feat: Nicht-Optimierungsaufgaben ablehnen statt modellieren

Bisher erzeugte is_optimization_task=False nur eine Log-Warnung; eine
reine Gleichung wurde trotzdem in ein Optimierungsmodell gepresst.
Jetzt bricht run_pipeline direkt nach dem Verstehen ab: kein
Nachfassen, keine Extraktion, kein Solver. PipelineResult.rejected,
reliable=False, specification/review optional; Report "Aufgabe
abgelehnt", CLI-Exit-Code 3, Benchmark-Status "abgelehnt" (auch die
Ergebnistabelle verkraftet die Zeile), --von verweigert.

Der Verstehens-Prompt nennt reine Gleichungen/Rechenaufgaben als
Nicht-Aufgaben und Zulaessigkeitsfragen sowie moeglicherweise
unloesbare Planungen ausdruecklich als Aufgaben. Unvermessen;
Prompt-Kennung jetzt 0333bfd5f9fe.

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

TextToModel.py

@@ -55,8 +55,8 @@ def _understand(session, task: str, label: str, data_prompt: str = "") -> tuple:
     understanding = understand_task(session, task, data_prompt=data_prompt)
     issues = check_understanding(understanding, task)
     for versuch in range(UNDERSTAND_RETRIES):
-        if not issues:
-            break
+        if not issues or not understanding.is_optimization_task:
+            break      # eine Nicht-Aufgabe wird abgelehnt, nicht vervollständigt
         log(f"[{label}] Verständnis unvollständig – fasse nach ({versuch + 1}/{UNDERSTAND_RETRIES}): "
             + "; ".join(i.code for i in issues))
         understanding = understand_task(session, task, issues, data_prompt)
@@ -65,8 +65,6 @@ def _understand(session, task: str, label: str, data_prompt: str = "") -> tuple:
         log(f"  {len(understanding.sub_questions)} Teilfrage(n): "
             + ", ".join(q.id for q in understanding.sub_questions)
             + f"; {len(understanding.facts)} Zahlenwerte erfasst")
-    if not understanding.is_optimization_task:
-        log(f"  WARNUNG: Das ist laut Verständnis keine Optimierungsaufgabe – {understanding.reason}")
     return understanding, issues
 
 
@@ -221,6 +219,14 @@ def run_pipeline(
         log(f"[{model}] Stufe '{step}' läuft mit abweichendem Modell: {step_model}")
 
     understanding, verstehen_issues = _understand(session, task, model, data_prompt)
+    if not understanding.is_optimization_task:
+        # Keine Entscheidung verlangt: jedes Modell wäre erfunden, jede Zahl ohne Frage dahinter
+        grund = f"Keine Optimierungsaufgabe: {understanding.reason}"
+        log(f"ABGELEHNT – {grund} Es wird weder modelliert noch gerechnet.")
+        result = PipelineResult(task=task, understanding=understanding, data_files=profile, rejected=True,
+                                reliable=False, reliability_issues=[grund], checks=verstehen_issues)
+        _log_usage(session, result)
+        return result
 
     attempts = [_model_attempt(session, task, max_revisions, model, understanding=understanding,
                                data_prompt=data_prompt)]
@@ -273,6 +279,8 @@ def continue_pipeline(
     if stage not in STAGES:
         raise ValueError(f"Unbekannte Stufe '{stage}' (erlaubt: {', '.join(STAGES)})")
     stored = PipelineResult.model_validate_json(Path(result_json).read_text(encoding="utf-8"))
+    if stored.rejected or stored.specification is None:
+        raise ValueError(f"{result_json} ist eine abgelehnte Aufgabe (keine Optimierungsaufgabe) – nichts fortzusetzen")
     session = session or LLMSession(model)
     task = stored.task
 
@@ -400,6 +408,8 @@ if __name__ == "__main__":
         log(f"Solver-Code geschrieben: {args.code} (ausführen: .venv/bin/python {args.code})")
     elif args.code:
         log(f"Kein Solver-Code geschrieben ({args.code}): Solver wurde nicht gestartet.")
+    if result.rejected:
+        sys.exit(3)  # für Skripte: keine Optimierungsaufgabe, nichts gerechnet
     if not result.reliable:
         sys.exit(2)  # für Skripte: Ergebnis vorhanden, aber unzuverlässig