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:

backend-compliance/compliance/services/vendor_llm_extractor.py

@@ -63,19 +63,34 @@ async def extract_vendors_via_llm(
     excerpt = cookie_text[:max_text_chars]
     user_prompt = f"Cookie-Richtlinie-Text:\n\n{excerpt}"
 
-    # Stage 1: local Qwen
+    # P31: nutze tiered LLM-Cascade mit Cache (Qwen → OVH → Anthropic).
+    # Re-Runs derselben Cookie-Doc landen im Valkey-Cache (7d TTL) und
+    # gehen in ~50ms statt 4-6min durch. Erstaufruf bleibt 4-6min lokal
+    # bzw ~2min auf OVH.
+    try:
+        from compliance.services.llm_cascade import call_with_cascade
+        res = await call_with_cascade(
+            system=_SYSTEM_PROMPT, user=user_prompt,
+            min_confidence=0.6, max_tokens=16000,
+        )
+        vendors = _parse_vendor_list(res.get("text", ""))
+        if vendors:
+            logger.info(
+                "LLM vendor extraction (cascade %s, conf=%.2f, cached=%s): %d vendors",
+                res.get("source"), res.get("confidence", 0),
+                res.get("cached"), len(vendors),
+            )
+        return vendors
+    except Exception as e:
+        logger.warning("Cascade extract failed, fallback to direct Qwen: %s", e)
+
+    # Fallback: alte direkte Logik
     content = await _call_ollama(user_prompt)
     vendors = _parse_vendor_list(content)
     if vendors:
-        logger.info("LLM vendor extraction (Qwen): %d vendors", len(vendors))
         return vendors
-
-    # Stage 2: OVH backup
     content = await _call_ovh(user_prompt)
-    vendors = _parse_vendor_list(content)
-    if vendors:
-        logger.info("LLM vendor extraction (OVH): %d vendors", len(vendors))
-    return vendors
+    return _parse_vendor_list(content)
 
 
 async def _call_ollama(user_prompt: str) -> str: