Fratch (Senior ADAS- und Embedded-Integrationsingenieur, Remote): finale bewerbung.md; Gedaechtnis/Register

- bewerbung.md finalisiert (CV als .doc, da Fratch evtl. schwaerzt; VLM-Praxis statt CV-Praxis; Grammatik bis zur Integration / zum geordneten Wissenstransfer; 89 EUR netto)
- stil.md: neuer Grundsatz 'Zusammengesetzte Aussagen atomar pruefen' (Regelverstoss seit-Jahren-zu-Hause korrigiert); Fratch-Empfaenger-Eigenheit (.doc, Schwaerzung, Klartext)
- inhalte.md: Computer Vision sauber abgestuft (Konzept/Vergleich erlaubt, eigene Praxis nur als Vision-Language-Modelle)
- log.md: datierter Eintrag; index.md: neue Zeile

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

gedaechtnis/inhalte.md

@@ -92,7 +92,7 @@ Was hier steht, ist verifiziert richtig. Wird am Ende jeder Session aktualisiert
 - Keine Kafka-Praxiserfahrung behaupten (nur übertragbares Verständnis ereignisgetriebener Architekturen vorhanden).
 - **Scrum/agile Vorgehensweisen** nur einmal gelebt (Alcatel-Lucent, „Agile Design mit Scrum") → nicht als breite Kompetenz anpreisen; SAFe gar nicht behaupten.
 - **BPMN, Use Cases, User Stories** nicht wörtlich behaupten (im Lebenslauf nicht belegt). Stattdessen „Modellierung fachlicher Abläufe" o. Ä. verwenden.
-- **Computer Vision / Bildverarbeitung:** Nur Evaluierung multimodaler Vision-LLMs belegt ([[Multimodale KI]]), **keine** klassische Computer Vision / Bildverarbeitung (OpenCV-Pipelines, Feature-Detection) → nicht als fundierte CV-Kompetenz anpreisen.
+- **Computer Vision / Bildverarbeitung:** Nur Evaluierung/Einsatz multimodaler Vision-Language-Modelle (VLMs) belegt ([[Multimodale KI]]), **keine** klassische Computer Vision / Bildverarbeitung (OpenCV-Pipelines, Feature-Detection, Objektdetektoren, Training) → nicht als fundierte CV-Kompetenz anpreisen. **Saubere Abstufung (Nutzer S+, Fratch ADAS):** „Computer Vision" nur als **Konzept/Fachgebiet** behaupten („mit Computer-Vision-Konzepten vertraut", „Konzepte von Computer Vision geläufig" — deckt Ausschreibungs-Buzzwords wie „computer vision conceptual understanding") oder als **Vergleichsgegenstand** (OCR-Trick). **Eigene Praxis** nur über „**Vision-Language-Modelle**"/„multimodale KI" formulieren („mit VLMs praktisch gearbeitet", belegt durch Qwen3-VL-Evaluierung und tägliche LLM-Dokumentenauswertung). **Verboten:** „praktische Erfahrung/Expertise mit Computer Vision" (suggeriert Bau eigener CV-Systeme). Faustregel: eigenes Tun ⇒ VLM/multimodale KI; nur Verständnis/Vergleich ⇒ Computer Vision.
 - **OCR-Technologien / Document-AI:** keine Praxis (Paperless-ngx wird betrieben, aber kein OCR-Entwicklungsnachweis) → nicht behaupten.
 - **MLOps, CI/CD, Cloud-native:** kein belegter produktiver MLOps-/Cloud-native-Betrieb (Fokus On-Premise/Self-Hosted; Azure DevOps Server = ALM, kein Cloud-native-Beleg) → nicht behaupten.
 - **APIs von Standard-Unternehmenssystemen (SharePoint, Jira, Confluence, Azure OpenAI o. Ä.):** keine belegte API-Praxis mit diesen Systemen → **keine Referenzprojekt-/Erfahrungs-Behauptung**. Zulässig ist nur die **Fähigkeits-/Umsetzbarkeitsaussage**, dass sich solche Schnittstellen KI-gestützt schnell entwickeln bzw. anbinden lassen (Formulierung „so lassen sich Schnittstellen zu APIs von … entwickeln", „gehe ich davon aus, dass sich … integrieren lässt"). Stützt einen Buzzword-Treffer auf die Kundensysteme, ohne Falschaussage. (Effection Network, AI / MCP Engineer.)