# Novaberg — Node: Perzeption

**Projekt:** Novaberg — The Nova Anima Resonance System
**Dokument:** Pipeline-Node Perzeption (Emotionale + rationale Analyse)
**Stand:** 6. November 2026, 20:12 UTC (`date -u`; die Commit-Kennung nachgetragen — Code-Tree `6feb70a` ist `e71df6b`, die Doku dazu `7b35557`). Davor 26. Oktober 2026, 19:50 UTC (`date -u`; Wo ein durchgelassener Wert außerhalb des Kanons abgefangen wird — an den Faktortabellen und im KZG, Code-Tree `6feb70a`, Kennung wird nachgetragen → committet als `e71df6b`, die Doku dazu als `7b35557`). Davor 18. September 2026 (**zwei Entscheidungs-Einträge** — Kontext und Herkunft der Wahrnehmung, §5a). Davor 14. September 2026, 19:52 UTC (Befund: der Verlauf erreicht die Perzeption in 100 Zeichen je Beitrag). Davor 12. September 2026, 15:45 UTC (**der Kanon-Zug hat eine dritte Stufe** — Uebersetzungen und Wortgleiche je Feld, vor der Fremdfeld-Meldung; dazu erklaert der Prompt jeden der zehn Modi, statt sie nur aufzuzaehlen. `kreativ` stand in 0 von 1347 Turns und steht danach 30 von 30 auf Kreativ-Reizen, bei unveraenderter Gesamtquote). Davor 10. September 2026, 20:26 UTC (**alle sechs Wertefelder laufen durch den Kanon-Zug** — bis heute taten es zwei, und genau die vier ohne trugen die Ausreisser: von 16.164 Feldwerten stehen **327 ausserhalb** (2,0 %), `tone` mit 5,7 % an der Spitze. Die vier fehlenden Wertemengen sind als Konstanten deklariert, der Zug benennt das **fremde Feld**, wenn ein unbekannter Wert einem anderen gehoert, und jeder Ausreisser bekommt eine `kanon_ausreisser`-Zeile im `pipeline_log`. `PERZEPTION-WERTE-VERRUTSCHEN-DIE-SPALTE`). Davor der Sprecher kommt aus dem Feld, nicht aus der Position; der Enricher filtert nicht mehr). Davor: 23. August 2026 (der Gemma4-Override liegt unter `prompts/gemma4-gpu/` und lud bis dahin gar nicht). Davor: 30. Juli 2026, Chat 118 (Zerlegung: `Wahrnehmung`-Dataclass + acht Helfer; Verhalten unverändert)
**Pfad:** novaberg/docs/novaberg-node-perception.md
**Quellen:** nova-01-m-a.md (Node-Beschreibung), nova-04-m-a.md (Emotions-Vektoren, Plutchik-Details)

---

## 1. Aufgabe

Die Perzeption ist Novas Wahrnehmungsapparat — der erste Node im HumanGraph. Sie analysiert Eingaben auf drei Ebenen und liefert ein vollständiges Bild, auf dessen Basis alle nachfolgenden Nodes arbeiten. Sie trifft keine Entscheidungen und steuert keine Pfade — sie nimmt wahr und klassifiziert.

**Dual-Modus (seit Chat 59):** Dieselbe Funktion analysiert wahlweise einen User-Prompt (HumanGraph-Entry) oder Novas eigene Antwort (`perzeption_assistant`-Node im CharacterGraph). Das State-Feld `perzeption_rolle` schaltet zwischen beiden Modi um — gleiche JSON-Ausgabestruktur, anderer Fokus.

---

## Verwendung in beiden Graphen

Seit Chat 61 läuft Perzeption symmetrisch in beiden Graphen:

- **HumanGraph (Pfad 1):** Perzeption läuft als erster Node und analysiert den User-Prompt. Flag `perzeption_rolle: "user"`. Aufgerufen direkt vom `HumanGraph.invoke()` als Entry-Point (`graph/base.py`).
- **CharacterGraph (Pfad 2):** Perzeption läuft als `perzeption_assistant`-Node nach `corrector` und vor `ei_calc_persist`. Der Wrapper setzt `state["perzeption_rolle"] = "assistant"` und ruft `perceive(state)` auf (`character_graph.py:66`, `add_edge("perzeption_assistant", "ei_calc_persist")`).

Das Flag `perzeption_rolle` wird in `create_state()` des jeweiligen Graphen vorgesetzt (siehe `graph/base.py` und `graph/character_graph.py:44`). Der Perzeption-Node prüft das Flag und liest entweder den User-Prompt oder die gerade generierte Nova-Antwort.

**Konsequenz:** Nach jedem Turn sind sowohl User-Emotion als auch Nova-Emotion im Session-Turn annotiert. Der nächste Turn kann beide als Historie nutzen.

---

## 2. Position im Graph

```
HumanGraph (Pfad 1, 5 Nodes):
▶ perzeption ◀ → enricher → ei_calc → salience → dispatcher

CharacterGraph (Pfad 2, 17 Nodes):
db_zugriff → ei_calc → enricher → reducer → router → planner → agent_dispatch
          → gv_node → responder → thinker → tribunal → evaluate → corrector
          → ▶ perzeption_assistant ◀ → ei_calc_persist → salience → dispatcher
```

**HumanGraph:** Entry-Point. Sieht den rohen User-Prompt und den Session-Kontext (letzte 5 Turns aus Redis). Kein KZG, kein LZG, kein Charakter-Hash.

**CharacterGraph:** Vorletzter Berechnungs-Node vor `ei_calc_persist` / `salience` / `dispatcher`. Analysiert Novas finale, vom Tribunal freigegebene Antwort. Der CG selbst beginnt nicht hier — Entry-Point ist `db_zugriff`. Session-Turns werden mit `character_id` aus dem State geladen (seit Chat 60).

---

## Bauform: `Wahrnehmung` und acht Helfer (Chat 118)

`perceive()` war 128 Zeilen mit 67 Anweisungen und drei über den Rumpf verteilten Rollen-Abfragen. Sie ist jetzt 42 Zeilen mit zehn Anweisungen und **keiner** Verzweigung; die Rollen-Abfrage steht einmal, in `_eingabe_waehlen` und `_ziel_personality`. Das Verhalten ist unverändert — die Zerlegung lief gegen ein vorher geschriebenes Netz aus 21 Tests.

| Helfer | Aufgabe |
|---|---|
| `_eingabe_waehlen` | User-Prompt oder Nova-Antwort, nach `perzeption_rolle` |
| `_ziel_personality` | Wohin geschrieben wird — `external` oder `internal` |
| `_session_kontext_laden` | Die letzten Turns aus Redis (§4.2) |
| `_build_system_prompt` | Prompt-Zusammenbau (§4.1) |
| `_wahrnehmung_erheben` | Der LLM-Aufruf |
| `_wahrnehmung_lesen`, `_arousal_lesen` | JSON → `Wahrnehmung` |
| `_wahrnehmung_schreiben` | `Wahrnehmung` → Personality-Slots |

Die acht Ausgabefelder liegen in einer Dataclass:

```python
@dataclass
class Wahrnehmung:
    intent:             str   = "smalltalk"
    tone:               str   = "sachlich"
    thema:              str   = ""
    emotion:            str   = "neutral"
    arousal:            float = 0.5
    modus:              str   = "alltag"
    sprach_stil:        str   = "neutral"
    beziehungs_dynamik: str   = "neutral"
```

**Die Defaults sind der Fallback.** Vorher standen dieselben acht Standardwerte zweimal im Rumpf: einmal als `.get()`-Default beim Lesen, einmal im `except`-Zweig bei einem Parse-Fehler. Zwei Listen, die dasselbe bedeuten sollen, sind die Stelle, an der sie auseinanderlaufen. Jetzt ist `Wahrnehmung()` der Fallback, und es gibt nur eine Liste.

`emotions_vector` steht bewusst **nicht** in der Klasse — den setzt der EI-Calc aus dem Emotionsverlauf, nicht dieser Knoten (§8).

Die Rolle „Nova" steht als Konstante `_ROLLE_NOVA = "assistant"` — der Wert kommt aus LangGraph-Message-Rollen und heißt deshalb nicht `nova`.

---

## 2b. Novas Seite nutzt die Hälfte des Wertevorrats (Chat 126)

Gemessen über 180 Turns der Charakterbildungs-Messreihe:

| | Nutzer | Nova |
|---|---|---|
| Ton `direkt` | 29 | **2** |
| Abwärts-Verlaufsform (`absturz`/`einbruch`/`spirale`) | 60 | 18 |
| verschiedene Werte in `beziehungs_dynamik` | 6 | **3** |
| Ton `empathisch` | 44 | **93 (51,7 %)** |

`angriff` erscheint achtmal beim Nutzer und **nie** bei ihr, `hilfesuchend` und `dankbar` ebenso wenig.

**Das Schema ist nicht die Ursache.** `perzeption.task.txt` und `perzeption.assistant_task.txt` bieten beide dieselbe Wertemenge an — `vertrauen|distanz|angriff|hilfesuchend|dankbar|neutral`. Der Klassifikator wählt drei davon für Nova nie. Der Reparaturort ist der Prompt oder seine Beispiele.

**Der Ton ist der schärfste Einzelwert.** `empathisch` steht in mehr als der Hälfte aller Turns, `sachlich` in weiteren 80 — zusammen 96 %. Für die übrigen fünf Werte bleiben sieben Turns. Der Monotonie-Druck (`novaberg-metakognition_k.md` §5.2, Schwelle 40 %) schlüge hier an, bei den Verlaufsformen dagegen nicht (plateau 29,4 %): Dort fehlen Werte, statt dass einer dominiert — **ein Druck, der auf Dominanz misst, sieht ein leeres Feld nicht.**

**Warum das über Statistik hinausgeht:** Ohne diese Werte hat Nova keinen Zustand, in dem „hier stimmt etwas nicht" ausdrückbar wäre. Ein Knoten, der einen Widerspruch fände, könnte ihn nirgendwo hinschreiben.

→ Bauteil `SYK-B9-REGISTER`; Zusammenhang in `novaberg-sykophanz-eindaemmung_k.md` §4.

---

## 3. Drei Analyseebenen

### 3.1 Rational — Was wird gesagt?

| Feld | Werte | Beschreibung |
|------|-------|-------------|
| `intent` | `smalltalk`, `knowledge`, `personal`, `task`, `creative`, `meta` | Kommunikationsabsicht des Users |
| `tone` | `empathisch`, `sachlich`, `kreativ`, `direkt` | Wie der Assistent antworten sollte |
| `thema` | Freitext (2–5 Worte) | Thematischer Kern der Nachricht |

**Intent-Definitionen:**
- `smalltalk` — Begrüßung, Plauderei, Höflichkeiten
- `knowledge` — Wissensfrage, Erklärung, Fakten
- `personal` — Bezug auf den User selbst, Vorlieben, Emotionen, Geschichte
- `task` — Aufgabe, Berechnung, Code, Erstellung, Terminverwaltung
- `creative` — Kreatives Schreiben, Ideen, Brainstorming
- `meta` — Fragen über den Assistenten selbst

### 3.2 Emotional — Was wird gefühlt?

| Feld | Werte | Beschreibung |
|------|-------|-------------|
| `emotion` | 16+1 Kategorien (siehe unten) | Dominante Emotion im Prompt |
| `arousal` | Float 0.0–1.0 | Energie-Intensität |

**Emotions-Kategorien (16+1, wie im Prompt definiert):**
- **Positiv (6):** `begeisterung`, `freude`, `dankbarkeit`, `zufriedenheit`, `hoffnung`, `neugierig`
- **Negativ (8):** `stress`, `unsicherheit`, `verzweiflung`, `traurigkeit`, `frustration`, `enttaeuschung`, `wut`, `aerger`
- **Überraschung (2):** `ueberrascht`, `verwundert`
- **Neutral (1):** `neutral`

> **Hinweis:** Die Kategorien im Perzeption-Prompt weichen leicht vom Plutchik-Modell ab — `stolz` und `erleichterung` sind nicht im Prompt enthalten, dafür `ueberrascht` und `verwundert` als eigene Kategorie. Nicht-kanonische Emotionen werden im Enricher über `EMOTION_SYNONYM_MAP` auf die kanonischen Formen gemappt. Unbekannte Emotionen erzeugen einen Error-Log.
>
> **Seit dem 12.09.2026 hat der Zug drei Stufen, nicht zwei.** Nach der exakten Form und der normalisierten (Kleinschreibung, aufgelöste Umlaute) kommt eine dritte: **Übersetzungen und Wortgleiche** aus einer Tabelle je Feld (`_FELDER_SYNONYME` → `MODUS_SYNONYM_MAP`). Sie steht **vor** der Fremdfeld-Meldung, weil ein auflösbarer Wert kein Ausreißer ist.
>
> **Warum eine Übersetzung nicht in den Kanon gehört:** Sie passierte dann jede Prüfung und liefe in die Tabellen ihres Feldes — `GV_LAENGE_MODUS_DELTA.get(modus, 0.0)` gibt ihr dort still den Zuschlag von `alltag`. Die Tabelle löst sie stattdessen an der Grenze auf. Anlass: Eine Wertelegende für `modus` erzeugte im Versuchsarm vom 10.09.2026 in **9 von 30** Läufen das englische `creative`. `[gemessen 12.09.2026]` Mit der gebauten Legende griff die Stufe in **0 von 30** Läufen — sie ist ein Riegel ohne belegten Eingang.
>
> **Beide Tabellen sind schlüsselwortgebunden** (`fremde=`, `synonyme=`): Sie sind Wissen *über die Felder*, beide dict, und am Aufrufer sonst verwechselbar.

> **Seit dem 10.09.2026 gilt das für alle sechs Wertefelder, nicht nur für die Emotion.** `_wahrnehmung_lesen` zieht `intent`, `tone`, `emotion`, `modus`, `sprach_stil` und `beziehungs_dynamik` über `to_canonical` gegen ihren Kanon — `thema` bleibt draußen, es ist Freitext. **Der Rückfall auf den Rohwert bleibt**: Ein unbekannter Wert läuft durch und wird gemeldet, statt auf einen Vorgabewert zurückgesetzt zu werden, der wie eine Messung aussähe.
>
> **Und die Meldung nennt das fremde Feld.** `[gemessen über 2694 Perzeptionen]` Die Hauptmenge der Ausreißer sind keine Schreibvarianten, sondern richtige Werte in der falschen Spalte: `philosophischer_austausch` steht **108-mal** in `intent`, `begeisterung` **59-mal** in `tone`, `sachlich` **19-mal** in `sprach_stil`. Jeder Ausreißer bekommt eine `kanon_ausreisser`-Zeile mit Feld, Wert und fremdem Feld; der saubere Lauf schreibt nichts.

> **Wo der durchgelassene Wert abgefangen wird, entscheidet seit dem 26.10.2026 die Verwendungsstelle.** Die acht Faktortabellen der Kanon-Felder — im EI-Gate (`intent`, `tone`, `beziehungs_dynamik`), in der Neugier (`modus`, `beziehungs_dynamik`, `sprach_stil`) und in der Faszination (`intent`, `mode`) — geben ihm einen benannten neutralen Faktor unter ihrem Maximum, den Eintrag `neutral` der Tabelle oder sonst ihr Mittel, und schreiben eine ERROR-Zeile mit Feld und Wert; bis dahin bekam er 1,0, beim Intent der höchste Wert. Die Schreiber des KZG nehmen `modus` und `intentionen` der Salienz nur als Kanon-Werte (`novaberg-mem-kzg.md` §2). Ohne Riegel lesen weiter die Ziel- und Deltatabellen von Raum und Gesprächsvektor `sprach_stil` und `beziehungs_dynamik` (Fundliste, 26.10.2026).

→ Plutchik-Modell: `novaberg-ei-plutchik.md`

**Arousal-Skala:**

| Bereich | Bedeutung | Beispiele |
|---------|-----------|-----------|
| 0.7–1.0 | Stark aufgewühlt | Raserei, Panik, Ekstase |
| 0.4–0.6 | Moderate Energie | Zufrieden, leicht traurig, unsicher |
| 0.1–0.3 | Niedrige Energie | Erschöpft, resigniert, Apathie |
| 0.0 | Völlig energielos | — |

> **Warum Float statt String?** Ursprünglich war Arousal ein String (`high/mid/low`). Das war zu ungenau — „ärgerlich (high)" konnte leicht genervt oder Raserei sein. Der Wechsel auf Float (Chat 8) ermöglicht feinere Steuerung: Antwortlänge, Tonalität und Vektor-Berechnung profitieren alle von der höheren Auflösung.

#### Die Spanne ist gemessen

`[gemessen]` 31.08.2026, elf nach Wucht gestaffelte Reize, isoliert gegen `perceive()` ohne Graph und ohne Session-Kontext:

| Reiz | Emotion | Arousal |
|---|---|---|
| Umlaufzeit des Mondes | `neutral` | 0.10 |
| Tardigraden im Vakuum | `neugierig` | 0.40 |
| Gammablitz ohne Vorwarnung | `unsicherheit` | 0.50 |
| Webb-Aufnahmen | `begeisterung` | 0.60 |
| ein Todesfall in der Nacht | `verzweiflung` | 0.80 |
| die dritte Absage ohne Begründung | `wut` | 0.80 |
| „Sie hat ja gesagt!!!" | `ueberrascht` | 0.90 |

**Die Spanne ist 0.10 bis 0.90 und trennt sauber nach Wucht.** Eine frühere Reihe hatte über 24 Läufe nur drei Werte gesehen (0.40, 0.50, 0.60) — das lag am Reizsatz aus acht Wissenschaftssätzen, nicht am Knoten. Dieselbe Staffelung bewegt auch die übrigen Felder: `intent` wechselt auf `personal`, `tone` auf `empathisch` und `direkt`, `beziehungs_dynamik` auf `hilfesuchend` und `vertrauen`. **Ein Reizsatz aus einem Register misst die Monotonie des Reizsatzes, nicht die des Klassifikators.**

Die Erregung ist seit dem 31.08.2026 die Größe, aus der der Emotionsverlauf die Reizstärke bezieht (`novaberg-ei.md` §Reizstärke). Was dieser Knoten hier vergibt, entscheidet dort, wie hart ein Turn auftrifft.

#### Die Sektoren, gegen das Rad gehalten

`[gemessen]` 31.08.2026, acht Reize entlang des Plutchik-Rads, drei Durchgänge, isoliert: **6 von 8 Sektoren getroffen, 8 von 8 Läufe wortgleich stabil, `neutral` 0 von 24 Mal.** Bei `temperature = 0.05` ist der Klassifikator deterministisch.

Zwei Fehlgriffe, beide systematisch und beide reproduzierbar:

| gereizt | geliefert | Verhältnis |
|---|---|---|
| Sektor 4 — Überraschung | `neugierig` → **Sektor 8** | der **Gegenpol** |
| Sektor 7 — Ärger | `frustration` → **Sektor 6** | der Nachbar |

**Der Reparaturort ist der Prompt, nicht die Rechnung.** Eine Vollturn-Reihe hatte am selben Tag 4 von 8 Sektoren und dreimal `neutral` ergeben — beides entsteht hinter diesem Knoten, nicht in ihm. Geführt als `PERZEPTION-SEKTOR-4-AUF-GEGENPOL` (Backlog, Charakter): **kein Defekt im Sinne des Bug-Registers**, weil kein Dokument sagt, welche Sektoren getroffen werden müssen — es fehlt ein Soll, nicht seine Einhaltung. Auf den Sektoren bauen das Sektor-Histogramm eines Strangs (§7.8) und die acht Verfallsfaktoren (§7.9).

### 3.3 Psychologisch — Was wird gebraucht?

| Feld | Werte | Beschreibung |
|------|-------|-------------|
| `modus` | `MODUS_KANON` (`config.py`): `fachgespraech`, `philosophischer_austausch`, `alltag`, `arbeitsmodus`, `emotional`, `spielerisch`, `lernmodus`, `kreativ`, `beratend`, `berichtend` | Kommunikationsregister des Users | **Seit dem 12.09.2026 erklärt der Prompt jeden der zehn Werte** statt sie nur aufzuzählen, und `MODUS_SYNONYM_MAP` zieht `creative` auf `kreativ`. Vorher war `kreativ` in 0 von 1347 Turns vergeben, danach 30 von 30 auf Kreativ-Reizen bei unveränderter Gesamtquote (23 von 30 über alle Modi).
| `sprach_stil` | `locker`, `formell`, `fachlich`, `emotional`, `jugendlich`, `neutral` | Wie der User formuliert |
| `beziehungs_dynamik` | `vertrauen`, `distanz`, `angriff`, `hilfesuchend`, `dankbar`, `neutral` | Positionierung des Users zum Assistenten |

> **Kognitionswissenschaftlicher Hintergrund:** Die drei Ebenen bilden ein vereinfachtes Modell der menschlichen Wahrnehmung: kognitive Verarbeitung (rational), affektive Bewertung (emotional) und soziale Einordnung (psychologisch). Die Beziehungsdynamik ist inspiriert von Eric Bernes Transaktionsanalyse — `hilfesuchend` entspricht dem Kind-Ich, `distanz` dem Erwachsenen-Ich, `angriff` dem kritischen Eltern-Ich.

---

## 4. Prompt-Aufbau

### 4.1 System-Prompt

Zusammengebaut in `_build_system_prompt(today, session_turns, rolle)` aus drei `[BLOCKNAME]`-Bausteinen (Prompt-Segregation seit Chat 46). Der `[AUFGABE]`-Block wird seit Chat 59 abhängig von der Rolle geladen:

| Block | Datei (rolle="user") | Datei (rolle="assistant") | Rolle |
|-------|----------------------|---------------------------|-------|
| `[IDENTITAET]` | `prompts/default/perzeption.identity.txt` | (identisch) | Rollendefinition + aktuelles Datum |
| `[AUFGABE]` | `prompts/default/perzeption.task.txt` | `prompts/default/perzeption.assistant_task.txt` | JSON-Format + Wertedefinitionen; Fokus „Nutzer" vs. „Assistentin" |
| `[REGELN]` | `prompts/default/perzeption.rules.txt` | (identisch) | „Analysiere NUR den aktuellen Prompt" + JSON-Ausgabe |

Reihenfolge nach Primacy/Recency: `[IDENTITAET]` → `[AUFGABE]` → (optional `[KONTEXT]`) → `[REGELN]` direkt vor der User-Message.

**Gemma4-Override:** `prompts/gemma4-gpu/perzeption.rules.txt` existiert — **nach dem Modell geschlüsselt, seit dem 23.08.2026** (`OVERRIDE-NACH-CONNECTOR-STATT-MODELL`). Zuvor lag die Datei unter `prompts/gemma4/` und wurde unter dem aktiven Connector `qwen36` **nicht geladen**, obwohl Gemma4 antwortet. Die Task-Blöcke haben keinen Override — ein Prompt gilt für alle Modelle.

### 4.2 Session-Kontext (seit Chat 23)

Wenn eine `user_id` vorhanden ist, werden die letzten 5 User+Assistant-Turns aus Redis geladen und als `[KONTEXT]`-Block zwischen `[AUFGABE]` und `[REGELN]` eingefügt:

```
[KONTEXT]
Die folgenden Gespraechsverlaeufe sind Hintergrund fuer Pronomen-Aufloesung,
Emotions-Kontext und Themen-Kontinuitaet. Hoehere Nummern sind aktueller.

[1] USER: ...
[1] NOVA: ...
[2] USER: ...
[2] NOVA: ...
```

Die Turns werden über die zentrale Funktion `format_session_turns_numbered()` aus `memory/session.py` formatiert — chronologisch aufsteigend nummeriert, höhere Nummer = näher am aktuellen Prompt. Dieselbe Funktion wird auch vom Router verwendet; der Responder baut seinen Verlauf selbst, aber über dieselbe Gruppierung.

> ⚠ **Befund 14.09.2026: Jeder Beitrag erreicht die Perzeption nur in seinen ersten 100 Zeichen** (`max_chars = 100`, von hier nicht überschrieben). Novas Antworten beginnen häufig mit einer Regieanweisung — `[gemessen 14.09.2026]` 157 bis 208 Zeichen in 4 von 4 Antworten; die Perzeption sah von ihnen nur deren Anfang. Wirkung auf die Wahrnehmung nicht gemessen. Fundliste 14.09.2026, Abhilfe als Teil B von Scheibe 12 (`novaberg-thinking-lage_k.md` §4). → **Behoben am 16.09.2026:** Die Perzeption bekommt jeden Beitrag des Fensters vollständig; eine Grenze greift nur noch über das ganze Fenster und wirft älteste Gruppen ganz weg (`novaberg-mem-session.md` §3.7). `[gemessen]` Über 1439 Fenster des Bestands fällt die Zahl mitten abgeschnittener Beiträge von 7213 auf **0**. **Die Wirkung auf die Wahrnehmung ist weiterhin nicht gemessen** — der Satz oben gilt unverändert, nur mit umgekehrtem Vorzeichen: Was die Perzeption aus dem ganzen Beitrag anders liest als aus seinen ersten 100 Zeichen, hat niemand erhoben.

> **Jede Zeile nennt seit dem 24.08.2026 ihren Sprecher, und der kommt aus dem Feld `herkunft` statt aus der Position** — ein Eigen-Impuls steht als `NOVA (von sich aus)`, eine Äußerung ohne belegte Herkunft als `NOVA (Anlass unbekannt)`. Vorher bildete die Funktion Paare `user` → `assistant` und übersprang alles andere; **8 von 24 Turns einer echten Session erreichten damit keinen Verlauf** (`IMPULS-FAELLT-AUS-DEM-VERLAUF`). `max_turns` zählt seither **Wortwechsel**, nicht Gruppen.

**Zwei Regeln im Kontext-Block:**
1. „Der Verlauf hilft bei Pronomen-Auflösung, Emotions-Kontext, Themen-Kontinuität" — definiert den erlaubten Nutzungsbereich
2. „Höhere Nummern sind aktueller" — unterstützt Recency-basierte Auflösung

**Die Einschränkung „Analysiere NUR den aktuellen Prompt"** steht im `[REGELN]`-Block direkt vor der User-Message (Recency-Position).

> **Validierung (Chat 23):** Keine Kontamination bei sachlichen Folgefragen. Wetterfrage nach Kündigung → `knowledge`, `neutral`, `a=0.2`. Die Perzeption nutzt den Kontext korrekt für kontextuelle Emotionen: „Was soll ich machen?" nach Kündigung → `unsicherheit`, `personal`, `a=0.7`.

### 4.3 User-Message

Der rohe `user_prompt` als einzige User-Message — ohne Vorverarbeitung.

### 4.4 LLM-Parameter

- **Temperature:** `0.05` (Fallback, konfigurierbar über `NODE_LLM_CONFIG["perzeption"]`)
- **Format:** JSON (erzwungen via `format_json=True`)
- **Provider:** `get_chat_provider()` über die LLM-Abstraktionsschicht (seit Chat 17, LLM1)
- **Caller:** `"perzeption"` (für Logging und Metriken)

**Fallback:** Bei JSON-Parsing-Fehler → Default-Werte (`smalltalk`, `sachlich`, `""`, `neutral`, Arousal 0.5, `alltag`, `neutral`, `neutral`). Kein Absturz, kein Retry.

---

## 5. State-Felder

### Gelesen

| State-Quelle | Typ | Beschreibung |
|---|---|---|
| `user_id` | str | Gedächtnis-Partition |
| `character_id` | str | Paar-Partition (für Session-Turns) |
| `user_prompt` | str | Eingabe bei `perzeption_rolle="user"` |
| `response` | str | Eingabe bei `perzeption_rolle="assistant"` |
| `perzeption_rolle` | str | Input-/Output-Switch (`"user"` / `"assistant"`, Default: `"user"`) |
| `session_turns` | list[dict] | Historischer Kontext für die LLM-Eingabe |

### Geschrieben

Output-Switch nach Rolle: `ziel_personality` ist `state["external"]` bei `perzeption_rolle="user"` (HG), sonst `state["internal"]` (CG, gesetzt vom `perzeption_assistant`-Wrapper). `emotions_vector` wird hier NICHT gesetzt — diesen Wert berechnet EI-Calc aus dem Verlauf.

| State-Ziel | Typ | Bewusst flach? | Beschreibung |
|---|---|---|---|
| `ziel_personality.emotion.emotion` | str | Nein (Klassen-Feld) | Aktuelle Emotion (16+1 Plutchik-Kategorien) |
| `ziel_personality.emotion.arousal` | float | Nein (Klassen-Feld) | Erregungs-Wert 0.0–1.0 |
| `ziel_personality.emotion.mode` | str | Nein (Klassen-Feld) | Gesprächs-Modus (`alltag`, `emotional`, …) |
| `ziel_personality.emotion.language_style` | str | Nein (Klassen-Feld) | Erkannter Sprachstil |
| `ziel_personality.emotion.relationship_dynamic` | str | Nein (Klassen-Feld) | Beziehungs-Dynamik (`vertrauen`, `distanz`, `angriff`, …) |
| `ziel_personality.emotion.tone` | str | Nein (Klassen-Feld) | Tone (`sachlich`, `emotional`, `drängend`, …) |
| `ziel_personality.emotion.intent` | str | Nein (Klassen-Feld) | Intent (`smalltalk`, `knowledge`, `task`, …) |
| `ziel_personality.emotion.prompt_topic` | str | Nein (Klassen-Feld) | Thematischer Kern |

---

## 5a. Entscheidungs-Einträge (18.09.2026)

Die Perzeption schreibt je Lauf zwei Einträge ins `pipeline_log` (`art = switch`, Feld `entscheidung`, über `memory/pipeline_log.log_decision`, gekapselt in `_record_decision`; Zeugen in `tests/test_decision_entries.py`) — im CharacterGraph also zweimal je Turn, je Rolle:

| Entscheidung | Ausgänge | Eingangsgrößen |
|---|---|---|
| `perzeption.kontext` | `geladen`, `leer`, `ohne_nutzer`, `ausgefallen` | Rolle, Zeichen des Kontexts |
| `perzeption.wahrnehmung` | `gelesen`, `standardwerte` | Rolle, Ziel (`external`/`internal`), Zeichen der Eingabe, Zahl der Kanon-Ausreißer |

**`standardwerte` ist die Herkunftsmarke, die fehlte.** Die Defaults der Datenklasse liegen in der Spanne echter Wahrnehmungen; ein Parse-Fehler sah im Bestand aus wie ein ruhiger, neutraler Turn. Ebenso trennt `ausgefallen` einen Lesefehler des Verlaufs von einem leeren Verlauf — für den Prompt sehen beide gleich aus. Dafür tragen `_session_kontext_laden` und `_wahrnehmung_erheben` ihren Zustand seither als zweiten Rückgabewert. Im Betrieb belegt am 18.09.2026, Turn `729033c8…`: `kontext = geladen`, `wahrnehmung = gelesen` in beiden Rollen.

## 6. Abhängigkeiten

| Import | Quelle | Zweck |
|--------|--------|-------|
| `redis_client` | `config` | Redis-Verbindung für Session-Turns |
| `get_node_config` | `config` | Node-spezifische LLM-Parameter (`NODE_LLM_CONFIG`) |
| `PROMPTS` | `config` | Dictionary mit allen `[BLOCKNAME]`-Bausteinen (seit Prompt-Segregation, Chat 46) |
| `session_turns_retrieve` | `memory/session` | Letzte Turns aus Redis laden |
| `format_session_turns_numbered` | `memory/session` | Nummerierte Turn-Formatierung (zentrale Funktion, seit Chat 24) |
| `model_service`, `ChatRequest` | `services/model_services` | Der Modelldienst, an den der Knoten eine typisierte Anfrage übergibt |

> **Am 16.08.2026 berichtigt.** Hier stand ~~`get_chat_provider` aus `services/llm_provider`~~ als LLM-Abstraktionsschicht (seit Chat 17, LLM1). **Das ist keine Umbenennung, sondern eine eingezogene Schicht:** Der Knoten reicht eine `ChatRequest` an `model_service`, der die Spurwahl und die Provider-Registry besitzt. `services/llm_provider` existiert weiter mit `LLMProvider`, `OllamaProvider` und `AnthropicProvider`, wird aber nur noch von `model_services` importiert. Dieselbe Berichtigung steht in `novaberg-node-router.md` — die Zeile war in beiden Knotendokumenten gleich.

---

## 7. Designentscheidungen

### Warum ein eigener Node?

Der Router war überladen (Chat 8): Intent, Tone, Momentum, Timeline, Management, Emotion, Arousal — alles in einem Call. Die Abhängigkeitsanalyse zeigte: Die Perzeption braucht den Router nicht, aber der Router braucht die Perzeption (z.B. Intent → `needs_memory`). Also: erst wahrnehmen, dann entscheiden.

### Warum nur Session-Kontext, kein Gedächtnis?

Die Perzeption sieht den rohen Prompt und die letzten 5 Session-Turns aus Redis. Kein KZG, kein LZG, kein Charakter-Hash. Das ist Absicht — die Unterscheidung ist wichtig:

**Session-Kontext (erlaubt):** Die unmittelbar vorausgehenden Turns helfen bei Pronomen-Auflösung („Was soll ich machen?" — wer ist „ich", was ist passiert?), Emotions-Kontext (Kündigung + Folgefrage = Unsicherheit, nicht Smalltalk) und Themen-Kontinuität. Ohne Session-Kontext erkannte die Perzeption kontextuelle Emotionen nicht (Chat 23, Validierung).

**Gedächtnis-Kontext (verboten):** KZG, LZG und Charakter-Hash dürfen nicht einfließen. Sonst würde „Hallo" bei einem als „gestresst" bekannten User zu Arousal 0.7 — das wäre Kontamination. Die emotionale Bewertung soll vom Prompt selbst kommen (ggf. im Kontext der unmittelbaren Turns), nicht vom langfristig gespeicherten Bild des Users.

> **Validierung (Chat 23):** Sachliche Folgefrage nach emotionalem Turn → keine Kontamination. Der Session-Kontext erzeugt keine falschen Emotionen bei neutralen Prompts.

### Turn-0-Prinzip

Die Perzeption liefert die aktuelle Emotion und Arousal als „Turn 0" an den Enricher. Der Enricher fügt diese Werte als virtuellen neuesten Turn in alle EI-Berechnungen ein. So erkennt der Emotions-Vektor Richtungswechsel sofort — nicht erst nach der Salienz-Annotation (die erst nach dem Responder läuft).

### Zukunft: Klassifizierungs-Tribunal

Langfristig sollen die drei Ebenen in drei parallele Nodes aufgeteilt werden — analog zum Tribunal für die Bewertung. Das braucht Hardware-Headroom und steht auf der Roadmap.

### Dual-Modus: User-Prompt vs. Assistant-Antwort (seit Chat 59)

Die Perzeption wird zweimal pro Turn aufgerufen — einmal im HumanGraph auf den User-Prompt, einmal im CharacterGraph auf Novas Antwort. Beide Aufrufe laufen synchron im jeweiligen Graph-Lauf. Statt zwei Nodes mit duplizierter JSON-Parsing-Logik schaltet ein Flag im State zwischen zwei Task-Prompts um:

| `perzeption_rolle` | Aufgerufen von | Task-Prompt | Fokus |
|--------------------|----------------|-------------|-------|
| `"user"` (Default) | HumanGraph sync (Entry-Point) | `perzeption.task` | „Analysiere den Prompt des Nutzers" |
| `"assistant"` | `perzeption_assistant`-Node im CharacterGraph (synchron, nach `corrector`) | `perzeption.assistant_task` | „Analysiere die folgende Antwort der Assistentin" |

Die JSON-Ausgabestruktur ist in beiden Modi identisch (rational, emotional, psychologisch). Der Assistant-Modus interpretiert die Felder bezogen auf Novas Formulierung — Modus, Stil, Beziehungsdynamik beschreiben den Ton **ihrer** Antwort, nicht den des Users.

> **Warum ein Flag statt zwei Nodes?** Derselbe JSON-Parser, dieselbe Fallback-Logik, dieselbe Kanonisierung. Nur der Auftrag am LLM ändert sich. Generalisierung mit Flag statt Duplizierung — bewusst umgekehrt zum „Spezialisierung schlägt Generalisierung"-Prinzip (Pixie), weil hier die Fachlichkeit identisch ist.

→ CG-Konsumenten der Assistant-Perzeption: `novaberg-node-ei-calc-persist.md` (konsolidiert `internal.emotion`), `novaberg-node-ei-calc.md` (im nächsten Turn als Vorzustand)

---

## 8. Plutchik-Oktagon: 8 Sektoren, 16+1 Emotionen

Die 16+1 Emotions-Kategorien der Perzeption ordnen sich auf dem Plutchik-Oktagon in 8 Sektoren:

| Sektor | Grundemotion | Gruppe | Emotionen |
|--------|-------------|--------|-----------|
| 1 | Freude (Joy) | **Positiv** | begeisterung, freude |
| 2 | Zuversicht (Trust) | **Positiv** | dankbarkeit, zufriedenheit |
| 3 | Angst (Fear) | **Negativ** | stress, unsicherheit |
| 4 | Überraschung (Surprise) | **Neutral** | ueberrascht, verwundert |
| 5 | Trauer (Sadness) | **Negativ** | verzweiflung, traurigkeit |
| 6 | Enttäuschung (Disgust) | **Negativ** | frustration, enttaeuschung |
| 7 | Ärger (Anger) | **Negativ** | wut, aerger |
| 8 | Neugier (Anticipation) | **Positiv** | hoffnung, neugierig |

Die Sektorreihenfolge folgt seit Chat 19 dem Plutchik-Original: positiv/negativ alternierend (interleaved). Die Gruppenbestimmung nutzt `SEKTOR_GRUPPE` (config.py) statt einer einfachen Sektor-Hälfte. Eine Quelle der Wahrheit: `EMOTION_SEKTOR_MAP` + `SEKTOR_GRUPPE` in `config.py`.

→ Vollständige Distanzmatrix und Algorithmus: `novaberg-ei-plutchik.md`

---

## 9. Folge-Verarbeitung (EI-Calc)

Die Perzeptions-Outputs sind Rohdaten. Die emotionale Verarbeitung — Kanonisierung über `EMOTION_SYNONYM_MAP`, logarithmischer Verlauf-Decay, sektor-abhängige Normalisierung, EI-Arousal aus Beziehung/Intent/Tone, Modus- und Stil-Plausibilität — erfolgt im EI-Calc-Node mit den Funktionen aus `ei/berechnung.py`.

→ `novaberg-node-ei-calc.md` §3 (Berechnungs-Blöcke), `novaberg-ei-plutchik.md` (Distanzmatrix, Synonym-Mapping)

---

→ EI-Calc (verarbeitet Perzeptions-Output zu Verlauf/Vektor/Plausibilitäten): `novaberg-node-ei-calc.md`
→ Router (nächster Node im HG nach Enricher/EI-Calc/Salience-Pfad): `novaberg-node-router.md`
→ EI-Calc-Persist (konsolidiert `internal.emotion` am CG-Ausgang): `novaberg-node-ei-calc-persist.md`
→ Personality-Klassen (Emotion-Klasse mit 9 Feldern): `novaberg-personality.md`
→ Session-Turns (zentrale Formatierung): `memory/session.py` → `format_session_turns_numbered()`
→ EI-Konzept: `novaberg-ei.md`
→ Emotions-Vektoren: `nova-04-m-a.md`
→ Plutchik-Emotionsmodell: `novaberg-ei-plutchik.md`
→ LLM-Abstraktionsschicht: LLM1 (Chat 17)
→ Node-spezifische Parameter: TEMP1 (`config.py` → `NODE_LLM_CONFIG`)