Praxis-Telefon-Agent: Anrufannahme, Transkription, Triage — vollständig on-prem

Nimmt Anrufe einer Hausarztpraxis entgegen, transkribiert sie lokal,
kategorisiert das Anliegen und legt es strukturiert ab. Keine Patientendaten
verlassen den Rechner: Spracherkennung, Sprachmodell und Sprachsynthese laufen
lokal, im Datenpfad steht kein Cloud-Dienst.

Aufbau:
- FreeSWITCH nimmt über einen SIP-Trunk an, spielt die Ansage und nimmt auf.
- pipe.watch erkennt fertige Aufnahmen und schiebt sie durch die Pipe.
- whisper.cpp transkribiert, ein lokales Sprachmodell (Ollama) ordnet in
  Kategorie und Dringlichkeit ein — mit erzwungenem JSON-Schema.
- Ablage lokal, optional Nextcloud (WebDAV) und ein Deck-Board.
- Leitstand (pipe.server): Board mit Eingang/In Bearbeitung/Rückfragen/Erledigt,
  Aufnahmen zum Anhören, Verlauf und Ampeln für alle beteiligten Dienste.

Zugangsdaten und Anrufdaten liegen außerhalb des Repositorys (.env, ablage/,
telefon/). Konfiguration siehe .env.example, Einrichtung siehe README.

pipe/process_call.py

@@ -0,0 +1,72 @@
+"""Orchestrator der Anruf-Pipeline: Audio -> Transkript -> Kategorie -> Ablage.
+
+Aufruf:
+    python3 -m pipe.process_call <audiodatei> [--nummer 021031234567]
+
+Gibt am Ende den Ablageort aus. Vollständig lokal, sofern keine Nextcloud-
+Zugangsdaten konfiguriert sind.
+"""
+from __future__ import annotations
+
+import argparse
+import sys
+from datetime import datetime
+
+from . import categorize, protokoll, store, transcribe
+
+
+def verarbeite(audio: str, anrufer_nummer: str | None = None,
+               empfangen: datetime | None = None) -> dict:
+    empfangen = empfangen or datetime.now()
+
+    print(f"▸ Transkribiere {audio} …")
+    protokoll.schreibe("anruf", "Transkribiere …", nummer=anrufer_nummer)
+    t = transcribe.transkribiere(audio)
+    protokoll.schreibe("anruf", (t.text[:200] or "(kein Text erkannt)"),
+                       nummer=anrufer_nummer, dauer=t.dauer)
+    print(f"  Sprache: {t.sprache} ({t.sprache_wahrscheinlichkeit}), Dauer: {t.dauer}s")
+    print(f"  Text: {t.text[:160]}{'…' if len(t.text) > 160 else ''}")
+
+    print("▸ Kategorisiere …")
+    auswertung = categorize.kategorisiere(t.text)
+    print(f"  Kategorie: {auswertung['kategorie']} · Dringlichkeit: {auswertung['dringlichkeit']}")
+    protokoll.schreibe(
+        "notfall" if auswertung["dringlichkeit"] == "notfall" else "anruf",
+        f"{auswertung['kategorie']} · {auswertung['dringlichkeit']}"
+        + (f" · {auswertung['anrufer_name']}" if auswertung.get("anrufer_name") else ""),
+        nummer=anrufer_nummer, kategorie=auswertung["kategorie"],
+        dringlichkeit=auswertung["dringlichkeit"])
+
+    datensatz = {
+        "empfangen": empfangen.isoformat(timespec="seconds"),
+        "anrufer_nummer": anrufer_nummer,
+        "transkript": t.text,
+        "erkannte_sprache": t.sprache,
+        "audio_dauer_s": t.dauer,
+        "auswertung": auswertung,
+    }
+
+    print("▸ Lege ab …")
+    ziel = store.speichere(datensatz, audio)
+    print(f"✔ Fertig: {ziel}")
+    protokoll.schreibe("fertig", f"abgelegt: {ziel.parent.name}/{ziel.name}",
+                       nummer=anrufer_nummer)
+    protokoll.kuerze()
+    return datensatz
+
+
+def main(argv: list[str] | None = None) -> int:
+    p = argparse.ArgumentParser(description="Anruf verarbeiten und ablegen.")
+    p.add_argument("audio", help="Pfad zur Audiodatei (WAV/OPUS/…)")
+    p.add_argument("--nummer", default=None, help="Rufnummer des Anrufers (CLIP), falls bekannt")
+    args = p.parse_args(argv)
+    try:
+        verarbeite(args.audio, anrufer_nummer=args.nummer)
+    except Exception as fehler:
+        print(f"✖ Fehler: {fehler}", file=sys.stderr)
+        return 1
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())