feat: Praezisere Geolocation durch Koordinatenschaetzung + Feature-Erkennung

VLM-Schema:
- estimated_coordinates: Claude schaetzt Lat/Lon + Radius direkt
- identified_features: Konkreter Gewaessername, engste Region, Landmarken
- landscape_clues um water_characteristics erweitert

VLM-Prompt: Komplett ueberarbeitet
- Primaerziel ist jetzt Reverse Geolocation statt nur Objekterkennung
- Spezifische Anleitungen: Fluss-ID (Rhein vs Donau), Kiesfarbe, Uferform
- Explizite Aufforderung fuer Koordinatenschaetzung

BBox-Kaskade (Prioritaet):
1. EXIF-GPS (exakt)
2. estimated_coordinates + Radius (VLM-Schaetzung)
3. identified_features (Gewaesser/Region aus Matching)
4. estimated_location_type (grobe Region)
5. Weltweit (Fallback)

Regions-Mapping: 30+ neue Eintraege
- Deutsche Bundeslaender (NRW, Bayern, Hessen, etc.)
- Flussgebiete (Niederrhein, Oberrhein, Mosel, Elbe, etc.)
- Staedte (Duesseldorf, Koeln, Bonn, Neuss)

Frontend:
- Gruen hervorgehobene Koordinaten-Box mit Radius
- Identifizierte Features (Gewaesser, Region, Landmarken)
- Fly-To zur geschaetzten Position

src/data_vlm.py

@@ -70,6 +70,24 @@ _VLM_SCHEMA = json.dumps({
             "type": "string",
             "description": "Geschaetzter Standort-Typ (z.B. Europa, Naher Osten, Nordamerika)"
         },
+        "estimated_coordinates": {
+            "type": "object",
+            "properties": {
+                "latitude": {"type": "number", "description": "Geschaetzte Breite in Dezimalgrad (z.B. 51.2 fuer Duesseldorf-Region)"},
+                "longitude": {"type": "number", "description": "Geschaetzte Laenge in Dezimalgrad (z.B. 6.8 fuer Duesseldorf-Region)"},
+                "confidence_radius_km": {"type": "number", "description": "Unsicherheitsradius in km (z.B. 5 = sehr sicher, 50 = Region, 500 = nur Kontinent)"},
+                "reasoning": {"type": "string", "description": "Begruendung fuer die Koordinatenschaetzung"}
+            },
+            "description": "Beste Schaetzung der Aufnahmeposition basierend auf ALLEN visuellen Hinweisen. Versuche so praezise wie moeglich zu sein."
+        },
+        "identified_features": {
+            "type": "object",
+            "properties": {
+                "water_body": {"type": "string", "description": "Konkreter Name des Gewaessers falls bestimmbar (z.B. Rhein, Donau, Themse, Nil). Aus Breite, Uferform, Wasserfarbe, Umgebung ableiten."},
+                "specific_region": {"type": "string", "description": "Engstmoegliche Regionsbestimmung (z.B. Niederrhein, Oberrheingraben, Ruhrgebiet, Muenchner Schotterebene)"},
+                "nearby_landmarks": {"type": "string", "description": "Erkennbare Landmarken, Berge, Gebaeude, Infrastruktur in der Naehe"}
+            }
+        },
         "landscape_clues": {
             "type": "object",
             "properties": {
@@ -80,11 +98,12 @@ _VLM_SCHEMA = json.dumps({
                 "signage_language": {"type": "string", "description": "Sprache auf Schildern falls erkennbar"},
                 "vehicle_types": {"type": "string", "description": "Fahrzeugtypen und Fahrtrichtung (links/rechts)"},
                 "climate_indicators": {"type": "string", "description": "Klimaindikatoren (Schnee, Wueste, tropisch, etc.)"},
-                "sun_shadow_direction": {"type": "string", "description": "Schattenrichtung falls erkennbar (z.B. N, NW)"}
+                "sun_shadow_direction": {"type": "string", "description": "Schattenrichtung falls erkennbar (z.B. N, NW)"},
+                "water_characteristics": {"type": "string", "description": "Gewaesser-Details: Breite, Farbe, Stroemung, Ufertyp, Kiesbank, Bewuchs"}
             }
         }
     },
-    "required": ["scene_description", "objects"]
+    "required": ["scene_description", "objects", "estimated_coordinates"]
 })
 
 # --- Objekt-Typ zu OverpassQL Mapping ---
@@ -141,6 +160,39 @@ _REGION_BBOX = {
     "central europe": (5, 45, 20, 56),
     "deutschland": (5.8, 47.2, 15.1, 55.1),
     "germany": (5.8, 47.2, 15.1, 55.1),
+    # Deutsche Regionen
+    "nordrhein-westfalen": (5.8, 50.3, 9.5, 52.6),
+    "nrw": (5.8, 50.3, 9.5, 52.6),
+    "niederrhein": (6.0, 51.0, 7.0, 52.0),
+    "rheinland": (6.0, 50.3, 7.5, 51.5),
+    "ruhrgebiet": (6.5, 51.2, 7.8, 51.7),
+    "bayern": (9.0, 47.2, 13.9, 50.6),
+    "bavaria": (9.0, 47.2, 13.9, 50.6),
+    "baden-wuerttemberg": (7.5, 47.5, 10.5, 49.8),
+    "hessen": (7.7, 49.4, 10.3, 51.7),
+    "niedersachsen": (6.5, 51.3, 11.6, 53.9),
+    "sachsen": (11.8, 50.2, 15.1, 51.7),
+    "berlin": (13.0, 52.3, 13.8, 52.7),
+    "hamburg": (9.7, 53.4, 10.3, 53.7),
+    "schleswig-holstein": (8.3, 53.3, 11.4, 55.1),
+    "rheinland-pfalz": (6.1, 48.9, 8.5, 50.9),
+    # Flussgebiete
+    "oberrhein": (7.0, 47.5, 8.5, 49.0),
+    "oberrheingraben": (7.0, 47.5, 8.5, 49.0),
+    "mittelrhein": (6.8, 49.8, 7.8, 50.5),
+    "rhein": (6.0, 47.5, 8.5, 52.0),
+    "rhine": (6.0, 47.5, 8.5, 52.0),
+    "donau": (8.0, 47.5, 17.0, 49.0),
+    "danube": (8.0, 47.5, 29.0, 48.5),
+    "elbe": (9.5, 50.5, 14.0, 54.0),
+    "mosel": (6.0, 49.0, 7.6, 50.4),
+    "main": (8.0, 49.5, 11.5, 50.3),
+    "weser": (8.5, 51.0, 9.8, 53.5),
+    "neuss": (6.6, 51.1, 6.9, 51.3),
+    "duesseldorf": (6.6, 51.1, 6.9, 51.3),
+    "koeln": (6.8, 50.8, 7.1, 51.1),
+    "cologne": (6.8, 50.8, 7.1, 51.1),
+    "bonn": (7.0, 50.6, 7.2, 50.8),
     # Naher Osten
     "naher osten": (25, 12, 65, 42),
     "middle east": (25, 12, 65, 42),
@@ -229,13 +281,16 @@ async def _run_claude(image_path: str, viewport_info: str = "") -> dict:
     prompt = (
         f"Lies die Bilddatei {image_path} mit dem Read-Tool. "
         f"{context}"
-        "Analysiere das Bild fuer GEOINT/OSINT-Zwecke. "
+        "PRIMAERZIEL: Bestimme den Aufnahmeort so praezise wie moeglich (Reverse Geolocation). "
-        "Identifiziere alle erkennbaren Objekte, Infrastruktur und militaerisch relevante Strukturen. "
+        "Schaetze in estimated_coordinates konkrete Lat/Lon-Werte und einen Unsicherheitsradius. "
-        "Gib fuer jedes Objekt passende OpenStreetMap-Tags an. "
+        "Nutze ALLE visuellen Hinweise: "
-        "Analysiere ausserdem Landschaftsmerkmale fuer Reverse Geolocation: "
+        "1) Gewaesser: Identifiziere den konkreten Fluss/See (Rhein, Donau, Elbe, etc.) anhand von Breite, Wasserfarbe, Uferform, Kiesbaenke, Stroemungsrichtung, Auenlandschaft. "
-        "Vegetation, Bodenfarbe, Strassenmarkierungen, Architekturstil, Schildersprache, "
+        "2) Vegetation: Baumart, Jahreszeit, Reifegrad. Schilf+Kies+Auwald am breiten Fluss = typisch Rhein/Niederrhein. "
-        "Fahrzeugtypen und Fahrtrichtung, Klimaindikatoren, Schattenrichtung. "
+        "3) Architektur, Schilder, Fahrzeuge, Infrastruktur im Hintergrund. "
-        "Fuelle das landscape_clues Objekt so detailliert wie moeglich. "
+        "4) Bodenfarbe, Gestein, Gelaendeform. Rheinischer Kies ist hell, Donauschlick dunkel. "
+        "5) Sonne/Schatten: Richtung und Laenge fuer Breitengrad-Schaetzung. "
+        "Identifiziere ausserdem Objekte und militaerisch relevante Strukturen mit OSM-Tags. "
+        "Fuelle identified_features (Gewaessername, Region, Landmarken) und landscape_clues komplett. "
         "Antworte ausschliesslich im vorgegebenen JSON-Format."
     )
 
@@ -359,6 +414,8 @@ class QueryGenRequest(BaseModel):
     objects: list[dict]
     bbox: list[float] | None = None
     estimated_location_type: str | None = None
+    estimated_coordinates: dict | None = None
+    identified_features: dict | None = None
 
 
 @router.post("/vlm/generate-queries")
@@ -367,14 +424,46 @@ async def generate_queries(req: QueryGenRequest):
     if not req.objects:
         raise HTTPException(400, "Keine Objekte angegeben")
 
-    # BBox bestimmen: explizit > Region > weltweit
+    # BBox bestimmen: explizite BBox > estimated_coordinates > identified_features > Region > weltweit
     bbox = req.bbox
     region_used = None
+    bbox_source = "explicit" if bbox else None
+
+    # 1. Geschaetzte Koordinaten mit Radius (praeziseste Quelle)
+    if not bbox and req.estimated_coordinates:
+        ec = req.estimated_coordinates
+        lat = ec.get("latitude")
+        lon = ec.get("longitude")
+        radius_km = ec.get("confidence_radius_km", 50)
+        if lat is not None and lon is not None:
+            # Radius in Grad umrechnen (1 Grad ~ 111 km)
+            radius_deg = max(0.1, min(radius_km / 111, 10))
+            bbox = [lat - radius_deg, lon - radius_deg, lat + radius_deg, lon + radius_deg]
+            bbox_source = f"coordinates ({lat:.2f}, {lon:.2f}, r={radius_km}km)"
+            logger.info(f"BBox aus estimated_coordinates: {lat}, {lon}, radius {radius_km}km -> {bbox}")
+
+    # 2. Identifizierte Features (Gewaesser, Region)
+    if not bbox and req.identified_features:
+        for key in ["specific_region", "water_body"]:
+            text = req.identified_features.get(key, "")
+            if text:
+                region_bbox = _resolve_region_bbox(text)
+                if region_bbox:
+                    bbox = [region_bbox[1], region_bbox[0], region_bbox[3], region_bbox[2]]
+                    region_used = text
+                    bbox_source = f"feature: {key}={text}"
+                    break
+
+    # 3. Fallback: estimated_location_type
     if not bbox and req.estimated_location_type:
         region_bbox = _resolve_region_bbox(req.estimated_location_type)
         if region_bbox:
-            bbox = [region_bbox[1], region_bbox[0], region_bbox[3], region_bbox[2]]  # S,W,N,E
+            bbox = [region_bbox[1], region_bbox[0], region_bbox[3], region_bbox[2]]
             region_used = req.estimated_location_type
+            bbox_source = f"region: {req.estimated_location_type}"
+
+    if bbox_source:
+        logger.info(f"BBox-Quelle: {bbox_source}")
 
     bbox_str = ""
     if bbox and len(bbox) == 4:

static/js/ui/vlm.js

@@ -238,14 +238,41 @@ const VlmUI = {
             }
         }
 
+        // Geschaetzte Koordinaten
+        var coordsHtml = '';
+        if (data.estimated_coordinates && data.estimated_coordinates.latitude) {
+            var ec = data.estimated_coordinates;
+            var rKm = ec.confidence_radius_km || '?';
+            coordsHtml = '<div class="vlm-exif-card" style="border-color:rgba(0,255,136,0.3);background:rgba(0,255,136,0.06);margin-top:8px">' +
+                '<div style="font-size:9px;letter-spacing:1.5px;color:var(--accent);margin-bottom:4px">GESCHAETZTE POSITION</div>' +
+                '<div style="font-size:13px;color:var(--accent);font-weight:700">' + ec.latitude.toFixed(4) + ', ' + ec.longitude.toFixed(4) +
+                ' <span style="font-size:11px;font-weight:400;color:var(--text-dim)">(&#177;' + rKm + ' km)</span></div>' +
+                (ec.reasoning ? '<div style="font-size:10px;color:var(--text-dim);margin-top:4px">' + ec.reasoning + '</div>' : '') +
+                '</div>';
+        }
+
+        // Identifizierte Features
+        var featHtml = '';
+        if (data.identified_features) {
+            var if_ = data.identified_features;
+            var fp = [];
+            if (if_.water_body) fp.push('<b>Gewaesser:</b> ' + if_.water_body);
+            if (if_.specific_region) fp.push('<b>Region:</b> ' + if_.specific_region);
+            if (if_.nearby_landmarks) fp.push('<b>Landmarken:</b> ' + if_.nearby_landmarks);
+            if (fp.length > 0) {
+                featHtml = '<div style="font-size:9px;letter-spacing:1.5px;color:#00bcd4;margin:8px 0 4px">IDENTIFIZIERTE MERKMALE</div>' +
+                    '<div style="font-size:11px;color:var(--text);line-height:1.8">' + fp.join('<br>') + '</div>';
+            }
+        }
+
         // Szene
         var sceneEl = document.getElementById('vlm-scene');
         if (sceneEl) {
-            sceneEl.innerHTML = exifHtml +
+            sceneEl.innerHTML = exifHtml + coordsHtml +
                 '<div style="margin-top:8px">' + (data.scene_description || 'Keine Beschreibung') +
                 (data.terrain ? ' | Gelaende: ' + data.terrain : '') +
                 (data.estimated_location_type ? ' | Region: ' + data.estimated_location_type : '') +
-                '</div>' + cluesHtml;
+                '</div>' + featHtml + cluesHtml;
         }
 
         // Objekte
@@ -350,16 +377,29 @@ const VlmUI = {
             });
         }
 
-        // === BBox bestimmen: EXIF-GPS > Viewport-Checkbox > Region ===
+        // === BBox bestimmen: EXIF-GPS > estimated_coordinates > Viewport > Region (Backend) ===
         var bbox = null;
+        var ec = analysis.estimated_coordinates;
+        var hasEstCoords = ec && ec.latitude && ec.longitude;
+
         if (hasExifGps) {
-            // 0.5 Grad um EXIF-Position
             bbox = [
-                exif.latitude - 0.5,
+                exif.latitude - 0.5, exif.longitude - 0.5,
-                exif.longitude - 0.5,
+                exif.latitude + 0.5, exif.longitude + 0.5,
-                exif.latitude + 0.5,
-                exif.longitude + 0.5,
             ];
+        } else if (hasEstCoords) {
+            // VLM-geschaetzte Koordinaten: Radius in Grad
+            var rKm = ec.confidence_radius_km || 50;
+            var rDeg = Math.max(0.1, Math.min(rKm / 111, 10));
+            bbox = [
+                ec.latitude - rDeg, ec.longitude - rDeg,
+                ec.latitude + rDeg, ec.longitude + rDeg,
+            ];
+            // Zur geschaetzten Position fliegen
+            Globe.viewer.camera.flyTo({
+                destination: Cesium.Cartesian3.fromDegrees(ec.longitude, ec.latitude, Math.max(50000, rKm * 2000)),
+                duration: 2,
+            });
         } else {
             var bboxCb = document.getElementById('vlm-use-bbox');
             if (bboxCb && bboxCb.checked && Globe.viewer) {
@@ -373,7 +413,6 @@ const VlmUI = {
                     ];
                 }
             }
-            // Kein explizites BBox? Region wird vom Backend aus estimated_location_type abgeleitet
         }
 
         var btn = document.getElementById('vlm-search-btn');
@@ -393,6 +432,8 @@ const VlmUI = {
                 objects: selected,
                 bbox: bbox,
                 estimated_location_type: analysis.estimated_location_type || null,
+                estimated_coordinates: analysis.estimated_coordinates || null,
+                identified_features: analysis.identified_features || null,
             }),
         })
         .then(function(r) {