Initial: Mesh-Skills, Configs, Scripts

2026-09-02 23:49:07 +02:00
commit 26c7980750
783 changed files with 145393 additions and 0 deletions
@@ -0,0 +1,81 @@
+# Cloudflare API Quick Reference
+
+## Authentifizierung
+```
+Header: Authorization: Bearer <API_TOKEN>
+Header: Content-Type: application/json
+```
+
+## API-Endpunkte
+
+| Operation | Methode | URL |
+|-----------|---------|-----|
+| Zonen auflisten | GET | `/client/v4/zones` |
+| Zone anlegen | POST | `/client/v4/zones` |
+| Zone löschen | DELETE | `/client/v4/zones/:zone_id` |
+| DNS-Records abrufen | GET | `/client/v4/zones/:zone_id/dns_records` |
+| DNS-Record anlegen | POST | `/client/v4/zones/:zone_id/dns_records` |
+| DNS-Record ändern | PATCH | `/client/v4/zones/:zone_id/dns_records/:record_id` |
+| DNS-Record löschen | DELETE | `/client/v4/zones/:zone_id/dns_records/:record_id` |
+
+## Zone anlegen (Minimal-Body)
+```json
+{
+  "name": "example.de",
+  "account": {"id": "ACCOUNT_ID"},
+  "jump_start": false,
+  "type": "full"
+}
+```
+**Wichtig:** `jump_start: true` scannt bestehende DNS-Einträge, kann aber unerwünschte Records importieren. `false` startet mit leerer Zone.
+
+## DNS-Record anlegen (Minimal-Body)
+```json
+{
+  "type": "A",
+  "name": "example.de",
+  "content": "92.60.38.175",
+  "proxied": false,
+  "ttl": 1
+}
+```
+- `name: "@"` für Root-Domain, `name: "www"` für Subdomain
+- `proxied: false` = graue Wolke (DNS-only), `true` = orangene Wolke (Proxy)
+- `ttl: 1` = Auto-TTL
+
+## MX-Record (Besonderheit)
+```json
+{
+  "type": "MX",
+  "name": "example.de",
+  "content": "mail.example.de",
+  "priority": 10,
+  "proxied": false,
+  "ttl": 1
+}
+```
+- `priority`: Zahl (10 = Standard), niedriger = höhere Priorität
+- **proxied MUSS false sein** – Cloudflare kann MX nicht proxien!
+
+## Antwort parsen (python3 one-liner)
+```bash
+curl ... | python3 -c "
+import json, sys
+data = json.load(sys.stdin)
+if data['success']:
+    for r in data['result']:
+        print(f\"{r['name']} → {r['content']}\")
+else:
+    for e in data['errors']:
+        print(f\"ERROR: {e['message']}\")
+"
+```
+
+## Typische Fehler
+
+| Fehler | Ursache | Lösung |
+|--------|---------|--------|
+| `Invalid API Token` | Token falsch/abgelaufen | Neuen Token erstellen |
+| `Zone already exists` | Zone bereits angelegt | Statt POST → GET + PATCH |
+| `Invalid proxied mode for MX` | `proxied:true` bei MX | MX MUSS `proxied:false` sein |
+| `Could not route to ...` | Zone-ID falsch | `GET /zones` für korrekte ID |
@@ -0,0 +1,133 @@
+# Deutsche Bahn / Fahrplan-Datenabruf: Realität & Workarounds (2026-08-08)
+
+Nützlich beim Bau von Reise-/Verbindungs-Websites (z.B. Zugverbindungs-Liste
+urlaub.perfekt-ohne-en.de), die echte Fahrtzeiten abfragen müssen.
+
+## Kernbefund: DB automatisiert NICHT von einem Server aus
+
+Beim Versuch, echte deutsche Nahverkehrs-Verbindungen (RE/RB/S-Bahn) automatisiert
+zu bekommen, schlugen ALLE Server-seitigen Wege fehl:
+
+| Weg | Ergebnis |
+|-----|----------|
+| `https://www.bahn.de/` im **Browserbase-Browser** | ❌ **Bot-Erkennung**: Fehler 753 „Verhalten Ihres Browsers ähnelt dem eines Bots" — auch im echten Browser (stealth-Warnung: „Running WITHOUT residential proxies"). |
+| DB-Web-API (`/web/api/reiseloesung`) | ❌ `OPS_BLOCKED` |
+| VRR EFA (`efa.vrr.de`) | ⚠️ Funktionierte für **Verbund-Haltestellen** (Radevormwald/Remscheid), liefert aber **keine Fernziele** (Frankfurt/Hannover außerhalb des VRR-Gebiets) — nur lokale Verbunde. |
+| `api.transport.rest` / GTFS | ❌ nicht erreichbar (DNS/Timeout) |
+| Web-Suche (Firecrawl) | ❌ nicht konfiguriert |
+
+**Warum es so ist:** bahn.de + DB-API betreiben aktive Anti-Bot-Abwehr, unabhängig
+davon ob der Zugriff von einem Python-Skript oder einem headless-Browser kommt.
+Das ist eine bewusste, dauerhafte Serverseite — kein Setup-Fehler, der sich fixen lässt.
+
+## Funktionierende Workarounds
+
+1. **Regionale EFA (Verbund-API) für lokale Strecken**: `https://efa.vrr.de/std3/`
+   (JSON via `XSLT_STOPFINDER_REQUEST` / `XSLT_TRIP_REQUEST2`) funktioniert für
+   Haltestellen im jeweiligen Verkehrsverbund. Nur für Nahziele im Verbund nutzen,
+   nicht für Fernziele.
+2. **Nutzer liefert die Zeiten manuell** (bewährt): Auf bahn.de / DB-Navigator
+   funktioniert die Suche für **menschliche Nutzer** einwandfrei. Bei 1-2 Zielen:
+   Nutzer gibt die schnellste Verbindung durch ☞ Master trägt die echten Zeiten ein.
+   Das ist zuverlässig + kostenlos + umgeht die Bot-Sperre.
+3. **Schätz-/Richtwerte mit ehrlichem Hinweis** (Standard-Fall für viele Ziele):
+   Wenn keine echte Verifikation möglich ist, Netzwerk-Takte/Geographie als
+   **Richtwert** aufführen und auf der Seite + im PDF deutlich markieren:
+   „vor der Fahrt gegen bahn.de/DB-Navigator prüfen". NICHT als echte Fahrzeit
+   ausgeben.
+4. **DB-Deep-Link pro Verbindung** (Nutzer-Idee): statt die Zeiten automatisiert
+   zu verifizieren, einen Link auf die DB-Suche VORBEFÜLLEN, den der Nutzer in
+   seinem Browser öffnet. Da der Nutzer keine Bot-Sperre hat, sieht er dort die
+   echten aktuellen Zeiten.
+
+   ⚠️ **WICHTIG — LIVE-VERIFIZIERT am 2026-08-08 (Muss über den früheren Stand):
+   Die Deutsche Bahn bietet 2026 KEIN stabiles URL-Deep-Link-Format mehr an.**
+   Alle vorher als „stabil" geltenden Schemata sind empirisch tot:
+   - ❌ `reiseauskunft.bahn.de/bin/query.exe/dn?...` → **toter DNS** (`DNS_PROBE_FINISHED_NXDOMAIN`), Domain existiert nicht mehr.
+   - ❌ `reiseauskunft.de/bin/query.exe/...` → toter Pfad („Seite existiert nicht mehr").
+   - ❌ `www.bahn.de/buchung/fahrplan/suche?...` mit Query-Parametern → DB-SPA übernimmt die Eingaben NICHT (zeigt nur leere Suchseite).
+   - ❌ `www.bahn.de/buchung/fahrplan/suche#query=start:…;destination:…` → undokumentierte interne SPA-Fragmentroute, bricht (Einträge werden nicht übernommen, nur Fehlermeldung → leere Suche).
+
+   ✅ **Funktionierende, ehrliche Lösung 2026-08-08:** Ein einfacher, zuverlässiger
+   Link auf die **noch erreichbare Sucheseite** `https://www.bahn.de/buchung/fahrplan/suche`
+   auf einer Zwischenseite, die Start+Ziel (readonly) anzeigt + einen Button
+   „In DB-Suche öffnen" (neuer Tab) + Fallback-Link. Der Nutzer tippt Start/Ziel
+   dort manuell ein (10 Sekunden) — aber der Link landet garantiert auf einer
+   funktonierenden Seite statt auf einem Deadlink. **Verifiziere jede DB-URL mit
+   `curl -s -o /dev/null -w "%{http_code}"` VOR dem Einsatz** — Sub-Agenten-Reviews
+   können veraltete Formate als „korrekt/getestet" bestätigen, ohne es live geprüft
+   zu haben (passiert hier real). Eine muntere Vorbefüllung ist 2026 nicht mehr
+   zuverlässig möglich; wer sie trotzdem versucht, scheitert an der SPA.
+
+   ⚠️ Die offizielle DB-API (api.deutschebahn.com) wäre die robusteste Quelle für
+   programmatische Zeiten, braucht aber einen API-Key — und ist weiterhin
+   vorbehaltlich Bot/Key-Zugang zu prüfen.
+
+## Google Maps als ÖPNV-Quelle? NEIN — ICE lässt sich nicht rausfiltern (2026-08-08)
+
+Nutzer-Idee beim Bau einer Verbindungs-Site: „Kann man Google Maps-Öffis-Daten
+nehmen?" — ehrliche Antwort, die in Zukunft nicht neu hergeleitet werden muss:
+
+- Google Maps **zeigt** ÖPNV (Bus, S-Bahn, RE, ICE, IC), aber als schnellste Route
+  schlägt es **standardmäßig ICE/IC vor**.
+- Es gibt **KEINEN sauberen „nur Regionalverkehr / Deutschlandticket"-Filter** in
+  Google Maps (nur ein grober Transit-Filter). `regional-only` von ICE zu trennen
+  ist nicht zuverlässig möglich.
+- Dieselben GTFS-Fahrpläne wie überall (DB/Verkehrsverbünde) — also nichts Besseres
+ /qchlechteres als reiseauskunft.
+- Google Maps blockt zudem Bots (wie die DB), sodass saubere Automatisierung nicht
+  klappt.
+- **Fazit:** Für eine „kein ICE / nur Deutschlandticket“-Anforderung ist unser
+  DB-Deep-Link zur noch erreichbaren Sucheseite (`https://www.bahn.de/buchung/fahrplan/suche`,
+  ohne Vorbefüllung, siehe Abschnitt 4) besser — die Seite hat einen expliziten
+  Deutschlandticket-Filter, den der Nutzer einen Klick entfernt sieht. (Der früher
+  genannte `query.exe/dn`-Deep-Link ist tot — siehe Abschnitt 4.)
+
+## Label nach ECHTER Fahrtzeit, nicht nach Wunsch-Kategorie (2026-08-08)
+
+Nutzer: „Nicht EINE Fahrt 5-7h in der Liste, ich sehe nur <5h oder >7h." Ursache war
+**zweifach**, beides wartbar:
+
+1. **Label-Mismatch-Bug:** 168 Ebene-2-Zeilen waren als `Kernziel (5-7h)` markiert,
+   obwohl ihre Fahrtzeiten real 0,3–4h waren. Beim Seeden wird gern „5-7h" als Wunsch-Category
+   an die Fernziele gehängt. **Fix: Kategorie aus der echten Fahrtzeit ableiten**
+   (Parser `~h` → float, dann `<5 → unter 5h`, `5–7 → Kernziel (5-7h)`, `>7 → über 7h`),
+   nicht als Design-Wunsch beim INSERT setzen.
+2. **Geographische Realität:** per reinem Nahverkehr sind echte 5–7h-Ziele selten
+   (viele Großstädte entweder <3h Nahzone oder >8h Fernzone). Das ist kein Bug,
+   sondern Physik — die Seite soll alle Kategorien ehrlich anzeigen und „5-7h" nur
+   dort führen, wo es sie wirklich gibt (ab weiter südlich/östlich gelegenen Städten:
+   Frankfurt→München/Dresden, Hannover→Stuttgart etc.).
+
+## Ehrlichkeits-Regel (Nutzer erwartet dies)
+
+- Niemals fabrizierte „fahrhatige" Verbindungen oder konkrete Uhrzeiten als real
+  ausgeben, wenn sie nur geschätzt sind.
+- Schätzwerte IMMER als Bereich (`~5-5,5 h`) + mit Verweis auf bahn.de labeln.
+
+## RAPTOR statt Dijkstra für echte GTFS-Routing (2026-08-19, Team-Unraid)
+
+Für GTFS-Verbindungssuche auf großen Knoten ist **einfacher Dijkstra instabil** —
+bei benachbarten Zielen kamen absurde Differenzen (Mainz→Berlin 11h vs. Nachbar
+Wiesbaden 3h). Standard-Lösung ist **RAPTOR** (Round-Based Public Transit Optimized
+Route): erweitert die Reichweite Runde um Runde über echte Trips und behandelt
+"Zug nehmen → aussteigen → umsteigen" natürlich, statt auf einem statischen
+Graphen zu kürzen.
+
+- **Stop-Mehrdeutigkeit** (ein Bahnhof, mehrere stop_ids, nur 1 aktiv in `st`) →
+  eindeutig über `parent_station`/Geo-Mapping auflösen.
+- **Umstiegsbuffer** (4 min) + sauberes Ziel-Stop-Matching verhindern die
+  "benachbarte Ziele, extrem abweichende Zeiten"-Inkonsistenz.
+- Verifizieren mit Plausibilitäts-Ankern (z.B. Trier→Saarbrücken ~1h, Köln→Aachen
+  ~50min) — nie den Algorithmus blind vertrauen.
+- Wenn der Nutzer einen Konkreten echten Wert liefert (z.B. „Trier 6h"), ihn
+  bevorzugt übernehmen statt der Schätzung.
+
+## Fakten zur Ziel-Menge (Zugverbindungs-Website, Kontext)
+
+- Schwelle kann variieren (250k → 100k Einwohner → weit mehr Ziele, ~33 in dieser Site).
+- Reichweite per **reinem Nahverkehr** (kein ICE) ab Bergisch-Land/Ruhrgebiet:
+  die meisten Großstädte sind entweder **<3h** (Nahzone: Köln, Düsseldorf, Ruhrgebiet)
+  oder **>8h** (Fernzone: Berlin, München). Echte **5–7h**-Ziele sind selten — das sind
+  genau die Grenzfälle (Frankfurt ~5h, Wiesbaden ~5,5h, Hannover ~5,5–6,5h, Kassel ~6,5–7h).
+  Regional-Agenten (SwitchHermes/LaptopHermes) lieferten dazu gute Geographie-Analysen.
@@ -0,0 +1,158 @@
+# Docker Internal Services Deployment (Gitea + Vaultwarden)
+
+## Anwendungsfall
+
+Interne Dienste (Git-Server, Passwort-Manager, sonstige Web-Apps) auf einem VPS
+hinter nginx-Reverse-Proxy mit Let's Encrypt SSL betreiben. Dienste laufen als
+Docker-Container, sind nur für den Eigentümer bestimmt (oder registrierungsbeschränkt).
+
+## Beispiel-Stack
+
+| Dienst | Docker-Image | Port | Subdomain | Zweck |
+|--------|-------------|------|-----------|-------|
+| **Gitea** | `gitea/gitea:latest` | 3000 | `git.mehlzoerwer.de` | Eigener Git-Server für Skills/Configs |
+| **Vaultwarden** | `vaultwarden/server:latest` | 4433 | `vault.perfekt-ohne-en.de` | Passwort-Manager (Bitwarden-kompatibel) |
+
+## Deployment-Workflow
+
+### 1. Docker-Container starten
+
+```bash
+# Verzeichnisse
+mkdir -p /opt/gitea/data /opt/vaultwarden/data
+
+# Gitea
+docker run -d --name gitea --restart unless-stopped \
+  -p 3000:3000 -p 2222:22 \
+  -v /opt/gitea/data:/data \
+  -e USER_UID=1000 -e USER_GID=1000 \
+  gitea/gitea:latest
+
+# Vaultwarden
+ADMIN_TOKEN=$(openssl rand -base64 48)
+docker run -d --name vaultwarden --restart unless-stopped \
+  -p 4433:80 \
+  -v /opt/vaultwarden/data:/data \
+  -e SIGNUPS_ALLOWED=true \
+  -e ADMIN_TOKEN=$ADMIN_TOKEN \
+  -e DOMAIN=https://vault.perfekt-ohne-en.de \
+  vaultwarden/server:latest
+
+# Token sichern
+echo "$ADMIN_TOKEN" > /opt/vaultwarden/admin_token.txt
+chmod 600 /opt/vaultwarden/admin_token.txt
+```
+
+### 2. nginx-Reverse-Proxy pro Dienst
+
+```nginx
+# /etc/nginx/sites-available/git.mehlzoerwer.de
+server {
+    listen 80;
+    listen [::]:80;
+    server_name git.mehlzoerwer.de;
+
+    location / {
+        proxy_pass http://127.0.0.1:3000;
+        proxy_set_header Host $host;
+        proxy_set_header X-Real-IP $remote_addr;
+        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
+        proxy_set_header X-Forwarded-Proto $scheme;
+    }
+}
+```
+
+```nginx
+# /etc/nginx/sites-available/vault.perfekt-ohne-en.de
+server {
+    listen 80;
+    listen [::]:80;
+    server_name vault.perfekt-ohne-en.de;
+
+    location / {
+        proxy_pass http://127.0.0.1:4433;
+        proxy_set_header Host $host;
+        proxy_set_header X-Real-IP $remote_addr;
+        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
+        proxy_set_header X-Forwarded-Proto $scheme;
+        # WebSocket-Support für Browser-Extension
+        proxy_set_header Upgrade $http_upgrade;
+        proxy_set_header Connection "upgrade";
+    }
+}
+```
+
+### 3. SSL (DNS muss bereits auf den Server zeigen)
+
+```bash
+certbot --nginx -d git.mehlzoerwer.de --non-interactive --agree-tos -m admin@domain.de
+certbot --nginx -d vault.perfekt-ohne-en.de --non-interactive --agree-tos -m admin@domain.de
+```
+
+### 4. Nach SSL prüfen
+
+```bash
+# Prüfen ob bestehende Domains noch funktionieren (Certbot-Kollateral-Pitfall!)
+for url in https://git.mehlzoerwer.de/ https://vault.perfekt-ohne-en.de/ https://mehlzoerwer.de/; do
+  echo "$url → $(curl -sk -o /dev/null -w '%{http_code}' $url)"
+done
+```
+
+## Vaultwarden Setup
+
+| Schritt | Aktion |
+|---------|--------|
+| 1. Registrierung öffnen | `SIGNUPS_ALLOWED=true` setzen, Container neustarten |
+| 2. Account erstellen | `https://vault.perfekt-ohne-en.de/` → "Create Account" |
+| 3. Registrierung schließen | Container stoppen, mit `SIGNUPS_ALLOWED=false` neustarten |
+| 4. Admin-Panel | `https://vault.perfekt-ohne-en.de/admin` → Admin-Token |
+| 5. Clients verbinden | Bitwarden-Apps → eigene Server-URL eintragen |
+
+## Gitea Mirror auf zweitem Server
+
+```bash
+# Auf UnraidHermes (zweiter Server)
+sudo mkdir -p /opt/gitea-mirror/data
+sudo tee /opt/gitea-mirror/docker-compose.yml > /dev/null << 'YAML'
+services:
+  gitea:
+    image: gitea/gitea:latest
+    container_name: gitea-mirror
+    restart: unless-stopped
+    ports:
+      - "3001:3000"
+    volumes:
+      - /opt/gitea-mirror/data:/data
+    environment:
+      - USER_UID=1000
+      - USER_GID=1000
+YAML
+cd /opt/gitea-mirror && sudo docker compose up -d
+```
+
+## Pitfalls
+
+### ⚠️ Certbot überschreibt bestehende SSL-Pfade
+Nach `certbot --nginx -d NEUE.DOMAIN.de` prüfen ob bestehnde Domains noch ihr richtiges
+Zertifikat haben. Certbot kann `ssl_certificate`-Pfade in anderen vhosts überschreiben.
+→ `nginx-vhost-deployment` Skill: "Certbot überschreibt SSL-Pfade in BESTEHENDEN vhosts"
+
+### ⚠️ Vaultwarden Admin-Token sichern
+`openssl rand -base64 48` erzeugt einen Token. Dieser wird NUR beim ersten Start
+ausgegeben (in den Logs). Danach nie wieder. **Sofort speichern:**
+```bash
+echo "$ADMIN_TOKEN" > /opt/vaultwarden/admin_token.txt
+chmod 600 /opt/vaultwarden/admin_token.txt
+```
+Alternativ: `-e ADMIN_TOKEN_FILE=/data/admin_token` — dann reicht die Datei im
+Volume-Verzeichnis, Container-Neustart überlebt den Token.
+
+### ⚠️ Vaultwarden SIGNUPS_ALLOWED
+Initial auf `true` setzen, damit der Eigentümer einen Account erstellen kann.
+Nach dem ersten Account: Container stoppen, mit `SIGNUPS_ALLOWED=false` neustarten.
+Kein Fremder kann sich danach registrieren.
+
+### ⚠️ Docker-Gruppe für sudo-lose Ausführung
+Sub-Agenten (UnraidHermes) haben `mehlzoerwer` nicht in der `docker`-Gruppe.
+Fix: `sudo usermod -aG docker $USER && newgrp docker` (einmalig, danach
+docker ohne sudo).
@@ -0,0 +1,215 @@
+# Flask + SQLite: Mehrstufige "Drill-Down"-Website mit nginx-Reverse-Proxy
+
+Bewährt für datengetriebene Sites, die über mehrere Ebenen verschachtelt navigierbar
+sind, z.B. `urlaub.perfekt-ohne-en.de`: Ebene1 (Start Radevormwald → 33 Ziele ≥100k),
+Klick auf ein Ziel → Ebene2 (Liste ab dieser Stadt, ≥50k), Klick → Ebene3.
+
+## Warum Backend (Flask+SQLite) statt statischer HTML
+
+Für 3 Ebenen wären statische Seiten **~1000–2000 Dateien** (jede Ebene-2-Zielstadt
+wieder eine Liste + PDFs) — unwartbar bei häufigen Datenänderungen. Ein Backend mit
+DB: eine `UPDATE` → alle Seiten/Pfade sofort korrekt. SQLite reicht locker
+(<100 Queries/Tag, persönliches Projekt). Team-Empfehlung (UnraidHermes) bestätigt.
+
+## Architektur
+
+```
+nginx (Subdomain vhost) → proxy_pass 127.0.0.1:8040 → Flask (app.py)
+                                                        └─ SQLite (urlaub.db)
+```
+- Flask läuft als **systemd-Service** (`/opt/<app>/venv/bin/python app.py`).
+- nginx-`location / { proxy_pass http://127.0.0.1:8040; proxy_set_header Host $host; ... }`
+- PDF on-demand: Flask-Route rendert Template → `wkhtmltopdf` → Response(pdf).
+
+## Kern-Implementation (app.py)
+
+- SQLite-Verbindung je Request (`sqlite3.connect`, `row_factory = sqlite3.Row`).
+- Slugs für URLs: `frankfurt-am-main`, `osnabrueck`, `goettingen`.
+- **Slug↔Stadtname-Match muss Fallback/Transkription akzeptieren** — URL ist
+  lowercase slug mit Bindestrichen, DB speichert echten Namen ("Frankfurt am Main",
+  "Osnabrück"). Match mit `LOWER(replace(nach,' ',''))=LOWER(replace(?,' ',''))`
+  UND Umlaut-Rücktranskription: `ue→ü/ue/u`, `oe→ö/oe/o`, `ae→ä/ae/a`, `ss→ß/ss/s`.
+- `slug()` muss Umlaute VOR `ascii-encode` expandieren: `ä→ae, ö→oe, ü→ue, ß→ss`.
+- Ebene-Route: `@app.route('/<int:ebene>/<slug_name>')` — `ebene in (2,3)`, sonst 404.
+- Startstadt = die angematchte Stadt; Ziele = `WHERE ebene=? AND von=?`.
+- Leere Ebene → eigenes `leer.html`-Template ("Noch keine Ziele…"), kein 404.
+- `/healthz` → `"ok"` für systemd/nginx-Readiness.
+
+## Deployment-Ablauf
+
+1. `python3 -m venv venv && venv/bin/pip install flask` (sqlite3 in stdlib).
+2. `venv/bin/python -c "import flask"` (Syntax-/Install-Check NICHT mit `||`-Fehler
+   in derselben Python-Zeile verwechseln).
+3. DB-Init + Seed (Skripte `db_init.py`, `seed_ebene2.py`).
+4. Testen: `./venv/bin/python app.py` im Hintergrund → `curl 127.0.0.1:8040/healthz`
+   und Routen. Dann killen, Start an systemd übergeben:
+   `ExecStart=/opt/<app>/venv/bin/python /opt/<app>/app.py`, `Restart=always`.
+5. nginx: Proxy gegen `127.0.0.1:8040` einrichten (siehe Haupt-SKILL: vhost via
+   `/tmp` + `cp` — write_file weigert sich bei `/etc/nginx/*`; Backup-Regel vorher).
+6. `nginx -t && systemctl reload nginx`, dann über `https://<sub>` verifizieren.
+
+## ⚠️ Änderungen an Templates/Code erfordern einen Service-Neustart (2026-08-08)
+
+Flask läuft hier mit `debug=False` (systemd). Das heißt: Template-Edits (`*.html`)
+und `app.py`-Änderungen werden **NICHT automatisch neu geladen**. Symptom aus dem
+Live-Betrieb: Nachdem eine neue Kategorie-Gruppe (z.B. `unter 5h`) ins Template
+kam, zeigte die laufende Seite sie **nicht** — erst `systemctl restart urlaub.service`
+brachte sie sichtbar. **Regel: nach jeder Template/Code-Änderung IMMER den systemd-
+Service neu starten** und dann die Seite per `curl` gegen die erwartete neue Markierung
+prüfen (z.B. `grep -oE '<h2>[^<]+</h2>'`). Nur DB-Seed-/Update-Skripte (die `urlaub.db`
+schreiben) wirken sofort, weil jede Request frisch auf SQLite liest.
+
+## Verifikation (immer durchführen)
+
+```bash
+curl -sk -o /dev/null -w "/ → %{http_code}\n" https://<sub>/
+curl -sk -o /dev/null -w "/2/<stadt> → %{http_code}\n" https://<sub>/2/<stadt>
+curl -sk -o /dev/null -w "/3/<stadt> → %{http_code}\n" https://<sub>/3/<stadt>
+curl -sk -o /dev/null -w "/pdf/<stadt> → %{http_code}\n" https://<sub>/pdf/<stadt>
+```
+HTTP 000 + curl-Exit 60 = nur Zert-Warnung, `-k` zeigt 200.
+
+## Datenquellen für Ebene-2/3 am sinnvollsten
+
+- **Start mit kleinen, konkreten Team-Tasks** ("gib je Startstadt Ziele ≥50k im
+  Format Stadt|~h|Ziel1,Ziel2") — NICHT breit formulieren; Sub-Agenten liefern sonst
+  nur Enzyklopädie/Regionen statt präziser Stadt-zu-Stadt-Zuordnung (wiederholtes Muster).
+- Der Master kuratiert die Team-Rohdaten gegen Geographie (keine offensichtlichen
+  Fehler), markiert alles als **Richtwerte**.
+- Ebene-3-Daten optional; Route existiert und zeigt sauber `leer.html` bis befüllt.
+
+## ⚠️ Datenqualität: NIE Platzhalter-Zahlen als echtes Datum (2026-08-08)
+
+Beim Seeden von Ebene-2-Städten wurde `einwohner=150000` pauschal für ALLE gesetzt.
+Der Nutzer bemerkte sofort "es gibt keine 50k–100k-Städte in der Liste" — korrekt:
+alle kleineren Städte (Würzburg, Koblenz, Hameln …) zeigten fälschlich 150k.
+
+**Regeln:**
+- Jeder Eintrag braucht **echte, individuell korrekte** Werte. Unbekannte als
+  `NULL`/"k.A." führen — **niemals** einen plausiblen Platzhalter wie `150000`.
+- Nach dem Seed IMMER einen Duplikat-/Platzhalter-Check laufen lassen:
+  `SELECT nach FROM verkehr WHERE einwohner=<platzhalter>` → darf 0 Treffer liefern.
+- Wenn echte Zahlen fehlen (kein Webzugriff), schätzen mit **Bereich + Label**
+  ("Richtwert"), nicht als exakte Zahl. Beim späteren Update echte Werte nachtragen.
+- 50k–100k-Ziele sind der eigentliche Kern einer kleinere-Schwelle-Liste — sie
+  explizit ergänzen (Team lieferte konkrete: ab Trier→Worms/Bad Kreuznach/
+  Idar-Oberstein/Neunkirchen; ab Hannover→Hameln/Celle/Goslar/Lüneburg/Delmenhorst).
+
+## ⚠️ Finale Ebene darf keine Dangling-Links auf nicht-existente Unter-Ebene erzeugen (2026-08-08)
+
+Das Drill-Down-Template verlinkte jedes Ziel auf `/<ebene+1>/<slug>` — auch auf der
+**letzten** Ebene. Bei 3 Ebenen zeigte Ebene-3 daher Ziele, die auf **`/4/<stadt>`**
+verwiesen, eine Route die es nicht gibt → **404** (und Verstoß gegen die Nutzer-Erwartung
+„jede Ebene hat eine Unter-Ebene… bis die es gibt«). User bemerkte es sofort.
+
+**Fix / Regel:** Das Template muss die **letzte Ebene als final markieren** statt
+einen toten Weiter-Link zu rendern:
+```jinja
+{% if ebene <= MAX_EBENE_DEPTH %}
+  <td><a href="/{{ ebene+1 }}/{{ z.nach|lower }}">{{ z.nach }}</a></td>
+{% else %}
+  <td>{{ z.nach }} <small>(final)</small></td>
+{% endif %}
+```
+Generell: **Jeder `href` auf eine `<ebene+1>`-Route darf nur in Ebenen gerendert
+werden, die wirklich existieren** (≤ Tiefe). Vor dem Livegehen alle Funktionspfade
+durchklicken (curl auf `/1/ `/2/ `/3/`) und darauf achten, DASS kein Link auf eine
+NICHT eingerichtete Ebene zeigt (`grep -oE 'href="/4/'` darf leer sein).
+
+## Umlaut-Slug-Match: auch umgekehrte Einzelbuchstaben berücksichtigen (2026-08-08)
+
+Der Slug für `Köln` ist `koln` (nur `ö→o` beim Sluggen), während ein Nutzer/anderer
+Kandidat `koeln` (Transkription) verwenden könnte und die DB `Köln` speichert. Der
+Stadtname-Match muss ALSO **beide^ Richtungen** anbieten:
+- Transkription: `ue→ü, oe→ö, ae→ä, ss→ß` (für Slugs, die voll transkribieren).
+- **Einzelbuchstaben umgekehrt:** `o→ö, u→ü, a→ä, s→ß` (für URL-Slugs wie `koln`,
+  `wuerzburg`→`würzburg`), damit `koln`→`Köln` matcht.
+Jeder Fund-Kandidat wird gegen `LOWER(replace(nach,' ',''))` geprüft; der erste
+Treffer gewinnt. Ohne den Einzelbuchstaben-Fall bleiben `koln`, `rossleben`-artige
+URLs auf 404, obwohl die Stadt existiert. Beispiel-Kandidatenliste für `koln`:
+`koln, köln, koeln, koln` (alle Versuche) — der `ö`-Versuch matcht die DB.
+
+## ⚠️ Generator: nie nur die NÄCHSTEN Ziele nehmen — sonst verschwinden Fernziele (2026-08-09)
+
+Beim automatischen Seeden von Drill-Down-Ebenen (Distanz-basiert, z.B. Ebene-2-Ziele
+aus einer Städte-Referenzliste mit Haversine) ist die größte Daten-Falle das
+**Abschneiden des fernen Endes**:
+
+```python
+# FALSCH: sortiert nach Distanz (nahe zuerst) und nimmt die ersten N
+ziele.sort(key=lambda x: x[0]/70)        # d/70 = h
+for nach, ... in ziele[:N]:              # N = z.B. 26
+    ...
+```
+→ Das nimmt nur die **nächsten** Städte. Alle **5-7h- und >7h-Fernziele** fallen
+raus, weil sie weiter weg sind. Symfony: Trier-Ebene2 hatte danach **nur "unter 5h"**
+(alle 26), 0 Kernziele, 0 Fernziele. Der Nutzer bemerkte sofort: „Jetzt sind nur noch
+die kleinen da — was ist mit den 5-7h und >7h passiert?"
+
+**Fix — pro Kategorie die nahsten N, damit ALLE Kategorien vertreten bleiben:**
+```python
+kat = {"unter 5h":1, "Kernziel (5-7h)":2, "über 7h":3}[...]   # h aus d/70
+kategorien[kat].append(...)
+# danach je Kategorie sortieren + je Kategorie max_pro_kat nehmen
+for kat in ["unter 5h","Kernziel (5-7h)","über 7h"]:
+    kategorien[kat].sort(key=lambda x: dist)
+    ziele += kategorien[kat][:max_pro_kat]      # z.B. max_pro_kat=9
+```
+Gib dadurch pro Startstadt z.B. 26 unter5h + 26 kern + 17 über7h statt nur 26 nah.
+
+**Zweite Fall-Hälfte (Kategorie aus echter Zeit ableiten, NICHT aus Wunschbandbreite):**
+Die Kategorie muss aus der **berechneten Stundenzahl** (`h<5 → unter5h`, `5≤h≤7 →
+Kernziel(5-7h)`, `h>7 → über7h`) kommen. Vorher wurde `d<350km → 5-7h` als Distanz-
+Bandbreite gesetzt, was Ziele mit `~3h` als "Kernziel 5-7h" labelte — also Label und
+angezeigte Fahrtzeit widersprachen sich (Dinslaken ~3h als "5-7h"). Einheitlich: erst
+`h = d/70` berechnen, dann Kategorie aus h. Prüf-Check nach dem Seed:
+```sql
+SELECT kategorie,COUNT(*) FROM verkehr WHERE ebene=2 GROUP BY kategorie  -- alle 3 gefüllt?
+```
+Erwartung: nie eine Ebene, die nur 1 Kategorie enthält, solange es Fernziele <700km
+gibt.
+
+## ⚠️ PDF-Erwartung: je EINZELNE Verbindung, nicht Liste aller Ziele (2026-08-09)
+
+Nutzer beim Betrachten der urlaub-Site: „Die PDF finde ich blöd. Ich habe gedacht
+die PDF wäre für die Verbindung von → nach, nicht nur eine PDF mit allem." — Der
+erste Entwurf erzeugte **eine PDF pro Startstadt mit ALLEN Zielen** (Liste). Erwartung
+war aber: **eine PDF je konkreter Fahrt (Start → Ziel)**.
+
+**Fix:** Route auf Paar umbauen `@app.route('/pdf/<von>/<nach>')` mit einem *losen*
+`pdf_einzel.html`-Template (Abfahrt-Zeit/Ziel/Fahrtzeit/Weg/Ticket), das **genau eine**
+Verbindung beschreibt. Links in der Tabelle zeigen dann auf
+`/pdf/<von>/<nach>` (je Zeile), nicht auf `/pdf/<startstadt>`. Wichtig:
+- Beide Slugs über den `resolve()`-Helper mit Umlaut-/Fallback-Match gegen DB auflösen.
+- Existiert die Verbindung nicht in der DB, trotzdem eine saubere Wegzeile rendern
+  („Richtwert (DB prüfen)") statt 404 — der Nutzer soll immer ein PDF bekommen.
+- Nach Umbau die alte Listen-Route entfernen (`/pdf/<stadt>` → 404 bestätigen), sonst
+  bleibt die gewohnte Liste erreichbar und verwirrt.
+- Dateiname je Verbindung: `<von>--<nach>.pdf` (vermeidet Überschreiben bei mehreren Fahrten).
+
+**Grundsatz:** Bei "PDF pro X" immer zuerst klären, ob der Nutzer *ein Dokument je
+Datensatz* (hier: Fahrt) oder *ein Sammeldokument je Gruppe* (Startstadt) will.
+Im Zweifel Richtung "je einzelner Eintrag/Fahrt" gehen — das ist die intuitive Erwartung.
+
+## Team-Audit: Sub-Agenten können VPS-Dateien nicht lesen (2026-08-09)
+Ein Audit-Task, das einem Sub-Agenten nur einen Pfad gibt (`/opt/urlaub/app.py`,
+`urlaub.db`) scheitert stets: Rechen-Agenten haben **keinen VPS-Lesezugriff** und
+finden die Datei nicht → sie können den Code nicht gegenprüfen und brechen ab
+(korrekt, statt zu erfinden). Für Code-/Daten-Audits musst du als Master die
+**relevanten Inhalte in den Task einbetten** (Schema, Codesnippets, Beispiel-Zeilen)
+oder den Audit selbst anhand des echten Systemstands durchführen. Sonst läuft ein
+„Team-Audit" ins Leere. Dieses Session-Thema: 1 von 3 Audit-Tasks brachte nichts,
+weil der Agent nur den Pfad bekam.
+
+## ⚠️ Backend-Code gehört ebenfalls ins Team-Review (2026-08-08)
+
+Der Nutzer fragte nach dem Bau zu Recht: „Habt ihr euch gegengecheckt?" — Die
+Ebene-2-DATEN kamen vom Team, aber der **Flask-Code/PDF/DB-Link war solo gebaut
+ohne Review**. Die Review-Runde fand SOFORT echte Bugs:
+- DB-Deep-Link `#query=`-Format war falsch (→ korrektes `query.exe/dn`, siehe
+  `deutsche-bahn-timetable-data.md`).
+- Einwohner-Platzhalter (s.o.).
+**Lektion:** Nicht nur fachliche Daten durchs Team prüfen lassen, sondern auch den
+Deployment-Code. Ein kurzer Review-Task mit eingebettetem Kontext („Bitte analysiere
+den Deep-Link + Platzhalter, nenne Fixes") findet solche Fehler günstig und schnell —
+genau das „4 Agents > 1 teurer Agent"-Prinzip des Nutzers.
@@ -0,0 +1,83 @@
+# GTFS-RAPTOR-Verbindungssuche: Praxis & Pitfalls (2026-08-19, urlaub.perfekt-ohne-en.de)
+
+Echte Nahverkehrs-Verbindungs-Suche (RE/RB/S-Bahn, kein ICE) aus einer GTFS-Datei
+(Nutzer lieferte `r.und.s.bahnen.zip`). Löst die Aufgabe "komplette Haltestellenliste
+in einer PDF + konsistente Fahrzeiten für viele Zielverbindungen".
+
+## Warum RAPTOR statt Dijkstra
+
+Einfacher Dijkstra auf einem statischen Graphen ist bei großen Knoten **instabil**:
+benachbarte Ziele ergaben absurde Differenzen (Mainz→Berlin 11h vs. Nachbar Wiesbaden
+3h). **RAPTOR** (Round-Based Public Transit Optimized Route) erweitert die Reichweite
+Runde um Runde über echte Trips und behandelt "Zug nehmen → aussteigen → umsteigen"
+natürlich. Für Zeit-abhängiges Transit-Routing ist RAPTOR der Standard.
+
+## GTFS-Import — Spaltenreihenfolge ist NICHT selbsterklärend!
+
+Vor dem Import IMMER `head -1 <datei>.txt` lesen, nie annehmen:
+
+- `stops.txt`: `stop_name, parent_station, stop_id, stop_lat, stop_lon, …`
+  **stop_id ist Spalte 3**, parent_station Spalte 2. Ein Bahnhof hat oft ZWEI Zeilen
+  (parent-'Hbf' + stop_id-Knoten); die `stop_id` ist fürs Joinen zu `stop_times` gedacht.
+- `stop_times.txt`: `trip_id, arrival_time, departure_time, stop_id, stop_sequence, …`
+  **stop_id Spalte 4**.
+- `trips.txt`: `route_id, service_id, trip_id` — **trip_id Spalte 3**, nicht 0.
+  Import-Bug hier: Spalte 0 (route_id) genommen → nur 964 statt 110.087 Trips.
+- `stop_times.txt` ist riesig (82MB); als SQLite laden mit Index auf `(trip_id, seq)`.
+
+## Bahnhof = mehrere stop_ids, nur 1 aktiv in `st`
+
+Große Knoten haben MEHRERE stop_ids (Saarbrücken Hbf = 6, Köln Hbf = 2), aber nur
+einige kommen in `stop_times` vor. `SELECT stop_id WHERE stop_name='Köln Hbf'` kann eine
+"tote" ID mit 0 Trips liefern. **Lösung: Geo-Merge** — Stops <350m Abstand (Haversine)
+in eine Gruppe fassen; Routing löst Start/Ziel über die GANZE Gruppe auf und nimmt MIN
+über alle Ziel-IDs. Sonst schlägt die Verbindung fehl oder wird absurd.
+
+## `resolve("Berlin")`-Substring-Falle
+
+`name.lower() in stop_name.lower()` matcht ALLE Stops mit "berlin" im Namen — auch
+kleine Orte (z.B. ein Ort "Berlin" unweit Trier → unter 5h statt quer durchs Land!).
+Für mehrdeutige Städte IMMER eindeutigen Bahnhof angeben (`"Berlin Hbf"`) und die
+Site-DB-`nach`-Werte darauf normieren. Umlaute: Name-basiertes Matching braucht
+Umlaut-Rücktranskription (ue/oe/ae/ss ↔ ü/ö/ä/ß).
+
+## RAPTOR: Dauer UND Pfad (für PDF-Haltestellenliste)
+
+Nur Dauer reicht nicht — die PDF soll die komplette Haltestellenliste zeigen. RAPTOR
+muss pro Stop den **parent** speichern (mit welchem trip + Einstieg-Stop erreicht) und
+nach Ziel-Erreichen den Pfad rückwärts rekonstruieren: je Segment alle Stops von
+Einstieg bis Ausstieg → echte GTFS-Haltefolge (Trier→Konz→Saarburg→…→Saarbrücken).
+Für Lesbarkeit `[von] + halteliste + [nach]` als Rahmen.
+
+## PDF-Route: Pfad-Cache statt Live-RAPTOR (sonst 504)
+
+Live-RAPTOR bei jedem PDF-Aufruf ist zu langsam (bis 200s → nginx 504 Gateway Timeout).
+Lösung: **Pfad-Cache vorab bauen** (`pfade_cache.json`: key `von|nach` → seg + dauer_h)
+und die PDF-Route liest nur JSON → PDF <1s.
+⚠️ Cache auf die Kern-Ebenen (1+2) begrenzen: alle Paare wären ~7h Bauzeit, die
+Kernmenge ~35min.
+
+## Start ohne Bahnhof (Radevormwald) → Remap + Bus-Vorsatz
+
+Ein Startort ohne Schienenanschluss hat KEINEN Stop im Feed → Routing fehlt für die
+wichtigste Ebene 1. Lösung: auf nächstgelegenen Bahnhof remappen (Radevormwald →
+Remscheid-Lennep Bf) und einen Bus-Vorsatz (~20min) als erstes "Segment" + zur Dauer
+addieren. Solche Fälle explizit als `START_REMAP = {ort: (bahnhof, bus_min)}` führen,
+sonst fehlt die Ebene-1-PDF komplett.
+
+## Unsichere/absurde Fernzeiten → "prüfen", nie falsch anzeigen
+
+Auch RAPTOR liefert auf manchen komplexen Fernstrecken falsche Werte (z.B. >10h, wenn
+Routing fehlschlug; real Regional 6–9h). Ehrlich handeln: plausible Werte behalten,
+unsichere (>10h / 0.0h / leer) als **`'prüfen'` mit Kategorie `unsicher (vor Fahrt
+prüfen)`** markieren, und das Template zeigt „vor Fahrt prüfen" statt einer Zahl. Das
+Template muss jede unsichere Kategorie in seiner Gruppen-Map führen, sonst
+verschwinden die Zeilen still.
+
+## Empirische Referenz-Anker (Plausibilitäts-Check, Regional only)
+
+- Trier→Saarbrücken ~55–60min (RE 1 direkt)
+- Köln→Aachen ~35–50min (RE 1/RE 9)
+- Köln→Frankfurt regional ~2,5–3h MIT Umstiegen (~1,5h wäre nur ICE = NICHT korrekt)
+- Radevormwald→Frankfurt ~5,5h (Bus + Remscheid-Lennep + Regional)
+- Verifizieren mit diesen Ankern, NIE dem Algorithmus blind vertrauen.
@@ -0,0 +1,53 @@
+# GTFS-Verbindungs-PDF: Offline-Precompute statt Live-Routing (2026-08-19)
+
+Bewährt für `urlaub.perfekt-ohne-en.de` (Flask + SQLite + GTFS-Zugdaten). Wenn eine
+Einzel-Verbindungs-PDF eine **komplette Fahrplan-Verbindung inkl. Haltestellenliste**
+zeigen soll, darf die Flask-Route den Router/RAPTOR/Dijkstra **nicht bei jedem Request**
+ausführen.
+
+## Symptom
+
+`wkhtmltopdf` + RAPTOR auf großen Knoten (Köln, Berlin) lief 40–200 s je Aufruf →
+**nginx 504 Gateway Timeout** (Gateway-Zeitlimit überschritten). Nutzer meldete
+„Wenn ich die PDF anklicke … keine Haltestellenliste".
+
+## Fix: einmaliger Offline-Backfill → JSON-Cache → schneller Cache-Read
+
+1. **Precompute-Skript** (`gtfs_pfade_cache.py`): iteriert `SELECT DISTINCT von,nach`
+   aus `urlaub.db`, ruft für jedes Paar `router.path(von,nach)` (liefert Segmentliste
+   der Zwischenhalte), schreibt `pfade_cache.json`:
+   ```json
+   {"<von>|<nach>": {"seg": [["Halt1","Halt2",...]], "dauer_h": 1.5}}
+   ```
+2. **Flask-Route** liest NUR `json.load(open('/opt/<app>/pfade_cache.json'))` mit
+   Key `f"{start}|{ziel}"` → Antwort < 1 s, kein Timeout. **Nie** den Router zur
+   Laufzeit importieren/rechnen.
+3. Skript als **Hintergrund-Job** (background=true, notify_on_complete) laufen lassen,
+   nicht foreground.
+
+## Teilmenge wählen, sonst quadratische Backfill-Zeit
+
+Eindeutige `von|nach` über ALLE Ebenen waren **10 510 Paare** → ~2,4 s/Paar = **~7 h**.
+Auf die **Ebenen 1+2** (`WHERE ebene IN (1,2)`, ~1 979 Paare) beschränkt = **~35 min**.
+Ebene-3 (Kleinstädte) = reine Verzweigung ohne eigene PDFs → weglassen.
+
+- Trefferquote ist KEINE 100 % (Radevormwald/Kleinstädte ohne Bahnhof im Feed).
+  Template ehrlich auf „Keine GTFS-Haltestellenliste verfügbar" zurückfallen, nie erfinden.
+
+## Pfad-Rekonstruktion muss dasselbe Abfahrtsprofil wie die Dauer nutzen
+
+Ein Precompute mit **fester Abfahrtszeit (09:00)** rekonstruierte nur ~34 % der Pfade,
+weil viele Verbindungen erst zu späteren Tageszeiten existieren. Die Dauer-Profile-Suche
+(06–22 Uhr) liefert mehr Treffer — die Pfad-Rekonstruktion muss **dasselbe Profil**
+durchlaufen statt fest 09:00, sonst bleibt die Trefferquote konsistent niedrig.
+
+## Verifikation
+
+```bash
+# Service nach Template-/Code-Änderung neu starten, dann:
+curl -sk -o /dev/null -w "PDF: %{http_code} (%{time_total}s)\n" \
+  "https://<sub>/pdf/<von>/<nach>"
+# Erwartung: 200 in <1 s (nicht 504), Haltestellenliste enthalten sobald Cache da.
+```
+Flask läuft mit `debug=False` (systemd) → **nach Änderung IMMER `systemctl restart`**
+(wg. Template-/Code-Reload-Pitfall, siehe Haupt-SKILL).
@@ -0,0 +1,66 @@
+# GTFS-Verbindungssuche: RAPTOR real erprobt (2026-08-19)
+
+Kontext: Webseite urlaub.perfekt-ohne-en.de (Zugsuche, nur Nahverkehr/kein ICE).
+Nutzer stellte echte GTFS-Datei bereit (Regional/S-Bahn) — Verarbeitung brachte
+mehrere harte Lektionen.
+
+## Lektion 1: RAPTOR verbessert, aber ist KEINE fertige Lösung
+
+Einfacher **Dijkstra** auf GTFS ist instabil bei grossen Knoten: benachbarte Ziele
+ergaben absurde Differenzen (Mainz→Berlin 11h vs. Nachbar Wiesbaden 3h — unmoeglich).
+**RAPTOR** (Round-Based) ist der richtige Algorithmus und verbessert die Konsistenz
+(Mainz & Wiesbaden → Berlin wurden konsistent ~8h22).
+
+**ABER:** RAPTOR erzeugt weiterhin einzelne absurde Fernwerte (z.B. Mainz→Berlin
+~22h, real Regional ~7-9h; Trefferquote ~66-95%). Ein Algorithmus mit solcher
+Einzelfehlerquote darf NICHT als finale Fahrzeit-Quelle ausgegeben werden.
+
+**Praxisfix (Nutzer-Entscheidung „3 dann 1"):**
+- **Option 3 (sofort):** nur *team-verifizierte* Kernzeiten konkret anzeigen
+  (Plausibilitaets-Anker: Trier→Saarbruecken ~1h, Koeln→Aachen ~50min, vom Team
+  bestaetigt). Alle anderen Verbindungen → `fahrzeit_h='pruefen'` in SQLite; Template
+  rendert stattdessen orangen Hinweis „vor Fahrt prüfen". NIE absurde/inkonsistente
+  Zahl als real stehen lassen.
+- **Option 1 (danach):** robuste Suche erst auf die Seite schreiben, wenn JEDER Wert
+  separat gegen einen Plausibilitaets-Anker verifiziert ist.
+
+## Lektion 2: Konsistenz-Check = Nachbar-Ziele gegeneinander pruefen
+
+Der schnellste Fehlerdetektor: benachbarte Ziele vergleichen. Mainz→Berlin darf
+nicht dramatisch von Wiesbaden→Berlin abweichen (gleiche geographische Lage).
+Erst wenn das Cluster konsistent ist, Werte freigeben.
+
+## Lektion 3: PDF-Haltestellenliste via VORAB-PFAD-CACHE
+
+Nutzerwunsch: PDF soll die komplette Verbindung (`von → zwischenhalte → nach`) zeigen,
+nicht nur Start/Ziel. On-the-fly-Routing bei jedem PDF-Aufruf ist zu langsam
+(RAPTOR ~40-200s → nginx **504 Gateway Timeout**).
+
+**Lösung:** Vorab einmalig Pfad-Cache bauen (`pfade_cache.json`), NUR die Kern-Ebenen
+1+2 (~1.900 eindeutige `von|nach`-Paare; Ebene 3 = Kleinstaedte braucht keine eigenen
+PDFs). PDF-Route liest `json.load(cache)[f"{start}|{ziel}"]["seg"]` → Ladezeit von
+504 auf **~0,4s**. Wiederverwendbares Muster: Wenn On-the-fly-Berechnung zu langsam
+ist, vorab einen Cache bauen und die Route daraus lesen.
+
+- Template ergaenzt Start-Stadt als ersten + Ziel-Stadt als letzten Eintrag, damit
+  die Liste immer den Rahmen `von → ... → nach` bildet.
+
+## Lektion 4: GTFS-Datenmodell-Fallen
+
+- `stops.txt` Spaltenreihenfolge ist NICHT `stop_id,stop_name,...` — sie ist
+  `stop_name,parent_station,stop_id,stop_lat,stop_lon,...`. Beim Import die echte
+  stop_id aus den richtigen Spalten ziehen (parent_station ist oft die nutzbare ID).
+- Ein Bahnhof hat **mehrere stop_ids** (Saarbruecken Hbf hat 6, nur je 1 aktiv in `st`;
+  Koeln Hbf hat 2). Geo-Merging (<350m) gruppiert sie; sonst matcht die Suche auf
+  eine tote ID und liefert „keine Verbindung".
+- Zeit-Spalten: `HH:MM` ODER `HH:MM:SS` — to_sec() muss beides handhaben.
+- COROS/Efa-Text-APIs liefern oft `\\n` als literalen Backslash-n statt echten
+  Zeilenumbruchen → vor dem Parsen `text.replace('\\n','\n')`.
+
+## Performance-Falle bei Gesamt-Neuberechnung
+
+Pro-Profile-Query (33 Abfahrtszeiten) × pro Verbindung ist zu teuer fuer ~12.000
+Verbindungen (huubai 18h). Effizienter: **EIN Dijkstra/RAPTOR je eindeutiger
+Start-Bahnhof (Ausbreitung zu allen Zielen in einem Lauf)** → ~250 Starts statt
+12.000 × viele → von Stunden auf ~10min. Cache die Ausbreitung je Start und lese
+die Ziel-Ankunft daraus ab.
@@ -0,0 +1,60 @@
+# GTFS Echt-Fahrplan-Routing (Nahverkehr, kein ICE)
+
+Erfahrungen aus urlaub.perfekt-ohne-en.de (3-Ebenen-Zugsuche, Nutzer lieferte
+`r.und.s.bahnen.zip` = Regional + S-Bahn, Deutschlandticket-tauglich).
+Ziel war: echte Fahrzeiten statt Luftlinien-Schätzung, max ~1h Abweichung.
+
+## Modellierung & GTFS-Gotchas
+
+- **stops.txt kann Spalten in unerwarteter Reihenfolge/CSV haben.** Hier war der
+  Header: `stop_name,parent_station,stop_id,stop_lat,stop_lon,...` und `parent_station`
+  ist die **echte ID**, `stop_id` die Sekundär-ID. Immer per Header/Index lösen,
+  nie fest annehmen — die Spaltenreihenfolge weicht von der GTFS-Konvention ab.
+- **Ein Bahnhof = viele stop_ids, nur EINE aktiv in stop_times.** Beispiel:
+  "Saarbrücken Hbf" hat 6 IDs, "Köln Hbf" 2, nur jeweils 1 davon taucht in `st`
+  (den Routen) auf. Löse Stops über Geo-Cluster (<350 m) zu einer Gruppe zusammen
+  (`parent_station` nutzen, wenn befüllt).
+- **Orte ohne Bahnhof** (Radevormwald) haben keine Trips → über den nächstgelegenen
+  Bahnhof (Remscheid-Lennep) routen + Bus-Vorsatz (20 min) als eigenes Hinweis-Segment.
+- **Namens-Matching ist fragil:** DB-Name "Freiburg im Breisgau" ≠ GTFS
+  "Freiburg Hauptbahnhof". Robust: kleinsten gemeinsamen Teilstring + von den Kandidaten
+  den mit den meisten Trips (größter Stop) wählen.
+
+## Algorithmus: RAPTOR statt Dijkstra
+
+Einfacher **zeit-basierter Dijkstra ist bei großen Knoten instabil** und liefert
+inkonsistente Zeiten (Mainz→Berlin 11h vs. Nachbar Wiesbaden 3h). Standard-Lösung:
+**RAPTOR** (Round-Based) — erweitert Reichweite Runde um Runde über echte Trips.
+
+Kern-Ablauf RAPTOR:
+1. `earliest[stop] = dep0` an allen Start-Stops (eigene Anfangszeit, KEIN Umstiegsbuffer am Einstieg).
+2. Je Runde: von markierten Stops alle abfahrenden Trips nach `earliest` nehmen,
+   entlangfahren, `earliest[sid]` verbessern.
+3. Ziel erreicht → abbrechen; sonst neue markierte Menge = neue Runde.
+4. **Umstiegsbuffer** (4 min) nur bei Umstieg > dep0, nicht am Start.
+
+### Performance
+- Pro-Paar-Routing mit 17–33 Profil-Abfahrtszeiten ist langsam (Sekunden bis Minuten).
+- **2x Beschleunigung:** ein einziger "Ausbreitungs"-Dijkstra/RAPTOR je **Start-Bahnhof**
+  erreicht alle Ziele zugleich (5000 Paare in Minuten statt Stunden).
+- **Pfad-Cache:** einmalig berechnete `(von|nach) -> Segmente` als JSON cachen
+  (`pfade_cache.json`), damit die Web-Route/PDF nur noch liest (0,5 s statt 504-Timeout).
+
+## Pfad-Rekonstruktion für Haltestellenliste
+
+RAPTOR so ertüchtigen, dass er `parent[stop] = (trip_id, einstieg_stop)` merkt und
+rückwärts den kompletten Weg (alle Zwischenhalte je Zugsegment) aufbaut. Benötigt,
+um in der PDF die vollständige Haltestellenliste zu zeigen (Nutzerwunsch: nicht nur
+Start/Ziel, sondern alle Halte aus der GTFS-Datei).
+
+## Fallstricke & Lektionen
+
+- **Kein Vertrauen in eine einzige Verifikation:** Zeiten immer gegen 2–3 bekannte
+  Referenzstrecken prüfen (Trier→Saarbrücken ~1 h, Köln→Aachen ~50 min, Köln→Frankfurt
+  Regional ~2,5–3 h). "Skurrile" Werte (11 h für Nachbarstädte) deuten auf einen
+  Routing-/Auflösungs-Fehler, nicht auf echte Fahrzeit.
+- **Fehlende/fehlerhafte Werte nicht erfinden,** sondern ehrlich als
+  "vor Fahrt prüfen" markieren. Eine Webseite mit "prüfen"-Labels ist besser als eine
+  mit falschen Zahlen (Ehrlichkeits-Regel, siehe deutsche-bahn-timetable-data.md).
+- **Batch-Schreibroutinen:** erst validieren/löschen, dann neu einfügen (idempotent);
+  DB vor jedem Lauf sichern (Backup-Regel).
@@ -0,0 +1,128 @@
+# Multi-Site Pattern: Verlinkte Fitness/Calculator-Websites
+
+Pattern aus Session 2026-07-12: Zwei zusammenhängende Single-Page-Apps auf Subdomains derselben Domain.
+
+## Überblick
+
+- **fitness.perfekt-ohne-en.de**: Makro-Rechner mit BMR, Aktivitätslevel, PDF-Export
+- **kalorienrechner.perfekt-ohne-en.de**: Reiner Kalorienrechner mit Abnehm-Prognose
+- Beide Sites per Cross-Link verbunden, **Daten werden beim Wechsel übergeben**
+
+## Architektur
+
+```
+perfekt-ohne-en.de (Hauptdomain)
+├── fitness.perfekt-ohne-en.de     → /var/www/fitness.perfekt-ohne-en.de
+└── kalorienrechner.perfekt-ohne-en.de → /var/www/kalorienrechner.perfekt-ohne-en.de
+```
+
+## Datenübergabe per URL-Parameter
+
+Wenn der Nutzer auf Fitness Daten eingibt und dann zum Kalorienrechner wechselt, werden die Formularwerte als Query-String mitgegeben:
+
+```javascript
+// Auf der Quellseite:
+function goToTarget(e) {
+    e.preventDefault();
+    const params = new URLSearchParams({
+        g: gender,        // 'male'|'female'
+        w: weight.value,  // kg
+        h: height.value,  // cm
+        a: age.value,
+        act: activity.value,  // activity factor
+        goal: goal.value      // goal factor
+    });
+    window.location.href = 'https://target.example.de/?' + params.toString();
+}
+```
+
+```html
+<a href="#" onclick="goToTarget(event)">👉 Zur anderen Seite (mit Daten)</a>
+```
+
+Auf der Zielseite werden die Parameter beim Laden eingelesen und das Formular vorausgefüllt:
+
+```javascript
+(function(){
+    const p = new URLSearchParams(window.location.search);
+    if (p.get('w')) document.getElementById('weight').value = p.get('w');
+    if (p.get('h')) document.getElementById('height').value = p.get('h');
+    if (p.get('a')) document.getElementById('age').value = p.get('a');
+    if (p.get('g')) setGender(p.get('g'), ...);
+    if (p.get('act')) document.getElementById('activity').value = p.get('act');
+    if (p.get('goal')) document.getElementById('goal').value = p.get('goal');
+    // Auto-calculate if all data present
+    if (p.get('w') && p.get('h') && p.get('a')) calculate();
+})();
+```
+
+**URL-Beispiel:**
+```
+https://kalorienrechner.perfekt-ohne-en.de/?g=male&w=80&h=178&a=30&act=1.375&goal=0.85
+```
+
+## PDF-Download (jsPDF)
+
+Beide Sites nutzen jsPDF (CDN) für PDF-Export:
+
+```html
+<script src="https://cdnjs.cloudflare.com/ajax/libs/jspdf/2.5.1/jspdf.umd.min.js"></script>
+```
+
+**Minimale downloadPDF()-Funktion:**
+```javascript
+async function downloadPDF() {
+    if (typeof window.jspdf === 'undefined') return alert('PDF wird geladen...');
+    const { jsPDF } = window.jspdf;
+    const pdf = new jsPDF('p','mm','a4'), m = 20;
+    pdf.setFillColor(16,185,129); pdf.rect(0,0,210,15,'F');
+    pdf.setTextColor(255,255,255); pdf.setFontSize(14);
+    pdf.text('Titel', m, 12);
+    pdf.setTextColor(0,0,0); pdf.setFontSize(10);
+    // ... Daten einfügen ...
+    pdf.save('ergebnis.pdf');
+}
+```
+
+**Pitfall:** `pdf.text()` existiert immer in jsPDF 2.x. Kein `typeof`-Check nötig!
+
+## Sponsor-Coin (CSS-Animation)
+
+Kleines drehendes Logo mit Link zur Sponsoren-Seite:
+
+```css
+.sponsor-coin { margin-bottom: 1rem; }
+.coin-link { display: inline-flex; align-items: center; gap: 0.5rem; }
+.coin-img {
+    width: 45px; height: 45px; border-radius: 50%;
+    animation: spinCoin 4s ease-in-out infinite;
+    filter: drop-shadow(0 2px 6px rgba(16,185,129,0.3));
+}
+.coin-link:hover .coin-img {
+    animation: spinCoin 0.6s ease-in-out infinite;
+}
+@keyframes spinCoin {
+    0% { transform: rotateY(0deg); }
+    50% { transform: rotateY(180deg); }
+    100% { transform: rotateY(360deg); }
+}
+```
+
+```html
+<div class="sponsor-coin">
+    <a href="https://sponsor.example.de" class="coin-link">
+        <img src="/assets/logo.png" alt="Sponsor" class="coin-img">
+        <span class="coin-text">Gesponsert von</span>
+    </a>
+</div>
+```
+
+## Deployment-Checkliste
+
+1. `mkdir -p /var/www/sub.example.de/{html,logs,assets}`
+2. nginx VHost in `/etc/nginx/sites-available/` → `ln -sf` → `sites-enabled/`
+3. `nginx -t && systemctl reload nginx`
+4. HTML-Dateien erstellen → **SOFORT**: `chown www-data:www-data && chmod 644`
+5. Assets (Logos) kopieren → `chown www-data:www-data`
+6. `certbot --nginx -d sub.example.de --non-interactive --agree-tos --email admin@... --redirect`
+7. Lokal testen: `curl -s -H "Host: sub.example.de" http://localhost/ | grep '<title>'`
@@ -0,0 +1,39 @@
+# Statische, datengetriebene Website mit PDF-Download je Eintrag (2026-08-08)
+
+Muster für eine statische Status-/Listen-Seite auf einer Subdomain, die aus einem
+JSON-Datensatz rendert und **pro Eintrag ein PDF** zum Download anbietet
+(wkhtmltopdf, kein PHP/Python-Backend nötig). Beispiel: Zugverbindungs-Liste mit
+je-Ziel-PDF (urlaub.perfekt-ohne-en.de).
+
+## Bausteine
+
+1. **Datenquelle**: eine `daten.json` im Webroot (Liste von Objekten mit den
+   anzuzeigenden Feldern + Fahrtzeit + Kategorie + Weg).
+2. **`index.html`**: lädt `daten.json` per `fetch`, gruppiert nach Kategorie
+   (z.B. Kernziel / über-7h / Fernzone) und rendert Tabellen mit
+   `<a href="pdf/<slug>.pdf">⬇ PDF</a>`-Buttons.
+   Slug-Funktion: lowercase + NFD-normalisieren + Umlaute streifen + `[^a-z0-9]`→`-`.
+3. **PDF-Generator** (`/usr/local/bin/<projekt>-pdf.sh`):
+   - Python-Schleife: liest `daten.json`, baut je Eintrag eine temporäre HTML-Datei
+     in `/tmp/<projekt>-html/`, schreibt nach `/var/www/<sub>/pdf/<slug>.pdf`.
+   - `wkhtmltopdf --quiet --enable-local-file-access "$html" "$pdf"`.
+   - Danach `chown -R www-data:www-data <webroot>` (write_file erzeugt root:root).
+   - Glob-Sicherheit bei leeren Verzeichnissen: `rm -rf /tmp/.../*` vorher oder
+     `shopt -s nullglob` (vgl. `set -euo pipefail`).
+
+## Pitfalls
+
+- **`write_file` weigert sich auf `/etc/nginx/...`** (sensitiver Systempfad).
+  Ersatz: Inhalt nach `/tmp/<datei>` schreiben, dann `cp /tmp/<datei> /etc/nginx/...`.
+- **PDF nicht roh per `grep` prüfbar**: wkhtmltopdf komprimiert den Text. Statt
+  Text-Suche lieber (a) Größe (KB) + valides `%%EOF`-Ende prüfen, oder
+  (b) PDF im Browser öffnen (Browserbase rendert es im PDF-Viewer) als visueller Beweis.
+
+## Verifikation (end-to-end)
+
+```bash
+for f in /var/www/<sub>/pdf/*.pdf; do
+  curl -sk -o /dev/null -w "%{http_code}\n" "https://<sub>.perfekt-ohne-en.de/pdf/$(basename "$f")"
+done
+# Alle 200 => PDFs OK. Zusätztlich index.html + daten.json auf 200 prüfen.
+```