fix(dashboard): total_dur_h filtert Waisen-Traces via db_matched (#229)

[TillQuandel]

Befund

Beim #226-Nachbar-KPI-Audit festgestellt: total_dur_h summierte weiterhin ALLE Traces inkl. Waisen (Trace-JSONL ohne pipeline_runs-Zeile) — 40,1h angezeigt vs. 31,2h DB-gejoint (~22% zu hoch). Die Nachbar-KPI total_tokens hat seit PR #226 den db_matched-Filter, total_dur_s fehlte er (bewusst nicht mitgefixt, Scope-Disziplin in #226).

Fix

generative/eval_dashboard.py:609, Funktion _calc_kpis — derselbe Filter wie bei total_tokens direkt daneben:

-    total_dur_s = sum(r["duration_min"] * 60 for r in token_runs)
+    total_dur_s = sum(r["duration_min"] * 60 for r in token_runs if r.get("db_matched", True))

db_matched wird beim Server-Join in generative/eval_dashboard_server.py:450 gesetzt (tr["db_matched"] = tr.get("run_id","") in _run_info); DB-only-Runs sind per Konstruktion True (Zeile 507). Default True erhält den deprecated Standalone-Pfad (main()/_build_html), der _calc_kpis ohne Server-Join aufruft.

Scope strikt auf die eine Filter-Zeile begrenzt — Token-Totals und Dauer-Semantik selbst unverändert (das sind #238/#239, separate Issues). Die Strip-Hint-HTML wurde nicht angefasst: sie beschreibt die Laufzeit nicht explizit falsch, nur unspezifisch — mit dem Fix stimmt die implizite DB-Zuordnungs-Basis jetzt ohnehin für Tokens und Laufzeit überein.

TDD

Neuer Test generative/tests/test_dashboard_total_dur_h_db_matched.py (analog zum #226-Vorbild test_dashboard_total_tokens_db_matched.py):

• RED auf master (56a3a39): Waisen-Run (10h, db_matched=False) wurde mitgezählt — 11.0 == 1.0 schlug fehl.
• GREEN nach Fix: 3/3 neue Tests grün, plus alle 7 bestehenden total_tokens-Tests weiterhin grün (10/10 zusammen).

Suite

pytest generative lib/decision_engine/tests shared/tests -q: 5791 passed, 3 skipped, 4 deselected, 0 failed.

ruff

ruff check + ruff format --check auf geänderten Dateien: sauber.

Closes #229