perf(audit): vendor_llm_extractor + mc_solution_generator nutzen P31 LLM-Cascade

Beide rufen jetzt llm_cascade.call_with_cascade() statt direkter Qwen/OVH-
Aufrufe. Damit:
* Cache-Hit auf identische Eingaben (Valkey, 7d TTL) → ~50ms statt
  4-6min beim Re-Run derselben Cookie-Doc.
* Tiered Cascade automatisch: Qwen → OVH 120B → Anthropic Claude Haiku
  wenn lower-tier under confidence-threshold.
* Confidence-Scoring (JSON-parse + items_per_input_size) entscheidet ob
  weiter delegiert wird.

Fallback auf alte _call_ollama/_call_ovh bleibt bestehen wenn der
Cascade-Aufruf scheitert.

Erwartete Wirkung beim 2. VW-Lauf: ~10min statt ~25min (Cache-Hit auf
identische Cookie-Doc + MC-Solutions).

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

backend-compliance/compliance/services/mc_solution_generator.py

@@ -172,6 +172,21 @@ async def generate_solution(
         "Liefere die Loesung als JSON."
     )
 
+    # P31: tiered Cascade (Qwen → OVH → Anthropic) mit Valkey-Cache.
+    try:
+        from compliance.services.llm_cascade import call_with_cascade
+        res = await call_with_cascade(
+            system=_SYSTEM_PROMPT, user=prompt,
+            min_confidence=0.5, max_tokens=600,
+        )
+        parsed = _parse(res.get("text", ""))
+        if parsed:
+            _cache_put(cache_key, parsed)
+            return parsed
+    except Exception:
+        # fall through to legacy direct calls
+        pass
+
     content = await _call_ollama(prompt)
     parsed = _parse(content)
     if not parsed: