feat(safety): zweistufige Notfall-Erkennung mit LLM-Klassifikation

- app/safety/llm_classifier.py: LLM klassifiziert Aeusserungen (medical/self_harm/
  help/none) mit Konfidenz-Schwelle, eigener JSON-Prompt, Reasoning aus, temp 0
- emergency.py: Eskalation in _escalate() gebuendelt (Log/Metrik/Webhook, source-Label);
  schedule_llm_emergency_check() faehrt Stufe 2 als Hintergrund-Task NUR wenn die
  Stichwort-Heuristik nichts fand -> faengt verpasste Formulierungen ohne Mehrlatenz
- /ws/voice schickt bei LLM-Treffer ein nachgelagertes emergency-Event (source=llm)
- Konfig: EMERGENCY_LLM_ENABLED/_PROVIDER/_MIN_CONFIDENCE
- Tests: Parsing, Konfidenz-Schwelle, Skip-bei-Keyword-Treffer, Eskalation+Callback,
  disabled, kaputtes JSON
- Doku: README + Architektur-Roadmap (Punkt 6)

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

app/config.py

@@ -157,6 +157,12 @@ class Settings(BaseSettings):
     tts_fallback: str = ""
     daily_request_limit: int = 0  # 0 = unbegrenzt; Anfragen pro Nutzer pro Tag
     emergency_webhook_url: str = ""  # optionaler Eskalations-Webhook
+    # LLM-Notfall-Klassifikation (zweite Stufe, faengt was die Stichwoerter verpassen).
+    # Laeuft als Hintergrund-Task NUR wenn der Keyword-Filter nichts fand -> keine
+    # zusaetzliche Antwortlatenz. Leerer Provider = Default-LLM-Provider.
+    emergency_llm_enabled: bool = True
+    emergency_llm_provider: str = ""
+    emergency_llm_min_confidence: float = 0.6
     model_config = SettingsConfigDict(
         env_file=ENV_FILE, case_sensitive=False, extra="ignore"
     )