STT-Fehlhörungen sammeln (DE VFR Phraseologie)

[rwellinger]

Problem

Das Intent-/Positions-Matching ist rein substring-basiert (kein Fuzzy/
phonetisches Matching). Eine einzelne STT-Fehlhörung bricht die Erkennung —
ein falsches Wort, ganze Dialogkette kaputt.

Beispiel aus dem Live-Log (OpenAI-Modus, EDNY):
Pilot sagt „am Vorfeld", Whisper transkribiert „am Fahrfeld".
Folge: detect_has_position() findet den Marker vorfeld nicht →
has_position = false → ATC antwortet fälschlich „Sagen Sie Ihre Position",
obwohl die Position gemeldet wurde.

Whisper: "... November Shark am Fahrfeld VFR Platzrunde Information Bravo"
ATC:     "... guten Tag, Sagen Sie Ihre Position. Information Bravo, Piste 06, QNH 1020."

Bereits umgesetzt (Quick-Fix)

• data/atc_profiles/de/intent_rules.json → normalize: fahrfeld/fahrtfeld → vorfeld
  (läuft in intent_rules::preprocess() vor der Feature-Extraction → repariert
  Intent-Matching und Positions-Erkennung in einem).
• airport_ctx in src/atc/atc_session.cpp: kompaktes deutsches VFR-Vokabular
  als STT-Bias über alle drei Backends.

Ziel dieses Issues: Fehlhörungen sammeln

Bitte reale STT-Fehlhörungen hier melden — Format:

- gesprochen:    "am Vorfeld"
- transkribiert: "am Fahrfeld"
- Backend:       OpenAI | Mistral | Local
- Kontext:       Flugplatz / Phase / Intent

Folgeschritte (datengetrieben)

Bei 3–5 weiteren Fällen strukturiert ausbauen:

1. normalize-Map erweitern (deterministisch, backend-agnostisch).
2. STT-Biasing ausbauen (kuratierte VFR-Vokabelliste).
3. Re-Eval scoped Fuzzy-Matching (Kölner Phonetik / bounded Levenshtein
   NUR gegen kuratierte Positions-/Facility-Vokabel) — bewusst aufgeschoben
   wegen globaler False-Positive-Gefahr; erst wenn die Daten den Bedarf zeigen.

Nicht verfolgt: LM-basierte Transkript-Reparatur (backend-abhängig, widerspricht
der deterministisch-bevorzugt-Linie).