feat(ai): observability tracing + improved prompt templates

- Add AITrace type, AITraceStore (circular buffer, localStorage in DEV,
  window.__aiTraces for DevTools), provenanceToStatus() helper
- Instrument OpenRouterAIService withFallback with latency tracking and
  trace recording across all three paths (no-key, success, error)
- Wrap all MockAIService methods with traceMock for consistent in-memory
  tracing including method name, latency, and validation status
- Improve all 6 prompt templates with ROLLE/AUFGABE/VERBOTE/BEISPIEL
  structure; marketSignalPrompt carries hard prohibition against claiming
  confirmed availability from unconfirmed signals

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

src/services/ai/mock/MockAIService.ts

@@ -17,6 +17,7 @@ import type {
   MarketSignalClassification,
 } from '../IAIService'
 import { mockProvenance } from '../IAIService'
+import { aiTraceStore } from '../tracing'
 import { mockParseNeed } from './needParser'
 import { buildComparisonSummary } from './compareBuilder'
 import { buildMockDecisionBrief } from './decisionBrief'
@@ -24,6 +25,27 @@ import { buildMockDecisionBrief } from './decisionBrief'
 const SIMULATED_DELAY = { fast: 300, medium: 600, slow: 1800 }
 const delay = (ms: number) => new Promise(r => setTimeout(r, ms))
 
+// ── Tracing wrapper ───────────────────────────────────────────────────────────
+
+async function traceMock<T>(method: string, fn: () => Promise<AIResponse<T>>): Promise<AIResponse<T>> {
+  const startMs = Date.now()
+  const result = await fn()
+  aiTraceStore.add({
+    id: crypto.randomUUID(),
+    method,
+    provider: 'mock',
+    model: 'mock',
+    promptVersion: 'mock',
+    latencyMs: Date.now() - startMs,
+    fallbackUsed: false,
+    validationPassed: true,
+    responseValidationStatus: 'valid',
+    source: 'mock',
+    createdAt: new Date().toISOString(),
+  })
+  return result
+}
+
 // ── Follow-up question templates keyed by ParsedNeedCriteria field ────────────
 
 interface QuestionTemplate {
@@ -99,141 +121,150 @@ function buildFollowUpQuestions(criteria: ParsedNeedCriteria): FollowUpQuestion[
 // ── Service ───────────────────────────────────────────────────────────────────
 
 export const MockAIService: IAIService = {
-  async parseNeed(input: string): Promise<AIResponse<ReturnType<typeof mockParseNeed>>> {
-    await delay(SIMULATED_DELAY.fast)
-    return { data: mockParseNeed(input), provenance: mockProvenance() }
-  },
+  parseNeed: (input: string) =>
+    traceMock('parseNeed', async () => {
+      await delay(SIMULATED_DELAY.fast)
+      return { data: mockParseNeed(input), provenance: mockProvenance() }
+    }),
 
-  async generateFollowUpQuestions(criteria: ParsedNeedCriteria): Promise<AIResponse<FollowUpQuestion[]>> {
-    await delay(SIMULATED_DELAY.medium)
-    return { data: buildFollowUpQuestions(criteria), provenance: mockProvenance() }
-  },
+  generateFollowUpQuestions: (criteria: ParsedNeedCriteria) =>
+    traceMock('generateFollowUpQuestions', async () => {
+      await delay(SIMULATED_DELAY.medium)
+      return { data: buildFollowUpQuestions(criteria), provenance: mockProvenance() }
+    }),
 
-  async generateMatchExplanation(input: MatchExplanationInput): Promise<AIResponse<MatchExplanation>> {
-    await delay(SIMULATED_DELAY.medium)
-    const isStrong = input.matchScore >= 78
-    const isMedium = input.matchScore >= 52
-    const headline = isStrong
-      ? `Starkes Match — ${input.propertyTitle} erfüllt Ihre Kernkriterien hervorragend`
-      : isMedium
-        ? `Gutes Match mit einzelnen Kompromissen für ${input.propertyTitle}`
-        : `Schwaches Match — mehrere Kriterien nicht erfüllt bei ${input.propertyTitle}`
-    const positiveText = input.positiveFactors.slice(0, 2).map(f => f.explanation).join('; ')
-    const negativeText = input.negativeFactors.slice(0, 1).map(f => f.explanation).join('; ')
-    const summary = `${input.propertyTitle} in ${input.propertyCity} erreicht ${input.matchScore}/100 Punkte.${positiveText ? ` Hauptstärken: ${positiveText}.` : ''}${negativeText ? ` Einschränkung: ${negativeText}.` : ''}`
-    return {
-      data: {
-        headline,
-        summary,
-        keyReasons: [
-          ...input.positiveFactors.slice(0, 2).map(f => `+ ${f.explanation}`),
-          ...input.negativeFactors.slice(0, 1).map(f => `− ${f.explanation}`),
-        ],
-      },
-      provenance: mockProvenance(),
-    }
-  },
+  generateMatchExplanation: (input: MatchExplanationInput) =>
+    traceMock('generateMatchExplanation', async () => {
+      await delay(SIMULATED_DELAY.medium)
+      const isStrong = input.matchScore >= 78
+      const isMedium = input.matchScore >= 52
+      const headline = isStrong
+        ? `Starkes Match — ${input.propertyTitle} erfüllt Ihre Kernkriterien hervorragend`
+        : isMedium
+          ? `Gutes Match mit einzelnen Kompromissen für ${input.propertyTitle}`
+          : `Schwaches Match — mehrere Kriterien nicht erfüllt bei ${input.propertyTitle}`
+      const positiveText = input.positiveFactors.slice(0, 2).map(f => f.explanation).join('; ')
+      const negativeText = input.negativeFactors.slice(0, 1).map(f => f.explanation).join('; ')
+      const summary = `${input.propertyTitle} in ${input.propertyCity} erreicht ${input.matchScore}/100 Punkte.${positiveText ? ` Hauptstärken: ${positiveText}.` : ''}${negativeText ? ` Einschränkung: ${negativeText}.` : ''}`
+      return {
+        data: {
+          headline,
+          summary,
+          keyReasons: [
+            ...input.positiveFactors.slice(0, 2).map(f => `+ ${f.explanation}`),
+            ...input.negativeFactors.slice(0, 1).map(f => `− ${f.explanation}`),
+          ],
+        },
+        provenance: mockProvenance(),
+      }
+    }),
 
-  async summarizeTradeOffs(tradeoffs: TradeOffInput[]): Promise<AIResponse<TradeOffSummary>> {
-    await delay(SIMULATED_DELAY.fast)
-    const critical = tradeoffs.filter(t => t.severity === 'HIGH')
-    const overallRisk: TradeOffSummary['overallRisk'] =
-      critical.length >= 2 ? 'HIGH' : critical.length === 1 ? 'MEDIUM' : 'LOW'
-    const riskLabel = overallRisk === 'HIGH' ? 'Hoch' : overallRisk === 'MEDIUM' ? 'Mittel' : 'Gering'
-    return {
-      data: {
-        headline: tradeoffs.length === 0
-          ? 'Keine wesentlichen Trade-offs identifiziert'
-          : `${tradeoffs.length} Trade-off${tradeoffs.length > 1 ? 's' : ''} — Gesamtrisiko: ${riskLabel}`,
-        items: tradeoffs.map(t => ({ concern: t.concern, severity: t.severity, mitigation: t.mitigation })),
-        overallRisk,
-      },
-      provenance: mockProvenance(),
-    }
-  },
+  summarizeTradeOffs: (tradeoffs: TradeOffInput[]) =>
+    traceMock('summarizeTradeOffs', async () => {
+      await delay(SIMULATED_DELAY.fast)
+      const critical = tradeoffs.filter(t => t.severity === 'HIGH')
+      const overallRisk: TradeOffSummary['overallRisk'] =
+        critical.length >= 2 ? 'HIGH' : critical.length === 1 ? 'MEDIUM' : 'LOW'
+      const riskLabel = overallRisk === 'HIGH' ? 'Hoch' : overallRisk === 'MEDIUM' ? 'Mittel' : 'Gering'
+      return {
+        data: {
+          headline: tradeoffs.length === 0
+            ? 'Keine wesentlichen Trade-offs identifiziert'
+            : `${tradeoffs.length} Trade-off${tradeoffs.length > 1 ? 's' : ''} — Gesamtrisiko: ${riskLabel}`,
+          items: tradeoffs.map(t => ({ concern: t.concern, severity: t.severity, mitigation: t.mitigation })),
+          overallRisk,
+        },
+        provenance: mockProvenance(),
+      }
+    }),
 
-  async summarizeComparison(items: UnifiedMatchResult[]): Promise<AIResponse<ComparisonSummary>> {
-    await delay(SIMULATED_DELAY.medium)
-    return { data: buildComparisonSummary(items), provenance: mockProvenance() }
-  },
+  summarizeComparison: (items: UnifiedMatchResult[]) =>
+    traceMock('summarizeComparison', async () => {
+      await delay(SIMULATED_DELAY.medium)
+      return { data: buildComparisonSummary(items), provenance: mockProvenance() }
+    }),
 
-  async generateDecisionBrief(shortlistId: string): Promise<AIResponse<DecisionBrief>> {
-    await delay(SIMULATED_DELAY.slow)
-    return { data: buildMockDecisionBrief(shortlistId), provenance: mockProvenance() }
-  },
+  generateDecisionBrief: (shortlistId: string) =>
+    traceMock('generateDecisionBrief', async () => {
+      await delay(SIMULATED_DELAY.slow)
+      return { data: buildMockDecisionBrief(shortlistId), provenance: mockProvenance() }
+    }),
 
-  async generateDataQualitySummary(_propertyId: string, quality: DataQualityInput): Promise<AIResponse<DataQualitySummary>> {
-    await delay(SIMULATED_DELAY.fast)
-    const level =
-      quality.score >= 0.85 ? 'excellent'
-      : quality.score >= 0.70 ? 'good'
-      : quality.score >= 0.55 ? 'fair'
-      : quality.score >= 0.40 ? 'poor'
-      : 'critical'
-    const assessments: Record<string, string> = {
-      excellent: 'Exzellente Datenqualität — alle Kernfelder vollständig und aktuell.',
-      good: 'Gute Datenqualität — kleinere Lücken beeinflussen die Matchgenauigkeit nicht wesentlich.',
-      fair: 'Ausreichende Datenqualität — fehlende Felder können die Matchgenauigkeit beeinträchtigen.',
-      poor: 'Geringe Datenqualität — wichtige Felder fehlen, Match-Score mit Vorsicht interpretieren.',
-      critical: 'Kritische Datenqualität — fundamentale Felder fehlen, Match-Ergebnis stark eingeschränkt.',
-    }
-    const hasCritical = quality.missingCriticalFields.length > 0
-    return {
-      data: {
-        overallAssessment: assessments[level],
-        missingCriticalFields: quality.missingCriticalFields,
-        recommendation: hasCritical
-          ? `Fehlende Pflichtfelder ergänzen: ${quality.missingCriticalFields.join(', ')}`
-          : quality.score < 0.70
-            ? 'Daten aktualisieren und optionale Felder ergänzen für bessere Matchgenauigkeit.'
-            : 'Keine sofortigen Massnahmen erforderlich.',
-        confidence: quality.score,
-      },
-      provenance: mockProvenance(),
-    }
-  },
+  generateDataQualitySummary: (_propertyId: string, quality: DataQualityInput) =>
+    traceMock('generateDataQualitySummary', async () => {
+      await delay(SIMULATED_DELAY.fast)
+      const level =
+        quality.score >= 0.85 ? 'excellent'
+        : quality.score >= 0.70 ? 'good'
+        : quality.score >= 0.55 ? 'fair'
+        : quality.score >= 0.40 ? 'poor'
+        : 'critical'
+      const assessments: Record<string, string> = {
+        excellent: 'Exzellente Datenqualität — alle Kernfelder vollständig und aktuell.',
+        good: 'Gute Datenqualität — kleinere Lücken beeinflussen die Matchgenauigkeit nicht wesentlich.',
+        fair: 'Ausreichende Datenqualität — fehlende Felder können die Matchgenauigkeit beeinträchtigen.',
+        poor: 'Geringe Datenqualität — wichtige Felder fehlen, Match-Score mit Vorsicht interpretieren.',
+        critical: 'Kritische Datenqualität — fundamentale Felder fehlen, Match-Ergebnis stark eingeschränkt.',
+      }
+      const hasCritical = quality.missingCriticalFields.length > 0
+      return {
+        data: {
+          overallAssessment: assessments[level],
+          missingCriticalFields: quality.missingCriticalFields,
+          recommendation: hasCritical
+            ? `Fehlende Pflichtfelder ergänzen: ${quality.missingCriticalFields.join(', ')}`
+            : quality.score < 0.70
+              ? 'Daten aktualisieren und optionale Felder ergänzen für bessere Matchgenauigkeit.'
+              : 'Keine sofortigen Massnahmen erforderlich.',
+          confidence: quality.score,
+        },
+        provenance: mockProvenance(),
+      }
+    }),
 
-  async classifyMarketSignal(signalText: string): Promise<AIResponse<MarketSignalClassification>> {
-    await delay(SIMULATED_DELAY.medium)
-    const t = signalText.toLowerCase()
-    let signalType: MarketSignalClassification['signalType'] = 'UNKNOWN'
-    if (t.includes('neubau') || t.includes('baubewilligung') || t.includes('umbau')) signalType = 'CONSTRUCTION'
-    else if (t.includes('expansion') || t.includes('wachstum') || t.includes('sucht fläche')) signalType = 'EXPANSION'
-    else if (t.includes('verlegt') || t.includes('umzug') || t.includes('relocation')) signalType = 'RELOCATION'
-    else if (t.includes('stellenabbau') || t.includes('restruktur') || t.includes('fusion')) signalType = 'RESTRUCTURING'
-    else if (t.includes('frei') || t.includes('kündigung') || t.includes('schliessung') || t.includes('leerstand')) signalType = 'VACANCY'
-    const areaMatch = signalText.match(/(\d{2,5})\s*m²/)
-    const monthsMatch = signalText.match(/(\d{1,2})\s*Monate?n?/)
-    return {
-      data: {
-        signalType,
-        probability: 0.65,
-        timeHorizonMonths: monthsMatch ? parseInt(monthsMatch[1]) : null,
-        areaSqmEstimate: areaMatch ? parseInt(areaMatch[1]) : null,
-        credibility: 'MEDIUM',
-        reasoning: `Keyword-basierte Klassifikation (Mock). Signaltyp: ${signalType}.`,
-      },
-      provenance: mockProvenance(),
-    }
-  },
+  classifyMarketSignal: (signalText: string) =>
+    traceMock('classifyMarketSignal', async () => {
+      await delay(SIMULATED_DELAY.medium)
+      const t = signalText.toLowerCase()
+      let signalType: MarketSignalClassification['signalType'] = 'UNKNOWN'
+      if (t.includes('neubau') || t.includes('baubewilligung') || t.includes('umbau')) signalType = 'CONSTRUCTION'
+      else if (t.includes('expansion') || t.includes('wachstum') || t.includes('sucht fläche')) signalType = 'EXPANSION'
+      else if (t.includes('verlegt') || t.includes('umzug') || t.includes('relocation')) signalType = 'RELOCATION'
+      else if (t.includes('stellenabbau') || t.includes('restruktur') || t.includes('fusion')) signalType = 'RESTRUCTURING'
+      else if (t.includes('frei') || t.includes('kündigung') || t.includes('schliessung') || t.includes('leerstand')) signalType = 'VACANCY'
+      const areaMatch = signalText.match(/(\d{2,5})\s*m²/)
+      const monthsMatch = signalText.match(/(\d{1,2})\s*Monate?n?/)
+      return {
+        data: {
+          signalType,
+          probability: 0.65,
+          timeHorizonMonths: monthsMatch ? parseInt(monthsMatch[1]) : null,
+          areaSqmEstimate: areaMatch ? parseInt(areaMatch[1]) : null,
+          credibility: 'MEDIUM',
+          reasoning: `Keyword-basierte Klassifikation (Mock). Signaltyp: ${signalType}.`,
+        },
+        provenance: mockProvenance(),
+      }
+    }),
 
-  async generateOfferEmail(payload: OfferEmailPayload): Promise<AIResponse<{ subject: string; body: string }>> {
-    await delay(SIMULATED_DELAY.medium * 2)
-    return {
-      data: {
-        subject: `Passende Gewerbeflächen zu Ihrer Anfrage: ${payload.needTitle}`,
-        body:
-          `Sehr geehrte Damen und Herren,\n\nvielen Dank für Ihr Interesse. Gerne unterbreiten wir Ihnen folgende passende Gewerbeobjekte aus unserem Portfolio:\n\n` +
-          payload.properties.map((p, i) => `• ${p} (Match-Score: ${payload.matchScores[i]}%)`).join('\n') +
-          `\n\nGerne arrangieren wir Besichtigungstermine für die genannten Objekte und stehen für alle weiteren Fragen zur Verfügung.\n\nFreundliche Grüsse\nWincasa AG`,
-      },
-      provenance: mockProvenance(),
-    }
-  },
+  generateOfferEmail: (payload: OfferEmailPayload) =>
+    traceMock('generateOfferEmail', async () => {
+      await delay(SIMULATED_DELAY.medium * 2)
+      return {
+        data: {
+          subject: `Passende Gewerbeflächen zu Ihrer Anfrage: ${payload.needTitle}`,
+          body:
+            `Sehr geehrte Damen und Herren,\n\nvielen Dank für Ihr Interesse. Gerne unterbreiten wir Ihnen folgende passende Gewerbeobjekte aus unserem Portfolio:\n\n` +
+            payload.properties.map((p, i) => `• ${p} (Match-Score: ${payload.matchScores[i]}%)`).join('\n') +
+            `\n\nGerne arrangieren wir Besichtigungstermine für die genannten Objekte und stehen für alle weiteren Fragen zur Verfügung.\n\nFreundliche Grüsse\nWincasa AG`,
+        },
+        provenance: mockProvenance(),
+      }
+    }),
 
   // Legacy methods
-  async extractCriteria(_input: string): Promise<AIResponse<CriteriaExtractionResult>> {
-    return {
+  extractCriteria: (_input: string) =>
+    traceMock('extractCriteria', async () => ({
       data: {
         extractedCriteria: {
           companyName: 'Unbekannt (bitte bestätigen)',
@@ -250,15 +281,15 @@ export const MockAIService: IAIService = {
         ],
       },
       provenance: mockProvenance(),
-    }
-  },
+    })),
 
-  async generateFollowUp(partialNeed: Partial<CreateNeedInput>): Promise<AIResponse<string[]>> {
-    const questions: string[] = []
-    if (!partialNeed.assetType) questions.push('Welchen Nutzungstyp suchen Sie?')
-    if (!partialNeed.preferredLocations?.length) questions.push('In welchen Regionen suchen Sie?')
-    if (!partialNeed.timing) questions.push('Was ist Ihr gewünschter Einzugstermin?')
-    if (!partialNeed.budgetRange) questions.push('Was ist Ihr maximales monatliches Budget?')
-    return { data: questions, provenance: mockProvenance() }
-  },
+  generateFollowUp: (partialNeed: Partial<CreateNeedInput>) =>
+    traceMock('generateFollowUp', async () => {
+      const questions: string[] = []
+      if (!partialNeed.assetType) questions.push('Welchen Nutzungstyp suchen Sie?')
+      if (!partialNeed.preferredLocations?.length) questions.push('In welchen Regionen suchen Sie?')
+      if (!partialNeed.timing) questions.push('Was ist Ihr gewünschter Einzugstermin?')
+      if (!partialNeed.budgetRange) questions.push('Was ist Ihr maximales monatliches Budget?')
+      return { data: questions, provenance: mockProvenance() }
+    }),
 }

src/services/ai/openrouter/OpenRouterAIService.ts

@@ -38,6 +38,8 @@ import type {
 } from '../IAIService'
 import { ServiceErrorCode } from '../../types'
 import { AppError } from '../../errors'
+import { aiTraceStore, provenanceToStatus } from '../tracing'
+import type { AITraceErrorType, AITraceValidationStatus } from '../tracing'
 import {
   NeedParsingResponseSchema,
   FollowUpQuestionsResponseSchema,
@@ -180,18 +182,80 @@ async function withFallback<T>(
   label: string,
   fn: (config: OpenRouterConfig) => Promise<AIResponse<T>>,
   fallback: FallbackFn<T>,
+  inputSizeChars?: number,
 ): Promise<AIResponse<T>> {
   const config = getConfig()
+  const startMs = Date.now()
+
   if (!config) {
     console.warn(`[OpenRouterAIService] ${label}: no API key — using MockAIService`)
     const result = await fallback()
+    aiTraceStore.add({
+      id: crypto.randomUUID(),
+      method: label,
+      provider: 'openrouter',
+      model: DEFAULT_MODEL,
+      promptVersion: PROMPT_VERSION,
+      latencyMs: Date.now() - startMs,
+      fallbackUsed: true,
+      validationPassed: false,
+      responseValidationStatus: 'fallback',
+      errorType: 'no_api_key',
+      source: 'mock',
+      createdAt: new Date().toISOString(),
+      inputSizeChars,
+    })
     return { ...result, provenance: { ...result.provenance, fallbackUsed: true } }
   }
+
   try {
-    return await fn(config)
+    const result = await fn(config)
+    const latencyMs = Date.now() - startMs
+    const prov = result.provenance
+    aiTraceStore.add({
+      id: crypto.randomUUID(),
+      method: label,
+      provider: prov.provider,
+      model: prov.model,
+      promptVersion: prov.promptVersion,
+      latencyMs,
+      fallbackUsed: prov.fallbackUsed,
+      validationPassed: prov.validationPassed,
+      responseValidationStatus: provenanceToStatus(prov.fallbackUsed, prov.source),
+      source: prov.source,
+      createdAt: prov.generatedAt,
+      inputSizeChars,
+    })
+    return result
   } catch (err) {
     console.error(`[OpenRouterAIService] ${label} failed:`, err)
     const result = await fallback()
+    const latencyMs = Date.now() - startMs
+    const errorType: AITraceErrorType =
+      err instanceof AppError && err.code === ServiceErrorCode.AI_GENERATION_FAILED
+        ? 'api_error'
+        : err instanceof TypeError
+          ? 'network'
+          : 'unknown'
+    const responseValidationStatus: AITraceValidationStatus =
+      err instanceof AppError && err.code === ServiceErrorCode.AI_GENERATION_FAILED
+        ? 'api_error'
+        : 'network_error'
+    aiTraceStore.add({
+      id: crypto.randomUUID(),
+      method: label,
+      provider: 'openrouter',
+      model: config.model,
+      promptVersion: PROMPT_VERSION,
+      latencyMs,
+      fallbackUsed: true,
+      validationPassed: false,
+      responseValidationStatus,
+      errorType,
+      source: 'mock',
+      createdAt: new Date().toISOString(),
+      inputSizeChars,
+    })
     return { ...result, provenance: { ...result.provenance, fallbackUsed: true } }
   }
 }
@@ -251,7 +315,7 @@ export const OpenRouterAIService: IAIService = {
         },
         provenance: makeProvenance(config, 'ai', false, true),
       }
-    }, () => MockAIService.parseNeed(input))
+    }, () => MockAIService.parseNeed(input), input.length)
   },
 
   // ── generateFollowUpQuestions ───────────────────────────────────────────────
@@ -457,7 +521,7 @@ export const OpenRouterAIService: IAIService = {
         },
         provenance: makeProvenance(config, 'ai', false, true),
       }
-    }, () => MockAIService.classifyMarketSignal(signalText))
+    }, () => MockAIService.classifyMarketSignal(signalText), signalText.length)
   },
 
   // ── generateOfferEmail ──────────────────────────────────────────────────────

src/services/ai/prompts/compareSummaryPrompt.ts

@@ -15,7 +15,37 @@ export function buildCompareSummaryPrompt(input: CompareSummaryPromptInput): { s
     .join('\n')
 
   return {
-    system: `Du bist Entscheidungsassistent für Gewerbeimmobilien-Mieter. Erstelle eine präzise Vergleichsanalyse auf Deutsch als valides JSON mit den Feldern: overallAssessment, strongestOption, recommendation.`,
+    system: `ROLLE: Du bist Entscheidungsassistent für Gewerbeimmobilien-Mieter in der Schweiz. Du analysierst mehrere Objekte und gibst eine klare, begründete Empfehlung.
+
+AUFGABE: Vergleiche die übergebenen Objekte. Identifiziere das stärkste Objekt und erkläre kurz warum — basierend auf Match-Score, Kosten und den genannten Faktoren.
+
+KONFIDENZ-REGELN:
+- Klare Empfehlung: nur wenn ein Objekt in Score UND Kosten-/Risikoprofil dominiert
+- Enger Unterschied (< 5 Punkte Score-Differenz oder < 10 CHF/m²): "Beide Optionen sind vergleichbar — Besichtigung empfohlen"
+- overallAssessment: Vergleich in maximal 3 Sätzen
+- recommendation: bevorzugtes Objekt benennen ODER erklären, warum keine eindeutige Empfehlung möglich ist
+
+VERBOTE — NIEMALS:
+- Eine Option als "definitiv besser" bezeichnen, wenn Scores oder Daten ähnlich sind
+- Objektinformationen erfinden (Fläche, Preis, Lage), die nicht im Input stehen
+- Mehr als 3 Sätze pro Ausgabefeld verwenden
+- Stärken eines Objekts übertreiben, nur um eine Empfehlung zu konstruieren
+
+AUSGABEFORMAT — antworte ausschliesslich als valides JSON (kein Markdown-Block, keine Erklärungen):
+{
+  "overallAssessment": "...",
+  "strongestOption": "...",
+  "recommendation": "..."
+}
+
+BEISPIEL:
+Input: Option 1 — Score 82%, CHF 45/m², Stärken: zentrale Lage, Ausbaustandard. Option 2 — Score 67%, CHF 38/m², Stärken: Kostenvorteil, Risiken: Randlage, schlechte ÖV-Anbindung.
+Ausgabe:
+{
+  "overallAssessment": "Option 1 erzielt einen deutlich höheren Match-Score (82% vs. 67%) und erfüllt die Kernkriterien besser. Option 2 bietet einen Kostenvorteil von CHF 7/m², weist jedoch Abstriche bei Lage und Anbindung auf.",
+  "strongestOption": "Option 1",
+  "recommendation": "Option 1 empfohlen — der Score-Vorsprung von 15 Punkten überwiegt den Kostenvorteil von Option 2. Bei engem Budget lohnt sich die Besichtigung beider Objekte."
+}`,
     user: `Vergleiche folgende Objekte und gib eine strukturierte Empfehlung:\n\n${propertyList}`,
   }
 }

src/services/ai/prompts/dataQualityPrompt.ts

@@ -7,17 +7,42 @@ export function buildDataQualityPrompt(propertyId: string, quality: DataQualityI
   const warningList = quality.warnings.join(', ') || 'keine'
 
   return {
-    system: `Du bist Datenqualitäts-Experte für Schweizer Gewerbeimmobilien-Daten. Erstelle eine klare, handlungsorientierte Qualitätsbewertung auf Deutsch.
+    system: `ROLLE: Du bist Datenqualitäts-Experte für Schweizer Gewerbeimmobilien-Daten. Du bewertest Datenvollständigkeit und -aktualität und gibst handlungsorientierte Empfehlungen.
 
-Antworte als valides JSON:
+AUFGABE: Erstelle eine klare, handlungsorientierte Qualitätsbewertung basierend auf dem übergebenen Score, den fehlenden Feldern und dem Freshness-Status.
+
+QUALITÄTSSTUFEN (basierend auf Score):
+- ≥ 85%: Exzellent — alle Kernfelder vollständig und aktuell
+- 70–84%: Gut — kleinere Lücken, Match-Genauigkeit nicht wesentlich beeinträchtigt
+- 55–69%: Ausreichend — fehlende Felder können Match-Genauigkeit beeinträchtigen
+- 40–54%: Gering — wichtige Felder fehlen, Match-Score mit Vorsicht interpretieren
+- < 40%: Kritisch — fundamentale Felder fehlen, Match-Ergebnis stark eingeschränkt
+
+VERBOTE — NIEMALS:
+- Den "confidence"-Wert anders setzen als exakt ${quality.score} (der übergebene Score)
+- Objektinformationen erfinden, die nicht im Input stehen
+- Fehlende Felder als vorhanden darstellen
+- Mehr als 3 Sätze für "overallAssessment" verwenden
+
+AUSGABEFORMAT — antworte ausschliesslich als valides JSON (kein Markdown-Block, keine Erklärungen):
 {
   "overallAssessment": "...",
   "missingCriticalFields": ["..."],
   "recommendation": "...",
-  "confidence": 0.0
+  "confidence": ${quality.score}
 }
 
-Die Confidence entspricht dem übergebenen Score (0–1). Halte die Bewertung unter 3 Sätzen.`,
+PFLICHT: Der Wert "confidence" im JSON MUSS exakt ${quality.score} betragen — niemals davon abweichen.
+
+BEISPIEL:
+Input: Score 58%, Freshness STALE, fehlende Pflichtfelder: rentPerSqm, availableFrom
+Ausgabe:
+{
+  "overallAssessment": "Ausreichende Datenqualität (58%). Mietpreis und Verfügbarkeitsdatum fehlen, was die Treffergenauigkeit der Suche beeinträchtigt. Der Datensatz ist veraltet und sollte aktualisiert werden.",
+  "missingCriticalFields": ["rentPerSqm", "availableFrom"],
+  "recommendation": "Pflichtfelder ergänzen: Mietpreis (rentPerSqm) und Verfügbarkeitsdatum (availableFrom). Datensatz danach neu verifizieren.",
+  "confidence": 0.58
+}`,
     user: `Qualitätsbewertung für Objekt ${propertyId}:
 - Score: ${scorePercent}%
 - Freshness: ${quality.freshness}

src/services/ai/prompts/followUpQuestionsPrompt.ts

@@ -12,9 +12,25 @@ export function buildFollowUpQuestionsPrompt(input: FollowUpQuestionsPromptInput
     .join(', ')
 
   return {
-    system: `Du bist ein Experte für Schweizer Gewerbeimmobilien-Suche. Generiere präzise Rückfragen auf Deutsch, um fehlende Suchkriterien zu ermitteln.
+    system: `ROLLE: Du bist ein erfahrener Berater für Schweizer Gewerbeimmobilien. Du formulierst präzise Rückfragen, um fehlende Suchkriterien vom Kunden zu erfragen.
 
-Antworte als valides JSON-Array mit maximal 3 Einträgen, priorisiert nach Wichtigkeit:
+AUFGABE: Generiere maximal 3 Rückfragen (priorisiert nach Wichtigkeit) für die fehlenden Felder. Formuliere jede Frage klar und direkt — kein Smalltalk, keine Wiederholung bekannter Informationen.
+
+PRIORITÄTSREIHENFOLGE:
+1. assetType (required) — ohne Nutzungstyp ist keine Suche möglich
+2. areaRange (required) — ohne Fläche keine Filterung
+3. preferredLocations (required) — ohne Ort keine Ergebnisse
+4. budgetRange (recommended) — wichtig für Preisfilterung
+5. timing (recommended) — wichtig für Verfügbarkeitsabgleich
+6. mustHaveCriteria (optional) — Pflichtmerkmale (Parkplätze, Laderampe etc.)
+
+VERBOTE — NIEMALS:
+- Fragen zu bereits bekannten Kriterien stellen
+- Mehr als 3 Fragen ausgeben
+- Fragen erfinden, die nicht einem der 6 definierten Zielfelder entsprechen
+- Doppelfragen stellen
+
+AUSGABEFORMAT — antworte ausschliesslich als valides JSON-Array (kein Markdown-Block, keine Erklärungen):
 [
   {
     "questionText": "...",
@@ -23,6 +39,34 @@ Antworte als valides JSON-Array mit maximal 3 Einträgen, priorisiert nach Wicht
     "suggestedAnswerOptions": ["...", "..."],
     "importance": "required|recommended|optional"
   }
+]
+
+BEISPIEL:
+Bekannte Kriterien: areaRange, preferredLocations
+Fehlende Felder: assetType, budgetRange, timing
+Ausgabe:
+[
+  {
+    "questionText": "Welchen Nutzungstyp suchen Sie?",
+    "targetField": "assetType",
+    "reason": "Nutzungstyp ist zwingend für die Matchsuche",
+    "suggestedAnswerOptions": ["Büro", "Retail", "Logistik", "Produktion", "Gastro"],
+    "importance": "required"
+  },
+  {
+    "questionText": "Was ist Ihr maximales Budget pro m² und Monat (CHF)?",
+    "targetField": "budgetRange",
+    "reason": "Budget ist wichtig für die Filterung unpassender Objekte",
+    "suggestedAnswerOptions": [],
+    "importance": "recommended"
+  },
+  {
+    "questionText": "Wann möchten Sie spätestens einziehen?",
+    "targetField": "timing",
+    "reason": "Verfügbarkeitstermin fehlt",
+    "suggestedAnswerOptions": [],
+    "importance": "recommended"
+  }
 ]`,
     user: `Bereits bekannte Kriterien: ${knownFields || 'keine'}
 Fehlende Felder: ${input.missingFields.join(', ') || 'keine'}

src/services/ai/prompts/marketSignalPrompt.ts

@@ -1,8 +1,41 @@
 export function buildMarketSignalPrompt(signalText: string): { system: string; user: string } {
   return {
-    system: `Du bist Marktanalyst für Schweizer Gewerbeimmobilien. Klassifiziere Marktsignale über potenzielle Flächenverfügbarkeit.
+    system: `ROLLE: Du bist Marktanalyst für Schweizer Gewerbeimmobilien. Du klassifizierst Marktsignale, die auf eine mögliche zukünftige Flächenverfügbarkeit hinweisen könnten.
 
-Antworte als valides JSON:
+AUFGABE: Analysiere den Signaltext und klassifiziere das Signal nach Typ, Wahrscheinlichkeit, Zeithorizont, Flächenschätzung und Glaubwürdigkeit.
+
+SIGNALTYPEN:
+- VACANCY: Fläche wird frei (Mietende, Unternehmensschliessung, bekannter Leerstand)
+- CONSTRUCTION: Neubau oder Umbau in Planung oder Bau
+- RESTRUCTURING: Unternehmen verkleinert oder reorganisiert Standorte
+- EXPANSION: Unternehmen wächst und sucht zusätzliche Fläche
+- RELOCATION: Unternehmen verlegt Standort innerhalb der Region
+- UNKNOWN: Signal nicht eindeutig klassifizierbar
+
+WAHRSCHEINLICHKEITS-VOKABULAR:
+- 0.80–1.00: Signal explizit und aus verlässlicher Quelle bestätigt
+- 0.60–0.79: Mehrere konsistente Hinweise, Quelle vertrauenswürdig
+- 0.40–0.59: Einzelner Hinweis, Quelle mittelmässig verlässlich
+- 0.20–0.39: Schwaches Signal, Quelle unklar oder unbekannt
+- 0.00–0.19: Kaum Substanz, stark spekulativ
+
+GLAUBWÜRDIGKEIT:
+- HIGH: Offizielle Quelle (Handelsregister, Baubewilligung, Pressemitteilung)
+- MEDIUM: Branchenmedien, Stelleninserate, indirekte Berichte
+- LOW: Gerüchte, unbekannte Quelle, einzelne Social-Media-Erwähnung
+
+⚠️ ABSOLUTES VERBOT — WICHTIGSTE REGEL:
+Behaupte NIEMALS, dass eine Fläche bereits verfügbar ist oder in Kürze verfügbar sein wird, nur weil ein Signal vorliegt. Ein Signal ist ein Indiz, keine Bestätigung. Das "reasoning"-Feld MUSS explizit formulieren, dass es sich um ein unbestätigtes Marktsignal handelt.
+
+❌ VERBOTEN: "Die Fläche wird ab Q3 2026 verfügbar sein."
+✅ KORREKT: "Das Signal deutet auf eine mögliche Flächenverfügbarkeit hin — nicht bestätigt."
+
+WEITERE VERBOTE:
+- Fläche in m² schätzen, wenn kein konkreter Hinweis im Text steht (→ null setzen)
+- Zeithorizont nennen, wenn er nicht aus dem Text ableitbar ist (→ null setzen)
+- probability > 0.85 setzen ohne mehrere unabhängige, verlässliche Bestätigungen
+
+AUSGABEFORMAT — antworte ausschliesslich als valides JSON (kein Markdown-Block, keine Erklärungen):
 {
   "signalType": "VACANCY|CONSTRUCTION|RESTRUCTURING|EXPANSION|RELOCATION|UNKNOWN",
   "probability": 0.0,
@@ -12,18 +45,17 @@ Antworte als valides JSON:
   "reasoning": "..."
 }
 
-Signaltypen:
-- VACANCY: Fläche wird frei (Mietende, Unternehmensschliessung, Leerstand)
-- CONSTRUCTION: Neubau oder Umbau in Planung oder Bau
-- RESTRUCTURING: Unternehmen verkleinert oder reorganisiert Standorte
-- EXPANSION: Unternehmen wächst und sucht zusätzliche Fläche
-- RELOCATION: Unternehmen verlegt Standort innerhalb der Region
-- UNKNOWN: Signal nicht eindeutig klassifizierbar
-
-probability: 0–1, wie wahrscheinlich das Signal zutrifft
-credibility: Glaubwürdigkeit der Quelle (LOW/MEDIUM/HIGH)
-timeHorizonMonths: geschätzte Monate bis Verfügbarkeit (null wenn unklar)
-areaSqmEstimate: geschätzte Fläche in m² (null wenn unklar)`,
+BEISPIEL:
+Input: "Zürich — Finanzkonzern verlegt laut Pressemitteilung Hauptsitz nach Basel, ca. 3'000 m², geplant für 2027"
+Ausgabe:
+{
+  "signalType": "RELOCATION",
+  "probability": 0.72,
+  "timeHorizonMonths": 18,
+  "areaSqmEstimate": 3000,
+  "credibility": "HIGH",
+  "reasoning": "Offizielle Pressemitteilung deutet auf einen Standortwechsel hin. Mögliche Flächenfreigabe in Zürich ist unbestätigt — Zeithorizont und Fläche sind Schätzungen aus dem Signal."
+}`,
     user: `Klassifiziere folgendes Marktsignal:\n\n${signalText}`,
   }
 }

src/services/ai/prompts/needParsingPrompt.ts

@@ -3,20 +3,54 @@ export interface NeedParsingPromptInput {
 }
 
 export function buildNeedParsingPrompt(input: NeedParsingPromptInput): { system: string; user: string } {
-  return {
-    system: `Du bist ein Experte für Schweizer Gewerbeimmobilien. Extrahiere strukturierte Suchanforderungen aus natürlichsprachigen Texten.
+  const system = `ROLLE: Du bist ein erfahrener Berater für Schweizer Gewerbeimmobilien. Du interpretierst natürlichsprachige Suchanfragen von Unternehmenskunden präzise und konservativ.
 
-Antworte immer als valides JSON mit folgendem Schema:
+AUFGABE: Extrahiere strukturierte Suchkriterien aus dem Nutzertext. Setze nur Felder, die im Text explizit oder klar impliziert sind.
+
+KONFIDENZ-VOKABULAR für das "assumptions"-Feld:
+- "erkannt" → im Text explizit genannt
+- "geschätzt aus [Kontext]" → durch klare Implikation abgeleitet (z.B. "50 Mitarbeitende" → ~500 m²)
+- Fehlende Felder → in "missingFields" aufführen, Wert als null setzen
+
+VERBOTE — NIEMALS:
+- Flächenwerte, Preise oder Daten erfinden, die nicht im Text stehen
+- Standorte nennen, die nicht erwähnt wurden
+- "mustHaveCriteria" ergänzen, die der Nutzer nicht erwähnt hat
+- Unsicherheiten als Fakten formulieren
+
+AUSGABEFORMAT — antworte ausschliesslich als valides JSON (kein Markdown-Block, keine Erklärungen):
 {
-  "assetType": "OFFICE" | "RETAIL" | "LOGISTICS" | "PRODUCTION" | "GASTRO" | null,
+  "assetType": "OFFICE" | "RETAIL" | "LOGISTICS" | "PRODUCTION" | "GASTRO" | "MIXED" | "UNKNOWN" | null,
   "areaRange": { "min": number, "max": number } | null,
   "preferredLocations": string[],
   "budgetRange": { "maxPerSqm": number, "currency": "CHF" } | null,
-  "timing": { "earliestMoveIn": "YYYY-MM-DD", "latestMoveIn": "YYYY-MM-DD", "flexibleTiming": boolean } | null,
+  "timing": {
+    "earliestMoveIn": "YYYY-MM-DD" | null,
+    "latestMoveIn": "YYYY-MM-DD" | null,
+    "flexibleTiming": boolean
+  } | null,
   "mustHaveCriteria": string[],
   "missingFields": string[],
   "assumptions": string[]
-}`,
-    user: `Analysiere folgende Suchanfrage und extrahiere alle relevanten Kriterien:\n\n${input.userInput}`,
-  }
+}
+
+BEISPIEL:
+Eingabe: "Wir suchen ein Büro für ca. 20 Personen in Zürich, Budget rund 50 CHF/m², Einzug ab März 2026"
+Ausgabe:
+{
+  "assetType": "OFFICE",
+  "areaRange": { "min": 200, "max": 400 },
+  "preferredLocations": ["Zürich"],
+  "budgetRange": { "maxPerSqm": 50, "currency": "CHF" },
+  "timing": { "earliestMoveIn": "2026-03-01", "latestMoveIn": null, "flexibleTiming": false },
+  "mustHaveCriteria": [],
+  "missingFields": ["timing.latestMoveIn", "mustHaveCriteria"],
+  "assumptions": ["Fläche geschätzt aus 20 Personen × 15 m²/Person"]
+}`
+
+  const user = `Analysiere folgende Suchanfrage und extrahiere alle erkennbaren Kriterien:
+
+${input.userInput}`
+
+  return { system, user }
 }

src/services/ai/prompts/tradeOffPrompt.ts

@@ -8,16 +8,44 @@ export function buildTradeOffPrompt(tradeoffs: TradeOffInput[], propertyTitle: s
     : 'Keine Trade-offs angegeben.'
 
   return {
-    system: `Du bist Senior Real Estate Advisor. Fasse Trade-offs für einen Immobilien-Match prägnant auf Deutsch zusammen.
+    system: `ROLLE: Du bist Senior Real Estate Advisor für Schweizer Unternehmenskunden. Du fasst Risiken und Kompromisse bei Immobilien-Entscheidungen prägnant zusammen.
 
-Antworte als valides JSON:
+AUFGABE: Fasse die übergebenen Trade-offs für ein konkretes Objekt zusammen. Priorisiere nach Schweregrad. Formuliere die Headline entscheidungsorientiert — der Nutzer muss sofort erkennen, ob das Objekt akzeptabel ist.
+
+SCHWEREGRAD-SKALA:
+- HIGH: Kriterium direkt verletzt; Workaround schwierig oder kostspielig
+- MEDIUM: Kriterium teilweise verletzt; Workaround möglich mit vertretbarem Aufwand
+- LOW: Kleiner Kompromiss; kaum Auswirkung auf die tägliche Nutzung
+
+GESAMTRISIKO-REGEL:
+- overallRisk = HIGH wenn ≥ 2 HIGH-Einträge vorliegen
+- overallRisk = MEDIUM wenn genau 1 HIGH-Eintrag oder ≥ 3 MEDIUM-Einträge
+- overallRisk = LOW in allen übrigen Fällen
+
+VERBOTE — NIEMALS:
+- Trade-offs erfinden, die nicht im Input stehen
+- Severity-Level ändern ohne explizite Begründung im Input
+- Positive Aspekte hinzufügen (das ist nicht Aufgabe dieser Analyse)
+- Mehr als 3 Items in der Ausgabe
+
+AUSGABEFORMAT — antworte ausschliesslich als valides JSON (kein Markdown-Block, keine Erklärungen):
 {
   "headline": "...",
   "items": [{ "concern": "...", "severity": "LOW|MEDIUM|HIGH", "mitigation": "..." }],
   "overallRisk": "LOW|MEDIUM|HIGH"
 }
 
-Halte die Zusammenfassung entscheidungsorientiert — maximal 3 Items.`,
+BEISPIEL:
+Input: Fläche 15% unter Mindestbedarf (HIGH), kein Parkplatz (MEDIUM)
+Ausgabe:
+{
+  "headline": "Erhebliche Einschränkungen — Fläche und Parkplatzsituation erfordern Abklärung",
+  "items": [
+    { "concern": "Nutzfläche 15% unter dem Mindestbedarf", "severity": "HIGH", "mitigation": "Auslagerung von Archiv- und Lagerfunktionen prüfen" },
+    { "concern": "Kein Parkplatz im Objekt verfügbar", "severity": "MEDIUM", "mitigation": "Nahgelegenes Parkhaus auf Mieterstellplätze prüfen" }
+  ],
+  "overallRisk": "HIGH"
+}`,
     user: `Fasse folgende Trade-offs für "${propertyTitle}" zusammen:\n\n${tradeoffList}`,
   }
 }

src/services/ai/tracing.ts

@@ -0,0 +1,182 @@
+/**
+ * AI Observability — AITrace type, in-memory store, and dev-mode debug output.
+ *
+ * Every AI service call (real or mock) records a trace automatically.
+ * In development the store is also mirrored to localStorage and exposed
+ * as window.__aiTraces for DevTools inspection.
+ *
+ * Reading traces in code:
+ *   import { aiTraceStore } from '../tracing'
+ *   const traces = aiTraceStore.getAll()
+ *
+ * Reading in DevTools (dev only):
+ *   window.__aiTraces.getAll()
+ *   window.__aiTraces.clear()
+ */
+
+import type { AIProvenance } from './IAIService'
+
+// ── Types ─────────────────────────────────────────────────────────────────────
+
+/** How the AI response was produced and whether it was valid. */
+export type AITraceValidationStatus =
+  | 'valid'           // AI responded; Zod schema passed
+  | 'invalid_schema'  // AI responded but Zod validation failed → fallback triggered
+  | 'fallback'        // No API key or pre-flight failure → mock used immediately
+  | 'api_error'       // HTTP error from provider (4xx / 5xx)
+  | 'network_error'   // Network or timeout failure
+
+/** Reason category for non-successful responses. */
+export type AITraceErrorType =
+  | 'no_api_key'
+  | 'network'
+  | 'timeout'
+  | 'api_error'
+  | 'schema_validation'
+  | 'unknown'
+
+/**
+ * One recorded AI call. Every field is required except errorType (only present
+ * when responseValidationStatus indicates a failure) and inputSizeChars.
+ */
+export interface AITrace {
+  /** Unique per-call ID (crypto.randomUUID) */
+  id: string
+  /** IAIService method name — e.g. 'parseNeed', 'classifyMarketSignal' */
+  method: string
+  provider: AIProvenance['provider']
+  model: string
+  promptVersion: string
+  /** End-to-end wall-clock time including simulated delay for mock calls */
+  latencyMs: number
+  /** True when a mock response was substituted for a failed AI call */
+  fallbackUsed: boolean
+  /** True when the Zod schema validation of the raw AI response passed */
+  validationPassed: boolean
+  responseValidationStatus: AITraceValidationStatus
+  /** Only present when responseValidationStatus indicates a failure */
+  errorType?: AITraceErrorType
+  source: AIProvenance['source']
+  /** ISO-8601 timestamp of when the call completed */
+  createdAt: string
+  /** Character count of the input sent to the model (never stores prompt text) */
+  inputSizeChars?: number
+}
+
+// ── Store ─────────────────────────────────────────────────────────────────────
+
+const MAX_ENTRIES  = 100
+const STORAGE_KEY  = 'pm_ai_traces'
+
+class AITraceStore {
+  private entries: AITrace[] = []
+
+  add(trace: AITrace): void {
+    this.entries = [trace, ...this.entries].slice(0, MAX_ENTRIES)
+
+    if (import.meta.env.DEV) {
+      this.debugLog(trace)
+      this.persistToStorage(trace)
+    }
+  }
+
+  getAll(): AITrace[] {
+    return [...this.entries]
+  }
+
+  /** Return the N most recent traces. */
+  getLast(n: number): AITrace[] {
+    return this.entries.slice(0, n)
+  }
+
+  /** Remove all in-memory and stored traces. */
+  clear(): void {
+    this.entries = []
+    if (import.meta.env.DEV) {
+      try { localStorage.removeItem(STORAGE_KEY) } catch { /* ignore */ }
+    }
+  }
+
+  /** Summary stats for the Ops dashboard or DevTools. */
+  stats(): {
+    total: number
+    fallbacks: number
+    schemaFailures: number
+    avgLatencyMs: number
+    byMethod: Record<string, number>
+  } {
+    const total         = this.entries.length
+    const fallbacks     = this.entries.filter(t => t.fallbackUsed).length
+    const schemaFailures = this.entries.filter(t => t.responseValidationStatus === 'invalid_schema').length
+    const avgLatencyMs  = total === 0 ? 0 : Math.round(
+      this.entries.reduce((s, t) => s + t.latencyMs, 0) / total
+    )
+    const byMethod = this.entries.reduce<Record<string, number>>((acc, t) => {
+      acc[t.method] = (acc[t.method] ?? 0) + 1
+      return acc
+    }, {})
+    return { total, fallbacks, schemaFailures, avgLatencyMs, byMethod }
+  }
+
+  /** Load the persisted trace list from localStorage (dev only). */
+  loadFromStorage(): AITrace[] {
+    if (!import.meta.env.DEV) return []
+    try {
+      const raw = localStorage.getItem(STORAGE_KEY)
+      return raw ? (JSON.parse(raw) as AITrace[]) : []
+    } catch {
+      return []
+    }
+  }
+
+  private debugLog(trace: AITrace): void {
+    const icon =
+      trace.responseValidationStatus === 'valid'                               ? '✅' :
+      trace.responseValidationStatus === 'invalid_schema'                      ? '⚠️' :
+      trace.responseValidationStatus === 'fallback'                            ? '🔁' : '❌'
+
+    const fallback = trace.fallbackUsed ? ' [FALLBACK]' : ''
+    const validation = trace.validationPassed ? '' : ' schema:FAIL'
+    console.debug(
+      `[AITrace] ${icon} ${trace.method}${fallback}${validation}` +
+      ` — ${trace.provider}/${trace.model}` +
+      ` | ${trace.latencyMs}ms | source:${trace.source}`,
+      trace,
+    )
+  }
+
+  private persistToStorage(trace: AITrace): void {
+    try {
+      const prev = this.loadFromStorage()
+      localStorage.setItem(
+        STORAGE_KEY,
+        JSON.stringify([trace, ...prev].slice(0, MAX_ENTRIES)),
+      )
+    } catch { /* ignore QuotaExceededError */ }
+  }
+}
+
+export const aiTraceStore = new AITraceStore()
+
+// Expose in DevTools for debugging (dev only):
+//   window.__aiTraces.getAll()   → all traces
+//   window.__aiTraces.stats()    → summary statistics
+//   window.__aiTraces.clear()    → clear all
+if (import.meta.env.DEV && typeof window !== 'undefined') {
+  ;(window as Record<string, unknown>).__aiTraces = aiTraceStore
+}
+
+// ── Helpers ───────────────────────────────────────────────────────────────────
+
+/**
+ * Derive the AITraceValidationStatus from an AIResponse provenance after a
+ * successful (non-throwing) withFallback call.
+ */
+export function provenanceToStatus(
+  fallbackUsed: boolean,
+  source: AIProvenance['source'],
+): AITraceValidationStatus {
+  if (!fallbackUsed) return 'valid'
+  if (source === 'mock') return 'invalid_schema'
+  return 'valid'
+}