# Rollen (SPEC-inventory §2/§3). Placement arbeitet sie nach priority ab.
roles:
  gpu-main:
    priority: 1
    needs: {gpu: true, engine: vllm, min_vram_gb: 16, min_cc: 7.5}
    prefer: largest
    kinds: [llm]
    slots: [tier1-general]
  gpu-flex:
    priority: 2
    needs: {gpu: true, engine: vllm, min_vram_gb: 16, min_cc: 7.5}
    prefer: largest
    kinds: [llm]
    optional: true          # ohne zweite große GPU: kein Fallback-Slot, Training nur nachts auf gpu-main
    slots: [tier1-flex]
  gpu-embed:
    priority: 3
    count: 2                # redundant, damit Routing einen GPU-Ausfall übersteht
    needs: {gpu: true, engine: llamacpp, min_vram_gb: 3, min_cc: 5.0}
    prefer: smallest_fitting
    kinds: [embedding, reranker]
    cpu_fallback: true
    slots: [embed-default, rerank-default]
  gpu-small:
    priority: 4
    needs: {gpu: true, engine: llamacpp, min_vram_gb: 4, min_cc: 5.0}
    prefer: smallest_fitting
    kinds: [llm]
    cpu_fallback: true
    slots: [verifier-small, signature-extractor]
  infra:
    priority: 5
    needs: {gpu: false, min_ram_gb: 16}
    slots: []
  tts-hq:
    priority: 6
    share_with: gpu-flex     # Qwen3-TTS auf der zweiten Ada, außerhalb der Trainingsfenster
    needs: {gpu: true, engine: pytorch, min_cc: 8.0}
    kinds: [tts]
    optional: true
    slots: [tts-de-hq]
  tts-cpu:
    priority: 7
    share_with: infra        # Piper läuft im Infra-LXC mit
    needs: {gpu: false, min_ram_gb: 8}
    kinds: [tts]
    slots: [tts-de]