Timer-Erinnerung fuer den zweiten Modul-Audit angelegt

measurement_reminder.py: neuer Punkt "Modul-Audit: zweiter Durchgang",
faellig 28 Tage nach dem ersten (also ab 2026-08-28).

Begruendung im Eintrag: am 31.07. wurden an EINEM Tag 5 Deployment-Drift-
Faelle UND 5 Modul-Inkonsistenzen gefunden - bei gezielter Suche in wenigen
Stunden. Die Trefferquote spricht dafuer, dass weitere existieren.
analyze_divergence.py meldet die Klasse "Betrieb != Messung" inzwischen
selbst; die Klasse "Modul-Inkonsistenz" (Gewichte, stale Quellen, tote
Config, Sonderfaelle) braucht dagegen einen bewussten Durchgang.

Kein neuer Windows-Task noetig - OilMeasurementReminder laeuft bereits
taeglich 18:00 und prueft alle Eintraege. Task testweise ausgeloest:
LastTaskResult 0, Arbeitsverzeichnis korrekt gesetzt. (Ein
Erinnerungssystem, das still scheitert, waere schlimmer als keins - genau
dafuer gibt es das Ding.)

CLAUDE.md-Tabelle auf den Stand 31.07. gebracht; erledigte Punkte
ausgetragen (P(break)-Genauigkeit -> analyze_pbreak_live.py, Modell
daraufhin nachtrainiert; Chartmuster-Kontrolltest -> 30.07.).

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

CLAUDE.md

@@ -2138,15 +2138,23 @@ Status jederzeit: `python measurement_reminder.py --status`.
 blieb liegen. Die P(break)-Prognose-Genauigkeit war seit 2026-07-23 auswertbar und
 hatte am 2026-07-30 bereits **2213 ausgewertete Zeilen**, ohne dass jemand hinsah.
 
-| Messung | Bedingung | Stand 2026-07-30 |
+| Messung | Bedingung | Stand 2026-07-31 |
 |---|---|---|
-| P(break)-Prognose-Genauigkeit | ≥500 ausgewertete Vorhersagen | **2213 → FÄLLIG** |
+| P(break) erneut auswerten (nach Nachtraining) | ≥800 Vorhersagen ab 01.08. | 0 |
-| Chartmuster-Kontrolltest (generischer Breakout) | jederzeit | **FÄLLIG** |
+| **Modul-Audit: zweiter Durchgang** | ≥28 Tage seit dem 1. Audit | 1 (2 %) |
-| Verdict-Module auf Prädiktivität (`verdict_votes`) | ≥25 000 Verdicts | 5961 (24 %) |
+| Verdict-Module auf Prädiktivität (`verdict_votes`) | ≥25 000 Verdicts | 7184 (29 %) |
-| Auto-Signal-Entry B4/B5 | ≥20 AUTOSIG-Trades | 0 |
+| Auto-Signal-Entry B4/B5 | ≥20 AUTOSIG-Trades | 3 (15 %) |
-| M30-Level-Umstellung live gegenprüfen | ≥30 S/R-Closes seit 30.07. | 8 (27 %) |
+| M30-Level-Umstellung live gegenprüfen | ≥30 S/R-Closes seit 30.07. | 13 (43 %) |
-| M1-Squeeze Variante B | ≥180 Tage `candles_m1` | 13 (7 %) |
+| M1-Squeeze Variante B | ≥180 Tage `candles_m1` | 14 (8 %) |
-| News-Score-Prädiktivität | ≥90 Tage Sammlung | 7 (8 %) |
+| News-Score-Prädiktivität | ≥90 Tage Sammlung | 8 (8 %) |
+
+*(erledigt und ausgetragen: P(break)-Genauigkeit → `analyze_pbreak_live.py` 31.07.,
+Modell daraufhin nachtrainiert · Chartmuster-Kontrolltest → 30.07., Muster schlagen
+die Kontrolle in beiden Hälften, Gewicht 1,0)*
+
+⚠ **Der Task `OilMeasurementReminder` wurde am 2026-07-31 testweise ausgelöst und
+lief mit Ergebnis 0 durch** (Arbeitsverzeichnis korrekt gesetzt) — ein Erinnerungs-
+system, das still scheitert, wäre schlimmer als keins.
 
 Verwandte Timer: **`HyperliquidBookflow`** (Order-Flow, 2 Stufen ~3 Tage/~2 Wochen),
 **`HyperliquidLeadLag`** (erledigt: Pepperstone führt), Wochenreport montags 07:30 (B4).

measurement_reminder.py

@@ -67,6 +67,22 @@ CHECKS = [
         "need": 800, "unit": "Vorhersagen seit 01.08.",
         "cmd": "python analyze_pbreak_live.py",
     },
+    {
+        "key": "modul_audit_2",
+        "title": "Modul-Audit: zweiter Durchgang",
+        "why": "Am 2026-07-31 wurden an EINEM Tag 5 Deployment-Drift-Fälle (gemessen "
+               "unter X, betrieben unter Y) UND 5 Modul-Inkonsistenzen gefunden — bei "
+               "gezielter Suche in wenigen Stunden. Die Trefferquote spricht dafür, "
+               "dass weitere existieren. `analyze_divergence.py` meldet die Klasse "
+               "'Betrieb ≠ Messung' inzwischen selbst; die Klasse 'Modul-Inkonsistenz' "
+               "(Gewichte, stale Quellen, tote Config, Sonderfälle) braucht dagegen "
+               "einen bewussten Durchgang.",
+        "have": lambda: _days_since("2026-07-31"),
+        "need": 28, "unit": "Tage seit dem 1. Audit",
+        "cmd": "python analyze_divergence.py 14  ·  dann Verdict-Gewichte gegen die "
+               "Regel 'keine Aussage → Gewicht 0' prüfen, Config-Schlüssel gegen den "
+               "Code, Level-Quellen gegen den aktuellen Kurs",
+    },
     {
         "key": "verdict_votes",
         "title": "Verdict-Module auf Prädiktivität prüfen",