⚠ Nur in Staging/Debug sichtbar. Im Produktivsystem über Feature-Flag cowork.ai_research.dev_info=true steuern.

1 · Modell-Konfiguration

2 · System-Prompt (1× pro Session, gecached)

// ~480 Token, in Vertex AI als Cached Content abgelegt
Du bist die "AI Produktrecherche" auf ALZURA.com, einem B2B-Marktplatz
für Reifen, Felgen und Kfz-Teile. Nutzer sind Werkstätten, Reifenhändler
und Flotten­manager im DACH-Raum.

Aufgabe: Erstelle für ein Reifenmodell (+ optional Fahrzeug) eine
kompakte, faktentreue Produktrecherche – strukturiert in 6 Sektionen:
1. UEBERSICHT  – Warnung, Empfehlung, Quick-Facts
2. PRODUKT     – Reifeninfo, EU-Label, Hersteller
3. TESTS       – max. 4 unabhängige Tests letzter 36 Monate + 3 Reviews
4. EINBAU      – Montagedauer, RDKS, Drehmoment, Bordcomputer
5. RECHT       – Eintragungspflicht, Profiltiefe, DOT, Versicherung
6. KOSTEN      – TCO + 3 Alternativen aus Alzura-Sortiment

Regeln:
- Antworte ausschließlich auf Deutsch (nüchterner Fachstil).
- Keine Marketing-Phrasen, keine Superlative ohne Beleg.
- Wenn Daten dünn: Feld leer lassen, NICHT fabrizieren.
- Quellen am Ende als Liste mit Abruf-Datum.
- Nenne Plattformen und Foren NICHT prominent im Text – generisch
  formulieren ("Online-Forum", "Vergleichsportal"). Plattformnamen
  nur in der Quellenliste.
- Antworte ausschließlich als JSON nach dem definierten Schema.

Limit: max. 1.800 Output-Token. Beim Überschreiten Felder kürzen,
Reihenfolge der Wichtigkeit: warnungen > empfehlung > einbau > rest.

3 · User-Prompt mit eingesetzten Variablen (diese Anfrage)

REIFEN:
- Marke: HANKOOK
- Modell: K135 Ventus Prime 4
- Größe: 205/55 R16
- Speedindex: V
- Loadindex: 91
- EAN: 8808563529066
- EU-Label: RR=C, NH=A, dB=69

FAHRZEUG:
- Marke/Modell: Kia Sportage (KM, JES) Handelsname Sportage
- Baujahr: 2007
- HSN/TSN: 1260/AAN
- KBA: 8253
- Motor: 129 kW / Benzin / 2656 ccm V6
- Antriebsart: Verbrenner
- Leergewicht: 1670-1743 kg
- zul. Gesamtmasse: 2170 kg
- Aufbau: Mehrzweckfahrzeug (SUV)
- Nutzung: gemischt

Recherchiere und antworte ausschließlich im definierten JSON-Schema.

4 · Output-Schema (JSON, Schema-validiert)

{
  "warnungen": [{"schwere": "hoch|mittel|niedrig", "titel": "...", "text": "..."}],
  "empfehlung": {"verdict": "geeignet|bedingt|nicht_geeignet", "begruendung": "...", "alternative_size": "..."},
  "quick_facts": {"eu_label": "C/A/69dB", "laufleistung_km": 50000, "montage_min": 60},
  "produkt": {"name": "...", "beschreibung": "...", "merkmale": [...]},
  "hersteller": {"firma": "...", "sitz": "...", "oem_kunden": [...]},
  "tests": [{"quelle": "ADAC|AutoBild|AvD|ams|TCS|OEAMTC", "jahr": 2026, "note": "3,1", "staerke": "...", "schwaeche": "..."}],
  "erfahrungen": [{"plattform_typ": "forum|portal|review", "sterne": 4, "text": "..."}],
  "einbau": {
    "montage_min_pro_reifen": 12,
    "montage_min_total": 60,
    "rdks_pflicht": "nein|ja|nachruest",
    "rdks_begruendung": "...",
    "drehmoment_nm": 110,
    "bordcomputer_reset": "nicht_noetig|standard|spezial",
    "bordcomputer_hinweis": "...",
    "hebebühne_modus": "konventionell|service_modus",
    "einlauf_km": 500
  },
  "recht": {"eintragung_noetig": "ja|nein|wahrscheinlich", "begruendung": "...", "profiltiefe_min_mm": 1.6, "dot_max_alter": 3},
  "kosten": {"reifen_eur": 200.28, "montage_eur_min": 50, "montage_eur_max": 80, "gesamt_eur_min": 288, "gesamt_eur_max": 356, "ct_pro_km": 0.7},
  "alternativen": [{"kategorie": "budget|vergleich|premium", "alzura_id": 1234567, "name": "...", "preis_eur": 38.90, "li": 98}],
  "quellen": [{"titel": "...", "url": "...", "abruf_datum": "2026-04-29"}],
  "metadaten": {"modell": "gemini-2.5-pro-005", "tokens_in": 4487, "tokens_out": 2213, "kosten_eur": 0.058, "latenz_ms": 3200, "erstellt": "2026-04-29T14:32:18Z"}
}

5 · API-Aufruf (Vertex AI, Beispiel)

# curl-Beispiel
curl -X POST \
  https://europe-west3-aiplatform.googleapis.com/v1/projects/$PROJECT/locations/europe-west3/publishers/google/models/gemini-2.5-pro-005:generateContent \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "systemInstruction": { "parts": [{"text": "<cached_content_id>"}] },
    "contents": [{"role": "user", "parts": [{"text": "<user_prompt_mit_variablen>"}]}],
    "tools": [{"googleSearchRetrieval": {}}],
    "generationConfig": {
      "temperature": 0.2,
      "maxOutputTokens": 2000,
      "responseMimeType": "application/json",
      "responseSchema": { /* siehe Sektion 4 */ }
    }
  }'

6 · Cache-Strategie

7 · Live-Telemetrie dieser Anfrage

8 · Error Handling

// Fallback-Strategie
1. Vertex AI 5xx          → Retry mit Exponential Backoff (3x)
2. Schema-Validierung NOK → Re-Prompt mit "korrigiere JSON" (1x)
3. Token-Limit erreicht   → Sektion "kosten" + "alternativen" weglassen
4. Search-Timeout (>5s)   → Antwort ohne Live-Daten (Cache-only)
5. Komplettausfall        → Statisches Fallback-JSON aus Reifen-Stammdaten
                            anzeigen + Banner "KI-Recherche aktuell nicht
                            verfügbar, bitte später erneut versuchen"

📁 Vollständige Dokumentation siehe alzura_ai_prompt.md im Outputs-Ordner.