refactor: "Gamebox" ueberall durch "AI-Box(en)" ersetzen

Rein terminologisch: die feste "Gamebox" ist konzeptuell zu beliebig vielen
AI-Boxen geworden (Multi-Node-Compute-Fleet). Wort-Sweep ueber Code-Kommentare,
Strings, README, docs, .env.example, CHANGELOG — keine Identifier/Keys betroffen
(Gamebox kam nirgends in Variablennamen vor). Casing erhalten: Gamebox→AI-Box,
gamebox→ai-box. NODE_NAME-Default gamebox→ai-box, Instanz-IDs f5tts@ai-box.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

CHANGELOG.md

@@ -235,7 +235,7 @@ Nur **App neu bauen** (kein Backend). APK 0.2.2.0.
 
 ## [0.2.0.4 – 0.2.0.5] — 2026-07-11 — Plan B: Lokales LLM („Gemini-Feeling")
 
-Ein kleines, schnelles Modell (**Qwen3 8B** via llama.cpp/llama-swap auf der Gamebox-GPU) übernimmt einfache Turns in **<1 s**; alles Schwere/Technische/Werkzeug-artige reicht ein Router automatisch an **Claude** weiter. Ziel: schnelle Antworten ohne die Claude-Max-Subscription aufzugeben.
+Ein kleines, schnelles Modell (**Qwen3 8B** via llama.cpp/llama-swap auf der AI-Box-GPU) übernimmt einfache Turns in **<1 s**; alles Schwere/Technische/Werkzeug-artige reicht ein Router automatisch an **Claude** weiter. Ziel: schnelle Antworten ohne die Claude-Max-Subscription aufzugeben.
 
 ### Hinzugefügt
 

README.md

@@ -805,7 +805,7 @@ cp ARIA-v0.0.3.0.apk ~/ARIA-AGENT/rvs/updates/
 Die GPU-Dienste laufen auf einem oder mehreren separaten Rechnern mit NVIDIA GPU.
 Jeder **Compute-Node** verbindet sich ueber RVS mit der ARIA-Infrastruktur — kein
 VPN noetig, funktioniert ueber verschiedene Netze hinweg. Frueher war das *eine*
-feste „Gamebox"; jetzt sind es beliebig viele Nodes, jeder per `.env` konfiguriert.
+feste „AI-Box"; jetzt sind es beliebig viele Nodes, jeder per `.env` konfiguriert.
 
 ### Dienste & Profile
 
@@ -828,7 +828,7 @@ LLM-Box   COMPOSE_PROFILES=llm       LLM_GPU=0
    -- kleine Karte: Whisper (klein) statt Voxtral, neben F5-TTS --
 Klein-Box COMPOSE_PROFILES=whisper,f5tts   WHISPER_GPU=0 F5TTS_GPU=0
    ── oder All-in-One ──
-Gamebox   COMPOSE_PROFILES=voxtral,f5tts,llm   VOXTRAL_GPU=1 F5TTS_GPU=0 LLM_GPU=0
+AI-Box   COMPOSE_PROFILES=voxtral,f5tts,llm   VOXTRAL_GPU=1 F5TTS_GPU=0 LLM_GPU=0
 
          ↕ RVS (Rechenzentrum, WebSocket Relay)
 
@@ -1052,7 +1052,7 @@ docker exec aria-brain curl localhost:8080/memory/stats
 - [x] Pre-Roll-Buffer einstellbar in App-Settings
 - [x] Decimal-zu-Worte fuer TTS + generisches Acronym-Buchstabieren
 - [x] voice_preload/voice_ready: visueller Status-Indikator beim Stimmen-Wechsel
-- [x] Whisper STT auf die Gamebox ausgelagert (CUDA float16, fast Echtzeit)
+- [x] Whisper STT auf die AI-Box ausgelagert (CUDA float16, fast Echtzeit)
 - [x] **F5-TTS ersetzt XTTS** — bessere Voice-Cloning-Qualitaet, Whisper-auto-transkribierter Referenz-Text
 - [x] Audio-Pause statt Ducking (TRANSIENT statt MAY_DUCK) + release-Timing fix
 - [x] VAD-Stille-Toleranz einstellbar (1-8s) + adaptive Mikro-Baseline + Max-Aufnahme einstellbar (1-30 min)
@@ -1107,7 +1107,7 @@ docker exec aria-brain curl localhost:8080/memory/stats
 - [x] App: Chat-Suche mit Next/Prev Navigation statt Filter
 - [x] Token/Call-Metrics + Subscription-Quota-Tracking (Pro / Max 5x / Max 20x / Custom)
 - [x] Datei-Manager Multi-Select: Bulk-Download als ZIP + Bulk-Delete (Diagnostic + App)
-- [x] **FLUX.1 Bildgenerierung**: eigener `flux-bridge`-Container auf der Gamebox (analog xtts/whisper) mit Hot-Swap zwischen FLUX.1-dev (Quali) und FLUX.1-schnell (Tempo). Default-Modell + Raw-/Switch-Keywords + HuggingFace-Token in Diagnostic-UI verwaltet, automatischer Pipeline-Reload bei Modell-Wechsel. ARIA bekommt `flux_generate`-Tool, Output landet als `/shared/uploads/aria_generated_<ts>.png` und wird via `[FILE: ...]`-Marker als Anhang-Bubble in App + Diagnostic gerendert. Download-Status (mehrere GB) sichtbar als 🎉-Toast wenn fertig
+- [x] **FLUX.1 Bildgenerierung**: eigener `flux-bridge`-Container auf der AI-Box (analog xtts/whisper) mit Hot-Swap zwischen FLUX.1-dev (Quali) und FLUX.1-schnell (Tempo). Default-Modell + Raw-/Switch-Keywords + HuggingFace-Token in Diagnostic-UI verwaltet, automatischer Pipeline-Reload bei Modell-Wechsel. ARIA bekommt `flux_generate`-Tool, Output landet als `/shared/uploads/aria_generated_<ts>.png` und wird via `[FILE: ...]`-Marker als Anhang-Bubble in App + Diagnostic gerendert. Download-Status (mehrere GB) sichtbar als 🎉-Toast wenn fertig
 - [x] **ARIA Live (Diagnostic) + Not-Aus**: read-only Mirror der Claude-Code-Session ersetzt den SSH-Tab. Tool-Calls + Inputs + Outputs (truncated 4 KB) live, farbcodiert. Roter ⛔ Not-Aus-Button schickt `cancel_request` mit `hard:true` → Bridge ruft den proxy-internen `/cancel-all` Side-Channel (Port 3457) → alle Claude-Subprocesses sofort tot. Plus: Idle-Watchdog im Proxy (20 min Inaktivitaet → Subprocess-Kill) + httpx-Timeout-Split im Brain (connect 10s / read 24h) damit lange Pentests durchlaufen
 - [x] **OAuth2-Pipeline ueber RVS-Callback**: Caddy mit Let's Encrypt vor dem RVS, HTTP-Route `/oauth/callback/{service}` broadcastet als `oauth_callback`-WS-Message, aria-bridge forwarded an Brain, Token landet in `/shared/config/oauth_tokens.json` (mode 0600). ARIAs `oauth_register_provider`-Tool legt neue Provider on-demand an (URLs/scopes, nicht Credentials). Diagnostic + App haben beide Provider-Verwaltung inklusive Custom-Provider-Anlage
 - [x] **Skill-Mgmt-Tools fuer ARIA**: `skill_update` (Code/README/pip_packages mit venv-Rebuild) + `skill_delete` — verhindert Skill-Friedhof mit `-v2`/`-fixed`-Suffixen. Plus App-seitiger SkillBrowser (Run + Live-Output + Logs der letzten 20 Runs) in Settings → 🛠️ Skills

android/src/screens/ChatScreen.tsx

@@ -357,7 +357,7 @@ const ChatScreen: React.FC = () => {
   // folgende identische Events (z.B. zwei 'thinking' hintereinander) den
   // Stream zumuellen. Eigentlich seltener Fall, aber billig zu pruefen.
   const lastThoughtKeyRef = useRef<string>('');
-  // Service-Status (Gamebox: F5-TTS / Whisper Lade-Status) + Banner-Sichtbarkeit
+  // Service-Status (AI-Box: F5-TTS / Whisper Lade-Status) + Banner-Sichtbarkeit
   const [serviceStatus, setServiceStatus] = useState<Record<string, {state: string, model?: string, loadSeconds?: number, error?: string, downloading?: boolean, freshlyDownloaded?: boolean}>>({});
   const [serviceBannerDismissed, setServiceBannerDismissed] = useState(false);
   // Gerätelokale TTS-Config: globaler Toggle (aus Settings) + temporäres Muten (Mund-Button)
@@ -1591,7 +1591,7 @@ const ChatScreen: React.FC = () => {
         }
       }
 
-      // Gamebox-Bridges (f5tts/whisper/flux) melden Lade-Status — Banner oben.
+      // AI-Box-Bridges (f5tts/whisper/flux) melden Lade-Status — Banner oben.
       // Toast bei Download-Ende: erstmaliger HF-Download (mehrere GB) → User
       // soll wissen dass er Bilder/Stimmen jetzt nutzen kann ohne in den
       // Banner gucken zu muessen.
@@ -2289,7 +2289,7 @@ const ChatScreen: React.FC = () => {
 
   // Aufraeumen von "verarbeitet"-Placeholder die nie ein STT-Result bekommen
   // haben (leere Aufnahme, Wake-Word-Echo, STT-Fehler etc). Timeout skaliert
-  // mit der Aufnahmedauer — Whisper braucht auf der Gamebox grob real-time/5,
+  // mit der Aufnahmedauer — Whisper braucht auf der AI-Box grob real-time/5,
   // plus Bridge-Roundtrip + Network. Formel: 60s Buffer + 1x Aufnahmedauer.
   // Bei 5min Aufnahme = 6 min Wait, bei 5s Aufnahme = 65s. Sicher genug damit
   // langsame STTs nicht versehentlich aufgeraeumt werden.
@@ -3060,7 +3060,7 @@ const ChatScreen: React.FC = () => {
         </TouchableOpacity>
       </View>
 
-      {/* Service-Status Banner (Gamebox: F5-TTS / Whisper Lade-Status) */}
+      {/* Service-Status Banner (AI-Box: F5-TTS / Whisper Lade-Status) */}
       {(() => {
         const entries = Object.entries(serviceStatus);
         if (entries.length === 0 || serviceBannerDismissed) return null;

aria-brain/agent.py

@@ -859,7 +859,7 @@ META_TOOLS = [
         "function": {
             "name": "flux_generate",
             "description": (
-                "Generiere ein Bild aus einem Text-Prompt via FLUX auf der Gamebox-GPU. "
+                "Generiere ein Bild aus einem Text-Prompt via FLUX auf der AI-Box-GPU. "
                 "Brauchbar fuer 'mal mir ein X', 'wie sieht ein Y aus?', Mockups, "
                 "Konzept-Skizzen, Memes. Render dauert 20-90s — kuendige es Stefan "
                 "kurz an, dann ist er nicht ueberrascht.\n\n"

aria-brain/local_llm.py

@@ -1,7 +1,7 @@
 """
 Local-LLM-Client (Plan B) — Brain-Seite.
 
-Ruft das schnelle lokale LLM (Qwen3 auf der Gamebox) ueber die Bridge:
+Ruft das schnelle lokale LLM (Qwen3 auf der AI-Box) ueber die Bridge:
   Brain → HTTP /internal/local-llm → Bridge → RVS → llm-adapter → llama.cpp
 
 Analog zum Claude-`proxy_client`, nur ueber die Bridge (die ist der RVS-Client;

bridge/aria_bridge.py

@@ -2,7 +2,7 @@
 ARIA Voice Bridge — Hauptmodul.
 
 Verbindet die Android App (via RVS) mit ARIA-Core. Spracheingabe laeuft
-ueber die whisper-bridge (Gamebox, faster-whisper auf CUDA), Sprachausgabe
+ueber die whisper-bridge (AI-Box, faster-whisper auf CUDA), Sprachausgabe
 ueber die f5tts-bridge (Voice Cloning, satzweises PCM-Streaming).
 
 Nachrichtenfluss:
@@ -479,7 +479,7 @@ class STTEngine:
             Erkannter Text oder leerer String.
         """
         if self.model is None:
-            # Lazy-Load: normalerweise laeuft STT remote auf der Gamebox.
+            # Lazy-Load: normalerweise laeuft STT remote auf der AI-Box.
             # Erst wenn das Fallback hier zuschlaegt, laden wir lokal.
             logger.info("Lokales Whisper-Fallback — Modell wird nachgeladen...")
             try:
@@ -654,7 +654,7 @@ class ARIABridge:
         self._seen_client_msg_ids: "OrderedDict[str, float]" = OrderedDict()
         self._SEEN_CLIENT_MSG_LIMIT = 200
 
-        # Komponenten (TTS: F5-TTS remote auf der Gamebox, lokales TTS wurde entfernt)
+        # Komponenten (TTS: F5-TTS remote auf der AI-Box, lokales TTS wurde entfernt)
         self.tts_enabled = True
         self.xtts_voice = ""
         self._f5tts_config: dict = {}
@@ -686,7 +686,7 @@ class ARIABridge:
                 except (TypeError, ValueError):
                     self._persistent_xtts_speed = None
                 # F5-TTS-Felder aufsammeln (werden spaeter via RVS rebroadcastet,
-                # damit die f5tts-bridge auf der Gamebox die Settings auch nach
+                # damit die f5tts-bridge auf der AI-Box die Settings auch nach
                 # Restart wiederbekommt — sonst stuende sie auf Hard-Defaults)
                 for k in ("f5ttsModel", "f5ttsCkptFile", "f5ttsVocabFile",
                           "f5ttsCfgStrength", "f5ttsNfeStep"):
@@ -746,7 +746,7 @@ class ARIABridge:
         # Gleiche Logik fuer die Wiedergabegeschwindigkeit (F5-TTS speed-Param,
         # App-Setting aria_tts_speed, 1.0 = normal).
         self._next_speed_override: Optional[float] = None
-        # STT-Requests die aktuell auf Antwort von der whisper-bridge (Gamebox) warten.
+        # STT-Requests die aktuell auf Antwort von der whisper-bridge (AI-Box) warten.
         # requestId → Future mit dem Text (oder None bei Fehler).
         self._pending_stt: dict[str, asyncio.Future] = {}
         # whisper-bridge service_status: True wenn ready, False/None wenn loading/unbekannt.
@@ -771,7 +771,7 @@ class ARIABridge:
         # {service, node, gpus, model, busy, last_seen}. Genutzt fuer die
         # Diagnostic-Flotten-Anzeige und (Stage 3) targetInstance-Routing.
         self._workers: dict[str, dict] = {}
-        # FLUX-Render-Requests die aktuell auf Antwort der flux-bridge (Gamebox) warten.
+        # FLUX-Render-Requests die aktuell auf Antwort der flux-bridge (AI-Box) warten.
         # requestId → Future mit dem flux_response-Payload (oder None bei Fehler).
         self._pending_flux: dict[str, asyncio.Future] = {}
         # flux-bridge service_status: True wenn ready. Render-Timeouts werden
@@ -779,7 +779,7 @@ class ARIABridge:
         self._remote_flux_ready: bool = False
         # Lokales LLM (Plan B): requestId → Future mit dem llm_response-Payload.
         # Analog zu _pending_flux — Brain ruft /internal/local-llm, wir relayen
-        # llm_request via RVS an den llm-adapter (Gamebox) und warten auf
+        # llm_request via RVS an den llm-adapter (AI-Box) und warten auf
         # llm_response.
         self._pending_llm: dict[str, asyncio.Future] = {}
         # User-Message-Counter fuer Auto-Compact. Bei zu langer Konversation
@@ -815,7 +815,7 @@ class ARIABridge:
         logger.info("ARIA Voice Bridge startet...")
         logger.info("=" * 50)
 
-        # STT wird standardmaessig von der whisper-bridge (Gamebox) erledigt.
+        # STT wird standardmaessig von der whisper-bridge (AI-Box) erledigt.
         # Lokales Whisper ist nur Fallback und wird lazy geladen wenn remote nicht
         # antwortet. Das spart RAM auf der VM und Startup-Zeit.
 
@@ -1759,7 +1759,7 @@ class ARIABridge:
         """Broadcastet die aktuelle voice_config.json einmalig nach RVS-Connect.
 
         Damit bekommen frisch verbundene Bridges (insbesondere die f5tts-bridge
-        auf der Gamebox nach Container-Restart) die zuletzt in Diagnostic
+        auf der AI-Box nach Container-Restart) die zuletzt in Diagnostic
         gewaehlten Settings — ohne dass der User in Diagnostic was klicken muss.
         """
         try:
@@ -2202,7 +2202,7 @@ class ARIABridge:
                     await self._broadcast_current_mode()
 
                     # Persistierte Voice-Config broadcasten — die f5tts-bridge auf
-                    # der Gamebox bekommt damit nach Restart die zuletzt in
+                    # der AI-Box bekommt damit nach Restart die zuletzt in
                     # Diagnostic gewaehlten Settings wieder (sonst stuende sie auf
                     # ihren Hard-Defaults).
                     asyncio.create_task(self._broadcast_persisted_config())
@@ -2563,7 +2563,7 @@ class ARIABridge:
         elif msg_type == "config":
             # Konfiguration von App/Diagnostic empfangen + persistent speichern.
             # Felder die nicht direkt zur aria-bridge gehoeren (f5tts*) werden
-            # nur persistiert; die f5tts-bridge auf der Gamebox empfaengt den
+            # nur persistiert; die f5tts-bridge auf der AI-Box empfaengt den
             # gleichen RVS-Broadcast und reagiert selber.
             changed = False
             if "ttsEnabled" in payload:
@@ -2587,7 +2587,7 @@ class ARIABridge:
                 new_model = payload["whisperModel"]
                 allowed = {"tiny", "base", "small", "medium", "large-v3"}
                 if new_model in allowed and new_model != self.stt_engine.model_size:
-                    logger.info("[rvs] Whisper-Modell → %s (nur Config; Modell laedt Gamebox)",
+                    logger.info("[rvs] Whisper-Modell → %s (nur Config; Modell laedt AI-Box)",
                                 new_model)
                     self.stt_engine.model_size = new_model
                     self.stt_engine.model = None
@@ -3448,7 +3448,7 @@ class ARIABridge:
             return
 
         elif msg_type == "llm_response":
-            # Antwort des llm-adapter (Gamebox) auf unseren llm_request.
+            # Antwort des llm-adapter (AI-Box) auf unseren llm_request.
             request_id = payload.get("requestId", "")
             future = self._pending_llm.get(request_id)
             if future is None or future.done():
@@ -3457,7 +3457,7 @@ class ARIABridge:
             return
 
         elif msg_type == "service_status":
-            # Gamebox-Bridges (whisper / f5tts / flux) melden ihren Lade-Status.
+            # AI-Box-Bridges (whisper / f5tts / flux) melden ihren Lade-Status.
             # Wir nutzen das fuer den dynamischen STT-Timeout: solange whisper
             # im 'loading' steckt, geben wir der Bridge mehr Zeit (Modell-Download
             # kann 1-2 Min dauern), statt nach 45s lokal zu fallbacken.
@@ -3616,11 +3616,11 @@ class ARIABridge:
         else:
             logger.debug("[rvs] Unbekannter Typ: %s", msg_type)
 
-    # STT-Orchestrierung: zuerst Remote (Gamebox), Fallback lokal.
+    # STT-Orchestrierung: zuerst Remote (AI-Box), Fallback lokal.
     # Zwei Timeouts:
     #   ready=True   → 45s reicht selbst fuer lange Audios
     #   ready=False  → 300s, weil das Modell evtl. noch heruntergeladen wird
-    #                  (large-v3 ~3GB, kann auf der Gamebox 1-2 Min dauern).
+    #                  (large-v3 ~3GB, kann auf der AI-Box 1-2 Min dauern).
     _STT_REMOTE_TIMEOUT_READY_S = 45.0
     _STT_REMOTE_TIMEOUT_LOADING_S = 300.0
 
@@ -3973,15 +3973,15 @@ class ARIABridge:
     _FLUX_TIMEOUT_LOADING_S = 900.0    # 15 min beim allerersten Mal (Modell-Download)
 
     # ── Local-LLM-Roundtrip: Brain → Bridge → RVS → llm-adapter → zurueck ──
-    # Qwen3 auf der Gamebox antwortet auf kurze Turns in <1 s. Grosszuegiger
+    # Qwen3 auf der AI-Box antwortet auf kurze Turns in <1 s. Grosszuegiger
-    # Timeout deckt Kaltstart / laengere Antworten / Netz-Jitter (Gamebox@home)
+    # Timeout deckt Kaltstart / laengere Antworten / Netz-Jitter (AI-Box@home)
     # ab. Bei Timeout faellt der Router im Brain per Escalation auf Claude.
     _LLM_TIMEOUT_S = 30.0
 
     async def _local_llm(self, messages: list, max_tokens: int = 512,
                          temperature: float = 0.7, stop=None, tools=None,
                          model=None) -> dict:
-        """Schickt einen llm_request an den llm-adapter (Gamebox), wartet auf
+        """Schickt einen llm_request an den llm-adapter (AI-Box), wartet auf
         llm_response. tools (B1b) werden durchgereicht; tool_calls kommen zurueck.
         Rueckgabe: {ok, content, tool_calls, model, elapsedMs} oder {ok:False, error}."""
         if self.ws_rvs is None:
@@ -4024,7 +4024,7 @@ class ARIABridge:
             try:
                 result = await asyncio.wait_for(future, timeout=self._LLM_TIMEOUT_S)
             except asyncio.TimeoutError:
-                return {"ok": False, "error": f"Timeout ({self._LLM_TIMEOUT_S:.0f}s) — Gamebox nicht erreichbar?"}
+                return {"ok": False, "error": f"Timeout ({self._LLM_TIMEOUT_S:.0f}s) — AI-Box nicht erreichbar?"}
             if not isinstance(result, dict) or not result.get("ok"):
                 err = (result or {}).get("error") if isinstance(result, dict) else "leeres Resultat"
                 return {"ok": False, "error": err or "llm-adapter Fehler"}
@@ -4527,7 +4527,7 @@ class ARIABridge:
                     await _send_response(writer, 200, result)
                 elif method == "POST" and path == "/internal/flux-generate":
                     # Vom Brain (flux_generate-Tool) gefeuert. Wir routen den
-                    # Render-Request via RVS an die flux-bridge (Gamebox),
+                    # Render-Request via RVS an die flux-bridge (AI-Box),
                     # warten synchron auf die PNG-Antwort, speichern sie nach
                     # /shared/uploads/ und melden Pfad + Render-Stats zurueck.
                     # Brain referenziert das Bild dann mit [FILE:]-Marker in
@@ -4564,7 +4564,7 @@ class ARIABridge:
                     await _send_response(writer, status, result)
                 elif method == "POST" and path == "/internal/local-llm":
                     # Vom Brain (Router / Testchat) gefeuert. Wir relayen den
-                    # Chat-Request via RVS an den llm-adapter (Gamebox Qwen3),
+                    # Chat-Request via RVS an den llm-adapter (AI-Box Qwen3),
                     # warten synchron auf llm_response und geben content zurueck.
                     try:
                         data = json.loads(body.decode("utf-8", "ignore"))

diagnostic/index.html

@@ -162,7 +162,7 @@
   </style>
 </head>
 <body>
-  <!-- Service-Status Banner unten rechts (Gamebox: F5-TTS / Whisper Lade-Status) -->
+  <!-- Service-Status Banner unten rechts (AI-Box: F5-TTS / Whisper Lade-Status) -->
   <div id="service-status-banner" style="display:none;position:fixed;bottom:16px;right:16px;z-index:999;background:#1E1E2E;border:1px solid #2A2A3E;border-radius:8px;padding:10px 14px;font-size:12px;color:#fff;min-width:240px;max-width:360px;box-shadow:0 4px 14px rgba(0,0,0,0.5);">
     <div style="display:flex;align-items:flex-start;gap:8px;">
       <span id="service-status-icon" style="font-size:18px;line-height:1;">&#x23F3;</span>
@@ -548,7 +548,7 @@
       <h2>Lokales LLM (schnelle Antworten) <button class="info-btn" onclick="showInfo('local-llm')" title="Wie funktioniert das?">ℹ</button></h2>
       <div class="card" style="max-width:540px;">
         <div style="font-size:11px;color:#8888AA;margin-bottom:12px;line-height:1.55;">
-          Ein schnelles lokales Modell (<strong>Qwen3</strong> auf der Gamebox) beantwortet
+          Ein schnelles lokales Modell (<strong>Qwen3</strong> auf der AI-Box) beantwortet
           <strong>leichte Fragen in unter 1&nbsp;Sekunde</strong>. Was schwerer wird, gibt es
           automatisch an <strong>Claude</strong> ab. Aenderungen greifen sofort
           (kein Neustart) — geschrieben nach <code>/shared/config/local_llm.json</code>.
@@ -600,7 +600,7 @@
         </div>
         <div id="local-llm-model-desc" style="font-size:10px;color:#8888AA;margin:0 0 2px 0;line-height:1.5;"></div>
         <div style="font-size:10px;color:#FFD60A;margin:0 0 4px 0;line-height:1.5;">
-          Beim ersten Wechsel zu einem Modell lädt die Gamebox das GGUF (mehrere GB) —
+          Beim ersten Wechsel zu einem Modell lädt die AI-Box das GGUF (mehrere GB) —
           die <strong>erste Antwort dauert dann länger</strong>, danach ist es gecacht.
           Liste kommt aus <code>/shared/config/local_models.json</code> (Keys = xtts/llama-swap/config.yaml).
         </div>
@@ -647,7 +647,7 @@
           <summary style="color:#8888AA;font-size:12px;cursor:pointer;">F5-TTS Modell-Tuning (advanced)</summary>
           <div style="margin-top:10px;display:flex;flex-direction:column;gap:8px;">
             <div style="color:#8888AA;font-size:11px;">
-              Werden via RVS an die f5tts-bridge auf der Gamebox geschickt.
+              Werden via RVS an die f5tts-bridge auf der AI-Box geschickt.
               Modell-/Checkpoint-Wechsel triggert einen Reload (~30s).
               Hardcoded Defaults: F5TTS_v1_Base, cfg_strength=2.5, nfe_step=32.
             </div>
@@ -838,7 +838,7 @@
     <div class="settings-section">
       <h2>FLUX Bildgenerierung</h2>
       <div style="font-size:11px;color:#8888AA;margin-bottom:8px;">
-        Steuerung der Image-Generation (flux-bridge auf der Gamebox).
+        Steuerung der Image-Generation (flux-bridge auf der AI-Box).
         Default-Modell wird via RVS gepusht — Wechsel triggert Pipeline-Reload (15-30s
         aus HF-Cache, mehrere Minuten beim Erst-Download). Keywords nutzt ARIAs Brain
         im System-Prompt.
@@ -2939,7 +2939,7 @@
       'Glob': '\uD83D\uDCC1 Dateien suchen',
       'Agent': '\uD83E\uDD16 Sub-Agent',
     };
-    // ── Service-Status Banner (Gamebox: F5-TTS / Whisper Lade-Status) ──
+    // ── Service-Status Banner (AI-Box: F5-TTS / Whisper Lade-Status) ──
     // Aggregiert die Status-Infos der Bridges. Wenn irgendwas am Laden
     // ist, zeigt das Banner unten rechts. Sobald alles auf 'ready' ist,
     // bleibt's einen Moment und wird dann vom User weggeklickt (oder
@@ -6475,17 +6475,17 @@
         html: `
           <p>Jeder Turn, den das <strong>lokale LLM</strong> oder ein <strong>Fast-Path</strong> (reiner Skill, ganz ohne LLM) beantwortet, ist ein Claude-Call, der <strong>nicht</strong> gegen dein Subscription-Quota laeuft.</p>
           <p><strong>„Claude-Calls gespart"</strong> = Anzahl der local- + fast-path-Antworten im Zeitfenster. Konservativ gezaehlt: 1 Antwort = mindestens 1 gesparter Claude-Call (bei Tool-Use waeren es real oft mehr).</p>
-          <p><strong>„lokale Tokens"</strong> = Prompt+Antwort-Tokens, die auf deiner eigenen Gamebox-GPU verarbeitet wurden (echte <code>usage</code>-Zahlen vom Modell, sonst chars/4-Schaetzung). Die kosten dich nichts ausser Strom.</p>
+          <p><strong>„lokale Tokens"</strong> = Prompt+Antwort-Tokens, die auf deiner eigenen AI-Box-GPU verarbeitet wurden (echte <code>usage</code>-Zahlen vom Modell, sonst chars/4-Schaetzung). Die kosten dich nichts ausser Strom.</p>
           <p>Fast-Path-Antworten (z.B. „nächstes Lied") haben ~0 Tokens — reiner Skill-Aufruf, kein Modell.</p>
         `,
       },
       'local-llm': {
         title: 'Lokales LLM — schnelle Antworten',
         html: `
-          <p>Ein kleines, schnelles Modell (<strong>Qwen3 8B</strong>) laeuft auf deiner Gamebox-GPU und beantwortet <strong>einfache Plauder-Turns in &lt;1&nbsp;s</strong>. Alles Schwere, Technische oder Werkzeug-artige (Wetter, Timer, Musik, Bilder, Gedaechtnis, Code) reicht ein Router automatisch an <strong>Claude</strong> weiter.</p>
+          <p>Ein kleines, schnelles Modell (<strong>Qwen3 8B</strong>) laeuft auf deiner AI-Box-GPU und beantwortet <strong>einfache Plauder-Turns in &lt;1&nbsp;s</strong>. Alles Schwere, Technische oder Werkzeug-artige (Wetter, Timer, Musik, Bilder, Gedaechtnis, Code) reicht ein Router automatisch an <strong>Claude</strong> weiter.</p>
           <p><strong>Lokales LLM nutzen</strong> — Master-Schalter. Aus = alle Anfragen laufen wie bisher ueber Claude.</p>
           <p><strong>Nur lokales LLM</strong> — erzwingt lokal, KEIN Claude-Fallback. Zum Ausprobieren, wie stark das lokale Modell allein ist. Achtung: Werkzeug-Turns (Wetter/Timer/…) funktionieren dann nicht — das lokale Tier hat keine Tools.</p>
-          <p>Die Antwortzeit haengt an deinem Heim-Internet (Gamebox @home, ARIA @RZ). Ist die Gamebox aus/nicht erreichbar, faellt ARIA automatisch auf Claude zurueck.</p>
+          <p>Die Antwortzeit haengt an deinem Heim-Internet (AI-Box @home, ARIA @RZ). Ist die AI-Box aus/nicht erreichbar, faellt ARIA automatisch auf Claude zurueck.</p>
         `,
       },
       'local-llm-tools': {

diagnostic/server.js

@@ -1025,7 +1025,7 @@ function connectRVS(forcePlain) {
         }
         broadcast({ type: "voice_ready", payload: msg.payload });
       } else if (msg.type === "service_status") {
-        // Gamebox-Bridges (f5tts/whisper) melden ihren Lade-Status —
+        // AI-Box-Bridges (f5tts/whisper) melden ihren Lade-Status —
         // an Browser durchreichen fuer das Banner unten rechts
         const svc = msg.payload?.service || "?";
         const state = msg.payload?.state || "?";

docs/flux-imagegen-plan.md

@@ -1,7 +1,7 @@
 # FLUX.1-dev Bildgenerierung — Architektur & Stand
 
 Ergaenzung des ARIA-Agent-Stacks um native Text-to-Image-Generierung via
-FLUX.1-dev auf der Gamebox. Folgt dem **gleichen Pattern wie f5tts / whisper**:
+FLUX.1-dev auf der AI-Box. Folgt dem **gleichen Pattern wie f5tts / whisper**:
 ein eigener Container auf dem Gaming-PC, der sich selbst per WebSocket zum
 RVS verbindet und auf seinen Request-Typ lauscht.
 
@@ -23,7 +23,7 @@ aria-bridge ── send_to_core ──▶  aria-brain
                                     RVS
                                        │ fanout
                                        ▼
-                              flux-bridge (Gamebox)
+                              flux-bridge (AI-Box)
                                        │ FluxPipeline.from_pretrained(...)
                                        │ pipeline(prompt, width, height, steps, guidance).images[0]
                                        │ PIL → PNG → base64

docs/plan-local-llm-router.md

@@ -1,4 +1,4 @@
-# Plan B — Lokaler LLM-Router (Gamebox) neben Claude
+# Plan B — Lokaler LLM-Router (AI-Box) neben Claude
 
 **Ziel:** „Gemini-Feeling" für den Alltag, ohne die Claude-Max-Subscription
 aufzugeben. Ein schnelles lokales LLM beantwortet die einfachen ~80 % der Turns
@@ -11,7 +11,7 @@ Gemessen (10.07.2026): CLI-Round-trip über den Claude-Max-Proxy hat einen
 **harten Boden von ~3,5 s** (Subprozess-Start pro Turn). Streaming-API würde das
 brechen, kostet aber API-Geld → verliert die Max-Subscription. Ein lokales
 LLM für die einfachen Turns umgeht den 3,5-s-Boden komplett und ist **gratis**
-(läuft auf vorhandener Gamebox-GPU). Echtes Speech-to-Speech-Duplex (Gemini
+(läuft auf vorhandener AI-Box-GPU). Echtes Speech-to-Speech-Duplex (Gemini
 Live nativ) ist mit einem Text-Modell als Hirn prinzipiell nicht drin.
 
 ## Modell & Serving (entschieden)
@@ -19,17 +19,17 @@ Live nativ) ist mit einem Text-Modell als Hirn prinzipiell nicht drin.
 - **Modell:** Qwen3 8B, GGUF **Q4_K_M** (~6 GB). Bestes Tool-Calling der 7/8B-
   Klasse, solides Deutsch, Apache-2.0. Alt.: Mistral Small 3 7B (schneller,
   weniger Tool-Calling).
-- **Serving:** **llama.cpp `llama-server`** im Docker-Container auf der Gamebox
+- **Serving:** **llama.cpp `llama-server`** im Docker-Container auf der AI-Box
   (kein Ollama nötig — nativer OpenAI-kompatibler `/v1/chat/completions`).
 - **VRAM-Budget:** 12-GB-Karte, Whisper-small (~1–2 GB) + F5-TTS (~1–2 GB) →
   ~8–9 GB frei → passt. (FLUX ist auf 12 GB eh raus.)
 
 ## Anbindung: über den RVS, wie TTS/STT (kein IP-Pflegen)
 
-Die Gamebox ist ein anderer Host als das Brain. Statt direktem HTTP (IP/Port/
+Die AI-Box ist ein anderer Host als das Brain. Statt direktem HTTP (IP/Port/
 Firewall) läuft das LLM **über den RVS-Token-Room**, exakt wie Whisper/F5-TTS:
 
-- llama.cpp hört nur auf localhost der Gamebox.
+- llama.cpp hört nur auf localhost der AI-Box.
 - Ein **dünner RVS-Adapter** daneben (Vorbild: whisper-/xtts-Bridge) verbindet
   sich mit dem RVS-Token, lauscht auf `llm_request`, ruft lokal llama-server,
   schickt `llm_response` (korreliert per requestId) zurück.
@@ -115,7 +115,7 @@ mit Ziel lokal.
 
 ## Phasen
 
-- **B0 — Infra:** llama.cpp-Container + RVS-Adapter auf der Gamebox,
+- **B0 — Infra:** llama.cpp-Container + RVS-Adapter auf der AI-Box,
   `ALLOWED_TYPES`, `local_llm_chat()` im Brain. Isoliert testen („sag hallo").
 - **B1 — Router + lokale Tools:** Heuristik Tier-1/2 + Escalation, schlanke
   Persona lokal, **kuratierte Tool-Auswahl lokal** (Adapter/Bridge/Brain-Tool-
@@ -207,8 +207,8 @@ Zerfaellt in zwei Teile:
   (Docker-Socket) + Controller mit Placement-Policy + Reconciliation +
   Broadcast-Kollisions-Vermeidung (nicht 2× dieselbe Faehigkeit). = Mini-Nomad.
 
-**Empfehlung:** Fuer 2 Gameboxen NICHT bauen — statische Platzierung reicht
+**Empfehlung:** Fuer 2 AI-Boxen NICHT bauen — statische Platzierung reicht
-(Gamebox1=LLM, Gamebox2=Voice). Dynamisches Laden/Entladen zum VRAM-Freimachen
+(AI-Box1=LLM, AI-Box2=Voice). Dynamisches Laden/Entladen zum VRAM-Freimachen
 deckt `llama-swap` innerhalb eines Hosts (B0.5). Waechst die Flotte: erst den
 billigen Heartbeat-Teil; fuer echte Orchestrierung Docker Swarm / Nomad nehmen
 statt selbst einen Scheduler zu bauen.
@@ -227,7 +227,7 @@ lohnt nicht):
   einen Heartbeat via RVS (Host, GPU-Util, VRAM frei/belegt, laufende
   GPU-Container). Diagnostic zeigt pro Host VRAM-Balken + Dienste + „Host X hat
   N GB frei". Kein Start/Stop, nur Sicht + Hinweis wohin verschiebbar.
-- **Zukunft (Gamebox3, 4×3060 = 48 GB):** neuer Host, eigenes Profil, `up` →
+- **Zukunft (AI-Box3, 4×3060 = 48 GB):** neuer Host, eigenes Profil, `up` →
   erscheint im Dashboard; grosses lokales LLM oder FLUX-Vollausbau dorthin.
   Ohne Orchestrator.
 

flux/bridge.py

@@ -1,6 +1,6 @@
 #!/usr/bin/env python3
 """
-ARIA FLUX-Bridge — laeuft auf der Gamebox (RTX 3060).
+ARIA FLUX-Bridge — laeuft auf der AI-Box (RTX 3060).
 
 Empfaengt flux_request via RVS → FLUX.1-dev/-schnell auf GPU → sendet
 flux_response mit base64-PNG zurueck an die aria-bridge. Diese speichert

issue.md

@@ -183,9 +183,9 @@ Wichtige Mechanismen:
 - [x] Decimal-zu-Worte fuer TTS (0.1 → null komma eins, mit IP-Schutz-Lookahead)
 - [x] Generic Acronym-Buchstabieren (XTTS → X T T S, USB → U S B, ueber expliziter Liste)
 - [x] voice_preload/voice_ready: Stille Mini-Render bei Voice-Wechsel + Toast/Status "bereit"
-- [x] Whisper STT auf die Gamebox ausgelagert (faster-whisper CUDA, float16) — neuer aria-whisper-bridge Container
+- [x] Whisper STT auf die AI-Box ausgelagert (faster-whisper CUDA, float16) — neuer aria-whisper-bridge Container
-- [x] aria-bridge: STT primaer remote (Gamebox), Fallback lokal nach 45s Timeout
+- [x] aria-bridge: STT primaer remote (AI-Box), Fallback lokal nach 45s Timeout
-- [x] Whisper-Modell hot-swap auf Gamebox via config-Broadcast aus Diagnostic
+- [x] Whisper-Modell hot-swap auf AI-Box via config-Broadcast aus Diagnostic
 - [x] **F5-TTS ersetzt XTTS komplett** — neuer aria-f5tts-bridge Container, Voice Cloning, satzweises Streaming
 - [x] Voice-Upload mit Whisper-Auto-Transkription — User muss keinen Referenz-Text eintippen
 - [x] Audio-Pause statt Ducking: Spotify/YouTube pausieren komplett waehrend TTS (TRANSIENT statt MAY_DUCK)
@@ -334,7 +334,7 @@ Skills mit Tool-Use.
 
 - [x] Datei-Manager (Diagnostic + App-Modal): /shared/uploads/ verwalten, Multi-Select + Select-All + Bulk-Download als ZIP + Bulk-Delete
 - [x] Wipe-All-Button (Memory + Stimmen + Settings)
-- [x] Voice Export/Import pro Stimme (Diagnostic + XTTS-Bridge auf Gamebox)
+- [x] Voice Export/Import pro Stimme (Diagnostic + XTTS-Bridge auf AI-Box)
 - [x] F5/Whisper-Settings als JSON-Bundle Export/Import
 - [x] App Chat-Suche umgebaut: Highlight + Next/Prev statt Filter
 - [x] App Pinch-Zoom in Bildern rewriten (Multi-Touch-Race-Bugs)
@@ -399,7 +399,7 @@ Skills mit Tool-Use.
 ### Architektur
 - [ ] Diagnostic: System-Info Tab (Container-Status, Disk, RAM, CPU)
 - [ ] RVS Zombie-Connections endgueltig loesen
-- [ ] Gamebox: kleine Web-Oberflaeche fuer Credentials/Server-Config oder zentral aus Diagnostic per RVS push
+- [ ] AI-Box: kleine Web-Oberflaeche fuer Credentials/Server-Config oder zentral aus Diagnostic per RVS push
 - [ ] Erste Skills bauen lassen (yt-dlp, pdf-extract, image-resize, etc.) — durch normale Anfragen, ARIA legt sie selbst an
 - [ ] Heartbeat (periodische Selbst-Checks)
 - [ ] Lokales LLM als Waechter (Triage vor Claude-Call)

rvs/server.js

@@ -63,7 +63,7 @@ const ALLOWED_TYPES = new Set([
   "agent_stream",
   "oauth_callback",
   // Lokales LLM (Plan B) — Router im Brain schickt einfache Turns an das
-  // Qwen3 auf der Gamebox (via Bridge → RVS → llm-adapter → llama.cpp).
+  // Qwen3 auf der AI-Box (via Bridge → RVS → llm-adapter → llama.cpp).
   // llm_partial ist fuer B2 (Token-Streaming) reserviert, noch ungenutzt.
   "llm_request", "llm_response", "llm_partial",
   // Workspace-Desktop (Code-Projekte): Live-Code-Editor (CodeMirror in der App)

xtts/.env.example

@@ -20,8 +20,8 @@ COMPOSE_PROFILES=whisper,f5tts
 
 # ─── Node-Name ────────────────────────────────────
 # Freier Name dieses Rechners. Erscheint in Diagnostic (Flotten-Anzeige) und
-# in den Logs, und bildet die Instanz-ID der Dienste (z.B. f5tts@gamebox).
+# in den Logs, und bildet die Instanz-ID der Dienste (z.B. f5tts@ai-box).
-NODE_NAME=gamebox
+NODE_NAME=ai-box
 
 # ─── GPU-Zuordnung pro Dienst ─────────────────────
 # Setzt NVIDIA_VISIBLE_DEVICES fuer den jeweiligen Container.

xtts/docker-compose.yml

@@ -1,7 +1,7 @@
 # ════════════════════════════════════════════════
 #  ARIA Compute-Node — GPU-Dienste (STT / TTS / LLM)
 #
-#  KEINE feste "Gamebox" mehr: dieser Stack laeuft auf beliebig vielen
+#  KEINE feste "AI-Box" mehr: dieser Stack laeuft auf beliebig vielen
 #  Worker-Nodes. Jeder Node startet ueber COMPOSE_PROFILES nur die Dienste,
 #  die er anbieten soll, und pinnt sie per *_GPU auf bestimmte Grafikkarten.
 #  Alles verbindet sich ueber RVS mit der ARIA-Infrastruktur — kein VPN.
@@ -10,7 +10,7 @@
 #    STT-Box     → COMPOSE_PROFILES=voxtral
 #    TTS-Box     → COMPOSE_PROFILES=f5tts
 #    LLM-Box     → COMPOSE_PROFILES=llm
-#    All-in-One  → COMPOSE_PROFILES=voxtral,f5tts,llm   (die alte Gamebox)
+#    All-in-One  → COMPOSE_PROFILES=voxtral,f5tts,llm   (die alte AI-Box)
 #
 #  FLUX-Bildgenerierung liegt im /flux Verzeichnis — eigener Stack.
 # ════════════════════════════════════════════════

xtts/f5tts/bridge.py

@@ -1,6 +1,6 @@
 #!/usr/bin/env python3
 """
-ARIA F5-TTS Bridge — laeuft auf der Gamebox (RTX 3060).
+ARIA F5-TTS Bridge — laeuft auf der AI-Box (RTX 3060).
 
 Empfaengt xtts_request via RVS → F5-TTS Voice Cloning auf GPU → streamt
 16-bit PCM Chunks als audio_pcm Nachrichten zurueck an die App.
@@ -387,7 +387,7 @@ async def _send(ws, mtype: str, payload: dict) -> None:
 # ──────────────────────────────────────────────────────────────
 #  DEBUG-LOG ueber RVS → /shared/logs/app.log
 #
-#  Gleiches Pattern wie in whisper-bridge: Stefan's Gamebox ist
+#  Gleiches Pattern wie in whisper-bridge: Stefan's AI-Box ist
 #  Windows (kein SSH), in Zukunft koennten whisper + f5tts auf
 #  unterschiedlichen Hosts laufen. Logs ueber RVS heisst: ein Pfad.
 #

xtts/llm-adapter/README.md

@@ -1,6 +1,6 @@
-# Local-LLM-Adapter (Gamebox) — Plan B, Phase B0
+# Local-LLM-Adapter (AI-Box) — Plan B, Phase B0
 
-Bringt ein lokales, schnelles LLM (Qwen3 8B) auf die Gamebox und haengt es
+Bringt ein lokales, schnelles LLM (Qwen3 8B) auf die AI-Box und haengt es
 per RVS an ARIA — fuer die einfachen ~80 % der Turns (<1 s), waehrend Claude
 das Tiefen-Hirn bleibt. Siehe `docs/plan-local-llm-router.md` im Repo-Root.
 
@@ -17,7 +17,7 @@ das Tiefen-Hirn bleibt. Siehe `docs/plan-local-llm-router.md` im Repo-Root.
 cached es unter `xtts/models/` (Bind-Mount → kein Re-Download bei Restart).
 Default: **Qwen3 8B, Q4_K_M** aus dem offiziellen Repo `Qwen/Qwen3-8B-GGUF`.
 
-Modell/Quant wechseln = in der `.env` der Gamebox setzen (kein Code):
+Modell/Quant wechseln = in der `.env` der AI-Box setzen (kein Code):
 
 ```
 LLM_HF_REPO=Qwen/Qwen3-8B-GGUF     # HF-Repo
@@ -35,7 +35,7 @@ umstellen + Container neu — Ein-Zeilen-Wechsel, kein Code.
 Modelle) ist ein geplanter Folge-Baustein via `llama-swap` — siehe
 `docs/plan-local-llm-router.md`.
 
-## Start (auf der Gamebox)
+## Start (auf der AI-Box)
 
 ```bash
 cd xtts

xtts/llm-adapter/adapter.py

@@ -1,5 +1,5 @@
 """
-ARIA Local-LLM-Adapter (Gamebox) — Plan B, Phase B0.
+ARIA Local-LLM-Adapter (AI-Box) — Plan B, Phase B0.
 
 Bruecke zwischen RVS und dem lokalen llama.cpp-Server. Spiegelt das Muster der
 whisper-bridge: verbindet sich per WebSocket mit dem RVS (Token-Room, TLS mit
@@ -7,7 +7,7 @@ ws-Fallback, Reconnect-Backoff), lauscht auf `llm_request` und ruft den lokalen
 llama.cpp-`/v1/chat/completions`-Endpoint (OpenAI-kompatibel), antwortet mit
 `llm_response` (korreliert per requestId).
 
-Topologie: Gamebox steht zuhause, ARIA im RZ — die Kommunikation laeuft ueber
+Topologie: AI-Box steht zuhause, ARIA im RZ — die Kommunikation laeuft ueber
 den RVS (wie TTS/STT), keine IPs zu pflegen. Nur URL + Token.
 
 Env:

xtts/whisper/bridge.py

@@ -1,6 +1,6 @@
 #!/usr/bin/env python3
 """
-ARIA Whisper Bridge — laeuft auf der Gamebox (RTX 3060).
+ARIA Whisper Bridge — laeuft auf der AI-Box (RTX 3060).
 
 Zwei Modi:
 
@@ -292,7 +292,7 @@ async def _send(ws, mtype: str, payload: dict) -> None:
 # ──────────────────────────────────────────────────────────────
 #  DEBUG-LOG ueber RVS → /shared/logs/app.log
 #
-#  Stefan's Gamebox ist Windows, kein SSH → wir brauchen Whisper-Bridge-
+#  Stefan's AI-Box ist Windows, kein SSH → wir brauchen Whisper-Bridge-
 #  Logs ueber den gleichen Pfad wie die App: app_log-Messages via RVS,
 #  aria-bridge schreibt sie in /shared/logs/app.log. Diagnostic / App-
 #  Logs-Tab zeigen sie dann mit platform="whisper".
@@ -881,7 +881,7 @@ async def run_loop(runner: WhisperRunner, sessions: SessionManager) -> None:
                         logger.info("Initial: sende config_request an aria-bridge")
                         await _send(ws, "config_request", {"service": "whisper"})
                         # Startup-Marker — App-Logs zeigen damit ob Streaming-Code
-                        # ueberhaupt aktiv ist (Stefan baut auf Gamebox via PS,
+                        # ueberhaupt aktiv ist (Stefan baut auf AI-Box via PS,
                         # Build/Restart kann unbeabsichtigt alte Version weiterfahren).
                         await _debug_log(ws, "boot",
                             "whisper-bridge online — streaming-mode ENABLED, debug-log ON")