feat(llm): Make-Targets zum Wechseln des LLM-Backends (Ollama <-> llama.cpp)

- scripts/llm-server/switch-llm.sh: gibt GPU des anderen Backends frei
  (llama.cpp-Container stoppen bzw. Ollama-Modelle entladen, Dienst bleibt),
  startet das gewünschte Backend, passt LOCAL_LLM_* in .env an und startet
  das Gateway (als Dienst) neu bzw. weist auf manuellen Neustart hin.
- Makefile: Targets `llm-ollama` / `llm-llamacpp` (Modell via OLLAMA_MODEL=...).
- Doku §4.7 + Schnellbefehle §4.0: Make-Targets als empfohlener Weg, inkl.
  Erklärung warum der Gateway-Neustart nötig ist (Makefile exportiert .env als
  Env-Variablen -> Vorrang vor .env-Datei).

Getestet: Round-Trip ollama -> llamacpp -> ollama; llama.cpp 2,3s, gemma3 warm.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

BEDIENUNGSANLEITUNG.md

@@ -379,6 +379,8 @@ Die wichtigsten Kommandos auf einen Blick — Details in den Abschnitten darunte
 | Profil `cloud` — nur Gateway | `make run` |
 | Profil `hybrid` / `local-dev` — llama.cpp + Gateway | `make start` |
 | Profil `hybrid` / `local-dev` — Ollama + Gateway | `sudo systemctl start ollama && make run` |
+| LLM-Backend → Ollama wechseln | `make llm-ollama` (→ § 4.7) |
+| LLM-Backend → llama.cpp wechseln | `make llm-llamacpp` (→ § 4.7) |
 | systemd-Dienst starten | `systemctl --user start voice-assistant` |
 
 **Stoppen:**
@@ -571,18 +573,37 @@ VA_PROFILE=local-dev make run   # alles lokal (STT/TTS in-process, LLM via Ollam
 ### 4.7 Zwischen llama.cpp und Ollama wechseln
 
 Beide nutzen denselben Gateway-Provider `local-openai-compatible` (OpenAI-kompatible
-API). Der Wechsel besteht daher aus drei Dingen: **(A)** den jeweils anderen
+API). `DEFAULT_LLM_PROVIDER` bleibt beim Wechsel unverändert.
-Backend-Prozess stoppen (beide teilen sich den GPU-Speicher), **(B)** das gewünschte
+
-Backend starten, **(C)** die drei `LOCAL_LLM_*`-Zeilen in `.env` umstellen und das
+#### Schnellster Weg: Make-Targets (empfohlen)
-Gateway neu starten. `DEFAULT_LLM_PROVIDER` bleibt unverändert.
+
+```bash
+make llm-ollama       # -> Ollama (Default-Modell gemma3:latest)
+make llm-llamacpp     # -> llama.cpp (Alias va_llm)
+
+# Anderes Ollama-Modell:
+OLLAMA_MODEL=qwen2.5:latest make llm-ollama
+```
+
+Das Target erledigt automatisch alle Schritte: es gibt den GPU-Speicher des anderen
+Backends frei (llama.cpp-Container stoppen bzw. geladene Ollama-Modelle entladen — der
+Ollama-*Dienst* bleibt für andere Nutzungen laufen), startet das gewünschte Backend,
+passt die `LOCAL_LLM_*`-Zeilen in `.env` an und startet das Gateway neu (als Dienst)
+bzw. weist auf den manuellen Neustart hin. Skript: `scripts/llm-server/switch-llm.sh`.
+
+> **Warum der Gateway-Neustart nötig ist:** Das `Makefile` exportiert die `.env`-Werte
+> als echte Umgebungsvariablen an `uvicorn` — und Env-Variablen haben **Vorrang vor der
+> `.env`-Datei**. Eine reine `.env`-Änderung wirkt daher erst, wenn das Gateway neu
+> gestartet wird (uvicorn `--reload` reagiert nur auf Code-, nicht auf `.env`-Änderungen).
+> Starte es **in einer frischen Shell** neu (`make run`) bzw. als Dienst:
+> `systemctl --user restart voice-assistant.service`.
+
+#### Manuell (was die Targets im Hintergrund tun)
 
 **Merkhilfe:**
 - llama.cpp = Docker-Container `va_llm` → `make llm-up` / `make llm-down` (Port 8001)
 - Ollama = systemd-Dienst → `sudo systemctl start/stop ollama` (Port 11434)
-
+  GPU freigeben ohne Dienst-Stopp: `ollama stop <modell>`
-> **Wichtig:** `.env`-Änderungen werden erst bei einem **Gateway-Neustart** wirksam
-> (uvicorn `--reload` lädt nur bei Code-Änderungen neu, nicht bei `.env`). Als Dienst:
-> `systemctl --user restart voice-assistant.service`.
 
 #### Von llama.cpp → Ollama wechseln
 

Makefile

@@ -8,7 +8,7 @@ HOST ?= 0.0.0.0
 
 CONTAINER_NAME ?= va_llm
 
-.PHONY: ensure-env install run start stop restart test smoke docker-build llm-up llm-down llm-status
+.PHONY: ensure-env install run start stop restart test smoke docker-build llm-up llm-down llm-status llm-ollama llm-llamacpp
 
 ensure-env:
 	@if [ ! -f .env ] && [ -f .env.example ]; then \
@@ -63,3 +63,13 @@ llm-down:
 
 llm-status:
 	bash scripts/llm-server/status-llm-server.sh
+
+# --- LLM-Backend wechseln (Ollama <-> llama.cpp) -----------------------------
+# Passt die LOCAL_LLM_*-Zeilen in .env an, gibt den GPU-Speicher des anderen
+# Backends frei, startet das gewuenschte und startet das Gateway (falls Dienst) neu.
+# Modell ueberschreibbar:  OLLAMA_MODEL=qwen2.5:latest make llm-ollama
+llm-ollama:
+	bash scripts/llm-server/switch-llm.sh ollama
+
+llm-llamacpp:
+	bash scripts/llm-server/switch-llm.sh llamacpp

scripts/llm-server/switch-llm.sh

@@ -0,0 +1,91 @@
+#!/usr/bin/env bash
+set -euo pipefail
+
+# Wechselt das lokale LLM-Backend zwischen Ollama und llama.cpp.
+#   Aufruf:  switch-llm.sh ollama | llamacpp
+#
+# Das Skript (1) gibt den GPU-Speicher des jeweils anderen Backends frei,
+# (2) startet das gewuenschte Backend, (3) passt die aktiven LOCAL_LLM_*-Zeilen
+# in .env an und (4) sorgt dafuer, dass das Gateway die .env neu liest
+# (Dienst-Neustart, sonst Hinweis). Provider bleibt 'local-openai-compatible'.
+#
+# Modelle/Ports ueber ENV ueberschreibbar, z. B.:
+#   OLLAMA_MODEL=qwen2.5:latest scripts/llm-server/switch-llm.sh ollama
+
+TARGET="${1:-}"
+SCRIPT_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
+ROOT_DIR="$(cd "$SCRIPT_DIR/../.." && pwd)"
+ENV_FILE="$ROOT_DIR/.env"
+
+OLLAMA_BASE_URL="${OLLAMA_BASE_URL:-http://127.0.0.1:11434/v1}"
+OLLAMA_MODEL="${OLLAMA_MODEL:-gemma3:latest}"
+LLAMACPP_BASE_URL="${LLAMACPP_BASE_URL:-http://127.0.0.1:8001/v1}"
+LLAMACPP_MODEL="${LLAMACPP_MODEL:-va_llm}"
+CONTAINER_NAME="${CONTAINER_NAME:-va_llm}"
+
+# Setzt eine aktive (unkommentierte) KEY=VALUE-Zeile in .env (kommentierte # KEY bleiben unberuehrt).
+set_env() {
+  local key="$1" val="$2"
+  if grep -qE "^${key}=" "$ENV_FILE" 2>/dev/null; then
+    sed -i "s|^${key}=.*|${key}=${val}|" "$ENV_FILE"
+  else
+    printf '%s=%s\n' "$key" "$val" >> "$ENV_FILE"
+  fi
+}
+
+# Entlaedt alle in Ollama geladenen Modelle (gibt GPU frei) -- der Dienst bleibt laufen.
+unload_ollama_models() {
+  local loaded
+  loaded="$(ollama ps 2>/dev/null | awk 'NR>1 {print $1}')" || true
+  for m in $loaded; do
+    echo "[*] Entlade Ollama-Modell: $m"
+    ollama stop "$m" >/dev/null 2>&1 || true
+  done
+}
+
+restart_gateway() {
+  export XDG_RUNTIME_DIR="${XDG_RUNTIME_DIR:-/run/user/$(id -u)}"
+  if systemctl --user is-active --quiet voice-assistant.service 2>/dev/null; then
+    echo "[*] Starte Gateway-Dienst neu (liest .env neu) ..."
+    systemctl --user restart voice-assistant.service
+  else
+    echo "[!] Gateway laeuft nicht als Dienst (vermutlich 'make run' im Vordergrund)."
+    echo "    -> Dort neu starten, damit die neue .env greift:"
+    echo "       Strg+C, dann in einer FRISCHEN Shell:  make run"
+  fi
+}
+
+case "$TARGET" in
+  ollama)
+    echo "[*] Wechsel auf OLLAMA (Modell: $OLLAMA_MODEL)"
+    if docker rm -f "$CONTAINER_NAME" >/dev/null 2>&1; then
+      echo "[*] llama.cpp-Container '$CONTAINER_NAME' gestoppt (GPU frei)."
+    else
+      echo "[*] llama.cpp lief nicht."
+    fi
+    if ! curl -s -m 5 -o /dev/null "${OLLAMA_BASE_URL%/v1}/api/tags" 2>/dev/null; then
+      echo "[*] ollama-Dienst nicht erreichbar -> starte ihn ..."
+      sudo systemctl start ollama || true
+    fi
+    set_env LOCAL_LLM_BASE_URL "$OLLAMA_BASE_URL"
+    set_env LOCAL_LLM_API_KEY  "ollama"
+    set_env LOCAL_LLM_MODEL    "$OLLAMA_MODEL"
+    echo "[*] .env -> $OLLAMA_BASE_URL | Modell $OLLAMA_MODEL"
+    ;;
+  llamacpp)
+    echo "[*] Wechsel auf LLAMA.CPP (Modell-Alias: $LLAMACPP_MODEL)"
+    unload_ollama_models
+    bash "$SCRIPT_DIR/start-llm-server.sh"
+    set_env LOCAL_LLM_BASE_URL "$LLAMACPP_BASE_URL"
+    set_env LOCAL_LLM_API_KEY  "dummy"
+    set_env LOCAL_LLM_MODEL    "$LLAMACPP_MODEL"
+    echo "[*] .env -> $LLAMACPP_BASE_URL | Modell $LLAMACPP_MODEL"
+    ;;
+  *)
+    echo "Aufruf: $0 ollama|llamacpp" >&2
+    exit 2
+    ;;
+esac
+
+restart_gateway
+echo "[✓] LLM-Backend auf '$TARGET' umgestellt."