update-topic

Aktualisiert oder erweitert ein bestehendes Themen-Factsheet — Daten auffrischen, Sektionen ergänzen, Argumente überarbeiten oder die Darstellung verbessern (Blocktyp-Vielfalt, UX, Datenverständnis) —

SKILL.md

GitHub

Thema aktualisieren: public/data/$ARGUMENTS[0].json

Workflow für Änderungen an bestehenden Topic-Factsheets. Nutzt dieselben Qualitätsstandards wie create-topic, aber ohne den Scoping-Overhead einer Neuanlage.

Änderungsauftrag: $ARGUMENTS

Arbeitsmodus: Autonome Abarbeitung

Der Workflow läuft standardmäßig vollständig autonom durch. Zwischenberichte dokumentieren Entscheidungen; sie sind keine Freigabe-Gates. Angehalten wird nur, wenn der Änderungsauftrag mehrdeutig ist und die Varianten zu inhaltlich gegensätzlichen Ergebnissen führen würden, oder wenn der Build nach 2 Korrekturversuchen fehlschlägt.

Ablauf

1. Bestand erfassen

  • public/data/$ARGUMENTS[0].json vollständig lesen; src/types/index.ts für das Schema
  • Betroffene Sektionen, Argumente und Quellen identifizieren
  • lastUpdated und zeitgebundene Angaben notieren (Jahreszahlen, „aktuell", Preise, Prognosen) — bei Datenaktualisierungen sind das die Prüfkandidaten

2. Recherche mit Inline-Verifizierung

Für neue oder zu aktualisierende Datenpunkte gilt Phase 2 aus .claude/skills/create-topic/SKILL.md vollständig — insbesondere:

  • Quellenhierarchie (amtliche Statistiken vor Instituten vor Stiftungen/Verbänden vor Journalismus)
  • Unabhängigkeitsregel: zentrale Datenpunkte nicht allein auf interessengebundene Quellen stützen
  • Jede URL sofort verifizieren (✓ / ⚠ / ❓); nur ✓- und korrigierte ⚠-Datenpunkte verwenden
  • Sonderfälle (PDF via curl + Read, Paywall, Wayback für tote URLs, widersprüchliche Quellen) nach .claude/skills/verify-sources/SKILL.md

3. Bearbeiten mit Autor-Leitplanken

  • Die Checklisten „Neues Argument" und „Neuer Abschnitt" aus .claude/skills/review-content/SKILL.md sind kanonisch — auch für geänderte Bestandsinhalte anwenden
  • Blocktyp-Auswahl nach .claude/skills/create-topic/reference.md (alle 13 Typen, inkl. myth_fact, pictograph, target_progress)
  • Ersetzte Zahlen konsistent nachziehen: auch Fließtext, keyStats, sourceNote, Argument-Antworten und relatedSections prüfen — nicht nur den einen Block
  • Nicht mehr gestützte sourceRefs entfernen; neue Quellen ins sources-Array (id, label, url)
  • lastUpdated auf das heutige Datum setzen (YYYY-MM-DD)
  • Keine deutschen Anführungszeichen „…" in JSON-Strings (siehe .claude/rules/data-schema.md); nach dem Schreiben node -e "JSON.parse(...)" ausführen

4. Darstellungs-Check (Vielfalt, UX, Datenverständnis)

Prüfen, ob die Inhalte im besten Blocktyp stehen — Blocktyp-Tabelle in .claude/skills/create-topic/reference.md als Auswahlhilfe.

Geltungsbereich: Immer für die bearbeiteten Sektionen. Für das gesamte Topic, wenn der Änderungsauftrag auf Darstellung, Vielfalt, UX oder Verständlichkeit zielt (z. B. „Darstellung verbessern", „Thema aufwerten").

Upgrade-Heuristiken — jede Fundstelle in den besser passenden Blocktyp überführen:

Fundstelle Upgrade
≥ 3 fact-Blöcke in Folge (Fakten-Monotonie) Kernzahlen → stat_grid; widerlegte Irrtümer → myth_fact; nur die 1–2 wichtigsten als fact mit highlight behalten
text-Block mit ≥ 3 Datenpunkten im Fließtext Zahlen in einen Datenblock ausgliedern, text behält die Einordnung
Zeitreihe als table oder Aufzählung line_chart/bar_chart (Tabelle ggf. als barrierefreie Ergänzung behalten, siehe Muster D)
„x von y"-Anteil als Text oder fact pictograph
Ist-Stand vs. Zielwert in Prosa target_progress
A-gegen-B-Vergleich in Prosa comparison; Wertespannen → range_bar
Dieselben Zahlen mehrfach (stat_grid UND table UND fact) Bestes Format wählen, Dubletten entfernen
Topic nutzt insgesamt < 3–4 verschiedene Blocktypen Vielfalt gezielt erhöhen — aber nur, wo die Daten den Typ tragen

Grenzen:

  • Keine Visualisierung erzwingen, die die Daten nicht hergeben — ein präziser text-Block schlägt ein schiefes Diagramm
  • Reiner Formatwechsel ändert keine Aussagen: Zahlen und sourceRefs wandern unverändert mit (kein neuer Verifizierungsbedarf); braucht die Visualisierung zusätzliche Datenpunkte → zurück zu Schritt 2
  • Mobile-first: Tabellen mit mehr als 3–4 Spalten und überladene Diagramme vermeiden
  • Recharts-Typen (bar_chart, line_chart) sparsam bei Themen mit vielen Sektionen (lazy-loaded, aber Gewicht)

5. Quality Gates

/review-content $ARGUMENTS[0]

Bei geänderten Daten oder Quellen zusätzlich:

/verify-sources $ARGUMENTS[0]

Alle ✗-Befunde beheben, ⚠-Befunde soweit sinnvoll adressieren.

6. Validierung & Abschlussbericht

npm run lint && npm run build

Abschlussbericht ausgeben: geänderte Sektionen/Argumente, alte → neue Zahlen, neue/entfernte Quellen, Darstellungs-Upgrades (alter → neuer Blocktyp mit Begründung), Ergebnis der Quality Gates.

Regeln

  • Autonome Abarbeitung (siehe oben) — Berichte dokumentieren, Gates laufen durch
  • Keine halluzinierten Daten — jede neue Zahl aus einer verifizierten Quelle
  • Kein Strukturbruch — public/data/*.json-Struktur nicht ändern ohne src/types/index.ts anzupassen (siehe AGENTS.md)
  • Minimalinvasiv — nur ändern, was der Auftrag verlangt oder was durch die Änderung inkonsistent würde. Der Darstellungs-Check gehört bei bearbeiteten Sektionen dazu; unbeteiligte Sektionen werden nur bei ausdrücklichem Darstellungs-/Qualitätsauftrag umgebaut