Observability 1a: Per-Turn-Latenz-Trace + Latenz-Karte

voice_metrics.py: neben den rollenden Stats jetzt ein echter Per-Turn-Trace
(TurnTrace + Ringpuffer der letzten 60 Turns). Balken-Stufen zeitlich disjunkt
(stt · vision · hirn · gen); hirn misst ab mark_brain_start() VOR dem Hermes-
Request, damit die Vision-Zeit nicht doppelt gezaehlt wird. STT (davor) und
Mem0-Retrieve (Rueckruf waehrend) werden per park()/_take_* best-effort dem Turn
zugeordnet (Ein-Nutzer-Geraet, kein Turn-ID noetig). Mem0 = Unter-Detail INNERHALB
hirn (nicht addieren) -> ehrlich, kein Doppelzaehlen.

voice.py: TurnTrace in voice_chat's gen() (commit garantiert 1x via finally, auch
bei Fehler/Abbruch). STT-Endpoint parkt seine Dauer. NEU: GET /api/voice/metrics
(schliesst die Luecke - selbstkritik-feed.sh curlte das, existierte nie -> 404) +
GET /api/voice/trace?limit=N.

memory.py: GET /api/memory?q=... (= Hermes' Mem0-Prefetch) misst + parkt die
Retrieve-Zeit.

Frontend: LatencyCard (gestapelte Balken je Turn, "Taeter" = groesste Stufe,
Fehler-Turns rot, Tooltip mit "davon Mem0 X s"), Query useVoiceTrace, in der
Zentrale unter "Stack & Telemetrie". Lokal gegen Seed-Server verifiziert: 30,3-s-
Haenger -> Hirn-Balken 94% + "davon Mem0 26,1 s".

Grenzen (ehrlich, als Fussnote in der Karte): Tool-Runden im Hermes-LLM-Loop haben
keinen Callback an MC2 -> stecken in "Antwort". Reine Telegram-Text-Turns laufen an
MC2 vorbei und erscheinen hier nicht.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

backend/routers/memory.py

@@ -1,9 +1,12 @@
 """Memory-Endpoints (geteiltes Gedächtnis). LAN-only, kein Token in 2.0-Phase 3."""
 
+import time
+
 from fastapi import APIRouter, HTTPException
 from pydantic import BaseModel
 
 from services import memory
+from services.voice_metrics import park, record_stage
 
 router = APIRouter(prefix="/api")
 
@@ -56,6 +59,15 @@ def dedupe(body: DedupeIn) -> dict:
 
 @router.get("/memory")
 def list_mem(q: str = "", category: str = "") -> list[dict]:
+    # Semantischer Retrieve (q gesetzt) = u.a. Hermes' Mem0-Prefetch VOR jedem Turn. Dauer messen
+    # + parken, damit der laufende Voice-Chat-Turn sie als Unter-Detail seiner Hirn-Zeit einsammelt.
+    if q:
+        _t0 = time.perf_counter()
+        res = memory.list_memories(q=q, category=category)
+        _ms = (time.perf_counter() - _t0) * 1000.0
+        record_stage("memory_retrieve", _ms)
+        park("retrieve", _ms)
+        return res
     return memory.list_memories(q=q, category=category)
 
 

backend/routers/voice.py

@@ -20,7 +20,14 @@ from pydantic import BaseModel
 
 from config import HERMES_API_KEY, HERMES_API_MODEL, HERMES_API_URL, LLAMA_SWAP_URL, VOICE_SERVICE_URL
 from services import announce
-from services.voice_metrics import Timer, record_stage  # Per-Stage-Latenz (intern)
+from services.voice_metrics import (  # Per-Stage-Latenz + Per-Turn-Trace (intern)
+    Timer,
+    TurnTrace,
+    get_metrics,
+    get_trace,
+    park,
+    record_stage,
+)
 
 # Injection-Schutz (Stufe 0): guard.py liegt im mcp/-Verzeichnis. Per Pfad laden (eigene MC2-Venv).
 import sys as _sys
@@ -153,6 +160,20 @@ def voice_health() -> dict:
     return out
 
 
+@router.get("/voice/metrics")
+def voice_metrics() -> dict:
+    """Rollende Latenz-Stats je Stufe (avg/p50/p95/last, ms). Quelle u.a. für selbstkritik-feed.sh."""
+    return get_metrics()
+
+
+@router.get("/voice/trace")
+def voice_trace(limit: int = 20) -> dict:
+    """Per-Turn-Trace: die letzten `limit` Chat-Turns mit Stufen-Breakdown (STT · Vision · Hirn ·
+    Generierung, Mem0 als Unter-Detail). Neueste zuerst. Für die Latenz-Ansicht im Cockpit —
+    damit man den EINEN langsamen Turn sieht, den ein Durchschnitt verschluckt."""
+    return {"turns": get_trace(limit)}
+
+
 @router.get("/voice/voices")
 def voice_voices() -> dict:
     try:
@@ -172,8 +193,11 @@ async def voice_stt(audio: UploadFile = File(...), language: str = Form(default=
     files = {"audio": (audio.filename or "rec.webm", data, audio.content_type or "audio/webm")}
     try:
         async with httpx.AsyncClient(timeout=_TIMEOUT) as client:
-            with Timer("stt"):
+            _t0 = time.perf_counter()
-                r = await client.post(f"{VOICE_SERVICE_URL}/stt", files=files, data={"language": language})
+            r = await client.post(f"{VOICE_SERVICE_URL}/stt", files=files, data={"language": language})
+            _ms = (time.perf_counter() - _t0) * 1000.0
+            record_stage("stt", _ms)
+            park("stt", _ms)  # der folgende /voice/chat-Turn sammelt die STT-Dauer für seinen Trace ein
             r.raise_for_status()
             return r.json()
     except httpx.HTTPError as exc:
@@ -265,51 +289,69 @@ async def voice_chat(body: ChatIn) -> StreamingResponse:
         headers["X-Hermes-Session-Key"] = body.session_key
 
     async def gen():
-        t0 = time.perf_counter()
+        # Per-Turn-Trace: sammelt STT (davor, geparkt) + Vision + Hirn-TTFT + Generierung + Mem0
+        # (Rückruf während) zu EINEM Datensatz -> die Latenz-Ansicht zeigt den einzelnen Hänger.
+        trace = TurnTrace(session_id=body.session_id, kind="voice")
         first = True
         first_content = True
-        # Bildschirm-Sicht INNERHALB des Streams (C2-Fix): so startet die SSE-Antwort sofort und
+        committed = False
-        # der Client bekommt ein Progress-Event (-> Lucy kann eine Warte-Ansage sprechen), statt
+
-        # dass der Request bis zu 120 s "tot" hängt, während das Vision-Modell beschreibt.
+        def _commit() -> None:
-        user_text = body.text
+            nonlocal committed
-        imgs = [u for u in (body.images or []) if u]
+            if not committed:
-        if imgs:
+                committed = True
-            yield b'event: hermes.vision.progress\ndata: {"note": "Bildschirm wird angeschaut"}\n\n'
+                trace.commit()
-            with Timer("vision"):
+
-                desc = await _describe_images(imgs, body.text)
-            if desc:
-                safe_desc = wrap_untrusted(desc, "BILDSCHIRM")
-                user_text = f"[Bildschirm-Sicht — das ist gerade auf dem/den Schirm(en) zu sehen:\n{safe_desc}\n]\n\n{body.text}"
-        messages = []
-        if body.system:
-            messages.append({"role": "system", "content": body.system})
-        messages.append({"role": "user", "content": user_text})
-        payload = {"model": body.model or HERMES_API_MODEL, "messages": messages, "stream": True}
-        # Lucys Hirn (Qwen3.6) ist ein Thinking-Modell -> für die gesprochene Assistentin Thinking AUS,
-        # sonst generiert es tausende Reasoning-Token VOR der kurzen Antwort (gemessen: 11k Token, ~30s TTFB).
-        # Gleiches Muster wie die fast-Spur im Gateway (gateway_proxy.py) und die Mem0-Extraktion.
-        if os.environ.get("MC_VOICE_NO_THINK", "1") not in ("0", "false", "False"):
-            payload["chat_template_kwargs"] = {"enable_thinking": False}
         try:
-            async with httpx.AsyncClient(timeout=httpx.Timeout(None, connect=5.0)) as client:
+            # Bildschirm-Sicht INNERHALB des Streams (C2-Fix): so startet die SSE-Antwort sofort und
-                async with client.stream(
+            # der Client bekommt ein Progress-Event (-> Lucy kann eine Warte-Ansage sprechen), statt
-                    "POST", f"{HERMES_API_URL}/v1/chat/completions", json=payload, headers=headers,
+            # dass der Request bis zu 120 s "tot" hängt, während das Vision-Modell beschreibt.
-                ) as r:
+            user_text = body.text
-                    if r.status_code != 200:
+            imgs = [u for u in (body.images or []) if u]
-                        detail = (await r.aread()).decode("utf-8", "replace")[:500]
+            trace.had_images = bool(imgs)
-                        yield f"data: {{\"error\": \"Hermes {r.status_code}: {detail}\"}}\n\n".encode()
+            if imgs:
-                        return
+                yield b'event: hermes.vision.progress\ndata: {"note": "Bildschirm wird angeschaut"}\n\n'
-                    async for chunk in r.aiter_raw():
+                _tv = time.perf_counter()
-                        if first:  # Time-To-First-Byte des Hermes-Streams (Verbindungs-Overhead)
+                desc = await _describe_images(imgs, body.text)
-                            record_stage("chat_ttfb", (time.perf_counter() - t0) * 1000.0)
+                trace.note_vision((time.perf_counter() - _tv) * 1000.0)
-                            first = False
+                if desc:
-                        # Erster CONTENT-Delta = echte Hirn-Latenz (Agent-Overhead + LLM-TTFT) —
+                    safe_desc = wrap_untrusted(desc, "BILDSCHIRM")
-                        # chat_ttfb misst nur den SSE-Start (~5 ms) und ist dafür blind.
+                    user_text = f"[Bildschirm-Sicht — das ist gerade auf dem/den Schirm(en) zu sehen:\n{safe_desc}\n]\n\n{body.text}"
-                        if first_content and b'"content"' in chunk:
+            messages = []
-                            record_stage("chat_first_content", (time.perf_counter() - t0) * 1000.0)
+            if body.system:
-                            first_content = False
+                messages.append({"role": "system", "content": body.system})
-                        yield chunk
+            messages.append({"role": "user", "content": user_text})
-        except httpx.HTTPError as exc:
+            trace.mark_brain_start()  # ab hier zählt die Hirn-Zeit (Vision ist schon abgeschlossen)
-            yield f"data: {{\"error\": \"Verbindung zu Hermes fehlgeschlagen: {exc}\"}}\n\n".encode()
+            payload = {"model": body.model or HERMES_API_MODEL, "messages": messages, "stream": True}
+            # Lucys Hirn (Qwen3.6) ist ein Thinking-Modell -> für die gesprochene Assistentin Thinking AUS,
+            # sonst generiert es tausende Reasoning-Token VOR der kurzen Antwort (gemessen: 11k Token, ~30s TTFB).
+            # Gleiches Muster wie die fast-Spur im Gateway (gateway_proxy.py) und die Mem0-Extraktion.
+            if os.environ.get("MC_VOICE_NO_THINK", "1") not in ("0", "false", "False"):
+                payload["chat_template_kwargs"] = {"enable_thinking": False}
+            try:
+                async with httpx.AsyncClient(timeout=httpx.Timeout(None, connect=5.0)) as client:
+                    async with client.stream(
+                        "POST", f"{HERMES_API_URL}/v1/chat/completions", json=payload, headers=headers,
+                    ) as r:
+                        if r.status_code != 200:
+                            detail = (await r.aread()).decode("utf-8", "replace")[:500]
+                            trace.error = f"Hermes {r.status_code}"
+                            yield f"data: {{\"error\": \"Hermes {r.status_code}: {detail}\"}}\n\n".encode()
+                            return
+                        async for chunk in r.aiter_raw():
+                            if first:  # Time-To-First-Byte des Hermes-Streams (Verbindungs-Overhead)
+                                trace.note_ttfb()
+                                first = False
+                            # Erster CONTENT-Delta = echte Hirn-Latenz (Agent-Overhead + Mem0 + LLM-TTFT) —
+                            # chat_ttfb misst nur den SSE-Start (~5 ms) und ist dafür blind.
+                            if first_content and b'"content"' in chunk:
+                                trace.note_first_content()
+                                first_content = False
+                            yield chunk
+            except httpx.HTTPError as exc:
+                trace.error = "verbindung"
+                yield f"data: {{\"error\": \"Verbindung zu Hermes fehlgeschlagen: {exc}\"}}\n\n".encode()
+        finally:
+            _commit()  # Turn immer verbuchen (auch bei Fehler/Abbruch)
 
     return StreamingResponse(gen(), media_type="text/event-stream")

backend/services/voice_metrics.py

@@ -1,24 +1,44 @@
 """
-Per-Stage-Latenz-Metriken für die Voice/Lucy-Pipeline.
+Per-Stage-Latenz-Metriken + Per-Turn-Trace für die Voice/Lucy-Pipeline.
 
-Misst die Server-seitige Dauer jeder Stufe (STT, Vision-Beschreibung, Chat-TTFB, TTS) und hält
+Zwei Sichten auf dieselben Messungen:
-rollende Statistiken (avg/p50/p95/last) im Speicher. Macht aus Latenz-VERMUTUNGEN gemessene Fakten
+
-— die eigentliche Voraussetzung, um gezielt zu optimieren (Stufe 5/C2 des Reviews). Anzeige im
+1. **Rollende Stats** (`record_stage`/`Timer`/`get_metrics`) — avg/p50/p95/last je Stufe über die
-Frontend-Overhaul (E) analog zur TokenPerformanceCard.
+   letzten N Messungen. Gut für Trends („Wie schnell ist STT im Schnitt?").
+2. **Per-Turn-Trace** (`TurnTrace`/`get_trace`) — jeder einzelne Chat-Turn als eigener Datensatz mit
+   seinem Stufen-Breakdown. Nur so sieht man den EINEN langsamen Turn (der 30-s-Hänger), den ein
+   Durchschnitt verschluckt. Das war der eigentliche Anlass (Telegram-/Voice-Hänger diagnostizieren).
+
+**Was MC2 messen kann — und was nicht:** MC2 proxyt den Chat nur an Hermes (:8642). Die Stufen STT,
+Vision, Hirn-TTFT (Zeit bis zum ersten Inhalts-Token) und Generierung sind hier direkt messbar. Der
+**Mem0-Retrieve** läuft zwar in Hermes, ruft aber MC2s `/api/memory` per HTTP zurück → messbar und als
+Unter-Detail INNERHALB der Hirn-Zeit ausgewiesen (kein Doppelzählen). Die **Tool-Runden** dagegen laufen
+im Hermes-LLM-Loop ohne Callback an MC2 → für MC2 unsichtbar, sie stecken im „Generierung"-Bucket.
+
+STT (davor) und Mem0-Retrieve (währenddessen) sind separate HTTP-Requests ohne Turn-ID. Auf einem
+EIN-Nutzer-Gerät genügt eine schlanke Best-Effort-Korrelation: die zuletzt gemessene STT-Dauer bzw. der
+letzte Retrieve werden global „geparkt" und vom nächsten Chat-Turn eingesammelt (mit Frist-/Reihenfolge-
+Check). Kein Turn-ID-Durchreichen durch den Lucy-Client nötig.
 
 In-Memory + thread-safe (keine Datei-I/O — Latenz-Telemetrie ist transient, Restart = Reset).
 """
 
 import threading
 import time
+import uuid
 from collections import deque
 
 _LOCK = threading.Lock()
 _MAX = 200
 _STAGES: dict[str, deque] = {}
+_TURNS: deque = deque(maxlen=60)  # letzte N vollständige Chat-Turns (Per-Turn-Trace)
 
 # Bekannte Stufen (für stabile UI-Reihenfolge); unbekannte werden trotzdem erfasst.
-STAGES = ("stt", "vision", "chat_ttfb", "tts")
+STAGES = ("stt", "vision", "memory_retrieve", "chat_ttfb", "chat_first_content", "tts")
+
+# Best-effort-Korrelation (Ein-Nutzer-Gerät): zuletzt gemessene STT-Dauer / Mem0-Retrieve, je
+# (ms, perf_counter-Zeitstempel). Der nächste passende Chat-Turn sammelt sie ein und leert sie.
+_PARKED: dict[str, tuple[float, float] | None] = {"stt": None, "retrieve": None}
 
 
 def record_stage(stage: str, ms: float) -> None:
@@ -32,6 +52,36 @@ def record_stage(stage: str, ms: float) -> None:
         dq.append(float(ms))
 
 
+def park(kind: str, ms: float) -> None:
+    """Eine Messung, die NICHT im Chat-Request selbst passiert (STT davor, Mem0-Retrieve als
+    Rückruf während), global parken, damit der nächste Chat-Turn sie einsammeln kann."""
+    if ms is None or ms < 0 or kind not in _PARKED:
+        return
+    with _LOCK:
+        _PARKED[kind] = (float(ms), time.perf_counter())
+
+
+def _take_stt(max_age: float = 20.0) -> float | None:
+    """Geparkte STT-Dauer einsammeln, wenn frisch (STT liegt VOR dem Turn-Start)."""
+    with _LOCK:
+        v = _PARKED.get("stt")
+        if v and (time.perf_counter() - v[1]) <= max_age:
+            _PARKED["stt"] = None
+            return round(v[0], 1)
+    return None
+
+
+def _take_retrieve(since_perf: float, max_age: float = 90.0) -> float | None:
+    """Geparkten Mem0-Retrieve einsammeln, wenn er NACH dem Turn-Start kam (Rückruf während des
+    Turns) und frisch ist."""
+    with _LOCK:
+        v = _PARKED.get("retrieve")
+        if v and v[1] >= since_perf and (time.perf_counter() - v[1]) <= max_age:
+            _PARKED["retrieve"] = None
+            return round(v[0], 1)
+    return None
+
+
 class Timer:
     """Context-Manager: misst die verstrichene Zeit und verbucht sie auf `stage`.
     Funktioniert um `await`-Aufrufe herum (enter → await → exit)."""
@@ -48,6 +98,68 @@ class Timer:
         record_stage(self.stage, (time.perf_counter() - self._t0) * 1000.0)
 
 
+class TurnTrace:
+    """Ein Per-Turn-Trace für den Voice/Lucy-Chatpfad. In `voice.py` über die Dauer eines Chat-Turns
+    gehalten; `commit()` schreibt den Datensatz in den Ringpuffer UND speist die rollenden Stats.
+
+    Balken-Stufen (zeitlich DISJUNKT, ergeben zusammen den Turn): stt · vision · hirn · gen.
+    Unter-Detail: mem0 (Teil VON hirn, wird separat ausgewiesen, aber NICHT zum Balken addiert)."""
+
+    def __init__(self, session_id: str = "", kind: str = "voice") -> None:
+        self.id = uuid.uuid4().hex[:8]
+        self.ts = time.time()
+        self.perf0 = time.perf_counter()
+        self._brain0 = self.perf0                # Referenz für die Hirn-Zeit (nach Vision neu gesetzt)
+        self.session_id = (session_id or "")[:24]
+        self.kind = kind
+        self.vision_ms: float | None = None      # Bildschirm-Beschreibung (falls Bilder)
+        self.hirn_ms: float | None = None        # Zeit bis zum ersten Inhalts-Token (Agent + Mem0 + TTFT)
+        self.had_images = False
+        self.error: str | None = None
+
+    def note_vision(self, ms: float) -> None:
+        self.vision_ms = round(ms, 1)
+        record_stage("vision", ms)
+
+    def mark_brain_start(self) -> None:
+        """Startpunkt der Hirn-Zeit — direkt VOR dem Hermes-Request, damit die Vision-Zeit NICHT
+        in die Hirn-Zeit gezählt wird (sonst Doppelzählung mit dem Vision-Segment)."""
+        self._brain0 = time.perf_counter()
+
+    def note_ttfb(self) -> None:
+        record_stage("chat_ttfb", (time.perf_counter() - self._brain0) * 1000.0)  # SSE-Start (~5 ms), nur rollend
+
+    def note_first_content(self) -> None:
+        """Erster Inhalts-Delta = echte Hirn-Latenz (Agent-Overhead + Mem0 + LLM-TTFT)."""
+        ms = (time.perf_counter() - self._brain0) * 1000.0
+        self.hirn_ms = round(ms, 1)
+        record_stage("chat_first_content", ms)
+
+    def commit(self) -> dict:
+        total = (time.perf_counter() - self.perf0) * 1000.0
+        stt = _take_stt()  # rollend bereits in /voice/stt erfasst
+        mem0 = _take_retrieve(self.perf0)  # rollend bereits in /api/memory erfasst
+        # Generierung = alles nach dem ersten Inhalts-Token bis Stream-Ende.
+        gen = round(total - self.hirn_ms, 1) if self.hirn_ms is not None else None
+        rec = {
+            "id": self.id,
+            "ts": round(self.ts, 3),
+            "session": self.session_id,
+            "kind": self.kind,
+            "had_images": self.had_images,
+            "stt_ms": stt,
+            "vision_ms": self.vision_ms,
+            "hirn_ms": self.hirn_ms,
+            "gen_ms": gen if (gen is None or gen >= 0) else 0.0,
+            "mem0_ms": mem0,
+            "total_ms": round(total, 1),
+            "error": self.error,
+        }
+        with _LOCK:
+            _TURNS.append(rec)
+        return rec
+
+
 def _summary(vals: list[float]) -> dict:
     if not vals:
         return {"count": 0}
@@ -66,3 +178,10 @@ def get_metrics() -> dict:
     """Rollende Zusammenfassung je Stufe."""
     with _LOCK:
         return {stage: _summary(list(dq)) for stage, dq in _STAGES.items()}
+
+
+def get_trace(limit: int = 20) -> list[dict]:
+    """Die letzten `limit` Chat-Turns (neueste zuerst) mit Stufen-Breakdown."""
+    limit = max(1, min(int(limit or 20), _TURNS.maxlen or 60))
+    with _LOCK:
+        return list(_TURNS)[-limit:][::-1]

frontend/dist/index.html

@@ -7,8 +7,8 @@
     <link rel="manifest" href="/manifest.webmanifest" />
     <link rel="icon" type="image/svg+xml" href="/favicon.svg" />
     <title>Mission Control 2.0</title>
-    <script type="module" crossorigin src="/assets/index-DRqLCVxW.js"></script>
+    <script type="module" crossorigin src="/assets/index-Bcmk5MTW.js"></script>
-    <link rel="stylesheet" crossorigin href="/assets/index-CWAZq_3Z.css">
+    <link rel="stylesheet" crossorigin href="/assets/index-Bwnys6u-.css">
   </head>
   <body>
     <div id="root"></div>

frontend/src/components/dashboard/LatencyCard.tsx

@@ -0,0 +1,136 @@
+import { Gauge } from "lucide-react"
+import { useVoiceTrace } from "@/lib/queries"
+import type { VoiceTurn } from "@/lib/api"
+
+// Balken-Stufen in kanonischer Reihenfolge (zeitlich disjunkt). Mem0 ist ein Unter-Detail
+// INNERHALB von „Hirn" und wird NICHT als eigenes Segment addiert (sonst Doppelzählung).
+const SEGMENTS = [
+  { key: "stt_ms", label: "STT", color: "#f59e0b" },
+  { key: "vision_ms", label: "Sehen", color: "#a78bfa" },
+  { key: "hirn_ms", label: "Hirn", color: "#2dd4bf" },
+  { key: "gen_ms", label: "Antwort", color: "#60a5fa" },
+] as const
+
+const fmt = (ms: number | null | undefined): string =>
+  ms == null ? "–" : `${(ms / 1000).toLocaleString("de-DE", { minimumFractionDigits: 1, maximumFractionDigits: 1 })} s`
+
+function ago(ts: number): string {
+  const s = Math.max(0, Date.now() / 1000 - ts)
+  if (s < 60) return `vor ${Math.round(s)} s`
+  if (s < 3600) return `vor ${Math.round(s / 60)} min`
+  return `vor ${Math.round(s / 3600)} h`
+}
+
+/** Summe der sichtbaren Balken-Stufen (STT gehört zur gefühlten Latenz dazu; total_ms des Backends
+ * misst nur den Chat-Request ohne STT). So stimmen Balkenbreite und angezeigte Zahl immer überein. */
+function rowTotal(t: VoiceTurn): number {
+  return SEGMENTS.reduce((sum, s) => sum + ((t[s.key] as number | null) ?? 0), 0)
+}
+
+/** Dominante Stufe eines Turns = der „Täter". */
+function culprit(t: VoiceTurn): { label: string; color: string; ms: number } | null {
+  let best: { label: string; color: string; ms: number } | null = null
+  for (const s of SEGMENTS) {
+    const ms = t[s.key] as number | null
+    if (ms != null && (best == null || ms > best.ms)) best = { label: s.label, color: s.color, ms }
+  }
+  return best
+}
+
+function TurnRow({ t, scale }: { t: VoiceTurn; scale: number }) {
+  const title = SEGMENTS.map((s) => `${s.label} ${fmt(t[s.key] as number | null)}`).join(" · ")
+    + (t.mem0_ms != null ? ` (davon Mem0 ${fmt(t.mem0_ms)})` : "")
+  return (
+    <div className="flex items-center gap-2.5">
+      <span className="w-14 shrink-0 text-right font-mono text-[10px] text-muted-foreground/60">{ago(t.ts)}</span>
+      <div className="relative h-4 flex-1 overflow-hidden rounded-sm bg-muted/25" title={title}>
+        <div className="absolute inset-0 flex">
+          {SEGMENTS.map((s) => {
+            const ms = t[s.key] as number | null
+            if (!ms || ms <= 0) return null
+            return (
+              <div
+                key={s.key}
+                style={{ width: `${(ms / scale) * 100}%`, background: s.color }}
+                className="h-full first:rounded-l-sm"
+              />
+            )
+          })}
+        </div>
+        {t.error && (
+          <div className="absolute inset-0 flex items-center justify-center bg-rose-500/15 text-[10px] font-semibold text-rose-300">
+            Fehler
+          </div>
+        )}
+      </div>
+      <span className="w-12 shrink-0 text-right font-mono text-[11px] font-semibold tabular-nums text-foreground">
+        {t.error ? "–" : fmt(rowTotal(t))}
+      </span>
+    </div>
+  )
+}
+
+export function LatencyCard() {
+  const { data: turns } = useVoiceTrace(12)
+  const list = turns ?? []
+  const scale = Math.max(1, ...list.map((t) => rowTotal(t)))
+  const latest = list[0]
+  const lead = latest ? culprit(latest) : null
+
+  return (
+    <div className="rounded-2xl border border-border/60 bg-card/45 backdrop-blur-md p-5 shadow-lg shadow-black/15">
+      <div className="mb-3 flex items-start justify-between gap-3">
+        <div>
+          <div className="flex items-center gap-2">
+            <Gauge className="h-4.5 w-4.5 text-primary" />
+            <h2 className="text-sm font-semibold uppercase tracking-wide text-foreground">Latenz je Turn</h2>
+            <span className="ml-1 inline-flex items-center gap-1 text-[10px] font-medium text-muted-foreground/70">
+              <span className="h-1.5 w-1.5 rounded-full bg-emerald-500 animate-pulse" /> live
+            </span>
+          </div>
+          {latest ? (
+            <div className="mt-2 flex items-baseline gap-2">
+              <span className={`font-space text-3xl font-bold tracking-tight tabular-nums ${latest.error ? "text-rose-400" : "text-foreground"}`}>
+                {latest.error ? "Fehler" : fmt(rowTotal(latest))}
+              </span>
+              <span className="text-xs text-muted-foreground">
+                letzter Turn{!latest.error && lead && <> · Täter: <span style={{ color: lead.color }} className="font-semibold">{lead.label}</span> {fmt(lead.ms)}</>}
+              </span>
+            </div>
+          ) : (
+            <div className="mt-2 text-xs text-muted-foreground">Noch kein Voice-Turn aufgezeichnet.</div>
+          )}
+          {latest && !latest.error && (
+            <div className="mt-0.5 font-mono text-[11px] text-muted-foreground/70">
+              {SEGMENTS.filter((s) => (latest[s.key] as number | null) != null).map((s) => `${s.label} ${fmt(latest[s.key] as number)}`).join(" · ")}
+              {latest.mem0_ms != null && <span className="text-muted-foreground/50"> · davon Mem0 {fmt(latest.mem0_ms)}</span>}
+            </div>
+          )}
+        </div>
+        <div className="flex shrink-0 flex-col items-end gap-1 pt-1">
+          {SEGMENTS.map((s) => (
+            <div key={s.key} className="flex items-center gap-1.5">
+              <span className="h-2 w-2 rounded-full" style={{ background: s.color }} />
+              <span className="text-[11px] font-semibold uppercase tracking-wider text-muted-foreground">{s.label}</span>
+            </div>
+          ))}
+        </div>
+      </div>
+
+      {list.length > 0 ? (
+        <div className="space-y-1.5">
+          {list.map((t) => <TurnRow key={t.id} t={t} scale={scale} />)}
+        </div>
+      ) : (
+        <div className="flex h-[120px] items-center justify-center px-6 text-center text-xs text-muted-foreground">
+          Sprich einmal mit Lucy — dann erscheint hier der Zeit-Wasserfall pro Turn, damit man den einen Hänger sofort sieht.
+        </div>
+      )}
+
+      <div className="mt-3 border-t border-border/30 pt-2 text-[10px] leading-relaxed text-muted-foreground/70">
+        „Hirn" = Zeit bis zum ersten Wort (Agent + Mem0-Suche + Modell); Tool-Runden stecken in „Antwort". Reine
+        Telegram-Turns laufen an MC2 vorbei und erscheinen hier nicht.
+      </div>
+    </div>
+  )
+}

frontend/src/lib/api.ts

@@ -413,6 +413,27 @@ export interface TokenStats {
   pricing?: Record<string, { in: number; out: number }>
 }
 
+// Per-Turn-Latenz-Trace (GET /api/voice/trace). Balken-Stufen (zeitlich disjunkt):
+// stt · vision · hirn · gen. mem0 = Unter-Detail INNERHALB von hirn (nicht zum Balken addieren).
+export interface VoiceTurn {
+  id: string
+  ts: number          // Epoch-Sekunden
+  session: string
+  kind: string
+  had_images: boolean
+  stt_ms: number | null
+  vision_ms: number | null
+  hirn_ms: number | null   // Zeit bis erstes Inhalts-Token (Agent + Mem0 + LLM-TTFT)
+  gen_ms: number | null    // Generierung nach dem ersten Token bis Stream-Ende
+  mem0_ms: number | null   // Teil VON hirn (Mem0-Retrieve), best-effort
+  total_ms: number
+  error: string | null
+}
+
+export interface VoiceTraceResp {
+  turns: VoiceTurn[]
+}
+
 export interface ModelsResp {
   models: ModelInfo[]
   running?: string[]

frontend/src/lib/queries.ts

@@ -23,6 +23,7 @@ import {
   type SystemStatus,
   type TokenStats,
   type UpdatesResp,
+  type VoiceTraceResp,
 } from "./api"
 
 // Zentrale Query-Keys (eine Quelle der Wahrheit für invalidate).
@@ -45,8 +46,18 @@ export const qk = {
   connectHealth: ["connect-health"] as const,
   memory: (q?: string, category?: string) => ["memory", q ?? "", category ?? ""] as const,
   memoryGraph: ["memory-graph"] as const,
+  voiceTrace: ["voice-trace"] as const,
 }
 
+// Per-Turn-Latenz-Trace (letzte N Voice/Lucy-Turns mit Stufen-Breakdown).
+export const useVoiceTrace = (limit = 12, refetchInterval = 4_000) =>
+  useQuery({
+    queryKey: qk.voiceTrace,
+    queryFn: () => api<VoiceTraceResp>(`/api/voice/trace?limit=${limit}`),
+    refetchInterval,
+    select: (d) => d.turns ?? [],
+  })
+
 export const useMemoryGraph = (enabled = true) =>
   useQuery({
     queryKey: qk.memoryGraph,

frontend/src/views/DashboardView.tsx

@@ -4,6 +4,7 @@ import { AgentStatusCard } from "@/components/dashboard/AgentStatusCard"
 import { MemoryInputCard } from "@/components/dashboard/MemoryInputCard"
 import { TokenPerformanceCard } from "@/components/dashboard/TokenPerformanceCard"
 import { ServicesCard } from "@/components/dashboard/ServicesCard"
+import { LatencyCard } from "@/components/dashboard/LatencyCard"
 import { ModelsCard } from "@/components/dashboard/ModelsCard"
 import { LucyHealthCard } from "@/components/dashboard/LucyHealthCard"
 
@@ -34,7 +35,10 @@ export function DashboardView() {
       {/* Stack & Telemetrie */}
       <section>
         <ZoneLabel>Stack &amp; Telemetrie</ZoneLabel>
-        <ServicesCard />
+        <div className="grid gap-6 lg:grid-cols-2">
+          <ServicesCard />
+          <LatencyCard />
+        </div>
       </section>
 
       {/* Betrieb & Wissen */}