refactor: Pipeline-Stufen in Ordner mit ihren Prompts

Im Wurzelverzeichnis liegt nur noch TextToModel.py (Ablauf und CLI).
Jede Stufe liegt mit Code und Prompt in einem eigenen Ordner: core,
understanding, modeling, checks, solving, reporting, data, benchmark;
Tests unter tests/, Aufgaben unter tasks/. understand_task,
text_to_model/revise_model und review_assumptions/needs_work/select_best
sind aus TextToModel.py zu ihren Prompts gewandert, inhaltlich
unveraendert. Prompt-Kennung des Benchmarks bleibt 93744636095a.

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

checks/review.py

@@ -0,0 +1,50 @@
+"""Stufe 4 der Pipeline: LLM-Prüfung von Zielgröße und Annahmen; Entscheidung über Korrekturrunden."""
+from pathlib import Path
+from typing import List
+
+from checks.model_checks import has_errors
+from core.llm import LLMSession
+from core.model_schema import AssumptionReview, CheckIssue, CheckSeverity, OptimizationModelSpecification
+
+REVIEW_PROMPT_FILE = Path(__file__).parent / "Pruef-Prompt.txt"
+
+
+def review_assumptions(session: LLMSession, task: str, spec: OptimizationModelSpecification) -> AssumptionReview:
+    return session.create(
+        AssumptionReview,
+        [
+            {"role": "system", "content": REVIEW_PROMPT_FILE.read_text(encoding="utf-8")},
+            {
+                "role": "user",
+                "content": f"AUFGABENTEXT:\n{task}\n\nMODELLSPEZIFIKATION:\n{spec.model_dump_json(indent=2)}",
+            },
+        ],
+        step="Prüfung",
+    )
+
+
+# Warnungen, die eine Korrekturrunde wert sind: keine Fehler (ein richtiges Ergebnis bleibt zuverlässig),
+# aber in einer Runde billig zu beheben. Unerklärte Fachbegriffe kosten den Leser sonst das Verständnis.
+REVISION_WORTHY_WARNINGS = {"UNEXPLAINED_JARGON", "UNUSED_FACTS"}
+
+
+def needs_work(review: AssumptionReview, issues: List[CheckIssue]) -> bool:
+    """Rechtfertigt der Stand eine Korrekturrunde?"""
+    return (review.needs_revision or has_errors(issues)
+            or any(i.code in REVISION_WORTHY_WARNINGS for i in issues))
+
+
+def select_best(candidates: List[tuple]) -> int:
+    """Index der besten (spec, issues, review)-Runde.
+
+    Rangfolge: passende Zielgröße vor unpassender (sonst womöglich Fremdproblem), keine Check-Errors vor Errors,
+    Prüfung ohne Beanstandung vor Beanstandung, weniger Errors;
+    bei Gleichstand gewinnt die spätere Runde. Verhindert, dass eine Korrekturrunde, die das Modell
+    verschlechtert (z. B. halluziniertes Fremdproblem), die bessere frühere Fassung ersetzt.
+    """
+    def score(index):
+        _, issues, review = candidates[index]
+        errors = sum(1 for i in issues if i.severity == CheckSeverity.ERROR)
+        return (not review.objective_check.matches, errors > 0, review.needs_revision, errors, -index)
+
+    return min(range(len(candidates)), key=score)