Ja. Ich würde daraus eine **Arbeitstabelle** machen und unsere Bewertung bewusst noch nicht vorwegnehmen. Gerade bei den merkwürdigen Treffern sollten wir zunächst den tatsächlichen `matched_value` im xTree nachvollziehen.

|  # | SourceValue                             | Context     | Discovery        | Candidates aus dem Lauf                                                                  | Diskussionsstand / Frage                                                                                              |
| -: | --------------------------------------- | ----------- | ---------------- | ---------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------- |
|  1 | **Granulat**                            | –           | FULLTEXT/NATURAL | –                                                                                        | Warum kein Treffer? Interessant im Vergleich zu `wnk-v0.1`, wo Truncation Treffer erzeugte.                           |
|  2 | **Schachtel für ein Haarschneidegerät** | –           | FULLTEXT/NATURAL | Sozialeinrichtung (Gebäude); Kunstgewerbemuseum; NS-Gedenkstätte                         | **auffällig** – welche `matched_value`s verursachen diese Treffer?                                                    |
|  3 | **Ausgefüllter Fragebogen**             | –           | FULLTEXT/NATURAL | Fragebogen                                                                               | **plausibel** – vermutlich guter Fulltext-Fall. Match noch verifizieren.                                              |
|  4 | **Schatz**                              | –           | FULLTEXT/NATURAL | –                                                                                        | Kein Treffer. Interessant: Truncation fand zuvor `Schatzkammer`.                                                      |
|  5 | **Zinnteller**                          | –           | FULLTEXT/NATURAL | –                                                                                        | Kein Treffer. Prüfen, ob WNK passende zusammengesetzte Begriffe enthält.                                              |
|  6 | **Bogen**                               | –           | EXACT_STRING     | Bogen (Architektur); Bogen (Schusswaffe)                                                 | **korrektes EXACT**, zugleich Homonymie-Fall.                                                                         |
|  7 | **Mechanisches Blechspielzeug**         | –           | FULLTEXT/NATURAL | Mechanisches Musikinstrument; Verbindungselement; Blechspielzeug                         | Gemischt. `Blechspielzeug` sehr plausibel; andere Candidates über `matched_value` erklären.                           |
|  8 | **Bogen**                               | Bauwerk     | FULLTEXT/NATURAL | –                                                                                        | **auffällig:** Context führt offenbar dazu, dass EXACT 0 liefert; Fulltext ebenfalls 0. Context-Verarbeitung ansehen. |
|  9 | **Span**                                | –           | FULLTEXT/NATURAL | zweischiffig; Pressspan                                                                  | `zweischiffig` geklärt: Match über **`two-span` [en]**. `Pressspan` noch prüfen.                                      |
| 10 | **Laken**                               | –           | FULLTEXT/NATURAL | –                                                                                        | Kein Treffer. Vergleich zu Truncation: dort `Bettlaken`.                                                              |
| 11 | **Schulwandbild Biologie**              | –           | FULLTEXT/NATURAL | Biologie; Schulwandbild                                                                  | **sehr interessanter Fall:** zwei Bestandteile des SourceValue führen zu zwei fachlich plausiblen Concepts.           |
| 12 | **Bogen**                               | Architektur | EXACT_STRING     | Bogen (Architektur)                                                                      | **sehr guter Referenzfall:** EXACT + Context reduziert Homonymie auf den passenden Candidate.                         |
| 13 | **Schurscheren**                        | –           | FULLTEXT/NATURAL | –                                                                                        | Kein Treffer. Schreibweise/lexical Bestand des WNK prüfen.                                                            |
| 14 | **Herren-Rock**                         | –           | FULLTEXT/NATURAL | Sandstein; Gestein; Abri                                                                 | **stark auffällig** – `matched_value` zwingend analysieren.                                                           |
| 15 | **Wählscheiben-Telefon**                | –           | FULLTEXT/NATURAL | Telefon; Handy                                                                           | **plausibler Demo-Fall.** Interessant, warum zusätzlich `Handy`.                                                      |
| 16 | **Fragebogen-Antworten**                | –           | FULLTEXT/NATURAL | Fragebogen                                                                               | **plausibel.** Guter Vergleich zu #3.                                                                                 |
| 17 | **Medikamentenschachtel mit Ampullen**  | –           | FULLTEXT/NATURAL | Lernen mit neuen Medien: Gender-blind?; Abwurfhalde (mit Fehlbränden); Nikolaus mit Esel | **extremer Noise-Fall.** Sehr wichtig für Analyse der tatsächlichen Matches.                                          |
| 18 | **Spielanleitung**                      | –           | FULLTEXT/NATURAL | –                                                                                        | Kein Treffer.                                                                                                         |
| 19 | **Maschee**                             | –           | FULLTEXT/NATURAL | –                                                                                        | Kein Treffer. Vergleich: Truncation fand `Papiermaschee`.                                                             |
| 20 | **Wahlplakat, Hindenburg 1932**         | –           | FULLTEXT/NATURAL | Wahlplakat                                                                               | **sehr plausibel.** Guter Fall für längeren Source String mit Zusatzinformation.                                      |

Ein Befund springt mir dabei jetzt stärker ins Auge als bei meiner ersten Betrachtung: **#11 `Schulwandbild Biologie` ist konzeptionell sehr interessant.** Fulltext liefert nicht einfach einen „unscharfen Candidate“, sondern findet zwei unterschiedliche Concepts, die jeweils Bestandteile des SourceValue repräsentieren:

```text
Schulwandbild Biologie
       │
       ├── Schulwandbild
       └── Biologie
```

Das berührt bereits unsere spätere Frage nach `InterpretationGraph 1..*`, obwohl wir sie für den Vortrag bewusst ausgeblendet haben. Wir sollten das jetzt **nicht lösen**, aber als Beobachtung festhalten.

Und #8 `Bogen + Bauwerk` würde ich ebenfalls genauer untersuchen. Im Dump ist tatsächlich `EXACT_STRING = 0`, während `Bogen + Architektur` bei #12 exakt den erwarteten einen Candidate liefert. Das könnte uns etwas Wichtiges über die derzeitige Context-/Qualifier-Behandlung sagen.

Für die weitere gemeinsame Analyse würde ich bei den Fällen **2, 7, 9, 14, 15 und 17** jeweils im Raw Snapshot nach dem tatsächlichen Term suchen, der den Fulltext Match erklärt. `Span → two-span [en] → zweischiffig` haben wir als ersten Fall bereits geklärt.

Damit können wir nach und nach zwei zusätzliche Spalten füllen:

```text
matched_value | language/role | fachliche Bewertung
```

Erst wenn diese Tabelle gefüllt ist, würde ich über FULLTEXT Evidence oder Filtering nachdenken.