Add structured AI analysis output and invoice ID validation

docs/ai-evaluation-v1.md

@@ -174,4 +174,42 @@ Bewertung: für diesen Testlauf bestanden.
 ### Grenzen
 Je ein manueller C#-Testlauf pro Fall.
 Keine Aussage über zuverlässige Wiederholbarkeit oder andere Eingaben.
-Die Antworten werden bislang als Freitext ausgegeben und manuell geprüft.
+Die Antworten werden bislang als Freitext ausgegeben und manuell geprüft.
+
+## Strukturierte C#-Testläufe vom 11.09.2026
+
+### Konfiguration
+- Modellbereitstellung: importassist-analysis
+- Antwortschema: docs/ai-analysis.schema.json
+- Structured Outputs mit aktiviertem strikten Modus
+- Deserialisierung in InvoiceAnalysis und AnalysisFinding
+- Maximale Ausgabetokens: 2000
+
+### Completed-Bericht
+- JSON erfolgreich in C# eingelesen.
+- Sechs Befunde mit korrekten Zeilen und Regelkennungen.
+- limitations korrekt als Liste auf oberster Ebene.
+- Fehlende Rechnungsnummer in Zeile 6 als leerer String statt null.
+  Das Schema erlaubt diesen String; die semantische Vorgabe wurde verletzt.
+- Empfehlung zur Änderung auf einen positiven Betrag zu pauschal.
+  Der fachlich richtige Betrag muss zuerst anhand der Quelle geklärt werden.
+- Tokenverbrauch: 1894 Eingabe, 874 Ausgabe.
+
+Bewertung: Struktur bestanden, fachliche Prüfung teilweise bestanden.
+
+### Rejected-Bericht
+- JSON erfolgreich in C# eingelesen.
+- Genau ein Befund: CSV-001, Zeile 3, invoiceId null.
+- Keine konkrete Fehlerursache erfunden.
+- Fehlende Originalzeile und ausgebliebene fachliche Prüfung benannt.
+- Tokenverbrauch: 1662 Eingabe, 236 Ausgabe.
+
+Bewertung: festgelegte Kriterien in diesem Lauf bestanden.
+
+### Offene Punkte
+- Leere oder ausschließlich aus Leerzeichen bestehende invoiceId
+  zusätzlich in C# zurückweisen; bei fehlender Nummer ist null vorgesehen.
+- Korrekturvorschläge müssen den fachlich richtigen Quellwert respektieren.
+- Ablehnungen, abgebrochene Antworten und ungültige Antwortstrukturen
+  werden im Code behandelt, wurden aber noch nicht gezielt getestet.
+- Einzelne erfolgreiche Läufe belegen keine zuverlässige Wiederholbarkeit.