fix(referenz): Pruefbefehl aus dem Suchpfad genommen, Lauf D ergaenzt

Zwei Fehler aus dem ersten Anlauf behoben:

1. referenz-check.sh lag unter deploy/ und enthielt selbst 7x das Wort
   "mem0" (es sucht ja danach) - damit zaehlte es sich in Kriterium 3 mit
   und das Kriterium war unerfuellbar. Jetzt unter docs/aufgaben/, wo
   Kriterium 3 nicht sucht. Strukturell geloest statt per grep-Ausnahme.

2. Der Lauf muss in einer FRISCHEN Sitzung starten - der Desktop hatte
   eine Sitzung vom Vortag fortgesetzt und deren Kontext mitgeschleppt.

Neu: Lauf D (reasoning_effort low). Der Fehlversuch zeigte, dass >95%
der Modell-Ausgabe unsichtbares Nachdenken war - 19.899 Tokens fuer
2.600 Zeichen sichtbaren Text. Das ist der billigste Hebel und wird
darum vor Modellwechseln geprueft.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

docs/aufgaben/referenz-check.sh

@@ -0,0 +1,62 @@
+#!/usr/bin/env bash
+# Referenz-Check (20.08.2026): prueft die fuenf Fertig-Kriterien der Messlatte.
+#
+# Zweck: "fertig" darf keine Auslegungssache sein. Derselbe Befehl fuer den Agenten
+# (Selbstpruefung) und fuer die Auswertung. Siehe docs/aufgaben/referenzaufgabe-mem0-ausbau.md
+#
+# Aufruf:  bash docs/aufgaben/referenz-check.sh [worktree-pfad]
+# Exit:    0 = alle Kriterien gruen · 1 = mindestens eines rot
+set -uo pipefail
+
+W="${1:-$HOME/projekte/mc2-referenz}"
+LINT="${LINT_RUFF:-$HOME/.venv-lint/bin/ruff}"
+PY="${BACKEND_PY:-$HOME/mission-control-v2/backend/.venv/bin/python}"
+SMOKE="${SMOKE_SH:-$HOME/mission-control-v2/deploy/self-smoke.sh}"
+ROT=0
+
+pruef() {  # $1=Nummer  $2=Beschreibung  $3=Ergebnis(0/1)  $4=Detail
+  if [ "$3" -eq 0 ]; then printf '  %s  %-34s GRUEN  %s\n' "$1" "$2" "${4:-}"
+  else printf '  %s  %-34s ROT    %s\n' "$1" "$2" "${4:-}"; ROT=1; fi
+}
+
+[ -d "$W" ] || { echo "ABBRUCH: Worktree nicht gefunden: $W"; exit 1; }
+echo "=== Referenz-Check ($W) ==="
+
+# 1 — Lint
+if [ -x "$LINT" ]; then
+  out="$("$LINT" check "$W" 2>&1)"; rc=$?
+  pruef 1 "Lint sauber (ruff)" $rc "$(printf '%s' "$out" | tail -1)"
+else
+  pruef 1 "Lint sauber (ruff)" 1 "ruff fehlt unter $LINT"
+fi
+
+# 2 — Backend laedt
+out="$(cd "$W/backend" && "$PY" -c 'import app' 2>&1)"; rc=$?
+pruef 2 "Backend importierbar (app)" $rc "$(printf '%s' "$out" | tail -1)"
+
+# 3 — keine mem0-Reste (docs/ ausgenommen: Historie)
+n="$(cd "$W" && grep -ril mem0 backend/ mcp/ deploy/ --include='*.py' --include='*.sh' 2>/dev/null | wc -l)"
+[ "$n" -eq 0 ]; rc=$?
+pruef 3 "Keine mem0-Reste" $rc "$n Datei(en) mit Treffern"
+[ "$n" -gt 0 ] && (cd "$W" && grep -ril mem0 backend/ mcp/ deploy/ --include='*.py' --include='*.sh' 2>/dev/null | sed 's/^/        /')
+
+# 3b — der Sidecar-Ordner selbst
+if [ -d "$W/mem0_service" ]; then pruef "3b" "Ordner mem0_service entfernt" 1 "liegt noch da"
+else pruef "3b" "Ordner mem0_service entfernt" 0; fi
+
+# 4 — Selbsttest (laeuft gegen das LAUFENDE System, nicht gegen den Worktree)
+if [ -r "$SMOKE" ]; then
+  out="$(timeout 540 bash "$SMOKE" 2>&1)"; rc=$?
+  pruef 4 "Selbsttest self-smoke" $rc "$(printf '%s' "$out" | grep -cE '\bPASS\b') PASS / $(printf '%s' "$out" | grep -cE '\bFAIL\b') FAIL"
+else
+  pruef 4 "Selbsttest self-smoke" 1 "nicht lesbar: $SMOKE"
+fi
+
+# 5 — MC2 lebt
+curl -s -m 8 localhost:9001/api/health 2>/dev/null | grep -q '"status":"ok"'; rc=$?
+pruef 5 "MC2 gesund" $rc
+
+echo
+if [ $ROT -eq 0 ]; then echo "  ERGEBNIS: FERTIG — alle Kriterien gruen."
+else echo "  ERGEBNIS: NICHT fertig — mindestens ein Kriterium ist rot."; fi
+exit $ROT

docs/aufgaben/referenzaufgabe-mem0-ausbau.md

@@ -64,8 +64,21 @@ Nur Kriterium 3 ist offen. Wer 3 erfüllt und dabei 1/2/4/5 kaputtmacht, hat ver
 
 Treffer in `docs/` sind erlaubt — das ist Historie und darf stehenbleiben.
 
+Selbstprüfung mit einem Befehl:
+
+```bash
+bash ~/projekte/mc2-referenz/docs/aufgaben/referenz-check.sh
+```
+
+> Der Prüfbefehl liegt bewusst unter `docs/aufgaben/` und **nicht** unter `deploy/`. Im ersten Anlauf
+> lag er in `deploy/`, enthielt selbst siebenmal das Wort „mem0" (er sucht ja danach) und zählte sich
+> damit in Kriterium 3 mit — das Kriterium war unerfüllbar. In `docs/` wird er nicht durchsucht.
+
 ## Randbedingungen
 
+- ‼️ **In einer FRISCHEN Sitzung starten**, nicht in einer fortgesetzten. Beim ersten Anlauf hat der
+  Desktop eine Sitzung vom Vortag weitergeführt und deren Kontext mitgeschleppt — die Messung war
+  dadurch wertlos. Im Desktop also einen **neuen Chat** anlegen, nicht den alten öffnen.
 - **Nicht pushen.** Der Zweig bleibt lokal, damit der Lauf wiederholbar ist.
 - **Nichts außerhalb des Worktrees anfassen** — kein `/etc`, keine systemd-Dienste, kein Neustart.
 - Wenn ein Kriterium nicht erfüllbar ist: **ehrlich sagen und aufhören.** Ein klares
@@ -82,8 +95,19 @@ git worktree add -b referenz/mem0-ausbau ~/projekte/mc2-referenz main
 
 ## Messprotokoll
 
-| Lauf | Modell in der `coder`-Rolle | Fertig? | Wanduhr | Züge | Bemerkung |
+| Lauf | Aufbau | Fertig? | Wanduhr | Züge | Bemerkung |
 |---|---|---|---|---|---|
-| A | Qwen3.8-27B (dicht, 12,6 t/s) — Ausgangswert | | | | |
-| B | Qwen3.8-27B **+ DFlash-2** | | | | |
-| C | Qwen3.6-35B-A3B (`fast`, 95,7 t/s) | | | | |
+| — | *Fehlversuch 20.08. 21:10* | ✗ | 76 min, abgebrochen | 8 | Kriterium 3 unerfüllbar + fortgesetzte Alt-Sitzung. **Verwertbar trotzdem:** 19.899 Ausgabe-Tokens, davon nur ~2.600 Zeichen sichtbar → **>95 % unsichtbares Nachdenken**. Kompression feuerte bereits. |
+| A | Qwen3.8-27B, `reasoning_effort: medium` — Ausgangswert | | | | |
+| **D** | **Qwen3.8-27B, `reasoning_effort: low`** | | | | Billigster Hebel: eine Konfigzeile, kein Modellwechsel |
+| B | Qwen3.8-27B **+ DFlash-2** | | | | Entwurfsmodell liegt bereit |
+| C | Qwen3.6-35B-A3B (`fast`, 95,7 t/s) | | | | SWE-bench 73,4 |
+
+### Was der Fehlversuch schon gezeigt hat
+
+Pro Zug erzeugte das Modell ~2.487 Tokens, sichtbar wurden davon 181–451 Zeichen. Bei 12,6 t/s sind
+das ~26 Minuten reine Erzeugung für ~2.600 Zeichen Text. **Der Engpass ist Denk-Aufwand × Bandbreite,
+nicht das Harness.** Darum Lauf D vor B und C: er prüft den billigsten Hebel zuerst.
+
+Inhaltlich war das Modell gut — es fand von selbst den Prüfstein (`mem0_ms` → `memory_ms` im Frontend),
+statt blind zu löschen.