feat: Bewertungssystem (👍/👎) als Trainingsdaten-Export

Jede Karte im Leitstand bekommt Daumen hoch/runter fuer die Kategorisierung.
Bei 👎 optional Korrektur (richtige Kategorie/Dringlichkeit). Gespeichert
als bewertung.json pro Anruf-Ordner (gleiches Muster wie stapel.json,
pipe/bewertung.py).

Export als JSONL (pipe/export.py, neuer "📤 Bewertungen exportieren"-Knopf
+ automatisch beim "Tag archivieren"): ein Datensatz pro bewertetem Anruf
mit Transkript, Modell-Ausgabe, Backend/Modell, Bewertung und Korrektur -
fuer externe Auswertung (z.B. um Kategorisierungs-Fehler systematisch statt
zufaellig zu finden, wie das Notfall-Sicherheitsnetz vom letzten Fund).

Export-Knopf verlangt Bestaetigung ("Transkripte und Namen verlassen den
Rechner") - bewusst kein automatischer Export ohne Hinweis, das steht sonst
im Widerspruch zum On-Prem-Versprechen. training/ ist neu gitignored (volle
Transkripte/Namen drin, siehe README-Hinweis zu Testdaten).

Nebenbei: process_call.py legt jetzt auch backend/modell/dauer_s der
Kategorisierung dauerhaft in meta.json ab (vorher nur im fluechtigen Log) -
noetig, damit der Export nachvollziehbar ist, welches Modell lief.

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_015vtvcyNkapuDh583643hNs

pipe/export.py

@@ -0,0 +1,69 @@
+"""Exportiert bewertete Anrufe als JSONL-Trainingsdaten (Transkript + Modell-
+Ausgabe + Bewertung + ggf. Korrektur) - fuer externe Auswertung, z.B. um
+Kategorisierungs-Fehler systematisch statt zufaellig zu finden.
+
+    python3 -m pipe.export
+
+Nimmt jeden Anruf mit bewertung.json (unabhaengig vom Datum - kein
+inkrementeller Export, einfach alle aktuell vorhandenen Bewertungen). Legt
+unter training/ ab, das wie ablage/ nicht ins Git gehoert (siehe .gitignore) -
+volle Transkripte + Namen sind bewusst drin (Testphase, siehe README-Hinweis
+zu erfundenen Daten), fuer den Produktivbetrieb muss das neu entschieden
+werden, siehe Warnhinweis beim Export-Knopf im Leitstand.
+"""
+from __future__ import annotations
+
+import json
+from datetime import datetime
+from pathlib import Path
+
+from . import bewertung, config
+
+EXPORT_ORDNER = config.WURZEL / "training"
+
+
+def sammle() -> list[dict]:
+    """Alle aktuell bewerteten Anrufe, als flache Trainingsdatensaetze."""
+    eintraege = []
+    if not config.ABLAGE_LOKAL.is_dir():
+        return eintraege
+    for meta_pfad in sorted(config.ABLAGE_LOKAL.glob("*/*/meta.json")):
+        ordner = meta_pfad.parent
+        b = bewertung.lies(ordner)
+        if b is None:
+            continue
+        try:
+            daten = json.loads(meta_pfad.read_text(encoding="utf-8"))
+        except Exception:
+            continue
+        eintraege.append({
+            "anruf_id": str(ordner.relative_to(config.ABLAGE_LOKAL)),
+            "empfangen": daten.get("empfangen"),
+            "transkript": daten.get("transkript"),
+            "modell_ausgabe": daten.get("auswertung"),
+            "kategorisierung": daten.get("kategorisierung"),
+            "bewertung": b["bewertung"],
+            "korrektur": b.get("korrektur"),
+            "bewertet_am": b.get("zeitpunkt"),
+        })
+    return eintraege
+
+
+def exportiere() -> tuple[Path, int]:
+    """Schreibt eine neue JSONL-Datei. Gibt (Pfad, Anzahl) zurueck."""
+    eintraege = sammle()
+    EXPORT_ORDNER.mkdir(parents=True, exist_ok=True)
+    ziel = EXPORT_ORDNER / f"export_{datetime.now():%Y%m%d-%H%M%S}.jsonl"
+    with ziel.open("w", encoding="utf-8") as f:
+        for e in eintraege:
+            f.write(json.dumps(e, ensure_ascii=False) + "\n")
+    return ziel, len(eintraege)
+
+
+def main() -> None:
+    ziel, anzahl = exportiere()
+    print(f"{anzahl} bewertete Anrufe exportiert nach {ziel}")
+
+
+if __name__ == "__main__":
+    main()