fix: Viewport-Bias entfernt + Timestamp-Sonnenstand + hoehere Aufloesung

Kernproblem: Claude wurde durch Viewport-Position beeinflusst
(User schaut auf Sueddeutschland → Claude sagt Bayern)

Fixes:
- Viewport-Info wird NICHT mehr an VLM-Prompt uebergeben
- Stattdessen: Dateiname-Timestamp extrahiert (20231010_155544 → Datum)
- Sonnenstand fuer 3 Breitengrade berechnet und als Kontext mitgegeben
- Prompt: explizite Anweisung, sich NUR auf Bildinhalt zu stuetzen
- Bildaufloesung von 1500px auf 2500px erhoeht (mehr Details)
- Besseres Logging: Koordinaten, Gewaesser, Region

src/data_vlm.py

@@ -19,7 +19,7 @@ router = APIRouter()
 _CLAUDE_BIN = "/usr/bin/claude"
 _TIMEOUT = 90
 _MAX_IMAGE_SIZE = 10 * 1024 * 1024  # 10 MB
-_MAX_IMAGE_DIMENSION = 1500
+_MAX_IMAGE_DIMENSION = 2500
 _ALLOWED_TYPES = {"image/png", "image/jpeg", "image/webp"}
 
 # Semaphore: max 1 gleichzeitige Analyse
@@ -272,24 +272,76 @@ def _resize_image(input_path: str, output_path: str):
         img.save(output_path, "PNG", optimize=True)
 
 
-async def _run_claude(image_path: str, viewport_info: str = "") -> dict:
+def _extract_filename_timestamp(filename: str) -> str | None:
+    """Extrahiert Datum/Uhrzeit aus Dateinamen wie 20231010_155544.jpg."""
+    import re
+    # Pattern: YYYYMMDD_HHMMSS oder YYYY-MM-DD_HH-MM-SS
+    m = re.search(r'(\d{4})(\d{2})(\d{2})[_-](\d{2})(\d{2})(\d{2})', filename or "")
+    if m:
+        return f"{m.group(1)}-{m.group(2)}-{m.group(3)}T{m.group(4)}:{m.group(5)}:{m.group(6)}"
+    m = re.search(r'(\d{4})-(\d{2})-(\d{2})[_T](\d{2})-(\d{2})-(\d{2})', filename or "")
+    if m:
+        return f"{m.group(1)}-{m.group(2)}-{m.group(3)}T{m.group(4)}:{m.group(5)}:{m.group(6)}"
+    return None
+
+
+async def _run_claude(image_path: str, viewport_info: str = "", filename: str = "", exif_data: dict = None) -> dict:
     """Ruft Claude Code headless auf um ein Bild zu analysieren."""
+    # Kontext aus Metadaten aufbauen (NICHT Viewport — das erzeugt Bias!)
+    context_parts = []
+
+    # Timestamp aus Dateiname oder EXIF
+    ts = None
+    if exif_data and exif_data.get("timestamp"):
+        ts = exif_data["timestamp"]
+        context_parts.append(f"EXIF-Zeitstempel: {ts}")
+    else:
+        ts = _extract_filename_timestamp(filename)
+        if ts:
+            context_parts.append(f"Dateiname-Zeitstempel: {ts} (Lokalzeit, Zeitzone unbekannt)")
+
+    # Sonnenstand berechnen falls Timestamp vorhanden (fuer verschiedene Breitengrade)
+    if ts:
+        from data_geoint import _calc_sun_position
+        from datetime import datetime, timezone
+        try:
+            dt_str = ts.replace("Z", "+00:00")
+            if "+" not in dt_str and len(dt_str) <= 19:
+                dt_str += "+00:00"  # UTC annehmen wenn keine TZ
+            dt = datetime.fromisoformat(dt_str)
+            if dt.tzinfo is None:
+                dt = dt.replace(tzinfo=timezone.utc)
+            # Sonnenstand fuer verschiedene Breitengrade berechnen (Hilfe bei Eingrenzung)
+            sun_info = []
+            for test_lat, label in [(48.0, "Sueddeutschland"), (51.0, "NRW/Mitteldeutschland"), (53.5, "Norddeutschland")]:
+                sun = _calc_sun_position(test_lat, 8.0, dt)
+                sun_info.append(f"{label} (Lat {test_lat}): Elevation {sun['elevation']}°, Azimut {sun['azimuth']}°")
+            context_parts.append("Sonnenstand zum Aufnahmezeitpunkt: " + "; ".join(sun_info))
+        except Exception:
+            pass
+
+    # EXIF-GPS als starker Hinweis
+    if exif_data and exif_data.get("has_gps"):
+        context_parts.append(f"EXIF-GPS: {exif_data['latitude']}, {exif_data['longitude']} (verifizierte Position!)")
+
     context = ""
-    if viewport_info:
+    if context_parts:
-        context = f"Kontext: Der Nutzer schaut gerade auf {viewport_info}. "
+        context = "Metadaten: " + " | ".join(context_parts) + ". "
 
     prompt = (
         f"Lies die Bilddatei {image_path} mit dem Read-Tool. "
         f"{context}"
         "PRIMAERZIEL: Bestimme den Aufnahmeort so praezise wie moeglich (Reverse Geolocation). "
+        "WICHTIG: Schaetze die Position AUSSCHLIESSLICH anhand des Bildinhalts. "
+        "Lass dich NICHT von Viewport-Positionen oder Vermutungen beeinflussen. "
         "Schaetze in estimated_coordinates konkrete Lat/Lon-Werte und einen Unsicherheitsradius. "
         "Nutze ALLE visuellen Hinweise: "
-        "1) Gewaesser: Identifiziere den konkreten Fluss/See (Rhein, Donau, Elbe, etc.) anhand von Breite, Wasserfarbe, Uferform, Kiesbaenke, Stroemungsrichtung, Auenlandschaft. "
+        "1) Gewaesser: Identifiziere den konkreten Fluss/See anhand von Breite, Wasserfarbe, Uferform, Kiesbaenke, Stroemung. "
-        "2) Vegetation: Baumart, Jahreszeit, Reifegrad. Schilf+Kies+Auwald am breiten Fluss = typisch Rhein/Niederrhein. "
+        "Ein breiter Fluss (>200m) mit hellen Kiesbaenken und Schilfzonen in Mitteleuropa ist wahrscheinlich Rhein, Main oder Elbe. "
+        "2) Vegetation: Baumart, Jahreszeit, Reifegrad. "
         "3) Architektur, Schilder, Fahrzeuge, Infrastruktur im Hintergrund. "
-        "4) Bodenfarbe, Gestein, Gelaendeform. Rheinischer Kies ist hell, Donauschlick dunkel. "
+        "4) Bodenfarbe und Gestein. Heller Rheinkies vs. dunkler Donauschotter. "
-        "5) Sonne/Schatten: Richtung und Laenge fuer Breitengrad-Schaetzung. "
+        "5) Schatten: Richtung und Laenge. Vergleiche mit den Sonnenstand-Daten falls vorhanden. "
-        "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."
     )
@@ -386,14 +438,19 @@ async def analyze_image(
             if exif_data.get("has_gps"):
                 logger.info(f"EXIF GPS: {exif_data['latitude']}, {exif_data['longitude']}")
 
-            # Claude Code aufrufen
+            # Claude Code aufrufen (Dateiname + EXIF als Kontext, NICHT Viewport)
-            result = await _run_claude(resized_path, viewport_info)
+            result = await _run_claude(resized_path, filename=file.filename, exif_data=exif_data)
 
             # EXIF-Daten zum Ergebnis hinzufuegen
             result["exif"] = exif_data
 
+            # Ergebnis loggen
+            ec = result.get("estimated_coordinates", {})
+            idf = result.get("identified_features", {})
             logger.info(
-                f"VLM-Analyse abgeschlossen: {len(result.get('objects', []))} Objekte erkannt"
+                f"VLM-Analyse abgeschlossen: {len(result.get('objects', []))} Objekte, "
+                f"Koordinaten: {ec.get('latitude')}/{ec.get('longitude')} (r={ec.get('confidence_radius_km')}km), "
+                f"Gewaesser: {idf.get('water_body')}, Region: {idf.get('specific_region')}"
             )
             return result