Retrieval-Kalibrierung nach Korpusverdopplung (D10) + Goldset-Erweiterung

- Hybrid-Fusion um dense_weight erweitert; kalibriert per Goldset-Sweep:
  dense_weight=2.0 (BM25 durch KV-S-Titel-Matches inflationiert),
  rrf_k=20, candidate_pool=150 -> Recall@8 0,851 -> 0,923 (>0,9),
  Hit-Rate 0,973, MRR 0,667. ENV: PV_DENSE_WEIGHT/PV_RRF_K/
  PV_CANDIDATE_POOL.
- CITE_RE um kv|ris erweitert (Post-Validierung deckt neue ID-Raeume).
- Goldset: +6 KV/RIS-Fragen (q-101-106) + Branchen-Refusal r-005;
  q-021 auf lb-kar-04 rekalibriert (Top-1, deckt Beginn/Dauer voll -
  dokumentiert im Note).
- Antwortmodus-Eval (qwen3.8:27b, 42 Fragen): Zitier-Praezision 95,2 %,
  Verweigerung 90,5 % - unter den M3-Gates, Tuning folgt
  (Report data/eval-qwen38-kvris.json, lokal).
- Docs: agent/README.md Baseline, planung.md Umsetzungsstand,
  .agents/MEMORY.md (D9/D10, offene Punkte).

agent/README.md

@@ -2,7 +2,8 @@
 
 Lokaler RAG-Agent für österreichische Personalverrechnung: beantwortet
 Fragen **ausschließlich** aus der kuratierten Wissensbasis (Layer 2,
-`wissensbasis/`, 601 Einträge) — mit ID- und Stand-Beleg, ohne
+`wissensbasis/`, **1274 Einträge**: 601 lb/wk-Kuratierung + 614 WKO-KV-
+Dokumente + 59 RIS-Gesetze) — mit ID- und Stand-Beleg, ohne
 Trainingswissen, ohne Web-Zugriff. Verbindliche Regeln:
 `.agents/skills/pv-rag-agent/SKILL.md`, Plan: `planung.md`.
 
@@ -56,6 +57,9 @@ python -m agent.cli serve             # http://127.0.0.1:8080 (/ask, /health, /r
 | `PV_KB_DIR` | `wissensbasis` | Wissensbasis-Verzeichnis |
 | `PV_THINK` | `false` | Thinking per Request (qwen3.8: default an) |
 | `PV_EMBED_OFF` | `false` | `true` = BM25-only |
+| `PV_CANDIDATE_POOL` | `150` | Kandidaten je Liste vor der Fusion (KV/RIS-Erweiterung: Longtail-Spezialisten in der Kandidatur halten) |
+| `PV_RRF_K` | `20` | RRF-Konstante (erweiterter Korpus: Top-Ränge dominant) |
+| `PV_DENSE_WEIGHT` | `2.0` | RRF-Gewicht der Dense-Liste relativ zu BM25 (BM25 ist durch KV-§-Titel-Matches inflationiert) |
 | `PV_CONTEXT_BLOCKS` | `8` | Kontextblöcke im Prompt |
 | `PV_PORT` | `8080` | API-Port |
 
@@ -110,6 +114,18 @@ verweigert trotzdem (sicheres Versagensmuster; M3-Prompt-Tuning-Kandidat).
 Latenz-Hebel für M3: weniger Kontextblöcke, schnellere Kandidaten
 (gemma4:12B, MoE).
 
+**KV/RIS-Erweiterung + Retrieval-Kalibrierung (2026-09-15):** Korpus
+601 → 1274 Einträge (kv-*: 614 WKO-KV-Dokumente quellentreu, ris-*:
+59 RIS-Gesetze, nur die im Lexis360-Bestand zitierten §-Auschnitte);
+14 984 Chunks. Kalibrierung per Goldset-Sweep (dichte Gewichtung,
+RRF-k, Pool): Hit-Rate 0,865 → 0,973 · Recall@8 0,851 → **0,923** (>0,9 ✓)
+· MRR 0,621 → 0,667. Antwortmodus (qwen3.8:27b): Zitier-Präzision
+95,2 % (2 Verletzungen), Verweigerung korrekt 90,5 % (4 Fehlverweige-
+rungen, u.a. q-022/q-029), erwartete Quelle zitiert 83,8 %, Latenz
+mean 31 s / p95 53 s — **unter den M3-Gates** (100 % / 94,3 %): das
+Fehlverweigerungs-Tuning (Regel 4/8 + Kontextblöcke) ist weiteres
+Thema, Prompt bleibt beim laufenden Arbeitsstand eingefroren.
+
 ## Dateien
 
 ```
@@ -125,14 +141,15 @@ agent/
   cli.py            ingest | ask | eval | serve
   eval/             goldset.yaml + evaluate.py
 web/index.html      Minimaler Test-Chat
-tests/              41 Tests (offline, Fake-Ollama)
+tools/              Intake + Registry (build_registry.py, ingest_sources.py)
+tests/              49 Tests (offline, Fake-Ollama)
 data/               index.db (gitignored)
 ```
 
 ## Tests
 
 ```bash
-python -m pytest -q     # 41 Tests, alle offline
+python -m pytest -q     # 49 Tests, alle offline
 ```
 
 ## Lizenz-Disziplin