gute

prompts/suggestions/teilaufgaben/02-saeubern-dedupe.md

@@ -0,0 +1,35 @@
+# S02 – Säubern + Deduplizieren
+
+Lies `prompts/suggestions/00-MASTER.md`. Nutze die Ausgabe aus S01.
+
+## Auftrag
+
+Erzeuge `web/scripts/clean-phrases.json`:
+
+```json
+{
+  "activities": [{ "text": "...", "count": 14, "sources": ["..."] }],
+  "themes": [{ "text": "...", "count": 5 }],
+  "school": [{ "text": "...", "count": 2 }]
+}
+```
+
+## Filter (muss weg)
+
+- `Abteilung`, `Ausbildungsnachweis`, `Für die Zeit`, `Name`, `Datum`
+- `Lfd. Nr.`, `Unterschrift`, `Ausbilderin`, Punkte-Linien `……`
+- reine Zahlen / lange Ziffernblöcke / XML-Artefakte
+- `Ferien` als Activity (gehört nur ins Berufsschule-Feld der Woche)
+- doppelte Zeilen durch Tabellen-Duplikate in Word (gleiche Phrase 2× im selben Heft → count sinnvoll)
+
+## Dedup
+
+- case-insensitive
+- trim, Whitespace normalisieren
+- optionale Endpunkt-Varianten zusammenführen (`Termine geplant und vergeben.` ≈ ohne Punkt)
+
+## Abnahme
+
+- [ ] Top-Activities sehen aus wie echte Heftzeilen
+- [ ] `Termine vereinbart` / `Ablage …` / `Rechnungen …` sind oben, wenn häufig
+- [ ] Kein sichtbarer Müll in den Top 50