text_to_solver_program/BEDIENUNGSANLEITUNG.md

Bedienungsanleitung – Math Model Generator & Solver

Diese Anleitung beschreibt Schritt für Schritt, wie man das Programm installiert, eine Aufgabe lösen lässt, das Ergebnis liest und ohne erneute LLM-Kosten weiterarbeitet. Einen Überblick über Aufbau und Idee gibt die README; die Abwägung hinter der Bauweise steht in docs/Konzeptionelle_Fragen_und_Antworten.md.

Inhalt

1. Was das Programm tut
2. Installation
3. Schnellstart
4. Aufgaben gut formulieren
5. Aufrufvarianten
6. Was das Programm ausgibt
7. Das Ergebnis richtig lesen
8. Aufgaben mit Datendateien und Abbildungen
9. Weiterarbeiten ohne neue LLM-Kosten
10. Kosten und Laufzeit steuern
11. Alle Einstellungen im Überblick
12. Benchmark und Tests
13. Fehlerbehebung
14. Sicherheit und Datenschutz
15. Grenzen

---

1. Was das Programm tut

Sie geben eine Optimierungsaufgabe in deutscher Sprache ein – etwa „Wie viele Tonnen von X und Y sollen gekauft werden, damit die Kosten minimal sind?“. Das Programm

1. versteht die Aufgabe: zerlegt sie in Teilfragen und erfasst jede Zahl des Textes,
2. modelliert sie: Problemklasse, passender Solver, Variablen, Zielfunktion, Restriktionen, Annahmen,
3. prüft das Modell – teils ohne LLM, teils mit einer zweiten LLM-Prüfung – und korrigiert es,
4. löst es: ein LLM schreibt ein Python-Programm, das in einer abgeschotteten Umgebung mit einem echten Solver rechnet,
5. nimmt das Ergebnis ab: setzt die Lösung in alle Restriktionen ein, prüft die Antworten auf belegte Zahlen und Einheiten und kennzeichnet unzuverlässige Ergebnisse.

Sie erhalten einen Report (HTML oder Markdown) mit Antwort, Erklärung, Tabellen, Diagrammen, Modell und Prüfbericht, das Ergebnis als JSON und auf Wunsch das Solver-Programm als eigenständiges Python-Skript.

Unterstützt werden lineare, ganzzahlige, quadratische und nichtlineare Optimierung, Constraint Programming (Schicht- und Personalplanung) und kürzeste Wege. Die Tabelle der Problemklassen steht in der README.

---

2. Installation

Voraussetzungen

• Linux und Python ≥ 3.10
• bubblewrap für die Sandbox des erzeugten Codes:

  sudo apt install bubblewrap
  

• für nichtlineare Aufgaben die Ipopt-Bibliothek, falls pip kein fertiges Paket für cyipopt findet:

  sudo apt install coinor-libipopt-dev pkg-config
  

• ein API-Schlüssel für OpenRouter (Standard) oder Google Gemini

Einrichten

Im Projektverzeichnis:

python -m venv .venv
.venv/bin/pip install -r requirements.txt

Alle Befehle dieser Anleitung rufen Python über .venv/bin/python auf; ein Aktivieren der Umgebung ist nicht nötig.

API-Schlüssel setzen

Den Schlüssel nur als Umgebungsvariable setzen, nie in eine Datei im Projekt schreiben:

export OPENROUTER_API_KEY="sk-or-…"     # OpenRouter (Standard)
export GEMINI_API_KEY="…"               # nur für Gemini-Modelle

Welcher Anbieter benutzt wird, entscheidet der Modellname: mit / (z. B. deepseek/deepseek-v4.1-flash) geht die Anfrage an OpenRouter, ohne / (z. B. gemini-2.5-flash) an Gemini. Damit der Schlüssel in jeder neuen Shell gesetzt ist, gehört die export-Zeile in ~/.bashrc oder in einen Passwortmanager.

Installation prüfen

.venv/bin/python -m pytest -q               # alle Tests, offline, kostenlos
.venv/bin/python -m pytest -q -k sandbox    # Sandbox: Schreiben außerhalb des Laufs muss scheitern

Beide Befehle müssen ohne Fehler durchlaufen. Die Tests brauchen keinen API-Schlüssel.

---

3. Schnellstart

Eine kleine Beispielaufgabe liegt bei. Lösen, Report und Programm speichern:

mkdir -p output
.venv/bin/python TextToModel.py benchmark/cases/lp_klein/task.txt \
    --report output/lp_klein.html --code output/lp_klein.py > output/lp_klein.json
echo $?                                     # 0 = Ergebnis zuverlässig (direkt danach abfragen)

Während des Laufs zeigt das Terminal den Fortschritt (Verstehen, Extraktion, Prüfung, Solver …) und am Ende Kosten und Laufzeit je Stufe. Die Aufgabe kostet etwa zwei Cent und dauert ein bis drei Minuten.

Danach:

xdg-open output/lp_klein.html               # Report im Browser öffnen
.venv/bin/python output/lp_klein.py         # Solver-Programm erneut ausführen, ohne LLM

Erwartetes Ergebnis: Einkaufskosten von 9 Tsd. Euro (1 Tonne X, 3 Tonnen Y).

---

4. Aufgaben gut formulieren

Die Qualität des Ergebnisses hängt stark vom Aufgabentext ab. Bewährt hat sich:

Empfehlung	Warum
Alle Zahlen vollständig angeben, am besten als Tabelle	Fehlende Werte muss das Programm annehmen; das wird zwar gekennzeichnet, macht das Ergebnis aber zur Schätzung.
Einheiten ausdrücklich nennen („in Tausend Euro“, „in Stunden“, „Rendite in %“)	Das Programm übernimmt Zahlen so, wie sie dastehen. „6,9“ ohne Einheit bleibt 6,9 – nicht 0,069. Antworten dürfen nur Einheiten nennen, die im Text stehen.
Das Ziel eindeutig formulieren („Kosten minimieren“, „Volatilität minimieren“)	Die Prüfstufe kontrolliert, ob die Zielfunktion genau die gefragte Größe liefert – z. B. Volatilität statt Varianz.
Teilfragen markieren (a), b), Teil 2)	Jede erkannte Teilfrage bekommt eine eigene Antwort. Fehlt eine, gilt die Aufgabe als nicht erfüllt.
Bedingungen genau sagen: „wenn A, dann B“ ist etwas anderes als „A genau dann, wenn B“	Unklare Stellen werden als Annahme mit verworfener zweiter Lesart ausgewiesen – besser ist, wenn es keine gibt.
Ganzzahligkeit nennen („nur ganze Stück“, „Mengen beliebig teilbar“)	Entscheidet über Problemklasse und Solver.
Externe Daten beilegen statt auf Webquellen zu verweisen	Das Solver-Programm hat keinen Netzzugang. Verlangt die Aufgabe z. B. Kursdaten aus dem Internet, erzeugt es Ersatzdaten und kennzeichnet das.

Die Aufgabe kann als .txt oder .md vorliegen; Markdown-Tabellen und Formeln wie min z = 17*x1 + 23*x2 werden verstanden.

Was abgelehnt wird: Texte, in denen nichts zu entscheiden ist – etwa eine Gleichung, die nur ausgerechnet werden soll. Das Programm bricht dann nach der ersten Stufe ab (Exit-Code 3) und nennt im Report den Grund. Zulässigkeitsfragen („Ist dieser Plan überhaupt machbar?“) gelten dagegen als Aufgabe.

---

5. Aufrufvarianten

# Aufgabe aus einer Datei
.venv/bin/python TextToModel.py aufgabe.md --report output/aufgabe.html > output/aufgabe.json

# Aufgabe über die Standardeingabe
echo "Ein Betrieb …" | .venv/bin/python TextToModel.py --report output/aufgabe.md > output/aufgabe.json

# ohne Aufgabendatei und ohne umgeleitete Eingabe (oder bei leerer Eingabe): eingebaute Beispielaufgabe (Schichtplanung)
.venv/bin/python TextToModel.py --report output/beispiel.html > output/beispiel.json

# nur modellieren und prüfen, keinen Solver-Code erzeugen (billiger, schneller)
.venv/bin/python TextToModel.py aufgabe.md --no-solve --report output/modell.html > output/modell.json

# anderes Modell
.venv/bin/python TextToModel.py aufgabe.md --model deepseek/deepseek-v4-pro-0813 > output/aufgabe.json

# mit beigelegten Daten (siehe Abschnitt 8)
.venv/bin/python TextToModel.py aufgabe.md --daten kurse.csv --report output/aufgabe.html > output/aufgabe.json

Hinweise:

• --report braucht die Endung .html, .htm oder .md.
• --code ist mit --no-solve nicht möglich – es entsteht dann kein Programm.
• Das Ergebnis-JSON geht auf die Standardausgabe. Ohne > datei.json erscheint es im Terminal und ist danach für --resolve und --von nicht verfügbar. Es empfiehlt sich, es immer umzuleiten.
• Der Ordner output/ ist von Git ausgeschlossen und eignet sich für alle Ergebnisse.

---

6. Was das Programm ausgibt

Terminal (Standardfehlerausgabe)

Der Fortschritt jeder Stufe, Befunde der Prüfungen, Reparaturversuche und am Ende eine Übersicht:

LLM-Nutzung: 5 Aufrufe, 36874 Input- (davon 12000 aus dem Cache, 33 %)/53898 Output-Tokens (davon 31152 Reasoning), Kosten $0.0738, Anbieter: {...}
  Verstehen          1x    20.8 s    4044 Output-Tokens (davon 2588 Reasoning)    5100 Input (Cache 0)
  Extraktion         1x    42.0 s    7051 Output-Tokens …

Die Zeilen je Stufe zeigen, wo Zeit und Geld hingehen. Erscheint ERGEBNIS UNZUVERLÄSSIG – …, steht der Grund direkt dahinter.

Ergebnis-JSON (Standardausgabe)

Das vollständige Ergebnis aller Stufen. Die wichtigsten Felder:

Feld	Bedeutung
reliable	true, wenn keine Prüfung einen ernsten Befund hinterlassen hat
reliability_issues	Gründe, warum das Ergebnis unzuverlässig ist
rejected	true, wenn der Text keine Optimierungsaufgabe ist
understanding	erkannte Teilfragen (sub_questions) und Zahlen (facts)
specification	das Modell: Klasse, Solver, Variablen, Zielfunktion, Restriktionen, Annahmen, Erklärung
review	Prüfbericht zu Zielgröße und Annahmen
solver_code.code	das erzeugte Programm (roh)
solver_code.data_assumptions	Daten, die nicht im Text standen und angenommen wurden
solver_run.status	optimal, feasible, infeasible, unbounded oder error
solver_run.objective_value	Zielwert
solver_run.answers	eine Antwort je Teilfrage
solver_run.tables	Ergebnistabellen
solver_run.warnings	Hinweise der Abnahme (kein Grund für „unzuverlässig“)
solver_run.data	alle Eingabewerte des Programms – Grundlage für --resolve --data
usage	Aufrufe, Tokens, Cache-Anteil, Kosten, Anbieter, Zeit je Stufe

Schnell nachsehen, ohne Zusatzwerkzeuge:

.venv/bin/python -c "import json; d=json.load(open('output/aufgabe.json')); r=d['solver_run']; \
print(d['reliable'], r['status'], r['objective_value']); [print(a['question_id'], a['text']) for a in r['answers']]"

Exit-Code

Code	Bedeutung
0	Ergebnis zuverlässig
2	Ergebnis vorhanden, aber unzuverlässig – Gründe in reliability_issues und im Warnkasten des Reports
3	abgelehnt – keine Optimierungsaufgabe, nichts gerechnet
andere	Programmfehler oder Abbruch (z. B. ungültiger API-Schlüssel), Meldung im Terminal

Damit lässt sich das Programm in Skripten einsetzen:

.venv/bin/python TextToModel.py aufgabe.md > output/aufgabe.json
case $? in
  0) echo "zuverlässig" ;;
  2) echo "unzuverlässig – bitte Report prüfen" ;;
  3) echo "keine Optimierungsaufgabe" ;;
esac

Report

• HTML (--report datei.html): im Browser öffnen. Formeln werden mit MathJax gesetzt – dafür braucht der Browser beim Öffnen Internet. Diagramme sind eingebettet und funktionieren offline, im hellen und dunklen Modus. Das Solver-Programm lässt sich per Kopier-Symbol übernehmen.
• Markdown (--report datei.md): z. B. in VS Code mit Strg+Umschalt+V als Vorschau; Formeln stehen als $…$.

Einen Report kann man auch nachträglich aus einem gespeicherten Ergebnis erzeugen – ohne LLM-Kosten, auch im anderen Format:

.venv/bin/python -m reporting.report output/aufgabe.json output/aufgabe.md

Solver-Programm (--code)

Ein eigenständiges, ausführbares Python-Skript: Docstring mit Aufgabe, Modell und Begründung des Verfahrens, alle Eingabewerte im Wörterbuch DATA, kommentierter Code, main(). Es gibt Status, Zielwert, Tabellen und Variablenwerte lesbar aus und endet mit einer maschinenlesbaren Zeile RESULT_JSON: {...}.

.venv/bin/python output/aufgabe.py

Man kann DATA im Skript von Hand ändern und neu rechnen – eleganter geht es mit --resolve (Abschnitt 9).

---

7. Das Ergebnis richtig lesen

Der Report beginnt mit dem Ergebnis und erklärt, bevor er Tabellen zeigt. Empfohlene Lesereihenfolge:

1. Antwortsatz und Antworten auf die Aufgabe – eine je Teilfrage. Jede Zahl darin stammt aus dem Ergebnis oder dem Aufgabentext.
2. Status und Kennzahlen.
3. Warnkästen (⚠) – immer lesen. „Ergebnis unzuverlässig – bitte nicht verwenden“ bedeutet genau das.
4. „Wie das Modell die Aufgabe sieht“ – die Erklärung in Alltagssprache. Stimmt sie nicht mit Ihrer Absicht überein, ist das Modell falsch, auch wenn die Zahl plausibel aussieht.
5. Ergebnistabellen und Diagramme, bindende Restriktionen (welche Grenzen voll ausgeschöpft sind).
6. Sensitivität – was eine Lockerung einer Grenze bringen würde.
7. Weiter unten: „Was in der Aufgabe steht“ (erkannte Teilfragen und Zahlen), Modell mit Annahmen, Prüfbericht, Programm.

Wann ein Ergebnis als unzuverlässig gilt

Grund (reliability_issues)	Bedeutung	Was tun
Zielgröße passt nicht	Das Modell optimiert etwas anderes als gefragt; es wurde kein Solver gestartet.	Ziel im Aufgabentext eindeutiger formulieren und neu starten.
Check-Fehler im Modell	z. B. Solver passt nicht zur Klasse, gemischte Einheiten in der Zielfunktion	Report „Prüfbericht“ ansehen; oft hilft --von pruefung.
Zulässigkeitsprüfung	Die gemeldete Lösung verletzt Restriktionen, Schranken oder Ganzzahligkeit.	--von solver versuchen.
Datenherkunft	Das Programm hat Eingabedaten erzeugt, ohne sie auszuweisen.	Daten beilegen (--daten) oder fehlende Werte in den Text schreiben.
Szenario ohne Ergebnis	Eine verglichene Konfiguration hat keinen Wert, ist aber nicht als unlösbar belegt (z. B. Zeitlimit).	--von solver.
Unlösbar, Gegenprobe uneindeutig	Der Solver meldet „unlösbar“, eine unabhängige zweite Modellierung konnte das weder bestätigen noch widerlegen.	Aufgabe auf widersprüchliche Bedingungen prüfen.

Besondere Ergebnisse

• „infeasible“ (unlösbar) wird nicht einfach geglaubt: Eine zweite, unabhängige Modellierung prüft es. Bestätigt sie es, steht im JSON infeasible_confirmed: true, und die Antworten erklären, welche Bedingungen sich widersprechen.
• Angenommene Daten stehen im Report unter „Angenommene Daten“ und in solver_code.data_assumptions. Das Ergebnis beruht dann nicht allein auf Ihren Angaben.
• Nichtlineare Aufgaben (Ipopt) werden von mehreren Startpunkten aus gelöst. Streuen die Ergebnisse, ist das gefundene Optimum nur die beste gefundene lokale Lösung – der Abschnitt „Stabilität über mehrere Startpunkte“ zeigt das.
• Warnungen (solver_run.warnings) sind Hinweise, keine Fehler – etwa eine Tabelle, deren Summe nicht zum Zielwert passt, oder ein Fachbegriff, der nicht erklärt wurde.

---

8. Aufgaben mit Datendateien und Abbildungen

Für größere Datenmengen (Kurse, Bedarfe, Entfernungen) legt man Dateien bei:

.venv/bin/python TextToModel.py aufgabe.md --daten kurse.csv entfernungen.xlsx \
    --report output/aufgabe.html --code output/aufgabe.py > output/aufgabe.json

• Unterstützt werden CSV (Trennzeichen Komma, Semikolon oder Tabulator werden erkannt, deutsche Dezimalkommas ebenfalls) und Excel (.xlsx, .xls).
• Das Programm erstellt ohne LLM ein Profil je Datei (Zeilen, Spalten, Typen, Spannweiten, Lücken, Beispielwerte). Nur dieses Profil geht an das LLM, nicht der vollständige Inhalt.
• Die Dateien selbst werden ins Arbeitsverzeichnis des Solver-Programms kopiert; das Programm liest sie über ihren Dateinamen.
• Im Aufgabentext auf die Datei Bezug nehmen („Die Kurse stehen in kurse.csv“).

Exportiertes Programm mit Daten ausführen: Es erwartet die Dateien im selben Verzeichnis, sonst endet es mit FileNotFoundError:

cp kurse.csv entfernungen.xlsx output/
(cd output && ../.venv/bin/python aufgabe.py)

---

Aufgaben mit Abbildungen (z. B. aus docling)

Stehen Daten nur in einer Abbildung – ein Graph mit bewerteten Pfeilen, eine Tabelle als Bild –, kann die Aufgabe die Abbildung als Markdown-Bild enthalten. Beide Formen, die docling erzeugt, werden erkannt:

• eingebettet (ImageRefMode.EMBEDDED, Standard): ![Image](data:image/png;base64,…)
• als Datei (ImageRefMode.REFERENCED): ![Image](bilder/graph.png) – der Pfad gilt relativ zur Aufgabendatei

# Dokument mit docling nach Markdown wandeln (Bilder eingebettet), dann lösen
docling aufgabe.pdf --to md --image-export-mode embedded --output output/
.venv/bin/python TextToModel.py output/aufgabe.md --report output/aufgabe.html > output/aufgabe.json

Was dabei passiert:

1. Die Bilder werden aus dem Text gelöst; im Text steht dort [Abbildung 1].
2. Nur die Verstehensstufe bekommt die Bilder und überträgt jede Abbildung vollständig in Text (jede Zahl, jeder Pfeil mit Richtung und Bewertung, unsicher Gelesenes wird benannt).
3. Gegenprobe: Ein zweiter, unabhängiger Aufruf überträgt die Abbildungen noch einmal. Weichen die Zahlen ab, entscheidet eine dritte Lesung; stimmen keine zwei überein, gilt das Ergebnis als unzuverlässig.
4. Alle weiteren Stufen rechnen mit der Übertragung – das Bild selbst wird nicht erneut gesendet.
5. Der Report zeigt im Abschnitt „Aufgabe“ Original und Übertragung nebeneinander. Bitte vergleichen: Ein verlesener Wert ändert das ganze Ergebnis, und eine vertauschte Pfeilrichtung bei gleichen Zahlen fällt der Gegenprobe nicht auf.

Voraussetzungen und Grenzen:

• Das Modell der Verstehensstufe muss Bilder lesen können. Das Standardmodell ~deepseek/deepseek-flash-latest (derzeit DeepSeek V4.1 Flash) kann das; sonst ein Bildmodell über LLM_MODEL_UNDERSTANDING wählen (z. B. qwen/qwen3.8-flash).
• Höchstens 6 Abbildungen, je 5 MB.
• Mehrkosten: ein bis zwei zusätzliche kleine Aufrufe für die Gegenprobe.
• Verweise auf Webadressen werden nicht geladen (das Programm lädt nichts aus dem Internet).

---

9. Weiterarbeiten ohne neue LLM-Kosten

Andere Zahlen, gleiches Modell: --resolve

Alle Eingabewerte des Programms stehen im Wörterbuch DATA (im JSON unter solver_run.data). Mit --resolve rechnet das gespeicherte Programm neu – ohne einen einzigen LLM-Aufruf, inklusive Zulässigkeits- und Sensitivitätsprüfung:

# unverändert neu rechnen
.venv/bin/python TextToModel.py --resolve output/aufgabe.json > output/nachgerechnet.json

# mit geänderten Werten
.venv/bin/python TextToModel.py --resolve output/aufgabe.json --data output/neue_werte.json \
    --report output/variante.html > output/variante.json

neue_werte.json enthält nur die Einträge, die sich ändern – mit denselben Schlüsseln wie in solver_run.data:

# vorhandene Schlüssel ansehen
.venv/bin/python -c "import json; print(json.dumps(json.load(open('output/aufgabe.json'))['solver_run']['data'], indent=2, ensure_ascii=False))"

{ "r": [130, 105, 135, 110], "U": 30 }

Grenze: Ändert sich die Struktur (neue Produkte, neue Bedingungen), reicht --resolve nicht – dann die Aufgabe neu lösen lassen.

Nur eine Stufe wiederholen: --von

Ist das Modell gut, aber das Programm gescheitert, muss nicht alles neu bezahlt werden:

# Modell und Prüfbericht behalten, nur Solver-Code neu erzeugen (etwa 2 statt 5–7 Aufrufe)
.venv/bin/python TextToModel.py --von solver output/aufgabe.json --report output/neu.html > output/neu.json

# Modell behalten, neu prüfen und korrigieren, dann lösen
.venv/bin/python TextToModel.py --von pruefung output/aufgabe.json > output/neu.json

• Der Aufgabentext kommt aus dem gespeicherten Ergebnis; keine Aufgabendatei angeben.
• Die deterministischen Checks laufen immer neu. Passt die Zielgröße laut Prüfbericht nicht, startet auch hier kein Solver.
• --von und --resolve schließen sich aus; eine abgelehnte Aufgabe lässt sich nicht fortsetzen.
• Verständnis (Teilfragen) und Abbildungen bleiben erhalten. Beigelegte Datendateien sind im Ergebnis nur als Profil gespeichert: bei --von und --resolve mit --daten datei.csv … erneut angeben, sonst findet das Programm sie nicht.
• --resolve prüft nur die Zulässigkeit neu; frühere Befunde (z. B. falsche Zielgröße) bleiben bestehen.

Report nachträglich erzeugen

.venv/bin/python -m reporting.report output/aufgabe.json output/aufgabe.html

---

10. Kosten und Laufzeit steuern

Richtwerte (DeepSeek V4.1 Flash über OpenRouter, September 2026): kleine Aufgaben etwa 0,02–0,05 und 1–3 Minuten, mittlere 0,05–0,15 und 3–10 Minuten, große mehrteilige Aufgaben mit Datenanhang bis etwa 0,20 $ und 15 Minuten. Die tatsächlichen Werte stehen am Ende jedes Laufs im Terminal und im JSON unter usage.

Wo das Geld hingeht: rund zwei Drittel der Kosten sind erzeugter Output, davon der Großteil internes „Nachdenken“ (Reasoning) des Modells; die Laufzeit hängt fast nur am Output. Die teuerste Stufe ist die Erzeugung des Solver-Codes.

Hebel	Wirkung
--no-solve	nur Modell und Prüfung; spart die teuerste Stufe
--von solver / --resolve	Wiederholung ohne erneute Modellierung bzw. ganz ohne LLM
--max-revisions 0, MAX_RESTARTS=0, SOLVER_RETRIES=0	weniger Nacharbeit – billiger, aber Fehler bleiben eher stehen
LLM_REASONING_EFFORT=low	weniger Nachdenken, schneller und billiger; Qualität kann sinken
OPENROUTER_MIN_THROUGHPUT	bevorzugt schnellere Anbieter (Standard 75 Tokens/s)
LLM_MODEL_SOLVER=… usw.	anderes Modell nur für einzelne Stufen, z. B. ein schnelles für den Code

Prompt-Cache: Alle Aufrufe eines Laufs gehen an denselben OpenRouter-Anbieter, damit dessen Cache wiederholt gelesene Prompt-Teile billiger abrechnen kann. Der Cache-Anteil steht in der Abschlusszeile.

Standardmodell ist der Alias ~deepseek/deepseek-flash-latest – er zeigt immer auf das neueste DeepSeek-Flash-Modell (September 2026: V4.1 Flash). Das hält die Pipeline aktuell, kann Ergebnisse aber unbemerkt verändern, sobald DeepSeek ein neues Flash-Modell veröffentlicht. Für Benchmarks und Vergleiche feste Modellnamen verwenden (z. B. --models deepseek/deepseek-v4.1-flash).

---

11. Alle Einstellungen im Überblick

Kommandozeile

Option	Bedeutung
AUFGABE	Aufgabendatei (.txt, .md); ohne: Standardeingabe, sonst Beispielaufgabe
--report DATEI	Report als .html/.htm oder .md
--code DATEI	Solver-Programm als ausführbares Skript speichern
--model NAME	LLM-Modell (mit / → OpenRouter, sonst Gemini)
--daten DATEI …	beigelegte CSV-/Excel-Dateien
--no-solve	keinen Solver-Code erzeugen
--max-revisions N	Korrekturrunden
--max-restarts N	komplette Neustarts bei dauerhaft fehlerhaftem Modell
--resolve ERGEBNIS.JSON	gespeichertes Programm ohne LLM neu rechnen
--data DATEN.JSON	nur mit --resolve: Eingabewerte ganz oder teilweise ersetzen
--von STUFE ERGEBNIS.JSON	fortsetzen ab pruefung oder solver

Umgebungsvariablen

Variable	Bedeutung	Standard
OPENROUTER_API_KEY	Schlüssel für OpenRouter	–
GEMINI_API_KEY	Schlüssel für Gemini	–
LLM_MODEL	Modell, falls --model fehlt	~deepseek/deepseek-flash-latest
LLM_MODEL_UNDERSTANDING	Modell für Verstehen und Abbildungs-Gegenprobe (muss bei Abbildungen Bilder lesen können)	Session-Modell
LLM_MODEL_EXTRACTION	Modell nur für die Extraktion	Session-Modell
LLM_MODEL_REVIEW	Modell nur für die Prüfung	Session-Modell
LLM_MODEL_REVISION	Modell nur für die Korrektur	Session-Modell
LLM_MODEL_SOLVER	Modell für Solver-Code und dessen Reparatur	Session-Modell
MAX_REVISIONS	Korrekturrunden	2
MAX_RESTARTS	Neustarts der Modellierung	1
UNDERSTAND_RETRIES	Nachfassen, wenn Zahlen oder Teilfragen übersehen wurden	1
SOLVER_RETRIES	Reparaturen des Solver-Programms	2
INFEASIBLE_RECHECK	Gegenprobe bei „unlösbar“ (0 = aus)	1
LLM_MAX_TOKENS	Obergrenze je Antwort (OpenRouter)	32000
LLM_TIMEOUT	Zeitlimit je LLM-Aufruf in Sekunden	420
LLM_REASONING_EFFORT	low, medium oder high (OpenRouter)	Modellvorgabe
OPENROUTER_MIN_THROUGHPUT	bevorzugte Mindestgeschwindigkeit des Anbieters in Tokens/s	75
OPENROUTER_SWITCH_BELOW	liefert ein Aufruf (ab 1000 Tokens) weniger Tokens/s, wird der Anbieter für den Rest des Laufs gemieden; 0 schaltet das ab	wie OPENROUTER_MIN_THROUGHPUT (75)
SOLVER_TIMEOUT	Zeitlimit je Programmlauf in Sekunden; zugleich das Zeitbudget, das der Solver-Prompt dem Programm nennt	60
SOLVER_SANDBOX	auto (bubblewrap, wenn vorhanden), bwrap (Pflicht), aus (ungeschützt)	auto

Beispiel für einen einzelnen Lauf mit geänderten Einstellungen:

MAX_REVISIONS=1 LLM_REASONING_EFFORT=low .venv/bin/python TextToModel.py aufgabe.md > output/aufgabe.json

---

12. Benchmark und Tests

Tests (offline, kostenlos)

.venv/bin/python -m pytest -q                                    # alle
.venv/bin/python -m pytest -q tests/test_solver_stage.py -k cpsat # Auswahl

Benchmark (kostet API-Aufrufe)

benchmark/cases/ enthält 19 Aufgaben mit unabhängig verifiziertem Optimum. Gemessen wird, ob der Zielwert stimmt und ob die Aufgabe erfüllt ist (jede Teilfrage beantwortet, jede Zahl belegt).

# ausgewählte Fälle, je 2 Läufe, 3 parallel
.venv/bin/python -m benchmark.benchmark --cases lp_klein rucksack_milp --runs 2 --jobs 3

# zwei Modelle vergleichen
.venv/bin/python -m benchmark.benchmark --models deepseek/deepseek-v4.1-flash deepseek/deepseek-v4-pro-0813 --runs 2 --jobs 3

Ein voller Lauf über alle Fälle mit 2 Läufen kostet etwa 1,30 $ und dauert rund 50 Minuten. Die Tabelle erscheint im Terminal, Details in benchmark/results/<Zeitstempel>.json. Einen Report zu einem einzelnen Benchmark-Lauf erzeugt:

.venv/bin/python -m reporting.report benchmark/results/<Zeitstempel>.json output/fall.html --case lp_klein --model v4.1 --run 1

Eigene Fälle anlegen: Verzeichnis benchmark/cases/<name>/ mit task.txt und expected.json (problem_class, target_stack, sense, objective_value, tolerance). Nur Fälle mit vollständigen Daten und unabhängig nachgerechnetem Optimum aufnehmen – oder bewusst schlecht gestellte Fälle „ehrlich scheitern“: statt Zielwert "behavior": [...] mit den akzeptierten Verhalten rejected (abgelehnt), unreliable (als unzuverlässig gekennzeichnet), assumed_data (angenommene Daten ausgewiesen); eines genügt. Weitere Dateien im Verzeichnis werden als Datenanhang übergeben.

Mit dem Gemini-Gratiskontingent ist der Benchmark praktisch nicht durchführbar; dort höchstens --jobs 1.

---

13. Fehlerbehebung

Meldung / Symptom	Ursache	Lösung
KeyError: 'OPENROUTER_API_KEY'	Schlüssel nicht gesetzt	export OPENROUTER_API_KEY=… in derselben Shell
Error code: 401	Schlüssel ungültig	Schlüssel prüfen
Error code: 402	Guthaben bei OpenRouter aufgebraucht	Guthaben aufladen
RESOURCE_EXHAUSTED	Gemini-Kontingent erschöpft	später erneut oder OpenRouter-Modell
Vorübergehender LLM-Fehler – neuer Versuch in … s	Überlastung, Ratelimit, Zeitüberschreitung	nichts tun; es wird automatisch bis zu dreimal wiederholt
Lauf dauert sehr lange	langsamer Anbieter oder viel Reasoning	OPENROUTER_MIN_THROUGHPUT erhöhen, LLM_REASONING_EFFORT=low
SOLVER_SANDBOX=bwrap verlangt bubblewrap, es ist aber nicht installiert.	bubblewrap fehlt	sudo apt install bubblewrap; prüfen mit which bwrap
pip scheitert bei cyipopt	Ipopt-Bibliothek fehlt	sudo apt install coinor-libipopt-dev pkg-config, dann erneut installieren
--report braucht die Endung .md oder .html	falsche Dateiendung	.html oder .md verwenden
--data wirkt nur zusammen mit --resolve	--data allein angegeben	--resolve ERGEBNIS.JSON --data …
Exit-Code 2	Ergebnis unzuverlässig	Abschnitt 7; oft hilft --von solver
Exit-Code 3	keine Optimierungsaufgabe erkannt	Entscheidung und Ziel im Text ausdrücklich formulieren
FileNotFoundError beim exportierten Programm	Datendateien fehlen im Verzeichnis des Skripts	Dateien daneben kopieren (Abschnitt 8)
Formeln im HTML-Report erscheinen als Rohtext	kein Internet beim Öffnen (MathJax)	online öffnen oder Markdown-Report verwenden
Report zeigt „Angenommene Daten“, obwohl Daten gemeint waren	Aufgabe verlangt Daten aus dem Internet, das Programm hat keinen Netzzugang	Daten als Datei beilegen (--daten)
Antwort in falscher Größenordnung (Faktor 100 oder 1000)	Einheit im Text mehrdeutig	Einheit ausdrücklich nennen („in %“, „in Tausend Euro“)
Seltsame Importfehler von instructor	eine Datei instructor.py im Projekt	Datei umbenennen

---

14. Sicherheit und Datenschutz

• Der Aufgabentext und das Datenprofil werden an den LLM-Anbieter gesendet (OpenRouter und die dahinterliegenden Modellanbieter bzw. Google). Keine vertraulichen oder personenbezogenen Daten eingeben, die diesen Weg nicht gehen dürfen. Datendateien selbst verlassen den Rechner nicht, wohl aber ihr Profil mit Beispielwerten.
• Der Solver-Code stammt von einem LLM. Er läuft in einer bubblewrap-Sandbox: kein Netzzugang, Dateisystem nur lesbar, das Home-Verzeichnis unsichtbar, beschreibbar nur das Temp-Verzeichnis des Laufs. API-Schlüssel und andere Umgebungsvariablen bekommt das Programm nicht zu sehen. Zusätzlich sind nur Mathematik- und Solver-Bibliotheken erlaubt, open, eval und exec verboten, und es gilt ein Zeitlimit.
• Ohne bubblewrap läuft der Code ungeschützt mit Ihren Benutzerrechten – und zwar ohne Warnung (Standard SOLVER_SANDBOX=auto). Prüfen mit which bwrap. Wer sichergehen will, setzt export SOLVER_SANDBOX=bwrap: Dann wird ein Lauf ohne bubblewrap abgelehnt, statt ungeschützt ausgeführt.
• Ein exportiertes Programm (--code) läuft außerhalb der Sandbox, wenn Sie es selbst starten. Vorher kurz ansehen.
• API-Schlüssel nur als Umgebungsvariable; .env-Dateien sind von Git ausgeschlossen, gehören aber trotzdem nicht ins Projekt.

---

15. Grenzen

• Ergebnisse vor Verwendung prüfen. Die Prüfungen fangen viele, aber nicht alle Fehler. Besonders die Erklärung („Wie das Modell die Aufgabe sieht“) mit der eigenen Absicht vergleichen.
• Deutsch ist die vorgesehene Sprache von Aufgaben, Erklärungen und Antworten.
• Größe: Richtwerte je Klasse – lineare Programme bis etwa 10⁴ Variablen, ganzzahlige und Constraint-Modelle 10²–10³, quadratische 10³, gemischt-ganzzahlig quadratische und nichtlineare etwa 10². Darüber bleibt die Lösung möglich, Optimalität lässt sich im Zeitlimit aber oft nicht beweisen; das wird als Annahme ausgewiesen.
• Zeitlimit des Programms: 60 Sekunden je Ausführung.
• Kein Netz im Programm: Webdaten (Kurse, Wetter, Karten) müssen als Datei beigelegt werden.
• Nichtlineare Aufgaben liefern ohne globales Verfahren nur lokale Optima; das Programm berichtet die Streuung über mehrere Startpunkte.
• Schlecht gestellte Aufgaben (fehlende Angaben, mehrdeutige Einheiten, mehrteilige Projektaufträge) sind die größte Fehlerquelle. Das Programm soll dann ehrlich scheitern – Annahmen kennzeichnen, Unlösbarkeit melden, fehlende Daten zugeben –, kann eine fehlende Angabe aber nicht ersetzen.