feat: Zielwert-Zerlegung als Reparaturgrund, SOLVER_TIMEOUT, Summenzeilen-Fehlalarm behoben

- check_objective_decomposition: bei LP/MILP/CP muss eine objective_column den Zielwert
  belegen, eine abweichende Beitragsspalte ist überall ein Befund -> Solver-Reparatur,
  bleibt es: Warnung. 90 von 90 linearen Läufen seit 17.09. hätten bestanden.
- Summenzeilen: „Gesamt…“/„Nutzen…“ nur noch in der letzten Zeile, einzelne Zeile nie,
  Zwischensummen nicht gegen die Gesamtsumme. Vorher 15 Rucksack-Läufe mit falschem
  „Summe (0) weicht vom Zielwert (51) ab“; von 17 Abweichungen bleibt 1 echte.
- SOLVER_TIMEOUT (Default 60) für alle Programmläufe und als {ZEITLIMIT} im Solver-Prompt
- Benchmark: dirty zählt nur versionierte Dateien; SOLVER_TIMEOUT in der Konfiguration

Ändert die Prompt-Kennung (Solver-Prompt.txt).

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

tests/test_result_tables.py

@@ -345,3 +345,54 @@ def test_english_unit_words_cover_german_answers():
     aufgabe = "One ton of raw material X costs 3 thousand euros; at least 4 tons are required."
     assert check_answer_units(_run_with_answer("Es sollten 1 Tonne X und 3 Tonnen Y gekauft werden, Kosten 9 Tausend Euro."), aufgabe) == []
     assert check_answer_units(_run_with_answer("It takes 12 hours."), "Minimize the cost.") != []   # erfunden bleibt erfunden
+
+
+# --- Summenzeilen und Zielwert-Zerlegung (check_table, check_objective_decomposition) ---
+
+def _tabelle(rows):
+    from core.model_schema import ResultTable
+    return ResultTable(title="Zielwert-Zerlegung", columns=["Bestandteil", "Wert"], rows=rows, objective_column="Wert")
+
+
+@pytest.mark.parametrize("rows", [
+    [["Nutzen der eingepackten Gegenstände", 51.0], ["Zielwert", 51.0]],      # beobachtet: 15 Rucksack-Läufe
+    [["Gesamtnutzen der eingepackten Gegenstände", 51]],                       # einzige Zeile ist keine Summe
+    [["Nutzen Kocher", 13.0], ["Nutzen Schlafsack", 23.0], ["Nutzen Proviant", 15.0], ["Zielwert", 51.0]],
+    [["Kocher", 13.0], ["Schlafsack", 23.0], ["Zwischensumme", 36.0], ["Proviant", 15.0], ["Summe", 51.0]],
+])
+def test_components_named_like_a_sum_are_not_dropped(rows):
+    from solving.solver_stage import check_table
+    belegt, abweichung, warnungen = check_table(_tabelle(rows), 51.0)
+    assert belegt and abweichung is None and warnungen == []
+
+
+def test_wrong_decomposition_is_still_detected():
+    from solving.solver_stage import check_table
+    belegt, abweichung, _ = check_table(_tabelle([["Kocher", 13.0], ["Schlafsack", 23.0], ["Summe", 36.0]]), 51.0)
+    assert not belegt and "weicht vom Zielwert" in abweichung
+
+
+def _lauf(tables, status="optimal", objective=51.0):
+    from core.model_schema import SolverRun, SolverStatus
+    return SolverRun(status=SolverStatus(status), objective_value=objective, tables=tables)
+
+
+def test_linear_model_without_decomposition_is_a_finding():
+    from solving.solver_stage import DECOMPOSITION_MISSING, check_objective_decomposition
+    befunde = check_objective_decomposition(_lauf([]), make_spec())
+    assert len(befunde) == 1 and befunde[0].startswith(DECOMPOSITION_MISSING)
+
+
+def test_decomposition_is_optional_for_non_additive_objectives():
+    # Volatilität = Wurzel: keine Summe, also keine Pflicht – eine vorhandene Beitragsspalte muss aber stimmen
+    from solving.solver_stage import check_objective_decomposition
+    spec = make_spec(problem_class="Second-Order Cone Programming (SOCP)", target_stack="CVXPY")
+    assert check_objective_decomposition(_lauf([]), spec) == []
+    falsch = _tabelle([["Rendite", 0.1], ["Risiko", -0.02]])
+    assert "weicht vom Zielwert" in check_objective_decomposition(_lauf([falsch], objective=0.5), spec)[0]
+
+
+def test_no_decomposition_needed_without_a_solution():
+    from solving.solver_stage import check_objective_decomposition
+    assert check_objective_decomposition(_lauf([], status="infeasible", objective=None), make_spec()) == []
+    assert check_objective_decomposition(_lauf([_tabelle([["Kosten", 51.0]])]), make_spec()) == []