feat(agent): support cost questions and thinking fallback

agent/eval/goldset.yaml

@@ -185,6 +185,16 @@ questions:
     expected_ids: [wk-akt-04]
     note: "Prämisse korrigieren: keine voraussetzungslose Auszahlung; lohngestaltende Grundlage, Zeitraum, Zusätzlichkeit und Abgaben außerhalb der Lohnsteuer anhand der Quelle erklären."
     tags: [decision-support, premise-correction]
+  - id: q-128
+    question: "Mein Mitarbeiter verdient EUR 3000 brutto. Ich möchte ihm einmalig 500,- bar auszahlen. Was ist hier die günstigste Lösung?"
+    expected_ids: [wk-akt-04, lb-son-04, lb-sva-06]
+    note: "Gestaltungsfrage mit konkretem Einzelfall und Umlaut-freier Schreibweise (guenstigste loesung): Deterministischer Plan muss Kostendimensionen beisteuern — Lohnsteuer-Behandlung der einmaligen Barzahlung (lb-son-04) und Arbeitgeberbelastung (lb-sva-06). Keine pauschale Empfehlung ohne Abgabenvergleich; Antwort soll mit belegten Sätzen rechnen."
+    tags: [decision-support, cost-calculation, umlaut-free]
+  - id: q-129
+    question: "Mein Mitarbeiter verdient EUR 3000 brutto. Ich möchte ihm einmalig 500,- bar auszahlen. Wieviel kostet mich das?"
+    expected_ids: [lb-son-04, lb-sva-06]
+    note: "Reine Kostenaufstellung: Arbeitgeberkosten der Barzahlung Schritt für Schritt aus belegten Sätzen (Lohnsteuer, AG-SV inkl. DB/DZ) rechnen; Annahmen aus dem Kontext als solche nennen."
+    tags: [decision-support, cost-calculation, umlaut-free]
 
   # --- Komplexe Fragen (Stufe 1, M6: Multi-Query + Temporal-Intent) ---
   - id: q-110

agent/generate.py

@@ -12,7 +12,7 @@ import time
 
 from .config import Config
 from .normalize import normalize_text
-from .ollama_client import OllamaClient
+from .ollama_client import OllamaClient, OllamaError
 from .query_planner import SubQuery, is_decision_support, plan_queries
 from .retrieve import ChunkResult, Retriever
 
@@ -71,9 +71,18 @@ Verbindliche Regeln:
     von zweckgebundenen Sach- oder Kostenleistungen. Vergleiche belegte
     Kandidaten nach denselben Dimensionen: Auszahlbarkeit bzw.
     Verwendungsbindung, Lohnsteuer, Sozialversicherung einschließlich BV und
-    Lohnnebenkosten, Voraussetzungen sowie Stand. Nenne Quellenwidersprüche
+    Lohnnebenkosten, Voraussetzungen sowie Stand. Nennt die Frage konkrete
-    gemäß Regel 5 und stelle bei fehlendem Kontext am Ende genau EINE gezielte
+    Eckdaten (z. B. Bruttolohn, Betrag, Einmaligkeit, Barzahlung), wende die
-    Rückfrage. Sind [wk-akt-04] und [lb-sva-03] beide als Block-Köpfe im
+    belegten Sätze unmittelbar auf diesen Fall an: rechne mit den im Kontext
+    genannten Sätzen die Arbeitgeberkosten Schritt für Schritt (Lohnsteuer,
+    SV einschließlich DB und DZ, allfällige KommSt) und gib die Gesamtbelastung
+    an. Belege jede in die Rechnung eingehende Zahl mit [ID] und Stand; steht
+    ein Rechenwert nur allgemein im Kontext (z. B. Jahressechstel,
+    Bemessungsgrundlage), nenne diese Annahme explizit. Fehlt hingegen ein für
+    die Berechnung wesentlicher Parameter, stelle am Ende genau EINE gezielte
+    Rückfrage — nicht zusätzlich, wenn die Rechnung mit den Kontextwerten
+    möglich ist. Nenne Quellenwidersprüche
+    gemäß Regel 5. Sind [wk-akt-04] und [lb-sva-03] beide als Block-Köpfe im
     Kontext vorhanden, stelle den Konflikt ausdrücklich mit ⚠ dar:
     [wk-akt-04] nennt die Mitarbeiterprämie 2026 SV-/BV-pflichtig;
     [lb-sva-03] ordnet sie systematisch in den taxativen Katalog
@@ -268,6 +277,10 @@ def answer_question(
     if cfg.planner_enabled:
         try:
             sub_queries, planned, qtype = plan_queries(question, client, cfg)
+            if not is_decision_support(question):
+                # LLM-Pläne bleiben auf die Maximalzahl begrenzt; der
+                # deterministische Abgaben-Vergleichsplan liefert nur gezielte
+                # Queries (max. 5) und darf sie vollständig behalten.
                 sub_queries = sub_queries[: cfg.planner_max_queries] or sub_queries[:1]
         except Exception:
             sub_queries, planned, qtype = [SubQuery(text=question)], False, "specific"
@@ -332,28 +345,41 @@ def answer_question(
     def chat(msgs, num_predict: int | None = None):
         """Ein Chat-Zug; liefert (gestrippter Content, done_reason).
         Bei done_reason='length' (Antwort bei num_predict abgeschnitten)
-        sind Zitationen ggf. unvollstaendig — der Aufrufer ruft einmal mit
+        sind Zitationen ggf. unvollständig — der Aufrufer ruft einmal mit
-        doppeltem Budget neu (technischer Retry, kein Regel-Regeneration)."""
+        doppeltem Budget neu (technischer Retry, kein Regel-Regeneration).
+        Liefert das Modell bei aktivem Thinking leeren Content (Antwort nur
+        im thinking-Feld bzw. Budget im Thinking aufgebraucht), wird einmal
+        ohne Thinking wiederholt."""
         budget = num_predict or cfg.num_predict
+
+        def call(use_think: bool):
             if hasattr(client, "chat_full"):
-            raw, done_reason = client.chat_full(
+                return client.chat_full(
                     cfg.answer_model,
                     msgs,
                     temperature=cfg.temperature,
                     num_ctx=cfg.num_ctx,
                     num_predict=budget,
-                think=cfg.think,
+                    think=use_think,
                 )
-        else:
+            return (
-            raw = client.chat(
+                client.chat(
                     cfg.answer_model,
                     msgs,
                     temperature=cfg.temperature,
                     num_ctx=cfg.num_ctx,
                     num_predict=budget,
-                think=cfg.think,
+                    think=use_think,
+                ),
+                "stop",
             )
-            done_reason = "stop"
+
+        try:
+            raw, done_reason = call(cfg.think)
+        except OllamaError:
+            if not cfg.think:
+                raise
+            raw, done_reason = call(False)
         return strip_think(raw), done_reason
 
     def chat_with_length_retry(msgs):

agent/query_planner.py

@@ -13,6 +13,8 @@ import re
 from dataclasses import dataclass
 from datetime import date
 
+from .normalize import normalize_text
+
 YEAR_RE = re.compile(r"\b(?:19|20)\d{2}\b")
 JSON_RE = re.compile(r"\{.*\}", re.DOTALL)
 
@@ -20,9 +22,30 @@ AGGREGATION_RE = re.compile(
     r"neuerungen|übersicht|zusammenfassung|alle\s|übersicht", re.I
 )
 COMPARISON_RE = re.compile(r"unterschied|vergleic|\bbzw\.|\bsowie\b", re.I)
+
+# Muster gelten auf normalize_text(question) (NFKD-Folding). Neben dem
+# gefoldeten "gunstig/losung" decken die Alternativen auch die ue-Schreibweise
+# ab ("guenstigste loesung"), die Nutzer häufig ohne Umlaute eingeben.
 DECISION_SUPPORT_RE = re.compile(
-    r"günstig(?:ste|er|e)?\s+lösung|abgabenbegünstigt|steuerfrei.*(?:auszahl|präm)|"
+    r"gu(e)?nstig(e|er|ste)?\s+lo(e)?sung"
-    r"(?:zusätzlich|extra).*(?:auszahl|präm)",
+    r"|abgabenbegu(e)?nstigt"
+    r"|steuerfrei.*(?:auszahl|pra(e)?m)"
+    r"|(?:zusa(e)?tzl?ich|extra).*(?:auszahl|pra(e)?m)"
+    r"|\beinmalig(e|n|r|s)?\b.{0,80}?\bauszah"
+    r"|\bbar\s+auszah|\bbarauszah"
+    r"|\b(?:wie\s*viel|wieviel)\b.{0,60}?\bkostet\b"
+    r"|\bkostet\s+mich\b"
+    r"|\bmitarbeiterpra(e)?m",
+    re.IGNORECASE,
+)
+BROAD_RE = re.compile(
+    r"gu(e)?nstig|m(?:o|e)?glichkeiten|\bstatt\b|alternativ", re.IGNORECASE
+)
+COST_INTENT_RE = re.compile(
+    r"\b(?:wie\s*viel|wieviel)\b.{0,60}?\bkostet\b"
+    r"|\bkostet\s+mich\b"
+    r"|\beinmalig(e|n|r|s)?\b.{0,80}?\bauszah"
+    r"|\bbar\s+auszah|\bbarauszah",
     re.IGNORECASE,
 )
 
@@ -59,8 +82,12 @@ class SubQuery:
 
 
 def is_decision_support(question: str) -> bool:
-    """Erkennt Gestaltungsfragen, die den deterministischen Plan benötigen."""
+    """Erkennt Gestaltungsfragen, die den deterministischen Plan benötigen.
-    return bool(DECISION_SUPPORT_RE.search(question))
+
+    Die Frage wird vorher normalisiert, damit auch Schreibweisen ohne Umlaute
+    ("guenstigste loesung") erkannt werden.
+    """
+    return bool(DECISION_SUPPORT_RE.search(normalize_text(question)))
 
 
 def should_plan(question: str) -> bool:
@@ -97,6 +124,7 @@ def decision_support_plan(
     """
     if not is_decision_support(question):
         return None
+    folded = normalize_text(question)
     explicit_year = YEAR_RE.search(question)
     year = explicit_year.group(0) if explicit_year else default_year
     year_text = f" {year}" if year else ""
@@ -126,13 +154,41 @@ def decision_support_plan(
         stand_year=year,
         scope="gesetz",
     )
-    broad = bool(
+    # Kostenaufstellung: einmalige Barzahlung -> Lohnsteuer-Behandlung der
-        re.search(r"günstig|möglichkeiten|statt|alternative", question, re.IGNORECASE)
+    # Bezüge plus Arbeitgeberbelastung (SV-Beitragssätze, DB/DZ, KommSt).
+    cost_tax = SubQuery(
+        text=(
+            "einmalige Bezüge Sonderzahlungen Lohnsteuer Jahressechstel "
+            "6 Prozent steuerfrei 620 Freibetrag Zuwendung EStG"
+        ),
+        stand_year=year,
+        scope="gesetz",
     )
-    # Ein Gestaltungsvergleich ist kein Korpus-Survey: Die drei gezielten
+    cost_lnk = SubQuery(
+        text=(
+            "Beitragssätze des jeweiligen Jahres für Dienstnehmer "
+            "Dienstgeberanteil Sozialversicherungsbeiträge DB DZ Zuschlag "
+            "zum Dienstgeberbeitrag Kommunalsteuer Lohnnebenkosten Zuwendung"
+        ),
+        stand_year=year,
+        scope="gesetz",
+    )
+    broad = bool(BROAD_RE.search(folded))
+    cost_intent = bool(COST_INTENT_RE.search(folded))
+    queries = [direct]
+    if broad and not cost_intent:
+        # Ein Gestaltungsvergleich ist kein Korpus-Survey: Die gezielten
         # Queries passen in den normalen Antwortpfad und vermeiden unnötiges
         # Map-Reduce samt zusätzlicher Latenz/Fehlverweigerungsrisiko.
-    return ([direct, cash_and_benefits, purpose_bound] if broad else [direct]), "specific"
+        queries += [cash_and_benefits, purpose_bound]
+    elif broad:
+        # Explizite Kostenaufstellung: Die Zukunftssicherungs-Query verdrängt
+        # bei Slots für vier Queries die Beitrags-/Lohnsteuerquellen; die
+        # zweckgebundenen Alternativen bleiben über purpose_bound abgedeckt.
+        queries.append(purpose_bound)
+    if cost_intent:
+        queries += [cost_tax, cost_lnk]
+    return queries[:4], "specific"
 
 
 def parse_plan(raw: str, original: str) -> tuple[list[SubQuery], str]:

tests/test_generate.py

@@ -53,6 +53,10 @@ def test_system_prompt_requires_contextual_decision_support():
     assert "genau EINE gezielte" in SYSTEM_PROMPT
     assert "Regelnummern niemals" in SYSTEM_PROMPT
     assert "spekuliere nicht mit Trainingswissen" in SYSTEM_PROMPT
+    # Anwendung auf den konkreten Einzelfall (Kostenaufstellung)
+    assert "Arbeitgeberkosten Schritt für Schritt" in SYSTEM_PROMPT
+    assert "nenne diese Annahme explizit" in SYSTEM_PROMPT
+    assert "nicht zusätzlich, wenn die Rechnung" in SYSTEM_PROMPT
 
 
 class TestDecisionSupportValidation:
@@ -244,6 +248,43 @@ def test_trim_results_drops_tail_under_budget():
     assert trim_results(blocks, None) is blocks
 
 
+def test_thinking_only_empty_content_retries_without_think(mini_index):
+    """think=true: qwen3.8 lieferte fallweise leeren content (Antwort nur im
+    thinking-Feld). Ein OllamaError auf dem think-Zug -> einmaliger Retry ohne
+    thinking; die Anfrage scheitert nicht mehr mit 503."""
+    from agent.ollama_client import OllamaError
+
+    class ThinkingClient:
+        def __init__(self):
+            self.think_flags = []
+
+        def chat_full(self, model, messages, temperature=0.1, num_ctx=16384,
+                      num_predict=1024, think=False):
+            self.think_flags.append(think)
+            if think:
+                raise OllamaError(
+                    "empty response from qwen3.8:27b (keys: ['message'])"
+                )
+            return "Barauszahlung ist lohnsteuerpflichtig [lb-min-01].", "stop"
+
+        def chat(self, *a, **k):
+            raise AssertionError("chat() sollte via chat_full laufen")
+
+        def close(self):
+            pass
+
+    import dataclasses
+
+    cfg = dataclasses.replace(mini_index, think=True)
+    client = ThinkingClient()
+    result = answer_question(
+        "Was passiert bei einer Barauszahlung?", cfg, client=client
+    )
+    assert result["verified"] is True
+    assert result["citations"] == ["lb-min-01"]
+    assert client.think_flags == [True, False]
+
+
 def test_length_retry_doubles_budget(mini_index):
     """done_reason='length' (abgeschnittene Antwort) -> ein technischer
     Retry mit doppeltem num_predict; zaehlt nicht als Regel-Regenerierung."""

tests/test_query_planner.py

@@ -9,6 +9,7 @@ from agent.generate import answer_question
 from agent.query_planner import (
     SubQuery,
     decision_support_plan,
+    is_decision_support,
     parse_plan,
     plan_queries,
     should_plan,
@@ -37,6 +38,37 @@ def test_should_plan_gate():
     assert not should_plan("Wie hoch ist der KV-Mindestlohn im Friseurgewerbe?")
 
 
+def test_decision_support_matches_umlaut_free_phrasings():
+    """Nutzer geben Umlaute oft als ae/oe/ue ein; der Trigger muss beide
+    Schreibweisen erkennen und für Kostenaufstellungen eigene Queries liefern."""
+    q1 = (
+        "mein mitarbeiter verdient EUR 3000 brutto. ich moechte ihm einmalig "
+        "500,- bar auszahlen, was ist hier die guenstigste loesung?"
+    )
+    q2 = (
+        "mein mitarbeiter verdient EUR 3000 brutto. ich moechte ihm einmalig "
+        "500,- bar auszahlen, wieviel kostet mich das?"
+    )
+    assert is_decision_support(q1)
+    assert is_decision_support(q2)
+
+    subs1, qtype1 = decision_support_plan(q1, default_year="2026")
+    assert qtype1 == "specific"
+    assert len(subs1) == 4  # Vergleichs- + Kostendimension, Zukunftssicherung fällt weg
+    assert all(s.scope == "gesetz" for s in subs1)
+    texts1 = [s.text for s in subs1]
+    assert any("einmalige Bezüge" in t for t in texts1)
+    assert any("Dienstgeberbeitrag" in t for t in texts1)
+
+    subs2, qtype2 = decision_support_plan(q2, default_year="2026")
+    assert qtype2 == "specific"
+    assert len(subs2) == 3
+    texts = [s.text for s in subs2]
+    assert any("einmalige Bezüge" in t for t in texts)
+    assert any("Dienstgeberbeitrag" in t for t in texts)
+    assert all(s.scope == "gesetz" for s in subs2)
+
+
 def test_decision_support_plan_splits_direct_payment_and_alternatives():
     planned = decision_support_plan(
         "Ich will meinem Mitarbeiter 500 Euro zusätzlich auszahlen. "