Orchestrator: eigener Worker pro Organisation (parallele Lanes)

Ersetzt die globale Warteschlange mit einem einzelnen Worker durch
Per-Tenant-Lanes: jede Organisation bekommt eine eigene Queue und einen
eigenen Worker-Task, die unabhaengig und parallel laufen. Lanes werden
lazy angelegt und bei Leerlauf (60s) wieder beendet.

- Skalarer Zustand (_current_task, _cancel_event) -> Maps pro incident_id
  (_current_tasks, _cancel_events); _queued_ids/_cancel_requested bleiben
  global (IDs sind lane-uebergreifend eindeutig).
- enqueue_refresh/cancel_refresh: Signatur unveraendert, routen intern per
  tenant_id in die passende Lane. Oeffentliche Lagen (tenant_id NULL) in
  fester PUBLIC_LANE.
- Optionales Ventil ORCHESTRATOR_MAX_PARALLEL (Default 0 = unbegrenzt)
  begrenzt bei Bedarf gleichzeitige Recherchen ueber alle Lanes.
- /refreshing-Endpoint auf _current_tasks-Map umgestellt, Response-Format
  unveraendert (pro Tenant laeuft weiterhin hoechstens eine Lage).

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

CLAUDE.md

@@ -221,6 +221,49 @@ Changelog-Kategorien in TaskMate:
 - 35 = Changelog Website
 - 36 = Changelog TaskMate
 
+## FIMI / Counter-Disinformation (Passiver Modus)
+
+Abgleich von Monitor-Artikeln gegen den EUvsDisinfo-Falschbehauptungsbestand,
+vollstaendig im Monitor (kein Vigil-Call). Zweistufig:
+
+```yaml
+stufe_1_embedding_vorfilter:
+  modell: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 (384-dim)
+  service: src/services/embeddings.py (Lazy-Singleton, Modell-Cache ~/.cache/huggingface mit Vigil geteilt)
+  matcher: src/services/fimi_matcher.py (Claim-Embeddings als numpy-Matrix im RAM, Kosinus)
+  threshold: 0.55 Floor, 0.65 fuer Uebergabe an Stufe 2
+  zweck: thematisch nahe Kandidaten finden (hoher Recall)
+stufe_2_llm_verifikation:
+  modell: CLAUDE_MODEL_FAST (Haiku), tools=None
+  zweck: "verbreitet die Behauptung" vs. "berichtet/widerlegt" trennen (Embedding ist themen-, nicht haltungssensitiv)
+  ergebnis: nur bestaetigte Verbreitungen werden gespeichert, inkl. woertlichem Zitat
+  env: FIMI_VERIFY_ENABLED (default true), FIMI_VERIFY_CONCURRENCY (default 4)
+daten:
+  tabelle_claims: fimi_claims (id=Vigil-claim.id, embedding-BLOB, source_ref euvsdisinfo:<slug>, case_url)
+  tabelle_treffer: article_fimi_matches (article_id, fimi_claim_id, score, role, matched_text)
+  marker: articles.fimi_checked_at (verhindert Re-Encoding gepruefter Artikel)
+  import: scripts/import_fimi_claims.py (Sync aus vigil-data/vigil.db, idempotenter UPSERT)
+pipeline:
+  hook: orchestrator nach dem Translator-Schritt, nur neue Artikel des Refreshes (match_article_ids)
+endpoints:
+  GET /incidents/{id}/fimi-matches: Treffer pro Artikel inkl. Provenienz (Andockpunkt 1)
+  GET /incidents/{id}/fimi-summary: Aggregat fuers Lagebild (Andockpunkt 3)
+  sources-summary: fimi_match_count pro Quelle (Andockpunkt 2)
+frontend:
+  andockpunkt_1: dezenter Inline-Hinweis am Artikel (Quellen-Detailliste)
+  andockpunkt_2: Track-Record-Badge pro Quelle
+  andockpunkt_3: Qualitaetsleiste ueber dem Lagebild + aufklappbare Top-Narrative
+rechtslage_euvsdisinfo:
+  quelle: EUvsDisinfo, Projekt des EEAS (East StratCom Task Force)
+  lizenz: Forschungsdatensatz CC BY-SA 4.0; EU-Inhalte mit Quellenangabe weiterverwendbar
+  pflichten: Attribution (Quelle + Case-Link), keine Verfaelschung, Disclaimer "keine offizielle EU-Position"
+  disclaimer_ort: Fusszeile der FIMI-Qualitaetsleiste (UI.fimiDisclaimerHtml) + Tooltip der Einzeltreffer
+  provenienz_leitplanke: Monitor wertet nie selbst, zeigt nur was EUvsDisinfo als widerlegt fuehrt
+offene_punkte:
+  - Verifizierer-Prompt feinjustieren (seltene FP bei serioesen Medien, die ueber eine Aussage berichten)
+  - Per-Satz-Extraktion (Vigil Phase 2) als Praezisionsstufe optional nachruestbar
+```
+
 ## Staging-Umgebung
 
 ```yaml

RELEASES.json

@@ -1,4 +1,29 @@
 [
+  {
+    "version": "2026-05-22T19:10Z",
+    "date": "2026-05-22",
+    "title": "Exportdialog: Ersteller manuell eintragbar",
+    "items": [
+      "Im Export-Dialog kann der Ersteller jetzt manuell eingegeben werden."
+    ]
+  },
+  {
+    "version": "2026-05-22T07:41Z",
+    "date": "2026-05-22",
+    "title": "X (Twitter) als neue Informationsquelle verfügbar",
+    "items": [
+      "Nachrichten und Beiträge von X (Twitter) können jetzt als Quelle für Lageberichte genutzt werden."
+    ]
+  },
+  {
+    "version": "2026-05-21T17:10Z",
+    "date": "2026-05-21",
+    "title": "Sprachunterstützung für Artikel-Überschriften verbessert",
+    "items": [
+      "Englische Überschriften werden jetzt korrekt gespeichert und angezeigt.",
+      "Die Sprache eines Artikels wird automatisch aus der jeweiligen Quelle übernommen."
+    ]
+  },
   {
     "version": "2026-05-13T22:38Z",
     "date": "2026-05-13",

requirements.txt

@@ -11,6 +11,8 @@ python-multipart
 aiosmtplib
 geonamescache>=2.0
 telethon
+# X/Twitter-Scraper (feeds/x_parser.py)
+twscrape @ git+https://github.com/vladkens/twscrape.git@206f0942fe41149da28530399f7c772ec00be17a
 # Bericht-Export (PDF via WeasyPrint + DOCX via python-docx)
 Jinja2>=3.1
 weasyprint>=68.0
@@ -21,3 +23,10 @@ pdfplumber>=0.11
 pytesseract>=0.3
 pdf2image>=1.17
 Pillow>=10.0
+# FIMI / Counter-Disinformation: Embedding-Match gegen EUvsDisinfo-Falschbehauptungen
+# (services/embeddings.py, services/fimi_matcher.py). Modell-Cache wird mit Vigil
+# geteilt (~/.cache/huggingface). Versionen wie Vigil-venv fuer Kompatibilitaet.
+torch==2.12.0
+sentence-transformers==3.4.1
+transformers==4.57.6
+numpy==2.4.5

scripts/backfill_fimi.py

@@ -0,0 +1,97 @@
+#!/usr/bin/env python3
+"""Backfill: alle noch ungeprueften Artikel gegen den Falschbehauptungsbestand
+abgleichen (Embedding-Vorfilter + LLM-Verifikation).
+
+Geht alle Lagen mit ungeprueften Artikeln durch, kleine zuerst (schnelle,
+frueh testbare Ergebnisse), grosse zuletzt. Pro Lage in Batches, damit die
+Score-Matrix (Artikel x Claims) den RAM nicht sprengt. Robust: Fehler
+einzelner Batches stoppen den Lauf nicht; bei Artikeln, die wiederholt
+scheitern (kein Fortschritt), wird die Lage abgebrochen statt endlos zu
+schleifen.
+
+Aufruf (im Staging-Verzeichnis, mit dessen venv):
+  HF_HUB_OFFLINE=1 TRANSFORMERS_OFFLINE=1 FIMI_VERIFY_CONCURRENCY=5 \
+    ./venv/bin/python scripts/backfill_fimi.py
+"""
+from __future__ import annotations
+
+import asyncio
+import os
+import sys
+import time
+
+sys.path.insert(0, "src")
+
+import aiosqlite
+from services import fimi_matcher
+
+# Wie config.py: DB_PATH-Env hat Vorrang (Staging-Service nutzt eine eigene
+# DB ausserhalb des Repos). Sonst der Repo-Default.
+DB_PATH = os.environ.get("DB_PATH") or "data/osint.db"
+BATCH = 120
+
+
+def _ts() -> str:
+    return time.strftime("%H:%M:%S")
+
+
+async def main() -> None:
+    db = await aiosqlite.connect(DB_PATH)
+    db.row_factory = aiosqlite.Row
+    t0 = time.time()
+    n_claims = await fimi_matcher.ensure_matrix(db)
+    print(f"[{_ts()}] Matrix: {n_claims} Claims geladen", flush=True)
+
+    cursor = await db.execute(
+        """SELECT incident_id, COUNT(*) AS n
+           FROM articles WHERE fimi_checked_at IS NULL AND incident_id IS NOT NULL
+           GROUP BY incident_id ORDER BY n"""
+    )
+    incidents = [(r["incident_id"], r["n"]) for r in await cursor.fetchall()]
+    total = sum(n for _, n in incidents)
+    print(f"[{_ts()}] START: {len(incidents)} Lagen, {total} ungepruefte Artikel", flush=True)
+
+    grand = {"articles": 0, "candidates": 0, "articles_with_match": 0, "stored": 0, "errors": 0}
+    for iid, n in incidents:
+        done = 0
+        prev_remaining = None
+        while True:
+            res = await fimi_matcher.match_incident_articles(
+                db, iid, only_unchecked=True, limit=BATCH
+            )
+            if res["articles"] == 0:
+                break
+            done += res["articles"]
+            for k in grand:
+                grand[k] += res.get(k, 0)
+
+            cur = await db.execute(
+                "SELECT COUNT(*) FROM articles WHERE incident_id = ? AND fimi_checked_at IS NULL",
+                (iid,),
+            )
+            remaining = (await cur.fetchone())[0]
+            print(
+                f"[{_ts()}] Lage {iid}: +{res['articles']} ({done}/{n}), "
+                f"Treffer {res['articles_with_match']}, Fehler {res['errors']}, "
+                f"verbleibend {remaining}",
+                flush=True,
+            )
+            if remaining == 0:
+                break
+            if prev_remaining is not None and remaining >= prev_remaining:
+                print(
+                    f"[{_ts()}] Lage {iid}: kein Fortschritt (verbleibend {remaining}), "
+                    f"Abbruch wegen wiederholt fehlschlagender Artikel",
+                    flush=True,
+                )
+                break
+            prev_remaining = remaining
+        print(f"[{_ts()}] == Lage {iid} fertig: {done} Artikel verarbeitet ==", flush=True)
+
+    await db.close()
+    dt = time.time() - t0
+    print(f"[{_ts()}] FERTIG nach {dt/60:.1f} min: {grand}", flush=True)
+
+
+if __name__ == "__main__":
+    asyncio.run(main())

scripts/import_fimi_claims.py

@@ -0,0 +1,116 @@
+#!/usr/bin/env python3
+"""Einmal-/Sync-Import des EUvsDisinfo-Falschbehauptungsbestands in den Monitor.
+
+Kopiert die Claims (Text, Verdict, Widerlegung, Quell-Referenz, Embedding-BLOB)
+aus der Vigil-Datenbank in die Monitor-Tabelle fimi_claims. Die Embeddings
+werden als BLOB 1:1 uebernommen (384-dim float32, L2-normalisiert) und im
+Monitor mit demselben Modell (paraphrase-multilingual-MiniLM-L12-v2) gematcht.
+
+Idempotent: UPSERT auf der stabilen Vigil-claim.id. Bestehende Treffer in
+article_fimi_matches bleiben dadurch gueltig.
+
+Aufruf (Staging):
+  python scripts/import_fimi_claims.py \
+      --vigil-db /home/claude-dev/vigil-data/vigil.db \
+      --osint-db /home/claude-dev/AegisSight-Monitor-staging/data/osint.db
+"""
+from __future__ import annotations
+
+import argparse
+import sqlite3
+import sys
+
+EUVSDISINFO_REPORT_BASE = "https://euvsdisinfo.eu/report/"
+
+
+def case_url_from_source_ref(source_ref: str | None) -> str | None:
+    """Leitet die EUvsDisinfo-Case-URL aus 'euvsdisinfo:<slug>' ab."""
+    if not source_ref:
+        return None
+    prefix = "euvsdisinfo:"
+    if source_ref.startswith(prefix):
+        slug = source_ref[len(prefix):].strip().strip("/")
+        if slug:
+            return f"{EUVSDISINFO_REPORT_BASE}{slug}/"
+    return None
+
+
+def main() -> int:
+    ap = argparse.ArgumentParser(description=__doc__)
+    ap.add_argument("--vigil-db", required=True, help="Pfad zur Vigil-SQLite-DB (Quelle)")
+    ap.add_argument("--osint-db", required=True, help="Pfad zur Monitor-SQLite-DB (Ziel)")
+    ap.add_argument("--limit", type=int, default=0, help="Optional: nur N Claims importieren (Test)")
+    args = ap.parse_args()
+
+    src = sqlite3.connect(args.vigil_db)
+    src.row_factory = sqlite3.Row
+    q = (
+        "SELECT id, text, text_normalized, language, verdict, verdict_summary, "
+        "source_id, embedding, first_seen_at FROM claims WHERE embedding IS NOT NULL"
+    )
+    if args.limit:
+        q += f" LIMIT {int(args.limit)}"
+    rows = src.execute(q).fetchall()
+    src.close()
+    print(f"Vigil: {len(rows)} Claims mit Embedding gelesen", flush=True)
+
+    dst = sqlite3.connect(args.osint_db)
+    dst.execute("PRAGMA busy_timeout=10000")
+
+    # Sicherstellen, dass die Zieltabelle existiert (falls Skript vor init_db laeuft)
+    dst.execute(
+        """CREATE TABLE IF NOT EXISTS fimi_claims (
+            id INTEGER PRIMARY KEY,
+            text TEXT NOT NULL,
+            text_normalized TEXT,
+            language TEXT,
+            verdict TEXT NOT NULL DEFAULT 'false',
+            verdict_summary TEXT,
+            source_ref TEXT,
+            case_url TEXT,
+            embedding BLOB,
+            first_seen_at TIMESTAMP,
+            imported_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
+        )"""
+    )
+    dst.execute("CREATE INDEX IF NOT EXISTS idx_fimi_claims_source_ref ON fimi_claims(source_ref)")
+
+    inserted = 0
+    with_url = 0
+    for r in rows:
+        case_url = case_url_from_source_ref(r["source_id"])
+        if case_url:
+            with_url += 1
+        dst.execute(
+            """INSERT INTO fimi_claims
+                   (id, text, text_normalized, language, verdict, verdict_summary,
+                    source_ref, case_url, embedding, first_seen_at, imported_at)
+               VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, CURRENT_TIMESTAMP)
+               ON CONFLICT(id) DO UPDATE SET
+                   text=excluded.text,
+                   text_normalized=excluded.text_normalized,
+                   language=excluded.language,
+                   verdict=excluded.verdict,
+                   verdict_summary=excluded.verdict_summary,
+                   source_ref=excluded.source_ref,
+                   case_url=excluded.case_url,
+                   embedding=excluded.embedding,
+                   first_seen_at=excluded.first_seen_at,
+                   imported_at=CURRENT_TIMESTAMP""",
+            (
+                r["id"], r["text"], r["text_normalized"], r["language"],
+                r["verdict"] or "false", r["verdict_summary"], r["source_id"],
+                case_url, r["embedding"], r["first_seen_at"],
+            ),
+        )
+        inserted += 1
+    dst.commit()
+    total = dst.execute("SELECT COUNT(*) FROM fimi_claims").fetchone()[0]
+    dst.close()
+    print(f"Monitor: {inserted} Claims upserted ({with_url} mit Case-URL), "
+          f"fimi_claims enthaelt jetzt {total} Eintraege", flush=True)
+    return 0
+
+
+if __name__ == "__main__":
+    sys.exit(main())

src/agents/analyzer.py

@@ -124,7 +124,7 @@ BISHERIGE QUELLEN:
 AUFTRAG:
 1. Aktualisiere das Lagebild basierend auf den neuen Meldungen. Das Lagebild soll so ausführlich wie nötig sein, um alle wesentlichen Themenstränge abzudecken
 2. Behalte bestätigte Fakten aus dem bisherigen Lagebild bei
-3. Ergänze neue Erkenntnisse und markiere wichtige neue Entwicklungen
+3. Arbeite neue Erkenntnisse direkt in den thematisch passenden Abschnitt ein. Erzeuge KEINE datierten Verlaufsblöcke wie "Neu am DD.MM." oder "Neu seit ...". Das Lagebild ist eine zusammenhängende thematische Darstellung des AKTUELLEN Stands, kein chronologisches Änderungsprotokoll. Die zeitliche Abfolge der jüngsten Ereignisse wird separat in der Kachel "Neueste Entwicklungen" gepflegt und darf hier NICHT als Datums-Changelog dupliziert werden
 4. Aktualisiere die Quellenverweise — neue Quellen bekommen fortlaufende Nummern nach den bisherigen
 5. Entferne nur nachweislich widerlegte Informationen. Behalte alle thematischen Abschnitte bei, auch wenn sie nicht durch neue Meldungen aktualisiert werden
 
@@ -133,6 +133,8 @@ STRUKTUR:
 - Wenn sich Daten strukturiert vergleichen lassen (z.B. Produkte, Unternehmen, Kennzahlen, Modelle), verwende eine Markdown-Tabelle (| Spalte1 | Spalte2 | ... mit Trennzeile |---|---|)
 - KEIN Fettdruck (**) verwenden
 - ERZEUGE KEINE Sektion "## ZUSAMMENFASSUNG", "## ÜBERBLICK" oder "## KERNPUNKTE". Falls das BISHERIGE LAGEBILD eine solche Sektion enthält, ENTFERNE sie vollständig beim Aktualisieren. Die neuesten Entwicklungen werden separat als eigene Kachel gepflegt und dürfen im Lagebild NICHT dupliziert werden.
+- KEINE datierten Verlaufsmarker im Lagebild. Einleitungen wie "Neu am 31.05./01.06.:", "Neu seit gestern:" oder vergleichbare Datums-Changelog-Phrasen sind nicht erlaubt. Falls das BISHERIGE LAGEBILD solche Blöcke enthält, LÖSE SIE AUF: integriere ihren Inhalt in den thematisch passenden Abschnitt und ENTFERNE die "Neu am"-Einleitung samt reiner Datumsgruppierung restlos. Innerhalb eines Abschnitts steht der aktuelle Stand vorne, ältere Belege werden im Fließtext zeitlich eingeordnet (z.B. "Ende Mai berichtete ...").
+- KEINE stichwortartigen Fragmente und KEINE blanken Quellennummern-Sammlungen. Verboten sind Telegramm-Verkürzungen wie "Teheran-Bluff-Vorwurf [2897]. NYT-Abraham-Accords [2890]." sowie Auffangblöcke ohne Aussage wie "Frühere Belege [2806][2807]...". Jede Quellennummer muss an einem vollständigen, eigenständigen Satz hängen. Falls das BISHERIGE LAGEBILD solche Fragment- oder Sammelblöcke enthält, formuliere sie zu vollständigen Sätzen aus oder lass die betreffende Quellennummer weg. Am Ende eines Abschnitts oder des Lagebildes darf KEINE reine Aufzählung von Quellennummern stehen.
 
 REGELN:
 - Neutral und sachlich - keine Wertungen oder Spekulationen
@@ -258,7 +260,9 @@ REGELN:
 - Breit gefasste Lagen (z.B. "Iran-Israel-Krieg", "Ukrainekrieg – aktuelle Lage") akzeptieren alle Meldungen, die einen der direkt beteiligten Akteure oder Kriegsschauplätze behandeln.
 - Eng gefasste Lagen (z.B. "Russische Militärblogger", "Ausfall bei Cloudflare", "Cybervorfall Stadtwerke X") akzeptieren NUR Meldungen zum Spezifikum. Peripheres, auch wenn im selben Großkontext, wird abgelehnt.
 - Eine Meldung gilt auch dann als relevant, wenn sie das Thema aus einer gegnerischen/kritischen Perspektive behandelt — es geht um thematische Zugehörigkeit, nicht um Ausrichtung.
-- Im Zweifel: NICHT relevant. Ein zu schmaler Filter ist besser als ein Schwall off-topic-Treffer.
+- FREMDSPRACHIGE QUELLEN (CJK, Arabisch, Hebräisch, Kyrillisch): Wo verfügbar steht eine "Übersetzung:"-Zeile unter der Originalüberschrift. NUTZE die Übersetzung für deine Bewertung. Verwirf einen fremdsprachigen Artikel NICHT pauschal aus Sicherheit, wenn die Übersetzung das Lagethema sichtbar berührt — wende dieselben Maßstäbe an wie auf englische Artikel.
+- Im Zweifel bei lateinisch geschriebenen Quellen: NICHT relevant. Im Zweifel bei nicht-lateinischen Quellen mit übersetzter, thematisch passender Überschrift: relevant.
+- FOREN-QUELLEN ([FORUM]-Tag hinter dem Quellennamen, z.B. 5ch, Hatena, Note): WEICHER bewerten. Sie liefern keine Faktenlage, sondern Stimmungsmaterial fuer eine separate Kachel. Wenn das Lage-Keyword im Thread-Titel oder in der ersten Zeile des Inhalts vorkommt UND der Beitrag nicht offensichtlich off-topic ist (Hobby, Sport ohne Bezug, reine Werbung), DURCHLASSEN. Im Zweifel bei Foren-Quellen: relevant.
 
 Antworte AUSSCHLIESSLICH als JSON-Objekt — KEINE Erklärung, KEINE Einleitung:
 {{"relevant_ids": [1, 3, 7]}}"""
@@ -526,10 +530,21 @@ class AnalyzerAgent:
             headline = article.get("headline_de") or article.get("headline", "")
             source = article.get("source", "Unbekannt")
             content = article.get("content_de") or article.get("content_original") or ""
-            lines.append(f"[{i}] Quelle: {source}")
+            # Pre-Topic-Translation für fremdsprachige Headlines (gesetzt vom Orchestrator)
+            headline_en = article.get("headline_en_for_topic")
+            content_en = article.get("content_en_for_topic")
+            # Foren-Quellen explizit markieren, damit Haiku sie weicher bewertet
+            # (Stimmungs-Material, nicht Faktenlage — eigener Filter-Modus im Prompt)
+            is_forum = (article.get("media_type") or "").lower() == "forum"
+            source_label = f"{source} [FORUM]" if is_forum else source
+            lines.append(f"[{i}] Quelle: {source_label}")
             lines.append(f"    Überschrift: {headline}")
+            if headline_en and headline_en.strip().lower() != (headline or "").strip().lower():
+                lines.append(f"    Übersetzung: {headline_en}")
             if content:
                 lines.append(f"    Inhalt: {content[:400]}")
+            if content_en and content_en.strip().lower() != (content or "")[:len(content_en)].strip().lower():
+                lines.append(f"    Inhalt (EN): {content_en[:400]}")
         articles_text = "\n".join(lines)
 
         prompt = TOPIC_FILTER_PROMPT_TEMPLATE.format(
@@ -558,7 +573,10 @@ class AnalyzerAgent:
         }
         filtered = [a for i, a in enumerate(articles, 1) if i in relevant_set]
 
-        rejected = len(articles) - len(filtered)
+        rejected_articles = [
+            (idx, a) for idx, a in enumerate(articles, 1) if idx not in relevant_set
+        ]
+        rejected = len(rejected_articles)
         if not filtered and articles:
             logger.warning(
                 f"Topic-Filter hat ALLE {len(articles)} Artikel verworfen — "
@@ -570,6 +588,14 @@ class AnalyzerAgent:
             f"Topic-Filter: {len(filtered)}/{len(articles)} Artikel thematisch relevant "
             f"({rejected} verworfen)"
         )
+        for idx, a in rejected_articles:
+            src = a.get("source", "Unbekannt")
+            hl = (a.get("headline_de") or a.get("headline") or "").strip()
+            hl_en = (a.get("headline_en_for_topic") or "").strip()
+            if hl_en and hl_en.lower() != hl.lower():
+                logger.info("Topic-Filter REJECT [%d] %s | %s | EN: %s", idx, src, hl[:120], hl_en[:120])
+            else:
+                logger.info("Topic-Filter REJECT [%d] %s | %s", idx, src, hl[:120])
         return filtered, usage
 
     async def generate_latest_developments(
@@ -648,6 +674,246 @@ class AnalyzerAgent:
         logger.info(f"Latest-Developments: {len(bullets)} Bullets aus Lagebild generiert")
         return output, usage
 
+    async def moderate_forum_articles(
+        self,
+        forum_articles: list[dict],
+    ) -> tuple[list[dict], ClaudeUsage | None]:
+        """Vorab-Moderation fuer Foren-Beitraege (5ch, Hatena, Note ...).
+
+        Schickt eine Batch von bis zu 25 Foren-Beitraegen an Haiku, der pro
+        Beitrag entscheidet:
+          - "publishable" -> Beitrag wird unveraendert in die Stimmungs-Kachel uebernommen.
+          - "redact" -> der Beitrag bleibt, aber sein Content wird auf eine kurze,
+            entschaerfte Version reduziert (Klarnamen, persoenliche Daten, persoenliche
+            Beleidigungen entfernt). Die Headline darf bleiben, wenn sie selbst clean ist.
+          - "discard" -> Beitrag wird aus der Liste entfernt (Hassrede gegen Gruppen,
+            NSFW, glaubhafte Drohungen, doxxing).
+
+        Returns:
+            (gefilterte_liste, usage) — die Liste enthaelt publishable + redacted
+            Artikel (in Original-Reihenfolge). Discarded werden weggeworfen. Bei
+            API-/Parse-Fehler wird die Originalliste unveraendert zurueckgegeben
+            (Fail-Open, damit die Pipeline nicht hartfaellt — Haiku im Prompt
+            erinnert nochmal an Moderation).
+        """
+        if not forum_articles:
+            return forum_articles, None
+
+        from config import CLAUDE_MODEL_FAST
+
+        # Pro Aufruf nicht mehr als 25 Beitraege (Token-Budget)
+        if len(forum_articles) > 25:
+            # In Batches verarbeiten, akkumulieren
+            kept: list[dict] = []
+            total_usage: ClaudeUsage | None = None
+            for i in range(0, len(forum_articles), 25):
+                batch = forum_articles[i:i + 25]
+                batch_kept, batch_usage = await self.moderate_forum_articles(batch)
+                kept.extend(batch_kept)
+                if batch_usage:
+                    if total_usage is None:
+                        total_usage = batch_usage
+                    else:
+                        try:
+                            total_usage.add(batch_usage)  # type: ignore[attr-defined]
+                        except Exception:
+                            pass
+            return kept, total_usage
+
+        items = []
+        for i, a in enumerate(forum_articles):
+            headline = (a.get("headline_de") or a.get("headline_en_for_topic") or a.get("headline") or "").strip()
+            content = (a.get("content_de") or a.get("content_en_for_topic") or a.get("content_original") or "").strip()
+            items.append({
+                "i": i,
+                "source": (a.get("source") or "Forum").strip(),
+                "headline": headline[:200],
+                "content": content[:600],
+            })
+
+        prompt = f"""Du bist ein Moderations-Agent fuer ANONYME FOREN-/COMMUNITY-BEITRAEGE (5ch, Hatena, Note).
+Diese Beitraege gehen in eine Stimmungs-Kachel eines OSINT-Lagemonitorings ein, das auch von Behoerden gelesen werden kann.
+
+Pro Beitrag entscheide:
+- "publishable": Beitrag ist sachlich-bezogen, ohne Hassrede gegen Gruppen, ohne Klarnamen Dritter, ohne sexuelle Inhalte, ohne Drohungen. Keine Aenderung noetig.
+- "redact": Beitrag ist im Kern thematisch wertvoll, enthaelt aber persoenliche Daten, persoenliche Beleidigungen oder Klarnamen Dritter. Gib eine bereinigte Kurzfassung des Inhalts (1-3 Saetze) zurueck, die das thematische Argument behaelt aber alle PII/Beleidigungen entfernt.
+- "discard": Beitrag ist Hassrede gegen ethnische/religioese/sexuelle Gruppen, NSFW, glaubhafte Drohung, oder reines Trolling ohne Themenbezug.
+
+EINGABE:
+{json.dumps(items, ensure_ascii=False)}
+
+Antworte AUSSCHLIESSLICH mit einem JSON-Array. Pro Beitrag genau ein Objekt:
+[
+  {{"i": 0, "decision": "publishable"}},
+  {{"i": 1, "decision": "redact", "clean_content": "Kurzfassung ohne PII."}},
+  {{"i": 2, "decision": "discard"}}
+]
+
+Keine Erklaerung, keine Einleitung, kein Markdown, nur das Array."""
+
+        try:
+            result, usage = await call_claude(prompt, tools=None, model=CLAUDE_MODEL_FAST)
+        except Exception as e:
+            logger.warning("Forum-Moderation Claude-Call fehlgeschlagen, fail-open: %s", e)
+            return forum_articles, None
+
+        # Robustes JSON-Parsing
+        text = (result or "").strip()
+        if text.startswith("```"):
+            text = re.sub(r"^```(?:json)?\s*", "", text)
+            text = re.sub(r"\s*```\s*$", "", text)
+            text = text.strip()
+        try:
+            decisions = json.loads(text)
+        except json.JSONDecodeError:
+            m = re.search(r"\[.*\]", text, re.DOTALL)
+            if m:
+                try:
+                    decisions = json.loads(m.group(0))
+                except json.JSONDecodeError:
+                    decisions = None
+            else:
+                decisions = None
+        if not isinstance(decisions, list):
+            logger.warning("Forum-Moderation: kein JSON-Array, fail-open. Sample: %r", text[:200])
+            return forum_articles, usage
+
+        decision_map: dict[int, dict] = {}
+        for d in decisions:
+            if isinstance(d, dict) and isinstance(d.get("i"), int):
+                decision_map[d["i"]] = d
+
+        kept: list[dict] = []
+        stats = {"publishable": 0, "redact": 0, "discard": 0, "unknown": 0}
+        for i, art in enumerate(forum_articles):
+            d = decision_map.get(i)
+            if not d:
+                # Keine Entscheidung fuer diesen Beitrag -> als publishable behandeln (fail-open)
+                kept.append(art)
+                stats["unknown"] += 1
+                continue
+            decision = (d.get("decision") or "").strip().lower()
+            if decision == "discard":
+                stats["discard"] += 1
+                continue
+            if decision == "redact":
+                clean = (d.get("clean_content") or "").strip()
+                if clean:
+                    new_art = dict(art)
+                    new_art["content_original"] = clean
+                    new_art["content_de"] = clean if (art.get("content_de") or "") else None
+                    new_art["_moderation"] = "redacted"
+                    kept.append(new_art)
+                    stats["redact"] += 1
+                    continue
+                # Redact ohne clean_content -> sicherheitshalber discard
+                stats["discard"] += 1
+                continue
+            # Default / "publishable"
+            kept.append(art)
+            stats["publishable"] += 1
+
+        logger.info(
+            "Forum-Moderation: %d publishable, %d redacted, %d discarded, %d ohne Entscheidung",
+            stats["publishable"], stats["redact"], stats["discard"], stats["unknown"],
+        )
+        return kept, usage
+
+    async def generate_public_mood(
+        self,
+        title: str,
+        description: str,
+        forum_articles: list[dict],
+        output_language: str = "Deutsch",
+    ) -> tuple[str | None, ClaudeUsage | None]:
+        """Generiert die Kachel 'Öffentliche Stimmung' aus Foren-Quellen.
+
+        Eingabe: Artikel mit media_type='forum' (5ch-Threads, Hatena-Bookmarks,
+        Note-Trending-Posts etc.). Ausgabe: 3-6 Markdown-Bullets, jeder Bullet
+        fasst ein dominantes Thema/eine Bruchlinie der Diskussion zusammen und
+        nennt explizit die Quellen-Herkunft (z.B. "Auf 5ch /seiji/ ueberwiegen
+        ablehnende Stimmen ...").
+
+        WICHTIG: Das ist Stimmungsmaterial, NICHT Faktenlage. Der Prompt weist
+        Claude explizit an, Eigenaussagen aus Foren nicht als Fakt zu zitieren.
+
+        Returns: (markdown_text, usage) oder (None, usage) bei leerer/kaputter
+        Antwort. Bei keinen Foren-Artikeln: (None, None).
+        """
+        if not forum_articles:
+            return None, None
+
+        from config import CLAUDE_MODEL_FAST
+
+        # Pro Quelle gruppieren, damit Claude die Herkunft kennt
+        by_source: dict[str, list[dict]] = {}
+        for a in forum_articles:
+            src = (a.get("source") or "Forum (unbekannt)").strip()
+            by_source.setdefault(src, []).append(a)
+
+        # Artikel-Block bauen, kompakt aber mit Herkunft
+        lines: list[str] = []
+        for src, items in by_source.items():
+            lines.append(f"\n=== Quelle: {src} ({len(items)} Beitrag/-e) ===")
+            for it in items[:15]:  # max 15 pro Quelle, sonst sprengt das den Prompt
+                headline = it.get("headline_de") or it.get("headline_en_for_topic") or it.get("headline", "")
+                content = (
+                    it.get("content_de")
+                    or it.get("content_en_for_topic")
+                    or it.get("content_original")
+                    or ""
+                )
+                lines.append(f"- {headline[:200]}")
+                if content:
+                    lines.append(f"  {content[:300]}")
+        articles_block = "\n".join(lines)
+
+        prompt = f"""Du bist ein OSINT-Analyst. Aus den folgenden ANONYMEN FOREN-/COMMUNITY-BEITRAEGEN sollst du das Stimmungsbild der oeffentlichen Online-Diskussion fuer eine Lage extrahieren.
+
+LAGE: {title}
+KONTEXT: {description}
+
+FOREN-BEITRAEGE (gruppiert nach Quelle):
+{articles_block}
+
+AUFGABE:
+Erstelle eine kompakte Themen-Zusammenfassung in {output_language}: 3-6 Markdown-Bullet-Points, jeder Bullet fasst ein dominantes Thema, eine Forderung oder eine Bruchlinie der Diskussion zusammen. Pro Bullet 1-3 Saetze.
+
+REGELN:
+- DIES IST KEINE FAKTENLAGE. Du fasst zusammen, wie online diskutiert wird, nicht was wahr ist.
+- Quellen-Herkunft je Bullet EXPLIZIT nennen ("auf 5ch /seiji/ ueberwiegen ablehnende Reaktionen...", "Hatena-Kommentare betonen ueberwiegend ...", "Note-Autoren schreiben ueberwiegend ...").
+- KEINE Eigenaussagen aus Forenposts als Faktenbehauptung uebernehmen.
+- KEINE Klarnamen, persoenliche Daten oder Beleidigungen Dritter zitieren.
+- Bei klaren Pro-/Contra-Lagern beide Seiten beschreiben.
+- Wenn das Material zu duenn oder off-topic ist, gib explizit "Material zu duenn fuer Stimmungsbild" zurueck statt zu spekulieren.
+- Markdown: nur "- " Bullets, keine Ueberschriften, kein Fettdruck, keine Inline-Quellenverweise [1].
+- KEINE Gedankenstriche (—, –) verwenden — stattdessen Kommas, Doppelpunkte oder neue Saetze.
+- Verwende IMMER echte UTF-8-Umlaute (ä, ö, ü, ß) — NIEMALS Umschreibungen (ae, oe, ue, ss).
+
+Antworte AUSSCHLIESSLICH mit dem Markdown-Text der Bullets, ohne Einleitung, ohne Erklaerung."""
+
+        try:
+            result, usage = await call_claude(prompt, tools=None, model=CLAUDE_MODEL_FAST)
+        except Exception as e:
+            logger.warning(f"Public-Mood Claude-Call fehlgeschlagen: {e}")
+            return None, None
+
+        text = (result or "").strip()
+        if not text or "zu duenn" in text.lower() or "too thin" in text.lower():
+            logger.info("Public-Mood: Material zu duenn, kein Stimmungsbild generiert")
+            return None, usage
+
+        # Sanity-Check: mindestens 1 Bullet (- am Zeilenanfang)
+        if not any(line.lstrip().startswith("-") for line in text.split("\n")):
+            logger.warning("Public-Mood: Claude-Antwort enthaelt keine Bullets, Sample: %r", text[:200])
+            return None, usage
+
+        logger.info(
+            "Public-Mood: %d Forum-Beitraege aus %d Quellen zu Stimmungsbild zusammengefasst",
+            len(forum_articles), len(by_source),
+        )
+        return text, usage
+
     @staticmethod
     def _parse_latest_developments(text: str, new_articles: list[dict] | None = None) -> list[str]:
         """Extrahiert '- [DD.MM. HH:MM] ...'-Zeilen aus der Claude-Antwort.

src/agents/factchecker.py

@@ -431,9 +431,27 @@ class FactCheckerAgent:
     """Prüft Fakten über Claude CLI gegen unabhängige Quellen."""
 
     def _format_articles_text(self, articles: list[dict], max_articles: int = 20) -> str:
-        """Formatiert Artikel als Text für den Prompt."""
+        """Formatiert Artikel als Text für den Prompt.
+
+        Foren-Quellen (media_type='forum', z.B. 5ch/Hatena/Note) werden hier
+        ausgeschlossen — sie sind Stimmungsmaterial, kein Faktenbeleg. Ein
+        anonymer Forenpost darf nicht als "Quelle bestaetigt Behauptung X"
+        gelten.
+        """
+        # Falls media_type am Dict vorhanden ist, Foren-Quellen ausfiltern.
+        # Bei Article-Dicts aus dem RSS-/Pre-Topic-Pfad ist das Feld gesetzt;
+        # bei Reload aus der DB muss der Orchestrator das per JOIN annotieren.
+        non_forum = [a for a in articles if (a.get("media_type") or "").lower() != "forum"]
+        skipped = len(articles) - len(non_forum)
+        if skipped > 0:
+            logger.info(
+                "Faktencheck: %d Foren-Quellen (media_type='forum') ausgeschlossen, "
+                "%d Artikel als Faktenbeleg-Kandidaten",
+                skipped, len(non_forum),
+            )
+
         articles_text = ""
-        for i, article in enumerate(articles[:max_articles]):
+        for i, article in enumerate(non_forum[:max_articles]):
             articles_text += f"\n--- Meldung {i+1} ---\n"
             articles_text += f"Quelle: {article.get('source', 'Unbekannt')}\n"
             source_url = article.get('source_url', '')

src/agents/geoparsing.py

@@ -31,6 +31,28 @@ def _get_geonamescache():
     return _gc
 
 
+# Geografische Zentren (Centroids) der Laender, keyed nach ISO-2-Code.
+# Wird genutzt, wenn ein Artikel ein LAND nennt (kein konkreter Ort). Vorher
+# wurde dem Land die Hauptstadt zugewiesen — das stapelte z.B. alle "Japan"-
+# Marker exakt auf Tokyo und suggerierte faelschlich ein Ereignis in der
+# Hauptstadt. Das Centroid liegt in der Landesmitte und ist neutral.
+# Laender, die hier fehlen, fallen auf die Hauptstadt zurueck (alte Logik).
+_COUNTRY_CENTROIDS = {
+    "AF": (33.94, 67.71),  "AT": (47.52, 14.55),  "AZ": (40.14, 47.58),
+    "CH": (46.82, 8.23),   "CN": (35.86, 104.20), "CY": (35.13, 33.43),
+    "DE": (51.17, 10.45),  "EG": (26.82, 30.80),  "ES": (40.46, -3.75),
+    "FR": (46.23, 2.21),   "GB": (54.70, -3.28),  "GR": (39.07, 21.82),
+    "IL": (31.05, 34.85),  "IN": (20.59, 78.96),  "IQ": (33.22, 43.68),
+    "IR": (32.43, 53.69),  "IT": (41.87, 12.57),  "JO": (30.59, 36.24),
+    "JP": (36.20, 138.25), "KP": (40.34, 127.51), "KR": (35.91, 127.77),
+    "KW": (29.31, 47.48),  "LB": (33.85, 35.86),  "NL": (52.13, 5.29),
+    "OM": (21.47, 55.98),  "PK": (30.38, 69.35),  "PS": (31.95, 35.23),
+    "QA": (25.32, 51.18),  "RU": (61.52, 105.32), "SA": (23.89, 45.08),
+    "SY": (34.80, 38.997), "TR": (38.96, 35.24),  "UA": (48.38, 31.17),
+    "US": (39.83, -98.58), "YE": (15.55, 48.52),  "TW": (23.80, 121.00),
+}
+
+
 # Bekannte Laendernamen (deutsch/englisch/alternativ -> ISO-2 Code + Hauptstadt-Koordinaten)
 _COUNTRY_ALIASES = {
     "libanon": {"code": "LB", "name": "Lebanon", "lat": 33.8938, "lon": 35.5018},
@@ -106,9 +128,12 @@ def _geocode_offline(name: str, country_code: str = "") -> Optional[dict]:
     # 1. Bekannte Laender-Aliase (schnellster + sicherster Pfad)
     alias = _COUNTRY_ALIASES.get(name_lower)
     if alias:
+        # Land -> geografisches Zentrum (Centroid) statt Hauptstadt, wo bekannt.
+        centroid = _COUNTRY_CENTROIDS.get(alias["code"])
+        lat, lon = centroid if centroid else (alias["lat"], alias["lon"])
         return {
-            "lat": alias["lat"],
+            "lat": lat,
-            "lon": alias["lon"],
+            "lon": lon,
             "country_code": alias["code"],
             "normalized_name": alias["name"],
             "confidence": 0.95,
@@ -118,9 +143,20 @@ def _geocode_offline(name: str, country_code: str = "") -> Optional[dict]:
     countries = gc.get_countries()
     for code, country in countries.items():
         if country.get("name", "").lower() == name_lower:
+            # Land -> Centroid (Landesmitte), wo bekannt. Das verhindert, dass
+            # alle "Japan"-Marker exakt auf Tokyo gestapelt werden.
+            centroid = _COUNTRY_CENTROIDS.get(code)
+            if centroid:
+                return {
+                    "lat": centroid[0],
+                    "lon": centroid[1],
+                    "country_code": code,
+                    "normalized_name": country["name"],
+                    "confidence": 0.9,
+                }
+            # Kein Centroid hinterlegt -> Fallback auf die Hauptstadt.
             capital = country.get("capital", "")
             if capital:
-                # Hauptstadt geocoden, aber als Land benennen
                 cap_alias = _COUNTRY_ALIASES.get(capital.lower())
                 if cap_alias:
                     return {

src/agents/orchestrator.py

@@ -2,6 +2,7 @@
 import asyncio
 import json
 import logging
+import os
 import re
 from datetime import datetime
 from config import TIMEZONE
@@ -34,6 +35,7 @@ CATEGORY_REPUTATION = {
     "international":         0.75,  # CNN, Guardian, NYT, Al Jazeera, France24
     "regional":              0.65,  # regionale Tageszeitungen
     "telegram":              0.5,   # OSINT-Kanaele — gemischte Qualitaet
+    "x":                     0.4,   # X/Twitter-Accounts, hohes Rauschen
     "sonstige":              0.4,   # unkategorisiert
     "boulevard":             0.3,   # Bild, Sun etc.
 }
@@ -400,48 +402,83 @@ async def _send_email_notifications_for_incident(
 
 
 class AgentOrchestrator:
-    """Verwaltet die Claude-Agenten-Queue und koordiniert Recherche-Zyklen."""
+    """Koordiniert die Recherche-Zyklen: pro Organisation eine unabhaengige,
+    parallel laufende Worker-Lane."""
+
+    # Lane-Schluessel fuer oeffentliche/systemweite Lagen (tenant_id IS NULL).
+    PUBLIC_LANE = 0
+    # Sekunden ohne Auftrag, nach denen eine Lane sich beendet und aufraeumt.
+    IDLE_TIMEOUT = 60
 
     def __init__(self):
-        self._queue: asyncio.Queue = asyncio.Queue()
         self._running = False
-        self._current_task: Optional[int] = None
-        # Session-Start des aktuellen Tasks (UTC ISO mit 'Z'). Ueberspannt Multi-Pass
-        # und Retries innerhalb derselben Queue-Abarbeitung — verhindert, dass der
-        # Frontend-Timer beim Seiten-Reload auf den Pass/Retry-Start zurueckspringt.
-        self._current_task_started_at: Optional[str] = None
         self._ws_manager = None
-        self._queued_ids: set[int] = set()
+        # Pro Organisation (tenant_id) eine eigene Queue + ein eigener Worker-Task.
+        # So arbeiten Organisationen unabhaengig und parallel, statt sich eine
+        # globale Warteschlange zu teilen. Lanes werden bei Bedarf angelegt und bei
+        # Leerlauf wieder beendet. Der Lock schuetzt das Anlegen/Beenden gegen
+        # gleichzeitiges Einreihen.
+        self._lanes: dict[int, asyncio.Queue] = {}
+        self._lane_workers: dict[int, asyncio.Task] = {}
+        self._lanes_lock = asyncio.Lock()
+        # Globale Zustaende — incident-IDs sind lane-uebergreifend eindeutig.
+        self._queued_ids: set[int] = set()          # eingereiht (in irgendeiner Lane)
+        # incident_id -> Session-Start (UTC ISO mit 'Z'). Ersetzt den frueheren
+        # Einzelwert; haelt den Frontend-Timer ueber Multi-Pass/Retry stabil.
+        self._current_tasks: dict[int, str] = {}
         self._cancel_requested: set[int] = set()
-        self._cancel_event: asyncio.Event | None = None
+        # incident_id -> Cancel-Event des laufenden Tasks. cancel_refresh laeuft in
+        # einem anderen async-Kontext als der Worker und kann die ContextVar nicht
+        # nutzen, daher diese direkte Zuordnung.
+        self._cancel_events: dict[int, asyncio.Event] = {}
+        # Optionales Sicherheitsventil gegen Ueberlastung des gemeinsamen Claude-
+        # Kontos: begrenzt die Zahl GLEICHZEITIG laufender Recherchen ueber alle
+        # Lanes. Default 0 = unbegrenzt (jede Organisation voellig unabhaengig).
+        _max = int(os.getenv("ORCHESTRATOR_MAX_PARALLEL", "0") or "0")
+        self._global_sem: Optional[asyncio.Semaphore] = asyncio.Semaphore(_max) if _max > 0 else None
 
     def set_ws_manager(self, ws_manager):
         """WebSocket-Manager setzen für Echtzeit-Updates."""
         self._ws_manager = ws_manager
 
     async def start(self):
-        """Queue-Worker starten."""
+        """Orchestrator aktivieren. Worker-Lanes werden pro Organisation bei der
+        ersten Anfrage angelegt (lazy)."""
         self._running = True
-        asyncio.create_task(self._worker())
         logger.info("Agenten-Orchestrator gestartet")
 
     async def stop(self):
-        """Queue-Worker stoppen."""
+        """Orchestrator stoppen und alle Lane-Worker beenden."""
         self._running = False
+        async with self._lanes_lock:
+            workers = list(self._lane_workers.values())
+            self._lane_workers.clear()
+            self._lanes.clear()
+        for task in workers:
+            task.cancel()
         logger.info("Agenten-Orchestrator gestoppt")
 
     async def enqueue_refresh(self, incident_id: int, trigger_type: str = "manual", user_id: int = None) -> bool:
-        """Refresh-Auftrag in die Queue stellen. Gibt False zurueck wenn bereits in Queue/aktiv."""
+        """Refresh-Auftrag in die Lane der Organisation stellen. Gibt False zurueck
-        if incident_id in self._queued_ids or self._current_task == incident_id:
+        wenn die Lage dort bereits wartet oder gerade laeuft."""
+        if incident_id in self._queued_ids or incident_id in self._current_tasks:
             logger.info(f"Refresh fuer Lage {incident_id} uebersprungen: bereits aktiv/in Queue")
             return False
 
         visibility, created_by, tenant_id = await self._get_incident_visibility(incident_id)
+        lane_key = tenant_id if tenant_id else self.PUBLIC_LANE
 
+        async with self._lanes_lock:
+            queue = self._lanes.get(lane_key)
+            if queue is None:
+                queue = asyncio.Queue()
+                self._lanes[lane_key] = queue
+                self._lane_workers[lane_key] = asyncio.create_task(self._worker(lane_key, queue))
+                logger.info(f"Neue Worker-Lane fuer Organisation {lane_key} gestartet")
             self._queued_ids.add(incident_id)
-        await self._queue.put((incident_id, trigger_type, user_id))
+            queue.put_nowait((incident_id, trigger_type, user_id))
-        queue_size = self._queue.qsize()
+            queue_size = queue.qsize()
-        logger.info(f"Refresh fuer Lage {incident_id} eingereiht (Queue: {queue_size}, Trigger: {trigger_type})")
+        logger.info(f"Refresh fuer Lage {incident_id} eingereiht (Lane {lane_key}, Queue: {queue_size}, Trigger: {trigger_type})")
 
         if self._ws_manager:
             await self._ws_manager.broadcast_for_incident({
@@ -454,11 +491,12 @@ class AgentOrchestrator:
 
     async def cancel_refresh(self, incident_id: int) -> bool:
         """Fordert Abbruch eines laufenden oder wartenden Refreshes an."""
-        # Check if it's the currently running task
+        # Laeuft die Lage gerade?
-        if self._current_task == incident_id:
+        if incident_id in self._current_tasks:
             self._cancel_requested.add(incident_id)
-            if self._cancel_event:
+            ev = self._cancel_events.get(incident_id)
-                self._cancel_event.set()
+            if ev:
+                ev.set()
             logger.info(f"Cancel angefordert fuer laufende Lage {incident_id}")
             if self._ws_manager:
                 try:
@@ -472,25 +510,33 @@ class AgentOrchestrator:
                 }, vis, cb, tid)
             return True
 
-        # Check if it's in the queue (not yet started)
+        # Wartet die Lage noch in ihrer Lane?
         if incident_id in self._queued_ids:
             self._queued_ids.discard(incident_id)
-            # Remove from asyncio queue (rebuild without this ID)
+            # Betroffene Lane bestimmen und die ID aus deren Queue entfernen.
-            removed = False
-            new_items = []
-            while not self._queue.empty():
             try:
-                    item = self._queue.get_nowait()
+                _vis, _cb, _tid = await self._get_incident_visibility(incident_id)
+            except Exception:
+                _tid = None
+            lane_key = _tid if _tid else self.PUBLIC_LANE
+            removed = False
+            async with self._lanes_lock:
+                queue = self._lanes.get(lane_key)
+                if queue is not None:
+                    new_items = []
+                    while not queue.empty():
+                        try:
+                            item = queue.get_nowait()
+                        except Exception:
+                            break
                         iid = item[0] if isinstance(item, tuple) else item
                         if iid == incident_id:
                             removed = True
-                        self._queue.task_done()
+                            queue.task_done()
                         else:
                             new_items.append(item)
-                except Exception:
-                    break
                     for item in new_items:
-                self._queue.put_nowait(item)
+                        queue.put_nowait(item)
 
             logger.info(f"Lage {incident_id} aus Warteschlange entfernt (removed={removed})")
 
@@ -518,12 +564,22 @@ class AgentOrchestrator:
             self._cancel_requested.discard(incident_id)
             raise asyncio.CancelledError("Vom Nutzer abgebrochen")
 
-    async def _worker(self):
+    async def _worker(self, lane_key: int, queue: asyncio.Queue):
-        """Verarbeitet Refresh-Aufträge sequentiell."""
+        """Verarbeitet die Auftraege EINER Organisation sequentiell. Verschiedene
+        Organisationen laufen in eigenen Lanes parallel. Bei Leerlauf beendet sich
+        die Lane selbst und wird beim naechsten Auftrag neu angelegt."""
         while self._running:
             try:
-                item = await asyncio.wait_for(self._queue.get(), timeout=5.0)
+                item = await asyncio.wait_for(queue.get(), timeout=self.IDLE_TIMEOUT)
             except asyncio.TimeoutError:
+                # Leerlauf: Lane beenden. Unter Lock gegen gleichzeitiges Einreihen,
+                # damit kein Auftrag in einer verwaisten Queue liegen bleibt.
+                async with self._lanes_lock:
+                    if queue.empty() and self._lanes.get(lane_key) is queue:
+                        self._lanes.pop(lane_key, None)
+                        self._lane_workers.pop(lane_key, None)
+                        logger.info(f"Worker-Lane fuer Organisation {lane_key} bei Leerlauf beendet")
+                        return
                 continue
 
             if len(item) == 3:
@@ -532,12 +588,12 @@ class AgentOrchestrator:
                 incident_id, trigger_type = item
                 user_id = None
             self._queued_ids.discard(incident_id)
-            self._current_task = incident_id
             # Session-Start EINMAL setzen — bleibt ueber Multi-Pass/Retry hinweg stabil
-            self._current_task_started_at = datetime.utcnow().strftime('%Y-%m-%dT%H:%M:%SZ')
+            self._current_tasks[incident_id] = datetime.utcnow().strftime('%Y-%m-%dT%H:%M:%SZ')
-            self._cancel_event = asyncio.Event()
+            cancel_event = asyncio.Event()
-            _cancel_event_var.set(self._cancel_event)
+            self._cancel_events[incident_id] = cancel_event
-            logger.info(f"Starte Refresh für Lage {incident_id} (Trigger: {trigger_type})")
+            _cancel_event_var.set(cancel_event)
+            logger.info(f"Starte Refresh für Lage {incident_id} (Lane {lane_key}, Trigger: {trigger_type})")
 
             RETRY_DELAYS = [0, 120, 300]  # Sekunden: sofort, 2min, 5min
             TRANSIENT_ERRORS = (asyncio.TimeoutError, TimeoutError, ConnectionError, OSError)
@@ -547,6 +603,10 @@ class AgentOrchestrator:
             def _is_transient_cli(err: Exception) -> bool:
                 return isinstance(err, ClaudeCliError) and err.error_type in ("rate_limit", "timeout")
 
+            # Optionales globales Ventil (Default aus): begrenzt gleichzeitige Recherchen.
+            sem = self._global_sem
+            if sem is not None:
+                await sem.acquire()
             try:
                 # Research-Lagen: Automatisch 3 Durchläufe nur beim ersten Refresh
                 incident_type, has_summary = await self._get_incident_info(incident_id)
@@ -625,11 +685,13 @@ class AgentOrchestrator:
                         "data": {"error": str(last_error)},
                     }, _vis, _cb, _tid)
             finally:
-                self._current_task = None
+                if sem is not None:
-                self._current_task_started_at = None
+                    sem.release()
-                self._cancel_event = None
+                self._current_tasks.pop(incident_id, None)
+                self._cancel_events.pop(incident_id, None)
+                self._cancel_requested.discard(incident_id)
                 _cancel_event_var.set(None)
-                self._queue.task_done()
+                queue.task_done()
 
     async def _mark_refresh_cancelled(self, incident_id: int):
         """Markiert den laufenden Refresh-Log-Eintrag als cancelled und schliesst
@@ -744,14 +806,43 @@ class AgentOrchestrator:
             description = incident["description"] or ""
             incident_type = incident["type"] or "adhoc"
             international = bool(incident["international_sources"]) if "international_sources" in incident.keys() else True
+            # Wenn die Org eine Sprach-Whitelist gesetzt hat, ist 'international' bedeutungslos —
+            # die Whitelist gewinnt. Wir setzen 'international' auf True, damit der nachgelagerte
+            # Code alle (durch Whitelist gefilterten) Feeds in Betracht zieht. Tatsaechliche
+            # Einschraenkung passiert in get_feeds_with_metadata.
+            # Hinweis: source_lang_whitelist wird weiter unten geladen.
             include_telegram = bool(incident["include_telegram"]) if "include_telegram" in incident.keys() else False
+            include_x = bool(incident["include_x"]) if "include_x" in incident.keys() else False
             visibility = incident["visibility"] if "visibility" in incident.keys() else "public"
             created_by = incident["created_by"] if "created_by" in incident.keys() else None
             tenant_id = incident["tenant_id"] if "tenant_id" in incident.keys() else None
             # Org-Sprache fuer alle KI-Agenten (Lagebild, Faktencheck, Recherche)
-            from services.org_settings import get_org_language, language_display
+            from services.org_settings import (
+                get_org_language, language_display, get_research_language,
+                get_source_language_whitelist, get_translator_enabled,
+            )
             output_language_iso = await get_org_language(db, tenant_id) if tenant_id else "de"
             output_language = language_display(output_language_iso)
+            # research_language steuert nur den WebSearch-Prompt ("suche in Sprache X").
+            # Default = output_language_iso. Bei jp_demo wird das auf 'ja' gesetzt, waehrend
+            # output_language_iso 'de' bleibt (Lagebild auf Deutsch, Recherche auf Japanisch).
+            research_language_iso = await get_research_language(db, tenant_id) if tenant_id else output_language_iso
+            # source_language_whitelist schraenkt RSS-/Telegram-Quellenpool ein (z.B. ['ja']).
+            # Wenn gesetzt, wird das incident-level Flag international_sources ignoriert
+            # (Whitelist ist explizit, das Flag ist Default-Verhalten).
+            source_lang_whitelist = await get_source_language_whitelist(db, tenant_id) if tenant_id else None
+            # Pro-Org-Override des globalen TRANSLATOR_ENABLED-Flags.
+            translator_enabled = await get_translator_enabled(db, tenant_id)
+            # Whitelist gewinnt ueber das incident-Flag international_sources:
+            # wenn die Org eine Sprach-Whitelist hat, sind alle gewaehlten Feeds
+            # ohnehin "Wunsch-Sprache" — kein Splitting in primary/international noetig.
+            if source_lang_whitelist:
+                international = True
+                logger.info(
+                    "Org %s hat source_language_whitelist=%s gesetzt; "
+                    "incident.international_sources wird ignoriert",
+                    tenant_id, source_lang_whitelist,
+                )
             previous_summary = incident["summary"] or ""
             previous_sources_json = incident["sources_json"] if "sources_json" in incident.keys() else None
             previous_developments = incident["latest_developments"] if "latest_developments" in incident.keys() else None
@@ -844,7 +935,9 @@ class AgentOrchestrator:
             try:
                 if incident_type == "adhoc":
                     _src_cursor = await db.execute(
-                        "SELECT COUNT(*) AS cnt FROM sources WHERE tenant_id = ? AND status = 'active'",
+                        "SELECT COUNT(*) AS cnt FROM sources "
+                        "WHERE status = 'active' "
+                        "AND (tenant_id IS NULL OR tenant_id = ?)",
                         (tenant_id,),
                     )
                     _src_row = await _src_cursor.fetchone()
@@ -892,7 +985,32 @@ class AgentOrchestrator:
                     # Feed-Selektion-Keywords nur als Fallback wenn dynamische fehlen
                     if not keywords:
                         keywords = feed_sel_keywords
-                    articles = await rss_parser.search_feeds_selective(title, selected_feeds, keywords=keywords)
+                    # --- Recall-Boost: dynamische Google-News-Volltext-Suchfeeds ---
+                    # Statt nur feste site:-Feeds zu durchsuchen, baut die Pipeline
+                    # pro Sprache einen Google-News-Suchfeed aus den Keywords. Damit
+                    # erreichen wir Quellen, die in keinem festen Feed stehen
+                    # (Vendor-Blogs, Fachportale, Regionalmedien).
+                    from agents.researcher import build_news_search_feeds
+                    if source_lang_whitelist:
+                        _gnews_langs = list(source_lang_whitelist)
+                    else:
+                        _gnews_langs = list({output_language_iso, research_language_iso})
+                    # Zwei Sets: ein Kontext-Feed (alle Zeiten) + ein Frische-Feed
+                    # (when:14d). Der Frische-Feed garantiert, dass das aktuelle
+                    # Bild eingefangen wird, auch wenn aeltere Artikel relevanter
+                    # ranken. Beide laufen durch dieselbe Pipeline; Dedup entfernt
+                    # Ueberschneidungen.
+                    _gnews_feeds = build_news_search_feeds(keywords, _gnews_langs)
+                    _gnews_recent = build_news_search_feeds(keywords, _gnews_langs, recency_days=14)
+                    _all_gnews = _gnews_feeds + _gnews_recent
+                    if _all_gnews:
+                        logger.info(
+                            f"Google-News-Suchfeeds ergaenzt: {len(_gnews_feeds)} Kontext "
+                            f"+ {len(_gnews_recent)} Frische (when:14d)"
+                        )
+                    articles = await rss_parser.search_feeds_selective(
+                        title, selected_feeds + _all_gnews, keywords=keywords,
+                    )
                 else:
                     articles = await rss_parser.search_feeds(title, international=international, tenant_id=tenant_id, keywords=keywords, user_id=user_id)
 
@@ -934,6 +1052,7 @@ class AgentOrchestrator:
                     preferred_sources=preferred_sources,
                     output_language=output_language,
                     output_language_iso=output_language_iso,
+                    research_language_iso=research_language_iso,
                 )
                 logger.info(
                     f"Claude-Recherche: {len(results)} Ergebnisse"
@@ -971,7 +1090,11 @@ class AgentOrchestrator:
                 if pd_kw_usage:
                     usage_acc.add(pd_kw_usage)
 
-                articles = await pd_parser.search_feeds_selective(title, podcast_feeds, keywords=pd_keywords)
+                # Podcast-Parser erwartet (noch) eine flache Liste – Podcasts sind
+                # primaer deutschsprachig, daher reicht das gemeinsame Flatten.
+                from agents.researcher import flatten_keywords
+                pd_keywords_flat = flatten_keywords(pd_keywords)
+                articles = await pd_parser.search_feeds_selective(title, podcast_feeds, keywords=pd_keywords_flat or None)
                 logger.info(f"Podcast-Pipeline: {len(articles)} Episoden gefunden")
                 return articles, None
 
@@ -1009,26 +1132,76 @@ class AgentOrchestrator:
                 tg_keywords, tg_kw_usage = await tg_researcher.extract_dynamic_keywords(title, tg_headlines)
                 if tg_kw_usage:
                     usage_acc.add(tg_kw_usage)
+                if isinstance(tg_keywords, dict):
+                    logger.info(f"Telegram-Keywords (Sprachen): { {k: len(v) for k, v in tg_keywords.items()} }")
+                else:
                     logger.info(f"Telegram-Keywords: {tg_keywords}")
 
                 articles = await tg_parser.search_channels(title, tenant_id=tenant_id, keywords=tg_keywords, channel_ids=selected_ids)
                 logger.info(f"Telegram-Pipeline: {len(articles)} Nachrichten")
                 return articles, None
 
+            async def _x_pipeline():
+                """X-Account-Suche (Twitter) mit KI-basierter Account-Selektion."""
+                from feeds.x_parser import XParser
+                x_parser = XParser()
+
+                # Alle X-Accounts laden
+                all_accounts = await x_parser._get_x_accounts(tenant_id=tenant_id)
+                if not all_accounts:
+                    logger.info("Keine X-Accounts konfiguriert")
+                    return [], None
+
+                # KI waehlt relevante Accounts aus
+                x_researcher = ResearcherAgent()
+                selected_accounts, x_sel_usage = await x_researcher.select_relevant_x_accounts(
+                    title, description, all_accounts
+                )
+                if x_sel_usage:
+                    usage_acc.add(x_sel_usage)
+
+                selected_ids = [acc["id"] for acc in selected_accounts]
+                logger.info(f"X-Selektion: {len(selected_ids)} von {len(all_accounts)} Accounts")
+
+                # Dynamische Keywords fuer X (eigener Aufruf, da parallel zu RSS)
+                cursor_x_hl = await db.execute(
+                    """SELECT COALESCE(headline_de, headline) as hl
+                       FROM articles WHERE incident_id = ?
+                       AND COALESCE(headline_de, headline) IS NOT NULL
+                       ORDER BY collected_at DESC LIMIT 30""",
+                    (incident_id,),
+                )
+                x_headlines = [row["hl"] for row in await cursor_x_hl.fetchall() if row["hl"]]
+                x_keywords, x_kw_usage = await x_researcher.extract_dynamic_keywords(title, x_headlines)
+                if x_kw_usage:
+                    usage_acc.add(x_kw_usage)
+
+                articles = await x_parser.search_accounts(
+                    title, tenant_id=tenant_id, keywords=x_keywords, account_ids=selected_ids
+                )
+                logger.info(f"X-Pipeline: {len(articles)} Posts")
+                return articles, None
+
             # Pipeline-Schritt 2: Nachrichten sammeln (Start)
             await _pipe_start("collect")
 
-            # Pipelines parallel starten (RSS + WebSearch + Podcasts + optional Telegram)
+            # Pipelines parallel starten (RSS + WebSearch + Podcasts + optional Telegram/X)
             pipelines = [_rss_pipeline(), _web_search_pipeline(), _podcast_pipeline()]
+            telegram_idx = x_idx = None
             if include_telegram:
+                telegram_idx = len(pipelines)
                 pipelines.append(_telegram_pipeline())
+            if include_x:
+                x_idx = len(pipelines)
+                pipelines.append(_x_pipeline())
 
             pipeline_results = await asyncio.gather(*pipelines)
 
             (rss_articles, rss_feed_usage) = pipeline_results[0]
             (search_results, search_usage, search_parse_failed) = pipeline_results[1]
             (podcast_articles, _podcast_usage) = pipeline_results[2]
-            telegram_articles = pipeline_results[3][0] if include_telegram else []
+            telegram_articles = pipeline_results[telegram_idx][0] if telegram_idx is not None else []
+            x_articles = pipeline_results[x_idx][0] if x_idx is not None else []
 
             # Podcast-Artikel in die RSS-Liste einfuegen (gleicher Downstream-Pfad)
             if podcast_articles:
@@ -1047,7 +1220,7 @@ class AgentOrchestrator:
             self._check_cancelled(incident_id)
 
             # Alle Ergebnisse zusammenführen
-            all_results = rss_articles + search_results + telegram_articles
+            all_results = rss_articles + search_results + telegram_articles + x_articles
             # Pipeline-Schritt 2: Nachrichten sammeln (fertig)
             try:
                 _delivering_sources = len({a.get("source", "") for a in all_results if a.get("source")})
@@ -1130,6 +1303,25 @@ class AgentOrchestrator:
             await _pipe_start("relevance")
             _candidates_before_topic = len(new_candidates)
 
+            # --- Pre-Topic-Übersetzung: fremdsprachige Headlines ins Englische ---
+            # Damit der nachgelagerte Topic-Filter (Haiku) auch CJK/Arabisch/
+            # Hebräisch/Kyrillisch-Headlines fair beurteilen kann statt sie aus
+            # Sicherheit zu verwerfen.
+            if new_candidates:
+                try:
+                    from agents.translator import translate_headlines_for_topic_filter
+                    _pt_count, _pt_usage = await translate_headlines_for_topic_filter(new_candidates)
+                    if _pt_usage:
+                        usage_acc.add(_pt_usage)
+                    if _pt_count:
+                        logger.info(
+                            f"Pre-Topic-Translate: {_pt_count} fremdsprachige Headlines übersetzt"
+                        )
+                except Exception as e:
+                    logger.warning(
+                        f"Pre-Topic-Translate fehlgeschlagen (Pipeline laeuft weiter): {e}"
+                    )
+
             # --- Semantischer Topic-Filter (Haiku) ---
             # Wirft Artikel raus, die zwar Keyword-Treffer hatten, aber das Kernthema
             # der Lage nicht inhaltlich behandeln. Bei Fehler Fallback auf alle Kandidaten.
@@ -1146,18 +1338,28 @@ class AgentOrchestrator:
             new_count = 0
             new_articles_for_analysis = []
             for article in new_candidates:
+                # headline_en / content_en: zuerst die vollwertige Übersetzung
+                # vom Translator (wenn TRANSLATOR_ENABLED), sonst die für den
+                # Topic-Filter angefertigte Mini-Übersetzung wiederverwenden.
+                # Ohne diesen Fallback würden fremdsprachige Artikel zwar
+                # gefiltert, aber ohne englische Headline in der DB landen und
+                # später im Frontend bzw. im Summary-LLM unlesbar bleiben.
+                headline_en = article.get("headline_en") or article.get("headline_en_for_topic")
+                content_en = article.get("content_en") or article.get("content_en_for_topic")
                 cursor = await db.execute(
-                    """INSERT INTO articles (incident_id, headline, headline_de, source,
+                    """INSERT INTO articles (incident_id, headline, headline_de, headline_en, source,
-                       source_url, content_original, content_de, language, published_at, tenant_id)
+                       source_url, content_original, content_de, content_en, language, published_at, tenant_id)
-                       VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?)""",
+                       VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)""",
                     (
                         incident_id,
                         article.get("headline", ""),
                         article.get("headline_de"),
+                        headline_en,
                         article.get("source", "Unbekannt"),
                         article.get("source_url"),
                         article.get("content_original"),
                         article.get("content_de"),
+                        content_en,
                         article.get("language", "de"),
                         article.get("published_at"),
                         tenant_id,
@@ -1171,14 +1373,25 @@ class AgentOrchestrator:
             await db.commit()
 
             # Geoparsing: Orte aus neuen Artikeln extrahieren und speichern
-            if new_articles_for_analysis:
+            # Foren-Quellen (media_type='forum') ausschliessen: 5ch/Hatena/Note-Posts haben
+            # keinen eigenen, fuer das Lagebild interessanten geographischen Bezug; spart Haiku-Calls.
+            articles_for_geoparsing = [
+                a for a in new_articles_for_analysis
+                if (a.get("media_type") or "").lower() != "forum"
+            ]
+            if new_articles_for_analysis and not articles_for_geoparsing:
+                logger.info(
+                    "Geoparsing uebersprungen: alle %d neuen Artikel sind Forum-Quellen",
+                    len(new_articles_for_analysis),
+                )
+            if articles_for_geoparsing:
                 # Pipeline-Schritt 5: Orte erkennen (Start)
                 await _pipe_start("geoparsing")
                 try:
                     from agents.geoparsing import geoparse_articles
                     incident_context = f"{title} - {description}"
-                    logger.info(f"Geoparsing fuer {len(new_articles_for_analysis)} neue Artikel...")
+                    logger.info(f"Geoparsing fuer {len(articles_for_geoparsing)} neue Artikel (Foren ausgeschlossen)...")
-                    geo_results, category_labels = await geoparse_articles(new_articles_for_analysis, incident_context)
+                    geo_results, category_labels = await geoparse_articles(articles_for_geoparsing, incident_context)
                     geo_count = 0
                     for art_id, locations in geo_results.items():
                         for loc in locations:
@@ -1256,7 +1469,12 @@ class AgentOrchestrator:
                 all_articles_preloaded = None
                 if not previous_summary or new_count == 0 or not existing_facts:
                     cursor = await db.execute(
-                        "SELECT * FROM articles WHERE incident_id = ? ORDER BY collected_at DESC",
+                        # JOIN auf sources, damit media_type pro Artikel verfuegbar ist
+                        # (Faktencheck schliesst Foren-Quellen aus, das Stimmungs-Modul nimmt
+                        # nur diese). Bei Quellen ohne Match in sources bleibt media_type NULL.
+                        "SELECT a.*, s.media_type AS media_type FROM articles a "
+                        "LEFT JOIN sources s ON s.name = a.source "
+                        "WHERE a.incident_id = ? ORDER BY a.collected_at DESC",
                         (incident_id,),
                     )
                     all_articles_preloaded = [dict(row) for row in await cursor.fetchall()]
@@ -1409,6 +1627,78 @@ class AgentOrchestrator:
                     logger.warning("build_fact_context_block fehlgeschlagen: %s", ctx_err, exc_info=True)
                     fact_context_block = ""
 
+                # Pipeline-Schritt 6b: Öffentliche Stimmung aus Foren-Quellen
+                # (nur Artikel mit media_type='forum'). Eigene Kachel, kein Faktencheck.
+                # Wird vor dem Lagebild-Schritt ausgefuehrt, damit das Lagebild bei
+                # Bedarf darauf verweisen kann (z.B. Demo-Lagen mit Bezug zur Stimmung).
+                try:
+                    # Bestand aller Foren-Artikel der Lage laden (inkl. media_type via JOIN)
+                    cursor_fm = await db.execute(
+                        "SELECT a.*, s.media_type AS media_type FROM articles a "
+                        "LEFT JOIN sources s ON s.name = a.source "
+                        "WHERE a.incident_id = ?",
+                        (incident_id,),
+                    )
+                    all_articles_with_mt = [dict(r) for r in await cursor_fm.fetchall()]
+                    forum_articles_in_db = [
+                        a for a in all_articles_with_mt
+                        if (a.get("media_type") or "").lower() == "forum"
+                    ]
+                    # Aus dem aktuellen Refresh-Lauf zusaetzliche Foren-Artikel ergaenzen
+                    # (haben media_type aus feed_config, sind aber evtl. noch nicht in DB,
+                    # wenn die Persistierung anders laeuft — Robustheit).
+                    for art in new_articles_for_analysis:
+                        if (art.get("media_type") or "").lower() != "forum":
+                            continue
+                        # Duplikate vermeiden ueber source_url
+                        if any(a.get("source_url") == art.get("source_url") for a in forum_articles_in_db):
+                            continue
+                        forum_articles_in_db.append(art)
+
+                    if forum_articles_in_db:
+                        await _pipe_start("public_mood")
+                        try:
+                            mood_agent = AnalyzerAgent()
+                            # 1. Moderationspass: Hassrede/PII/NSFW vorab filtern.
+                            moderated_articles, mod_usage = await mood_agent.moderate_forum_articles(
+                                forum_articles_in_db,
+                            )
+                            if mod_usage:
+                                usage_acc.add(mod_usage)
+                            # 2. Stimmungs-Zusammenfassung aus gefilterten Beitraegen.
+                            mood_text, mood_usage = await mood_agent.generate_public_mood(
+                                title, description, moderated_articles,
+                                output_language=output_language,
+                            )
+                            if mood_usage:
+                                usage_acc.add(mood_usage)
+                            if mood_text:
+                                await db.execute(
+                                    "UPDATE incidents SET public_mood = ?, public_mood_updated_at = ? WHERE id = ?",
+                                    (mood_text, now, incident_id),
+                                )
+                                await db.commit()
+                                logger.info(
+                                    "Public-Mood gespeichert fuer Incident %d (%d -> %d Foren-Artikel nach Moderation)",
+                                    incident_id, len(forum_articles_in_db), len(moderated_articles),
+                                )
+                            await _pipe_done(
+                                "public_mood",
+                                count_value=len(moderated_articles),
+                                count_secondary=(1 if mood_text else 0),
+                            )
+                        except Exception as mood_err:
+                            logger.warning("Public-Mood fehlgeschlagen: %s", mood_err, exc_info=True)
+                            await _pipe_done("public_mood", count_value=0, count_secondary=0)
+                    else:
+                        await _pipe_skip("public_mood")
+                except Exception as mood_outer_err:
+                    logger.warning("Public-Mood-Block uebersprungen: %s", mood_outer_err)
+                    try:
+                        await _pipe_skip("public_mood")
+                    except Exception:
+                        pass
+
                 # Pipeline-Schritt 7: Lagebild verfassen (jetzt mit Faktenkontext)
                 await _pipe_start("summary")
                 logger.info(
@@ -1524,6 +1814,7 @@ class AgentOrchestrator:
                 # Idempotent: nur Artikel ohne headline_de/content_de werden geholt.
                 # Lauft nach der Analyse (Lagebild ist schon committed) und vor QC
                 # (damit normalize_umlaut_articles auch die frischen DE-Texte fasst).
+                _translate_step_started = False
                 try:
                     tr_cursor = await db.execute(
                         """SELECT id, headline, content_original, language
@@ -1535,7 +1826,10 @@ class AgentOrchestrator:
                         (incident_id,),
                     )
                     pending_translations = [dict(r) for r in await tr_cursor.fetchall()]
-                    if pending_translations:
+                    if pending_translations and translator_enabled:
+                        # Pipeline-Schritt 9: Artikel uebersetzen (nur sichtbar wenn was zu uebersetzen)
+                        await _pipe_start("translate")
+                        _translate_step_started = True
                         logger.info(
                             "Translator fuer Incident %d: %d Artikel ohne DE-Uebersetzung",
                             incident_id, len(pending_translations),
@@ -1544,8 +1838,9 @@ class AgentOrchestrator:
                         from services.post_refresh_qc import normalize_german_umlauts as _norm_de2
                         translations = await translate_articles(
                             pending_translations,
-                            output_lang="de",
+                            output_lang=output_language_iso,
                             usage_accumulator=usage_acc,
+                            enabled=translator_enabled,
                         )
                         for t in translations:
                             hd = t.get("headline_de")
@@ -1565,10 +1860,44 @@ class AgentOrchestrator:
                             "Translator fuer Incident %d: %d/%d Artikel uebersetzt",
                             incident_id, len(translations), len(pending_translations),
                         )
+                        await _pipe_done("translate", count_value=len(translations), count_secondary=len(pending_translations))
                 except Exception as e:
                     logger.error("Translator-Fehler fuer Incident %d: %s", incident_id, e, exc_info=True)
+                    if _translate_step_started:
+                        await _pipe_done("translate", count_value=0, count_secondary=0)
                     # Refresh trotz Translator-Fehler weiterlaufen lassen
 
+                # --- FIMI: Abgleich gegen den EUvsDisinfo-Falschbehauptungsbestand ---
+                # Nur die in diesem Refresh neu hinzugekommenen Artikel (per ID), nach
+                # dem Translator, damit auch fremdsprachige Artikel ihren DE-Text fuer
+                # die LLM-Verifikation haben. Fehler duerfen den Refresh nicht brechen.
+                try:
+                    _fimi_ids = [a.get("id") for a in new_articles_for_analysis if a.get("id")]
+                    if _fimi_ids:
+                        from services import fimi_matcher
+                        await _pipe_start("fimi")
+                        _fimi_res = await fimi_matcher.match_article_ids(db, _fimi_ids)
+                        await _pipe_done(
+                            "fimi",
+                            count_value=_fimi_res.get("articles_with_match", 0),
+                            count_secondary=_fimi_res.get("candidates", 0),
+                        )
+                        logger.info(
+                            "FIMI-Abgleich Incident %d: %d Artikel, %d Kandidaten, "
+                            "%d verbreiten Falschbehauptungen, %d Links",
+                            incident_id, _fimi_res.get("articles", 0),
+                            _fimi_res.get("candidates", 0),
+                            _fimi_res.get("articles_with_match", 0),
+                            _fimi_res.get("stored", 0),
+                        )
+                except Exception as e:
+                    logger.warning("FIMI-Abgleich fehlgeschlagen fuer Incident %d: %s",
+                                   incident_id, e, exc_info=True)
+                    try:
+                        await _pipe_done("fimi", count_value=0, count_secondary=0)
+                    except Exception:
+                        pass
+
                 # --- Neueste Entwicklungen (nur Live-Monitoring / adhoc) ---
                 # Basis ist jetzt das frisch generierte Lagebild (autoritativ, thematisch sauber).
                 # Zeitstempel und Quellen kommen aus den jüngsten belegenden Artikeln.

src/agents/researcher.py

@@ -2,12 +2,131 @@
 import json
 import logging
 import re
+import urllib.parse
 from agents.claude_client import call_claude, ClaudeUsage
 from config import CLAUDE_MODEL_FAST
 
 logger = logging.getLogger("osint.researcher")
 
 
+# Google-News-Locale pro ISO-Sprachcode: (hl, gl). ceid wird daraus gebaut.
+_GNEWS_LOCALE = {
+    "ja": ("ja", "JP"),
+    "de": ("de", "DE"),
+    "en": ("en-US", "US"),
+    "ru": ("ru", "RU"),
+    "ko": ("ko", "KR"),
+    "zh": ("zh-CN", "CN"),
+    "fr": ("fr", "FR"),
+    "es": ("es", "ES"),
+    "it": ("it", "IT"),
+    "ar": ("ar", "EG"),
+    "he": ("iw", "IL"),
+    "fa": ("fa", "IR"),
+}
+
+
+def build_news_search_feeds(
+    keywords_by_lang: dict | list | None,
+    languages: list[str],
+    max_keywords: int = 4,
+    recency_days: int | None = None,
+) -> list[dict]:
+    """Baut dynamische Google-News-Volltext-Such-Feeds pro Sprache.
+
+    Statt nur feste site:-RSS-Feeds zu durchsuchen, erzeugt diese Funktion pro
+    Sprache einen Google-News-Suchfeed (news.google.com/rss/search?q=...). Damit
+    erreicht die Pipeline auch Quellen, die in keinem festen Feed stehen
+    (Security-Vendor-Blogs, Fachportale, Regionalmedien). Der Recall steigt
+    massiv; die Precision bleibt, weil der nachgelagerte Topic-Filter unveraendert
+    greift.
+
+    Args:
+        keywords_by_lang: Sprach-Dict {iso: [keyword,...]} aus der Keyword-Extraktion.
+        languages: ISO-Codes, fuer die ein Suchfeed gebaut werden soll.
+        max_keywords: wie viele (spezifischste) Keywords in die Such-Query gehen.
+        recency_days: wenn gesetzt, wird der Google-News-Operator "when:Nd" an die
+            Query gehaengt — der Feed liefert dann nur Artikel der letzten N Tage.
+            Fuer "Frische-Suchfeeds", die das aktuelle Bild garantiert einfangen.
+
+    Returns:
+        Liste von Feed-Config-Dicts (kompatibel mit RSSParser._fetch_feed).
+    """
+    if not keywords_by_lang or not isinstance(keywords_by_lang, dict):
+        return []
+
+    feeds: list[dict] = []
+    seen_queries: set[str] = set()
+    for lang in languages:
+        lang_key = (lang or "").lower().strip()
+        locale = _GNEWS_LOCALE.get(lang_key)
+        if not locale:
+            continue
+        lang_kws = [str(k).strip() for k in (keywords_by_lang.get(lang_key) or []) if str(k).strip()]
+        en_kws = [str(k).strip() for k in (keywords_by_lang.get("en") or []) if str(k).strip()]
+
+        if lang_key == "en":
+            query_terms = en_kws[:max_keywords]
+        else:
+            # Fuer nicht-englische Sprachen: die ersten 2 englischen Keywords
+            # voranstellen. Haiku ordnet Eigennamen/Akronyme (z.B. "Qilin",
+            # "Asahi") nach vorne — und die kommen auch in fremdsprachigen
+            # Artikeln lateinisch vor. Ohne das fehlt beim ersten Refresh (noch
+            # keine Headlines-Historie) der entscheidende Eigenname in der Query.
+            # Danach 3 sprach-spezifische Keywords.
+            query_terms = en_kws[:2] + lang_kws[:3]
+            # Wenn fuer die Sprache gar keine Keywords da sind: ganz auf en.
+            if not lang_kws:
+                query_terms = en_kws[:max_keywords]
+
+        # Dedup, Reihenfolge erhalten
+        seen_terms: set[str] = set()
+        deduped: list[str] = []
+        for t in query_terms:
+            tl = t.lower()
+            if tl in seen_terms:
+                continue
+            seen_terms.add(tl)
+            deduped.append(t)
+
+        if not deduped:
+            continue
+        query = " ".join(deduped)
+        # when:Nd-Operator anhaengen (Google-News-Zeitfilter)
+        effective_query = query
+        if recency_days and recency_days > 0:
+            effective_query = f"{query} when:{recency_days}d"
+        if not effective_query or effective_query in seen_queries:
+            continue
+        seen_queries.add(effective_query)
+
+        hl, gl = locale
+        ceid_lang = hl.split("-")[0]
+        url = (
+            "https://news.google.com/rss/search?q="
+            + urllib.parse.quote(effective_query)
+            + f"&hl={hl}&gl={gl}&ceid={gl}:{ceid_lang}"
+        )
+        if recency_days and recency_days > 0:
+            name = f"Google News Suche ({lang_key}, letzte {recency_days}d): {query}"
+            domain = f"google-news-search-{lang_key}-recent"
+        else:
+            name = f"Google News Suche ({lang_key}): {query}"
+            domain = f"google-news-search-{lang_key}"
+        feeds.append({
+            "name": name,
+            "url": url,
+            # Eigene Domain-Gruppe, damit der Domain-Cap die Such-Feeds NICHT mit
+            # den site:-Google-News-Feeds in einen Topf wirft.
+            "domain": domain,
+            "primary_language": lang_key,
+            "category": "international",
+            "media_type": "",
+        })
+        logger.info("Google-News-Suchfeed (%s): q=%r", lang_key, effective_query)
+    return feeds
+
+
 class ResearcherParseError(Exception):
     """Claude hat eine nicht-leere Antwort geliefert, aus der kein JSON extrahiert werden konnte."""
 
@@ -61,6 +180,87 @@ def _extract_json_object(text: str):
             return obj
         idx = brace + 1
 
+
+def _normalize_keywords_dict(raw: dict) -> dict | None:
+    """Normalisiert ein {iso_lang: [keywords]}-Dict aus Haiku-Output.
+
+    Wir wenden .lower() global an (Python case-folding lässt CJK unverändert und
+    lowercased kyrillisch/arabisch/hebräisch sinnvoll), damit der Match später
+    konsistent gegen den ebenfalls lowercased Headline-Text läuft.
+
+    Entfernt leere Strings und Duplikate. Gibt None zurück, wenn das Ergebnis leer ist.
+    """
+    out: dict[str, list[str]] = {}
+    for lang, kws in raw.items():
+        if not isinstance(lang, str) or not isinstance(kws, list):
+            continue
+        lang_key = lang.lower().strip()
+        clean: list[str] = []
+        seen: set[str] = set()
+        for k in kws:
+            s = str(k).strip().lower()
+            if not s or s in seen:
+                continue
+            seen.add(s)
+            clean.append(s)
+        if clean:
+            out[lang_key] = clean
+    return out or None
+
+
+def flatten_keywords(keywords_by_lang: dict | list | None) -> list[str]:
+    """Bequeme Flachsicht aller Keywords (für Logging, Web-Source-Selektion etc.).
+
+    Akzeptiert auch die alte flache Liste, damit Aufrufer schrittweise migrieren können.
+    """
+    if not keywords_by_lang:
+        return []
+    if isinstance(keywords_by_lang, list):
+        return [str(k).strip() for k in keywords_by_lang if str(k).strip()]
+    flat: list[str] = []
+    seen: set[str] = set()
+    for kws in keywords_by_lang.values():
+        if not isinstance(kws, list):
+            continue
+        for k in kws:
+            s = str(k).strip()
+            if not s or s in seen:
+                continue
+            seen.add(s)
+            flat.append(s)
+    return flat
+
+
+def keywords_for_language(keywords_by_lang: dict | list | None, lang: str | None) -> list[str]:
+    """Liefert die für eine konkrete Feed-/Channel-Sprache anwendbaren Keywords.
+
+    - Universelle "en"-Keywords (lateinische Eigennamen) immer mitgeben.
+    - Plus die Keywords der Feed-Sprache, falls vorhanden.
+    - Für unbekannte/None-Sprachen: alle Keywords (flach), damit kein Feed leer ausgeht.
+    - Akzeptiert auch alte flache Liste -> wird unverändert zurückgegeben.
+    """
+    if not keywords_by_lang:
+        return []
+    if isinstance(keywords_by_lang, list):
+        return [str(k).strip() for k in keywords_by_lang if str(k).strip()]
+    if not lang:
+        return flatten_keywords(keywords_by_lang)
+    lang_key = lang.lower().strip()
+    out: list[str] = []
+    seen: set[str] = set()
+    for k_lang in ("en", lang_key):
+        for k in keywords_by_lang.get(k_lang, []) or []:
+            s = str(k).strip()
+            if not s or s in seen:
+                continue
+            seen.add(s)
+            out.append(s)
+    # Wenn weder "en" noch lang_key Treffer haben (z.B. Haiku-Schema-Mismatch):
+    # auf die universelle Flachsicht zurückfallen, damit der Feed nicht leer matched.
+    if not out:
+        return flatten_keywords(keywords_by_lang)
+    return out
+
 RESEARCH_PROMPT_TEMPLATE = """Du bist ein OSINT-Recherche-Agent für ein Lagemonitoring-System.
 AUSGABESPRACHE: {output_language}
 - KEINE Gedankenstriche (— oder –) verwenden, stattdessen Kommas, Doppelpunkte oder neue Saetze.
@@ -192,7 +392,7 @@ LAGE: {title}
 KONTEXT: {description}
 INTERNATIONALE QUELLEN: {international}
 
-FEEDS:
+FEEDS (Format: Nr. Name (Domain, Sprache) [Kategorie]):
 {feed_list}
 
 REGELN:
@@ -203,16 +403,23 @@ REGELN:
 - QUELLENVIELFALT: Wähle pro Domain maximal 2-3 Feeds. Bevorzuge eine breite Mischung aus verschiedenen Quellen statt vieler Feeds derselben Domain.
 
 KEYWORDS-REGELN:
-- Generiere 5-10 thematisch relevante Suchbegriffe für das RSS-Matching
+- Keywords werden nach Sprache GRUPPIERT zurückgegeben (siehe Format unten).
+- "en" enthält universelle Begriffe (Eigennamen, Akronyme, lateinisch geschriebene Marken/Personen),
+  die in JEDER Sprache vorkommen (z.B. "iran", "trump", "takaichi", "sdf").
+- Für JEDE Sprache, in der ausgewählte Feeds publizieren (z.B. "ja", "ru", "ar", "zh", "ko", "fa",
+  "he", "de"), MUSS zusätzlich eine Liste mit 3-8 Suchbegriffen in der jeweiligen ORIGINALSCHRIFT
+  generiert werden. Beispiel Japan: "ja": ["自衛隊", "憲法改正", "改憲", "9条", "防衛省"].
+  Beispiel Russland: "ru": ["украина", "путин", "москва", "санкции"].
+- Wenn die Lage rein deutsch oder englisch ist und keine fremdsprachigen Feeds gewählt werden,
+  reichen "de" und/oder "en".
 - Nur inhaltlich relevante Begriffe (Personen, Orte, Themen, Organisationen)
 - KEINE Jahreszahlen (2024, 2025, 2026 etc.)
 - KEINE Monatsnamen (Januar, Februar, März etc.)
 - KEINE generischen Wörter (aktuell, news, update etc.)
-- Begriffe in Kleinbuchstaben
+- Lateinische Begriffe in Kleinbuchstaben. CJK/Arabisch/Hebräisch/Kyrillisch wie üblich.
-- Sowohl deutsche als auch englische Begriffe wo sinnvoll
 
-Antworte NUR mit einem JSON-Objekt in diesem Format:
+Antworte NUR mit einem JSON-Objekt in genau diesem Format:
-{{"feeds": [1, 2, 5, 12], "keywords": ["begriff1", "begriff2", "begriff3"]}}"""
+{{"feeds": [1, 2, 5, 12], "keywords": {{"de": ["..."], "en": ["..."], "ja": ["..."]}}}}"""
 
 
 KEYWORD_EXTRACTION_PROMPT = """Analysiere diese aktuellen Nachrichten-Headlines und extrahiere die wichtigsten Suchbegriffe fuer RSS-Feed-Filterung.
@@ -227,6 +434,11 @@ Generiere 5 Begriffspaare (DE + EN), mit denen neue RSS-Artikel zu diesem Thema
 Ein Artikel gilt als relevant, wenn mindestens 2 dieser Begriffe im Titel oder der Beschreibung vorkommen
 - bei spezifischen Begriffen (Eigennamen, lange Begriffe ab 7 Zeichen) reicht 1 Treffer.
 
+Wenn das Thema einen klaren Länderbezug zu einem nicht-lateinischen Sprachraum hat (z.B. Japan,
+China, Korea, Russland, Iran, Israel, arabische Welt), GIB ZUSAETZLICH ein Feld "extra" mit
+schrift-spezifischen Keywords pro Sprache zurück (siehe Format unten). Diese matchen dann die
+Original-Headlines in den jeweiligen Feeds.
+
 REGELN:
 - ZWINGEND: Eigennamen oder spezifische Begriffe aus dem THEMA (z.B. Personennamen, Tiernamen,
   Ortsnamen wie "timmy", "buckelwal", "merz", "dobrindt") MUESSEN als eigene Begriffspaare
@@ -238,11 +450,13 @@ REGELN:
 - Wenn DE und EN identisch sind (Eigennamen), trotzdem das Paar einreichen.
 - Begriffe muessen so gewaehlt sein, dass sie in kurzen RSS-Titeln matchen (einzelne Woerter,
   keine Phrasen, keine Konjunktionen).
-- Alle Begriffe in Kleinbuchstaben.
+- Lateinische Begriffe in Kleinbuchstaben. CJK/Arabisch/Hebräisch/Kyrillisch wie üblich.
-- Exakt 5 Begriffspaare.
+- Exakt 5 Begriffspaare im "pairs"-Array.
 
-Antwort NUR als JSON-Array:
+Antwort NUR als JSON-Objekt, z.B.:
-[{{"de": "iran", "en": "iran"}}, {{"de": "israel", "en": "israel"}}, {{"de": "teheran", "en": "tehran"}}, {{"de": "luftangriff", "en": "airstrike"}}, {{"de": "trump", "en": "trump"}}]"""
+{{"pairs": [{{"de": "japan", "en": "japan"}}, {{"de": "verfassung", "en": "constitution"}}, {{"de": "takaichi", "en": "takaichi"}}, {{"de": "selbstverteidigung", "en": "sdf"}}, {{"de": "pazifismus", "en": "pacifism"}}], "extra": {{"ja": ["自衛隊", "憲法改正", "改憲", "9条", "高市"]}}}}
+
+Wenn kein nicht-lateinischer Sprachraum betroffen ist, lass "extra" weg oder gib `{{}}` zurück."""
 
 
 WEB_SOURCE_SELECTION_PROMPT = """Du bist ein OSINT-Analyst. Pruefe diese eingetragenen Web-Quellen und waehle nur die thematisch passenden aus.
@@ -282,6 +496,24 @@ REGELN:
 Antworte NUR mit einem JSON-Array der Kanal-Nummern, z.B.: [1, 3, 5, 12]"""
 
 
+X_ACCOUNT_SELECTION_PROMPT = """Du bist ein OSINT-Analyst. Waehle aus dieser Liste von X-Accounts (Twitter) diejenigen aus, die fuer die Lage relevant sein koennten.
+
+LAGE: {title}
+KONTEXT: {description}
+
+X-ACCOUNTS:
+{account_list}
+
+REGELN:
+- Waehle alle Accounts die thematisch relevant sein koennten
+- Lieber einen Account zu viel als zu wenig auswaehlen
+- Beachte die Kategorie und Beschreibung jedes Accounts
+- Allgemeine OSINT-Accounts sind oft relevant
+- Bei geopolitischen Themen: Relevante Laender-/Regions-Accounts waehlen
+
+Antworte NUR mit einem JSON-Array der Account-Nummern, z.B.: [1, 3, 5, 12]"""
+
+
 class ResearcherAgent:
     """Führt OSINT-Recherchen über Claude CLI WebSearch durch."""
 
@@ -291,19 +523,24 @@ class ResearcherAgent:
         description: str,
         international: bool,
         feeds_metadata: list[dict],
-    ) -> tuple[list[dict], list[str] | None, ClaudeUsage | None]:
+    ) -> tuple[list[dict], dict | None, ClaudeUsage | None]:
         """Lässt Claude die relevanten Feeds für eine Lage vorauswählen.
 
         Nutzt Haiku (CLAUDE_MODEL_FAST) für diese einfache Aufgabe.
 
         Returns:
-            (ausgewählte Feeds, keywords, usage) — Bei Fehler: (alle Feeds, None, None)
+            (ausgewählte Feeds, keywords_by_lang, usage)
+            keywords_by_lang ist ein Dict {iso_lang: [keyword, ...]} mit mindestens
+            den Schlüsseln, für die ausgewählte Feeds publizieren ("en" enthält
+            universelle/lateinische Begriffe, die in jedem Feed matchen).
+            Bei Fehler: (alle Feeds, None, usage_or_None).
         """
-        # Feed-Liste als nummerierte Übersicht formatieren
+        # Feed-Liste als nummerierte Übersicht formatieren (mit Sprache)
         feed_lines = []
         for i, feed in enumerate(feeds_metadata, 1):
+            lang = feed.get("primary_language") or "?"
             feed_lines.append(
-                f"{i}. {feed['name']} ({feed['domain']}) [{feed['category']}]"
+                f"{i}. {feed['name']} ({feed['domain']}, {lang}) [{feed['category']}]"
             )
 
         prompt = FEED_SELECTION_PROMPT_TEMPLATE.format(
@@ -316,17 +553,25 @@ class ResearcherAgent:
         try:
             result, usage = await call_claude(prompt, tools=None, model=CLAUDE_MODEL_FAST)
 
-            keywords = None
+            keywords_by_lang: dict | None = None
             indices = None
 
-            # Neues Format: {"feeds": [...], "keywords": [...]}
             obj = _extract_json_object(result)
             if isinstance(obj, dict) and isinstance(obj.get("feeds"), list):
                 indices = obj["feeds"]
-                raw_keywords = obj.get("keywords", [])
+                raw_keywords = obj.get("keywords")
-                if isinstance(raw_keywords, list) and raw_keywords:
+
-                    keywords = [str(k).lower().strip() for k in raw_keywords if k]
+                # Neues Format: {"de": [...], "en": [...], "ja": [...]}
-                    logger.info(f"Feed-Selektion Keywords: {keywords}")
+                if isinstance(raw_keywords, dict):
+                    keywords_by_lang = _normalize_keywords_dict(raw_keywords)
+                # Backward-Format: flache Liste -> als "en" speichern (universell behandelt)
+                elif isinstance(raw_keywords, list) and raw_keywords:
+                    flat = [str(k).strip() for k in raw_keywords if str(k).strip()]
+                    if flat:
+                        keywords_by_lang = {"en": [w.lower() for w in flat]}
+
+                if keywords_by_lang:
+                    logger.info(f"Feed-Selektion Keywords (Sprachen): {keywords_by_lang}")
 
             # Fallback: nacktes Array
             if indices is None:
@@ -346,12 +591,12 @@ class ResearcherAgent:
 
             if not selected:
                 logger.warning("Feed-Selektion: Keine gültigen Indizes, nutze alle Feeds")
-                return feeds_metadata, keywords, usage
+                return feeds_metadata, keywords_by_lang, usage
 
             logger.info(
                 f"Feed-Selektion: {len(selected)} von {len(feeds_metadata)} Feeds ausgewählt"
             )
-            return selected, keywords, usage
+            return selected, keywords_by_lang, usage
 
         except Exception as e:
             logger.warning(f"Feed-Selektion fehlgeschlagen ({e}), nutze alle Feeds")
@@ -360,11 +605,14 @@ class ResearcherAgent:
 
     async def extract_dynamic_keywords(
         self, title: str, recent_headlines: list[str]
-    ) -> tuple[list[str] | None, ClaudeUsage | None]:
+    ) -> tuple[dict | None, ClaudeUsage | None]:
         """Extrahiert aktuelle Suchbegriffe aus den letzten Headlines via Haiku.
 
         Returns:
-            (flache Keyword-Liste DE+EN, usage) oder (None, None) bei Fehler
+            (keywords_by_lang, usage) oder (None, None) bei Fehler.
+            keywords_by_lang ist ein Dict {iso_lang: [keyword,...]}, mit mindestens
+            "de" und "en" gefüllt, optional zusätzlich "ja"/"zh"/"ko"/"ar"/"he"/"fa"/"ru"
+            bei nicht-lateinischen Sprachräumen.
         """
         if not recent_headlines:
             return None, None
@@ -378,25 +626,38 @@ class ResearcherAgent:
         try:
             result, usage = await call_claude(prompt, tools=None, model=CLAUDE_MODEL_FAST)
 
-            parsed = _extract_json_array(result)
+            # Neues Format: {"pairs": [...], "extra": {"ja": [...]}}
-            if not isinstance(parsed, list):
+            obj = _extract_json_object(result)
+            pairs_raw = None
+            extra_raw: dict = {}
+            if isinstance(obj, dict) and isinstance(obj.get("pairs"), list):
+                pairs_raw = obj["pairs"]
+                extra = obj.get("extra")
+                if isinstance(extra, dict):
+                    extra_raw = extra
+            else:
+                # Backward: nacktes Array von {de,en}-Paaren
+                arr = _extract_json_array(result)
+                if isinstance(arr, list):
+                    pairs_raw = arr
+                else:
                     logger.warning(
                         "Keyword-Extraktion: Kein gueltiges JSON erhalten. Sample: %s",
                         _truncate_for_log(result),
                     )
                     return None, usage
 
-            # Flache Liste: alle DE + EN Begriffe
+            de_list: list[str] = []
-            keywords = []
+            en_list: list[str] = []
-            for entry in parsed:
+            for entry in pairs_raw or []:
                 if not isinstance(entry, dict):
                     continue
-                de = entry.get("de", "").lower().strip()
+                de = str(entry.get("de", "")).lower().strip()
-                en = entry.get("en", "").lower().strip()
+                en = str(entry.get("en", "")).lower().strip()
-                if de:
+                if de and de not in de_list:
-                    keywords.append(de)
+                    de_list.append(de)
-                if en and en != de:
+                if en and en not in en_list:
-                    keywords.append(en)
+                    en_list.append(en)
 
             # Bug-2-Fallback: Lagentitel-Wörter (>=4 Zeichen) zwingend in Keyword-Liste,
             # falls Haiku sie weggelassen hat. Verhindert "Buckelwal timmy"-Bug, bei dem
@@ -405,26 +666,60 @@ class ResearcherAgent:
                          "the", "and", "for", "with", "ueber", "über", "von", "for"}
             for word in (title or "").lower().split():
                 w = word.strip(".,;:!?\"\'()[]{}")
-                if len(w) >= 4 and w not in STOPWORDS and w not in keywords:
+                if len(w) >= 4 and w not in STOPWORDS:
-                    keywords.append(w)
+                    if w not in en_list:
+                        en_list.append(w)
                         logger.info(f"Lagentitel-Keyword '{w}' nachträglich injiziert")
 
-            if keywords:
+            keywords_by_lang: dict[str, list[str]] = {}
-                logger.info(f"Dynamische Keywords ({len(keywords)}): {keywords}")
+            if de_list:
-            return keywords if keywords else None, usage
+                keywords_by_lang["de"] = de_list
+            if en_list:
+                keywords_by_lang["en"] = en_list
+
+            # Extra-Sprachen mit übernehmen
+            extra_norm = _normalize_keywords_dict(extra_raw) if extra_raw else None
+            if extra_norm:
+                for lang, kws in extra_norm.items():
+                    keywords_by_lang.setdefault(lang, [])
+                    for k in kws:
+                        if k not in keywords_by_lang[lang]:
+                            keywords_by_lang[lang].append(k)
+
+            if not keywords_by_lang:
+                return None, usage
+
+            logger.info(
+                "Dynamische Keywords (Sprachen): %s",
+                {k: len(v) for k, v in keywords_by_lang.items()},
+            )
+            return keywords_by_lang, usage
 
         except Exception as e:
             logger.warning(f"Keyword-Extraktion fehlgeschlagen: {e}")
             return None, None
 
-    async def search(self, title: str, description: str = "", incident_type: str = "adhoc", international: bool = True, user_id: int = None, existing_articles: list[dict] = None, preferred_sources: list[dict] = None, output_language: str = "Deutsch", output_language_iso: str = "de") -> tuple[list[dict], ClaudeUsage | None, bool]:
+    async def search(self, title: str, description: str = "", incident_type: str = "adhoc", international: bool = True, user_id: int = None, existing_articles: list[dict] = None, preferred_sources: list[dict] = None, output_language: str = "Deutsch", output_language_iso: str = "de", research_language_iso: str | None = None) -> tuple[list[dict], ClaudeUsage | None, bool]:
         """Sucht nach Informationen zu einem Vorfall.
 
+        Args:
+            output_language / output_language_iso: Ausgabesprache (Lagebild-Sprache).
+            research_language_iso: optionaler Override fuer die Sprache, in der gesucht
+                werden soll. Default = output_language_iso. Bei jp_demo z.B. 'ja',
+                waehrend output_language_iso 'de' bleibt (Lagebild deutsch, Recherche japanisch).
+
         Returns:
             (artikel, usage, parse_failed) — parse_failed ist True, wenn Claude geantwortet hat,
             das JSON aber nicht extrahierbar war. So kann der Orchestrator zwischen
             "echt keine Treffer" und "kaputte Antwort" unterscheiden.
         """
+        # research_language defaultet auf output_language. Wenn das aber abweicht
+        # (z.B. jp_demo: research='ja', output='de'), ueberschreiben wir die
+        # Sprach-Anweisung im Prompt mit einer eigenen, dual-sprachigen Variante.
+        research_language_iso = (research_language_iso or output_language_iso or "de").lower()
+        # Display-Name der Recherche-Sprache fuer Prompts ("Japanese", "Russian", ...)
+        from services.org_settings import language_display as _lang_display
+        research_language_display = _lang_display(research_language_iso)
         # Bevorzugte Web-Quellen als Prompt-Block (optional)
         preferred_sources_block = ""
         if preferred_sources:
@@ -444,8 +739,31 @@ class ResearcherAgent:
                     "aber nicht deine sonstige Recherche.\n"
                 )
 
+        # Asymmetrische Sprach-Auswahl: research_language weicht von output_language ab
+        # -> eigene Anweisung "primaer in research-language, englische Quellen aus der
+        # Region auch erlaubt". Sonst die bisherige Logik (primary_only vs international).
+        asymmetric_lang = research_language_iso != output_language_iso
+
+        def _build_lang_instruction(deep: bool) -> str:
+            if asymmetric_lang:
+                # jp_demo & Co.: Recherche in Quellsprache + lokale Englisch-Outlets.
+                return (
+                    f"- Fokus liegt auf {research_language_display}-sprachigen Quellen "
+                    f"(Behoerden, Qualitaetszeitungen, oeffentlich-rechtliche Medien dieser Sprache).\n"
+                    f"- Englischsprachige Outlets mit Fokus auf demselben Sprachraum/Region sind "
+                    f"ebenfalls willkommen (z.B. Japan Times, Nikkei Asia, Kyodo English fuer Japan; "
+                    f"Moscow Times English fuer Russland).\n"
+                    f"- Quellen ausserhalb des Sprachraums NUR, wenn sie exklusive Informationen "
+                    f"ueber die Region liefern (z.B. Reuters/AFP/AP-Berichte aus der Region).\n"
+                    f"- Antworte in der Ausgabesprache {output_language} (das Lagebild wird in "
+                    f"{output_language} angezeigt), aber zitiere die Original-Headlines/Quellen unveraendert."
+                )
+            if deep:
+                return lang_deep_international(output_language) if international else lang_deep_primary_only(output_language)
+            return lang_international(output_language) if international else lang_primary_only(output_language)
+
         if incident_type == "research":
-            lang_instruction = lang_deep_international(output_language) if international else lang_deep_primary_only(output_language)
+            lang_instruction = _build_lang_instruction(deep=True)
             # Bestehende Artikel als Kontext für den Prompt aufbereiten
             existing_context = ""
             if existing_articles:
@@ -466,7 +784,7 @@ class ResearcherAgent:
                 preferred_sources_block=preferred_sources_block,
             )
         else:
-            lang_instruction = lang_international(output_language) if international else lang_primary_only(output_language)
+            lang_instruction = _build_lang_instruction(deep=False)
             # Bestehende Artikel als Kontext: bei Folge-Refreshes findet Claude andere Quellen
             existing_context = ""
             if existing_articles:
@@ -716,3 +1034,62 @@ class ResearcherAgent:
             logger.warning("Telegram-Selektion fehlgeschlagen (%s), nutze alle Kanaele", e)
             return channels_metadata, None
 
+    async def select_relevant_x_accounts(
+        self,
+        title: str,
+        description: str,
+        accounts_metadata: list[dict],
+    ) -> tuple[list[dict], ClaudeUsage | None]:
+        """Laesst Claude die relevanten X-Accounts fuer eine Lage vorauswaehlen.
+
+        Nutzt Haiku (CLAUDE_MODEL_FAST) fuer diese einfache Aufgabe.
+
+        Returns:
+            (ausgewaehlte Accounts, usage) -- Bei Fehler: (alle Accounts, None)
+        """
+        if len(accounts_metadata) <= 10:
+            logger.info("X-Selektion: Nur %d Accounts, nutze alle", len(accounts_metadata))
+            return accounts_metadata, None
+
+        account_lines = []
+        for i, acc in enumerate(accounts_metadata, 1):
+            cat = acc.get("category", "sonstige")
+            notes = (acc.get("notes") or "")[:100]
+            account_lines.append(f"{i}. {acc['name']} [{cat}] - {notes}")
+
+        prompt = X_ACCOUNT_SELECTION_PROMPT.format(
+            title=title,
+            description=description or "Keine weitere Beschreibung",
+            account_list="\n".join(account_lines),
+        )
+
+        try:
+            result, usage = await call_claude(prompt, tools=None, model=CLAUDE_MODEL_FAST)
+
+            indices = _extract_json_array(result)
+            if not isinstance(indices, list):
+                logger.warning(
+                    "X-Selektion: Kein JSON in Antwort, nutze alle Accounts. Sample: %s",
+                    _truncate_for_log(result),
+                )
+                return accounts_metadata, usage
+
+            selected = []
+            for idx in indices:
+                if isinstance(idx, int) and 1 <= idx <= len(accounts_metadata):
+                    selected.append(accounts_metadata[idx - 1])
+
+            if not selected:
+                logger.warning("X-Selektion: Keine gueltigen Indizes, nutze alle Accounts")
+                return accounts_metadata, usage
+
+            logger.info(
+                "X-Selektion: %d von %d Accounts ausgewaehlt",
+                len(selected), len(accounts_metadata)
+            )
+            return selected, usage
+
+        except Exception as e:
+            logger.warning("X-Selektion fehlgeschlagen (%s), nutze alle Accounts", e)
+            return accounts_metadata, None
+

src/agents/translator.py

@@ -215,25 +215,185 @@ async def translate_articles_batch(
     return valid, usage
 
 
+# --- Pre-Topic-Filter: schmale Headline-Übersetzung -----------------------------
+#
+# Der Topic-Filter (analyzer.filter_relevant_articles) ist ein Haiku-Call, der pro
+# Artikel beurteilt, ob er thematisch zur Lage passt. Bei fremdsprachigen Headlines
+# (CJK/Arabisch/Hebräisch/Kyrillisch) bewertet Haiku konservativ und verwirft sie
+# häufig, weil er sie nur halb versteht. Damit landeten z.B. die japanischen
+# Ministeriums-Feeds (MOD, NHK, Asahi) in Lagen mit Japan-Bezug nie in der finalen
+# Auswahl, obwohl der RSS-Match korrekt griff.
+#
+# Diese Funktion übersetzt einen einzelnen Batch-Call alle nicht-lateinischen
+# Headlines + erste Content-Sätze ins Englische und hängt das Ergebnis als
+# article["headline_en_for_topic"] / article["content_en_for_topic"] an. Der
+# Topic-Filter zeigt das dem LLM zusätzlich zum Original.
+#
+# WICHTIG: Diese Mini-Übersetzung ist UNABHÄNGIG vom TRANSLATOR_ENABLED-Flag —
+# sie wird auch dann gemacht, wenn der nachgelagerte Volltext-Translator
+# deaktiviert ist (Pflicht für korrektes Topic-Filtering, sehr kleine Kosten).
+
+_TOPIC_TRANSLATE_CONTENT_MAX = 500
+
+
+def _needs_pretopic_translate(article: dict) -> bool:
+    """Erkennt fremdsprachige Headlines, die für den Topic-Filter übersetzt
+    werden sollten.
+
+    Heuristik: Headline enthält Non-ASCII-Zeichen, die NICHT in den typischen
+    deutsch/franz./span./port./skand. Latin-1-Erweiterungen liegen.
+    Das sind v.a. CJK (Kanji/Kana/Hangul), Arabisch, Hebräisch, Kyrillisch,
+    Thai, Devanagari etc.
+    """
+    headline = (article.get("headline_de") or article.get("headline") or "").strip()
+    if not headline:
+        return False
+    for ch in headline:
+        cp = ord(ch)
+        # Bereiche ausschließen, die in Latin-Schrift normal sind:
+        # ASCII (0-127), Latin-1 Supplement (128-255), Latin Extended-A/B (256-591)
+        if cp <= 591:
+            continue
+        # Alles darüber sind fremde Schriftsysteme → übersetzen
+        return True
+    return False
+
+
+async def translate_headlines_for_topic_filter(
+    articles: list[dict],
+    target_lang: str = "en",
+) -> tuple[int, ClaudeUsage]:
+    """Übersetzt die Headlines fremdsprachiger Artikel ins Englische, damit der
+    nachgelagerte Topic-Filter (Haiku) sie zuverlässig beurteilen kann.
+
+    Setzt direkt auf den Artikel-Dicts:
+        article["headline_en_for_topic"]: str | None
+        article["content_en_for_topic"]:  str | None
+
+    Returns:
+        (anzahl_übersetzt, ClaudeUsage)
+    """
+    if not articles:
+        return 0, ClaudeUsage()
+
+    candidates = [a for a in articles if _needs_pretopic_translate(a)]
+    if not candidates:
+        return 0, ClaudeUsage()
+
+    # Eindeutige Indizes (auch wenn article kein "id"-Feld hat, weil noch nicht
+    # in der DB): wir nutzen die Position in der gesamten articles-Liste.
+    idx_by_obj = {id(a): i for i, a in enumerate(articles)}
+
+    items = []
+    for a in candidates:
+        idx = idx_by_obj.get(id(a))
+        if idx is None:
+            continue
+        headline = (a.get("headline_de") or a.get("headline") or "").strip()
+        content_src = (a.get("content_de") or a.get("content_original") or "")
+        items.append({
+            "i": idx,
+            "h": headline[:200],
+            "c": content_src[:_TOPIC_TRANSLATE_CONTENT_MAX],
+        })
+
+    if not items:
+        return 0, ClaudeUsage()
+
+    lang_label = {"en": "English", "de": "German"}.get(target_lang, target_lang)
+    prompt = f"""Translate these news headlines and short content snippets to {lang_label}.
+Keep proper names (people, organizations, places) untouched. Keep it concise; the goal
+is to let another model judge topical relevance, not to publish.
+
+Return ONLY a JSON array. Each item: {{"i": <index>, "h": <headline in {lang_label}>, "c": <content snippet in {lang_label}>}}.
+Keep the same "i" values. No prose, no markdown fences.
+
+INPUT:
+{json.dumps(items, ensure_ascii=False)}
+"""
+
+    try:
+        result_text, usage = await call_claude(prompt, tools=None, model=CLAUDE_MODEL_FAST)
+    except Exception as e:
+        logger.warning(f"Pre-Topic-Translate Claude-Call fehlgeschlagen: {e}")
+        return 0, ClaudeUsage()
+
+    # Robustes Parsing (Markdown-Codefence + nacktes Array)
+    text = result_text.strip()
+    if text.startswith("```"):
+        text = re.sub(r"^```(?:json)?\s*", "", text)
+        text = re.sub(r"\s*```\s*$", "", text)
+        text = text.strip()
+    try:
+        data = json.loads(text)
+    except json.JSONDecodeError:
+        m = re.search(r"\[.*\]", text, re.DOTALL)
+        if not m:
+            logger.warning(
+                f"Pre-Topic-Translate: kein JSON-Array in Antwort. Sample: {text[:200]!r}"
+            )
+            return 0, usage
+        try:
+            data = json.loads(m.group(0))
+        except json.JSONDecodeError:
+            data = _extract_complete_objects(text)
+
+    if not isinstance(data, list):
+        logger.warning(
+            f"Pre-Topic-Translate: Antwort ist kein Array ({type(data).__name__})"
+        )
+        return 0, usage
+
+    applied = 0
+    for entry in data:
+        if not isinstance(entry, dict):
+            continue
+        idx = entry.get("i")
+        if not isinstance(idx, int) or not (0 <= idx < len(articles)):
+            try:
+                idx = int(idx)
+                if not (0 <= idx < len(articles)):
+                    continue
+            except (TypeError, ValueError):
+                continue
+        h = (entry.get("h") or "").strip() or None
+        c = (entry.get("c") or "").strip() or None
+        if h:
+            articles[idx]["headline_en_for_topic"] = h
+        if c:
+            articles[idx]["content_en_for_topic"] = c
+        if h or c:
+            applied += 1
+
+    return applied, usage
+
+
 async def translate_articles(
     articles: list[dict],
     output_lang: str = "de",
     batch_size: int = DEFAULT_BATCH_SIZE,
     usage_accumulator: UsageAccumulator | None = None,
+    enabled: bool | None = None,
 ) -> list[dict]:
     """Uebersetzt eine beliebige Anzahl Artikel in Batches.
 
     Bringt die Batches durch Logik in `translate_articles_batch` und gibt
     EINE flache Liste der Translations zurueck. Wenn ein Batch fehlschlaegt,
     wird er uebersprungen (anderer Batches laufen weiter).
+
+    enabled: Pro-Aufruf-Override des globalen TRANSLATOR_ENABLED-Flags. Wenn None,
+    greift das Modul-Default (config.TRANSLATOR_ENABLED, abgeleitet aus .env).
+    Der Orchestrator setzt das aus dem Org-Setting 'translator_enabled', damit
+    jp_demo (Translator zwingend an) trotz global deaktiviertem Flag funktioniert.
     """
     if not articles:
         return []
 
-    if not TRANSLATOR_ENABLED:
+    is_enabled = TRANSLATOR_ENABLED if enabled is None else bool(enabled)
+    if not is_enabled:
         logger.info(
-            "Translator deaktiviert (TRANSLATOR_ENABLED=false), %d Artikel uebersprungen",
+            "Translator deaktiviert (enabled=%s, global TRANSLATOR_ENABLED=%s), %d Artikel uebersprungen",
-            len(articles),
+            enabled, TRANSLATOR_ENABLED, len(articles),
         )
         return []
 

src/config.py

@@ -97,6 +97,19 @@ TELEGRAM_API_ID = int(os.environ.get("TELEGRAM_API_ID", "0"))
 TELEGRAM_API_HASH = os.environ.get("TELEGRAM_API_HASH", "")
 TELEGRAM_SESSION_PATH = os.environ.get("TELEGRAM_SESSION_PATH", "/home/claude-dev/.telegram/telegram_session")
 
+# X / Twitter (twscrape) -- siehe feeds/x_parser.py
+# Scraper liest Account-Timelines konfigurierter X-Quellen (source_type='x_account').
+X_SCRAPER_ENABLED = os.environ.get("X_SCRAPER_ENABLED", "true").lower() == "true"
+# twscrape-Account-Store (SQLite). Liegt ausserhalb des Repos.
+X_ACCOUNTS_DB_PATH = os.environ.get("X_ACCOUNTS_DB_PATH", "/home/claude-dev/.x-scraper/accounts.db")
+# HTTP-Proxy fuer den X-Egress (tinyproxy am RUTX11 ueber WireGuard).
+# Leer = direkter Abruf ueber die Server-IP. Bei gesetztem Wert prueft der
+# Parser den Proxy vor jedem Lauf und faellt bei Ausfall auf direkt zurueck.
+X_PROXY_URL = os.environ.get("X_PROXY_URL", "")
+# Max. Posts pro Account-Timeline und Recency-Fenster in Tagen.
+X_POST_CAP_PER_ACCOUNT = int(os.environ.get("X_POST_CAP_PER_ACCOUNT", "40"))
+X_RECENCY_DAYS = int(os.environ.get("X_RECENCY_DAYS", "14"))
+
 # Health-Check (genutzt von services/source_health.py)
 HEALTH_CHECK_USER_AGENT = os.environ.get(
     "HEALTH_CHECK_USER_AGENT",

src/database.py

@@ -355,6 +355,41 @@ CREATE TABLE IF NOT EXISTS organization_settings (
     updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
     UNIQUE(organization_id, key)
 );
+
+-- FIMI / Counter-Disinformation: importierter Falschbehauptungs-Bestand
+-- (EUvsDisinfo). Read-only Referenz, befuellt per scripts/import_fimi_claims.py.
+-- Die id entspricht der Vigil-claim.id (stabil fuer Re-Sync via UPSERT).
+CREATE TABLE IF NOT EXISTS fimi_claims (
+    id INTEGER PRIMARY KEY,
+    text TEXT NOT NULL,
+    text_normalized TEXT,
+    language TEXT,
+    verdict TEXT NOT NULL DEFAULT 'false',
+    verdict_summary TEXT,
+    source_ref TEXT,
+    case_url TEXT,
+    embedding BLOB,
+    first_seen_at TIMESTAMP,
+    imported_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
+);
+CREATE INDEX IF NOT EXISTS idx_fimi_claims_source_ref ON fimi_claims(source_ref);
+
+-- FIMI: Treffer zwischen Monitor-Artikeln und Falschbehauptungen.
+-- Bewusst KEIN harter FK auf fimi_claims, damit ein Claim-Re-Sync die
+-- bestehenden Treffer nicht kaskadierend loescht.
+CREATE TABLE IF NOT EXISTS article_fimi_matches (
+    id INTEGER PRIMARY KEY AUTOINCREMENT,
+    article_id INTEGER NOT NULL REFERENCES articles(id) ON DELETE CASCADE,
+    fimi_claim_id INTEGER NOT NULL,
+    score REAL NOT NULL,
+    role TEXT DEFAULT 'match',
+    matched_text TEXT,
+    matched_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
+    tenant_id INTEGER REFERENCES organizations(id),
+    UNIQUE(article_id, fimi_claim_id)
+);
+CREATE INDEX IF NOT EXISTS idx_afm_article ON article_fimi_matches(article_id);
+CREATE INDEX IF NOT EXISTS idx_afm_claim ON article_fimi_matches(fimi_claim_id);
 """
 
 
@@ -403,6 +438,11 @@ async def init_db():
             await db.commit()
             logger.info("Migration: include_telegram zu incidents hinzugefuegt")
 
+        if "include_x" not in columns:
+            await db.execute("ALTER TABLE incidents ADD COLUMN include_x INTEGER DEFAULT 0")
+            await db.commit()
+            logger.info("Migration: include_x zu incidents hinzugefuegt")
+
         if "telegram_categories" not in columns:
             await db.execute("ALTER TABLE incidents ADD COLUMN telegram_categories TEXT DEFAULT NULL")
             await db.commit()
@@ -429,6 +469,16 @@ async def init_db():
             await db.commit()
             logger.info("Migration: latest_developments zu incidents hinzugefuegt")
 
+        if "public_mood" not in columns:
+            await db.execute("ALTER TABLE incidents ADD COLUMN public_mood TEXT")
+            await db.commit()
+            logger.info("Migration: public_mood zu incidents hinzugefuegt")
+
+        if "public_mood_updated_at" not in columns:
+            await db.execute("ALTER TABLE incidents ADD COLUMN public_mood_updated_at TIMESTAMP")
+            await db.commit()
+            logger.info("Migration: public_mood_updated_at zu incidents hinzugefuegt")
+
         # Migration: Tabelle podcast_transcripts (URL-Cache fuer Transkripte)
         cursor = await db.execute(
             "SELECT name FROM sqlite_master WHERE type='table' AND name='podcast_transcripts'"
@@ -591,6 +641,14 @@ async def init_db():
             await db.execute("ALTER TABLE articles ADD COLUMN tenant_id INTEGER REFERENCES organizations(id)")
             await db.commit()
 
+        # Migration: FIMI-Match-Marker fuer articles (wann zuletzt gegen den
+        # Falschbehauptungs-Bestand geprueft; verhindert Re-Encoding bereits
+        # gepruefter Artikel bei jedem Refresh)
+        if "fimi_checked_at" not in art_columns:
+            await db.execute("ALTER TABLE articles ADD COLUMN fimi_checked_at TIMESTAMP")
+            await db.commit()
+            logger.info("Migration: fimi_checked_at zu articles hinzugefuegt")
+
         # Migration: tenant_id fuer fact_checks
         cursor = await db.execute("PRAGMA table_info(fact_checks)")
         fc_columns = [row[1] for row in await cursor.fetchall()]

src/email_utils/sender.py

@@ -1,4 +1,5 @@
 """Async E-Mail-Versand via SMTP."""
+import asyncio
 import logging
 from email.mime.text import MIMEText
 from email.mime.multipart import MIMEMultipart
@@ -17,6 +18,12 @@ from config import (
 
 logger = logging.getLogger("osint.email")
 
+# Die IONOS-SMTP-Farm (smtp.ionos.de) besteht aus ~10 Backends im DNS-Round-Robin;
+# einzelne Backends koennen tot/ueberlastet sein (beobachtet 2026-07-10). Jeder
+# Versuch oeffnet eine neue Verbindung und wuerfelt damit ein neues Backend.
+MAIL_VERSUCHE = 3
+MAIL_TIMEOUT_S = 20
+
 
 async def send_email(to_email: str, subject: str, html_body: str) -> bool:
     """Sendet eine HTML-E-Mail.
@@ -38,6 +45,8 @@ async def send_email(to_email: str, subject: str, html_body: str) -> bool:
     msg.attach(MIMEText(text_content, "plain", "utf-8"))
     msg.attach(MIMEText(html_body, "html", "utf-8"))
 
+    letzter_fehler = None
+    for versuch in range(1, MAIL_VERSUCHE + 1):
         try:
             await aiosmtplib.send(
                 msg,
@@ -46,9 +55,20 @@ async def send_email(to_email: str, subject: str, html_body: str) -> bool:
                 username=SMTP_USER if SMTP_USER else None,
                 password=SMTP_PASSWORD if SMTP_PASSWORD else None,
                 start_tls=SMTP_USE_TLS,
+                timeout=MAIL_TIMEOUT_S,
             )
             logger.info(f"E-Mail gesendet an {to_email}: {subject}")
             return True
         except Exception as e:
-        logger.error(f"E-Mail-Versand fehlgeschlagen an {to_email}: {e}")
+            letzter_fehler = e
+            logger.warning(
+                f"E-Mail-Versand Versuch {versuch}/{MAIL_VERSUCHE} an {to_email} fehlgeschlagen: {e}"
+            )
+            if versuch < MAIL_VERSUCHE:
+                await asyncio.sleep(1.5)
+
+    logger.error(
+        f"E-Mail-Versand endgueltig fehlgeschlagen an {to_email} "
+        f"nach {MAIL_VERSUCHE} Versuchen: {letzter_fehler}"
+    )
     return False

src/feeds/rss_parser.py

@@ -6,12 +6,32 @@ import httpx
 from datetime import datetime, timezone
 from config import TIMEZONE, MAX_ARTICLES_PER_DOMAIN_RSS
 from source_rules import _extract_domain
+
+# Cap fuer dynamische Google-News-Suchfeeds — hoeher als der normale Domain-Cap,
+# weil ein Suchfeed gezielt fuer breiten Recall gebaut wird. Topic-Filter
+# entscheidet danach ueber die Precision.
+MAX_ARTICLES_PER_DOMAIN_RSS_SEARCH = 25
 from feeds.transcript_extractors._common import html_to_text
 from services.post_refresh_qc import normalize_german_umlauts
+from agents.researcher import keywords_for_language, flatten_keywords
 
 logger = logging.getLogger("osint.rss")
 
 
+def _is_specific_word(w: str) -> bool:
+    """Spezifisches Keyword = 1-Treffer reicht für Match.
+
+    - Lateinisch: ab 7 Zeichen (alte Heuristik).
+    - Nicht-ASCII (CJK, Arabisch, Hebräisch, Kyrillisch etc.): ab 3 Zeichen.
+      Beispiel: '自衛隊' (3 Kanji) oder 'путин' (5 Kyrillisch) sind spezifisch genug.
+    """
+    if not w:
+        return False
+    if any(ord(c) > 127 for c in w):
+        return len(w) >= 3
+    return len(w) >= 7
+
+
 class RSSParser:
     """Durchsucht RSS-Feeds nach relevanten Artikeln."""
 
@@ -28,27 +48,31 @@ class RSSParser:
         cleaned = [w for w in words if not w.isdigit()]
         return cleaned if cleaned else words
 
-    async def search_feeds(self, search_term: str, international: bool = True, tenant_id: int = None, keywords: list[str] | None = None, user_id: int = None) -> list[dict]:
+    def _fallback_search_words(self, search_term: str) -> list[str]:
+        words = [
+            w for w in search_term.lower().split()
+            if w not in self.STOP_WORDS and len(w) >= 3
+        ]
+        if not words:
+            words = search_term.lower().split()[:2]
+        return self._clean_search_words(words)
+
+    async def search_feeds(self, search_term: str, international: bool = True, tenant_id: int = None, keywords: dict | list | None = None, user_id: int = None) -> list[dict]:
         """Durchsucht RSS-Feeds nach einem Suchbegriff.
 
         Args:
             search_term: Suchbegriff
             international: Wenn False, nur Feeds in der Org-Sprache + Behoerden (keine internationalen)
             tenant_id: Optionale Org-ID fuer tenant-spezifische Quellen
-            keywords: Optionale Claude-generierte Keywords (bevorzugt gegenüber Title-Split)
+            keywords: Sprach-Dict {iso_lang: [keyword, ...]} oder flache Liste (Backward).
         """
         all_articles = []
         if keywords:
-            search_words = [w.lower().strip() for w in keywords if w.strip()]
+            logger.info(f"RSS-Suche mit Claude-Keywords (Sprachen): "
-            logger.info(f"RSS-Suche mit Claude-Keywords: {search_words}")
+                        f"{ {k: len(v) for k, v in keywords.items()} if isinstance(keywords, dict) else len(keywords) }")
+            fallback_words = None
         else:
-            search_words = [
+            fallback_words = self._fallback_search_words(search_term)
-                w for w in search_term.lower().split()
-                if w not in self.STOP_WORDS and len(w) >= 3
-            ]
-            if not search_words:
-                search_words = search_term.lower().split()[:2]
-            search_words = self._clean_search_words(search_words)
 
         rss_feeds = await self._get_rss_feeds(tenant_id=tenant_id)
 
@@ -74,7 +98,13 @@ class RSSParser:
         tasks = []
         for category in categories:
             for feed_config in rss_feeds.get(category, []):
-                tasks.append(self._fetch_feed(feed_config, search_words))
+                feed_lang = feed_config.get("primary_language")
+                if keywords:
+                    words = keywords_for_language(keywords, feed_lang)
+                    words = [w.lower() for w in words]
+                else:
+                    words = fallback_words
+                tasks.append(self._fetch_feed(feed_config, words))
 
         results = await asyncio.gather(*tasks, return_exceptions=True)
 
@@ -89,30 +119,34 @@ class RSSParser:
         all_articles = self._apply_domain_cap(all_articles)
         return all_articles
 
-    async def search_feeds_selective(self, search_term: str, selected_feeds: list[dict], keywords: list[str] | None = None) -> list[dict]:
+    async def search_feeds_selective(self, search_term: str, selected_feeds: list[dict], keywords: dict | list | None = None) -> list[dict]:
         """Durchsucht nur die übergebenen Feeds (vorselektiert durch Claude).
 
         Args:
             search_term: Suchbegriff
-            selected_feeds: Liste von Feed-Dicts mit mindestens {"name", "url"}
+            selected_feeds: Liste von Feed-Dicts mit mindestens {"name", "url"} und idealerweise "primary_language"
-            keywords: Optionale Claude-generierte Keywords (bevorzugt gegenüber Title-Split)
+            keywords: Sprach-Dict {iso_lang: [keyword, ...]} oder flache Liste (Backward).
         """
         all_articles = []
         if keywords:
-            search_words = [w.lower().strip() for w in keywords if w.strip()]
+            if isinstance(keywords, dict):
-            logger.info(f"RSS-Selektiv mit Claude-Keywords: {search_words}")
+                logger.info(f"RSS-Selektiv mit Claude-Keywords (Sprachen): "
+                            f"{ {k: len(v) for k, v in keywords.items()} }")
             else:
-            search_words = [
+                logger.info(f"RSS-Selektiv mit Claude-Keywords (flach): {keywords}")
-                w for w in search_term.lower().split()
+            fallback_words = None
-                if w not in self.STOP_WORDS and len(w) >= 3
+        else:
-            ]
+            fallback_words = self._fallback_search_words(search_term)
-            if not search_words:
-                search_words = search_term.lower().split()[:2]
-            search_words = self._clean_search_words(search_words)
 
         tasks = []
         for feed_config in selected_feeds:
-            tasks.append(self._fetch_feed(feed_config, search_words))
+            feed_lang = feed_config.get("primary_language")
+            if keywords:
+                words = keywords_for_language(keywords, feed_lang)
+                words = [w.lower() for w in words]
+            else:
+                words = fallback_words
+            tasks.append(self._fetch_feed(feed_config, words))
 
         results = await asyncio.gather(*tasks, return_exceptions=True)
 
@@ -142,6 +176,11 @@ class RSSParser:
         name = feed_config["name"]
         url = feed_config["url"]
         articles = []
+        # Google-News-Feeds (Site-Search ODER Volltext-Suche) buendeln Artikel
+        # vieler echter Publisher. Pro Item steht der echte Publisher im
+        # <source>-Tag — den nutzen wir als source-Name, sonst zaehlt der
+        # Faktencheck 25 Artikel als "eine Quelle".
+        _is_google_news = "news.google.com" in (url or "")
 
         try:
             async with httpx.AsyncClient(timeout=15.0, follow_redirects=True) as client:
@@ -166,11 +205,11 @@ class RSSParser:
                 text = f"{title} {summary}".lower()
 
                 # Adaptive Match-Schwelle:
-                # - Bei mindestens einem spezifischen Keyword (>=7 Zeichen) im Text reicht 1 Treffer.
+                # - Bei mindestens einem spezifischen Keyword (Latin ≥7 Zeichen oder
-                #   Verhindert, dass Headlines mit nur einem starken Keyword wie "buckelwal"
+                #   CJK/Arabisch/Hebräisch/Kyrillisch ≥3 Zeichen) im Text reicht 1 Treffer.
-                #   rausfallen, wenn die Lage thematisch eng ist (Bug 1, vom User dokumentiert).
+                #   Damit matched z.B. "自衛隊" (3 Kanji) wie "buckelwal" (9 Zeichen).
                 # - Sonst: alte Heuristik (mindestens halb der Wörter, max. 2).
-                specific_in_text = any(w in text for w in search_words if len(w) >= 7)
+                specific_in_text = any(w in text for w in search_words if _is_specific_word(w))
                 if specific_in_text:
                     min_matches = 1
                 else:
@@ -179,23 +218,73 @@ class RSSParser:
 
                 if match_count >= min_matches:
                     published = None
+                    published_dt = None
                     if hasattr(entry, "published_parsed") and entry.published_parsed:
                         try:
-                            published = datetime(*entry.published_parsed[:6], tzinfo=timezone.utc).astimezone(TIMEZONE).isoformat()
+                            published_dt = datetime(*entry.published_parsed[:6], tzinfo=timezone.utc)
+                            published = published_dt.astimezone(TIMEZONE).isoformat()
                         except (TypeError, ValueError):
                             pass
 
                     # Relevanz-Score: Anteil der gematchten Suchworte (0.0-1.0)
                     relevance_score = match_count / len(search_words) if search_words else 0.0
+                    # Aktualitaets-Bonus/Malus: frische Artikel sollen den
+                    # Domain-Cap (sortiert nach relevance_score) ueberleben und
+                    # nicht von Monate alten verdraengt werden. Damit faengt die
+                    # Pipeline das aktuelle Bild ein. Nur adhoc-Pfad — research
+                    # nutzt diesen Code nicht.
+                    if published_dt is not None:
+                        age_days = (datetime.now(timezone.utc) - published_dt).days
+                        if age_days <= 3:
+                            relevance_score += 0.35
+                        elif age_days <= 14:
+                            relevance_score += 0.20
+                        elif age_days <= 60:
+                            relevance_score += 0.05
+                        elif age_days > 365:
+                            relevance_score -= 0.30
+                        elif age_days > 180:
+                            relevance_score -= 0.15
+
+                    # Bei Google-News-Feeds: echten Publisher aus <source>-Tag holen
+                    article_source = name
+                    if _is_google_news:
+                        src_obj = entry.get("source")
+                        src_title = ""
+                        if isinstance(src_obj, dict):
+                            src_title = (src_obj.get("title") or "").strip()
+                        elif src_obj:
+                            src_title = str(getattr(src_obj, "title", "") or "").strip()
+                        if src_title:
+                            article_source = src_title
+                        else:
+                            # Google-News-Titel enden oft mit " - Publishername"
+                            if " - " in title:
+                                article_source = title.rsplit(" - ", 1)[-1].strip() or name
 
                     articles.append({
                         "headline": title,
                         "headline_de": title if self._is_german(title) else None,
-                        "source": name,
+                        "source": article_source,
                         "source_url": entry.get("link", ""),
+                        # Die Quell-Domain aus der DB (z.B. "mod.go.jp"), nicht aus
+                        # der URL — relevant für Google-News-RSS-Quellen, deren URLs
+                        # alle "news.google.com" sind, obwohl sie für 14 verschiedene
+                        # Behörden/Zeitungen stehen. Wird vom Domain-Cap genutzt.
+                        "source_domain": feed_config.get("domain") or "",
+                        # media_type aus dem Feed-Eintrag (z.B. "forum" fuer 5ch/Hatena/Note)
+                        # damit downstream Pipeline-Schritte (Faktencheck, Geoparsing,
+                        # Topic-Filter, Stimmungs-Kachel) Foren-Quellen erkennen koennen.
+                        "media_type": feed_config.get("media_type") or "",
                         "content_original": summary[:1000] if summary else None,
                         "content_de": summary[:1000] if summary and self._is_german(summary) else None,
-                        "language": "de" if self._is_german(title) else "en",
+                        # Sprache primär aus der Quell-Konfiguration übernehmen
+                        # (z.B. "ja" für Asahi Shimbun, "ru" für TASS). Nur wenn
+                        # die Quelle kein primary_language gesetzt hat, auf die
+                        # alte de/en-Heuristik zurückfallen. Sonst landen
+                        # CJK/kyrillische Headlines fälschlich als language="en"
+                        # und verlieren Pre-Topic-Übersetzung + Translator-Pfad.
+                        "language": feed_config.get("primary_language") or ("de" if self._is_german(title) else "en"),
                         "published_at": published,
                         "relevance_score": relevance_score,
                     })
@@ -214,9 +303,15 @@ class RSSParser:
         if not articles:
             return articles
 
-        # Nach Domain gruppieren
+        # Nach Domain gruppieren. Bevorzugt source_domain (aus dem Feed-Eintrag,
+        # z.B. "mod.go.jp" bei einer Google-News-Site-Search-RSS-Quelle), fällt
+        # erst dann auf die URL-Domain zurück. Sonst landen alle Google-News-
+        # Feeds (14 ja-Quellen) im selben "news.google.com"-Topf und werden
+        # vom Cap auf 10 begrenzt.
         by_domain: dict[str, list[dict]] = {}
         for article in articles:
+            domain = (article.get("source_domain") or "").strip().lower()
+            if not domain:
                 domain = _extract_domain(article.get("source_url", ""))
             if not domain:
                 domain = "__unknown__"
@@ -226,10 +321,15 @@ class RSSParser:
         for domain, domain_articles in by_domain.items():
             # Nach Relevanz sortieren (beste zuerst)
             domain_articles.sort(key=lambda a: a.get("relevance_score", 0), reverse=True)
-            kept = domain_articles[:MAX_ARTICLES_PER_DOMAIN_RSS]
+            # Dynamische Google-News-Suchfeeds ("google-news-search-<lang>") sind
-            if len(domain_articles) > MAX_ARTICLES_PER_DOMAIN_RSS:
+            # der Recall-Treiber und bekommen einen hoeheren Cap als feste Feeds.
+            cap = (MAX_ARTICLES_PER_DOMAIN_RSS_SEARCH
+                   if domain.startswith("google-news-search-")
+                   else MAX_ARTICLES_PER_DOMAIN_RSS)
+            kept = domain_articles[:cap]
+            if len(domain_articles) > cap:
                 logger.info(
-                    f"Domain-Cap: {domain} von {len(domain_articles)} auf {MAX_ARTICLES_PER_DOMAIN_RSS} Artikel begrenzt"
+                    f"Domain-Cap: {domain} von {len(domain_articles)} auf {cap} Artikel begrenzt"
                 )
             capped.extend(kept)
 

src/feeds/telegram_parser.py

@@ -61,38 +61,50 @@ class TelegramParser:
                 return None
 
     async def search_channels(self, search_term: str, tenant_id: int = None,
-                              keywords: list[str] = None, channel_ids: list[int] = None) -> list[dict]:
+                              keywords: dict | list = None, channel_ids: list[int] = None) -> list[dict]:
         """Liest Nachrichten aus konfigurierten Telegram-Kanaelen.
 
+        Args:
+            keywords: Sprach-Dict {iso_lang: [keyword,...]} oder flache Liste (Backward).
+                Match nutzt pro Kanal die "en"-Universalbegriffe + die Keywords der
+                Kanalsprache (primary_language aus sources-Tabelle).
+
         Gibt Artikel-Dicts zurueck (kompatibel mit RSS-Parser-Format).
         """
+        from agents.researcher import keywords_for_language
+
         client = await self._get_client()
         if not client:
             logger.warning("Telegram-Client nicht verfuegbar, ueberspringe Telegram-Pipeline")
             return []
 
-        # Telegram-Kanaele aus DB laden
+        # Telegram-Kanaele aus DB laden (inkl. primary_language)
         channels = await self._get_telegram_channels(tenant_id, channel_ids=channel_ids)
         if not channels:
             logger.info("Keine Telegram-Kanaele konfiguriert")
             return []
 
-        # Suchwoerter vorbereiten
+        # Fallback-Suchwoerter wenn keine Keywords da sind
-        if keywords:
+        fallback_words: list[str] | None = None
-            search_words = [w.lower().strip() for w in keywords if w.strip()]
+        if not keywords:
-        else:
+            fallback_words = [
-            search_words = [
                 w for w in search_term.lower().split()
                 if w not in STOP_WORDS and len(w) >= 3
             ]
-            if not search_words:
+            if not fallback_words:
-                search_words = search_term.lower().split()[:2]
+                fallback_words = search_term.lower().split()[:2]
 
         # Kanaele parallel abrufen
         tasks = []
         for ch in channels:
             channel_id = ch["url"] or ch["name"]
-            tasks.append(self._fetch_channel(client, channel_id, search_words))
+            channel_lang = ch.get("primary_language")
+            if keywords:
+                search_words = keywords_for_language(keywords, channel_lang)
+                search_words = [w.lower() for w in search_words]
+            else:
+                search_words = fallback_words or []
+            tasks.append(self._fetch_channel(client, channel_id, search_words, channel_lang=channel_lang))
 
         results = await asyncio.gather(*tasks, return_exceptions=True)
 
@@ -115,7 +127,7 @@ class TelegramParser:
                 if channel_ids and len(channel_ids) > 0:
                     placeholders = ",".join("?" for _ in channel_ids)
                     cursor = await db.execute(
-                        f"""SELECT id, name, url, category, notes FROM sources
+                        f"""SELECT id, name, url, category, notes, primary_language FROM sources
                            WHERE source_type = 'telegram_channel'
                            AND status = 'active'
                            AND id IN ({placeholders})""",
@@ -123,7 +135,7 @@ class TelegramParser:
                     )
                 else:
                     cursor = await db.execute(
-                        """SELECT id, name, url, category, notes FROM sources
+                        """SELECT id, name, url, category, notes, primary_language FROM sources
                            WHERE source_type = 'telegram_channel'
                            AND status = 'active'
                            AND (tenant_id IS NULL OR tenant_id = ?)""",
@@ -138,7 +150,7 @@ class TelegramParser:
             return []
 
     async def _fetch_channel(self, client, channel_id: str, search_words: list[str],
-                             limit: int = 50) -> list[dict]:
+                             limit: int = 50, channel_lang: str | None = None) -> list[dict]:
         """Letzte N Nachrichten eines Kanals abrufen und nach Keywords filtern."""
         articles = []
         try:
@@ -205,7 +217,10 @@ class TelegramParser:
                     "source_url": source_url,
                     "content_original": content[:2000],
                     "content_de": content[:2000] if self._is_german(content) else None,
-                    "language": "de" if self._is_german(content) else "en",
+                    # Sprache primär aus der Kanal-Konfiguration übernehmen
+                    # (z.B. "ru" für russische Kanäle). Sonst Fallback auf die
+                    # de/en-Heuristik. Symmetrisch zur RSS-Pfad-Logik.
+                    "language": channel_lang or ("de" if self._is_german(content) else "en"),
                     "published_at": published,
                     "relevance_score": relevance_score,
                 })

src/feeds/x_parser.py

@@ -0,0 +1,320 @@
+"""X (Twitter) Parser: Liest Posts aus konfigurierten X-Accounts via twscrape.
+
+Egress laeuft -- wenn X_PROXY_URL gesetzt -- ueber den HTTP-Proxy am RUTX11
+(Mobilfunk-IP). Faellt der Proxy aus, wird direkt ueber die Server-IP
+abgerufen (Fallback). Gibt Artikel-Dicts im RSS-/Telegram-kompatiblen Format
+zurueck.
+"""
+import asyncio
+import logging
+import os
+from datetime import datetime, timezone, timedelta
+
+import httpx
+
+from config import (
+    TIMEZONE, X_ACCOUNTS_DB_PATH, X_PROXY_URL,
+    X_POST_CAP_PER_ACCOUNT, X_RECENCY_DAYS, X_SCRAPER_ENABLED,
+)
+
+logger = logging.getLogger("osint.x")
+
+# Stoppwoerter (gleich wie RSS-/Telegram-Parser)
+STOP_WORDS = {
+    "und", "oder", "der", "die", "das", "ein", "eine", "in", "im", "am", "an",
+    "auf", "fuer", "mit", "von", "zu", "zum", "zur", "bei", "nach", "vor",
+    "ueber", "unter", "ist", "sind", "hat", "the", "and", "for", "with", "from",
+}
+
+
+def _normalize_handle(raw: str) -> str:
+    """X-Handle aus URL-/@-Form auf den nackten Benutzernamen normalisieren."""
+    h = (raw or "").strip()
+    for prefix in ("https://", "http://"):
+        if h.startswith(prefix):
+            h = h[len(prefix):]
+    for prefix in ("www.", "x.com/", "twitter.com/", "nitter.net/"):
+        if h.startswith(prefix):
+            h = h[len(prefix):]
+    h = h.lstrip("@").strip("/")
+    # Pfad-/Query-Reste abschneiden (z.B. handle/status/123 oder handle?lang=de)
+    for sep in ("/", "?"):
+        if sep in h:
+            h = h.split(sep)[0]
+    return h
+
+
+class XParser:
+    """Durchsucht konfigurierte X-Accounts nach relevanten Posts."""
+
+    async def _resolve_proxy(self) -> tuple[str | None, str | None]:
+        """Proxy-Strategie aufloesen.
+
+        Returns (proxy_url, egress_ip):
+        - X_PROXY_URL leer  -> (None, None): direkter Abruf ueber Server-IP.
+        - X_PROXY_URL gesetzt und erreichbar -> (proxy, egress_ip).
+        - X_PROXY_URL gesetzt aber tot -> (None, None): Fallback direkt + Warnung.
+        """
+        if not X_PROXY_URL:
+            return None, None
+        try:
+            async with httpx.AsyncClient(proxy=X_PROXY_URL, timeout=8.0) as client:
+                resp = await client.get("https://api.ipify.org")
+                resp.raise_for_status()
+                egress_ip = resp.text.strip()
+            logger.info("X-Egress ueber Proxy %s aktiv (IP: %s)", X_PROXY_URL, egress_ip)
+            return X_PROXY_URL, egress_ip
+        except Exception as e:
+            logger.warning(
+                "X-Proxy %s nicht erreichbar (%s) -- Fallback auf direkte Server-IP",
+                X_PROXY_URL, e,
+            )
+            return None, None
+
+    async def _get_api(self, proxy: str | None):
+        """twscrape-API-Objekt erstellen.
+
+        Gibt None zurueck wenn der Account-Store fehlt oder keine
+        nutzbaren Accounts vorhanden sind.
+        """
+        if not os.path.exists(X_ACCOUNTS_DB_PATH):
+            logger.error("X-Account-Store nicht gefunden: %s", X_ACCOUNTS_DB_PATH)
+            return None
+        try:
+            from twscrape import API
+        except ImportError:
+            logger.error("twscrape nicht installiert: pip install twscrape")
+            return None
+        try:
+            api = API(X_ACCOUNTS_DB_PATH, proxy=proxy)
+            # Account-Pool pruefen -- ohne aktive Accounts liefert twscrape nichts
+            try:
+                accounts = await api.pool.get_all()
+                active = [a for a in accounts if getattr(a, "active", True)]
+                if not accounts:
+                    logger.error("X-Account-Pool leer -- keine Accounts konfiguriert")
+                    return None
+                if not active:
+                    logger.error(
+                        "X-Account-Pool: alle %d Accounts inaktiv/gesperrt", len(accounts)
+                    )
+                    return None
+                logger.info("X-Account-Pool: %d/%d Accounts aktiv", len(active), len(accounts))
+            except Exception as e:
+                # Pool-Status nicht ermittelbar -- trotzdem weiterversuchen
+                logger.debug("X-Account-Pool-Status nicht ermittelbar: %s", e)
+            return api
+        except Exception as e:
+            logger.error("X-API-Initialisierung fehlgeschlagen: %s", e)
+            return None
+
+    async def search_accounts(self, search_term: str, tenant_id: int = None,
+                              keywords: dict | list = None,
+                              account_ids: list[int] = None) -> list[dict]:
+        """Liest Posts aus konfigurierten X-Accounts.
+
+        Args:
+            keywords: Sprach-Dict {iso_lang: [keyword,...]} oder flache Liste.
+                Match nutzt pro Account die "en"-Universalbegriffe + die
+                Keywords der Account-Sprache (primary_language aus sources).
+
+        Gibt Artikel-Dicts zurueck (kompatibel mit RSS-/Telegram-Format).
+        """
+        if not X_SCRAPER_ENABLED:
+            logger.info("X-Scraper deaktiviert (X_SCRAPER_ENABLED=false)")
+            return []
+
+        from agents.researcher import keywords_for_language
+
+        accounts = await self._get_x_accounts(tenant_id, account_ids=account_ids)
+        if not accounts:
+            logger.info("Keine X-Accounts konfiguriert")
+            return []
+
+        proxy, _egress_ip = await self._resolve_proxy()
+        api = await self._get_api(proxy)
+        if not api:
+            logger.warning("X-API nicht verfuegbar, ueberspringe X-Pipeline")
+            return []
+
+        # Fallback-Suchwoerter wenn keine Keywords da sind
+        fallback_words: list[str] | None = None
+        if not keywords:
+            fallback_words = [
+                w for w in search_term.lower().split()
+                if w not in STOP_WORDS and len(w) >= 3
+            ]
+            if not fallback_words:
+                fallback_words = search_term.lower().split()[:2]
+
+        cutoff = datetime.now(timezone.utc) - timedelta(days=X_RECENCY_DAYS)
+
+        # Accounts parallel abrufen
+        tasks = []
+        for acc in accounts:
+            handle = _normalize_handle(acc["url"] or acc["name"])
+            acc_lang = acc.get("primary_language")
+            if keywords:
+                search_words = [w.lower() for w in keywords_for_language(keywords, acc_lang)]
+            else:
+                search_words = fallback_words or []
+            tasks.append(self._fetch_account(api, handle, search_words, cutoff, acc_lang))
+
+        results = await asyncio.gather(*tasks, return_exceptions=True)
+
+        all_articles = []
+        for i, result in enumerate(results):
+            if isinstance(result, Exception):
+                logger.warning("X-Account %s: %s", accounts[i]["name"], result)
+                continue
+            all_articles.extend(result)
+
+        logger.info("X: %d relevante Posts aus %d Accounts", len(all_articles), len(accounts))
+        return all_articles
+
+    async def _get_x_accounts(self, tenant_id: int = None,
+                              account_ids: list[int] = None) -> list[dict]:
+        """Laedt X-Accounts aus der sources-Tabelle."""
+        try:
+            from database import get_db
+            db = await get_db()
+            try:
+                if account_ids and len(account_ids) > 0:
+                    placeholders = ",".join("?" for _ in account_ids)
+                    cursor = await db.execute(
+                        f"""SELECT id, name, url, category, notes, primary_language FROM sources
+                           WHERE source_type = 'x_account'
+                           AND status = 'active'
+                           AND id IN ({placeholders})""",
+                        tuple(account_ids),
+                    )
+                else:
+                    cursor = await db.execute(
+                        """SELECT id, name, url, category, notes, primary_language FROM sources
+                           WHERE source_type = 'x_account'
+                           AND status = 'active'
+                           AND (tenant_id IS NULL OR tenant_id = ?)""",
+                        (tenant_id,),
+                    )
+                rows = await cursor.fetchall()
+                return [dict(row) for row in rows]
+            finally:
+                await db.close()
+        except Exception as e:
+            logger.error("Fehler beim Laden der X-Accounts: %s", e)
+            return []
+
+    async def _fetch_account(self, api, handle: str, search_words: list[str],
+                             cutoff: datetime, account_lang: str | None = None) -> list[dict]:
+        """Letzte Posts eines X-Accounts abrufen und nach Keywords filtern."""
+        from twscrape import gather
+
+        articles: list[dict] = []
+        if not handle:
+            return articles
+        try:
+            user = await api.user_by_login(handle)
+            if not user:
+                logger.warning("X-Account @%s nicht gefunden", handle)
+                return articles
+
+            tweets = await gather(api.user_tweets(user.id, limit=X_POST_CAP_PER_ACCOUNT))
+
+            for tw in tweets:
+                # Reine Retweets ueberspringen (Original wird ohnehin erfasst)
+                if getattr(tw, "retweetedTweet", None) is not None:
+                    continue
+
+                text = getattr(tw, "rawContent", None) or ""
+                # Quote-Tweet: zitierten Text anhaengen, damit Kontext erhalten bleibt
+                quoted = getattr(tw, "quotedTweet", None)
+                if quoted is not None:
+                    q_text = getattr(quoted, "rawContent", "") or ""
+                    if q_text:
+                        text = "%s\n\n[Zitiert] %s" % (text, q_text)
+                if not text.strip():
+                    continue
+
+                # Recency-Fenster
+                tw_date = getattr(tw, "date", None)
+                if tw_date is not None:
+                    try:
+                        if tw_date < cutoff:
+                            continue
+                    except TypeError:
+                        pass
+
+                # Keyword-Matching (lockerer als RSS: 1 Match reicht,
+                # da Accounts bereits thematisch vorselektiert sind)
+                text_lower = text.lower()
+                match_count = sum(1 for w in search_words if w in text_lower)
+                if search_words and match_count < 1:
+                    continue
+
+                lines = text.strip().split("\n")
+                headline = (lines[0][:200] if lines else text[:200]).strip()
+
+                published = None
+                if tw_date is not None:
+                    try:
+                        published = tw_date.astimezone(TIMEZONE).isoformat()
+                    except Exception:
+                        published = tw_date.isoformat()
+
+                source_url = getattr(tw, "url", None) or \
+                    "https://x.com/%s/status/%s" % (handle, getattr(tw, "id", ""))
+                tw_lang = getattr(tw, "lang", None)
+                language = account_lang \
+                    or (tw_lang if tw_lang and tw_lang != "und" else None) \
+                    or ("de" if self._is_german(text) else "en")
+                relevance_score = (match_count / len(search_words)) if search_words else 0.0
+
+                articles.append({
+                    "headline": headline,
+                    "headline_de": headline if self._is_german(headline) else None,
+                    "source": "X: @%s" % handle,
+                    "source_url": source_url,
+                    "content_original": text[:2000],
+                    "content_de": text[:2000] if self._is_german(text) else None,
+                    "language": language,
+                    "published_at": published,
+                    "relevance_score": relevance_score,
+                })
+
+        except Exception as e:
+            logger.warning("X-Account @%s: %s", handle, e)
+
+        return articles
+
+    async def validate_account(self, handle: str) -> dict | None:
+        """Prueft ob ein X-Account erreichbar ist und gibt Account-Info zurueck."""
+        handle = _normalize_handle(handle)
+        if not handle:
+            return None
+        proxy, _ = await self._resolve_proxy()
+        api = await self._get_api(proxy)
+        if not api:
+            return None
+        try:
+            user = await api.user_by_login(handle)
+            if not user:
+                return None
+            return {
+                "valid": True,
+                "name": getattr(user, "displayname", None) or handle,
+                "username": getattr(user, "username", handle),
+                "description": getattr(user, "rawDescription", "") or "",
+                "subscribers": getattr(user, "followersCount", None),
+            }
+        except Exception as e:
+            logger.warning("X-Account-Validierung fehlgeschlagen fuer @%s: %s", handle, e)
+            return None
+
+    def _is_german(self, text: str) -> bool:
+        """Einfache Heuristik ob ein Text deutsch ist."""
+        german_words = {"der", "die", "das", "und", "ist", "von", "mit", "fuer", "auf", "ein",
+                        "eine", "den", "dem", "des", "sich", "wird", "nach", "bei", "auch",
+                        "ueber", "wie", "aus", "hat", "zum", "zur", "als", "noch", "mehr",
+                        "nicht", "aber", "oder", "sind", "vor", "einem", "einer", "wurde"}
+        words = set(text.lower().split())
+        return len(words & german_words) >= 2

src/main.py

@@ -246,7 +246,14 @@ async def cleanup_expired():
                 )
                 logger.info(f"Lage {incident['id']} archiviert (Aufbewahrung abgelaufen)")
 
-        # Verwaiste running-Einträge bereinigen (> 15 Minuten ohne Abschluss)
+        # Verwaiste running-Einträge bereinigen.
+        # Pruefen auf Pipeline-Fortschritt: legitime Long-Runner (z.B. Translator
+        # nach summary fuer jp_demo mit 200+ Artikeln ~20 Min) duerfen nicht
+        # vorzeitig gekillt werden. Ein Refresh gilt als verwaist, wenn entweder
+        # (a) seit ORPHAN_IDLE_LIMIT Min kein Pipeline-Step Fortschritt zeigte,
+        # oder (b) das harte Limit ORPHAN_HARD_LIMIT Min ueberschritten wurde.
+        ORPHAN_IDLE_LIMIT = 60
+        ORPHAN_HARD_LIMIT = 120
         cursor = await db.execute(
             "SELECT id, incident_id, started_at FROM refresh_log WHERE status = 'running'"
         )
@@ -258,12 +265,46 @@ async def cleanup_expired():
             else:
                 started = started.astimezone(TIMEZONE)
             age_minutes = (now - started).total_seconds() / 60
-            if age_minutes >= 15:
+            if age_minutes < ORPHAN_IDLE_LIMIT:
+                continue
+
+            # Letzter Pipeline-Step-Fortschritt (Start ODER Ende)
+            prog_cursor = await db.execute(
+                """SELECT MAX(COALESCE(completed_at, started_at)) AS last_activity
+                   FROM refresh_pipeline_steps WHERE refresh_log_id = ?""",
+                (orphan["id"],),
+            )
+            prog_row = await prog_cursor.fetchone()
+            last_activity_str = prog_row["last_activity"] if prog_row else None
+
+            is_orphan = False
+            reason = None
+            if age_minutes >= ORPHAN_HARD_LIMIT:
+                is_orphan = True
+                reason = f"Verwaist (>{int(age_minutes)} Min, hartes Limit {ORPHAN_HARD_LIMIT} Min)"
+            elif last_activity_str:
+                last_activity = datetime.fromisoformat(last_activity_str)
+                if last_activity.tzinfo is None:
+                    last_activity = last_activity.replace(tzinfo=TIMEZONE)
+                else:
+                    last_activity = last_activity.astimezone(TIMEZONE)
+                idle_minutes = (now - last_activity).total_seconds() / 60
+                if idle_minutes >= ORPHAN_IDLE_LIMIT:
+                    is_orphan = True
+                    reason = (
+                        f"Verwaist (kein Pipeline-Fortschritt seit {int(idle_minutes)} Min, "
+                        f"gesamt {int(age_minutes)} Min)"
+                    )
+            else:
+                is_orphan = True
+                reason = f"Verwaist (keine Pipeline-Schritte nach {int(age_minutes)} Min)"
+
+            if is_orphan:
                 await db.execute(
                     "UPDATE refresh_log SET status = 'error', completed_at = ?, error_message = ? WHERE id = ?",
-                    (now.strftime('%Y-%m-%d %H:%M:%S'), f"Verwaist (>{int(age_minutes)} Min ohne Abschluss, automatisch bereinigt)", orphan["id"]),
+                    (now.strftime('%Y-%m-%d %H:%M:%S'), reason, orphan["id"]),
                 )
-                logger.warning(f"Verwaisten Refresh #{orphan['id']} für Lage {orphan['incident_id']} bereinigt ({int(age_minutes)} Min)")
+                logger.warning(f"Verwaisten Refresh #{orphan['id']} fuer Lage {orphan['incident_id']} bereinigt: {reason}")
 
         # Alte Notifications bereinigen (> 7 Tage)
         await db.execute("DELETE FROM notifications WHERE created_at < datetime('now', '-7 days')")

src/models.py

@@ -57,6 +57,7 @@ class IncidentCreate(BaseModel):
     retention_days: int = Field(default=0, ge=0, le=999)
     international_sources: bool = False
     include_telegram: bool = False
+    include_x: bool = False
     visibility: str = Field(default="public", pattern="^(public|private)$")
 
 
@@ -71,6 +72,7 @@ class IncidentUpdate(BaseModel):
     retention_days: Optional[int] = Field(default=None, ge=0, le=999)
     international_sources: Optional[bool] = None
     include_telegram: Optional[bool] = None
+    include_x: Optional[bool] = None
     visibility: Optional[str] = Field(default=None, pattern="^(public|private)$")
 
 
@@ -98,8 +100,11 @@ class IncidentResponse(BaseModel):
     visibility: str = "public"
     summary: Optional[str]
     latest_developments: Optional[str] = None
+    public_mood: Optional[str] = None
+    public_mood_updated_at: Optional[str] = None
     international_sources: bool = True
     include_telegram: bool = False
+    include_x: bool = False
     created_by: int
     created_by_username: str = ""
     created_at: str
@@ -128,6 +133,7 @@ class IncidentListItem(BaseModel):
     visibility: str = "public"
     international_sources: bool = True
     include_telegram: bool = False
+    include_x: bool = False
     created_by: int
     created_by_username: str = ""
     created_at: str
@@ -140,8 +146,8 @@ class IncidentListItem(BaseModel):
 
 
 # Sources (Quellenverwaltung)
-SOURCE_TYPE_PATTERN = "^(rss_feed|web_source|excluded|telegram_channel|podcast_feed|pdf_document)$"
+SOURCE_TYPE_PATTERN = "^(rss_feed|web_source|excluded|telegram_channel|podcast_feed|pdf_document|x_account)$"
-SOURCE_CATEGORY_PATTERN = "^(nachrichtenagentur|oeffentlich-rechtlich|qualitaetszeitung|behoerde|fachmedien|think-tank|international|regional|boulevard|sonstige)$"
+SOURCE_CATEGORY_PATTERN = "^(nachrichtenagentur|oeffentlich-rechtlich|qualitaetszeitung|behoerde|fachmedien|think-tank|international|regional|boulevard|sonstige|x)$"
 SOURCE_STATUS_PATTERN = "^(active|inactive)$"
 class SourceCreate(BaseModel):
     name: str = Field(min_length=1, max_length=200)

src/report_generator.py

@@ -7,6 +7,7 @@ import re
 import uuid
 from collections import defaultdict
 from datetime import datetime
+from html import escape as _html_escape
 from pathlib import Path
 
 import pikepdf
@@ -153,6 +154,66 @@ def _markdown_to_html(text: str) -> str:
     return '\n'.join(result)
 
 
+def _parse_developments_for_export(text: str) -> list[tuple[str, str]]:
+    """Parst die 'Neuesten Entwicklungen' (latest_developments) fuer den Export.
+
+    Eingabeformat je Eintrag: '- [DD.MM. HH:MM] Text {Quelle|URL, ...}'.
+    Liefert (datum_label, body) je Eintrag in gespeicherter Reihenfolge.
+    Quellen-Klammern und [N]-Zitate werden entfernt — der Export zeigt bewusst
+    KEINE Links. Das gespeicherte Format enthaelt kein Jahr; fehlt es, wird das
+    aktuelle Jahr ergaenzt (Live-Monitoring-Berichte sind tagesaktuell).
+    """
+    if not text:
+        return []
+    year2 = datetime.now(TIMEZONE).strftime("%y")
+    bullet_re = re.compile(
+        r"^\s*(?:[-*•]\s*)?\[\s*(\d{1,2})\.(\d{1,2})\.?(?:(\d{2,4}))?\s+(\d{1,2}:\d{2})\s*\]\s*(.+?)\s*$"
+    )
+    trailing_braces = re.compile(r"\s*\{[^{}]*\}\s*\.?\s*$")
+    citation_re = re.compile(r"\s*\[\d{1,5}[a-z]?\]")
+    result: list[tuple[str, str]] = []
+    for raw in text.splitlines():
+        line = raw.strip()
+        if not line:
+            continue
+        m = bullet_re.match(line)
+        if not m:
+            continue
+        day, month, year, time = m.group(1), m.group(2), m.group(3), m.group(4)
+        body = m.group(5).strip()
+        # Quellen-Klammer am Ende und Inline-[N]-Zitate entfernen (keine Links)
+        body = trailing_braces.sub("", body).strip()
+        body = citation_re.sub("", body).strip()
+        if not body:
+            continue
+        yy = year[-2:] if year else year2
+        label = f"{int(day):02d}.{int(month):02d}.{yy}, {time} Uhr"
+        result.append((label, body))
+    return result
+
+
+def _format_latest_developments_html(text: str) -> str:
+    """Rendert die 'Neuesten Entwicklungen' als HTML-Block fuer den PDF-Export.
+
+    Pro Eintrag: Datum/Uhrzeit-Zeile, darunter (eigener Absatz) der Meldungstext.
+    Keine Quellen-Links. Faellt bei nicht-parsebarem Text auf _markdown_to_html zurueck.
+    """
+    pairs = _parse_developments_for_export(text)
+    if not pairs:
+        return _markdown_to_html(text)
+    blocks = []
+    for label, body in pairs:
+        body_html = _html_escape(body)
+        body_html = re.sub(r'\*\*(.+?)\*\*', r'<strong>\1</strong>', body_html)
+        blocks.append(
+            '<div class="dev-entry">'
+            f'<div class="dev-entry-date">{_html_escape(label)}</div>'
+            f'<div class="dev-entry-body">{body_html}</div>'
+            '</div>'
+        )
+    return "\n".join(blocks)
+
+
 def _truncate_lagebild(summary_text: str, max_chars: int = 4000) -> str:
     """Lagebild für den Lagebericht auf die Zusammenfassung kürzen.
 
@@ -462,8 +523,12 @@ def _build_export_metadata(
     organization_name: str | None,
     top_locations: list[str] | None,
     snapshot_count: int = 0,
+    include_branding: bool = True,
 ) -> dict:
-    """Einheitlicher Metadaten-Dict fuer PDF (HTML-Meta-Tags) und DOCX (core_properties)."""
+    """Einheitlicher Metadaten-Dict fuer PDF (HTML-Meta-Tags) und DOCX (core_properties).
+
+    include_branding=False neutralisiert alle AegisSight-Firmenbezeichnungen (White-Label-Export).
+    """
     is_research = incident.get("type") == "research"
     type_label = "Hintergrundrecherche" if is_research else "Live-Monitoring"
     category = "OSINT-Hintergrundrecherche" if is_research else "OSINT-Lagebericht"
@@ -475,6 +540,10 @@ def _build_export_metadata(
     subject = (incident.get("description") or "").strip()
     if not subject:
         subject = f"{type_label} zu: {title_raw}"
+    # DOCX-Core-Property "subject" erzwingt ein 255-Zeichen-Limit; laengere
+    # Beschreibungen wuerden den Word-Export sonst mit ValueError abbrechen.
+    if len(subject) > 255:
+        subject = subject[:255]
 
     # Keywords sammeln (Reihenfolge relevant für Anzeige, Dedup mit dict.fromkeys)
     keywords: list[str] = ["OSINT", type_label]
@@ -546,23 +615,37 @@ def _build_export_metadata(
         comments_lines.append("Orte: " + ", ".join(top_locations[:5]))
     comments = "\n".join(comments_lines)
 
+    # Branding-abhaengige Felder: bei include_branding=False neutralisiert (White-Label-Export)
+    if include_branding:
         publisher = organization_name or "AegisSight"
-    identifier = f"urn:aegissight:incident:{incident.get('id', '0')}:{now.strftime('%Y%m%dT%H%M%S')}"
+        author = creator or "AegisSight Monitor"
+        creator_app = "AegisSight Monitor"
+        producer = "WeasyPrint + AegisSight Monitor"
+        urn_ns = "aegissight"
         rights = (
             "Vertrauliche Lageanalyse — AegisSight Monitor. "
             "Weitergabe nur an autorisierte Empfänger."
         )
+    else:
+        publisher = organization_name or ""
+        author = creator or "Unbekannt"
+        creator_app = ""
+        producer = "WeasyPrint"
+        urn_ns = "report"
+        rights = "Vertrauliche Lageanalyse. Weitergabe nur an autorisierte Empfänger."
+    identifier = f"urn:{urn_ns}:incident:{incident.get('id', '0')}:{now.strftime('%Y%m%dT%H%M%S')}"
 
     return {
         "title": title,
-        "author": creator or "AegisSight Monitor",
+        "author": author,
         "subject": subject,
         "keywords": unique_keywords,
         "keywords_comma": ", ".join(unique_keywords),
         "keywords_semicolon": "; ".join(unique_keywords),
         "category": category,
         "comments": comments,
-        "creator_app": "AegisSight Monitor",
+        "creator_app": creator_app,
+        "producer": producer,
         "language": "de-DE",
         "created": created,
         "modified": modified,
@@ -634,7 +717,7 @@ def _enrich_pdf_metadata(pdf_bytes: bytes, meta: dict) -> bytes:
 
                 # PDF Namespace
                 xmp["pdf:Keywords"] = meta.get("keywords_comma", "")
-                xmp["pdf:Producer"] = "WeasyPrint + AegisSight Monitor"
+                xmp["pdf:Producer"] = meta.get("producer", "WeasyPrint + AegisSight Monitor")
 
                 # XMP Namespace
                 xmp["xmp:CreatorTool"] = meta.get("creator_app", "AegisSight Monitor")
@@ -681,6 +764,7 @@ async def generate_pdf(
     organization_name: str | None = None,
     top_locations: list[str] | None = None,
     snapshot_count: int = 0,
+    include_branding: bool = True,
 ) -> bytes:
     """PDF-Report via WeasyPrint generieren."""
     # Sections aus scope ableiten wenn nicht explizit angegeben
@@ -692,27 +776,39 @@ async def generate_pdf(
         else:  # full
             sections = {"zusammenfassung", "bericht", "faktencheck", "quellen", "timeline"}
 
-    # Fuer Research-Lagen: Zusammenfassung aus dem Bericht extrahieren
+    # Zusammenfassungs-Quelle bestimmen:
+    # - Research: ZUSAMMENFASSUNG/UEBERBLICK aus dem Bericht extrahieren.
+    # - Live-Monitoring (adhoc): "Neueste Entwicklungen" aus latest_developments,
+    #   ohne Quellen-Links, Datum/Uhrzeit als eigene Zeile.
+    # - sonst: KI-Executive-Summary (executive_summary_html).
     is_research = incident.get("type") == "research"
     all_sources = _prepare_sources(incident)
+    latest_dev = (incident.get("latest_developments") or "").strip()
     zusammenfassung_html = executive_summary_html
     bericht_summary = incident.get("summary", "")
     zusammenfassung_title = "Zusammenfassung"
+    summary_has_links = True
 
     if is_research and bericht_summary:
         extracted_html, remaining = _extract_zusammenfassung(bericht_summary, all_sources)
         if extracted_html:
             zusammenfassung_html = extracted_html
-            zusammenfassung_title = "Zusammenfassung"
             bericht_summary = remaining
+    elif not is_research and latest_dev:
+        dev_html = _format_latest_developments_html(latest_dev)
+        if dev_html:
+            zusammenfassung_html = dev_html
+            zusammenfassung_title = "Neueste Entwicklungen"
+            summary_has_links = False  # Quellen bewusst entfernt
 
-    # Auch das (nicht-research) Executive Summary linkifizieren — ggf. enthaelt es Zitate
+    # KI-/Research-Zusammenfassung linkifizieren; Developments bleiben linkfrei
-    if not is_research and zusammenfassung_html:
+    if not is_research and summary_has_links and zusammenfassung_html:
         zusammenfassung_html = _linkify_citations_html(zusammenfassung_html, all_sources)
 
     meta = _build_export_metadata(
         incident, articles, fact_checks, all_sources, creator, scope, sections,
         organization_name, top_locations, snapshot_count=snapshot_count,
+        include_branding=include_branding,
     )
 
     env = Environment(loader=FileSystemLoader(str(TEMPLATE_DIR)))
@@ -741,6 +837,7 @@ async def generate_pdf(
         timeline=_prepare_timeline(articles) if scope == "full" else [],
         articles=articles if scope == "full" else [],
         meta=meta,
+        include_branding=include_branding,
     )
 
     # Artikel pub_date aufbereiten
@@ -764,6 +861,7 @@ async def generate_docx(
     organization_name: str | None = None,
     top_locations: list[str] | None = None,
     snapshot_count: int = 0,
+    include_branding: bool = True,
 ) -> bytes:
     """Word-Report via python-docx generieren."""
     doc = Document()
@@ -777,24 +875,32 @@ async def generate_docx(
         else:  # full
             sections = {"zusammenfassung", "bericht", "faktencheck", "quellen", "timeline"}
 
-    # Fuer Research-Lagen: Zusammenfassung aus dem Bericht extrahieren
+    # Zusammenfassungs-Quelle bestimmen (analog generate_pdf):
+    # Research -> Bericht-Extrakt, Live-Monitoring -> "Neueste Entwicklungen", sonst KI.
     is_research = incident.get("type") == "research"
     all_sources = _prepare_sources(incident)
+    latest_dev = (incident.get("latest_developments") or "").strip()
     zusammenfassung_text = executive_summary_text
     bericht_summary = incident.get("summary") or "Keine Zusammenfassung verfügbar."
     zusammenfassung_title = "Zusammenfassung"
     zusammenfassung_lines: list[str] = []
+    zusammenfassung_developments: list[tuple[str, str]] = []
 
     if is_research and bericht_summary:
         extracted_lines, remaining = _extract_zusammenfassung_lines(bericht_summary)
         if extracted_lines:
             zusammenfassung_lines = extracted_lines
-            zusammenfassung_title = "Zusammenfassung"
             bericht_summary = remaining
+    elif not is_research and latest_dev:
+        dev_pairs = _parse_developments_for_export(latest_dev)
+        if dev_pairs:
+            zusammenfassung_developments = dev_pairs
+            zusammenfassung_title = "Neueste Entwicklungen"
 
     meta = _build_export_metadata(
         incident, articles, fact_checks, all_sources, creator, scope, sections,
         organization_name, top_locations, snapshot_count=snapshot_count,
+        include_branding=include_branding,
     )
 
     # Dateimetadaten setzen (sichtbar in Explorer/Finder, DMS-Systemen)
@@ -823,6 +929,8 @@ async def generate_docx(
     for _ in range(6):
         doc.add_paragraph()
 
+    # Firmenname-Zeile nur im gebrandeten Export
+    if include_branding:
         title_para = doc.add_paragraph()
         title_para.alignment = WD_ALIGN_PARAGRAPH.CENTER
         run = title_para.add_run("AegisSight Monitor")
@@ -865,11 +973,23 @@ async def generate_docx(
 
     doc.add_page_break()
 
-    # --- Zusammenfassung / Executive Summary ---
+    # --- Zusammenfassung / Neueste Entwicklungen ---
     if "zusammenfassung" in sections:
         doc.add_heading(zusammenfassung_title, level=1)
 
-        if zusammenfassung_lines:
+        if zusammenfassung_developments:
+            # Live-Monitoring: pro Eintrag Datum/Uhrzeit-Zeile + Absatz mit Text, ohne Links
+            for label, body in zusammenfassung_developments:
+                date_para = doc.add_paragraph()
+                date_para.paragraph_format.space_after = Pt(1)
+                run = date_para.add_run(label)
+                run.bold = True
+                run.font.size = Pt(9)
+                run.font.color.rgb = RGBColor(0x0a, 0x18, 0x32)
+                body_para = doc.add_paragraph()
+                body_para.paragraph_format.space_after = Pt(8)
+                body_para.add_run(re.sub(r'\*\*(.+?)\*\*', r'\1', body))
+        elif zusammenfassung_lines:
             for line in zusammenfassung_lines:
                 _add_docx_paragraph_with_citations(doc, line, all_sources, style='List Bullet')
         else:
@@ -978,7 +1098,11 @@ async def generate_docx(
     doc.add_paragraph()
     footer = doc.add_paragraph()
     footer.alignment = WD_ALIGN_PARAGRAPH.CENTER
-    run = footer.add_run(f"Erstellt mit AegisSight Monitor — aegis-sight.de — {now.strftime('%d.%m.%Y')}")
+    if include_branding:
+        footer_text = f"Erstellt mit AegisSight Monitor — aegis-sight.de — {now.strftime('%d.%m.%Y')}"
+    else:
+        footer_text = f"Stand: {now.strftime('%d.%m.%Y')}"
+    run = footer.add_run(footer_text)
     run.font.size = Pt(8)
     run.font.color.rgb = RGBColor(0x0a, 0x18, 0x32)
 

src/report_templates/report.html

@@ -47,6 +47,12 @@ body { font-family: -apple-system, 'Segoe UI', Roboto, Helvetica, Arial, sans-se
 .exec-summary ul { margin: 8px 0 0 18px; }
 .exec-summary li { margin-bottom: 6px; line-height: 1.6; }
 
+/* Neueste Entwicklungen (Live-Monitoring) */
+.dev-entry { margin-bottom: 12px; }
+.dev-entry:last-child { margin-bottom: 0; }
+.dev-entry-date { font-size: 9pt; font-weight: 600; color: #0a1832; margin-bottom: 2px; }
+.dev-entry-body { font-size: 10.5pt; line-height: 1.5; }
+
 /* Lagebild */
 .lagebild-content { line-height: 1.7; }
 .lagebild-content p { margin-bottom: 8px; }
@@ -84,7 +90,7 @@ tr:nth-child(even) { background: #f8f9fa; }
 <body>
 <!-- Deckblatt -->
 <div class="cover">
-    <img src="data:image/svg+xml;base64,{{ logo_base64 }}" class="cover-logo" alt="AegisSight">
+    {% if include_branding %}<img src="data:image/svg+xml;base64,{{ logo_base64 }}" class="cover-logo" alt="AegisSight">{% endif %}
     <div class="cover-type">{{ incident_type_label }}</div>
     <div class="cover-title">{{ incident.title }}</div>
     <div class="cover-meta">
@@ -92,14 +98,14 @@ tr:nth-child(even) { background: #f8f9fa; }
         <div>Erstellt von: {{ creator }}</div>
         {% if incident.organization_name %}<div>Organisation: {{ incident.organization_name }}</div>{% endif %}
     </div>
-    <div class="cover-brand">AegisSight Monitor</div>
+    {% if include_branding %}<div class="cover-brand">AegisSight Monitor</div>{% endif %}
 </div>
 
 <!-- Inhaltsverzeichnis -->
 <div class="toc">
     <h2>Inhaltsverzeichnis</h2>
     <ul class="toc-list">
-        {% if 'zusammenfassung' in sections %}<li><a href="#sec-zusammenfassung">Zusammenfassung</a></li>{% endif %}
+        {% if 'zusammenfassung' in sections %}<li><a href="#sec-zusammenfassung">{{ zusammenfassung_title }}</a></li>{% endif %}
         {% if 'bericht' in sections %}<li><a href="#sec-bericht">{% if incident.type == "research" %}Recherchebericht{% else %}Lagebild{% endif %}</a></li>{% endif %}
         {% if 'faktencheck' in sections and fact_checks %}<li><a href="#sec-faktencheck">Faktencheck</a></li>{% endif %}
         {% if 'quellen' in sections and sources %}<li><a href="#sec-quellen">Quellenverzeichnis</a></li>{% endif %}
@@ -208,7 +214,7 @@ tr:nth-child(even) { background: #f8f9fa; }
 {% endif %}
 
 <div class="report-footer">
-    Erstellt mit AegisSight Monitor &mdash; aegis-sight.de &mdash; {{ report_date }}
+    {% if include_branding %}Erstellt mit AegisSight Monitor &mdash; aegis-sight.de &mdash; {{ report_date }}{% else %}Stand: {{ report_date }}{% endif %}
 </div>
 </body>
 </html>

src/routers/incidents.py

@@ -21,7 +21,7 @@ router = APIRouter(prefix="/api/incidents", tags=["incidents"])
 
 INCIDENT_UPDATE_COLUMNS = {
     "title", "description", "type", "status", "refresh_mode",
-    "refresh_interval", "refresh_start_time", "retention_days", "international_sources", "include_telegram", "visibility",
+    "refresh_interval", "refresh_start_time", "retention_days", "international_sources", "include_telegram", "include_x", "visibility",
 }
 
 
@@ -89,7 +89,7 @@ async def list_incidents(
     query = (
         "SELECT id, title, description, type, status, refresh_mode, refresh_interval, "
         "refresh_start_time, retention_days, visibility, "
-        "international_sources, include_telegram, created_by, created_at, updated_at, "
+        "international_sources, include_telegram, include_x, created_by, created_at, updated_at, "
         "CASE WHEN summary IS NOT NULL AND summary != '' THEN 1 ELSE 0 END AS has_summary "
         "FROM incidents WHERE tenant_id = ? AND (visibility = 'public' OR created_by = ?)"
     )
@@ -120,9 +120,9 @@ async def create_incident(
     now = datetime.now(TIMEZONE).strftime('%Y-%m-%d %H:%M:%S')
     cursor = await db.execute(
         """INSERT INTO incidents (title, description, type, refresh_mode, refresh_interval,
-           refresh_start_time, retention_days, international_sources, include_telegram, visibility,
+           refresh_start_time, retention_days, international_sources, include_telegram, include_x, visibility,
            tenant_id, created_by, created_at, updated_at)
-           VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)""",
+           VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)""",
         (
             data.title,
             data.description,
@@ -133,6 +133,7 @@ async def create_incident(
             data.retention_days,
             1 if data.international_sources else 0,
             1 if data.include_telegram else 0,
+            1 if data.include_x else 0,
             data.visibility,
             tenant_id,
             current_user["id"],
@@ -164,28 +165,25 @@ async def get_refreshing_incidents(
     )
     rows = await cursor.fetchall()
 
-    # Also include queued incidents from orchestrator
+    # Queued- und laufende Lagen aus dem Orchestrator ergaenzen.
     from agents.orchestrator import orchestrator
-    queued_ids = list(orchestrator._queued_ids) if hasattr(orchestrator, '_queued_ids') else []
+    queued_ids = list(getattr(orchestrator, '_queued_ids', set()))
-    current_task = orchestrator._current_task if hasattr(orchestrator, '_current_task') else None
+    # incident_id -> stabiler Session-Start (ueber Multi-Pass/Retry hinweg). Ersetzt
-    # Session-Start des aktuell laufenden Tasks — stabil ueber Multi-Pass/Retry hinweg.
+    # den frueheren Einzelwert, da jetzt mehrere Organisationen parallel laufen.
-    # Verhindert, dass der Frontend-Timer beim Reload auf den letzten Log-Eintrag
+    current_tasks = getattr(orchestrator, '_current_tasks', {}) or {}
-    # (pass 2/3 oder retry n) zurueckspringt.
-    current_started_at = (
-        orchestrator._current_task_started_at
-        if hasattr(orchestrator, '_current_task_started_at') else None
-    )
 
     details = {}
     for row in rows:
         iid = row["incident_id"]
-        started_at = (
+        session_start = current_tasks.get(iid)
-            current_started_at
+        started_at = session_start if session_start else row["started_at"]
-            if (iid == current_task and current_started_at)
-            else row["started_at"]
-        )
         details[str(iid)] = {"started_at": started_at}
 
+    # Pro Organisation laeuft hoechstens eine Lage gleichzeitig; der Endpoint ist
+    # ohnehin tenant-gefiltert, daher genuegt der erste laufende Treffer.
+    running_here = [row["incident_id"] for row in rows if row["incident_id"] in current_tasks]
+    current_task = running_here[0] if running_here else None
+
     return {
         "refreshing": [row["incident_id"] for row in rows],
         "queued": queued_ids,
@@ -385,7 +383,7 @@ async def update_incident(
     for field, value in data.model_dump(exclude_none=True).items():
         if field not in INCIDENT_UPDATE_COLUMNS:
             continue
-        if field in ("international_sources", "include_telegram"):
+        if field in ("international_sources", "include_telegram", "include_x"):
             updates[field] = 1 if value else 0
         else:
             updates[field] = value
@@ -494,11 +492,14 @@ async def get_articles_sources_summary(
     tenant_id = current_user.get("tenant_id")
     await _check_incident_access(db, incident_id, current_user["id"], tenant_id)
     cursor = await db.execute(
-        """SELECT source,
+        """SELECT a.source,
                   COUNT(*) AS article_count,
-                  GROUP_CONCAT(DISTINCT COALESCE(language,'de')) AS languages
+                  GROUP_CONCAT(DISTINCT COALESCE(a.language,'de')) AS languages,
-           FROM articles WHERE incident_id = ?
+                  COUNT(DISTINCT m.article_id) AS fimi_match_count
-           GROUP BY source ORDER BY article_count DESC""",
+           FROM articles a
+           LEFT JOIN article_fimi_matches m ON m.article_id = a.id
+           WHERE a.incident_id = ?
+           GROUP BY a.source ORDER BY article_count DESC""",
         (incident_id,),
     )
     sources = []
@@ -506,6 +507,15 @@ async def get_articles_sources_summary(
         d = dict(r)
         langs = (d.pop("languages") or "de").split(",")
         d["languages"] = sorted({(l or "de").strip() for l in langs if l is not None})
+        d["fimi_match_count"] = d.get("fimi_match_count") or 0
+        # Quellentyp aus dem source-Praefix ableiten (fuer den Typ-Filter der Quellenuebersicht)
+        src = d.get("source") or ""
+        if src.startswith("X: "):
+            d["source_type"] = "x"
+        elif src.startswith("Telegram: "):
+            d["source_type"] = "telegram"
+        else:
+            d["source_type"] = "web"
         sources.append(d)
     # Sprach-Verteilung gesamt
     cursor = await db.execute(
@@ -523,6 +533,114 @@ async def get_articles_sources_summary(
     return {"total": total, "sources": sources, "language_counts": lang_counts}
 
 
+@router.get("/{incident_id}/fimi-matches")
+async def get_fimi_matches(
+    incident_id: int,
+    current_user: dict = Depends(get_current_user),
+    db: aiosqlite.Connection = Depends(db_dependency),
+):
+    """FIMI-Treffer einer Lage, gruppiert nach Artikel (fuer Andockpunkt 1).
+
+    Pro Artikel die verlinkten EUvsDisinfo-Falschbehauptungen mit Provenienz:
+    Claim-Text, Widerlegung, Case-URL, Embedding-Score und das woertliche
+    Zitat aus dem Artikel. Der Monitor wertet nicht selbst, er verweist.
+    """
+    tenant_id = current_user.get("tenant_id")
+    await _check_incident_access(db, incident_id, current_user["id"], tenant_id)
+    cursor = await db.execute(
+        """SELECT m.article_id, m.fimi_claim_id, m.score, m.role, m.matched_text,
+                  c.text AS claim_text, c.verdict, c.verdict_summary,
+                  c.source_ref, c.case_url
+           FROM article_fimi_matches m
+           JOIN articles a ON a.id = m.article_id
+           JOIN fimi_claims c ON c.id = m.fimi_claim_id
+           WHERE a.incident_id = ?
+           ORDER BY m.score DESC""",
+        (incident_id,),
+    )
+    by_article: dict[str, list] = {}
+    for r in await cursor.fetchall():
+        d = dict(r)
+        aid = str(d["article_id"])
+        by_article.setdefault(aid, []).append({
+            "claim_id": d["fimi_claim_id"],
+            "claim_text": d["claim_text"],
+            "verdict": d["verdict"],
+            "verdict_summary": d["verdict_summary"],
+            "case_url": d["case_url"],
+            "source_ref": d["source_ref"],
+            "score": d["score"],
+            "passage": d["matched_text"],
+        })
+    return {"matches_by_article": by_article, "article_count": len(by_article)}
+
+
+@router.get("/{incident_id}/fimi-summary")
+async def get_fimi_summary(
+    incident_id: int,
+    current_user: dict = Depends(get_current_user),
+    db: aiosqlite.Connection = Depends(db_dependency),
+):
+    """Aggregierte FIMI-Kennzahlen fuer die Lagebild-Qualitaetsachse (Andockpunkt 3).
+
+    Antwortet auch sinnvoll, wenn noch nichts geprueft wurde."""
+    tenant_id = current_user.get("tenant_id")
+    await _check_incident_access(db, incident_id, current_user["id"], tenant_id)
+
+    cur = await db.execute(
+        """SELECT COUNT(*) AS total,
+                  SUM(CASE WHEN fimi_checked_at IS NOT NULL THEN 1 ELSE 0 END) AS checked
+           FROM articles WHERE incident_id = ?""",
+        (incident_id,),
+    )
+    row = await cur.fetchone()
+    total = row["total"] or 0
+    checked = row["checked"] or 0
+
+    cur = await db.execute(
+        """SELECT COUNT(DISTINCT m.article_id) AS matched_articles,
+                  COUNT(DISTINCT m.fimi_claim_id) AS distinct_claims
+           FROM article_fimi_matches m
+           JOIN articles a ON a.id = m.article_id
+           WHERE a.incident_id = ?""",
+        (incident_id,),
+    )
+    row = await cur.fetchone()
+    matched_articles = row["matched_articles"] or 0
+    distinct_claims = row["distinct_claims"] or 0
+
+    cur = await db.execute(
+        """SELECT c.id AS claim_id, c.text AS claim_text, c.case_url,
+                  COUNT(DISTINCT m.article_id) AS article_count
+           FROM article_fimi_matches m
+           JOIN articles a ON a.id = m.article_id
+           JOIN fimi_claims c ON c.id = m.fimi_claim_id
+           WHERE a.incident_id = ?
+           GROUP BY c.id ORDER BY article_count DESC LIMIT 10""",
+        (incident_id,),
+    )
+    top_claims = [dict(r) for r in await cur.fetchall()]
+
+    cur = await db.execute(
+        """SELECT a.source, COUNT(DISTINCT m.article_id) AS match_count
+           FROM article_fimi_matches m
+           JOIN articles a ON a.id = m.article_id
+           WHERE a.incident_id = ?
+           GROUP BY a.source ORDER BY match_count DESC LIMIT 10""",
+        (incident_id,),
+    )
+    by_source = [dict(r) for r in await cur.fetchall()]
+
+    return {
+        "articles_total": total,
+        "articles_checked": checked,
+        "articles_with_match": matched_articles,
+        "distinct_claims": distinct_claims,
+        "top_claims": top_claims,
+        "by_source": by_source,
+    }
+
+
 @router.get("/{incident_id}/articles/timeline-buckets")
 async def get_articles_timeline_buckets(
     incident_id: int,
@@ -1143,6 +1261,8 @@ async def export_incident(
     format: str = Query("pdf", pattern="^(pdf|docx)$"),
     scope: str = Query("report", pattern="^(summary|report|full)$"),
     sections: str = Query(None),
+    branding: str = Query("on", pattern="^(on|off)$"),
+    creator: str = Query(None, max_length=120),
     current_user: dict = Depends(get_current_user),
     db: aiosqlite.Connection = Depends(db_dependency),
 ):
@@ -1161,7 +1281,10 @@ async def export_incident(
     row = await _check_incident_access(db, incident_id, current_user["id"], tenant_id)
     incident = dict(row)
 
-    # Ersteller-Name
+    # Ersteller-Name: manuell uebergebener Wert hat Vorrang, sonst E-Mail des Lage-Erstellers
+    if creator and creator.strip():
+        creator = creator.strip()
+    else:
         cursor = await db.execute("SELECT email FROM users WHERE id = ?", (incident["created_by"],))
         user_row = await cursor.fetchone()
         creator = user_row["email"] if user_row else "Unbekannt"
@@ -1218,18 +1341,14 @@ async def export_incident(
         snapshots = [dict(r) for r in await cursor.fetchall()]
 
     # Zusammenfassung fuer den Export:
-    # - Bei Adhoc-Lagen primaer "Neueste Entwicklungen" (latest_developments) als Markdown-Bullets,
+    # - Live-Monitoring (adhoc) zeigt primaer "Neueste Entwicklungen" (latest_developments).
-    #   weil Live-Monitoring von Aktualitaet lebt.
+    #   Das Rendering (Datum/Uhrzeit als eigene Zeile, ohne Links) uebernimmt der
-    # - Fallback (oder bei Research): Executive Summary (KI-generiert, gecacht).
+    #   Report-Generator direkt aus incident["latest_developments"].
+    # - Executive Summary (KI, gecacht) dient nur als Fallback (oder bei Research-Lagen).
     is_adhoc = (incident.get("type") or "adhoc") != "research"
     latest_dev = (incident.get("latest_developments") or "").strip()
-    exec_summary = None
-    if is_adhoc and latest_dev:
-        from report_generator import _markdown_to_html as _md_to_html
-        exec_summary = _md_to_html(latest_dev)
-    if not exec_summary:
     exec_summary = incident.get("executive_summary")
-    if not exec_summary:
+    if not exec_summary and not (is_adhoc and latest_dev):
         summary_text = incident.get("summary") or ""
         exec_summary = await generate_executive_summary(summary_text)
         await db.execute(
@@ -1237,6 +1356,7 @@ async def export_incident(
             (exec_summary, incident_id),
         )
         await db.commit()
+    exec_summary = exec_summary or ""
 
     date_str = datetime.now(TIMEZONE).strftime("%Y%m%d")
     slug = _slugify(incident["title"])
@@ -1259,6 +1379,7 @@ async def export_incident(
             organization_name=organization_name,
             top_locations=top_locations,
             snapshot_count=snapshot_count,
+            include_branding=(branding == "on"),
         )
         filename = f"{slug}_{scope_labels_key}_{date_str}.pdf"
         return StreamingResponse(
@@ -1273,6 +1394,7 @@ async def export_incident(
             organization_name=organization_name,
             top_locations=top_locations,
             snapshot_count=snapshot_count,
+            include_branding=(branding == "on"),
         )
         filename = f"{slug}_{scope_labels_key}_{date_str}.docx"
         return StreamingResponse(

src/routers/sources.py

@@ -144,6 +144,7 @@ async def get_source_stats(
         "rss_feed": {"count": 0, "articles": 0},
         "web_source": {"count": 0, "articles": 0},
         "telegram_channel": {"count": 0, "articles": 0},
+        "x_account": {"count": 0, "articles": 0},
         "excluded": {"count": 0, "articles": 0},
     }
     for row in rows:
@@ -637,6 +638,30 @@ async def validate_telegram_channel(
         raise HTTPException(status_code=500, detail="Telegram-Validierung fehlgeschlagen")
 
 
+@router.post("/x/validate")
+async def validate_x_account(
+    data: dict,
+    current_user: dict = Depends(get_current_user),
+):
+    """Prueft ob ein X-Account (Twitter) erreichbar ist und gibt Account-Info zurueck."""
+    handle = data.get("handle", "").strip()
+    if not handle:
+        raise HTTPException(status_code=400, detail="handle ist erforderlich")
+
+    try:
+        from feeds.x_parser import XParser
+        parser = XParser()
+        result = await parser.validate_account(handle)
+        if result:
+            return result
+        raise HTTPException(status_code=404, detail="X-Account nicht erreichbar oder nicht gefunden")
+    except HTTPException:
+        raise
+    except Exception as e:
+        logger.error("X-Validierung fehlgeschlagen: %s", e, exc_info=True)
+        raise HTTPException(status_code=500, detail="X-Validierung fehlgeschlagen")
+
+
 @router.post("/refresh-counts")
 async def trigger_refresh_counts(
     current_user: dict = Depends(get_current_user),

src/services/embeddings.py

@@ -0,0 +1,127 @@
+"""Embedding-Service für den Claim-Matcher.
+
+Lädt ein multilinguales SentenceTransformer-Modell als Singleton.
+Erzeugt L2-normalisierte 384-dim Vektoren, sodass Kosinus-Ähnlichkeit
+einem einfachen Skalarprodukt entspricht.
+"""
+from __future__ import annotations
+
+import asyncio
+import logging
+import threading
+from typing import Iterable
+
+import numpy as np
+
+logger = logging.getLogger("osint.embeddings")
+
+MODEL_NAME = "sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2"
+EMBED_DIM = 384
+DTYPE = np.float32
+
+# Threshold-Empfehlungen (empirisch aus Sanity-Tests):
+#   >= 0.85 -> sehr wahrscheinlich identische Behauptung
+#   >= 0.75 -> ähnliche Behauptung, dem User zur Auswahl vorschlagen
+#   <  0.60 -> wahrscheinlich verschiedene Behauptungen
+DEFAULT_MATCH_THRESHOLD = 0.75  # fuer Duplikat-Warnung beim Anlegen
+LIVE_SEARCH_THRESHOLD = 0.55  # fuer Live-Suche im Modal, mehr Recall
+
+_model = None
+_model_lock = threading.Lock()
+
+
+def _get_model():
+    """Lädt das Modell einmalig (lazy) und gibt es zurück."""
+    global _model
+    if _model is None:
+        with _model_lock:
+            if _model is None:
+                from sentence_transformers import SentenceTransformer
+                logger.info("Lade Embedding-Modell %s ...", MODEL_NAME)
+                _model = SentenceTransformer(MODEL_NAME)
+                logger.info("Embedding-Modell geladen, dim=%d", EMBED_DIM)
+    return _model
+
+
+def _encode_sync(texts: list[str]) -> np.ndarray:
+    """Synchroner Encode (CPU-bound, sollte im Executor laufen)."""
+    model = _get_model()
+    vecs = model.encode(
+        texts,
+        normalize_embeddings=True,
+        convert_to_numpy=True,
+        show_progress_bar=False,
+    )
+    return vecs.astype(DTYPE, copy=False)
+
+
+async def encode_text(text: str) -> bytes:
+    """Encodet einen Text und gibt das Embedding als Bytes (BLOB-tauglich) zurück."""
+    if not text or not text.strip():
+        raise ValueError("Leerer Text kann nicht embedded werden")
+    loop = asyncio.get_running_loop()
+    vec = await loop.run_in_executor(None, _encode_sync, [text])
+    return vec[0].tobytes()
+
+
+async def encode_batch(texts: list[str]) -> list[bytes]:
+    """Encodet mehrere Texte in einem Batch (effizienter als einzeln)."""
+    texts = [t for t in texts if t and t.strip()]
+    if not texts:
+        return []
+    loop = asyncio.get_running_loop()
+    vecs = await loop.run_in_executor(None, _encode_sync, texts)
+    return [v.tobytes() for v in vecs]
+
+
+def decode_embedding(blob: bytes | None) -> np.ndarray | None:
+    """Decodet einen BLOB zurück in einen numpy-Vektor."""
+    if blob is None or len(blob) == 0:
+        return None
+    return np.frombuffer(blob, dtype=DTYPE)
+
+
+def cosine_similarity(a: np.ndarray, b: np.ndarray) -> float:
+    """Kosinus-Ähnlichkeit zweier Vektoren.
+
+    Da wir L2-normalisiert encoden, reicht das Skalarprodukt.
+    Defensiv: wenn ein Vektor nicht normalisiert ist, fängt diese Variante das ab.
+    """
+    na = float(np.linalg.norm(a))
+    nb = float(np.linalg.norm(b))
+    if na == 0.0 or nb == 0.0:
+        return 0.0
+    return float(np.dot(a, b) / (na * nb))
+
+
+def find_similar(
+    query: np.ndarray,
+    candidates: Iterable[tuple[int, np.ndarray]],
+    top_k: int = 5,
+    threshold: float = DEFAULT_MATCH_THRESHOLD,
+) -> list[tuple[int, float]]:
+    """Sucht in einer Kandidaten-Menge die top_k ähnlichsten Embeddings.
+
+    Args:
+        query: L2-normalisierter Query-Vektor.
+        candidates: Iterable von (id, embedding-Vektor)-Tupeln.
+        top_k: maximale Anzahl Treffer.
+        threshold: minimaler Score, alles darunter wird verworfen.
+
+    Returns:
+        Liste von (id, score), absteigend sortiert.
+    """
+    scored: list[tuple[int, float]] = []
+    for cid, vec in candidates:
+        if vec is None:
+            continue
+        score = cosine_similarity(query, vec)
+        if score >= threshold:
+            scored.append((cid, score))
+    scored.sort(key=lambda x: x[1], reverse=True)
+    return scored[:top_k]
+
+
+def warm_up() -> None:
+    """Lädt das Modell vor (kann beim App-Start in einem Thread aufgerufen werden)."""
+    _get_model()

src/services/fimi_matcher.py

@@ -0,0 +1,410 @@
+"""FIMI-Matcher: gleicht Monitor-Artikel gegen den importierten
+Falschbehauptungs-Bestand (fimi_claims, EUvsDisinfo) ab.
+
+Zweistufig, weil Embedding-Aehnlichkeit nur THEMENNAEHE misst, nicht HALTUNG:
+ein Artikel, der Russlands Angriff einen "Angriffskrieg" nennt, liegt im
+Embedding-Raum dicht an der Falschbehauptung "Russland wurde zum Angriff
+gezwungen", sagt aber das Gegenteil. Reine Embeddings wuerden also neutrale
+und sogar widerlegende Berichterstattung als Treffer markieren.
+
+  Stufe 1 (Embedding-Vorfilter, billig): findet thematisch nahe Kandidaten.
+           Die Claim-Embeddings liegen als numpy-Matrix im RAM (~30 MB), ein
+           Match ist eine Matrixmultiplikation (Kosinus == Skalarprodukt, da
+           L2-normalisiert).
+  Stufe 2 (LLM-Verifikation, praezise): ein Haiku-Call pro Kandidaten-Artikel
+           entscheidet, ob der Artikel die Behauptung tatsaechlich VERBREITET
+           (zustimmend als Tatsache aufstellt) oder nur darueber berichtet /
+           sie widerlegt. Nur bestaetigte Verbreitungen werden gespeichert.
+
+Provenienz-Leitplanke: gespeichert wird nur eine Verknuepfung Artikel ->
+benannter, pruefbarer EUvsDisinfo-Case plus das woertliche Zitat aus dem
+Artikel. Der Monitor wertet nie selbst.
+"""
+from __future__ import annotations
+
+import asyncio
+import json
+import logging
+import os
+import re
+import threading
+
+import aiosqlite
+import numpy as np
+
+# URLs aus dem Artikeltext entfernen: sonst versucht das Verifizierer-Modell,
+# den Link per WebFetch zu oeffnen, was bei --allowedTools "" als
+# error_max_turns scheitert.
+_URL_RE = re.compile(r"https?://\S+")
+
+from services.embeddings import encode_batch
+from agents.claude_client import call_claude, ClaudeCliError
+from config import CLAUDE_MODEL_FAST
+
+logger = logging.getLogger("osint.fimi_matcher")
+
+EMBED_DIM = 384
+# Stufe 1: Vorfilter
+EMBED_FLOOR = 0.55          # untere Grenze, ab der ein Kandidat ueberhaupt entsteht
+PREFILTER_THRESHOLD = 0.65  # ab hier geht ein Kandidat in die LLM-Verifikation
+TOP_K = 5                   # max. Kandidaten-Claims pro Artikel
+CONTENT_EXCERPT_CHARS = 1500
+# Stufe 2: LLM-Verifikation
+VERIFY_ENABLED = os.environ.get("FIMI_VERIFY_ENABLED", "true").lower() != "false"
+VERIFY_CONCURRENCY = int(os.environ.get("FIMI_VERIFY_CONCURRENCY", "4"))
+VERIFY_CONTENT_CHARS = 2200
+VERIFY_TIMEOUT = 90
+
+# Singleton-Matrix der Claim-Embeddings
+_ids: np.ndarray | None = None          # (N,) int64  -> fimi_claims.id
+_matrix: np.ndarray | None = None       # (N, 384) float32
+_lock = threading.Lock()
+
+
+# ──────────────────────────────────────────────────────────────────
+# Stufe 1: Embedding-Vorfilter
+# ──────────────────────────────────────────────────────────────────
+
+async def ensure_matrix(db: aiosqlite.Connection, force: bool = False) -> int:
+    """Laedt die Claim-Embeddings einmalig in eine numpy-Matrix. Idempotent."""
+    global _ids, _matrix
+    if _matrix is not None and not force:
+        return int(_matrix.shape[0])
+
+    cursor = await db.execute(
+        "SELECT id, embedding FROM fimi_claims WHERE embedding IS NOT NULL"
+    )
+    rows = await cursor.fetchall()
+    ids: list[int] = []
+    vecs: list[np.ndarray] = []
+    for r in rows:
+        v = np.frombuffer(r["embedding"], dtype=np.float32)
+        if v.size != EMBED_DIM:
+            continue
+        ids.append(r["id"])
+        vecs.append(v)
+
+    with _lock:
+        if vecs:
+            _ids = np.asarray(ids, dtype=np.int64)
+            _matrix = np.vstack(vecs).astype(np.float32, copy=False)
+        else:
+            _ids = np.empty((0,), dtype=np.int64)
+            _matrix = np.empty((0, EMBED_DIM), dtype=np.float32)
+    logger.info("FIMI-Matcher: %d Claim-Embeddings geladen", len(ids))
+    return len(ids)
+
+
+def is_ready() -> bool:
+    return _matrix is not None and _matrix.shape[0] > 0
+
+
+def _build_query_text(headline: str | None, content: str | None) -> str:
+    parts = []
+    if headline:
+        parts.append(headline.strip())
+    if content:
+        excerpt = content.strip()[:CONTENT_EXCERPT_CHARS]
+        if excerpt:
+            parts.append(excerpt)
+    return " ".join(parts).strip()
+
+
+async def match_query_texts(
+    texts: list[str],
+    threshold: float = EMBED_FLOOR,
+    top_k: int = TOP_K,
+) -> list[list[tuple[int, float]]]:
+    """Stufe 1: matcht Query-Texte gegen die Claim-Matrix (Embedding-Kosinus).
+
+    Returns: Liste gleicher Laenge wie texts, je eine Liste von
+    (claim_id, score), absteigend sortiert, nur Treffer >= threshold.
+    """
+    results: list[list[tuple[int, float]]] = [[] for _ in texts]
+    if _matrix is None or _matrix.shape[0] == 0:
+        return results
+
+    valid_idx = [i for i, t in enumerate(texts) if t and t.strip()]
+    if not valid_idx:
+        return results
+    blobs = await encode_batch([texts[i] for i in valid_idx])
+    if len(blobs) != len(valid_idx):
+        logger.warning("FIMI-Matcher: encode_batch-Laenge passt nicht, skip")
+        return results
+
+    qm = np.vstack([np.frombuffer(b, dtype=np.float32) for b in blobs])  # (V, 384)
+    scores = qm @ _matrix.T  # (V, N) — Kosinus, da L2-normalisiert
+
+    for row, orig_i in enumerate(valid_idx):
+        s = scores[row]
+        if top_k < s.size:
+            cand = np.argpartition(s, -top_k)[-top_k:]
+        else:
+            cand = np.arange(s.size)
+        cand = cand[np.argsort(s[cand])[::-1]]
+        hits = [(int(_ids[j]), float(s[j])) for j in cand if s[j] >= threshold]
+        results[orig_i] = hits
+    return results
+
+
+# ──────────────────────────────────────────────────────────────────
+# Stufe 2: LLM-Verifikation
+# ──────────────────────────────────────────────────────────────────
+
+_VERIFY_PROMPT = """Bewerte ausschließlich den unten stehenden Artikeltext. Du hast KEINEN Internetzugang und darfst KEINE Werkzeuge benutzen (kein WebFetch, keine Suche, kein Öffnen von Links). Falls der Text gekürzt ist, bewerte nur das Vorhandene. Antworte sofort mit JSON.
+
+Du prüfst, ob ein Nachrichtenartikel eine bekannte Falschbehauptung VERBREITET.
+
+VERBREITET (spreads=true): Der Artikel übernimmt die SPEZIFISCHE, irreführende Kernaussage der Behauptung zustimmend, stellt sie als Tatsache hin oder legt sie dem Leser als wahr nahe.
+
+VERBREITET NICHT (spreads=false), wenn eines zutrifft:
+- Der Artikel berichtet neutral über das Thema.
+- Der Artikel widerlegt die Behauptung, ordnet sie als Desinformation ein oder zitiert sie distanziert/kritisch.
+- Der Artikel sagt inhaltlich das Gegenteil.
+- Der Artikel erwähnt nur ein thematisch verwandtes Faktum, OHNE die irreführende Kernaussage zu übernehmen.
+
+Entscheidend ist die HALTUNG zur konkreten Kernaussage, nicht die thematische Nähe. Ein gemeinsames Stichwort, Ereignis oder Faktum reicht NICHT.
+
+Beispiele für spreads=false (häufige Verwechslung):
+- Behauptung "Russland wurde zum Angriff gezwungen": Artikel nennt den Einmarsch einen "Angriffskrieg" -> false (Gegenteil).
+- Behauptung "Die Ukraine ist eine westliche Marionette ohne Souveränität": Artikel berichtet, dass ausländische Ausbilder ukrainische Soldaten trainieren -> false (bloßes Faktum, keine Marionetten-Aussage).
+- Behauptung "Russlands Wirtschaft boomt trotz Sanktionen": Artikel berichtet konkrete Öleinnahmen -> false (Einzelfaktum, kein Boom-Narrativ).
+- Behauptung "Die Ukraine kann den Krieg nicht gewinnen": Artikel analysiert, dass militärisch keine Seite gewinnen kann -> false (symmetrische Analyse, nicht die einseitige Behauptung).
+
+Im Zweifel spreads=false. Nur die eindeutige Übernahme der irreführenden Kernaussage zählt.
+
+ARTIKEL
+Titel: {headline}
+Text: {content}
+
+ZU PRÜFENDE BEHAUPTUNGEN
+{claims}
+
+Antworte AUSSCHLIESSLICH als JSON:
+{{"results": [{{"claim_id": <id>, "spreads": <true|false>, "passage": "<wörtliches Zitat aus dem Artikel, das die Behauptung verbreitet; leer wenn spreads=false>"}}]}}"""
+
+
+async def _verify_article(
+    article, candidate_claims: list[tuple[int, float, str]]
+) -> list[tuple[int, float, str]]:
+    """Ein Haiku-Call: welche Kandidaten-Behauptungen verbreitet der Artikel?
+
+    candidate_claims: Liste (claim_id, embed_score, claim_text).
+    Returns: bestaetigte (claim_id, embed_score, passage) fuer spreads=true.
+    Wirft bei CLI-/Parse-Fehler, damit der Aufrufer den Artikel nicht als
+    geprueft markiert (Retry beim naechsten Refresh).
+    """
+    headline = (article["headline_de"] or article["headline"] or "").strip()
+    content = (
+        (article["content_de"] if "content_de" in article.keys() else None)
+        or (article["content_original"] if "content_original" in article.keys() else None)
+        or ""
+    )
+    content = _URL_RE.sub("", content).strip()[:VERIFY_CONTENT_CHARS]
+    if not content:
+        # Ohne Fliesstext laesst sich die Haltung nicht serioes bestimmen.
+        return []
+
+    claim_by_id = {cid: text for cid, _, text in candidate_claims}
+    claims_block = "\n".join(f"[{cid}] {text}" for cid, _, text in candidate_claims)
+    prompt = _VERIFY_PROMPT.format(headline=headline, content=content, claims=claims_block)
+
+    text, _usage = await call_claude(
+        prompt, tools=None, model=CLAUDE_MODEL_FAST, timeout=VERIFY_TIMEOUT
+    )
+    raw = (text or "").strip()
+    # Defensive: evtl. Markdown-Fences entfernen
+    if raw.startswith("```"):
+        raw = raw.strip("`")
+        nl = raw.find("\n")
+        if nl != -1:
+            raw = raw[nl + 1:]
+    start, end = raw.find("{"), raw.rfind("}")
+    if start == -1 or end == -1:
+        raise ValueError(f"Keine JSON-Antwort vom Verifizierer: {raw[:120]!r}")
+    data = json.loads(raw[start:end + 1])
+
+    embed_score = {cid: sc for cid, sc, _ in candidate_claims}
+    confirmed: list[tuple[int, float, str]] = []
+    for item in data.get("results", []):
+        try:
+            cid = int(item.get("claim_id"))
+        except (TypeError, ValueError):
+            continue
+        if cid not in claim_by_id:
+            continue
+        if item.get("spreads") is True:
+            passage = (item.get("passage") or "").strip()[:500]
+            confirmed.append((cid, embed_score.get(cid, 0.0), passage))
+    return confirmed
+
+
+# ──────────────────────────────────────────────────────────────────
+# Orchestrierung: matchen + speichern
+# ──────────────────────────────────────────────────────────────────
+
+async def _load_claim_texts(db, claim_ids: set[int]) -> dict[int, str]:
+    if not claim_ids:
+        return {}
+    qs = ",".join("?" for _ in claim_ids)
+    cursor = await db.execute(
+        f"SELECT id, text FROM fimi_claims WHERE id IN ({qs})", tuple(claim_ids)
+    )
+    return {r["id"]: r["text"] for r in await cursor.fetchall()}
+
+
+async def match_and_store_articles(
+    db: aiosqlite.Connection,
+    articles: list,
+    prefilter_threshold: float = PREFILTER_THRESHOLD,
+    top_k: int = TOP_K,
+    verify: bool | None = None,
+    mark_checked: bool = True,
+) -> dict:
+    """Zweistufiger Match + Speicherung fuer eine Liste Artikel-Rows.
+
+    articles: Rows mit id, headline, headline_de, content_original, content_de
+    und (optional) tenant_id.
+    """
+    if verify is None:
+        verify = VERIFY_ENABLED
+    await ensure_matrix(db)
+    if not articles:
+        return {"articles": 0, "candidates": 0, "articles_with_match": 0, "stored": 0, "errors": 0}
+
+    # Stufe 1: Embedding-Vorfilter
+    texts = [
+        _build_query_text(
+            a["headline_de"] or a["headline"],
+            (a["content_de"] if "content_de" in a.keys() else None)
+            or (a["content_original"] if "content_original" in a.keys() else None),
+        )
+        for a in articles
+    ]
+    prefiltered = await match_query_texts(texts, threshold=EMBED_FLOOR, top_k=top_k)
+
+    # Claim-Texte fuer alle starken Kandidaten laden
+    strong_per_article: list[list[tuple[int, float]]] = [
+        [(cid, sc) for cid, sc in cands if sc >= prefilter_threshold]
+        for cands in prefiltered
+    ]
+    need_ids: set[int] = {cid for lst in strong_per_article for cid, _ in lst}
+    claim_texts = await _load_claim_texts(db, need_ids)
+
+    # Stufe 2: Verifikation (parallel, begrenzt) — nur Artikel mit starken Kandidaten
+    sem = asyncio.Semaphore(max(1, VERIFY_CONCURRENCY))
+    candidates_total = sum(len(lst) for lst in strong_per_article)
+
+    async def _process(idx: int):
+        a = articles[idx]
+        strong = strong_per_article[idx]
+        if not strong:
+            # geprueft, aber kein starker Kandidat -> nichts zu verifizieren
+            return idx, [], False
+        cand = [(cid, sc, claim_texts.get(cid, "")) for cid, sc in strong if claim_texts.get(cid)]
+        if not cand:
+            return idx, [], False
+        if not verify:
+            return idx, [(cid, sc, None) for cid, sc, _ in cand], False
+        async with sem:
+            try:
+                confirmed = await _verify_article(a, cand)
+                return idx, confirmed, False
+            except (ClaudeCliError, ValueError, json.JSONDecodeError, TimeoutError) as e:
+                logger.warning("FIMI-Verifikation article_id=%s fehlgeschlagen: %s",
+                               a["id"], e)
+                return idx, None, True  # error -> nicht als checked markieren
+
+    proc = await asyncio.gather(*[_process(i) for i in range(len(articles))])
+
+    # Speichern (sequenziell, eine DB-Connection)
+    stored = 0
+    with_match = 0
+    errors = 0
+    for idx, confirmed, err in proc:
+        a = articles[idx]
+        if err:
+            errors += 1
+            continue  # Artikel NICHT als checked markieren -> Retry
+        if confirmed:
+            with_match += 1
+            tenant_id = a["tenant_id"] if "tenant_id" in a.keys() else None
+            role = "verified" if verify else "match"
+            for cid, sc, passage in confirmed:
+                try:
+                    await db.execute(
+                        """INSERT INTO article_fimi_matches
+                               (article_id, fimi_claim_id, score, role, matched_text, tenant_id, matched_at)
+                           VALUES (?, ?, ?, ?, ?, ?, CURRENT_TIMESTAMP)""",
+                        (a["id"], cid, round(sc, 4), role, passage, tenant_id),
+                    )
+                    stored += 1
+                except aiosqlite.IntegrityError:
+                    await db.execute(
+                        """UPDATE article_fimi_matches
+                               SET score = MAX(COALESCE(score, 0), ?),
+                                   role = ?, matched_text = COALESCE(?, matched_text)
+                             WHERE article_id = ? AND fimi_claim_id = ?""",
+                        (round(sc, 4), role, passage, a["id"], cid),
+                    )
+        if mark_checked:
+            await db.execute(
+                "UPDATE articles SET fimi_checked_at = CURRENT_TIMESTAMP WHERE id = ?",
+                (a["id"],),
+            )
+    await db.commit()
+    logger.info(
+        "FIMI-Matcher: %d Artikel, %d Kandidaten, %d verbreiten Falschbehauptungen, "
+        "%d Links, %d Fehler",
+        len(articles), candidates_total, with_match, stored, errors,
+    )
+    return {
+        "articles": len(articles),
+        "candidates": candidates_total,
+        "articles_with_match": with_match,
+        "stored": stored,
+        "errors": errors,
+    }
+
+
+async def match_article_ids(
+    db: aiosqlite.Connection,
+    article_ids: list[int],
+    verify: bool | None = None,
+) -> dict:
+    """Matcht eine konkrete Menge Artikel (per ID). Pipeline-Einstieg fuer die
+    in einem Refresh neu hinzugekommenen Artikel."""
+    ids = [int(i) for i in article_ids if i]
+    if not ids:
+        return {"articles": 0, "candidates": 0, "articles_with_match": 0, "stored": 0, "errors": 0}
+    qs = ",".join("?" for _ in ids)
+    cursor = await db.execute(
+        f"SELECT id, headline, headline_de, content_original, content_de, tenant_id "
+        f"FROM articles WHERE id IN ({qs})",
+        tuple(ids),
+    )
+    articles = await cursor.fetchall()
+    return await match_and_store_articles(db, articles, verify=verify)
+
+
+async def match_incident_articles(
+    db: aiosqlite.Connection,
+    incident_id: int,
+    only_unchecked: bool = True,
+    limit: int | None = None,
+    verify: bool | None = None,
+) -> dict:
+    """Matcht (standardmaessig noch nicht gepruefte) Artikel einer Lage."""
+    q = (
+        "SELECT id, headline, headline_de, content_original, content_de, tenant_id "
+        "FROM articles WHERE incident_id = ?"
+    )
+    params: list = [incident_id]
+    if only_unchecked:
+        q += " AND fimi_checked_at IS NULL"
+    q += " ORDER BY id"
+    if limit:
+        q += f" LIMIT {int(limit)}"
+    cursor = await db.execute(q, params)
+    articles = await cursor.fetchall()
+    return await match_and_store_articles(db, articles, verify=verify)

src/services/org_settings.py

@@ -1,12 +1,17 @@
 """Organization-Settings-Helper.
 
-KV-Store pro Organisation. Aktuell genutzt fuer output_language ('de'|'en').
+KV-Store pro Organisation. Aktuell genutzt fuer:
-Spaeter erweiterbar (Default-Modell, Telegram-Toggle, Theme, ...).
+  - output_language ('de'|'en'|...) - Anzeige-/Lagebild-Sprache
+  - source_language_whitelist (JSON-Liste, z.B. ["ja"]) - schraenkt RSS/Telegram-Quellen ein
+  - research_language (ISO-Code) - steuert WebSearch-Prompts (default = output_language)
+  - translator_enabled ('true'|'false') - override fuer das globale TRANSLATOR_ENABLED-Flag
 
 Cache: TTL 60s in-memory pro (tenant_id, key). Wird bei set_org_setting()
 invalidiert.
 """
+import json
 import logging
+import os
 import time
 from typing import Optional
 
@@ -84,6 +89,15 @@ async def set_org_setting(
 LANGUAGE_DISPLAY_NAMES = {
     "de": "Deutsch",
     "en": "English",
+    "ja": "Japanese",
+    "zh": "Chinese",
+    "ko": "Korean",
+    "ru": "Russian",
+    "ar": "Arabic",
+    "fa": "Persian",
+    "he": "Hebrew",
+    "fr": "French",
+    "es": "Spanish",
 }
 
 
@@ -91,7 +105,10 @@ async def get_org_language(
     db: aiosqlite.Connection,
     tenant_id: int,
 ) -> str:
-    """Liefert ISO-2-Sprachcode der Org (default 'de')."""
+    """Liefert ISO-2-Sprachcode der Org (default 'de').
+
+    Steuert die Lagebild-/Anzeige-Sprache.
+    """
     value = await get_org_setting(db, tenant_id, "output_language", default="de")
     if value not in LANGUAGE_DISPLAY_NAMES:
         logger.warning("Unbekannte output_language '%s' fuer Org %s -- fallback 'de'", value, tenant_id)
@@ -99,6 +116,65 @@ async def get_org_language(
     return value
 
 
+async def get_source_language_whitelist(
+    db: aiosqlite.Connection,
+    tenant_id: int,
+) -> Optional[list[str]]:
+    """Liefert Liste erlaubter Quellsprachen oder None (= keine Einschränkung).
+
+    Gespeichert als JSON-Array unter dem Key 'source_language_whitelist'.
+    Beispiel-Wert: '["ja"]' -> nur japanischsprachige Quellen.
+    """
+    raw = await get_org_setting(db, tenant_id, "source_language_whitelist", default=None)
+    if not raw:
+        return None
+    try:
+        parsed = json.loads(raw)
+    except (json.JSONDecodeError, TypeError) as e:
+        logger.warning(
+            "source_language_whitelist fuer Org %s ist kein JSON ('%s'): %s",
+            tenant_id, raw, e,
+        )
+        return None
+    if not isinstance(parsed, list):
+        logger.warning("source_language_whitelist fuer Org %s ist keine Liste: %r", tenant_id, parsed)
+        return None
+    cleaned = [str(x).strip().lower() for x in parsed if str(x).strip()]
+    return cleaned or None
+
+
+async def get_research_language(
+    db: aiosqlite.Connection,
+    tenant_id: int,
+) -> str:
+    """Liefert die Sprache, in der der WebSearch-Researcher primär sucht.
+
+    Default = output_language. Bei jp_demo z.B. 'ja', während output_language='de' bleibt.
+    """
+    value = await get_org_setting(db, tenant_id, "research_language", default=None)
+    if value and value in LANGUAGE_DISPLAY_NAMES:
+        return value
+    return await get_org_language(db, tenant_id)
+
+
+async def get_translator_enabled(
+    db: aiosqlite.Connection,
+    tenant_id: Optional[int],
+) -> bool:
+    """Liefert true wenn der (volle) Translator-Schritt fuer diese Org laufen soll.
+
+    Hierarchie:
+      1. Org-Setting 'translator_enabled' ('true'/'false') gewinnt, wenn gesetzt.
+      2. Sonst: globales ENV-Flag TRANSLATOR_ENABLED (Default true im config.py).
+    """
+    if tenant_id is not None:
+        raw = await get_org_setting(db, tenant_id, "translator_enabled", default=None)
+        if raw is not None:
+            return str(raw).strip().lower() in ("true", "1", "yes", "on")
+    env_value = os.environ.get("TRANSLATOR_ENABLED", "true").strip().lower()
+    return env_value in ("true", "1", "yes", "on")
+
+
 def language_display(lang_iso: str) -> str:
     """ISO-Code -> Anzeigename fuer Prompts ('de' -> 'Deutsch')."""
     return LANGUAGE_DISPLAY_NAMES.get(lang_iso, lang_iso)

src/services/pipeline_tracker.py

@@ -32,8 +32,12 @@ _PIPELINE_STEPS_DE = [
      "tooltip": "Aus den Meldungen werden Ortsangaben erkannt und auf der Karte verortet."},
     {"key": "factcheck", "label": "Fakten prüfen", "icon": "shield",
      "tooltip": "Behauptungen aus den Meldungen werden gegeneinander abgeglichen: Bestätigt? Umstritten? Noch unklar?"},
+    {"key": "public_mood", "label": "Stimmung erfassen", "icon": "message-circle",
+     "tooltip": "Aus Foren-Quellen (z.B. 5ch, Hatena, Note) wird ein Stimmungsbild der öffentlichen Diskussion extrahiert. Keine Faktenlage, sondern dominante Themen und Bruchlinien."},
     {"key": "summary", "label": "Lagebild verfassen", "icon": "file-text",
      "tooltip": "Aus allen geprüften Meldungen wird ein zusammenhängendes Lagebild geschrieben, mit Quellenangaben am Text."},
+    {"key": "translate", "label": "Artikel uebersetzen", "icon": "languages",
+     "tooltip": "Fremdsprachige Meldungen (z.B. japanisch) werden ins Lagebild-Output uebersetzt. Laeuft nur fuer Quellen-Pools mit nicht-deutschen Sprachen und kann bei vielen neuen Artikeln einige Minuten dauern."},
     {"key": "qc", "label": "Qualitätscheck", "icon": "check-circle",
      "tooltip": "Eine letzte Kontrollprüfung am Ergebnis: Doppelte Fakten zusammenführen, Karten-Verortung prüfen, bevor du benachrichtigt wirst."},
     {"key": "notify", "label": "Benachrichtigen", "icon": "bell",
@@ -53,8 +57,12 @@ _PIPELINE_STEPS_EN = [
      "tooltip": "Locations are extracted from the articles and placed on the map."},
     {"key": "factcheck", "label": "Checking facts", "icon": "shield",
      "tooltip": "Claims from the articles are cross-checked: Confirmed? Disputed? Still unclear?"},
+    {"key": "public_mood", "label": "Reading the mood", "icon": "message-circle",
+     "tooltip": "Forum sources (5ch, Hatena, Note, etc.) are summarised into a public-mood overview. Not factual, but dominant themes and fault lines."},
     {"key": "summary", "label": "Writing the briefing", "icon": "file-text",
      "tooltip": "All verified articles are combined into a coherent briefing with inline citations."},
+    {"key": "translate", "label": "Translating articles", "icon": "languages",
+     "tooltip": "Foreign-language articles (e.g. Japanese) are translated into the briefing output language. Runs only when the source pool contains non-target-language items and can take several minutes for large incoming batches."},
     {"key": "qc", "label": "Quality check", "icon": "check-circle",
      "tooltip": "A final review: consolidate duplicate facts, verify map locations, before you get notified."},
     {"key": "notify", "label": "Notifying", "icon": "bell",

src/source_rules.py

@@ -86,6 +86,9 @@ DOMAIN_CATEGORY_MAP = {
     "merkur.de": "regional",
     # Telegram
     "t.me": "telegram",
+    # X / Twitter
+    "x.com": "x",
+    "twitter.com": "x",
 }
 
 # Bekannte Feed-Pfade zum Durchprobieren
@@ -642,25 +645,46 @@ async def get_feeds_with_metadata(tenant_id: int = None, source_type: str = "rss
 
     source_type: "rss_feed" (Default) oder "podcast_feed" — trennt RSS- und Podcast-Quellen
     in getrennten Pipelines, damit der RSS-Heisspfad unveraendert bleibt.
+
+    Wenn die Org eine source_language_whitelist gesetzt hat (z.B. jp_demo: ['ja']),
+    werden nur Feeds geliefert, deren primary_language darauf passt. Feeds ohne
+    gesetztes primary_language fallen in dem Fall raus — das ist gewollt, weil
+    eine Whitelist gerade die strenge Beschraenkung ist.
     """
     from database import get_db
+    from services.org_settings import get_source_language_whitelist
 
     db = await get_db()
     try:
         if tenant_id:
             cursor = await db.execute(
-                "SELECT name, url, domain, category, notes, COALESCE(article_count, 0) AS article_count FROM sources "
+                "SELECT name, url, domain, category, notes, primary_language, media_type, "
+                "COALESCE(article_count, 0) AS article_count FROM sources "
                 "WHERE source_type = ? AND status = 'active' "
                 "AND (tenant_id IS NULL OR tenant_id = ?)",
                 (source_type, tenant_id),
             )
         else:
             cursor = await db.execute(
-                "SELECT name, url, domain, category, notes, COALESCE(article_count, 0) AS article_count FROM sources "
+                "SELECT name, url, domain, category, notes, primary_language, media_type, "
+                "COALESCE(article_count, 0) AS article_count FROM sources "
                 "WHERE source_type = ? AND status = 'active'",
                 (source_type,),
             )
-        return [dict(row) for row in await cursor.fetchall()]
+        feeds = [dict(row) for row in await cursor.fetchall()]
+
+        # Whitelist-Filter (nur wenn die Org eine gesetzt hat)
+        if tenant_id:
+            whitelist = await get_source_language_whitelist(db, tenant_id)
+            if whitelist:
+                before = len(feeds)
+                feeds = [f for f in feeds if (f.get("primary_language") or "").lower() in whitelist]
+                logger.info(
+                    "source_language_whitelist=%s fuer Org %s: %d/%d Feeds passieren",
+                    whitelist, tenant_id, len(feeds), before,
+                )
+
+        return feeds
     except Exception as e:
         logger.error(f"Fehler beim Laden der Feed-Metadaten ({source_type}): {e}")
         return []

src/static/css/style.css

@@ -1715,6 +1715,39 @@ a.dev-source-pill:hover {
     color: var(--text-primary);
 }
 
+.source-type-filter-chips {
+    display: flex;
+    flex-wrap: wrap;
+    gap: var(--sp-xs);
+    margin: var(--sp-sm) 0 var(--sp-xs);
+}
+
+.source-type-filter-chip {
+    font: inherit;
+    font-size: 11px;
+    padding: 3px 10px;
+    border-radius: var(--radius);
+    border: 1px solid var(--border);
+    background: var(--bg-secondary);
+    color: var(--text-secondary);
+    cursor: pointer;
+}
+
+.source-type-filter-chip:hover {
+    border-color: var(--accent);
+    color: var(--text-primary);
+}
+
+.source-type-filter-chip.active {
+    background: var(--accent);
+    border-color: var(--accent);
+    color: #fff;
+}
+
+.source-type-filter-chip.active strong {
+    color: #fff;
+}
+
 .source-overview-grid {
     display: grid;
     grid-template-columns: repeat(auto-fill, minmax(180px, 1fr));
@@ -6139,3 +6172,122 @@ body.tutorial-active .tutorial-cursor {
     .pipeline-block.status-active { box-shadow: var(--glow-accent); }
     .pipeline-stage.is-looping .pipeline-loop { animation: none !important; opacity: 1; }
 }
+
+/* ──────────────────────────────────────────────────────────────────
+   FIMI / Counter-Disinformation (Andockpunkte 1-3)
+   Dezenter, hinweisender Ton (amber = --warning), keine Warnsirene.
+   Die Provenienz wird ueber Texte + Case-Links getragen, nicht ueber
+   Farbe. Kein Match -> kein Element, kein visueller Ballast.
+   ────────────────────────────────────────────────────────────────── */
+
+/* Andockpunkt 1: Inline-Hinweis am Artikel (in der Quellen-Detailliste) */
+.fimi-hint {
+    flex-basis: 100%;
+    display: flex;
+    align-items: center;
+    gap: 6px;
+    margin-top: 5px;
+    padding: 4px 8px;
+    font-size: 11.5px;
+    line-height: 1.35;
+    background: rgba(245, 158, 11, 0.08);
+    border-left: 2px solid var(--warning);
+    border-radius: 3px;
+}
+.fimi-hint-icon { flex: 0 0 auto; font-size: 12px; color: var(--warning); }
+.fimi-hint-text { color: var(--text-secondary); }
+.fimi-hint-link {
+    margin-left: auto;
+    flex: 0 0 auto;
+    color: var(--warning);
+    font-weight: 600;
+    text-decoration: none;
+    white-space: nowrap;
+}
+.fimi-hint-link:hover { text-decoration: underline; }
+.source-overview-detail-list li.has-fimi-hint { flex-wrap: wrap; }
+
+/* Andockpunkt 2: empirischer Track-Record-Badge in der Quellen-Box */
+.fimi-source-badge {
+    display: inline-flex;
+    align-items: center;
+    margin-left: 6px;
+    padding: 1px 6px;
+    font-size: 10px;
+    font-weight: 700;
+    letter-spacing: 0.02em;
+    color: var(--warning);
+    background: rgba(245, 158, 11, 0.12);
+    border: 1px solid rgba(245, 158, 11, 0.35);
+    border-radius: 10px;
+    white-space: nowrap;
+}
+.source-overview-item.has-fimi { box-shadow: inset 2px 0 0 var(--warning); }
+
+/* Andockpunkt 3: Qualitaetsleiste ueber dem Lagebild */
+.fimi-summary-bar {
+    margin: 0 0 12px 0;
+    padding: 10px 14px;
+    border-radius: 6px;
+    font-size: 13px;
+    line-height: 1.45;
+}
+.fimi-summary-bar:empty { display: none; }
+.fimi-summary-bar--alert {
+    color: var(--text-primary);
+    background: rgba(245, 158, 11, 0.09);
+    border: 1px solid rgba(245, 158, 11, 0.30);
+}
+.fimi-summary-bar--clear {
+    display: flex;
+    align-items: center;
+    gap: 8px;
+    color: var(--text-secondary);
+    background: var(--bg-elevated);
+    border: 1px solid var(--border);
+}
+.fimi-summary-head { display: flex; align-items: center; gap: 10px; flex-wrap: wrap; }
+.fimi-summary-icon { flex: 0 0 auto; color: var(--warning); font-size: 15px; }
+.fimi-summary-bar--clear .fimi-summary-icon { color: var(--success); }
+.fimi-summary-lead { flex: 1 1 240px; }
+.fimi-summary-lead strong { color: var(--warning); }
+.fimi-summary-toggle {
+    flex: 0 0 auto;
+    padding: 3px 10px;
+    font-size: 12px;
+    font-weight: 600;
+    color: var(--warning);
+    background: transparent;
+    border: 1px solid rgba(245, 158, 11, 0.4);
+    border-radius: 4px;
+    cursor: pointer;
+}
+.fimi-summary-toggle:hover { background: rgba(245, 158, 11, 0.12); }
+.fimi-summary-claims {
+    list-style: none;
+    margin: 10px 0 0 0;
+    padding: 10px 0 0 0;
+    border-top: 1px solid rgba(245, 158, 11, 0.20);
+}
+.fimi-summary-claims li {
+    display: flex;
+    align-items: baseline;
+    gap: 8px;
+    padding: 4px 0;
+    font-size: 12.5px;
+    color: var(--text-secondary);
+}
+.fimi-claim-count { flex: 0 0 auto; font-weight: 700; color: var(--warning); min-width: 28px; }
+.fimi-claim-text { flex: 1 1 auto; }
+
+/* FIMI: Pflicht-Quellenhinweis EUvsDisinfo (dezent, gedaempft) */
+.fimi-disclaimer {
+    margin-top: 10px;
+    padding-top: 8px;
+    border-top: 1px solid rgba(245, 158, 11, 0.18);
+    font-size: 10.5px;
+    line-height: 1.4;
+    color: var(--text-disabled);
+}
+.fimi-disclaimer a { color: var(--text-secondary); text-decoration: underline; }
+.fimi-disclaimer a:hover { color: var(--warning); }

src/static/dashboard.html

@@ -13,7 +13,7 @@
     <link rel="stylesheet" href="/static/vendor/leaflet.css">
     <link rel="stylesheet" href="/static/vendor/MarkerCluster.css">
     <link rel="stylesheet" href="/static/vendor/MarkerCluster.Default.css">
-    <link rel="stylesheet" href="/static/css/style.css?v=20260501h">
+    <link rel="stylesheet" href="/static/css/style.css?v=20260522c">
 <style>
 /* Export Modal Radio */
 .export-radio { display:flex; align-items:center; gap:10px; padding:8px 12px; cursor:pointer; border-radius:var(--radius-sm); transition:background 0.15s; border:1px solid transparent; margin-bottom:4px; }
@@ -209,6 +209,7 @@
                     <button class="tab-btn" data-tab="timeline" data-i18n="tab.timeline">Ereignis-Timeline</button>
                     <button class="tab-btn" data-tab="karte" data-i18n="tab.map">Geografische Verteilung</button>
                     <button class="tab-btn" data-tab="faktencheck" data-i18n="tab.factcheck">Faktencheck</button>
+                    <button class="tab-btn" data-tab="stimmung" data-i18n="tab.public_mood" id="tab-btn-stimmung" style="display:none;">Öffentliche Stimmung</button>
                     <button class="tab-btn" data-tab="pipeline" data-i18n="tab.pipeline">Analysepipeline</button>
                     <button class="tab-btn" data-tab="quellen" data-i18n="tab.sources_overview">Quellenübersicht</button>
                 </div>
@@ -233,6 +234,7 @@
                                 <span class="lagebild-timestamp" id="lagebild-timestamp"></span>
                             </div>
                             <div id="summary-content">
+                                <div id="fimi-summary-bar"></div>
                                 <div id="summary-text" class="summary-text"></div>
                             </div>
                         </div>
@@ -293,6 +295,24 @@
                         </div>
                     </div>
 
+                    <div class="tab-panel" id="panel-stimmung">
+                        <div class="card incident-analysis-stimmung" id="stimmung-card">
+                            <div class="card-header">
+                                <div class="card-title">
+                                    <span data-i18n="card.public_mood">Öffentliche Stimmung</span>
+                                    <span class="info-icon" data-tooltip="Themen und Bruchlinien aus Foren-Quellen (z.B. 5ch, Hatena, Note).&#10;&#10;KEINE Faktenlage - reines Stimmungsmaterial.&#10;Beitraege sind anonym und koennen Trolling enthalten."><svg xmlns="http://www.w3.org/2000/svg" width="14" height="14" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"><circle cx="12" cy="12" r="10"/><path d="M12 16v-4"/><path d="M12 8h.01"/></svg></span>
+                                </div>
+                                <span class="stimmung-timestamp" id="stimmung-timestamp"></span>
+                            </div>
+                            <div id="stimmung-content">
+                                <div id="stimmung-text" class="summary-text" style="padding:8px 16px;"></div>
+                                <div style="padding:0 16px 16px; font-size:11px; color:var(--text-disabled); border-top:1px solid var(--border); margin-top:8px; padding-top:8px;">
+                                    Hinweis: Forenbeiträge sind anonyme Online-Stimmungen, keine Faktenlage. Sie fließen nicht in den Faktencheck ein.
+                                </div>
+                            </div>
+                        </div>
+                    </div>
+
                     <div class="tab-panel" id="panel-pipeline">
                         <div class="card pipeline-card" id="pipeline-card">
                             <div class="card-header">
@@ -373,6 +393,13 @@
                                 <span class="toggle-switch"></span>
                                 <span class="toggle-text"><span data-i18n="modal.toggle.telegram">Telegram-Kanäle einbeziehen</span> <span class="info-icon tooltip-below" data-tooltip="Bezieht OSINT-relevante Telegram-Kanäle als zusätzliche Quelle ein. Kann die Aktualität erhöhen, aber auch unbestätigte Informationen liefern."><svg xmlns="http://www.w3.org/2000/svg" width="14" height="14" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"><circle cx="12" cy="12" r="10"/><path d="M12 16v-4"/><path d="M12 8h.01"/></svg></span></span>
                             </label>
+                        </div>
+                        <div class="toggle-group" style="margin-top: 8px;">
+                            <label class="toggle-label">
+                                <input type="checkbox" id="inc-x">
+                                <span class="toggle-switch"></span>
+                                <span class="toggle-text"><span data-i18n="modal.toggle.x">X (Twitter) einbeziehen</span> <span class="info-icon tooltip-below" data-tooltip="Bezieht Posts konfigurierter X-Accounts (Twitter) als zusätzliche Quelle ein. Kann die Aktualität erhöhen, aber auch unbestätigte Informationen liefern."><svg xmlns="http://www.w3.org/2000/svg" width="14" height="14" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"><circle cx="12" cy="12" r="10"/><path d="M12 16v-4"/><path d="M12 8h.01"/></svg></span></span>
+                            </label>
                         </div>                    </div>
                     <div class="form-group">
                         <label><span data-i18n="modal.new_incident.visibility">Sichtbarkeit</span> <span class="info-icon tooltip-below" data-tooltip="Öffentlich: Alle Nutzer der Organisation sehen diese Lage.&#10;&#10;Privat: Nur für dich sichtbar."><svg xmlns="http://www.w3.org/2000/svg" width="14" height="14" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"><circle cx="12" cy="12" r="10"/><path d="M12 16v-4"/><path d="M12 8h.01"/></svg></span></label>
@@ -465,6 +492,8 @@
                             <option value="rss_feed">RSS-Feed</option>
                             <option value="web_source">Web-Quelle</option>
                             <option value="telegram_channel">Telegram</option>
+                            <option value="x_account">X (Twitter)</option>
+                            <option value="podcast_feed">Podcast</option>
                             <option value="excluded">Von mir ausgeschlossen</option>
                         </select>
                         <label for="sources-filter-category" class="sr-only" data-i18n="sources_modal.filter.category">Kategorie filtern</label>
@@ -604,6 +633,7 @@
                                     <option value="rss_feed">RSS-Feed</option>
                                     <option value="web_source">Web-Quelle</option>
                                     <option value="telegram_channel">Telegram-Kanal</option>
+                                    <option value="x_account">X-Account</option>
                                 </select>
                             </div>
                             <div class="form-group" id="src-rss-url-group">
@@ -776,12 +806,12 @@
     <script src="/static/vendor/leaflet.js"></script>
     <script src="/static/vendor/leaflet.markercluster.js"></script>
     <script src="/static/js/i18n.js?v=20260513a"></script>
-    <script src="/static/js/api.js?v=20260423a"></script>
+    <script src="/static/js/api.js?v=20260522f"></script>
     <script src="/static/js/ws.js?v=20260316b"></script>
-    <script src="/static/js/components.js?v=20260514e"></script>
+    <script src="/static/js/components.js?v=20260522d"></script>
     <script src="/static/js/layout.js?v=20260513f"></script>
     <script src="/static/js/pipeline.js?v=20260513d"></script>
-    <script src="/static/js/app.js?v=20260514e"></script>
+    <script src="/static/js/app.js?v=20260522f"></script>
     <script src="/static/js/cluster-data.js?v=20260322f"></script>
     <script src="/static/js/tutorial.js?v=20260316z"></script>
     <script src="/static/js/chat.js?v=20260514e"></script>
@@ -821,6 +851,16 @@
                     <label class="export-radio"><input type="radio" name="export-format" value="pdf" checked><span>PDF</span></label>
                     <label class="export-radio"><input type="radio" name="export-format" value="docx"><span data-i18n="export.format.docx">Word (DOCX)</span></label>
                 </div>
+                <div style="margin-bottom:16px;">
+                    <label style="font-size:11px;text-transform:uppercase;letter-spacing:1px;color:var(--text-secondary);display:block;margin-bottom:8px;" data-i18n="export.branding">Branding</label>
+                    <label class="export-radio"><input type="radio" name="export-branding" value="on" checked><span data-i18n="export.branding.on">Mit AegisSight-Branding</span></label>
+                    <label class="export-radio"><input type="radio" name="export-branding" value="off"><span data-i18n="export.branding.off">Ohne Firmen-Branding</span></label>
+                </div>
+                <div style="margin-bottom:0;">
+                    <label for="export-ersteller" style="font-size:11px;text-transform:uppercase;letter-spacing:1px;color:var(--text-secondary);display:block;margin-bottom:8px;">Ersteller</label>
+                    <input type="text" id="export-ersteller" maxlength="120" placeholder="Name des Erstellers (optional)" style="width:100%;box-sizing:border-box;">
+                    <div style="font-size:11px;color:var(--text-secondary);margin-top:6px;">Leer lassen, dann wird automatisch der Lage-Ersteller verwendet.</div>
+                </div>
             </div>
             <div class="modal-footer" style="padding:12px 20px;display:flex;justify-content:flex-end;gap:8px;border-top:1px solid var(--border);">
                 <button class="btn btn-secondary" onclick="closeModal('modal-export')" data-i18n="common.cancel">Abbrechen</button>

src/static/i18n/de.json

@@ -210,6 +210,9 @@
   "export.format": "Format",
   "export.format.pdf": "PDF",
   "export.format.docx": "Word (DOCX)",
+  "export.branding": "Branding",
+  "export.branding.on": "Mit AegisSight-Branding",
+  "export.branding.off": "Ohne Firmen-Branding",
   "export.submit": "Exportieren",
   "sources_modal.title": "Quellenverwaltung",
   "sources_modal.stats.rss": "RSS-Feeds",

src/static/i18n/en.json

@@ -210,6 +210,9 @@
   "export.format": "Format",
   "export.format.pdf": "PDF",
   "export.format.docx": "Word (DOCX)",
+  "export.branding": "Branding",
+  "export.branding.on": "With AegisSight branding",
+  "export.branding.off": "Without company branding",
   "export.submit": "Export",
   "sources_modal.title": "Source management",
   "sources_modal.stats.rss": "RSS feeds",

src/static/js/api.js

@@ -181,6 +181,15 @@ const API = {
         return this._request('GET', `/incidents/${incidentId}/factchecks`);
     },
 
+    // FIMI / Counter-Disinformation
+    getFimiMatches(incidentId) {
+        return this._request('GET', `/incidents/${incidentId}/fimi-matches`);
+    },
+
+    getFimiSummary(incidentId) {
+        return this._request('GET', `/incidents/${incidentId}/fimi-summary`);
+    },
+
     getPipeline(incidentId) {
         return this._request('GET', `/incidents/${incidentId}/pipeline`);
     },
@@ -330,7 +339,7 @@ const API = {
     resetTutorialState() {
         return this._request('DELETE', '/tutorial/state');
     },
-    exportReport(id, format, scope, sections) {
+    exportReport(id, format, scope, sections, includeBranding, creator) {
         const token = localStorage.getItem('osint_token');
         let url = `${this.baseUrl}/incidents/${id}/export?format=${format}`;
         if (sections && sections.length > 0) {
@@ -338,6 +347,12 @@ const API = {
         } else if (scope) {
             url += `&scope=${scope}`;
         }
+        if (includeBranding === false) {
+            url += `&branding=off`;
+        }
+        if (creator) {
+            url += `&creator=${encodeURIComponent(creator)}`;
+        }
         return fetch(url, {
             headers: { 'Authorization': `Bearer ${token}` },
         });

src/static/js/app.js

@@ -884,6 +884,9 @@ const App = {
             // Quellenuebersicht aus Aggregat-Endpunkt (alle Quellen, nicht nur erste Seite)
             this._loadSourcesSummary(id).catch(err => console.warn('sources-summary:', err));
 
+            // FIMI: Treffer pro Artikel + Lagebild-Aggregat (Counter-Disinformation)
+            this._loadFimiData(id).catch(err => console.warn('fimi-data:', err));
+
             // Wenn mehr Artikel existieren als initial geladen: progressiver Hintergrund-Load
             if (articlesTotal > articles.length) {
                 this._loadRemainingArticlesInBackground(id).catch(err => console.warn('bg-articles:', err));
@@ -909,6 +912,64 @@ const App = {
         }
     },
 
+    /** FIMI-Daten der Lage laden: Treffer pro Artikel + Aggregat fuers Lagebild. */
+    async _loadFimiData(incidentId) {
+        let matches = {}, summary = null;
+        try {
+            const [m, s] = await Promise.all([
+                API.getFimiMatches(incidentId),
+                API.getFimiSummary(incidentId),
+            ]);
+            matches = (m && m.matches_by_article) || {};
+            summary = s || null;
+        } catch (err) {
+            console.warn('fimi-data:', err);
+            return;
+        }
+        if (this.currentIncidentId !== incidentId) return; // User hat gewechselt
+        this._currentFimiMatches = matches;
+        this._currentFimiSummary = summary;
+        this._renderFimiSummaryBar();
+    },
+
+    /** Andockpunkt 3: Qualitaetsleiste ins Lagebild rendern. */
+    _renderFimiSummaryBar() {
+        const host = document.getElementById('fimi-summary-bar');
+        if (!host || typeof UI.renderFimiSummaryBar !== 'function') return;
+        host.innerHTML = UI.renderFimiSummaryBar(this._currentFimiSummary);
+    },
+
+    /** Narrative-Liste in der FIMI-Qualitaetsleiste auf-/zuklappen. */
+    toggleFimiDetail(btn) {
+        const bar = btn.closest('.fimi-summary-bar');
+        if (!bar) return;
+        const list = bar.querySelector('.fimi-summary-claims');
+        if (!list) return;
+        const open = list.style.display !== 'none';
+        list.style.display = open ? 'none' : '';
+        btn.textContent = open ? 'Narrative anzeigen' : 'Narrative verbergen';
+    },
+
+    /** Quellenuebersicht der Lage nach Quellentyp filtern (Web/Telegram/X). */
+    filterSourceOverview(type, chipEl) {
+        const content = document.getElementById('source-overview-content');
+        if (!content) return;
+        content.querySelectorAll('.source-type-filter-chip').forEach(c => c.classList.remove('active'));
+        if (chipEl) chipEl.classList.add('active');
+        // ein offenes Detail-Panel schliessen
+        const det = content.querySelector('.source-overview-detail');
+        if (det) det.remove();
+        content.querySelectorAll('.source-overview-item.active').forEach(it => {
+            it.classList.remove('active');
+            it.setAttribute('aria-expanded', 'false');
+        });
+        // Quellen-Boxen nach Typ ein-/ausblenden
+        content.querySelectorAll('.source-overview-item').forEach(it => {
+            const t = it.dataset.type || 'web';
+            it.style.display = (!type || t === type) ? '' : 'none';
+        });
+    },
+
     /** Klick auf eine Quellen-Box: Liste der Artikel inline aufklappen (mutual-exclusive). */
     toggleSourceOverviewDetail(el) {
         if (!el) return;
@@ -989,10 +1050,16 @@ const App = {
                 const inner = a.source_url
                     ? `<a href="${UI.escape(a.source_url)}" target="_blank" rel="noopener">${headline}</a>`
                     : headline;
-                return `<li>
+                // Andockpunkt 1: FIMI-Hinweis, falls dieser Artikel eine widerlegte
+                // Behauptung verbreitet. Kein Match -> keine Zeile, kein Ballast.
+                const fimiMatches = (this._currentFimiMatches || {})[String(a.id)];
+                const fimiHint = (fimiMatches && typeof UI.renderFimiHint === 'function')
+                    ? UI.renderFimiHint(fimiMatches) : '';
+                return `<li${fimiMatches ? ' class="has-fimi-hint"' : ''}>
                     ${numHtml}
                     <span class="source-overview-detail-date">${UI.escape(dateStr)}</span>
                     <span class="source-overview-detail-headline">${inner}</span>
+                    ${fimiHint}
                 </li>`;
             }).join('');
             detail.innerHTML = `<ul class="source-overview-detail-list">${items}</ul>`;
@@ -1131,6 +1198,26 @@ const App = {
                 : '';
         }
 
+        // Öffentliche Stimmung (Foren-Kachel): Tab + Inhalt nur einblenden,
+        // wenn fuer diese Lage tatsaechlich Stimmungs-Text vorhanden ist.
+        const stimmungTabBtn = document.getElementById('tab-btn-stimmung');
+        const stimmungText = document.getElementById('stimmung-text');
+        const stimmungTs = document.getElementById('stimmung-timestamp');
+        const moodText = (incident.public_mood || '').trim();
+        if (moodText && stimmungTabBtn) {
+            stimmungTabBtn.style.display = '';
+            if (stimmungText) stimmungText.innerHTML = UI.renderPublicMood(moodText);
+            if (stimmungTs && incident.public_mood_updated_at) {
+                const mUpd = parseUTC(incident.public_mood_updated_at);
+                if (mUpd) {
+                    stimmungTs.textContent = `Stand: ${mUpd.toLocaleDateString('de-DE', { day: '2-digit', month: '2-digit', year: 'numeric', timeZone: TIMEZONE })} ${mUpd.toLocaleTimeString('de-DE', { hour: '2-digit', minute: '2-digit', timeZone: TIMEZONE })} Uhr`;
+                }
+            }
+        } else if (stimmungTabBtn) {
+            stimmungTabBtn.style.display = 'none';
+            if (stimmungText) stimmungText.innerHTML = '';
+        }
+
         { const _e = document.getElementById('meta-refresh-mode'); if (_e) {
             if (incident.refresh_mode === 'auto' && incident.refresh_start_time) {
                 const intervalText = App._formatInterval(incident.refresh_interval);
@@ -1811,6 +1898,7 @@ const App = {
             retention_days: parseInt(document.getElementById('inc-retention').value) || 0,
             international_sources: document.getElementById('inc-international').checked,
             include_telegram: document.getElementById('inc-telegram').checked,
+            include_x: document.getElementById('inc-x').checked,
             visibility: document.getElementById('inc-visibility').checked ? 'public' : 'private',
         };
     },
@@ -2246,6 +2334,7 @@ async handleRefresh() {
         { const _e = document.getElementById('inc-retention'); if (_e) _e.value = incident.retention_days; }
         { const _e = document.getElementById('inc-international'); if (_e) _e.checked = incident.international_sources !== false && incident.international_sources !== 0; }
         { const _e = document.getElementById('inc-telegram'); if (_e) _e.checked = !!incident.include_telegram; }
+        { const _e = document.getElementById('inc-x'); if (_e) _e.checked = !!incident.include_x; }
 
         { const _e = document.getElementById('inc-visibility'); if (_e) _e.checked = incident.visibility !== 'private'; }
         updateVisibilityHint();
@@ -2595,6 +2684,9 @@ async handleRefresh() {
             return;
         }
         const format = document.querySelector('input[name="export-format"]:checked').value;
+        const brandingEl = document.querySelector('input[name="export-branding"]:checked');
+        const includeBranding = !brandingEl || brandingEl.value === 'on';
+        const ersteller = (document.getElementById('export-ersteller')?.value || '').trim();
 
         const btn = document.getElementById('export-submit-btn');
         const origText = btn.textContent;
@@ -2602,7 +2694,7 @@ async handleRefresh() {
         btn.textContent = (typeof T === 'function' ? T('action.creating', 'Wird erstellt...') : 'Wird erstellt...');
 
         try {
-            const response = await API.exportReport(this.currentIncidentId, format, null, sections);
+            const response = await API.exportReport(this.currentIncidentId, format, null, sections, includeBranding, ersteller);
             if (!response.ok) {
                 const err = await response.json().catch(() => ({}));
                 throw new Error(err.detail || 'Fehler ' + response.status);
@@ -2775,12 +2867,14 @@ async handleRefresh() {
         const rss = stats.by_type.rss_feed || { count: 0, articles: 0 };
         const web = stats.by_type.web_source || { count: 0, articles: 0 };
         const tg = stats.by_type.telegram_channel || { count: 0, articles: 0 };
+        const x = stats.by_type.x_account || { count: 0, articles: 0 };
         const excluded = this._myExclusions.length;
 
         bar.innerHTML = `
             <span class="sources-stat-item"><span class="sources-stat-value">${rss.count}</span> ${(typeof T === 'function' ? T('sources_modal.stats.rss', 'RSS-Feeds') : 'RSS-Feeds')}</span>
             <span class="sources-stat-item"><span class="sources-stat-value">${web.count}</span> ${(typeof T === 'function' ? T('sources_modal.stats.web', 'Web-Quellen') : 'Web-Quellen')}</span>
             <span class="sources-stat-item"><span class="sources-stat-value">${tg.count}</span> Telegram</span>
+            <span class="sources-stat-item"><span class="sources-stat-value">${x.count}</span> X</span>
             <span class="sources-stat-item"><span class="sources-stat-value">${excluded}</span> ${(typeof T === 'function' ? T('sources_modal.stats.excluded', 'Ausgeschlossen') : 'Ausgeschlossen')}</span>
             <span class="sources-stat-item"><span class="sources-stat-value">${stats.total_articles}</span> Artikel gesamt</span>
         `;
@@ -3226,6 +3320,31 @@ async handleRefresh() {
             if (saveBtn) { saveBtn.disabled = false; saveBtn.textContent = 'Speichern'; }
             return;
         }
+
+        // X (Twitter)-URLs direkt behandeln (kein Discovery noetig)
+        if (urlVal.match(/^(https?:\/\/)?(x\.com|twitter\.com)\//i)) {
+            const handle = urlVal
+                .replace(/^(https?:\/\/)?(x\.com|twitter\.com)\//i, '')
+                .replace(/\/$/, '')
+                .split(/[/?]/)[0]
+                .replace(/^@/, '');
+            const xUrl = 'x.com/' + handle;
+            this._discoveredData = {
+                name: '@' + handle,
+                domain: xUrl,
+                source_type: 'x_account',
+                rss_url: null,
+            };
+            document.getElementById('src-name').value = '@' + handle;
+            document.getElementById('src-type-select').value = 'x_account';
+            document.getElementById('src-type-display').value = 'X (Twitter)';
+            document.getElementById('src-domain').value = xUrl;
+            document.getElementById('src-rss-url-group').style.display = 'none';
+            document.getElementById('src-discovery-result').style.display = 'block';
+            const saveBtnX = document.querySelector('#src-discovery-result .sources-discovery-actions .btn-primary');
+            if (saveBtnX) { saveBtnX.disabled = false; saveBtnX.textContent = 'Speichern'; }
+            return;
+        }
         const url = urlInput.value.trim();
         if (!url) {
             UI.showToast('Bitte URL oder Domain eingeben.', 'warning');
@@ -3345,7 +3464,7 @@ async handleRefresh() {
         document.getElementById('src-notes').value = source.notes || '';
         document.getElementById('src-domain').value = source.domain || '';
 
-        const typeLabel = source.source_type === 'rss_feed' ? 'RSS-Feed' : source.source_type === 'telegram_channel' ? 'Telegram' : 'Web-Quelle';
+        const typeLabel = source.source_type === 'rss_feed' ? 'RSS-Feed' : source.source_type === 'telegram_channel' ? 'Telegram' : source.source_type === 'x_account' ? 'X (Twitter)' : 'Web-Quelle';
         const typeSelect = document.getElementById('src-type-select');
         if (typeSelect) typeSelect.value = source.source_type || 'web_source';
         document.getElementById('src-type-display').value = typeLabel;
@@ -3389,7 +3508,7 @@ async handleRefresh() {
             name,
             source_type: discovered.source_type || 'web_source',
             category: document.getElementById('src-category').value,
-            url: discovered.rss_url || (discovered.source_type === 'telegram_channel' ? (document.getElementById('src-domain').value || null) : null),
+            url: discovered.rss_url || ((discovered.source_type === 'telegram_channel' || discovered.source_type === 'x_account') ? (document.getElementById('src-domain').value || null) : null),
             domain: document.getElementById('src-domain').value.trim() || discovered.domain || null,
             notes: document.getElementById('src-notes').value.trim() || null,
         };

src/static/js/components.js

@@ -813,6 +813,26 @@ const UI = {
         return html;
     },
 
+    /**
+     * Rendert die "Öffentliche Stimmung"-Kachel.
+     * Eingabe ist Markdown mit "- "-Bullets (vom AnalyzerAgent.generate_public_mood).
+     * Quellen-Pills brauchen wir hier nicht — die Bullet-Texte nennen die Foren-Herkunft
+     * explizit ("auf 5ch /seiji/ ...", "Hatena-Kommentare betonen ...").
+     */
+    renderPublicMood(text) {
+        if (!text) return '<span style="color:var(--text-disabled);">Noch kein Stimmungsbild erfasst.</span>';
+        const bulletLines = text.split("\n").map(l => l.trim()).filter(l => l.startsWith("- "));
+        if (bulletLines.length === 0) {
+            // Fliesstext-Fallback: HTML-escapen + Zeilenumbrueche
+            return this.escape(text).replace(/\n/g, '<br>');
+        }
+        const items = bulletLines.map(l => {
+            const body = l.replace(/^-\s+/, '');
+            return `<li>${this.escape(body)}</li>`;
+        }).join('');
+        return `<ul style="margin:4px 0 4px 18px;line-height:1.7;">${items}</ul>`;
+    },
+
     /**
      * Rendert "Neueste Entwicklungen" für Live-Monitoring (adhoc).
      * Erwartet Bullets im Format "- [DD.MM. HH:MM] Text {Quelle1, Quelle2}".
@@ -1014,12 +1034,38 @@ const UI = {
         html += `<div class="source-lang-chips">${langChips}</div>`;
         html += `</div>`;
 
+        // Typ-Filter-Chips: immer zeigen, sobald Quellen vorhanden sind. Die Leiste
+        // zeigt zugleich auf einen Blick, welche Quellentypen der Fall enthaelt.
+        const typeCounts = { web: 0, telegram: 0, x: 0 };
+        data.sources.forEach(s => {
+            const t = s.source_type || 'web';
+            typeCounts[t] = (typeCounts[t] || 0) + 1;
+        });
+        const typeMeta = [
+            { key: '', label: 'Alle', count: data.sources.length },
+            { key: 'web', label: 'Web', count: typeCounts.web },
+            { key: 'telegram', label: 'Telegram', count: typeCounts.telegram },
+            { key: 'x', label: 'X', count: typeCounts.x },
+        ];
+        const chips = typeMeta
+            .filter(t => t.key === '' || t.count > 0)
+            .map(t => `<button type="button" class="source-type-filter-chip${t.key === '' ? ' active' : ''}" data-type="${t.key}" onclick="App.filterSourceOverview('${t.key}', this)">${t.label} <strong>${t.count}</strong></button>`)
+            .join('');
+        html += `<div class="source-type-filter-chips">${chips}</div>`;
+
         html += '<div class="source-overview-grid">';
         data.sources.forEach(s => {
             const langs = (s.languages || ['de']).map(l => (l || 'de').toUpperCase()).join('/');
             const sourceName = this.escape(s.source || 'Unbekannt');
-            html += `<div class="source-overview-item" data-source="${sourceName}" tabindex="0" role="button" aria-expanded="false" onclick="App.toggleSourceOverviewDetail(this)" onkeydown="if(event.key==='Enter'||event.key===' '){event.preventDefault();App.toggleSourceOverviewDetail(this);}">
+            const sType = s.source_type || 'web';
+            // Andockpunkt 2: empirischer Track-Record. Nur bei Treffern, dezent.
+            const fimiN = s.fimi_match_count || 0;
+            const fimiBadge = fimiN > 0
+                ? `<span class="fimi-source-badge" title="${fimiN} ${fimiN === 1 ? 'Artikel dieser Quelle deckt' : 'Artikel dieser Quelle decken'} sich mit einer bei EUvsDisinfo widerlegten Falschbehauptung">${fimiN}&nbsp;FIMI</span>`
+                : '';
+            html += `<div class="source-overview-item${fimiN > 0 ? ' has-fimi' : ''}" data-source="${sourceName}" data-type="${sType}" tabindex="0" role="button" aria-expanded="false" onclick="App.toggleSourceOverviewDetail(this)" onkeydown="if(event.key==='Enter'||event.key===' '){event.preventDefault();App.toggleSourceOverviewDetail(this);}">
                 <span class="source-overview-name">${sourceName}</span>
+                ${fimiBadge}
                 <span class="source-overview-lang">${langs}</span>
                 <span class="source-overview-count">${s.article_count}</span>
             </div>`;
@@ -1029,6 +1075,79 @@ const UI = {
         return html;
     },
 
+    /**
+     * Andockpunkt 1: dezenter Inline-Hinweis an einem Artikel, der sich mit
+     * einer bei EUvsDisinfo widerlegten Falschbehauptung deckt. Provenienz-
+     * Leitplanke: nennt die Quelle (EUvsDisinfo), verlinkt den Case, wertet
+     * nicht selbst. matches: Array aus dem fimi-matches-Endpunkt.
+     */
+    renderFimiHint(matches) {
+        if (!matches || matches.length === 0) return '';
+        const n = matches.length;
+        const top = matches[0];
+        const claimText = this.escape(top.claim_text || '');
+        const passage = top.passage ? this.escape(top.passage) : '';
+        let tip = `Bei EUvsDisinfo als widerlegt geführte Behauptung: ${claimText}`;
+        if (passage) tip += `  |  Im Artikel: ${passage}`;
+        tip += '  |  Quelle der Einordnung: EUvsDisinfo (EEAS East StratCom Task Force), keine offizielle EU-Position.';
+        const label = n === 1
+            ? 'Deckt sich mit einer von EUvsDisinfo widerlegten Falschbehauptung'
+            : `Deckt sich mit ${n} von EUvsDisinfo widerlegten Falschbehauptungen`;
+        const link = top.case_url
+            ? `<a href="${this.escape(top.case_url)}" target="_blank" rel="noopener" class="fimi-hint-link" onclick="event.stopPropagation()">Beleg ansehen</a>`
+            : '';
+        return `<div class="fimi-hint" title="${tip}">
+            <span class="fimi-hint-icon" aria-hidden="true">&#9888;</span>
+            <span class="fimi-hint-text">${label}</span>
+            ${link}
+        </div>`;
+    },
+
+    /**
+     * Andockpunkt 3: Qualitaetsachse fuers Lagebild. Verdichtet die
+     * Einzeltreffer auf Lage-Ebene. Bei 0 Treffern eine ruhige Entwarnung,
+     * sonst eine zurueckhaltende Hinweisleiste mit aufklappbaren Narrativen.
+     */
+    renderFimiSummaryBar(s) {
+        if (!s || !s.articles_checked) return '';
+        const matched = s.articles_with_match || 0;
+        const checked = s.articles_checked || 0;
+        const distinct = s.distinct_claims || 0;
+        if (matched === 0) {
+            return `<div class="fimi-summary-bar fimi-summary-bar--clear">
+                <span class="fimi-summary-icon" aria-hidden="true">&#10003;</span>
+                <span>Keine bekannten Falschbehauptungen unter ${checked} geprüften Artikeln.</span>
+            </div>`;
+        }
+        const topClaims = (s.top_claims || []).slice(0, 6);
+        const claimList = topClaims.map(c => {
+            const txt = this.escape(c.claim_text || '');
+            const link = c.case_url
+                ? `<a href="${this.escape(c.case_url)}" target="_blank" rel="noopener" class="fimi-hint-link">Beleg</a>`
+                : '';
+            return `<li><span class="fimi-claim-count">${c.article_count}&times;</span> <span class="fimi-claim-text">${txt}</span> ${link}</li>`;
+        }).join('');
+        return `<div class="fimi-summary-bar fimi-summary-bar--alert">
+            <div class="fimi-summary-head">
+                <span class="fimi-summary-icon" aria-hidden="true">&#9888;</span>
+                <span class="fimi-summary-lead"><strong>${matched}</strong> von ${checked} geprüften Artikeln decken sich mit <strong>${distinct}</strong> bei EUvsDisinfo widerlegten Falschbehauptungen.</span>
+                <button type="button" class="fimi-summary-toggle" onclick="App.toggleFimiDetail(this)">Narrative anzeigen</button>
+            </div>
+            <ul class="fimi-summary-claims" style="display:none;">${claimList}</ul>
+            ${this.fimiDisclaimerHtml()}
+        </div>`;
+    },
+
+    /**
+     * Pflicht-Quellenhinweis fuer EUvsDisinfo-Einordnungen. Dezent (kleine
+     * graue Fusszeile), aber praesent: Attribution an EEAS East StratCom
+     * Task Force + der offizielle Disclaimer, dass es keine offizielle
+     * EU-Position ist (Wortlaut der EUvsDisinfo-Veroeffentlichungen).
+     */
+    fimiDisclaimerHtml() {
+        return `<div class="fimi-disclaimer">Einordnungen aus der <a href="https://euvsdisinfo.eu/" target="_blank" rel="noopener">EUvsDisinfo</a>-Datenbank des Europäischen Auswärtigen Dienstes (EEAS East StratCom Task Force). Sie beruhen auf Medienbeobachtung und Analyse der Task Force und stellen keine offizielle Position der EU dar.</div>`;
+    },
+
     renderSourceOverview(articles) {
         if (!articles || articles.length === 0) return '';
 
@@ -1190,6 +1309,10 @@ const UI = {
     /**
      * Domain-Gruppe rendern (aufklappbar mit Feeds).
      */
+    _sourceTypeLabel(type) {
+        return ({ rss_feed: 'RSS', web_source: 'Web', telegram_channel: 'Telegram', x_account: 'X', podcast_feed: 'Podcast', excluded: 'Ausgeschlossen' })[type] || 'Web';
+    },
+
     renderSourceGroup(domain, feeds, isExcluded, excludedNotes, isGlobal) {
         const catLabel = this._categoryLabels[feeds[0]?.category] || feeds[0]?.category || '';
         const feedCount = feeds.filter(f => f.source_type !== 'excluded').length;
@@ -1224,7 +1347,7 @@ const UI = {
             realFeeds.forEach((feed, i) => {
                 const isLast = i === realFeeds.length - 1;
                 const connector = isLast ? '\u2514\u2500' : '\u251C\u2500';
-                const typeLabel = feed.source_type === 'rss_feed' ? 'RSS' : 'Web';
+                const typeLabel = this._sourceTypeLabel(feed.source_type);
                 const urlDisplay = feed.url ? this._shortenUrl(feed.url) : '';
                 feedRows += `<div class="source-feed-row">
                     <span class="source-feed-connector">${connector}</span>
@@ -1253,7 +1376,7 @@ const UI = {
             || firstFeed.country_code
             || (Array.isArray(firstFeed.alignments) && firstFeed.alignments.length > 0);
         if (hasInfo) {
-            const typeMap = { rss_feed: 'RSS-Feed', web_source: 'Web-Quelle', telegram_channel: 'Telegram-Kanal', podcast_feed: 'Podcast' };
+            const typeMap = { rss_feed: 'RSS-Feed', web_source: 'Web-Quelle', telegram_channel: 'Telegram-Kanal', x_account: 'X (Twitter)', podcast_feed: 'Podcast' };
             const lines = [];
             lines.push('Typ: ' + (typeMap[firstFeed.source_type] || firstFeed.source_type || 'Unbekannt'));
             if (firstFeed.language) lines.push('Sprache: ' + firstFeed.language);
@@ -1294,6 +1417,7 @@ const UI = {
                 <div class="source-group-info">
                     <span class="source-group-name">${this.escape(displayName)}</span>${infoButtonHtml}
                 </div>
+                ${!hasMultiple ? `<span class="source-type-badge type-${feeds[0]?.source_type || ''}">${this._sourceTypeLabel(feeds[0]?.source_type)}</span>` : ''}
                 <span class="source-category-badge cat-${feeds[0]?.category || 'sonstige'}">${catLabel}</span>
                 ${classificationBadges ? `<span class="source-classification-badges">${classificationBadges}</span>` : ''}
                 ${feedCountBadge}