feat: Aufgaben mit Abbildungen (docling-Markdown), mit Gegenprobe beim Ablesen

Eingebettete Base64-Bilder und Bilddateien werden aus dem Aufgabentext gelöst und nur
der Verstehensstufe als Bild übergeben; sie überträgt jede Abbildung in Text. Eine
zweite, unabhängige Lesung wird Zahl für Zahl verglichen (bei Abweichung entscheidet
eine dritte, sonst reliable=False). Alle weiteren Stufen rechnen mit der Übertragung,
der Report zeigt Original und Übertragung nebeneinander. LLM_MODEL_UNDERSTANDING
wählt das Bildmodell.

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

core/llm.py

@@ -18,6 +18,8 @@ DEFAULT_MODEL = os.environ.get("LLM_MODEL", "deepseek/deepseek-v4.1-flash")
 # Modell je Pipeline-Stufe: ein starkes Modell für Extraktion/Prüfung, ein schnelles für den Solver-Code
 # (oder umgekehrt, je nach Messung). Leer = das Modell der Session (LLM_MODEL bzw. --model).
 STEP_MODEL_ENV = {
+    "Verstehen": "LLM_MODEL_UNDERSTANDING",      # muss Bilder lesen können, wenn die Aufgabe Abbildungen hat
+    "Abbildungen": "LLM_MODEL_UNDERSTANDING",
     "Extraktion": "LLM_MODEL_EXTRACTION",
     "Prüfung": "LLM_MODEL_REVIEW",
     "Korrektur": "LLM_MODEL_REVISION",

core/model_schema.py

@@ -118,6 +118,32 @@ class IgnoredNumber(BaseModel):
                                     "'Teil der Einheit (in 1000 Stunden)', 'Seitenzahl'")
 
 
+class FigureInput(BaseModel):
+    """Eine Abbildung der Aufgabe (eingebettet als Base64 oder als Bilddatei) – Bilddaten, kein LLM-Feld."""
+    id: str
+    alt: str = ""
+    mime: str
+    data: str = Field(description="Bildinhalt als Base64")
+    source: str = Field(default="eingebettet", description="'eingebettet' oder der Pfad der Bilddatei")
+
+
+class FigureTranscription(BaseModel):
+    """Eine Abbildung, vollständig in Text übertragen – danach arbeitet die Pipeline nur noch mit diesem Text."""
+    id: str = Field(description="Kennung wie im Text, z. B. 'Abbildung 1'")
+    shows: str = Field(description="Was die Abbildung zeigt, in einem Satz (z. B. 'gerichteter Graph mit 4 Knoten')")
+    transcription: str = Field(
+        description="Vollständige Übertragung ALLER Inhalte: jede Zahl, jede Beschriftung, jede Pfeilrichtung, "
+                    "am besten als Tabelle oder Liste (z. B. 'Pfeil 1→2: 3'). Nichts ergänzen, was nicht zu sehen ist.")
+    uncertain: List[str] = Field(
+        default_factory=list,
+        description="Stellen, die nicht sicher lesbar sind (verdeckt, unscharf, mehrdeutig); leer = alles sicher gelesen")
+
+
+class FigureReading(BaseModel):
+    """Unabhängige zweite Übertragung der Abbildungen – Gegenprobe zur Verstehensstufe."""
+    figures: List[FigureTranscription]
+
+
 class TaskUnderstanding(BaseModel):
     """Was in der Aufgabe steht – vor jeder Modellierung: Fragen, Zahlen, Machbarkeit."""
     is_optimization_task: bool = Field(
@@ -129,6 +155,9 @@ class TaskUnderstanding(BaseModel):
     facts: List[Fact] = Field(description="Alle Zahlenwerte des Textes, die Eingabegrößen des Modells sind")
     ignored_numbers: List[IgnoredNumber] = Field(
         default_factory=list, description="Zahlen im Text, die keine Eingabegrößen sind, mit Begründung")
+    figures: List[FigureTranscription] = Field(
+        default_factory=list,
+        description="Nur wenn der Aufgabe Abbildungen beiliegen: je Abbildung eine vollständige Übertragung; sonst leer")
 
 
 class ObjectiveDefinition(BaseModel):
@@ -430,6 +459,8 @@ class LLMUsage(BaseModel):
 
 class PipelineResult(BaseModel):
     task: str = ""
+    figures: List[FigureInput] = Field(
+        default_factory=list, description="Abbildungen der Aufgabe; ihre Übertragung steht im Aufgabentext (task)")
     data_files: List[DataFileProfile] = Field(
         default_factory=list, description="Profile der beigelegten Datendateien (--daten)")
     understanding: Optional[TaskUnderstanding] = Field(