.claude/docs/technical/AI_PROMPT_SYSTEM_SPEC.md

@@ -6,6 +6,8 @@
 **Autor:** Claude Code
 **Vorbild:** Mitai Jinkendo Issue #53 + `backend/routers/prompts.py` + Placeholder-System
 
+**Verwandt (Skill-Katalog in Übungs-KI):** `working/AI_SKILL_RETRIEVAL_PROFILES_SPEC.md` — Tabelle **`ai_skill_retrieval_profiles`** (`config`-JSON ergänzt inhaltliche Prompt-/Katalog-Steuerung neben Platzhaltern).
+
 ---
 
 ## 1. Konzept

.claude/docs/technical/KI_FEATURES_SPEC.md

@@ -160,7 +160,38 @@ KI gibt Vorschläge
 Liefert KI-Vorschläge auf Basis von Eingabe-Text, **bevor** die Übung gespeichert wurde.
 Wird beim Klick auf „KI-Vorschlag" im Formular aufgerufen.
 
-**Request Body:**
+**Required Fields:** mindestens `goal` ODER `execution`
+
+**Optional – Skill-Katalogpriorisierung (Stand 068):**
+
+```json
+{
+  "focus_areas_context": [
+    { "focus_area_id": 3, "is_primary": true },
+    { "focus_area_id": 1, "is_primary": false }
+  ],
+  "focus_area_hint": "Karate, Kumite…"
+}
+```
+
+- `focus_areas_context`: IDs aus Stammdatum **Fokusbereiche**; Primär soll zuerst stehen (`is_primary`). Ohne Feld oder leere Liste gilt das DB-Profil **`is_default`** (`ai_skill_retrieval_profiles`).
+- `focus_area_hint`: bleibt lesbarer Text für den Prompt (bestehende Prompts).
+
+
+**Minimal-Beispiel (Mit Fokus für Retrieval):**
+
+```json
+{
+  "title": "Maai - Distanzübung",
+  "goal": "…",
+  "execution": "…",
+  "focus_areas_context": [ { "focus_area_id": 1, "is_primary": true } ]
+}
+```
+
+
+**Minimal-Beispiel ( ohne Fokus — nur Texts):**
+
 ```json
 {
   "title": "Maai - Distanzübung",
@@ -169,8 +200,6 @@ Wird beim Klick auf „KI-Vorschlag" im Formular aufgerufen.
 }
 ```
 
-**Required Fields:** mindestens `goal` ODER `execution` (je länger, desto besser)
-
 **Response:** `200 OK`
 ```json
 {

.claude/docs/working/ACCESS_LAYER_ENDPOINT_AUDIT.md

@@ -13,7 +13,7 @@ Fortlaufend gemäß `ACCESS_LAYER_AND_GOVERNANCE_PLAN.md` Stufe A–C.
 | exercises | `PATCH /api/exercises/bulk-metadata` | ja | `get_tenant_context` | ja | Liste: UI-Mehrfachwahl; bis 500 IDs; nur Ersteller oder Plattform-Admin |
 | exercises | `GET .../media/{mid}/file` | ja | `get_tenant_context_flexible` | ja (wie Übung lesen) | Datei oder `?ssetoken`; kein anonymes `/media/` ohne ALLOW_PUBLIC_MEDIA_STATIC |
 | exercises | übrige geschützte `/api/exercises*` | ja | `get_tenant_context` | ja | PUT Einzelübung: bei Sichtbarkeit `official` Medien-§4.2 (422: Lifecycle/Promotion/Copyright) |
-| exercises | POST `/api/exercises/ai/suggest`, POST `/api/exercises/{id}/ai/regenerate` | ja | `get_tenant_context` | nein | Nur Vorschlags-JSON; keine DB-Schreibung; Sendung an OpenRouter |
+| exercises | POST `/api/exercises/ai/suggest`, POST `/api/exercises/{id}/ai/regenerate` | ja | `get_tenant_context` | nein | Nur Vorschlags-JSON; keine DB-Schreibung; OpenRouter — suggest optional `focus_areas_context` für Retrieval-Profile |
 | exercise_progression_graphs | `/api/exercise-progression-graphs*` | ja | `get_tenant_context` | Liste wie Bibliothek; Schreiben Ersteller/Plattform-Admin | Kanten: Lesen wenn Graph lesbar |
 | training_planning | alle geschützten Endpoints | ja | `get_tenant_context` | ja | Vorlagen-Liste wie Übungen; POST Vorlage Default club_id |
 | dashboard | `GET /api/dashboard/kpis` | ja | `get_tenant_context` | wie `GET /api/exercises` + `GET /api/training-units` | Aggregat für Dashboard-Kurzüberblick (ein Roundtrip) |
@@ -39,7 +39,7 @@ Fortlaufend gemäß `ACCESS_LAYER_AND_GOVERNANCE_PLAN.md` Stufe A–C.
 
 **Pflege / Drift:** Änderungen an Mandanten, Governance (`visibility`/`club_id`) oder neuen inhaltsbezogenen Endpoints → eine Zeile in dieser Tabelle anpassen und `PRODUCTION_READINESS_AUDIT_2026-05.md` prüfen.
 
-Letzte Änderung: 2026-05-22 — `POST /api/exercises/ai/suggest`, `POST /api/exercises/{id}/ai/regenerate` (Übungs-KI, kein Persist durch Endpunkt).
+Letzte Änderung: 2026-05-29 — gleiche Endpunkte; `POST /api/exercises/ai/suggest` ergänzt um optionales `focus_areas_context` für `ai_skill_retrieval_profiles` (Migration 068).
 
 ---
 

.claude/docs/working/AI_EXERCISE_IMPLEMENTATION_PLAN.md

@@ -1,8 +1,8 @@
 # Umsetzungsplan – KI bei Übungen (stufenweise, Driftschutz)
 
-**Version:** 0.1  
+**Version:** 0.2  
-**Datum:** 2026-05-22  
+**Datum:** 2026-05-29  
-**Bezüge:** `functional/AI_EXERCISE_ASSISTANT_VISION.md` · `technical/KI_FEATURES_SPEC.md` · `technical/AI_PROMPT_SYSTEM_SPEC.md` · `technical/AI_TRAINING_PLANNING_CONCEPT.md` (§1.1 Ist-Stand)
+**Bezüge:** `functional/AI_EXERCISE_ASSISTANT_VISION.md` · **`working/AI_SKILL_RETRIEVAL_PROFILES_SPEC.md`** · `technical/KI_FEATURES_SPEC.md` · `technical/AI_PROMPT_SYSTEM_SPEC.md` · `technical/AI_TRAINING_PLANNING_CONCEPT.md` (§1.1 Ist-Stand)
 
 ---
 
@@ -10,10 +10,11 @@
 
 1. **Spec vor Code:** Request/Response-Felder und Statuscodes an `KI_FEATURES_SPEC.md` ausrichten; Abweichungen zuerst Spec oder dieses Dokument anpassen.  
 2. **Prompts in der DB:** Keine produktionskritischen Prompt-Langtexte nur im Code; Defaults per **Migration** in `ai_prompts`, Anpassung durch Admins über vorgesehene Oberfläche (später) oder SQL.  
-3. **Stufen-Slugs & Intensität:** Nur **kanonische** Werte wie in `exercises.py` (`basis` … `optimierung`, `niedrig|mittel|hoch`); LLM-Ausgaben **normalisieren**, ungültige `skill_id` verwerfen.  
+3. **Skill-Retrieval-Profile:** Gewichte/Quotes in **`ai_skill_retrieval_profiles.config`** — Spezifikation `working/AI_SKILL_RETRIEVAL_PROFILES_SPEC.md`; kein zweites gleichzeitiges Truth-Repo im Sourcecode außer defensiver Fallback `_FALLBACK_RETRIEVAL_CONFIG` in `exercise_ai.py`.  
-4. **Kein stiller DB-Write:** KI liefert **Vorschläge**; Persistenz nur über bestehende **PUT/POST exercises** inkl. Trainer-Aktion (und optional `summary_ai_generated` / `ai_suggested` wie Spec).  
+4. **Stufen-Slugs & Intensität:** Nur **kanonische** Werte wie in `exercises.py` (`basis` … `optimierung`, `niedrig|mittel|hoch`); LLM-Ausgaben **normalisieren**, ungültige `skill_id` verwerfen.  
-5. **Mandant:** Übungsbezogene KI-Endpunkte nutzen `Depends(get_tenant_context)`; keine Ausnahme ohne Eintrag in `ACCESS_LAYER_ENDPOINT_AUDIT.md`.  
+5. **Kein stiller DB-Write:** KI liefert **Vorschläge**; Persistenz nur über bestehende **PUT/POST exercises** inkl. Trainer-Aktion (und optional `summary_ai_generated` / `ai_suggested` wie Spec).  
-6. **Schema:** Neue DB-Objekte nur nummerierte Migration `backend/migrations/067_*.sql` (oder folgend); `DB_SCHEMA_VERSION` in `backend/version.py` anheben.
+6. **Mandant:** Übungsbezogene KI-Endpunkte nutzen `Depends(get_tenant_context)`; keine Ausnahme ohne Eintrag in `ACCESS_LAYER_ENDPOINT_AUDIT.md`.  
+7. **Schema:** Neue DB-Objekte nur nummerierte Migration **`backend/migrations/`** (aktuell bis **068**) und `DB_SCHEMA_VERSION` anheben.
 
 ---
 
@@ -26,10 +27,11 @@
 | **S2** | `httpx`-Client OpenRouter; Modul lädt Prompt, ersetzt Platzhalter, parst Antwort | Unit-/Smoke: 503 ohne Key |
 | **S3** | `POST /api/exercises/ai/suggest`, `POST /api/exercises/{id}/ai/regenerate` | OpenAPI/Handtest mit Key |
 | **S4** | Frontend: KI-Vorschlag, **Änderungsdialog** (Vorschau, Kurzfassung wählbar, Fähigkeiten pro Zeile an-/abwählbar), dann Übernahme ins Formular | Manuelle UX-Prüfung |
+| **S4b** | **Skill-Retrieval:** Migration **`ai_skill_retrieval_profiles`**, `focus_areas_context` am **`POST …/ai/suggest`**, `exercise_ai` kontextbezogener Katalog (Gewichte, Caps, Keyword-Patches) | Migration 068 angelegt; Smoke mit Gewaltschutz / ohne Fokus |
 | **S5** | (später) Auto-Fallback beim Speichern laut `KI_FEATURES_SPEC` §7 | Feature-Flag / Config |
 | **S6** | (später) Zielausbau, Anleitung-only, Varianten, Admin-Masse laut Vision | Separate Epics |
 
-**Aktueller Implementierungsstand nach Merge:** S0–S4 anstreben; S5/S6 nicht Teil dieses Laufs.
+**Aktueller Implementierungsstand:** **S4 + S4b** im Code (`exercise_ai` + Formular übermittelt `focus_areas_context`).
 
 ---
 
@@ -47,7 +49,7 @@
 
 - **2026-05-22:** Initial; S1–S4 als erster Umsetzungspfad.
 - **2026-05-22:** S1–S4 im Code umgesetzt (Migration 067, `exercise_ai` + Router, Übungsformular); S5 weiter offen.
-- **2026-05-22:** UX: Übernahmedialog für KI-Vorschläge (Vorschau, selektive Übernahme) im Übungsformular (`ExerciseFormPageRoot`).
+- **2026-05-29:** **S4b:** Migration **068**, `ai_skill_retrieval_profiles`; suggest `focus_areas_context`; Frontend sendet gesetzte Fokusbereiche; Spec `working/AI_SKILL_RETRIEVAL_PROFILES_SPEC.md`.
 
 ---
 
@@ -55,7 +57,11 @@
 
 **Erledigt (2026-05-22):** Migration **`067_ai_prompts_exercise_assistant`**, **`openrouter_chat`**, **`exercise_ai`**, **`POST /api/exercises/ai/suggest`** und **`POST /api/exercises/{id}/ai/regenerate`**, Formular-Schaltflächen (Kurzfassung / Fähigkeiten / kombiniert).
 
-**Nacharbeit S4 UX:** Übernahmedialog **`ExerciseFormPageRoot`**: keine sofortige Überschreibung; Kurzfassung mit Vergleich + Checkbox; Fähigkeiten mit Neu/Aktualisierung, Checkboxen, „Alle auswählen/abwählen“; **`Escape`** schließt; KI-Schaltflächen blockiert solange Dialog offen.  
+**Erledigt (2026-05-29):** Migration **`068`** / Profil **`ai_skill_retrieval_profiles`** (Standard + Profil Gewaltschutz wenn `focus_areas.name` vorhanden); **`exercise_ai`** — Score/Kategorie-Zapfen/Text-Overlap/Keyword-Zuschläge; **API:** `ExerciseAiSuggestBody.focus_areas_context`; **Regenerate** nutzt DB-Fokuszeilen.
 
-**Bewusst noch nicht:** automatische KI beim Speichern (**S5**), Setzen von `summary_ai_generated` bei manuellen UI-Änderungen, Prompt-Admin-UI, Rate-Limits.
+**Nacharbeit S4 UX:** Übernahmedialog **`ExerciseFormPageRoot`**: keine sofortige Überschreibung; Kurzfassung mit Vergleich + Checkbox; Fähigkeiten mit Neu/Aktualisierung, Checkboxen, „Alle auswählen/abwählen“; **`Escape`** schließt; KI-Schaltflächen blockiert solange Dialog offen.
+
+**Offen nächste Schritte Pflege/Umsetzung:** weitere Retrieval-Profile (z. B. Karate-/Fitness-Schwerpunkt) per SQL später Admin-UI; optionales Feld **`skills.ai_context`** Kurzbeschreibung für KI; automatische KI beim Speichern (**S5**); Prompt-/Profil-Admin-UI ohne SQL; Rate-Limits.
+
+**Bewusst noch nicht (`summary_ai_generated`):** zurücksetzen bei manueller Kurzfassung im UI; Admin-Pflege `ai_skill_retrieval_profiles`.
 

.claude/docs/working/AI_SKILL_RETRIEVAL_PROFILES_SPEC.md

@@ -0,0 +1,120 @@
+# KI Skill-Retrieval-Profile (`ai_skill_retrieval_profiles`)
+
+**Version:** 0.1  
+**Datum:** 2026-05-29  
+**Status:** Umsetzung gestartet (Migration **068**)  
+**Ziel:** Für `POST /api/exercises/ai/suggest` (Skill-Katalogauszug) **Gewichte und Quoten** steuerbar machen:
+
+- gebunden an **Übungs-Fokusbereich** (`focus_areas.id`),  
+- ein **Standardprofil** ohne Fokus,  
+- **optional zusammengeführte** Profile bei mehreren Fokusbereichen,  
+- **optional Keyword-Übersteuerungen** aus Ziel/Durchführung (z. B. Rollenspiel vs. Befreiung).
+
+**Technische Basis:** Skills mit `skills.main_category_id` → `skill_main_categories.slug` (`karate` | `allgemeine`) und `skills.category_id` → `skill_categories.slug` (`kondition`, `selbstverteidigung`, …).
+
+**Bezüge:** `.claude/docs/working/AI_EXERCISE_IMPLEMENTATION_PLAN.md` · `backend/exercise_ai.py`
+
+---
+
+## 1. Datenmodell
+
+### Tabelle `ai_skill_retrieval_profiles`
+
+| Spalte | Typ | Beschreibung |
+|--------|-----|--------------|
+| `id` | serial | Primärschlüssel |
+| `focus_area_id` | int NULL FK → `focus_areas(id)` ON DELETE SET NULL | **`NULL`** nur für Standardeintrag möglich (siehe `is_default`) |
+| `is_default` | boolean | Genau **eine** Zeile mit `true` |
+| `name` | varchar | Kurzer Name (Admin später) |
+| `description` | text | Hinweise für Pflege |
+| `active` | boolean | Nur aktive werden geladen |
+| `config` | jsonb | Siehe §2 |
+
+**Constraints / Indizes**
+
+- Eindeutig: `(focus_area_id)` WHERE `focus_area_id IS NOT NULL`
+- Eindeutig: `(is_default)` WHERE `is_default = true`
+
+---
+
+## 2. JSON-Konfiguration `config.version = 1`
+
+Alle Schlüssel **optional**; fehlende Werte fallen auf **einprogrammierten Fallback** in `exercise_ai.py` zurück (entspricht bisher grob „neutral“).
+
+### 2.1 Gewichtungen (Ranking)
+
+| Schlüssel | Typ | Bedeutung |
+|-----------|-----|------------|
+| `main_slug_weights` | `object[str, float]` | Multiplikator pro Hauptkategorie-Slug (`karate`, `allgemeine`) |
+| `category_slug_weights` | `object[str, float]` | Multiplikator pro `skill_categories.slug` |
+
+Basis-Score (vereinfacht):  
+`(importance oder 3) × main_w × cat_w × text_overlap_bonus × importance_multiplier`
+
+### 2.2 Kapazitätsbegrenzung (Liste)
+
+`_MAX_SKILLS_CATALOG_LINES` (aktuell **240**) Zeilen Gesamt:
+
+| Schlüssel | Typ | Bedeutung |
+|-----------|-----|------------|
+| `category_max_share` | `object[str, float]` | Max. Anteil dieser **Unterkategorie** am Endergebnis (0–1), z. B. `{ "kondition": 0.25 }` |
+| `main_min_share` | `object[str, float]` | Mindest-Zielanteil Hauptkategorie beim **Auswahl-Greedy** (weich; Rest nach Score aufgefüllt) |
+
+### 2.3 Text / Token-Sparen
+
+| Schlüssel | Typ | Standard | Bedeutung |
+|-----------|-----|----------|------------|
+| `description_plain_max_len` | int | 160 | Gekürzte Beschreibung pro Zeile |
+| `karate_relevance_max_len` | int | **0** oder 80 | **`0`** = Feld `karate_relevance`/`relevance_level` in der Promptzeile **weglassen** |
+
+### 2.4 Keyword-Overrides (optional)
+
+Liste `keyword_overrides`: jedes Element:
+
+```json
+{
+  "keywords_any": ["befreiung", "haltegriff"],
+  "case_insensitive": true,
+  "patch": {
+    "category_slug_weights": { "selbstverteidigung": 2.5 },
+    "category_max_share": { "koordination": 0.1 }
+  }
+}
+```
+
+Textsuche in verkettetem Korpus **Titel, Ziel, Durchführung, Focus-Hint** (bereits plaintext). Reihenfolge: erst Basis-Profile zusammenmergen, dann **alle treffenden Overrides**‑`patch`‑Objekte **flach zusammenführen** (Gewichte multiplikativ übereinander, Caps den strengsten Wert nehmen – aktuelle Implementierung im Code dokumentiert).
+
+---
+
+## 3. Mehrere Fokusbereiche auf der Übung
+
+Request-Body: `focus_areas_context: [{ "focus_area_id": n, "is_primary": bool }, …]`
+
+**Aktuelle Merge-Strategie (v1):** Profile laden → **gleichgewichtete Mittelwert-Bildung** der numerischen Gewichte / Caps (implementiert für `main_slug_weights`, `category_slug_weights`, `category_max_share`, `main_min_share`, `*_max_len`). Anschließend **Keyword-Overrides** anwenden.
+
+**Primär-Fokus:** Im Frontend soll die **primäre** Zeile aus `focus_areas_multi` **zuerst** in der Liste stehen; die Merge-Strategie kann später zu „Primär dominate“ erweitert werden.
+
+Ohne Kontext oder ohne Treffer auf aktive Profile: **nur Standardprofil** (`is_default`).
+
+---
+
+## 4. Seed-Daten (Migration)
+
+- **`is_default=true`:** ausgewogene Standard-Gewichte, moderate Caps auf `kondition`/`koordination`, Karate-Relevanz gekürzt.
+- **`Gewaltschutz`:** `focus_area_id` per `(SELECT id FROM focus_areas WHERE name = 'Gewaltschutz' LIMIT 1)` — höhere Gewichte für `kognition`, `psychische_faehigkeiten`, `soziale_faehigkeiten`, `selbstverteidigung`; gedrosseltes `kondition`/`koordination`; `karate_relevance_max_len`: 0; Keyword-Patches wie oben können nachgeschärft werden.
+
+Weitere Profile (Karate-Schwerpunkt etc.) später per Admin-SQL oder UI.
+
+---
+
+## 5. API
+
+`ExerciseAiSuggestBody` erweitert um **`focus_areas_context`** (Liste). Feld **`focus_area_hint`** bleibt für den **Prompt-Kontext** (bestehende Prompts).
+
+`POST …/ai/regenerate` nutzt später dieselbe Retrieval-Logik aus den Detail-Daten der Übung (**To-do:** dort `focus_areas_context` aus `exercise_focus_areas` ableiten).
+
+---
+
+## 6. Changelog
+
+- **2026-05-29:** Erstellt; gekoppelt an Migration **068** und erste `exercise_ai`-Integration.

backend/exercise_ai.py

@@ -1,12 +1,16 @@
 """
 KI-Vorschlaege fuer Uebungsformular: Laedt Prompts aus ai_prompts, ruft OpenRouter auf.
 Keine persistente Aenderung an exercises — nur Response-DTO fuer das Frontend.
+
+Skill-Katalog fuer Prompts: priorisierte Auswahl (ai_skill_retrieval_profiles, Fallback-Heuristik).
 """
 from __future__ import annotations
 
+import copy
 import json
+import math
 import re
-from typing import Any, Dict, List, Optional, Tuple
+from typing import Any, Dict, List, Mapping, MutableMapping, Optional, Sequence, Tuple
 
 from fastapi import HTTPException
 
@@ -24,6 +28,26 @@ _LEGACY_SKILL_LEVEL_SLUG = {
 }
 _ALLOWED_SKILL_INTENSITY = frozenset({"niedrig", "mittel", "hoch"})
 
+_TAG_RE = re.compile(r"<[^>]+>", re.IGNORECASE)
+_TOKEN_FIND = re.compile(r"[a-zäöüß0-9]+", re.IGNORECASE)
+
+_MAX_PLAIN_FIELD = 28_000
+_MAX_SKILLS_CATALOG_LINES = 240
+_MAX_SUMMARY_CHARS = 220
+
+_FALLBACK_RETRIEVAL_CONFIG: Dict[str, Any] = {
+    "version": 1,
+    "importance_multiplier": 1.0,
+    "text_overlap_bonus": 2.0,
+    "main_slug_weights": {"karate": 1.0, "allgemeine": 1.0},
+    "category_slug_weights": {},
+    "category_max_share": {"kondition": 0.38, "koordination": 0.35},
+    "main_min_share": {},
+    "description_plain_max_len": 160,
+    "karate_relevance_max_len": 72,
+    "keyword_overrides": [],
+}
+
 
 def _normalize_exercise_skill_level(value) -> Optional[str]:
     if value is None:
@@ -50,12 +74,6 @@ def _normalize_exercise_skill_intensity(value) -> str:
         return key
     return "mittel"
 
-_TAG_RE = re.compile(r"<[^>]+>", re.IGNORECASE)
-
-_MAX_PLAIN_FIELD = 28_000
-_MAX_SKILLS_CATALOG_LINES = 240
-_MAX_SUMMARY_CHARS = 220
-
 
 def strip_html_to_plain(html: Optional[str], *, max_len: int = _MAX_PLAIN_FIELD) -> str:
     if not html:
@@ -67,6 +85,399 @@ def strip_html_to_plain(html: Optional[str], *, max_len: int = _MAX_PLAIN_FIELD)
     return t
 
 
+def _corpus_tokens(*parts: str) -> frozenset:
+    hay = " ".join(p.strip() for p in parts if p and p.strip())
+    ws = {_m.group(0).lower() for _m in _TOKEN_FIND.finditer(hay)}
+    return frozenset(w for w in ws if len(w) > 1)
+
+
+def _ai_profiles_table_ready(cur) -> bool:
+    cur.execute("SELECT to_regclass(%s)::text AS t", ("public.ai_skill_retrieval_profiles",))
+    row = cur.fetchone()
+    if row is None:
+        return False
+    val = row["t"] if isinstance(row, dict) else row[0]
+    return val is not None and str(val).strip() != ""
+
+
+def _average_float_dict(dicts: Sequence[Mapping[str, Any]], *, fallback: float) -> Dict[str, float]:
+    keys: set = set()
+    for d in dicts:
+        keys |= set(d.keys())
+    out: Dict[str, float] = {}
+    for k in keys:
+        vals = []
+        for d in dicts:
+            if k not in d or d[k] is None:
+                continue
+            try:
+                vals.append(float(d[k]))
+            except (TypeError, ValueError):
+                continue
+        out[k] = (sum(vals) / len(vals)) if vals else fallback
+    return out
+
+
+def _merge_retrieval_configs(configs: Sequence[Dict[str, Any]]) -> Dict[str, Any]:
+    base = copy.deepcopy(_FALLBACK_RETRIEVAL_CONFIG)
+    if not configs:
+        return base
+
+    base["main_slug_weights"] = _average_float_dict(
+        [c.get("main_slug_weights") or {} for c in configs],
+        fallback=1.0,
+    )
+    for slug in ("karate", "allgemeine"):
+        base["main_slug_weights"].setdefault(slug, 1.0)
+
+    base["category_slug_weights"] = _average_float_dict(
+        [c.get("category_slug_weights") or {} for c in configs],
+        fallback=1.0,
+    )
+    base["category_max_share"] = _average_float_dict(
+        [c.get("category_max_share") or {} for c in configs],
+        fallback=1.0,
+    )
+    base["main_min_share"] = _average_float_dict(
+        [c.get("main_min_share") or {} for c in configs],
+        fallback=0.0,
+    )
+
+    ims = []
+    tbs = []
+    dmx = []
+    krm = []
+    for c in configs:
+        try:
+            if c.get("importance_multiplier") is not None:
+                ims.append(float(c["importance_multiplier"]))
+        except (TypeError, ValueError):
+            continue
+        try:
+            if c.get("text_overlap_bonus") is not None:
+                tbs.append(float(c["text_overlap_bonus"]))
+        except (TypeError, ValueError):
+            continue
+        try:
+            if c.get("description_plain_max_len") is not None:
+                dmx.append(int(c["description_plain_max_len"]))
+        except (TypeError, ValueError):
+            continue
+        try:
+            if c.get("karate_relevance_max_len") is not None:
+                krm.append(int(c["karate_relevance_max_len"]))
+        except (TypeError, ValueError):
+            continue
+    if ims:
+        base["importance_multiplier"] = sum(ims) / len(ims)
+    if tbs:
+        base["text_overlap_bonus"] = sum(tbs) / len(tbs)
+    if dmx:
+        base["description_plain_max_len"] = int(round(sum(dmx) / len(dmx)))
+    if krm:
+        base["karate_relevance_max_len"] = int(round(sum(krm) / len(krm)))
+
+    overrides: List[Any] = []
+    for c in configs:
+        overrides.extend(c.get("keyword_overrides") or [])
+    base["keyword_overrides"] = overrides
+    return base
+
+
+def _mul_weight_dict(target: MutableMapping[str, float], patch: Mapping[str, Any]) -> None:
+    for k, v in patch.items():
+        try:
+            mul = float(v)
+        except (TypeError, ValueError):
+            continue
+        target[k] = float(target.get(k, 1.0)) * mul
+
+
+def _apply_keyword_overrides(cfg: Dict[str, Any], corpus_lower: str) -> None:
+    caps = cfg.setdefault("category_max_share", {})
+    for ov in cfg.get("keyword_overrides") or []:
+        keys_any = ov.get("keywords_any") or []
+        if not keys_any or not corpus_lower.strip():
+            continue
+        hay = corpus_lower.lower() if corpus_lower else ""
+        hit = False
+        for kw in keys_any:
+            ks = str(kw or "").strip()
+            if not ks:
+                continue
+            ks_l = ks.lower()
+            hit = ks_l in hay
+            if hit:
+                break
+        if not hit:
+            continue
+        patch = ov.get("patch") or {}
+        _mul_weight_dict(cfg.setdefault("category_slug_weights", {}), patch.get("category_slug_weights") or {})
+        _mul_weight_dict(cfg.setdefault("main_slug_weights", {}), patch.get("main_slug_weights") or {})
+        for slug, mx in (patch.get("category_max_share") or {}).items():
+            try:
+                mx_f = float(mx)
+            except (TypeError, ValueError):
+                continue
+            cur = float(caps.get(slug, 1.0))
+            caps[slug] = min(cur, mx_f)
+
+
+def _ordered_focus_ids(focus_ctx: Optional[Sequence[Tuple[int, bool]]]) -> List[int]:
+    """Primär zuerst, dann stabil nach ID."""
+    if not focus_ctx:
+        return []
+    seen = set()
+    ordered: List[Tuple[int, bool]] = []
+    for fid, isp in sorted(focus_ctx, key=lambda x: (not x[1], x[0])):
+        try:
+            i = int(fid)
+        except (TypeError, ValueError):
+            continue
+        if i < 1 or i in seen:
+            continue
+        seen.add(i)
+        ordered.append((i, bool(isp)))
+    return [fid for fid, _ in ordered]
+
+
+def _load_merged_retrieval_config(
+    cur, focus_ctx: Optional[Sequence[Tuple[int, bool]]]
+) -> Dict[str, Any]:
+    if not _ai_profiles_table_ready(cur):
+        return copy.deepcopy(_FALLBACK_RETRIEVAL_CONFIG)
+
+    loaded: List[Dict[str, Any]] = []
+    for fid in _ordered_focus_ids(focus_ctx):
+        cur.execute(
+            """
+            SELECT config
+            FROM ai_skill_retrieval_profiles
+            WHERE active = true AND focus_area_id = %s
+            LIMIT 1
+            """,
+            (fid,),
+        )
+        rw = cur.fetchone()
+        if not rw:
+            continue
+        raw = rw["config"] if isinstance(rw, dict) else rw[0]
+        if isinstance(raw, str):
+            try:
+                raw = json.loads(raw)
+            except json.JSONDecodeError:
+                continue
+        if isinstance(raw, dict):
+            loaded.append(raw)
+
+    if not loaded:
+        cur.execute(
+            """
+            SELECT config
+            FROM ai_skill_retrieval_profiles
+            WHERE active = true AND is_default = true
+            LIMIT 1
+            """
+        )
+        rw = cur.fetchone()
+        if rw:
+            raw = rw["config"] if isinstance(rw, dict) else rw[0]
+            if isinstance(raw, str):
+                try:
+                    raw = json.loads(raw)
+                except json.JSONDecodeError:
+                    raw = None
+            if isinstance(raw, dict):
+                loaded.append(raw)
+
+    return _merge_retrieval_configs(loaded)
+
+
+def _fetch_all_active_skills_for_catalog(cur) -> List[Dict[str, Any]]:
+    cur.execute(
+        """
+        SELECT s.id,
+               s.name,
+               s.category,
+               s.description,
+               s.karate_relevance,
+               s.relevance_level,
+               s.importance,
+               COALESCE(m.slug, '') AS main_slug,
+               COALESCE(c.slug, '') AS category_slug,
+               c.name AS subcategory_name
+        FROM skills s
+        LEFT JOIN skill_main_categories m ON m.id = s.main_category_id
+        LEFT JOIN skill_categories c ON c.id = s.category_id
+        WHERE (s.status IS NULL OR s.status = 'active')
+        """
+    )
+    return [dict(r) for r in cur.fetchall()]
+
+
+def _score_skill_row(
+    row: Mapping[str, Any],
+    cfg: Mapping[str, Any],
+    corpus_tokens: frozenset,
+) -> float:
+    main_slug = str(row.get("main_slug") or "").strip().lower()
+    cat_slug = str(row.get("category_slug") or "").strip().lower()
+    main_w = float((cfg.get("main_slug_weights") or {}).get(main_slug, 1.0))
+    cat_w = float((cfg.get("category_slug_weights") or {}).get(cat_slug, 1.0))
+    try:
+        imp = int(row["importance"]) if row.get("importance") is not None else 3
+    except (TypeError, ValueError):
+        imp = 3
+    imp = max(1, min(5, imp))
+    imp_mult = float(cfg.get("importance_multiplier") or 1.0)
+    base = float(imp) * imp_mult * max(main_w, 0.05) * max(cat_w, 0.05)
+
+    name = strip_html_to_plain(row.get("name"), max_len=400)
+    dsc = strip_html_to_plain(row.get("description"), max_len=520)
+    search_blob = " ".join(
+        [
+            name,
+            dsc,
+            cat_slug.replace("_", " "),
+            str(row.get("category") or ""),
+            str(row.get("subcategory_name") or ""),
+        ]
+    ).lower()
+
+    overlaps = sum(1 for t in corpus_tokens if t and t in search_blob)
+    tob = float(cfg.get("text_overlap_bonus") or 0.0)
+
+    return base + overlaps * tob
+
+
+def _category_cap_limits(cfg: Mapping[str, Any], n_max: int) -> Dict[str, int]:
+    out: Dict[str, int] = {}
+    mx = cfg.get("category_max_share") or {}
+    if not isinstance(mx, dict):
+        return out
+    for slug, raw in mx.items():
+        ks = str(slug or "").strip()
+        if not ks:
+            continue
+        try:
+            sh = float(raw)
+        except (TypeError, ValueError):
+            continue
+        if 0 < sh < 1.0:
+            out[ks] = max(1, int(math.floor(sh * n_max)))
+        elif sh >= 1.0:
+            out[ks] = n_max + 99999
+        else:
+            continue
+    return out
+
+
+def _pick_catalog_rows(rows_scored: List[Tuple[float, Dict[str, Any]]], cfg: Mapping[str, Any]) -> List[Dict[str, Any]]:
+    """rows_scored: (score, row_dict) ohne Sortierung-Anforderung."""
+    cap_limits = _category_cap_limits(cfg, _MAX_SKILLS_CATALOG_LINES)
+    ordered = sorted(rows_scored, key=lambda x: (-x[0], str(x[1].get("name") or "")))
+    picked: List[Dict[str, Any]] = []
+    picked_ids: set = set()
+    cat_counts: Dict[str, int] = {}
+
+    def under_cap(cat_slug: str) -> bool:
+        if not cat_slug or cat_slug not in cap_limits:
+            return True
+        return cat_counts.get(cat_slug, 0) < cap_limits[cat_slug]
+
+    # Pass 1: Cap respektieren
+    for _sc, rw in ordered:
+        if len(picked) >= _MAX_SKILLS_CATALOG_LINES:
+            break
+        sid = rw["id"]
+        if sid in picked_ids:
+            continue
+        cslug = str(rw.get("category_slug") or "").strip().lower()
+        if cslug and not under_cap(cslug):
+            continue
+        picked.append(rw)
+        picked_ids.add(sid)
+        if cslug:
+            cat_counts[cslug] = cat_counts.get(cslug, 0) + 1
+
+    # Pass 2: auffüllen
+    if len(picked) < _MAX_SKILLS_CATALOG_LINES:
+        for _sc, rw in ordered:
+            if len(picked) >= _MAX_SKILLS_CATALOG_LINES:
+                break
+            sid = rw["id"]
+            if sid in picked_ids:
+                continue
+            picked.append(rw)
+            picked_ids.add(sid)
+
+    return picked[:_MAX_SKILLS_CATALOG_LINES]
+
+
+def _format_skill_catalog_line(row: Mapping[str, Any], cfg: Mapping[str, Any]) -> str:
+    rid = int(row["id"])
+    nm = (row.get("name") or "").strip() or f"Skill #{rid}"
+    cat_legacy = str(row.get("category") or "").strip()
+    sub = str(row.get("subcategory_name") or "").strip()
+    main_slug = str(row.get("main_slug") or "").strip()
+    cats = " / ".join(x for x in (main_slug.upper() if main_slug else "", cat_legacy, sub) if x)
+
+    dmax = int(cfg.get("description_plain_max_len") or 160)
+    dsc = strip_html_to_plain(row.get("description"), max_len=max(40, min(400, dmax)))
+
+    krmax = int(cfg.get("karate_relevance_max_len") or 0)
+    kr = strip_html_to_plain(row.get("karate_relevance"), max_len=min(280, krmax)) if krmax > 0 else ""
+    rel = row.get("relevance_level")
+    rel_s = str(rel).strip() if rel is not None else ""
+
+    parts = [
+        f"- id={rid} | name={nm}",
+        f" | kategorie={cats or '-'}",
+        f" | beschreibung={dsc or '-'}",
+    ]
+    if krmax > 0 and (kr.strip() or rel_s):
+        parts.append(f" | karate_relevanz={kr or '-'} | relevanz_stufe={rel_s or '-'}")
+    return "".join(parts)
+
+
+def _safe_int_importance(value: Any) -> int:
+    try:
+        iv = int(value)
+    except (TypeError, ValueError):
+        return 0
+    return max(1, min(5, iv)) if iv else 0
+
+
+def build_contextual_skills_catalog_block(
+    cur,
+    *,
+    title: Optional[str],
+    goal_plain: str,
+    execution_plain: str,
+    focus_hint: Optional[str],
+    focus_ctx: Optional[Sequence[Tuple[int, bool]]],
+) -> str:
+    cfg = _load_merged_retrieval_config(cur, focus_ctx)
+    corpus_lower = " ".join([title or "", goal_plain or "", execution_plain or "", focus_hint or ""]).lower()
+    _apply_keyword_overrides(cfg, corpus_lower)
+
+    tok = _corpus_tokens(title or "", goal_plain, execution_plain, focus_hint or "")
+    skill_rows = _fetch_all_active_skills_for_catalog(cur)
+    scored: List[Tuple[float, Dict[str, Any]]] = []
+    for r in skill_rows:
+        scored.append((_score_skill_row(r, cfg, tok), r))
+    picked = _pick_catalog_rows(scored, cfg)
+    picked.sort(
+        key=lambda r: (
+            -_safe_int_importance(r.get("importance")),
+            str(r.get("name") or "").lower(),
+        )
+    )
+
+    lines = [_format_skill_catalog_line(row, cfg) for row in picked]
+    return "\n".join(lines) if lines else "(keine aktiven Skills im Katalog)"
+
+
 def _load_prompt_row(cur, slug: str) -> Optional[Dict[str, Any]]:
     cur.execute(
         """
@@ -93,56 +504,17 @@ def _render_template(template: str, ctx: Dict[str, str]) -> str:
     return out
 
 
-def _build_skills_catalog_block(cur) -> str:
-    cur.execute(
-        """
-        SELECT s.id, s.name, s.category, s.description, s.karate_relevance, s.relevance_level,
-               sc.name AS subcategory_name
-        FROM skills s
-        LEFT JOIN skill_categories sc ON s.category_id = sc.id
-        WHERE (s.status IS NULL OR s.status = 'active')
-        ORDER BY s.importance DESC NULLS LAST, s.name
-        LIMIT %s
-        """,
-        (_MAX_SKILLS_CATALOG_LINES,),
-    )
-    lines: List[str] = []
-    for r in cur.fetchall():
-        rid = int(r["id"])
-        nm = (r.get("name") or "").strip() or f"Skill #{rid}"
-        cat = (r.get("category") or "").strip()
-        sub = (r.get("subcategory_name") or "").strip()
-        dsc = strip_html_to_plain(r.get("description"), max_len=320)
-        kr = strip_html_to_plain(r.get("karate_relevance"), max_len=200)
-        rel = r.get("relevance_level")
-        rel_s = ""
-        if rel is not None:
-            rel_s = str(rel)
-
-        cats = " / ".join(x for x in (cat, sub) if x)
-
-        blob = (
-            f"- id={rid} | name={nm} | kategorie={cats or '-'}"
-            f" | beschreibung={dsc or '-'} | karate_relevanz={kr or '-'}"
-            f" | relevanz_stufe={rel_s or '-'}"
-        )
-        lines.append(blob)
-    return "\n".join(lines) if lines else "(keine aktiven Skills im Katalog)"
-
-
 def _extract_json_array(text: str) -> Any:
     s = text.strip()
     if s.startswith("```"):
         s = re.sub(r"^```[a-zA-Z0-9]*\s*", "", s)
         if s.endswith("```"):
             s = s[:-3].strip()
-    # array whole string
     if s.startswith("["):
         end = s.rfind("]")
         if end > 0:
             s = s[: end + 1]
             return json.loads(s)
-    # object wrapping array
     if s.startswith("{"):
         obj = json.loads(s)
         if isinstance(obj, dict):
@@ -219,7 +591,6 @@ def _sanitize_skill_entries(cur, rows: Any) -> List[Dict[str, Any]]:
             item["confidence"] = conf_f
         out.append(item)
 
-    # max 5
     return out[:5]
 
 
@@ -240,6 +611,7 @@ def run_exercise_ai_suggestion(
     goal: Optional[str],
     execution: Optional[str],
     focus_area_hint: Optional[str],
+    focus_areas_context: Optional[Sequence[Tuple[int, bool]]] = None,
     want_summary: bool,
     want_skills: bool,
 ) -> Dict[str, Any]:
@@ -285,7 +657,14 @@ def run_exercise_ai_suggestion(
                 status_code=503,
                 detail="Prompt exercise_skill_suggestions nicht aktiv oder fehlt in DB.",
             )
-        catalog = _build_skills_catalog_block(cur)
+        catalog = build_contextual_skills_catalog_block(
+            cur,
+            title=t_title,
+            goal_plain=g_plain,
+            execution_plain=e_plain,
+            focus_hint=focus or None,
+            focus_ctx=focus_areas_context,
+        )
         ctx = {
             "exercise_title": t_title or "-",
             "exercise_focus_area": focus or "-",
@@ -318,3 +697,10 @@ def run_exercise_ai_suggestion(
         result["skills"] = skills
 
     return result
+
+
+__all__ = [
+    "build_contextual_skills_catalog_block",
+    "run_exercise_ai_suggestion",
+    "strip_html_to_plain",
+]

backend/migrations/068_ai_skill_retrieval_profiles.sql

@@ -0,0 +1,125 @@
+-- Migration 068: KI Skill-Retrieval-Profile pro Fokusbereich (+ Standardprofil)
+-- Purpose: Gewichtungen/Quota fuer exercise_ai Skill-Katalog (OpenRouter Kontext)
+
+CREATE TABLE IF NOT EXISTS ai_skill_retrieval_profiles (
+    id SERIAL PRIMARY KEY,
+    focus_area_id INT REFERENCES focus_areas(id) ON DELETE CASCADE,
+    is_default BOOLEAN NOT NULL DEFAULT FALSE,
+    name VARCHAR(200) NOT NULL,
+    description TEXT,
+    active BOOLEAN NOT NULL DEFAULT TRUE,
+    config JSONB NOT NULL DEFAULT '{}'::jsonb,
+    updated_at TIMESTAMP DEFAULT NOW()
+);
+
+CREATE UNIQUE INDEX IF NOT EXISTS ux_ai_skill_retrieval_profile_focus_area
+    ON ai_skill_retrieval_profiles (focus_area_id)
+    WHERE focus_area_id IS NOT NULL AND active = TRUE;
+
+CREATE UNIQUE INDEX IF NOT EXISTS ux_ai_skill_retrieval_profile_default_only
+    ON ai_skill_retrieval_profiles (is_default)
+    WHERE is_default IS TRUE AND active = TRUE;
+
+COMMENT ON TABLE ai_skill_retrieval_profiles IS
+    'Gewichte/Quota fuer Skill-Katalog in exercise_ai; optional gebunden an focus_areas, genau eine is_default=TRUE';
+
+INSERT INTO ai_skill_retrieval_profiles (focus_area_id, is_default, name, description, active, config)
+VALUES (
+    NULL,
+    TRUE,
+    'Standard',
+    'Kein/Undefinierter Fokusbereich: neutrale Gewichte mit sanften Caps auf sehr breite Unterkategorien.',
+    TRUE,
+    '{
+      "version": 1,
+      "importance_multiplier": 1,
+      "text_overlap_bonus": 2,
+      "main_slug_weights": { "karate": 1, "allgemeine": 1 },
+      "category_slug_weights": {},
+      "category_max_share": {
+        "kondition": 0.38,
+        "koordination": 0.35
+      },
+      "main_min_share": {},
+      "description_plain_max_len": 160,
+      "karate_relevance_max_len": 72,
+      "keyword_overrides": [
+        {
+          "keywords_any": ["rollenspiel", "szenario", "deesk", "diskussion"],
+          "case_insensitive": true,
+          "patch": {
+            "category_slug_weights": {
+              "psychische_faehigkeiten": 1.65,
+              "soziale_faehigkeiten": 1.65,
+              "kognition": 1.4
+            },
+            "category_max_share": {
+              "kondition": 0.08,
+              "koordination": 0.1
+            }
+          }
+        },
+        {
+          "keywords_any": ["befreiung", "haltegriff", "greifer", "umklammer"],
+          "case_insensitive": true,
+          "patch": {
+            "category_slug_weights": {
+              "selbstverteidigung": 2.2,
+              "koordination": 0.9
+            },
+            "main_slug_weights": { "karate": 1.35 }
+          }
+        }
+      ]
+    }'::jsonb
+);
+
+INSERT INTO ai_skill_retrieval_profiles (focus_area_id, is_default, name, description, active, config)
+SELECT
+    fa.id,
+    FALSE,
+    'Gewaltschutz',
+    'Kaum klassische Sportfaehigkeit; Gewicht auf Deeskalation, Kognition/Soziales; SV-Schwerpunkt per Keywords verstaerken.',
+    TRUE,
+    '{
+      "version": 1,
+      "importance_multiplier": 1,
+      "text_overlap_bonus": 2.25,
+      "main_slug_weights": { "karate": 1.08, "allgemeine": 1.06 },
+      "category_slug_weights": {
+        "kognition": 1.72,
+        "psychische_faehigkeiten": 1.78,
+        "soziale_faehigkeiten": 1.78,
+        "selbstverteidigung": 1.82,
+        "kondition": 0.32,
+        "koordination": 0.4
+      },
+      "category_max_share": {
+        "kondition": 0.12,
+        "koordination": 0.16
+      },
+      "main_min_share": {},
+      "description_plain_max_len": 150,
+      "karate_relevance_max_len": 0,
+      "keyword_overrides": [
+        {
+          "keywords_any": ["befreiung", "haltegriff", "greifer"],
+          "case_insensitive": true,
+          "patch": {
+            "category_slug_weights": {
+              "selbstverteidigung": 3.25,
+              "koordination": 1.08
+            },
+            "main_slug_weights": { "karate": 1.5 }
+          }
+        }
+      ]
+    }'::jsonb
+FROM focus_areas fa
+WHERE fa.name = 'Gewaltschutz'
+  AND (fa.status IS NULL OR fa.status = 'active')
+  AND NOT EXISTS (
+      SELECT 1 FROM ai_skill_retrieval_profiles p
+      WHERE p.focus_area_id = fa.id AND p.active = TRUE
+  )
+LIMIT 1;

backend/routers/exercises.py

@@ -358,11 +358,22 @@ class ExerciseMediaFromAsset(BaseModel):
     media_type: Optional[str] = None
 
 
+class ExerciseAiFocusCtx(BaseModel):
+    """Fokusbereich fuer Skill-Kataloggewichte (Migration 068 ai_skill_retrieval_profiles)."""
+
+    focus_area_id: int = Field(..., ge=1)
+    is_primary: Optional[bool] = False
+
+
 class ExerciseAiSuggestBody(BaseModel):
     title: Optional[str] = Field(None, max_length=300)
     goal: Optional[str] = Field(None, max_length=64000)
     execution: Optional[str] = Field(None, max_length=128000)
     focus_area_hint: Optional[str] = Field(None, max_length=1200)
+    focus_areas_context: Optional[list[ExerciseAiFocusCtx]] = Field(
+        None,
+        description="Optionale Reihenfolge Primär zuerst; steuert Katalogpriorisierung",
+    )
     include_summary: bool = True
     include_skills: bool = True
 
@@ -2254,6 +2265,22 @@ def list_exercises_like_get(
     )
 
 
+def _focus_areas_ai_ctx_from_detail(exercise: Dict[str, Any]) -> list[tuple[int, bool]]:
+    rows: list[tuple[int, bool]] = []
+    for row in exercise.get("focus_areas") or []:
+        if not isinstance(row, dict):
+            continue
+        try:
+            fid = int(row.get("focus_area_id"))
+        except (TypeError, ValueError):
+            continue
+        if fid < 1:
+            continue
+        rows.append((fid, bool(row.get("is_primary"))))
+    rows.sort(key=lambda x: (not x[1], x[0]))
+    return rows
+
+
 def _focus_area_hint_from_detail(exercise: Dict[str, Any]) -> str:
     parts: List[str] = []
     for row in exercise.get("focus_areas") or []:
@@ -2279,12 +2306,17 @@ def exercise_ai_suggest_endpoint(
     _ = tenant.profile_id
     with get_db() as conn:
         cur = get_cursor(conn)
+        fctx = None
+        if body.focus_areas_context:
+            fctx = [(x.focus_area_id, bool(x.is_primary)) for x in body.focus_areas_context]
+
         payload = run_exercise_ai_suggestion(
             cur,
             title=(body.title or "").strip(),
             goal=body.goal,
             execution=body.execution,
             focus_area_hint=(body.focus_area_hint or "").strip() or None,
+            focus_areas_context=fctx,
             want_summary=body.include_summary,
             want_skills=body.include_skills,
         )
@@ -2310,6 +2342,7 @@ def exercise_ai_regenerate_endpoint(
             raise HTTPException(status_code=404, detail="Übung nicht gefunden")
 
         focus = _focus_area_hint_from_detail(exercise)
+        fctx = _focus_areas_ai_ctx_from_detail(exercise)
 
         payload = run_exercise_ai_suggestion(
             cur,
@@ -2317,6 +2350,7 @@ def exercise_ai_regenerate_endpoint(
             goal=exercise.get("goal"),
             execution=exercise.get("execution"),
             focus_area_hint=focus or None,
+            focus_areas_context=fctx or None,
             want_summary=want_summary,
             want_skills=want_skills,
         )

backend/version.py

@@ -1,8 +1,8 @@
 # Shinkan Jinkendo Version Information
 
-APP_VERSION = "0.8.152"
+APP_VERSION = "0.8.153"
-BUILD_DATE = "2026-05-22"
+BUILD_DATE = "2026-05-29"
-DB_SCHEMA_VERSION = "20260522067"
+DB_SCHEMA_VERSION = "20260529068"
 
 MODULE_VERSIONS = {
     "legal_documents": "1.4.0",  # Admin: Live-Vorschau pro Abschnitt + modale Vollvorschau (Editor + Dokumentenliste)
@@ -22,7 +22,7 @@ MODULE_VERSIONS = {
     "skills": "0.1.1",  # DB 065 karate_relevance + relevance_level; CRUD unterstützt Felder
     "skill_profiles": "1.0.0",  # Phase 3: gewichtetes Fähigkeiten-Profil + skill-discovery/suggestions
     "methods": "0.1.0",
-    "exercises": "2.29.0",  # POST exercises/ai/suggest + …/ai/regenerate (OpenRouter); exercise_ai; is_primary fuer exercise_skills
+    "exercises": "2.30.0",  # Migration 068 ai_skill_retrieval_profiles; suggest focus_areas_context; exercise_ai Kontext-Katalog + Gewichtungen
     "training_units": "0.4.0",  # POST .../publish-to-framework: Ablauf aus geplanter Einheit → Rahmen-Slot-Blueprint
     "training_programs": "0.1.0",
     "planning": "0.15.0",  # Vorlagen: Strukturvorschau, Bearbeiten inkl. Split-Sessions + Beschreibung
@@ -37,6 +37,15 @@ MODULE_VERSIONS = {
 }
 
 CHANGELOG = [
+    {
+        "version": "0.8.153",
+        "date": "2026-05-29",
+        "changes": [
+            "Migration 068: ai_skill_retrieval_profiles — konfigurierbare Gewichte/Quotes fuer Skill-Katalog in exercise_ai",
+            "POST /api/exercises/ai/suggest: optionales Body-Feld focus_areas_context; regenerate nutzt gespeicherte Fokusbereiche",
+            "exercise_ai: kontextbezogene Skill-Auswahl (Score, Kategorie-Caps), Keyword-Patches wie Rollenspiel vs. Haltegriff/Befreiung",
+        ],
+    },
     {
         "version": "0.8.152",
         "date": "2026-05-22",

docs/HANDOVER.md

@@ -1,7 +1,7 @@
 # Shinkan Jinkendo – Entwicklungsstand & Handover
 
-**Stand:** 2026-05-20  
+**Stand:** 2026-05-29  
-**App-Version / DB-Schema:** App **`0.8.149`** (Einheiten-Editor Vollseite), DB-Schema **`20260515063`** — maßgeblich **`backend/version.py`**: `APP_VERSION`, `DB_SCHEMA_VERSION`
+**App-Version / DB-Schema:** App **`0.8.153`** (KI Skill-Retrieval-Profile), DB-Schema **`20260529068`** — maßgeblich **`backend/version.py`**: `APP_VERSION`, `DB_SCHEMA_VERSION`
 
 Diese Datei ist die **Einstiegs-Doku für neue Chat-Sessions**: Anforderungen im Detail stehen in `.claude/docs/` (siehe unten); hier der **implementierte Stand**, **Medien-Meilenstein** und **sinnvolle nächste Schritte**.
 
@@ -88,6 +88,14 @@ Das Schema ist gegenüber dem Code zurück: Migration **`022_skills_schema_compl
 - **Varianten:** Speichern in der **Aktionsleiste** persistiert zuerst geänderte Varianten (`persistPendingVariantChanges`), dann Übungs-Stammdaten; „Variante anlegen“ als `type="button"` ohne verschachteltes Formular (`createVariantFromDraft`)
 - **Governance (Übungen):** Owner = `created_by`; Bearbeiten = Ersteller, Plattform-Admin oder `can_plan_in_club` bei `visibility=club`; Löschen `club` = nur `club_admin`; Details **`FEATURES_DELIVERED_2026-Q2.md`** §16, **`EXERCISES_API_SPEC.md`** Permissions
 
+### 2.8 KI Assistenz Übungen & Skill-Katalog-Retrieval (Stand **0.8.153**)
+
+- **Doku:** Umsetzung `.claude/docs/working/AI_EXERCISE_IMPLEMENTATION_PLAN.md`; Profil-/JSON-Konzept `.claude/docs/working/AI_SKILL_RETRIEVAL_PROFILES_SPEC.md`; API-Felder **`KI_FEATURES_SPEC.md`** §5.2  
+- **DB:** Migration **`068`** – Tabelle **`ai_skill_retrieval_profiles`** (Konfig **`config`**) mit Seed „Standard“ + „Gewaltschutz“ (wenn Focus `Gewaltschutz` in `focus_areas` existiert)  
+- **`exercise_ai`:** Gewichtungen, Kategorie‑Anteil‑Caps (~Token), Keyword-Patches aus Ziel/Durchführung (z. B. Rollenspiel vs. Befreiung/Haltegriff)  
+- **API:** `POST /api/exercises/ai/suggest` optional **`focus_areas_context`**; **`POST …/ai/regenerate`** verwendet gespeicherte `exercise_focus_areas` automatisch für dieselbe Retrieval-Logik  
+- **Frontend:** `ExerciseFormPageRoot.jsx` übergibt `focus_areas_context` aus Einordnung; KI-Übernahmedialog nach API-Antwort
+
 ---
 
 ## 3. Trainingsrahmenprogramm & Planungs‑Blueprint (kurz)

frontend/src/components/exercises/ExerciseFormPageRoot.jsx

@@ -980,6 +980,18 @@ function ExerciseFormPageRoot() {
     const snapshotSummaryHtml = formData.summary || ''
     const snapshotSkills = cloneExerciseSkillRows(formData.skills)
 
+    const focusAreasContext = [...(formData.focus_areas_multi || [])]
+      .map((row) => ({
+        focus_area_id: Number(row?.focus_area_id),
+        is_primary: !!row?.is_primary,
+      }))
+      .filter((x) => Number.isFinite(x.focus_area_id) && x.focus_area_id >= 1)
+      .sort((a, b) => {
+        const p = Number(!!b.is_primary) - Number(!!a.is_primary)
+        if (p !== 0) return p
+        return a.focus_area_id - b.focus_area_id
+      })
+
     setAiSuggestBusy(true)
     try {
       const res = await api.suggestExerciseAi({
@@ -987,6 +999,7 @@ function ExerciseFormPageRoot() {
         goal: formData.goal || '',
         execution: formData.execution || '',
         focus_area_hint: focusHint || undefined,
+        focus_areas_context: focusAreasContext.length ? focusAreasContext : undefined,
         include_summary: summaryOn,
         include_skills: skillsOn,
       })