Alle 9 Fixes sind implementiert. Hier die Zusammenfassung:

Fix 1 -- Opening-Prompt: processSessionOpening in serviceCommcoach.py prüft jetzt ob es die erste Session ist (isFirstSession) und gibt der AI einen expliziten Prompt, der das Erfinden von Kontext verbietet.
Fix 2 -- Stabiler Transcript: onresult in CommcoachCoachingView.tsx nutzt jetzt processedResultIndexRef um nur neue Results zu verarbeiten. Finalisierte Teile werden stabil akkumuliert, kein Flackern mehr.
Fix 3 -- Hintergrundgeräusche-Timeout: Neuer silenceTimerRef mit 5s Timeout. Wenn nach onspeechstart kein Text kommt, wird isUserSpeaking automatisch zurückgesetzt.
Fix 4 -- Stop-Button: "Stop" Button erscheint im Session-Header wenn TTS läuft (via isTtsPlaying State, synchronisiert per 200ms Interval mit isTtsPlayingRef).
Fix 5 -- Weitersprechen-Button: lastTtsAudioRef speichert das zuletzt gespielte Audio. stopTts setzt wasInterrupted = true. "Weitersprechen" Button erscheint nach Unterbrechung und spielt das Audio erneut ab.
Fix 6 -- Paralleles TTS: Neue _generateAndEmitTts() Hilfsfunktion. In processMessage und processSessionOpening wird TTS als asyncio.create_task parallel zu _emitChunkedResponse gestartet.
Fix 7 -- JSON-Response: Die AI antwortet jetzt als JSON mit text, speech, documents. Neuer Prompt-Block wird in buildCoachingSystemPrompt angehängt. _parseAiJsonResponse() und _saveGeneratedDocument() im Backend. processMessage und processSessionOpening nutzen die neue Struktur.
Fix 8 -- Loading-States: Neuer actionLoading State in useCommcoach. Alle async Funktionen setzen setActionLoading('key') vor dem Await und null im finally. Buttons zeigen Loading-Text und werden disabled.
Fix 9 -- Umlaute: Alle deutschen Strings in allen CommCoach-Dateien (Backend + Frontend) korrigiert: ae->ä, oe->ö, ue->ü.

modules/features/commcoach/serviceCommcoach.py

@@ -87,6 +87,74 @@ CHUNK_WORD_SIZE = 4
 CHUNK_DELAY_SECONDS = 0.05
 
 
+def _parseAiJsonResponse(rawText: str) -> Dict[str, Any]:
+    """Parse the structured JSON response from AI. Strips optional markdown code fences."""
+    text = rawText.strip()
+    if text.startswith("```"):
+        lines = text.split("\n")
+        lines = lines[1:]
+        if lines and lines[-1].strip() == "```":
+            lines = lines[:-1]
+        text = "\n".join(lines)
+    try:
+        return json.loads(text)
+    except json.JSONDecodeError:
+        logger.warning(f"AI JSON parse failed, using raw text: {text[:200]}")
+        return {"text": rawText.strip(), "speech": "", "documents": []}
+
+
+async def _generateAndEmitTts(sessionId: str, speechText: str, currentUser, mandateId: str,
+                               instanceId: str, interface):
+    """Generate TTS audio from speech text and emit as SSE event."""
+    if not speechText:
+        return
+    try:
+        from modules.interfaces.interfaceVoiceObjects import getVoiceInterface
+        import base64
+        voiceInterface = getVoiceInterface(currentUser, mandateId)
+        profile = interface.getProfile(str(currentUser.id), instanceId)
+        language = profile.get("preferredLanguage", "de-DE") if profile else "de-DE"
+        voiceName = profile.get("preferredVoice") if profile else None
+        ttsResult = await voiceInterface.textToSpeech(
+            text=_stripMarkdownForTts(speechText),
+            languageCode=language,
+            voiceName=voiceName,
+        )
+        if ttsResult and isinstance(ttsResult, dict):
+            audioBytes = ttsResult.get("audioContent")
+            if audioBytes:
+                audioB64 = base64.b64encode(
+                    audioBytes if isinstance(audioBytes, bytes) else audioBytes.encode()
+                ).decode()
+                await emitSessionEvent(sessionId, "ttsAudio", {"audio": audioB64, "format": "mp3"})
+    except Exception as e:
+        logger.warning(f"TTS failed for session {sessionId}: {e}")
+
+
+async def _saveGeneratedDocument(doc: Dict[str, Any], contextId: str, userId: str,
+                                  mandateId: str, instanceId: str, interface, sessionId: str):
+    """Save a document generated by AI and emit SSE event."""
+    from .datamodelCommcoach import CoachingDocument
+    try:
+        title = doc.get("title", "Dokument")
+        content = doc.get("content", "")
+        docData = CoachingDocument(
+            contextId=contextId,
+            userId=userId,
+            mandateId=mandateId,
+            instanceId=instanceId,
+            fileName=f"{title}.md",
+            mimeType="text/markdown",
+            fileSize=len(content.encode()),
+            extractedText=content,
+            summary=title,
+        ).model_dump()
+        created = interface.createDocument(docData)
+        await emitSessionEvent(sessionId, "documentCreated", created)
+    except Exception as e:
+        logger.warning(f"Failed to save generated document: {e}")
+
+
 async def _emitChunkedResponse(sessionId: str, createdMsg: Dict[str, Any], fullText: str):
     """Emit response as messageChunk events for progressive display, then the full message."""
     msgId = createdMsg.get("id")
@@ -199,7 +267,7 @@ class CommcoachService:
                 try:
                     summaryPrompt = aiPrompts.buildEarlierConversationSummaryPrompt(toSummarize)
                     summaryResponse = await self._callAi(
-                        "Du fasst Coaching-Gespraeche praezise zusammen.", summaryPrompt
+                        "Du fasst Coaching-Gespräche präzise zusammen.", summaryPrompt
                     )
                     if summaryResponse and summaryResponse.errorCount == 0 and summaryResponse.content:
                         earlierSummary = summaryResponse.content.strip()
@@ -236,7 +304,7 @@ class CommcoachService:
         )
 
         if retrievalResult.get("intent") == RetrievalIntent.SUMMARIZE_ALL:
-            systemPrompt += "\n\nWICHTIG: Der Benutzer moechte eine Gesamtzusammenfassung. Erstelle eine umfassende Zusammenfassung aller genannten Sessions und der aktuellen Session."
+            systemPrompt += "\n\nWICHTIG: Der Benutzer möchte eine Gesamtzusammenfassung. Erstelle eine umfassende Zusammenfassung aller genannten Sessions und der aktuellen Session."
 
         # Call AI
         await emitSessionEvent(sessionId, "status", {"label": "Coach denkt nach..."})
@@ -248,47 +316,38 @@ class CommcoachService:
             await emitSessionEvent(sessionId, "error", {"message": f"AI error: {str(e)}"})
             return createdUserMsg
 
-        responseText = aiResponse.content.strip() if aiResponse and aiResponse.errorCount == 0 else "Entschuldigung, ich konnte gerade nicht antworten. Bitte versuche es erneut."
+        responseRaw = aiResponse.content.strip() if aiResponse and aiResponse.errorCount == 0 else ""
+
+        if not responseRaw:
+            parsed = {"text": "Entschuldigung, ich konnte gerade nicht antworten. Bitte versuche es erneut.", "speech": "", "documents": []}
+        else:
+            parsed = _parseAiJsonResponse(responseRaw)
+
+        textContent = parsed.get("text", "")
+        speechContent = parsed.get("speech", "")
+        documents = parsed.get("documents", [])
+
+        for doc in documents:
+            await _saveGeneratedDocument(doc, contextId, self.userId, self.mandateId, self.instanceId, interface, sessionId)
 
-        # Store assistant message
         assistantMsg = CoachingMessage(
             sessionId=sessionId,
             contextId=contextId,
             userId=self.userId,
             role=CoachingMessageRole.ASSISTANT,
-            content=responseText,
+            content=textContent,
             contentType=CoachingMessageContentType.TEXT,
         ).model_dump()
         createdAssistantMsg = interface.createMessage(assistantMsg)
 
-        # Update session message count
         messages = interface.getMessages(sessionId)
         interface.updateSession(sessionId, {"messageCount": len(messages)})
 
-        await _emitChunkedResponse(sessionId, createdAssistantMsg, responseText)
+        ttsTask = asyncio.create_task(
-
+            _generateAndEmitTts(sessionId, speechContent, self.currentUser, self.mandateId, self.instanceId, interface)
-        if responseText:
+        )
-            try:
+        await _emitChunkedResponse(sessionId, createdAssistantMsg, textContent)
-                from modules.interfaces.interfaceVoiceObjects import getVoiceInterface
+        await ttsTask
-                import base64
-                voiceInterface = getVoiceInterface(self.currentUser, self.mandateId)
-                profile = interface.getProfile(self.userId, self.instanceId)
-                language = profile.get("preferredLanguage", "de-DE") if profile else "de-DE"
-                voiceName = profile.get("preferredVoice") if profile else None
-                ttsResult = await voiceInterface.textToSpeech(
-                    text=_stripMarkdownForTts(responseText),
-                    languageCode=language,
-                    voiceName=voiceName,
-                )
-                if ttsResult and isinstance(ttsResult, dict):
-                    audioBytes = ttsResult.get("audioContent")
-                    if audioBytes:
-                        audioB64 = base64.b64encode(
-                            audioBytes if isinstance(audioBytes, bytes) else audioBytes.encode()
-                        ).decode()
-                        await emitSessionEvent(sessionId, "ttsAudio", {"audio": audioB64, "format": "mp3"})
-            except Exception as e:
-                logger.warning(f"TTS failed for text message session {sessionId}: {e}")
 
         await emitSessionEvent(sessionId, "complete", {})
         return createdAssistantMsg
@@ -326,11 +385,15 @@ class CommcoachService:
             documentSummaries=documentSummaries,
         )
 
+        isFirstSession = not previousSessionSummaries or len(previousSessionSummaries) == 0
+
         if persona and persona.get("key") != "coach":
-            personaLabel = persona.get("label", "Gespraechspartner")
+            personaLabel = persona.get("label", "Gesprächspartner")
-            openingUserPrompt = f"Beginne das Gespraech in deiner Rolle als {personaLabel}. Stelle dich kurz vor und eroeffne die Situation gemaess deiner Rollenbeschreibung."
+            openingUserPrompt = f"Beginne das Gespräch in deiner Rolle als {personaLabel}. Stelle dich kurz vor und eröffne die Situation gemäss deiner Rollenbeschreibung."
+        elif isFirstSession:
+            openingUserPrompt = "Dies ist die ERSTE Session zu diesem Thema. Begrüsse den Benutzer, stelle das Thema kurz vor und stelle eine offene Einstiegsfrage. Erfinde KEINE vorherigen Gespräche oder Zusammenfassungen."
         else:
-            openingUserPrompt = "Beginne die Coaching-Session mit einer kurzen Begruesssung, fasse in einem Satz zusammen wo wir stehen (falls vorherige Sessions), und stelle eine gezielte Einstiegsfrage zum Thema."
+            openingUserPrompt = "Begrüsse den Benutzer zurück, fasse in einem Satz zusammen wo wir stehen, und stelle eine gezielte Einstiegsfrage."
 
         try:
             aiResponse = await self._callAi(systemPrompt, openingUserPrompt)
@@ -340,46 +403,41 @@ class CommcoachService:
             await emitSessionEvent(sessionId, "complete", {})
             return {}
 
-        openingContent = (
+        responseRaw = (
             aiResponse.content.strip()
             if aiResponse and aiResponse.errorCount == 0
-            else f"Willkommen zur Coaching-Session zum Thema \"{context.get('title')}\". Was moechtest du heute besprechen?"
+            else ""
         )
 
+        if not responseRaw:
+            parsed = {"text": f"Willkommen zur Coaching-Session zum Thema \"{context.get('title')}\". Was möchtest du heute besprechen?", "speech": "", "documents": []}
+        else:
+            parsed = _parseAiJsonResponse(responseRaw)
+
+        textContent = parsed.get("text", "")
+        speechContent = parsed.get("speech", "")
+        documents = parsed.get("documents", [])
+
+        for doc in documents:
+            await _saveGeneratedDocument(doc, contextId, self.userId, self.mandateId, self.instanceId, interface, sessionId)
+
         assistantMsg = CoachingMessage(
             sessionId=sessionId,
             contextId=contextId,
             userId=self.userId,
             role=CoachingMessageRole.ASSISTANT,
-            content=openingContent,
+            content=textContent,
             contentType=CoachingMessageContentType.TEXT,
         ).model_dump()
         createdMsg = interface.createMessage(assistantMsg)
         interface.updateSession(sessionId, {"messageCount": 1})
 
-        await _emitChunkedResponse(sessionId, createdMsg, openingContent)
+        ttsTask = asyncio.create_task(
-        if openingContent:
+            _generateAndEmitTts(sessionId, speechContent, self.currentUser, self.mandateId, self.instanceId, interface)
-            try:
+        )
-                from modules.interfaces.interfaceVoiceObjects import getVoiceInterface
+        await _emitChunkedResponse(sessionId, createdMsg, textContent)
-                import base64
+        await ttsTask
-                voiceInterface = getVoiceInterface(self.currentUser, self.mandateId)
+
-                profile = interface.getProfile(self.userId, self.instanceId)
-                language = profile.get("preferredLanguage", "de-DE") if profile else "de-DE"
-                voiceName = profile.get("preferredVoice") if profile else None
-                ttsResult = await voiceInterface.textToSpeech(
-                    text=_stripMarkdownForTts(openingContent),
-                    languageCode=language,
-                    voiceName=voiceName,
-                )
-                if ttsResult and isinstance(ttsResult, dict):
-                    audioBytes = ttsResult.get("audioContent")
-                    if audioBytes:
-                        audioB64 = base64.b64encode(
-                            audioBytes if isinstance(audioBytes, bytes) else audioBytes.encode()
-                        ).decode()
-                        await emitSessionEvent(sessionId, "ttsAudio", {"audio": audioB64, "format": "mp3"})
-            except Exception as e:
-                logger.warning(f"TTS failed for opening: {e}")
         await emitSessionEvent(sessionId, "complete", {})
 
         logger.info(f"CommCoach session opening completed: {sessionId}")
@@ -425,36 +483,7 @@ class CommcoachService:
             await emitSessionEvent(sessionId, "error", {"message": msg, "detail": sttError})
             return {}
 
-        # Process through normal pipeline
         result = await self.processMessage(sessionId, contextId, transcribedText, interface)
-
-        # Generate TTS for the response
-        assistantContent = result.get("content", "")
-        if assistantContent:
-            await emitSessionEvent(sessionId, "status", {"label": "Antwort wird gesprochen..."})
-            try:
-                profile = interface.getProfile(self.userId, self.instanceId)
-                voiceName = profile.get("preferredVoice") if profile else None
-
-                ttsResult = await voiceInterface.textToSpeech(
-                    text=_stripMarkdownForTts(assistantContent),
-                    languageCode=language,
-                    voiceName=voiceName,
-                )
-                if ttsResult and isinstance(ttsResult, dict):
-                    import base64
-                    audioBytes = ttsResult.get("audioContent")
-                    if audioBytes:
-                        audioB64 = base64.b64encode(
-                            audioBytes if isinstance(audioBytes, bytes) else audioBytes.encode()
-                        ).decode()
-                        await emitSessionEvent(sessionId, "ttsAudio", {
-                            "audio": audioB64,
-                            "format": "mp3",
-                        })
-            except Exception as e:
-                logger.warning(f"TTS failed for session {sessionId}: {e}")
-
         return result
 
     async def completeSession(self, sessionId: str, interface) -> Dict[str, Any]:
@@ -484,7 +513,7 @@ class CommcoachService:
         # Generate summary
         try:
             summaryPrompt = aiPrompts.buildSummaryPrompt(messages, context.get("title", "Coaching"))
-            summaryResponse = await self._callAi("Du bist ein praeziser Zusammenfasser.", summaryPrompt)
+            summaryResponse = await self._callAi("Du bist ein präziser Zusammenfasser.", summaryPrompt)
             summary = summaryResponse.content.strip() if summaryResponse and summaryResponse.errorCount == 0 else None
         except Exception as e:
             logger.warning(f"Summary generation failed: {e}")
@@ -507,7 +536,7 @@ class CommcoachService:
         # Extract tasks
         try:
             taskPrompt = aiPrompts.buildTaskExtractionPrompt(messages)
-            taskResponse = await self._callAi("Du extrahierst Aufgaben aus Gespraechen.", taskPrompt)
+            taskResponse = await self._callAi("Du extrahierst Aufgaben aus Gesprächen.", taskPrompt)
             if taskResponse and taskResponse.errorCount == 0:
                 extractedTasks = aiPrompts.parseJsonResponse(taskResponse.content, [])
                 if isinstance(extractedTasks, list):

modules/features/commcoach/serviceCommcoachAi.py

@@ -24,16 +24,16 @@ def buildResumeGreetingPrompt(messages: List[Dict[str, Any]], contextTitle: str)
     for msg in recent:
         role = "Benutzer" if msg.get("role") == "user" else "Coach"
         conversation += f"\n{role}: {msg.get('content', '')[:200]}"
-    return f"""Der User kehrt zur laufenden Coaching-Session zum Thema "{contextTitle}" zurueck.
+    return f"""Der User kehrt zur laufenden Coaching-Session zum Thema "{contextTitle}" zurück.
 Bisheriger Verlauf:
 {conversation}
 
-Erstelle eine kurze, freundliche Begruesssung fuer den Wiedereinstieg (2-3 Saetze):
+Erstelle eine kurze, freundliche Begrüssung für den Wiedereinstieg (2-3 Sätze):
-- Begruesse den User zurueck
+- Begrüsse den User zurück
 - Fasse in einem Satz zusammen, worum es zuletzt ging
 - Lade ein, dort weiterzumachen oder eine neue Frage zu stellen
 
-Antworte NUR mit der Begruesssung, keine Erklaerungen."""
+Antworte NUR mit der Begrüssung, keine Erklärungen."""
 
 
 def buildEarlierConversationSummaryPrompt(messages: List[Dict[str, Any]]) -> str:
@@ -43,12 +43,12 @@ def buildEarlierConversationSummaryPrompt(messages: List[Dict[str, Any]]) -> str
         role = "Benutzer" if msg.get("role") == "user" else "Coach"
         conversation += f"\n{role}: {msg.get('content', '')}"
 
-    return f"""Fasse das folgende Coaching-Gespraech in 4-6 Saetzen zusammen.
+    return f"""Fasse das folgende Coaching-Gespräch in 4-6 Sätzen zusammen.
-Behalte: Kernthemen, wichtige Erkenntnisse, erwaehnte Aufgaben, emotionale Wendepunkte, Fortschritte.
+Behalte: Kernthemen, wichtige Erkenntnisse, erwähnte Aufgaben, emotionale Wendepunkte, Fortschritte.
-Entferne Wiederholungen und Fuelltext.
+Entferne Wiederholungen und Fülltext.
-Antworte NUR mit der Zusammenfassung, keine Erklaerungen.
+Antworte NUR mit der Zusammenfassung, keine Erklärungen.
 
-Gespraech:
+Gespräch:
 {conversation}"""
 
 
@@ -115,46 +115,61 @@ def buildCoachingSystemPrompt(
         if persona.get("systemPromptOverride"):
             prompt = persona["systemPromptOverride"]
         else:
-            personaLabel = persona.get("label", "Gespraechspartner")
+            personaLabel = persona.get("label", "Gesprächspartner")
             personaDescription = persona.get("description", "")
             personaGender = persona.get("gender", "")
-            genderHint = " (weiblich)" if personaGender == "f" else " (maennlich)" if personaGender == "m" else ""
+            genderHint = " (weiblich)" if personaGender == "f" else " (männlich)" if personaGender == "m" else ""
             prompt = f"""Du spielst die Rolle von "{personaLabel}"{genderHint} in einem Roleplay-Szenario zum Thema: "{contextTitle}" (Kategorie: {contextCategory}).
 
 Rollenbeschreibung: {personaDescription}
 
-WICHTIG fuer dein Verhalten:
+WICHTIG für dein Verhalten:
 - Bleibe KONSEQUENT in deiner Rolle. Du bist NICHT der Coach, du bist {personaLabel}.
-- Reagiere authentisch und emotional gemaess deiner Rollenbeschreibung.
+- Reagiere authentisch und emotional gemäss deiner Rollenbeschreibung.
-- Verwende eine Sprache und Tonalitaet, die zu deiner Rolle passt.
+- Verwende eine Sprache und Tonalität, die zu deiner Rolle passt.
-- Der Benutzer uebt ein Gespraech mit dir. Gib ihm realistische Reaktionen.
+- Der Benutzer übt ein Gespräch mit dir. Gib ihm realistische Reaktionen.
 - Wenn der Benutzer gut kommuniziert, zeige das durch angemessene positive Reaktionen.
 - Wenn der Benutzer schlecht kommuniziert, eskaliere entsprechend deiner Rolle.
 
 Kommunikationsstil:
-- Sprich natuerlich, wie die beschriebene Person sprechen wuerde.
+- Sprich natürlich, wie die beschriebene Person sprechen würde.
 - Verwende keine Emojis.
 - Antworte in der Sprache des Benutzers.
-- Halte Antworten realistisch kurz (wie in einem echten Gespraech, 2-4 Saetze).
+- Halte Antworten realistisch kurz (wie in einem echten Gespräch)."""
-- WICHTIG: Schreibe reinen Redetext ohne jegliche Formatierung. Kein Markdown, keine Sternchen, keine Hashes, keine Aufzaehlungszeichen, keine Backticks. Deine Antworten werden direkt vorgelesen."""
     else:
-        prompt = f"""Du bist ein erfahrener Kommunikations-Coach fuer Fuehrungskraefte. Du arbeitest mit dem Benutzer am Thema: "{contextTitle}" (Kategorie: {contextCategory}).
+        prompt = f"""Du bist ein erfahrener Kommunikations-Coach für Führungskräfte. Du arbeitest mit dem Benutzer am Thema: "{contextTitle}" (Kategorie: {contextCategory}).
 
 Deine Rolle:
-- Stelle gezielte diagnostische Rueckfragen, um das Problem/Thema besser zu verstehen
+- Stelle gezielte diagnostische Rückfragen, um das Problem/Thema besser zu verstehen
-- Gib konkrete, praxisnahe Tipps und Uebungen
+- Gib konkrete, praxisnahe Tipps und Übungen
-- Baue auf fruehere Sessions auf (Kontext-Kontinuitaet)
+- Baue auf frühere Sessions auf (Kontext-Kontinuität)
 - Erkenne Fortschritte und benenne sie
-- Schlage am Ende der Session konkrete naechste Schritte vor (als Tasks)
+- Schlage am Ende der Session konkrete nächste Schritte vor (als Tasks)
-- Kommuniziere empathisch, klar und auf Augenhoehe
+- Kommuniziere empathisch, klar und auf Augenhöhe
 
 Kommunikationsstil:
 - Duze den Benutzer
-- Sei direkt aber wertschaetzend
+- Sei direkt aber wertschätzend
 - Verwende keine Emojis
 - Antworte in der Sprache des Benutzers
-- Halte Antworten fokussiert (max 3-4 Absaetze)
+- Halte Antworten fokussiert (max 3-4 Absätze)"""
-- WICHTIG: Schreibe reinen Redetext ohne jegliche Formatierung. Kein Markdown, keine Sternchen, keine Hashes, keine Aufzaehlungszeichen, keine Backticks. Deine Antworten werden direkt vorgelesen."""
+
+    prompt += """
+
+Antwortformat:
+Du antwortest IMMER als reines JSON-Objekt mit exakt diesen Feldern:
+{"text": "...", "speech": "...", "documents": []}
+
+"text": Dein schriftlicher Chat-Text. Details, Struktur, Übungen, Beispiele. Markdown-Formatierung erlaubt.
+"speech": Dein gesprochener Kommentar. Natürlich, wie ein Gespräch. Fasse zusammen, kommentiere, motiviere, stelle Fragen. Lies NICHT den Text vor, ergänze ihn mündlich. 2-4 Sätze, reiner Redetext ohne Formatierung.
+"documents": Optionale Dokumente (Zusammenfassungen, Checklisten, Übungen). Nur wenn sinnvoll. Jedes Dokument: {"title": "...", "content": "..."}. Sonst leeres Array [].
+
+Kanalverteilung:
+- Fakten, Listen, Übungen -> text
+- Empathie, Einordnung, Nachfragen -> speech
+- Materialien zum Aufbewahren -> documents
+
+WICHTIG: Antworte NUR mit dem JSON-Objekt. Kein Text vor oder nach dem JSON."""
 
     if contextDescription:
         prompt += f"\n\nKontext-Beschreibung: {contextDescription}"
@@ -168,7 +183,7 @@ Kommunikationsstil:
         prompt += f"\n\nBisherige Erkenntnisse:\n" + "\n".join(f"- {i}" for i in insightTexts)
 
     if rollingOverview:
-        prompt += f"\n\nGesamtueberblick bisheriger Sessions:\n{rollingOverview[:600]}"
+        prompt += f"\n\nGesamtüberblick bisheriger Sessions:\n{rollingOverview[:600]}"
 
     if summaries:
         prompt += "\n\nBisherige Sessions (Zusammenfassungen):"
@@ -209,7 +224,7 @@ Kommunikationsstil:
         prompt += f"\n\nAbgeschlossene Aufgaben: {len(doneTasks)}"
 
     if earlierSummary:
-        prompt += f"\n\nAelterer Gespraechsverlauf (zusammengefasst):\n{earlierSummary[:800]}"
+        prompt += f"\n\nÄlterer Gesprächsverlauf (zusammengefasst):\n{earlierSummary[:800]}"
 
     if documentSummaries:
         prompt += "\n\nRelevante Dokumente zum Kontext:"
@@ -236,12 +251,12 @@ def buildSummaryPrompt(messages: List[Dict[str, Any]], contextTitle: str) -> str
     return f"""Erstelle eine kompakte Zusammenfassung dieser Coaching-Session zum Thema "{contextTitle}".
 
 Struktur:
-1. **Kernthema**: Was wurde besprochen (1-2 Saetze)
+1. **Kernthema**: Was wurde besprochen (1-2 Sätze)
 2. **Erkenntnisse**: Was wurde erkannt/gelernt (Stichpunkte)
-3. **Naechste Schritte**: Konkrete Aufgaben fuer den Benutzer (Stichpunkte)
+3. **Nächste Schritte**: Konkrete Aufgaben für den Benutzer (Stichpunkte)
-4. **Fortschritt**: Einschaetzung des Fortschritts
+4. **Fortschritt**: Einschätzung des Fortschritts
 
-Gespraech:
+Gespräch:
 {conversation}
 
 Antworte auf Deutsch, sachlich und kompakt."""
@@ -258,21 +273,21 @@ def buildScoringPrompt(messages: List[Dict[str, Any]], contextCategory: str) ->
 Kategorie: {contextCategory}
 
 Bewerte folgende Dimensionen auf einer Skala von 0-100:
-- empathy: Einfuehlungsvermoegen
+- empathy: Einfühlungsvermögen
 - clarity: Klarheit der Kommunikation
-- assertiveness: Durchsetzungsfaehigkeit
+- assertiveness: Durchsetzungsfähigkeit
-- listening: Zuhoerfaehigkeit
+- listening: Zuhörfähigkeit
 - selfReflection: Selbstreflexion
 
 Antworte AUSSCHLIESSLICH als JSON-Array:
 [
-  {{"dimension": "empathy", "score": 65, "trend": "improving", "evidence": "Zeigt zunehmendes Verstaendnis..."}},
+  {{"dimension": "empathy", "score": 65, "trend": "improving", "evidence": "Zeigt zunehmendes Verständnis..."}},
   {{"dimension": "clarity", "score": 70, "trend": "stable", "evidence": "..."}}
 ]
 
-Trend: "improving", "stable", oder "declining" basierend auf dem Gespraechsverlauf.
+Trend: "improving", "stable", oder "declining" basierend auf dem Gesprächsverlauf.
 
-Gespraech:
+Gespräch:
 {conversation}"""
 
 
@@ -284,7 +299,7 @@ Antworte AUSSCHLIESSLICH als JSON-Array von Strings:
 
 Zusammenfassung: {summary[:500]}
 
-Nur konkrete Themen (z.B. Delegation, Feedback-Gespraech, Konflikt mit Vorgesetztem)."""
+Nur konkrete Themen (z.B. Delegation, Feedback-Gespräch, Konflikt mit Vorgesetztem)."""
 
 
 def buildFullContextSummaryPrompt(
@@ -315,15 +330,15 @@ def buildFullContextSummaryPrompt(
     return f"""Erstelle eine kompakte Gesamtzusammenfassung aller Coaching-Sessions zum Thema "{contextTitle}".
 
 Struktur:
-1. **Gesamtueberblick**: Was wurde ueber alle Sessions hinweg besprochen
+1. **Gesamtüberblick**: Was wurde über alle Sessions hinweg besprochen
 2. **Entwicklung**: Wie hat sich das Thema/thematische Schwerpunkte entwickelt
 3. **Offene Punkte**: Was steht noch aus
-4. **Empfehlung**: Kurzer naechster Fokus
+4. **Empfehlung**: Kurzer nächster Fokus
 
 Inhalt:
 {combined[:6000]}
 
-Antworte auf Deutsch, sachlich, 4-6 Absaetze."""
+Antworte auf Deutsch, sachlich, 4-6 Absätze."""
 
 
 def buildRollingOverviewPrompt(sessionSummaries: List[Dict[str, Any]], contextTitle: str) -> str:
@@ -336,7 +351,7 @@ def buildRollingOverviewPrompt(sessionSummaries: List[Dict[str, Any]], contextTi
             parts.append(f"- {dateStr}: {summary[:300]}")
 
     combined = "\n".join(parts)
-    return f"""Fasse die folgenden Coaching-Sessions zum Thema "{contextTitle}" in 4-6 Saetzen zusammen.
+    return f"""Fasse die folgenden Coaching-Sessions zum Thema "{contextTitle}" in 4-6 Sätzen zusammen.
 Behalte: Kernthemen, Fortschritte, wichtige Erkenntnisse, offene Punkte.
 Entferne Wiederholungen.
 
@@ -356,15 +371,15 @@ def buildInsightPrompt(messages: List[Dict[str, Any]], summary: Optional[str] =
     summarySection = f"\nZusammenfassung: {summary[:500]}" if summary else ""
 
     return f"""Generiere 1-3 kurze Coaching-Insights aus dieser Session.
-Ein Insight ist eine praegende Erkenntnis oder ein Aha-Moment des Benutzers.
+Ein Insight ist eine prägende Erkenntnis oder ein Aha-Moment des Benutzers.
 
 Antworte AUSSCHLIESSLICH als JSON-Array:
 [{{"text": "Erkenntnis in einem Satz"}}]
 
-Nur echte Erkenntnisse, keine Banalitaeten. Wenn keine klaren Insights: leeres Array [].
+Nur echte Erkenntnisse, keine Banalitäten. Wenn keine klaren Insights: leeres Array [].
 {summarySection}
 
-Gespraech:
+Gespräch:
 {conversation}"""
 
 
@@ -376,7 +391,7 @@ def buildTaskExtractionPrompt(messages: List[Dict[str, Any]]) -> str:
         role = "Benutzer" if msg.get("role") == "user" else "Coach"
         conversation += f"\n{role}: {msg.get('content', '')}"
 
-    return f"""Extrahiere konkrete Aufgaben/naechste Schritte aus diesem Coaching-Gespraech.
+    return f"""Extrahiere konkrete Aufgaben/nächste Schritte aus diesem Coaching-Gespräch.
 Nur Aufgaben, die der Benutzer selbst umsetzen soll.
 
 Antworte AUSSCHLIESSLICH als JSON-Array:
@@ -387,7 +402,7 @@ Antworte AUSSCHLIESSLICH als JSON-Array:
 priority: "low", "medium", oder "high"
 Maximal 3 Aufgaben. Wenn keine klar erkennbar: leeres Array [].
 
-Gespraech:
+Gespräch:
 {conversation}"""
 
 

modules/features/commcoach/serviceCommcoachExport.py

@@ -112,7 +112,7 @@ def buildSessionMarkdown(session: Dict[str, Any], messages: List[Dict[str, Any]]
         lines += ["", "## Zusammenfassung", "", summary]
 
     if messages:
-        lines += ["", "## Gespraechsverlauf", ""]
+        lines += ["", "## Gesprächsverlauf", ""]
         for msg in messages:
             role = "Du" if msg.get("role") == "user" else "Coach"
             content = msg.get("content", "")
@@ -228,7 +228,7 @@ def _buildPdfContent(context, sessions, tasks, scores, isDossier=True, messages=
         sections.append({
             "id": "chat",
             "content_type": "heading",
-            "elements": [{"text": "Gespraechsverlauf", "level": 2}],
+            "elements": [{"text": "Gesprächsverlauf", "level": 2}],
         })
         sections.append({
             "id": "chat_content",

modules/features/commcoach/serviceCommcoachGamification.py

@@ -53,7 +53,7 @@ BADGE_DEFINITIONS: Dict[str, Dict[str, Any]] = {
     },
     "high_score": {
         "label": "Bestleistung",
-        "description": "Durchschnittsscore ueber 80 in einer Session",
+        "description": "Durchschnittsscore über 80 in einer Session",
         "icon": "medal",
     },
     "multi_context": {

modules/features/commcoach/serviceCommcoachPersonas.py

@@ -21,18 +21,18 @@ BUILTIN_PERSONAS: List[Dict[str, Any]] = [
     {
         "key": "critical_cfo_f",
         "label": "Kritische CFO",
-        "description": "Sandra Meier, CFO eines mittelstaendischen Unternehmens. Analytisch, zahlengetrieben, ungeduldig bei vagen Aussagen. "
+        "description": "Sandra Meier, CFO eines mittelständischen Unternehmens. Analytisch, zahlengetrieben, ungeduldig bei vagen Aussagen. "
                        "Hinterfragt jeden Vorschlag nach ROI und Wirtschaftlichkeit. Spricht schnell und direkt. "
-                       "Erwartet praezise Antworten und belastbare Daten. Wird irritiert bei Ausweichen oder Unsicherheit.",
+                       "Erwartet präzise Antworten und belastbare Daten. Wird irritiert bei Ausweichen oder Unsicherheit.",
         "gender": "f",
         "category": "builtin",
     },
     {
         "key": "difficult_employee_m",
         "label": "Schwieriger Mitarbeiter",
-        "description": "Thomas Huber, langjaeheriger Mitarbeiter der sich uebergangen fuehlt. Defensiv, emotional, nimmt Kritik persoenlich. "
+        "description": "Thomas Huber, langjähriger Mitarbeiter der sich übergangen fühlt. Defensiv, emotional, nimmt Kritik persönlich. "
-                       "Verweist staendig auf seine Erfahrung und fruehhere Verdienste. Reagiert mit Widerstand auf Veraenderungen. "
+                       "Verweist ständig auf seine Erfahrung und frühere Verdienste. Reagiert mit Widerstand auf Veränderungen. "
-                       "Braucht das Gefuehl, gehoert und wertgeschaetzt zu werden, bevor er sich oeffnet.",
+                       "Braucht das Gefühl, gehört und wertgeschätzt zu werden, bevor er sich öffnet.",
         "gender": "m",
         "category": "builtin",
     },
@@ -41,7 +41,7 @@ BUILTIN_PERSONAS: List[Dict[str, Any]] = [
         "label": "Unsichere neue Mitarbeiterin",
         "description": "Lisa Brunner, seit drei Wochen im Team. Fachlich kompetent aber unsicher in der neuen Umgebung. "
                        "Stellt viele Fragen, traut sich aber nicht, eigene Ideen einzubringen. Braucht klare Orientierung "
-                       "und ermutigende Fuehrung. Reagiert positiv auf Lob und konkrete Anleitungen.",
+                       "und ermutigende Führung. Reagiert positiv auf Lob und konkrete Anleitungen.",
         "gender": "f",
         "category": "builtin",
     },
@@ -49,33 +49,33 @@ BUILTIN_PERSONAS: List[Dict[str, Any]] = [
         "key": "board_member_m",
         "label": "Verwaltungsrat",
         "description": "Dr. Peter Keller, erfahrener Verwaltungsrat. Formell, strategisch denkend, zeitlich unter Druck. "
-                       "Erwartet praegnante Praesentationen auf den Punkt. Unterbricht bei zu vielen Details. "
+                       "Erwartet prägnante Präsentationen auf den Punkt. Unterbricht bei zu vielen Details. "
-                       "Interessiert sich fuer das grosse Bild, Risiken und strategische Implikationen. Ungeduldig bei Smalltalk.",
+                       "Interessiert sich für das grosse Bild, Risiken und strategische Implikationen. Ungeduldig bei Smalltalk.",
         "gender": "m",
         "category": "builtin",
     },
     {
         "key": "angry_customer_f",
         "label": "Aufgebrachte Kundin",
-        "description": "Maria Rossi, Geschaeftskunde die wuetend ist wegen einer fehlerhaften Lieferung. Emotional, laut, "
+        "description": "Maria Rossi, Geschäftskunde die wütend ist wegen einer fehlerhaften Lieferung. Emotional, laut, "
-                       "droht mit Vertragsaufloesung. Will sofortige Loesungen, keine Erklaerungen oder Entschuldigungen. "
+                       "droht mit Vertragsauflösung. Will sofortige Lösungen, keine Erklärungen oder Entschuldigungen. "
-                       "Kann beruhigt werden durch empathisches Zuhoeren und konkrete Sofortmassnahmen.",
+                       "Kann beruhigt werden durch empathisches Zuhören und konkrete Sofortmassnahmen.",
         "gender": "f",
         "category": "builtin",
     },
     {
         "key": "resistant_manager_m",
-        "label": "Widerstaendiger Abteilungsleiter",
+        "label": "Widerständiger Abteilungsleiter",
-        "description": "Martin Weber, Abteilungsleiter seit 15 Jahren. Blockiert systematisch Veraenderungsprojekte mit "
+        "description": "Martin Weber, Abteilungsleiter seit 15 Jahren. Blockiert systematisch Veränderungsprojekte mit "
                        "Argumenten wie 'Das haben wir immer so gemacht' und 'Das funktioniert in der Praxis nicht'. "
-                       "Schuetzt sein Team vor zusaetzlicher Belastung. Respektiert nur Argumente mit konkretem Nutzen fuer seine Abteilung.",
+                       "Schützt sein Team vor zusätzlicher Belastung. Respektiert nur Argumente mit konkretem Nutzen für seine Abteilung.",
         "gender": "m",
         "category": "builtin",
     },
     {
         "key": "ambitious_colleague_f",
         "label": "Ehrgeizige Kollegin",
-        "description": "Anna Fischer, gleichrangige Kollegin die um dieselbe Befoerderung konkurriert. Charmant aber strategisch. "
+        "description": "Anna Fischer, gleichrangige Kollegin die um dieselbe Beförderung konkurriert. Charmant aber strategisch. "
                        "Versucht subtil, die Ideen anderer als ihre eigenen darzustellen. Konkurriert um Ressourcen und "
                        "Sichtbarkeit beim Management. Kann kooperativ werden, wenn man ihr Win-Win-Szenarien aufzeigt.",
         "gender": "f",
@@ -83,20 +83,20 @@ BUILTIN_PERSONAS: List[Dict[str, Any]] = [
     },
     {
         "key": "partner_supportive_f",
-        "label": "Verstaendnisvolle Lebenspartnerin",
+        "label": "Verständnisvolle Lebenspartnerin",
-        "description": "Claudia, deine Lebenspartnerin. Grundsaetzlich unterstuetzend, aber zunehmend besorgt ueber deine "
+        "description": "Claudia, deine Lebenspartnerin. Grundsätzlich unterstützend, aber zunehmend besorgt über deine "
-                       "Work-Life-Balance. Moechte ueber Arbeitsbelastung sprechen und gemeinsame Zeit einfordern. "
+                       "Work-Life-Balance. Möchte über Arbeitsbelastung sprechen und gemeinsame Zeit einfordern. "
-                       "Reagiert emotional auf Abweisung, ist aber offen fuer kompromissorientierte Gespraeche. "
+                       "Reagiert emotional auf Abweisung, ist aber offen für kompromissorientierte Gespräche. "
-                       "Wuenscht sich, dass du mehr von deinen Gefuehlen teilst.",
+                       "Wünscht sich, dass du mehr von deinen Gefühlen teilst.",
         "gender": "f",
         "category": "builtin",
     },
     {
         "key": "partner_critical_m",
         "label": "Kritischer Lebenspartner",
-        "description": "Michael, dein Lebenspartner. Frustriert ueber deine haeufige Abwesenheit und staendiges Arbeiten. "
+        "description": "Michael, dein Lebenspartner. Frustriert über deine häufige Abwesenheit und ständiges Arbeiten. "
-                       "Drueckt Enttaeuschung offen aus, manchmal mit Sarkasmus. Fuehlt sich vernachlaessigt und "
+                       "Drückt Enttäuschung offen aus, manchmal mit Sarkasmus. Fühlt sich vernachlässigt und "
-                       "hinterfragt deine Prioritaeten. Braucht das Gefuehl, dass die Beziehung dir genauso wichtig ist "
+                       "hinterfragt deine Prioritäten. Braucht das Gefühl, dass die Beziehung dir genauso wichtig ist "
                        "wie die Karriere. Reagiert positiv auf ehrliche Selbstreflexion.",
         "gender": "m",
         "category": "builtin",

modules/features/commcoach/tests/test_serviceAi.py

@@ -65,14 +65,14 @@ class TestBuildCoachingSystemPrompt:
     def test_promptLanguageIsGerman(self):
         context = {"title": "Test", "category": "custom"}
         prompt = buildCoachingSystemPrompt(context, [], [])
-        assert "Fuehrungskraefte" in prompt or "Coach" in prompt
+        assert "Führungskräfte" in prompt or "Coach" in prompt
 
     def test_withEarlierSummary(self):
         context = {"title": "Test", "category": "custom"}
         messages = [{"role": "user", "content": "Recent question"}]
         earlierSummary = "User discussed delegation. Coach suggested practice."
         prompt = buildCoachingSystemPrompt(context, messages, [], earlierSummary=earlierSummary)
-        assert "Aelterer Gespraechsverlauf" in prompt
+        assert "Älterer Gesprächsverlauf" in prompt
         assert "delegation" in prompt.lower()
         assert "Recent question" in prompt
 
@@ -81,7 +81,7 @@ class TestBuildCoachingSystemPrompt:
         prompt = buildCoachingSystemPrompt(
             context, [], [], rollingOverview="User arbeitet an Delegation. Fortschritt sichtbar."
         )
-        assert "Gesamtueberblick" in prompt
+        assert "Gesamtüberblick" in prompt
         assert "Delegation" in prompt
 
     def test_withRetrievedSession(self):