fix: Nebenpfade behalten Kontext – Gegenprobe, --von, --resolve, UNDERSTAND_RETRIES=-1

- UNDERSTAND_RETRIES=-1 (A/B-Arm der Verstehensstufe) stürzte seit dem Ablehnungstor ab
- Unlösbar-Gegenprobe bekommt Verständnis, Datenprofil und Datendateien; ihre Lösung
  durchläuft dieselbe Abnahme (_assess_run)
- --von pruefung behält Verständnis, Abbildungen und Datenprofil
- --resolve überschreibt frühere Befunde nicht mehr (nur Zulässigkeit neu)
- --daten wirkt auch mit --resolve und --von
- Prüfung und Korrektur sehen das Datenprofil
- Reparaturmeldung nennt alle Befundarten zugleich
- Test der Balkenhöhe prüft die Höhe tatsächlich; unbenutzte Imports entfernt

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

tests/test_pipeline.py

@@ -457,7 +457,6 @@ if __name__ == "__main__":
 
 
 def test_report_shows_data_profile_and_scenarios(tmp_path):
-    from core.model_schema import Scenario
     from reporting.report import build_document, to_markdown
     datei = tmp_path / "werte.csv"
     datei.write_text("name,menge\nA,3\nB,4\n")
@@ -609,3 +608,84 @@ def test_persistent_scenario_without_result_is_unreliable():
     result = run_pipeline("Minimiere die Kosten.", session=session, max_revisions=0, max_restarts=0, solver_retries=1)
     assert not result.reliable
     assert any(p.startswith("Szenario ohne Ergebnis") for p in result.reliability_issues)
+
+
+# --- Nebenpfade: Verstehensstufe aus, Gegenprobe und --von mit vollem Kontext ---
+
+def test_pipeline_runs_with_understanding_stage_disabled(monkeypatch):
+    # UNDERSTAND_RETRIES=-1 war der A/B-Arm der Verstehensstufe; das Ablehnungstor griff dann auf None zu
+    import TextToModel
+    monkeypatch.setattr(TextToModel, "UNDERSTAND_RETRIES", -1)
+    session = FakeSession([GOOD], [OK], [SolverCode(code=STRUCTURED_CODE)])
+    result = run_pipeline("Aufgabe", session=session, max_revisions=0, max_restarts=0)
+    assert result.understanding is None and not result.rejected
+    assert session.steps[0] == "Extraktion"
+    assert result.solver_run.status == SolverStatus.OPTIMAL
+
+
+def test_infeasible_recheck_keeps_understanding_and_data_files(tmp_path, monkeypatch):
+    # Ohne Datendateien fand das Programm der Gegenprobe seine CSV nicht, ohne Verständnis fehlten die Antworten
+    import TextToModel
+    aufrufe = []
+    echtes_solve = TextToModel.solve
+
+    def protokoll(*args, **kwargs):
+        aufrufe.append(kwargs)
+        return echtes_solve(*args, **kwargs)
+
+    monkeypatch.setattr(TextToModel, "solve", protokoll)
+    csv = tmp_path / "werte.csv"
+    csv.write_text("a,b\n1,2\n", encoding="utf-8")
+    session = FakeSession(specs=[GOOD, GOOD], reviews=[OK, OK],
+                          codes=[SolverCode(code=INFEASIBLE_CODE), SolverCode(code=STRUCTURED_CODE)])
+    result = run_pipeline("Aufgabe", session=session, max_revisions=0, max_restarts=0, data_files=[str(csv)])
+    assert result.restarts == 1 and len(aufrufe) == 2
+    gegenprobe = aufrufe[1]
+    assert gegenprobe["understanding"] is not None
+    assert list(gegenprobe["data_files"]) == [str(csv)] and "werte.csv" in gegenprobe["data_prompt"]
+    assert "werte.csv" in session.tasks[1]          # auch die neue Extraktion sieht das Datenprofil
+
+
+def test_continue_from_review_keeps_understanding(tmp_path):
+    from TextToModel import continue_pipeline
+    path = stored_result(tmp_path)
+    session = FakeSession([], [OK], [SolverCode(code=STRUCTURED_CODE)])
+    result = continue_pipeline(str(path), "pruefung", session=session)
+    assert result.understanding is not None
+    assert [q.id for q in result.understanding.sub_questions] == ["1"]
+    assert "ZU BEANTWORTENDE TEILFRAGEN" in session.letzter_prompt   # der Solver bekommt die Teilfragen
+
+
+def test_review_and_revision_see_the_data_profile():
+    from checks.review import review_assumptions
+    from modeling.extraction import revise_model
+    session = FakeSession([GOOD], [OK], [])
+    review_assumptions(session, "Aufgabe", GOOD, "BEIGELEGTE DATEN: kurse.csv")
+    assert "kurse.csv" in session.letzter_prompt
+    revise_model(session, "Aufgabe", GOOD, OK, data_prompt="BEIGELEGTE DATEN: kurse.csv")
+    assert "kurse.csv" in session.letzter_prompt
+
+
+def test_repair_message_names_every_kind_of_finding():
+    # Vorher erfuhr das LLM nur von der ersten Befundart und verbrauchte für die zweite einen eigenen Versuch
+    from solving.solver_stage import solve
+    code = '''
+import numpy as np
+
+
+def main():
+    """Verletzt die Restriktion und erzeugt Zahlen per Zufall, ohne sie auszuweisen."""
+    np.random.seed(0)
+    report("optimal", 9.0, {"x": 1.0},
+           constraints=[{"name": "Bedarf", "lhs": 1.0, "sense": ">=", "rhs": 4.0}],
+           variables=[{"name": "x", "value": 1.0, "var_type": "continuous", "lb": 0, "ub": None}])
+
+
+if __name__ == "__main__":
+    main()
+'''
+    session = FakeSession([], [], [SolverCode(code=code), SolverCode(code=code)])
+    solve(session, "Aufgabe", GOOD, retries=1)
+    assert session.steps == ["Solver-Code", "Solver-Reparatur"]
+    assert "hält das Modell nicht ein" in session.letzter_prompt
+    assert "Eingabedaten nicht ausgewiesen" in session.letzter_prompt