
+
+## API (`/api/reports`)
+
+| Methode | Pfad | Zweck |
+|--------|------|--------|
+| GET | `/catalog` | Diagramm-Katalog + Blocktypen für UI |
+| GET | `/profile` | `{ stored, profile }` |
+| PUT | `/profile` | Vollständiges Profil-JSON (Pydantic-validiert) |
+| DELETE | `/profile` | DB-Zeile löschen → wieder Standard |
+| POST | `/generate-pdf` | PDF-Download; `data_export`-Kontingent + `increment_feature_usage` |
+
+## Schema v1 (`report_profile_schema.py`)
+
+- `version`: nur `1`
+- `document_title`: optional
+- `blocks`: Liste mit Union:
+  - `section`: `title`
+  - `chart`: `chart_id` ∈ `ALLOWED_CHART_IDS`, `window_days` 7–365
+  - `ai_insight`: optional `insight_id` (UUID, `ai_insights.id`), optional `title`
+
+## Diagrammdaten
+
+`report_chart_fetch.fetch_chart_payload` ruft dieselben Bausteine auf wie `/api/charts` (ohne HTTP). Erweiterung: Eintrag in `ALLOWED_CHART_IDS`, Fetcher in `_CHART_FETCHERS`, Zeile in `CHART_CATALOG_FOR_API`.
+
+## PDF-Rendering
+
+`report_pdf_render.build_structured_report_pdf`: ReportLab-Flowable-Kette, Diagramme als PNG aus Chart-Payload (Matplotlib, Agg-Backend).
+
+## Frontend
+
+- **Einstellungen:** Karte „PDF-Bericht (strukturiert)“ — Blöcke bearbeiten, speichern, Standard, PDF erzeugen.
+- **Dashboard:** Widget bleibt optionaler **Schnappschuss**; Hinweis verweist auf Einstellungen.
+
+## Nächste sinnvolle Erweiterungen
+
+- Dashboard-Layout → Berichtsprofil **einmalig importieren** (Mapping-Tabelle Widget-ID → chart_id).
+- KI: Insights-Auswahl in der UI statt manueller UUID.
+- Weitere `chart_id`-Werte / multipage Feintuning (Seitenumbrüche pro Block).

.claude/docs/technical/TRAINING_PROFILE_RESOLVER_LAYER1.md

@@ -0,0 +1,148 @@
+# Training Profile Resolver (Layer 1) — technisches Scaffold
+
+**Stand:** 2026-04-06  
+**Zweck:** Erweiterbare technische Basis für spätere trainingsprofil-basierte Auswertungen, ohne freie Formel-/Skript-Engine und ohne Kopplung an KI oder Charts.
+
+---
+
+## 1. Einordnung in Layer 1
+
+| Aspekt | Beschreibung |
+|--------|----------------|
+| Ort | `backend/data_layer/training_profile/` |
+| Rolle | Reine Orchestrierung: Templates → registrierte Built-in-Algorithmen → strukturiertes Ergebnis inkl. Focus-Area-Beiträge |
+| Single Source of Truth | Berechnungslogik der Algorithmen lebt in Python-Modulen; Templates wählen nur **Algorithmus-ID + Parameter + Dimensionen + FA-Mapping** |
+| Rückwärtskompatibel | Keine Änderungen an bestehenden Data-Layer-Metriken, Placeholdern oder Chart-Routern |
+
+---
+
+## 2. Modulübersicht
+
+| Pfad | Inhalt |
+|------|--------|
+| `models.py` | `CalculationTemplate`, `DimensionSpec`, `FocusAreaMapping`, `TrainingBaseProfile`, `TrainingEvaluationResult`, `AlgorithmRunResult` |
+| `resolver.py` | `resolve_training_evaluation()`, `resolve_for_base_profile()` |
+| `algorithms/registry.py` | `register_algorithm`, `get_algorithm`, `list_algorithm_ids` |
+| `algorithms/builtin/threshold_band.py` | Beispiel: Schwellen-Bänder → Score 0–1 |
+| `algorithms/builtin/linear_range.py` | Beispiel: lineare Abbildung [min,max] → [0,1] |
+| `templates/registry.py` | Beispiel-Templates (deklarativ, in-code) |
+| `profiles/registry.py` | Beispiel-Trainings-Basisprofile (Default-Template, optionale Dimensions-Whitelist) |
+
+---
+
+## 3. Built-in-Algorithmen
+
+- Algorithmen sind **fest im Code** implementiert und über eine **ID** referenzierbar.
+- Neue Algorithmen: Funktion mit Signatur `(*, inputs, params) -> AlgorithmRunResult` und `register_algorithm(id, fn)` (Start-up-Registrierung in `registry.py` oder Import eines Moduls, das registriert).
+- **Nicht** vorgesehen: Nutzerdefinierte Ausdrücke, DSL, `eval`, externe Skripte.
+
+Implementiert (Beispiele):
+
+- `threshold_band` — `params.value_key`, `params.bands` (Liste mit `max` / `score`)
+- `linear_range` — `params.value_key`, `min_value`, `max_value`, optional `invert`
+
+---
+
+## 4. Templates (deklarativ)
+
+Ein `CalculationTemplate` besteht aus:
+
+- `id`, `version`, `label`
+- `dimensions`: Liste von `DimensionSpec` mit:
+  - `key` — Dimensionsname
+  - `algorithm_id` — referenziert registrierten Algorithmus
+  - `inputs` — erwartete Schlüssel im flachen `activity_inputs`-Dict des Aufrufers
+  - `params` — JSON-serialisierbare Parameter für den Algorithmus
+  - `maps_to` — Tupel `(focus_area_key, weight)` — gewichteter Anteil der **normalisierten** Dimension am jeweiligen Focus Area
+
+Aggregation: Pro Dimension wird `normalized_score * weight` pro Focus Area addiert (`focus_area_contributions`).
+
+---
+
+## 5. Trainings-Basisprofile (Scaffold)
+
+`TrainingBaseProfile`:
+
+- `key`, `label`
+- `default_template_id` — verweist auf ein `CalculationTemplate`
+- optional `allowed_dimension_keys` — nur diese Dimensionen aus dem Template werden ausgeführt (Filter)
+
+Aktuell **nur In-Code-Registry**; später denkbar: DB-Verknüpfung Trainingstyp → Profil-Key.
+
+---
+
+## 6. Ergebnisstruktur (`TrainingEvaluationResult`)
+
+- `template_id`, `template_version`, `base_profile_key`
+- `dimension_results[]` — pro Dimension: Scores, fehlende Inputs, Evidence
+- `focus_area_contributions` — `dict[str, float]` (Focus-Area-Key → aggregierter Beitrag)
+- `confidence` — `high` | `medium` | `low` | `insufficient` (heuristisch aus fehlenden Pflicht-Inputs)
+- `evidence` — Metadaten (z. B. Anzahl Dimensionen, Input-Keys)
+- optional `trace` — bei `include_trace=True` für Debugging
+
+`to_serializable()` liefert ein JSON-taugliches Dict für APIs/Persistenz.
+
+---
+
+## 7. Öffentliche API (Import)
+
+```python
+from data_layer.training_profile import (
+    resolve_training_evaluation,
+    resolve_for_base_profile,
+    TrainingEvaluationResult,
+    CalculationTemplate,
+)
+```
+
+Registries:
+
+```python
+from data_layer.training_profile.templates.registry import get_calculation_template
+from data_layer.training_profile.profiles.registry import get_training_base_profile
+from data_layer.training_profile.algorithms.registry import get_algorithm, list_algorithm_ids
+```
+
+---
+
+## 8. Erweiterungspunkte (für spätere Produktlogik)
+
+1. **Neue Algorithmen** — neue Datei unter `algorithms/builtin/`, in `registry.py` registrieren.
+2. **Templates** — weitere `CalculationTemplate`-Instanzen in `templates/registry.py` oder später aus DB laden (Loader baut dieselben Dataclasses).
+3. **Profile** — weitere `TrainingBaseProfile`-Einträge; Anbindung an `training_types` / Aktivität.
+4. **Confidence/Evidence** — feinere Regeln (Datenqualität, Mindestkriterien) im Resolver oder in den Algorithmen.
+5. **Normalisierung der FA-Beiträge** — optional globale Skalierung/Cap (aktuell rein additive Gewichtung).
+
+---
+
+## 9. Was absichtlich offen ist
+
+- Finale Domänenregeln (welche Dimensionen für welchen Sport)
+- Vollständige Liste Basisprofile und Templates
+- Persistenz von Evaluationsergebnissen
+- Integration in Placeholder-Resolver, Charts, Admin-UI
+- Validierung gegen `focus_area_definitions` (DB-Keys)
+
+---
+
+## 10. Kritische Einschätzung
+
+| Bereich | Bewertung |
+|---------|-----------|
+| Registry + Algorithmus-Schnittstelle | Robust, testbar, erweiterbar |
+| Template-Modelle (frozen dataclasses) | Stabil, typsicher, serialisierbar |
+| Beispiel-Algorithmen | Minimal, nur zur Demonstration der Pipeline |
+| Confidence | Heuristik — für Produktion noch abzustimmen |
+| Focus-Area-Gewichte | Additiv, nicht normiert — Domänenentscheidung für später |
+
+---
+
+## 11. Tests
+
+`backend/tests/test_training_profile_resolver.py` — Registry, Resolver, Profil-Filter, Serialisierung, unbekannter Algorithmus.
+
+Ausführen (aus `backend/`):
+
+```bash
+python -m pytest tests/test_training_profile_resolver.py -v
+```

.claude/docs/technical/UNIVERSAL_CSV_IMPORT_AGENT_GUIDE.md

@@ -0,0 +1,64 @@
+# Universal CSV Import – Agent-Leitfaden
+
+**Stand:** 2026-04-09 · **Kontext:** Issue #21 (Universeller CSV-Parser), Prod-Migrationen u. a. 051–053.
+
+Dieses Dokument ist **normativ für Agenten**, die ein neues Import-Zielmodul anlegen oder bestehende Import-Pfade (Executor, Vorlagen, DB) ändern.
+
+---
+
+## 1. Architektur (Kurz)
+
+| Komponente | Pfad / Rolle |
+|------------|----------------|
+| Modul-Definitionen | `backend/csv_parser/module_registry.py` (`MODULE_DEFINITIONS`) |
+| Typ-/Einheiten-Konvertierung | `backend/csv_parser/type_converter.py`, `field_units.py` |
+| Zeilen-Aggregation (z. B. Ernährung pro Tag) | `backend/csv_parser/import_row_processing.py` |
+| Import-Ausführung | `backend/csv_parser/executor.py` |
+| Fehlertexte / Transaktions-Hinweise | `backend/csv_parser/import_errors.py` (`enrich_row_error`) |
+| Admin-Systemvorlagen | `backend/routers/admin_csv_templates.py` |
+| Nutzer-Import (Profil-Mappings) | `backend/routers/csv_import.py` |
+| Vorlagen-Validierung (strukturell + Sample) | `backend/csv_parser/template_validator.py` (`validate_csv_template`) |
+| Effektives Listentrennzeichen | `backend/csv_parser/core.py` (`resolve_effective_csv_delimiter`) — Datei kann `;` (z. B. Apple DE) haben, Vorlage `,` (EN); Import/Diagnose **nicht** nur das gespeicherte Trennzeichen blind nutzen. |
+
+**Single Source of Truth** für erlaubte Zielfelder, Typen und Duplikat-Keys ist **`module_registry.py`**. Keine parallele Feldliste in Routern duplizieren.
+
+---
+
+## 2. Checkliste: Neues Zielmodul
+
+1. **`MODULE_DEFINITIONS`** um Eintrag erweitern: `table`, `fields` (Typen `date` / `datetime` / `float` / `int` / `string`), `duplicate_key`, `duplicate_strategy`, ggf. `derive_date_from_datetime_field`, `import_mode` (Spezialpfade wie Schlaf).
+2. **DB:** Migration nur nach Projektregel (`backend/migrations/NNN_*.sql`). Spaltenbreiten/Typen so wählen, dass importierte Werte (z. B. kJ→kcal, große Energiebeträge) **keinen NUMERIC-Overflow** verursachen.
+3. **`source` / CHECK-Constraints:** Wenn die Zieltabelle `source` hat, muss der Wert **`csv`** (oder der vereinbarte Import-Tag) in der DB erlaubt sein (Migration anpassen, nicht nur App-Code).
+4. **Executor:** Einfügen/Aktualisieren in `executor.py` nur über bestehende Muster (ein Cursor, **kein** verschachteltes `get_db()` im gleichen Request). Bei mehreren Zeilen pro Transaktion: bei **Zeilenfehlern** SAVEPOINT pro Zeile nutzen (siehe Activity-Pattern), damit die Transaktion nicht dauerhaft abgebrochen ist.
+5. **Trainingstyp / FK-Auflösung:** DB-Zugriffe für abhängige Entitäten (z. B. `get_training_type_for_activity_with_cursor`) **mit dem gleichen Cursor** wie der Import – keine zweite Connection aus dem Importpfad.
+6. **Vorlagen:** System-Templates in Migration/Seed pflegen (`csv_field_mappings`, `is_system=true`). `type_conversions` und `source_unit` dort setzen, wo Einheiten aus Exporten abweichen (z. B. Apple kJ).
+7. **Validierung:** Neue/angepasste Admin-Vorlagen müssen **`validate_csv_template`** passieren (Create/Update liefert bei Fehlern **422** mit `validation`). Tests für Randfälle ergänzen (`tests/test_template_validator.py` o. ä.).
+8. **API / Frontend:** Neue Admin-Endpunkte in `main.py` registrieren; Frontend **nur** über `api.js`. Bei strukturierten FastAPI-Fehlern (`detail` als Objekt/Liste) bestehende Hilfen (`formatFastApiDetail`) nutzen.
+
+---
+
+## 3. Checkliste: Bestehendes Modul ändern
+
+- Schema-Änderung: Migration + ggf. **`module_registry`**-Felder anpassen.
+- Neue Spalte im Import: Executor-Mapping, optional `type_conversions` / Validator.
+- Änderung an Duplikatlogik: `duplicate_key` / `ON CONFLICT`-Pfad im Executor prüfen.
+- Datums-/Zeit-Parsing: **`type_converter`** – ISO-Daten `YYYY-MM-DD` konsistent (**`dayfirst=False`**), Zeiten `HH:MM` ohne Sekunden unterstützen wo nötig.
+
+---
+
+## 4. Bekannte Einschränkungen (Follow-up in Gitea)
+
+- Admin **„Format prüfen“** kann `import_row_processing` derzeit weglassen; volle Parität mit dem gespeicherten Template erst beim Speichern / echten Import.
+- Nutzer-Mappings (Copy aus Systemvorlage) laufen nicht automatisch durch **`validate_csv_template`** – Tracking: **Gitea #71** (http://192.168.2.144:3000/Lars/mitai-jinkendo/issues/71).
+
+---
+
+## 5. Verwandte Regeln
+
+- `.claude/rules/ARCHITECTURE.md` – Router, DB, `source`-Tracking
+- `.claude/rules/CODING_RULES.md` – Kurzverweis Universal CSV
+- `.claude/rules/DOCUMENTATION.md` – Ablage technischer Specs
+
+---
+
+**Version:** 1.0