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

S02 – Säubern + Deduplizieren

Lies prompts/suggestions/00-MASTER.md. Nutze die Ausgabe aus S01.

Auftrag

Erzeuge web/scripts/clean-phrases.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