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>

.env.example

@@ -88,3 +88,8 @@ TTS_SAMPLE_RATE=24000                                 # Ziel-Sample-Rate (ffmpeg
 # --- Betrieb: Kontingent & Notfall -----------------------------------------
 DAILY_REQUEST_LIMIT=0          # Anfragen pro Nutzer/Tag (0 = unbegrenzt)
 # EMERGENCY_WEBHOOK_URL=https://example.org/alert  # optionale Eskalation
+# LLM-Notfall-Klassifikation (Stufe 2): faengt im Hintergrund Notlagen, die die
+# Stichwort-Heuristik verpasst -> keine zusaetzliche Antwortlatenz.
+# EMERGENCY_LLM_ENABLED=true
+# EMERGENCY_LLM_PROVIDER=             # leer = Default-LLM; sonst Registry-Name
+# EMERGENCY_LLM_MIN_CONFIDENCE=0.6    # Schwelle gegen Fehlalarme