Rezept-Zuordnung: "vegan" ist eine Eigenschaft, kein Lebensmittel

Der Wortanker nahm jedes geteilte Wort ab vier Zeichen - also auch
"vegan". Damit passte jedes vegane Produkt auf jede vegane Zutat: "vegane
Butter" landete auf "veganes Muehlen Knusper Bleu", "veganer griechischer
Joghurt" auf "Vegane Muehlen Nuggets" und "veganer Lime Curd" auf "Vegane
Muehlen-Schnitzel auf Basis von Soja". Geteilt wurde dort nur die
Eigenschaft, nicht die Sache.

Beschreibende Woerter begruenden deshalb keinen Treffer mehr - vegan,
vegetarisch, bio, frisch, geschmolzen, ungesalzen, geschaelt, geschnitten,
Zimmertemperatur, oder, optional und so weiter, dazu reine Zahlen. Als
Wortanfaenge aufgefuehrt, weil Deutsch beugt ("vegan", "vegane",
"veganer", "veganes"). Sie sperren aber nicht: "vegane Butter" findet
weiterhin eine "Vegane Butter", nur eben ueber das Wort "Butter".

Wichtig war, die Liste auf BEIDEN Seiten anzuwenden. Sonst steckt "vegan"
weiter im Produktnamen und der Teilstring-Vergleich greift von dort aus.

Gegenprobe mit dem echten Katalog: Von zehn Zutaten bleiben die drei
richtigen Treffer (Mehl, Vollmilch, Aepfel), die sieben erfundenen sind
weg.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

backend/app/services/rezepte.py

@@ -122,13 +122,41 @@ def _stamm(text: str) -> str:
     return roh.replace("ae", "a").replace("oe", "o").replace("ue", "u")
 
 
-def _woerter(text: str) -> list[str]:
-    """Bedeutungstragende Wörter einer Zutat – sehr kurze fallen weg.
+# Wörter, die eine Zutat BESCHREIBEN, aber nicht benennen. Sie dürfen allein
+# keinen Treffer begründen, sonst passt jedes vegane Produkt auf jede vegane
+# Zutat: „vegane Butter" landete so auf „veganes Mühlen Knusper Bleu", und
+# „veganer Lime Curd" auf „Vegane Mühlen-Schnitzel". Geteilt wird dort nur die
+# Eigenschaft, nicht die Sache.
+#
+# Als Wortanfänge aufgeführt, weil Deutsch beugt: „vegan", „vegane", „veganer",
+# „veganes" sollen alle gemeint sein. Verglichen wird gegen die zusammengezogene
+# Form aus ``_stamm`` (ae/oe/ue schon aufgelöst).
+_NUR_EIGENSCHAFT = (
+    "vegan", "vegetar", "bio", "biologisch", "frisch", "roh",
+    "gekocht", "gebacken", "geschmolz", "gesalz", "ungesalz", "gezuckert",
+    "getrock", "gefror", "gerieb", "gewurf", "geschnitt", "geschal", "gehackt",
+    "gemahl", "gepresst", "zimmertemperatur", "lauwarm",
+    "klein", "gross", "mittel", "fein", "grob", "ganz",
+    "oder", "sowie", "etwa", "circa", "nach", "ohne", "optional", "evtl",
+    "block", "stueck", "stuck", "gehauft", "gestrich",
+)
 
-    „1 TL" und „oder" sollen keine Treffer begründen; „Mehl", „Apfel",
-    „Vollmilch" sehr wohl.
+
+def _nur_eigenschaft(wort: str) -> bool:
+    return wort.isdigit() or wort.startswith(_NUR_EIGENSCHAFT)
+
+
+def _woerter(text: str) -> list[str]:
+    """Bedeutungstragende Wörter einer Zutat.
+
+    Weg fallen sehr kurze („1 TL"), reine Zahlen und alles, was die Zutat nur
+    beschreibt (siehe ``_NUR_EIGENSCHAFT``). Übrig bleibt, was sie IST: „Mehl",
+    „Apfel", „Butter", „Joghurt".
     """
-    return [w for w in _stamm(text).split() if len(w) >= 4]
+    return [
+        w for w in _stamm(text).split()
+        if len(w) >= 4 and not _nur_eigenschaft(w)
+    ]
 
 
 def _hat_anker(zutat_woerter: list[str], kandidat: str) -> bool:
@@ -143,9 +171,14 @@ def _hat_anker(zutat_woerter: list[str], kandidat: str) -> bool:
     ziel = _stamm(kandidat)
     if not ziel:
         return False
-    ziel_woerter = [w for w in ziel.split() if len(w) >= 4]
+    ziel_woerter = [
+        w for w in ziel.split() if len(w) >= 4 and not _nur_eigenschaft(w)
+    ]
+    # Auch der Teilstring-Vergleich darf nicht über eine Eigenschaft laufen:
+    # „vegan" steckt sonst weiter in „veganes Mühlen Knusper Bleu".
+    ziel_ohne = " ".join(ziel_woerter)
     for wort in zutat_woerter:
-        if wort in ziel:
+        if wort in ziel_ohne:
             return True
         # Umgekehrt auch: Artikel „Milch" passt zur Zutat „Buttermilch".
         for zw in ziel_woerter: