feat(profile): P14+P15+P16 — B2B-Heuristik + Doc-URL-Dedup + Homepage-Profile

P14 — _detect_no_direct_sales erweitert um 3 Cluster:
  A) OEM-Konfigurator (BMW/Audi/Mercedes/VW/Porsche-Markennamen + Vertragshaendler-Pattern)
  B) B2B-Dienstleister (CE-Zertifizierung, Compliance-Beratung, Schulungen, Auditierung, TISAX, ISO-Normen, Arbeitssicherheit, ...)
  C) NGO/Verein/Public (Spendenkonto, Vereinsregister, gemeinnuetzig, ...)
Schwelle: pos >= 2 pro Cluster UND pos > neg. Bisher: nur OEM.

P15 — Doc-URL-Dedup im Worker: wenn mehrere Doc-Types DASSELBE Dokument
referenzieren (Safetykon-Pattern: User gibt /datenschutz fuer dse, cookie
UND widerruf), wird nur dem primaeren Doc-Type (Priority: dse > impressum
> cookie > widerruf > agb > nutzungsbedingungen) der Text gegeben. Andere
landen als "Nicht separat vorhanden — wird im Dokument 'X' mit-geprueft."
Eliminiert die 8+8 systematischen widerruf/cookie False Positives.

P16 — Profile-Detection auch Homepage-Text: Homepage-HTML wird mit kurzem
Fetch (8s timeout) gezogen, getrippt und zum profile_input gemerged. Vor-
her wirkte P14 nur wenn B2B-Indikatoren im DSE/Impressum-Pflichttext
standen — bei Safetykon stehen sie nur im Homepage-Menue.

Plus Bonus: TDM-Override-Submit-Button wird deaktiviert wenn Reason < 10
Zeichen — verhindert dass User wie heute in den Bug rein klickt.

Smoke-Test Safetykon (B2B Compliance-Dienstleister):
  dse                  geprueft (kein err)
  impressum            geprueft (kein err)
  cookie               "Nicht separat vorhanden — wird in DSE mit-geprueft"
  agb                  "Nicht anwendbar — kein Direkt-Kaufvertrag"
  widerruf             "Nicht anwendbar — kein Direkt-Kaufvertrag"
  nutzungsbedingungen  "Nicht anwendbar — kein Direkt-Kaufvertrag"
Vorher: 16 False Positives. Jetzt: 0.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

backend-compliance/compliance/services/business_profiler.py

@@ -335,9 +335,10 @@ async def detect_business_profile(documents: dict[str, str]) -> BusinessProfile:
     return profile
 
 
-# Indikatoren: Site verweist primaer auf Vertragshaendler/Niederlassungen
-# statt einen eigenen Checkout-Vertragsabschluss zu bieten.
-_NO_DIRECT_SALES_POSITIVE = [
+# P14: drei Cluster die jeweils unabhaengig no_direct_sales=True triggern.
+
+# Cluster A: OEM-Konfigurator-Pattern (Auto-Hersteller mit Vertragshaendler-Netz)
+_OEM_POSITIVE = [
     "vertragshaendler", "vertragshändler", "vertragspartner",
     "vertragswerkstatt", "haendlersuche", "händlersuche",
     "niederlassung", "vertretung", "autorisierter haendler",
@@ -347,27 +348,80 @@ _NO_DIRECT_SALES_POSITIVE = [
     "anfrage an haendler", "anfrage an händler",
     "konfigurator", "fahrzeug konfigurieren",
     "ihre individuelle anfrage",
-    # OEM-Markennamen — sind Hersteller-Marken die ueblicherweise via
-    # Haendler vertreiben.
     "bmw vertriebs", "audi vertriebs", "mercedes-benz vertriebs",
     "volkswagen vertriebs", "porsche zentrum",
+    # OEM-Markennamen im Pflichttext (Datenschutz erwaehnt Hersteller)
+    "bmw ag", "audi ag", "mercedes-benz ag", "volkswagen ag",
+    "porsche ag", "opel automobile gmbh",
 ]
 
+# Cluster B: B2B-Dienstleister (Beratung / Compliance / Schulung / CE)
+_B2B_SERVICE_POSITIVE = [
+    "ce-zertifizierung", "ce zertifizierung",
+    "ce-konformitaet", "ce-konformität",
+    "ce-kennzeichnung", "ce kennzeichnung",
+    "compliance-beratung", "compliance beratung",
+    "arbeitssicherheit", "product compliance",
+    "produktsicherheit", "produkthaftung",
+    "auditierung", "auditor", "auditierungen",
+    "schulungen", "workshops", "akademie",
+    "beratungsleistungen", "consultingleistungen",
+    "consulting services", "managementsystem",
+    "datenschutzbeauftragter (extern)",
+    "externer datenschutzbeauftragter",
+    "datenschutz-audit", "tisax", "iso 27001",
+    "iso 9001", "iso 14001", "iso 45001",
+    "gefaehrdungsbeurteilung", "gefährdungsbeurteilung",
+    "betriebsbeauftragter", "fachkraft fuer arbeitssicherheit",
+    "fachkraft für arbeitssicherheit",
+]
+
+# Cluster C: NGO / Verein / oeffentliche Verwaltung
+_NONPROFIT_PUBLIC_POSITIVE = [
+    "spendenkonto", "vereinsregister", "gemeinnuetzig",
+    "gemeinnützig", "ehrenamtlich", "foerderverein",
+    "förderverein", "stiftung", "buergeramt", "bürgeramt",
+    "landratsamt", "kommunalverwaltung",
+]
+
+# Backwards-compat
+_NO_DIRECT_SALES_POSITIVE = (
+    _OEM_POSITIVE + _B2B_SERVICE_POSITIVE + _NONPROFIT_PUBLIC_POSITIVE
+)
+
 # Indikatoren GEGEN no_direct_sales: echte Online-Shop-Funktionen.
 _DIRECT_SALES_NEGATIVE = [
     "in den warenkorb", "warenkorb hinzu", "zur kasse",
     "jetzt kaufen", "kostenpflichtig bestellen",
     "zahlungspflichtig bestellen", "sofort-kauf",
     "online bestellen", "lieferadresse", "rechnungsadresse",
+    "versandkosten", "lieferzeit", "lieferbedingungen",
+    "checkout", "stueckpreis", "stückpreis",
 ]
 
 
 def _detect_no_direct_sales(full_text: str) -> bool:
-    """Heuristik: erkennt OEM-Konfigurator-Sites die nicht direkt verkaufen."""
+    """Heuristik: True wenn Site keinen Direkt-Vertrieb mit B2C-Kunden hat.
+
+    Trifft fuer 3 Cluster zu (jeweils mind. 2 Treffer im Cluster):
+      A) OEM-Konfigurator (Auto-Hersteller)
+      B) B2B-Dienstleister (Beratung/Compliance/Schulung)
+      C) NGO / oeffentliche Verwaltung
+
+    Negativ-Signale (echte Shop-Funktionen) zaehlen gegen den Cluster:
+    nur True wenn pos > neg.
+    """
     text = full_text.lower()
-    pos = sum(1 for k in _NO_DIRECT_SALES_POSITIVE if k in text)
+    oem = sum(1 for k in _OEM_POSITIVE if k in text)
+    b2b = sum(1 for k in _B2B_SERVICE_POSITIVE if k in text)
+    npg = sum(1 for k in _NONPROFIT_PUBLIC_POSITIVE if k in text)
     neg = sum(1 for k in _DIRECT_SALES_NEGATIVE if k in text)
-    # Mindestens 3 Haendler-Indikatoren UND weniger Shop-Indikatoren als
-    # Haendler-Indikatoren. Vermeidet false-positive fuer Shops die
-    # zusaetzlich "Haendlersuche" als Filiale-Finder anbieten.
-    return pos >= 3 and pos > neg
+    # Jeder Cluster ist eigenstaendig: 2 Treffer + weniger Negativ-Signale
+    # als Cluster-Treffer.
+    if oem >= 2 and oem > neg:
+        return True
+    if b2b >= 2 and b2b > neg:
+        return True
+    if npg >= 2 and npg > neg:
+        return True
+    return False