feat(eu): Faktencheck weist Unsicherheit aus statt alles zu bestaetigen

Der EU-Faktencheck bestaetigte praktisch jede Behauptung. Ueber alle Laeufe
seit Lage 42 lag der Anteil offener Punkte bei 6 Prozent, beim Weg ueber die
Anthropic-CLI bei 31 Prozent. In acht aufeinanderfolgenden Laeufen zur
Ceuta-Lage war er exakt null, achtmal zehn Behauptungen, zehnmal bestaetigt.

Bei derselben Lage bewerteten beide Wege dieselben Aussagen verschieden. Der
Anthropic-Weg stufte "22 EU-Laender kritisieren Spanien" mit sechs Quellen als
unbestaetigt ein, der EU-Weg dieselbe Aussage mit vier Quellen als bestaetigt.
Mehr Quellen und trotzdem vorsichtiger, das ist kein Zufall, sondern Bauart.

Drei Ursachen, drei Aenderungen.

1. Die Belegsuche kannte nur Bestaetigung. Alle Anfragen waren stuetzend
   formuliert, wer so sucht findet auch nur Stuetzendes. Ein Anteil der
   Anfragen (EU_VERIFY_COUNTER_SHARE, Vorgabe 0.3) ist jetzt eine Gegenprobe
   und sucht gezielt nach Dementi, Richtigstellung, abweichenden Angaben und
   der Darstellung der Gegenseite. Die Treffer sind im Kontext als
   [GEGENPROBE] gekennzeichnet.

2. Das Modell konnte Belege nicht wirklich pruefen. Die Belegsuche lief mit
   abgeschaltetem Volltext, das Modell sah je Treffer nur Ueberschrift und
   Auszug. Ein Artikel zum Thema wurde damit zum Beleg fuer eine konkrete
   Zahl. Bis zu EU_VERIFY_FULLTEXT_QUERIES Anfragen holen jetzt den
   Artikeltext. Dazu die Ansage, dass ein Treffer, der nur das Thema erwaehnt,
   kein Beleg ist, und dass eine Angabe, die praeziser ist als ihre Quelle,
   nicht traegt.

3. Die zweite Runde lief nur in eine Richtung. Sie belegte offene Punkte nach,
   und wenn nichts offen war, lief sie gar nicht. Ausgerechnet der Fall "alles
   bestaetigt" blieb ungeprueft. Jetzt folgt dort eine Belastungsprobe. Sie
   sucht ausschliesslich Gegenproben zu den staerksten Behauptungen und darf
   Bestaetigungen zuruecknehmen, aber niemals vergeben. Zurueckgestuft wird
   bei Widerspruch, bei Dementi, wenn die Belege die konkrete Angabe gar nicht
   nennen, wenn die Behauptung praeziser ist als ihre Quellen, oder wenn nur
   eine einzige Stelle berichtet. Ausserdem darf die Nachhak-Runde einen Status
   jetzt auch absenken, wenn die Nachrecherche der Behauptung widerspricht.

Dabei fiel ein Robustheitsmangel auf. Scheiterte die zweite Runde, etwa weil
die Suche nicht erreichbar war, ging der gesamte Faktencheck verloren statt nur
die Zusatzpruefung. Die zweite Runde ist jetzt gekapselt, das Ergebnis des
ersten Durchgangs bleibt in jedem Fall erhalten.

Der Weg ueber die Anthropic-CLI bleibt unveraendert. Neu sind 26 Pruefungen,
insgesamt laufen 250 ohne Netzzugriff und ohne Kosten.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

src/agents/eu_researcher.py

@@ -28,6 +28,9 @@ from config import (
     EU_RESEARCH_MAX_NEW_PER_ROUND,
     EU_RESEARCH_MAX_ROUNDS_ADHOC,
     EU_RESEARCH_MAX_ROUNDS_RESEARCH,
+    EU_VERIFY_COUNTER_SHARE,
+    EU_VERIFY_FULLTEXT_CHARS,
+    EU_VERIFY_FULLTEXT_QUERIES,
     EU_VERIFY_HITS_PER_QUERY,
     EU_VERIFY_MAX_ITEMS,
     EU_VERIFY_MAX_QUERIES,
@@ -448,6 +451,13 @@ _SEARCH_NOTE_WITH_RESULTS = (
     " WICHTIG: Nenne bei jedem Beleg, auf den du dich stützt, immer die vollständige "
     "Adresse (die URL hinter der [S..]-Nummer), nicht nur die Nummer. Ohne Adresse "
     "gilt ein Beleg als nicht nachprüfbar."
+    " EBENSO WICHTIG, so prüfst du einen Beleg: Ein Treffer, der nur das Thema "
+    "erwähnt, ist KEIN Beleg. Die konkrete Aussage mit ihrer Zahl, ihrem Namen oder "
+    "ihrem Datum muss im Titel, im Auszug oder im Artikeltext tatsächlich vorkommen. "
+    "Steht dort nur, dass es die Lage gibt, oder ist die Angabe vager als deine "
+    "Behauptung, dann trägt dieser Treffer sie nicht. Zähle ihn dann nicht mit und "
+    "sage das in der Begründung ehrlich. Lieber ein unbestätigter Punkt mit klarer "
+    "Begründung als eine Bestätigung, die einer Nachprüfung nicht standhält."
 )
 _SEARCH_NOTE_NO_RESULTS = (
     " Stütze dich ausschließlich auf die übergebenen Meldungen und Quellen."
@@ -464,16 +474,30 @@ Erzeuge bis zu {max_queries} Websuche-Anfragen. Plane sie GEZIELT je Punkt, nich
 pauschal für alle zusammen. Eine gute Anfrage macht genau einen dieser Punkte
 überprüfbar, mit seinen konkreten Zahlen, Namen und Orten.
 
+Davon sind {counter_queries} Anfragen ausdrücklich GEGENPROBEN. Eine Gegenprobe sucht
+nicht nach Bestätigung, sondern nach allem, was der Behauptung widerspricht. Also nach
+Dementis, Richtigstellungen, abweichenden Zahlen anderer Stellen, nach der Darstellung
+der Gegenseite und nach Berichten, die den Vorgang anders einordnen. Wer nur nach
+Bestätigung sucht, findet auch nur Bestätigung, und der Faktencheck wird wertlos.
+Beispiele für Gegenproben: "Behörde dementiert Angaben zu X", "X Zahlen umstritten
+Kritik", "X widerspricht Darstellung". Markiere sie mit "gegenprobe": true.
+
 REGELN:
-- Ordne jeder Anfrage über "for_items" zu, welche Punkte sie belegen soll.
+- Ordne jeder Anfrage über "for_items" zu, welche Punkte sie prüfen soll.
 - Decke möglichst viele verschiedene Punkte ab, statt denselben mehrfach zu suchen.
 - Priorisiere Punkte mit harten, überprüfbaren Angaben (Zahlen, Daten, Zitate, Beschlüsse).
+- Wähle für die Gegenproben die Punkte aus, bei denen ein Irrtum am schwersten wiegt,
+  also Opferzahlen, Zuschreibungen von Verantwortung, Beschlüsse und Zitate.
+- Setze "full_content": true bei den Anfragen, deren Punkt sich nur im Artikeltext
+  wirklich prüfen lässt, höchstens bei {fulltext_queries} Anfragen. Bei diesen bekommst
+  du den Artikeltext statt nur der Überschrift.
 - Nutze die Sprache, in der die Berichterstattung zu erwarten ist. Für Ereignisse in
   einem Land sind Quellen in dessen Landessprache oft ergiebiger.
 - Keine Jahreszahlen anhängen, keine Wiederholung derselben Anfrage.
 {avoid_block}
 Antworte NUR mit JSON:
-{{"queries": [{{"q": "suchbegriffe", "market": "{default_market}", "for_items": [1, 2]}}]}}
+{{"queries": [{{"q": "suchbegriffe", "market": "{default_market}", "for_items": [1, 2],
+"gegenprobe": false, "full_content": false}}]}}
 "market" ist "de-de", "en-us" oder "fr-fr". Fremdsprachige Anfragen funktionieren mit "en-us"."""
 
 
@@ -518,6 +542,7 @@ async def plan_verification_searches(
     max_queries: int = EU_VERIFY_MAX_QUERIES,
     avoid_queries: list[str] | None = None,
     label: str = "Stützsuche",
+    nur_gegenproben: bool = False,
 ) -> Belegsuche:
     """Plant gezielte Belegsuchen zu den uebergebenen Punkten und fuehrt sie aus.
 
@@ -544,11 +569,22 @@ async def plan_verification_searches(
             + "\n".join(f"  {q[:120]}" for q in avoid_queries[:10]) + "\n"
         )
 
+    # Ein fester Anteil der Anfragen sucht nach Widerspruch statt nach
+    # Bestaetigung. Ohne das sieht der Faktencheck nur stuetzendes Material und
+    # bestaetigt praktisch alles.
+    if nur_gegenproben:
+        anzahl_gegenproben = max_queries
+    else:
+        anzahl_gegenproben = max(1, round(max_queries * EU_VERIFY_COUNTER_SHARE)) if max_queries >= 3 else 0
+    anzahl_volltexte = min(EU_VERIFY_FULLTEXT_QUERIES, max_queries)
+
     plan_prompt = _VERIFY_QUERY_PROMPT.format(
         today=datetime.now(TIMEZONE).strftime("%d.%m.%Y"),
         title=title or "(ohne Titel)",
         items_block="\n".join(f"{i}. {s[:220]}" for i, s in enumerate(items, 1)),
         max_queries=max_queries,
+        counter_queries=anzahl_gegenproben,
+        fulltext_queries=anzahl_volltexte,
         default_market=default_market,
         avoid_block=avoid_block,
     )
@@ -571,7 +607,12 @@ async def plan_verification_searches(
         if not text or text.lower() in gesehen:
             continue
         gesehen.add(text.lower())
-        queries.append({"q": text, "market": str(q.get("market", "")).strip().lower()})
+        queries.append({
+            "q": text,
+            "market": str(q.get("market", "")).strip().lower(),
+            "gegenprobe": nur_gegenproben or bool(q.get("gegenprobe")),
+            "full_content": bool(q.get("full_content")),
+        })
         if len(queries) >= max_queries:
             break
 
@@ -584,14 +625,21 @@ async def plan_verification_searches(
     quellen: list[dict] = []
     gesehene_urls: set[str] = set()
     treffer = 0
+    volltexte_genutzt = 0
+    gegenproben_gelaufen = 0
     for q in queries:
+        will_volltext = q["full_content"] and volltexte_genutzt < anzahl_volltexte
         try:
             res = await staan_search(
                 q["q"],
                 market=q["market"] if q["market"] in ("de-de", "en-us", "fr-fr") else default_market,
-                extra_snippets=True, max_snippets=3, full_content=False,
+                extra_snippets=True, max_snippets=3, full_content=will_volltext,
             )
             ausgefuehrt.append(q["q"])
+            if will_volltext:
+                volltexte_genutzt += 1
+            if q["gegenprobe"]:
+                gegenproben_gelaufen += 1
         except StaanError as e:
             logger.warning("EU-%s: Suche fehlgeschlagen (%s)", label, e)
             continue
@@ -613,23 +661,40 @@ async def plan_verification_searches(
                 "source": r["hostname"] or "",
                 "source_url": url,
             })
-            lines.append(f"[S{treffer}] {r['title'] or '(ohne Titel)'} | {r['hostname']} | {r['url']}")
+            marke = " [GEGENPROBE]" if q["gegenprobe"] else ""
+            lines.append(
+                f"[S{treffer}]{marke} {r['title'] or '(ohne Titel)'} | {r['hostname']} | {r['url']}")
             if r.get("snippet"):
                 lines.append(f"     Auszug: {r['snippet'][:300]}")
             for chunk in (r.get("extra_snippets") or [])[:1]:
                 lines.append(f"     Auszug: {chunk[:300]}")
+            # Volltext, damit das Modell pruefen kann, ob die Quelle die
+            # Behauptung wirklich traegt, statt aus der Ueberschrift zu schliessen.
+            volltext = (r.get("full_text") or "").strip()
+            if volltext:
+                lines.append(f"     Artikeltext: {volltext[:EU_VERIFY_FULLTEXT_CHARS]}")
 
     total.cost_usd += len(ausgefuehrt) * STAAN_COST_PER_QUERY_USD
-    logger.info("EU-%s: %d Suchen, %d Treffer im Kontextblock", label, len(ausgefuehrt), treffer)
+    logger.info(
+        "EU-%s: %d Suchen (davon %d Gegenproben, %d mit Artikeltext), %d Treffer im Kontextblock",
+        label, len(ausgefuehrt), gegenproben_gelaufen, volltexte_genutzt, treffer)
 
     if not lines:
         return Belegsuche("", total, ausgefuehrt, [])
 
-    block = (
+    kopf = (
         "\n\nERGEBNISSE DER EUROPÄISCHEN WEBSUCHE "
-        "(von unserem System ausgeführt, als unabhängige Zweitquellen nutzbar):\n"
+        "(von unserem System ausgeführt, als unabhängige Zweitquellen nutzbar).\n"
-        + "\n".join(lines)
     )
+    if gegenproben_gelaufen:
+        kopf += (
+            "Ein Teil dieser Suchen war eine GEGENPROBE, sie suchte gezielt nach "
+            "Widerspruch, Dementi oder abweichenden Angaben. Diese Treffer sind mit "
+            "[GEGENPROBE] gekennzeichnet. Findet sich dort nichts Widersprechendes, "
+            "stützt das die Behauptung zusätzlich. Findet sich etwas, muss es in die "
+            "Bewertung einfließen.\n"
+        )
+    block = kopf + "\n".join(lines)
     return Belegsuche(block, total, ausgefuehrt, quellen)
 
 

src/agents/factchecker.py

@@ -414,6 +414,53 @@ TWOPHASE_MIN_FACTS = 25          # Ab dieser Anzahl bestehender Fakten wird der
 # Nachhak-Runde ausloesen koennen.
 OFFENE_STATUS = ("unconfirmed", "unverified", "developing")
 
+# Status, die eine Bestaetigung behaupten. Genau diese werden in der
+# Belastungsprobe noch einmal angegriffen.
+BESTAETIGTE_STATUS = ("confirmed", "established")
+
+# Status, die einen Widerspruch oder eine Widerlegung ausdruecken. Sie duerfen
+# eine Bestaetigung auch zuruecknehmen, sonst gaebe es nur den Weg nach oben.
+WIDERSPRUCH_STATUS = ("contradicted", "disputed", "false")
+
+EU_CHALLENGE_PROMPT_TEMPLATE = """Du bist ein OSINT-Faktenchecker und fuehrst eine BELASTUNGSPROBE durch.
+AUSGABESPRACHE: {output_language}
+- KEINE Gedankenstriche verwenden, stattdessen Kommas oder neue Saetze.
+- Verwende IMMER echte UTF-8-Umlaute (ä, ö, ü, ß), NIEMALS Umschreibungen.
+
+LAGE: {title}
+
+Im ersten Durchgang wurden die folgenden Behauptungen als belegt eingestuft. Das ist
+verdaechtig, denn bei einer laufenden Lage ist selten alles gesichert. Fuer genau diese
+Punkte wurden jetzt GEGENPROBEN gesucht, also gezielt nach Dementis, Richtigstellungen,
+abweichenden Angaben und der Darstellung der Gegenseite. Die Ergebnisse stehen unten.
+
+ALS BELEGT EINGESTUFTE BEHAUPTUNGEN:
+{claims_text}
+
+AUFGABE:
+Pruefe jede dieser Behauptungen kritisch gegen die unten angehaengten Suchergebnisse.
+Deine Aufgabe ist NICHT, die Bestaetigung zu wiederholen, sondern zu pruefen, ob sie
+haelt.
+
+Stufe eine Behauptung zurueck, wenn einer dieser Punkte zutrifft:
+- Eine Quelle widerspricht ihr in der Sache, dann "{widerspruch}".
+- Eine Stelle hat sie ausdruecklich dementiert oder richtiggestellt, dann "false".
+- Die Belege nennen die konkrete Angabe gar nicht, sondern nur das Thema, dann "{offen}".
+- Die Angabe ist praeziser formuliert als die Quellen sie hergeben, etwa eine genaue
+  Zahl, wo die Quellen von einer Schaetzung oder einer Spanne sprechen, dann "{offen}".
+- Nur eine einzige Stelle berichtet es und keine zweite bestaetigt es, dann "{offen}".
+
+Lass sie unveraendert, wenn die Gegenprobe nichts Belastendes gebracht hat. Das ist ein
+gutes Ergebnis und keine Niederlage.
+
+Erfinde keinen Zweifel. Ein Zurueckstufen braucht einen konkreten Beleg oder eine
+konkrete Luecke, die du benennen kannst.
+
+Antworte NUR mit einem JSON-Array, ein Objekt je oben genannter Behauptung:
+[{{"claim": "Behauptung im Wortlaut wie oben", "status": "{status_werte}",
+"evidence": "Begruendung mit [S..] und vollstaendiger Adresse", "unveraendert": true}}]
+Setze "unveraendert" auf true, wenn die Behauptung haelt, sonst auf false."""
+
 EU_FOLLOWUP_PROMPT_TEMPLATE = """Du bist ein OSINT-Faktenchecker.
 AUSGABESPRACHE: {output_language}
 - KEINE Gedankenstriche verwenden, stattdessen Kommas oder neue Saetze.
@@ -675,14 +722,21 @@ class FactCheckerAgent:
         max_queries: int | None = None,
         followup_queries: int | None = None,
     ) -> tuple[list[dict], ClaudeUsage]:
-        """Faktencheck im EU-Modus, mit gezielter Belegsuche und Nachhak-Runde.
+        """Faktencheck im EU-Modus, mit gezielter Belegsuche und zweiter Runde.
 
         Ablauf. Erstens werden zu den uebergebenen Punkten gezielt Belege
-        gesucht und in den Auftrag gelegt. Zweitens laeuft der eigentliche
+        gesucht und in den Auftrag gelegt, ein Teil davon als Gegenprobe.
-        Faktencheck. Drittens, falls danach noch Behauptungen unbelegt sind,
+        Zweitens laeuft der eigentliche Faktencheck. Drittens folgt eine zweite
-        wird fuer genau diese noch einmal gesucht und nur sie werden erneut
+        Runde, und zwar in beide Richtungen. Sind Behauptungen offen geblieben,
-        bewertet. Das bildet das Nachhaken nach, das der heutige Weg mit seiner
+        wird fuer genau diese noch einmal gesucht und nachbelegt. Sieht dagegen
-        eingebauten Websuche von sich aus macht.
+        alles bestaetigt aus, laeuft eine Belastungsprobe, die gezielt nach
+        Widerspruch zu den staerksten Behauptungen sucht.
+
+        Der zweite Fall ist der wichtigere. Der EU-Weg bekommt seine Belege
+        vorab beschafft und sieht deshalb nie, dass etwas fehlt. Ohne
+        Belastungsprobe bestaetigte er acht Laeufe in Folge jede einzelne
+        Behauptung, waehrend der Weg ueber die Anthropic-CLI bei derselben Lage
+        rund ein Drittel offen liess.
         """
         from agents.claude_client import call_claude
         from agents.eu_researcher import (
@@ -709,17 +763,143 @@ class FactCheckerAgent:
         # Suche stuetzen, und werden faelschlich herabgestuft.
         facts = self._parse_response(result, articles=(articles or []) + suche.quellen)
 
-        offene = [f for f in facts if f.get("status") in OFFENE_STATUS]
+        if anzahl_nachhak <= 0:
-        if anzahl_nachhak <= 0 or len(offene) < EU_VERIFY_FOLLOWUP_MIN_OPEN:
             return facts, gesamt
 
-        logger.info("EU-Faktencheck: %d von %d Behauptungen offen, starte Nachhak-Runde", len(offene), len(facts))
+        # Die zweite Runde ist eine Verbesserung, keine Voraussetzung. Faellt sie
-        facts, nachhak_usage = await self._eu_nachhaken(
+        # aus, bleibt das Ergebnis des ersten Durchgangs erhalten, statt dass der
-            facts=facts, offene=offene, title=title,
+        # ganze Faktencheck verloren geht.
-            output_language=output_language, incident_type=incident_type,
+        try:
-            avoid_queries=suche.queries, followup_queries=anzahl_nachhak,
+            offene = [f for f in facts if f.get("status") in OFFENE_STATUS]
+            if len(offene) >= EU_VERIFY_FOLLOWUP_MIN_OPEN:
+                logger.info(
+                    "EU-Faktencheck: %d von %d Behauptungen offen, starte Nachhak-Runde",
+                    len(offene), len(facts))
+                facts, zweite_usage = await self._eu_nachhaken(
+                    facts=facts, offene=offene, title=title,
+                    output_language=output_language, incident_type=incident_type,
+                    avoid_queries=suche.queries, followup_queries=anzahl_nachhak,
+                )
+            else:
+                bestaetigt = [f for f in facts if f.get("status") in BESTAETIGTE_STATUS]
+                if not bestaetigt:
+                    return facts, gesamt
+                logger.info(
+                    "EU-Faktencheck: %d von %d Behauptungen bestaetigt, starte Belastungsprobe",
+                    len(bestaetigt), len(facts))
+                facts, zweite_usage = await self._eu_belastungsprobe(
+                    facts=facts, bestaetigt=bestaetigt, title=title,
+                    output_language=output_language, incident_type=incident_type,
+                    avoid_queries=suche.queries, queries=anzahl_nachhak,
+                )
+            _add_usage(gesamt, zweite_usage)
+        except asyncio.CancelledError:
+            raise
+        except Exception as e:
+            logger.warning(
+                "EU-Faktencheck: zweite Runde fehlgeschlagen (%s), Ergebnis des ersten "
+                "Durchgangs bleibt bestehen", e)
+        return facts, gesamt
+
+    async def _eu_belastungsprobe(
+        self,
+        *,
+        facts: list[dict],
+        bestaetigt: list[dict],
+        title: str,
+        output_language: str,
+        incident_type: str,
+        avoid_queries: list[str],
+        queries: int,
+    ) -> tuple[list[dict], ClaudeUsage]:
+        """Greift die als belegt eingestuften Behauptungen gezielt an.
+
+        Sucht ausschliesslich nach Widerspruch und laesst das Modell die
+        Bestaetigungen daran messen. Nur so kann der EU-Weg ueberhaupt zu einem
+        unbestaetigten Ergebnis kommen, denn seine normale Belegsuche ist auf
+        Bestaetigung ausgelegt und findet deshalb auch nur Bestaetigung.
+        """
+        from agents.claude_client import call_claude
+        from agents.eu_researcher import (
+            plan_verification_searches, build_eu_prompt, _add_usage,
+        )
+        from json_utils import extract_json_arrays
+
+        gesamt = ClaudeUsage()
+        kandidaten = bestaetigt[:MAX_FACTS_PER_VERIFY_GROUP]
+        claims = [f.get("claim", "") for f in kandidaten if f.get("claim")]
+        if not claims:
+            return facts, gesamt
+
+        suche = await plan_verification_searches(
+            title=title, search_items=claims, output_language=output_language,
+            max_queries=queries, avoid_queries=avoid_queries,
+            label="Belastungsprobe", nur_gegenproben=True,
+        )
+        _add_usage(gesamt, suche.usage)
+        if not suche.block:
+            logger.info("EU-Belastungsprobe: keine Gegenbelege gefunden, Bewertungen bleiben bestehen")
+            return facts, gesamt
+
+        forschung = incident_type == "research"
+        prompt = EU_CHALLENGE_PROMPT_TEMPLATE.format(
+            output_language=output_language,
+            title=title,
+            claims_text="\n".join(f"- {c}" for c in claims),
+            widerspruch="disputed" if forschung else "contradicted",
+            offen="unverified" if forschung else "unconfirmed",
+            status_werte=("established|unverified|disputed|false"
+                          if forschung else "confirmed|unconfirmed|contradicted|false"),
+        ) + bewertungsregeln()
+
+        try:
+            result, usage = await call_claude(build_eu_prompt(prompt, suche.block), tools=None)
+            _add_usage(gesamt, usage)
+        except TimeoutError:
+            logger.warning("EU-Belastungsprobe: Timeout, Bewertungen bleiben bestehen")
+            return facts, gesamt
+        except Exception as e:
+            logger.warning("EU-Belastungsprobe fehlgeschlagen (%s), Bewertungen bleiben bestehen", e)
+            return facts, gesamt
+
+        fassungen = extract_json_arrays(result or "")
+        if not fassungen:
+            logger.warning("EU-Belastungsprobe: Antwort nicht auswertbar, Bewertungen bleiben bestehen")
+            return facts, gesamt
+
+        zurueckgestuft = 0
+        for eintrag in max(fassungen, key=len):
+            if not isinstance(eintrag, dict):
+                continue
+            claim = str(eintrag.get("claim", "")).strip()
+            neuer_status = str(eintrag.get("status", "")).strip().lower()
+            if not claim or neuer_status not in STATUS_PRIORITY:
+                continue
+            treffer = find_matching_claim(claim, kandidaten)
+            if not treffer:
+                continue
+            alt = treffer.get("status", "")
+            if neuer_status == alt:
+                continue
+            # Die Belastungsprobe darf nur zurueckstufen. Eine Bestaetigung
+            # laesst sich nicht dadurch erhaerten, dass die Gegenprobe nichts
+            # gefunden hat.
+            if neuer_status not in OFFENE_STATUS + WIDERSPRUCH_STATUS:
+                continue
+            treffer["status"] = neuer_status
+            begruendung = str(eintrag.get("evidence", "")).strip()
+            if begruendung:
+                bisher = (treffer.get("evidence") or "").strip()
+                treffer["evidence"] = (
+                    f"{bisher} Belastungsprobe: {begruendung}".strip() if bisher else begruendung)
+            zurueckgestuft += 1
+            logger.info(
+                "EU-Belastungsprobe: '%s...' %s -> %s", claim[:60], alt, neuer_status)
+
+        logger.info(
+            "EU-Belastungsprobe abgeschlossen: %d von %d Bestaetigungen zurueckgenommen",
+            zurueckgestuft, len(kandidaten),
         )
-        _add_usage(gesamt, nachhak_usage)
         return facts, gesamt
 
     async def _eu_nachhaken(
@@ -799,6 +979,20 @@ class FactCheckerAgent:
             if not treffer:
                 continue
             alt = treffer.get("status", "developing")
+            # Widerspricht die Nachrecherche der Behauptung, gilt das auch dann,
+            # wenn der neue Status in der Rangfolge nicht hoeher steht. Ohne
+            # diese Ausnahme kennt die Runde nur den Weg nach oben.
+            if neuer_status in WIDERSPRUCH_STATUS and neuer_status != alt:
+                treffer["status"] = neuer_status
+                widerspruch = str(eintrag.get("evidence", "")).strip()
+                if widerspruch:
+                    bisher = (treffer.get("evidence") or "").strip()
+                    treffer["evidence"] = (
+                        f"{bisher} Nachrecherche: {widerspruch}".strip() if bisher else widerspruch)
+                logger.info(
+                    "EU-Nachhak-Runde: '%s...' %s -> %s, Beleg widerspricht",
+                    claim[:60], alt, neuer_status)
+                continue
             if STATUS_PRIORITY.get(neuer_status, 0) <= STATUS_PRIORITY.get(alt, 0):
                 continue
             # "developing" heisst: der Sachverhalt selbst ist noch offen. Das

src/config.py

@@ -130,6 +130,15 @@ EU_VERIFY_FOLLOWUP_MIN_OPEN = int(os.environ.get("EU_VERIFY_FOLLOWUP_MIN_OPEN",
 # deckt nur ein Teilthema ab, deshalb kleinere Suchmengen als beim Gesamtlauf.
 EU_VERIFY_GROUP_QUERIES = int(os.environ.get("EU_VERIFY_GROUP_QUERIES", "4"))
 EU_VERIFY_GROUP_FOLLOWUP_QUERIES = int(os.environ.get("EU_VERIFY_GROUP_FOLLOWUP_QUERIES", "3"))
+# Anteil der Belegsuchen, der gezielt nach Widerspruch sucht statt nach
+# Bestaetigung. Ohne Gegenproben sieht der Faktencheck nur stuetzendes Material
+# und bestaetigt praktisch jede Behauptung.
+EU_VERIFY_COUNTER_SHARE = float(os.environ.get("EU_VERIFY_COUNTER_SHARE", "0.3"))
+# Anfragen, fuer die der Artikeltext geholt wird. Nur damit kann das Modell
+# pruefen, ob eine Quelle die Behauptung wirklich traegt, statt aus der
+# Ueberschrift zu schliessen.
+EU_VERIFY_FULLTEXT_QUERIES = int(os.environ.get("EU_VERIFY_FULLTEXT_QUERIES", "3"))
+EU_VERIFY_FULLTEXT_CHARS = int(os.environ.get("EU_VERIFY_FULLTEXT_CHARS", "1800"))
 
 # --- Verbrauchssaetze (Credits je Aktion) -------------------------------------
 # Beschlossen 2026-07-23, der Verbrauchsrechner im Verwaltungsportal nutzt

tests/test_eu_belegsuche.py

@@ -16,7 +16,8 @@ sys.path.insert(0, os.path.join(os.path.dirname(os.path.abspath(__file__)), ".."
 import agents.eu_researcher as eur  # noqa: E402
 from agents.claude_client import ClaudeUsage  # noqa: E402
 from config import (  # noqa: E402
-    EU_VERIFY_HITS_PER_QUERY, EU_VERIFY_MAX_ITEMS, STAAN_COST_PER_QUERY_USD,
+    EU_VERIFY_FULLTEXT_CHARS, EU_VERIFY_FULLTEXT_QUERIES, EU_VERIFY_HITS_PER_QUERY,
+    EU_VERIFY_MAX_ITEMS, STAAN_COST_PER_QUERY_USD,
 )
 
 ok = 0
@@ -47,7 +48,7 @@ treffer_je_anfrage = {}
 
 async def fake_staan(q, market="de-de", extra_snippets=True, max_snippets=3,
                      full_content=False, extra_exclude=None, timeout=None):
-    zustand["suchen"].append({"q": q, "market": market})
+    zustand["suchen"].append({"q": q, "market": market, "full_content": full_content})
     return treffer_je_anfrage.get(q, [])
 
 
@@ -222,5 +223,86 @@ pruefe("G1 Hinweis auf die Adresspflicht vorhanden",
        "vollständige" in mit and "URL" in mit)
 pruefe("G2 ohne Belege kein Adresshinweis", "Adresse (die URL" not in ohne)
 
+print("\nH) Ein Teil der Anfragen ist eine Gegenprobe")
+neu()
+plan_antwort["queries"] = [
+    {"q": "ceuta opferzahl offiziell", "market": "de-de", "for_items": [1]},
+    {"q": "ceuta opferzahl dementiert kritik", "market": "de-de", "for_items": [1],
+     "gegenprobe": True},
+]
+treffer_je_anfrage["ceuta opferzahl offiziell"] = treffer(2, "a")
+treffer_je_anfrage["ceuta opferzahl dementiert kritik"] = treffer(2, "b")
+_rj = asyncio.run(eur.plan_verification_searches(
+    title="Ceuta", search_items=["57 Tote gemeldet"], max_queries=7,
+))
+def markierte_treffer(block):
+    """Zaehlt nur Trefferzeilen, nicht die Erklaerung im Kopf."""
+    return sum(1 for z in block.splitlines()
+               if z.startswith("[S") and "[GEGENPROBE]" in z)
+
+
+pruefe("H1 Auftrag verlangt Gegenproben", "GEGENPROBEN" in zustand["plan_prompt"])
+pruefe("H2 Gegenprobe-Treffer sind gekennzeichnet",
+       markierte_treffer(_rj.block) == 2, markierte_treffer(_rj.block))
+pruefe("H3 Kopf erklaert die Gegenprobe", "GEGENPROBE" in _rj.block.split("[S1]")[0])
+pruefe("H4 stuetzende Treffer bleiben unmarkiert",
+       _rj.block.count("\n[S") == 4, _rj.block.count("\n[S"))
+
+print("\nI) Belastungsprobe sucht ausschliesslich Gegenproben")
+neu()
+plan_antwort["queries"] = [
+    {"q": "eine anfrage", "market": "de-de"},
+    {"q": "andere anfrage", "market": "de-de"},
+]
+treffer_je_anfrage["eine anfrage"] = treffer(1, "c")
+treffer_je_anfrage["andere anfrage"] = treffer(1, "d")
+_rk = asyncio.run(eur.plan_verification_searches(
+    title="Ceuta", search_items=["Punkt"], max_queries=4,
+    label="Belastungsprobe", nur_gegenproben=True,
+))
+pruefe("I1 alle Treffer als Gegenprobe gekennzeichnet",
+       markierte_treffer(_rk.block) == 2, markierte_treffer(_rk.block))
+pruefe("I2 Auftrag fordert so viele Gegenproben wie Anfragen",
+       "Davon sind 4 Anfragen" in zustand["plan_prompt"])
+
+print("\nJ) Artikeltexte werden geholt und begrenzt")
+neu()
+plan_antwort["queries"] = [
+    {"q": "mit text", "market": "de-de", "full_content": True},
+    {"q": "ohne text", "market": "de-de", "full_content": False},
+]
+treffer_je_anfrage["mit text"] = [{
+    "title": "Titel mit Text", "hostname": "example.org",
+    "url": "https://example.org/volltext", "snippet": "Auszug",
+    "extra_snippets": [], "full_text": "W" * 5000,
+}]
+treffer_je_anfrage["ohne text"] = treffer(1, "e")
+_rl = asyncio.run(eur.plan_verification_searches(
+    title="Ceuta", search_items=["Punkt"], max_queries=5,
+))
+pruefe("J1 Volltext-Anfrage wurde mit Volltext gestellt",
+       zustand["suchen"][0].get("full_content") is True, zustand["suchen"][0])
+pruefe("J2 andere Anfrage ohne Volltext",
+       zustand["suchen"][1].get("full_content") is False, zustand["suchen"][1])
+pruefe("J3 Artikeltext steht im Belegblock", "Artikeltext:" in _rl.block)
+pruefe("J4 Artikeltext ist begrenzt",
+       _rl.block.count("W") <= EU_VERIFY_FULLTEXT_CHARS + 10, _rl.block.count("W"))
+
+neu()
+plan_antwort["queries"] = [
+    {"q": f"anfrage {i}", "market": "de-de", "full_content": True} for i in range(1, 7)
+]
+for i in range(1, 7):
+    treffer_je_anfrage[f"anfrage {i}"] = [{
+        "title": "T", "hostname": "example.org", "url": f"https://example.org/{i}",
+        "snippet": "s", "extra_snippets": [], "full_text": "Text",
+    }]
+asyncio.run(eur.plan_verification_searches(
+    title="Ceuta", search_items=["Punkt"], max_queries=6,
+))
+mit_volltext = sum(1 for s in zustand["suchen"] if s.get("full_content"))
+pruefe("J5 Zahl der Volltext-Anfragen ist gedeckelt",
+       mit_volltext == EU_VERIFY_FULLTEXT_QUERIES, mit_volltext)
+
 print("\nErgebnis: " + str(ok) + " bestanden, " + str(fail) + " fehlgeschlagen")
 sys.exit(1 if fail else 0)

tests/test_eu_factcheck.py

@@ -48,12 +48,14 @@ SUCHQUELLE = {
 
 
 async def fake_plan(*, title, search_items, output_language="Deutsch",
-                    max_queries=7, avoid_queries=None, label="Stuetzsuche"):
+                    max_queries=7, avoid_queries=None, label="Stuetzsuche",
+                    nur_gegenproben=False):
     aufrufe["such"].append({
         "label": label,
         "items": list(search_items),
         "max": max_queries,
         "avoid": list(avoid_queries or []),
+        "nur_gegenproben": nur_gegenproben,
     })
     u = ClaudeUsage(input_tokens=10, output_tokens=5, cost_usd=0.01)
     block = "\n\nBELEGE [" + label + "]\n[S1] Beleg | example.org | https://example.org/a"
@@ -137,24 +139,34 @@ pruefe("A12 beide Modellaufrufe mit Belegblock",
        all(m["hat_belege"] for m in aufrufe["modell"]))
 pruefe("A13 Kosten aufsummiert", round(usage.cost_usd, 3) == 0.12, usage.cost_usd)
 
-print("\nB) EU-Modus, alles belegt, keine Nachrunde")
+print("\nB) Ist alles belegt, folgt keine Nachbelegung sondern eine Belastungsprobe")
 neu()
 antworten.append(json_fakten([
     (F_TOTE, "confirmed", "belegt"),
     (F_GRENZE, "confirmed", "belegt"),
 ]))
+antworten.append(json_fakten([(F_TOTE, "confirmed", "haelt der Gegenprobe stand")]))
 asyncio.run(fc.check("Ceuta", ARTS, "adhoc", "Deutsch"))
-pruefe("B1 keine Nachrunde bei belegten Fakten", len(aufrufe["such"]) == 1, len(aufrufe["such"]))
+pruefe("B1 keine Nachbelegung, sondern Belastungsprobe",
-pruefe("B2 nur ein Modellaufruf", len(aufrufe["modell"]) == 1, len(aufrufe["modell"]))
+       [a["label"] for a in aufrufe["such"]] == ["Stuetzsuche", "Belastungsprobe"],
+       [a["label"] for a in aufrufe["such"]])
+pruefe("B2 Belastungsprobe sucht nur Gegenproben",
+       aufrufe["such"][1]["nur_gegenproben"] is True)
+pruefe("B3 zwei Modellaufrufe", len(aufrufe["modell"]) == 2, len(aufrufe["modell"]))
 
-print("\nC) EU-Modus, nur ein offener Punkt, Schwelle nicht erreicht")
+print("\nC) Ein einzelner offener Punkt loest keine Nachbelegung aus")
 neu()
 antworten.append(json_fakten([
     (F_TOTE, "unconfirmed", "unklar"),
     (F_GRENZE, "confirmed", "belegt"),
 ]))
+antworten.append(json_fakten([(F_GRENZE, "confirmed", "haelt")]))
 asyncio.run(fc.check("Ceuta", ARTS, "adhoc", "Deutsch"))
-pruefe("C1 Schwelle von 2 offenen Punkten greift", len(aufrufe["such"]) == 1, len(aufrufe["such"]))
+pruefe("C1 Schwelle von zwei offenen Punkten greift weiterhin",
+       aufrufe["such"][1]["label"] == "Belastungsprobe",
+       [a["label"] for a in aufrufe["such"]])
+pruefe("C2 nur der belegte Punkt wird angegriffen",
+       aufrufe["such"][1]["items"] == [F_GRENZE], aufrufe["such"][1]["items"])
 
 print("\nD) Regression, CLI-Weg unveraendert")
 _ai_backend_var.set("cli")
@@ -282,5 +294,101 @@ pruefe("K1 CLI stuft ohne zuordenbare Quelle weiterhin herab",
        facts_k and facts_k[0]["status"] != "established",
        [(f["claim"][:35], f["status"]) for f in facts_k])
 
+print("\nL) Belastungsprobe greift, wenn alles bestaetigt aussieht")
+_ai_backend_var.set("bedrock")
+neu()
+antworten.append(json_fakten([
+    (F_TOTE, "confirmed", "belegt"),
+    (F_GRENZE, "confirmed", "belegt"),
+    (F_SANCHEZ, "confirmed", "belegt"),
+]))
+antworten.append(json_fakten([
+    (F_TOTE, "unconfirmed", "[S1] https://example.org/a nennt nur eine Schaetzung"),
+]))
+facts_l, usage_l = asyncio.run(fc.check("Ceuta", ARTS, "adhoc", "Deutsch"))
+status_l = {f["claim"][:20]: f["status"] for f in facts_l}
+pruefe("L1 zweite Runde ist eine Belastungsprobe",
+       len(aufrufe["such"]) == 2 and aufrufe["such"][1]["label"] == "Belastungsprobe",
+       [a["label"] for a in aufrufe["such"]])
+pruefe("L2 Belastungsprobe sucht ausschliesslich Gegenproben",
+       aufrufe["such"][1]["nur_gegenproben"] is True)
+pruefe("L3 Belastungsprobe meidet die schon gestellten Anfragen",
+       aufrufe["such"][1]["avoid"] == ["Stuetzsuche-q1", "Stuetzsuche-q2"],
+       aufrufe["such"][1]["avoid"])
+pruefe("L4 nicht haltbare Bestaetigung wird zurueckgenommen",
+       status_l.get(F_TOTE[:20]) == "unconfirmed", status_l)
+pruefe("L5 haltbare Bestaetigungen bleiben",
+       status_l.get(F_GRENZE[:20]) == "confirmed" and status_l.get(F_SANCHEZ[:20]) == "confirmed",
+       status_l)
+pruefe("L6 kein Faktenverlust", len(facts_l) == 3, len(facts_l))
+pruefe("L7 Begruendung vermerkt die Belastungsprobe",
+       any("Belastungsprobe" in (f.get("evidence") or "") for f in facts_l),
+       [f.get("evidence", "")[:70] for f in facts_l])
+
+print("\nM) Die Belastungsprobe kann nur zurueckstufen")
+neu()
+antworten.append(json_fakten([
+    (F_TOTE, "unconfirmed", "unklar"),
+    (F_GRENZE, "confirmed", "belegt"),
+    (F_SANCHEZ, "confirmed", "belegt"),
+]))
+antworten.append(json_fakten([
+    (F_GRENZE, "confirmed", "haelt"),
+    (F_SANCHEZ, "established", "sogar noch besser belegt"),
+]))
+facts_m, _ = asyncio.run(fc.check("Ceuta", ARTS, "adhoc", "Deutsch"))
+status_m = {f["claim"][:20]: f["status"] for f in facts_m}
+pruefe("M1 Belastungsprobe laeuft auch bei einem offenen Punkt",
+       len(aufrufe["such"]) == 2 and aufrufe["such"][1]["label"] == "Belastungsprobe",
+       [a["label"] for a in aufrufe["such"]])
+pruefe("M2 keine Hochstufung durch die Belastungsprobe",
+       status_m.get(F_SANCHEZ[:20]) == "confirmed", status_m)
+pruefe("M3 offener Punkt bleibt offen", status_m.get(F_TOTE[:20]) == "unconfirmed", status_m)
+
+print("\nN) Widerspruch in der Nachhak-Runde stuft zurueck")
+neu()
+antworten.append(json_fakten([
+    (F_TOTE, "unconfirmed", "unklar"),
+    (F_SANCHEZ, "unconfirmed", "unklar"),
+    (F_GRENZE, "confirmed", "belegt"),
+]))
+antworten.append(json_fakten([
+    (F_TOTE, "contradicted", "[S1] https://example.org/a nennt eine andere Zahl"),
+]))
+facts_n, _ = asyncio.run(fc.check("Ceuta", ARTS, "adhoc", "Deutsch"))
+status_n = {f["claim"][:20]: f["status"] for f in facts_n}
+pruefe("N1 Nachhak-Runde nimmt den Widerspruch auf",
+       status_n.get(F_TOTE[:20]) == "contradicted", status_n)
+
+print("\nO) Faellt die zweite Runde aus, bleibt der erste Durchgang erhalten")
+neu()
+antworten.append(json_fakten([
+    (F_TOTE, "confirmed", "belegt"),
+    (F_GRENZE, "confirmed", "belegt"),
+]))
+
+
+async def plan_kaputt(**kw):
+    raise RuntimeError("Suche nicht erreichbar")
+
+
+eur.plan_verification_searches = fake_plan
+_alt_plan = eur.plan_verification_searches
+
+
+async def plan_erst_gut_dann_kaputt(**kw):
+    if kw.get("label") == "Belastungsprobe":
+        raise RuntimeError("Suche nicht erreichbar")
+    return await fake_plan(**kw)
+
+
+eur.plan_verification_searches = plan_erst_gut_dann_kaputt
+facts_o, _ = asyncio.run(fc.check("Ceuta", ARTS, "adhoc", "Deutsch"))
+eur.plan_verification_searches = fake_plan
+pruefe("O1 Fakten ueberleben den Ausfall", len(facts_o) == 2, len(facts_o))
+pruefe("O2 Bewertungen bleiben unveraendert",
+       all(f["status"] == "confirmed" for f in facts_o),
+       [(f["claim"][:25], f["status"]) for f in facts_o])
+
 print("\nErgebnis: " + str(ok) + " bestanden, " + str(fail) + " fehlgeschlagen")
 sys.exit(1 if fail else 0)