feat(tts): Emojis/Markdown beim Vorlesen entfernen + Autostart/GPU-Doku

- spoken_response_adapter: Emoji-/Symbol-Strip (Emoticons, Symbole, Flaggen,
  Pfeile, Dingbats, ZWJ/Variationsselektoren). Markdown wurde bereits entfernt.
- Geräte-TTS (app.js v28) liest das bereinigte "spoken"-Feld statt des Rohtexts
  (automatisch + beim Replay); Anzeige bleibt Originaltext.
- deploy/ollama-keepalive.conf: Drop-in OLLAMA_KEEP_ALIVE=5m -> GPU im Leerlauf frei.
- Doku §4.10: Dauerbetrieb als Dienst + warum der Gateway die GPU nicht blockiert.

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

BEDIENUNGSANLEITUNG.md

@@ -715,6 +715,41 @@ systemctl --user restart voice-assistant   # systemd-Betrieb
 
 ---
 
+### 4.10 Dauerbetrieb als Dienst + GPU automatisch frei
+
+Damit der Gateway beim Booten automatisch startet und nicht im Vordergrund hängt,
+läuft er als **systemd-User-Dienst** (Unit: `deploy/voice-assistant.user.service`).
+
+```bash
+cp deploy/voice-assistant.user.service ~/.config/systemd/user/voice-assistant.service
+loginctl enable-linger "$USER"                 # sudo -> Dienst läuft auch ohne Login / nach Reboot
+systemctl --user daemon-reload
+systemctl --user enable --now voice-assistant
+```
+
+**Wichtig — der Gateway blockiert die GPU NICHT.** Der Gateway-Prozess läuft auf der
+CPU. Die GPU 1 wird allein vom **LLM-Backend** belegt:
+- **llama.cpp** (Docker-Container) ist *immer resident* → belegt die GPU dauerhaft, solange er läuft. Daher **nicht** automatisch mitstarten; nur bei Bedarf (`make llm-llamacpp`).
+- **Ollama** lädt das Modell erst beim ersten Request in die GPU und gibt sie nach
+  Leerlauf wieder frei — **wenn** `OLLAMA_KEEP_ALIVE` ein Timeout ist (Default `-1` = nie).
+
+→ Für „GPU im Leerlauf frei" das Drop-in `deploy/ollama-keepalive.conf` installieren
+(setzt `OLLAMA_KEEP_ALIVE=5m`):
+```bash
+sudo mkdir -p /etc/systemd/system/ollama.service.d
+sudo cp deploy/ollama-keepalive.conf /etc/systemd/system/ollama.service.d/keepalive.conf
+sudo systemctl daemon-reload && sudo systemctl restart ollama
+```
+
+So ist GPU 1 standardmäßig frei: Der Gateway läuft (Boot), Ollama hält die GPU nur
+während aktiver Nutzung. Du musst nichts mehr manuell stoppen.
+
+> **Hinweis:** Erst im Dienst-Betrieb funktioniert der **Log-Tab** des Admin-Panels
+> (er streamt das Journal der Unit). Im Vordergrund-Betrieb (`make run`) landen die
+> Logs nur im Terminal.
+
+---
+
 ## 5. Das System benutzen
 
 > 👤 Endnutzer

app/pipeline/spoken_response_adapter.py

@@ -2,6 +2,22 @@ import re
 
 from app.pipeline import german_numbers as gn
 
+# Emojis/Piktogramme/Symbole: stoeren das Vorlesen (TTS spricht sie aus oder verschluckt
+# sich). Deckt die gaengigen Unicode-Bloecke ab (Emoticons, Symbole, Transport, Flaggen,
+# Dingbats, Pfeile, Variationsselektoren, ZWJ).
+_EMOJI_RE = re.compile(
+    "["
+    "\U0001F300-\U0001FAFF"   # Symbole/Emoticons/Transport/Erweiterungen
+    "\U00002600-\U000027BF"   # Diverse Symbole + Dingbats (☀ ⚠ ✅ ❤ …)
+    "\U0001F1E6-\U0001F1FF"   # Regional-Indikatoren (Flaggen)
+    "\U00002B00-\U00002BFF"   # Symbole/Pfeile (⭐ …)
+    "\U00002190-\U000021FF"   # Pfeile (→ ← …)
+    "\U00002300-\U000023FF"   # Technische Symbole (⌚ ⏰ …)
+    "\U0000FE00-\U0000FE0F"   # Variationsselektoren
+    "\U0000200D"              # Zero-Width-Joiner
+    "]+"
+)
+
 
 class SpokenResponseAdapter:
     async def run(self, text: str, language: str = "de") -> str:
@@ -15,6 +31,7 @@ class SpokenResponseAdapter:
         text = re.sub(r"`([^`]*)`", r"\1", text)             # inline code
         text = re.sub(r"\[([^\]]+)\]\([^)]+\)", r"\1", text) # markdown links
         text = re.sub(r"[*_~#>]+", " ", text)                # markdown symbols
+        text = _EMOJI_RE.sub("", text)                       # Emojis/Symbole
 
         # Listen entschärfen: Aufzählungspunkte weg, nummerierte Listen zu
         # Ordinalwörtern ("1. " -> "erstens, "), damit Piper nicht "eins" sagt.

app/web/app.js

@@ -280,9 +280,10 @@ function replayBubble(div) {
     startReplay(info.chunks, btn);                 // Assistent: gecachtes PCM, sofort & gratis
   } else if (isDeviceMode()) {
     stopAudio();
-    deviceSpeakBtn(text, info.lang, btn);          // Geräte-TTS: lokal vorlesen, gratis
+    // Geräte-TTS: bereinigtes "spoken" bevorzugen (ohne Markdown/Emojis), sonst Rohtext.
+    deviceSpeakBtn(info.spoken || text, info.lang, btn);
   } else {
-    speakBubble(text, info.lang, btn);             // Server-TTS via /api/speak
+    speakBubble(text, info.lang, btn);             // Server-TTS via /api/speak (bereinigt selbst)
   }
 }
 
@@ -385,8 +386,16 @@ function runTurn(path, onopen) {
           if (!answerEl) answerEl = addMessage("assistant", "", { lang: turnLang() });
           if (msg.text) answerEl._textEl.textContent = msg.text;
           // Sprache final festhalten (für Replay) und im Geräte-Modus lokal vorlesen.
-          if (answerEl._replay) answerEl._replay.lang = turnLang();
+          // Für TTS das bereinigte "spoken" (ohne Markdown/Emojis) bevorzugen, anzeigen
-          if (isDeviceMode() && msg.text) deviceSpeak(msg.text, turnLang());
+          // bleibt der Originaltext.
+          if (answerEl._replay) {
+            answerEl._replay.lang = turnLang();
+            answerEl._replay.spoken = msg.spoken || msg.text || "";
+          }
+          if (isDeviceMode()) {
+            const spoken = msg.spoken || msg.text;
+            if (spoken) deviceSpeak(spoken, turnLang());
+          }
           scrollToBottom();
           break;
         case "emergency":

app/web/index.html

@@ -250,6 +250,6 @@
     <div id="status" class="w-full max-w-3xl mx-auto mt-1 min-h-[1rem] text-xs text-slate-500 dark:text-slate-400"></div>
   </footer>
 
-  <script src="/app.js?v=27"></script>
+  <script src="/app.js?v=28"></script>
 </body>
 </html>

deploy/ollama-keepalive.conf

@@ -0,0 +1,19 @@
+# systemd-Drop-in fuer den Ollama-System-Dienst: Modelle nach Leerlauf entladen,
+# damit die GPU automatisch frei wird (statt OLLAMA_KEEP_ALIVE=-1 = nie entladen).
+#
+# Installation (root noetig, betrifft den systemweiten ollama-Dienst):
+#   sudo mkdir -p /etc/systemd/system/ollama.service.d
+#   sudo cp deploy/ollama-keepalive.conf /etc/systemd/system/ollama.service.d/keepalive.conf
+#   sudo systemctl daemon-reload
+#   sudo systemctl restart ollama
+#   # Pruefen:
+#   systemctl show ollama -p Environment | tr ' ' '\n' | grep KEEP_ALIVE
+#
+# Wirkung: Ein geladenes Modell wird nach 5 Minuten Inaktivitaet aus dem VRAM
+# entladen -> GPU 1 ist im Leerlauf wieder fuer andere Zwecke frei. Der erste
+# Request danach zahlt einmalig die Ladezeit (Kaltstart).
+#
+# Wert anpassbar: 0 = sofort entladen, 30m = laenger halten, -1 = nie (Default).
+
+[Service]
+Environment="OLLAMA_KEEP_ALIVE=5m"