berichtsheftgenerator/prompts/suggestions/teilaufgaben/01-extrahieren.md

S01 – Alle Hefte extrahieren

Lies prompts/suggestions/00-MASTER.md. Nur Extraktion – noch keine Varianten erfinden.

Auftrag

1. Parse jede .docx in 1. Ausbildungsjahr/ und 2. Ausbildungsjahr/.
2. Ziehe Rohtext aus word/document.xml.
3. Speichere Rohdump + strukturierte Phrasen:
   • web/scripts/extracted-all.txt (Roh)
   • web/scripts/raw-phrases.json mit Feldern:
     • sourceFile
     • activities[]
     • weekThemes[]
     • schoolTopics[]
     • frameworkRefs[] (nur zum Filtern, nicht als Suggestion)

Parsing-Hinweise

Abschnitte typischerweise:

• Tätigkeiten vor „Betriebliche Tätigkeiten“ / Rahmenplan
• „Thema der Woche …“
• „Berufsschule …“

Alles was Header/Footer/Unterschrift ist → ignorieren.

Abnahme

• Anzahl Quelldateien = Anzahl geparster Hefte (ca. 78)
• Pro Heft mindestens ein paar Activities (außer reine Urlaubswochen)
• JSON ist valide und nachvollziehbar