docs: Batch test results for 9 websites + EUIPO analysis

Tested BMW, Stadt Koeln, BfDI, Sparkasse, Caritas, TUEV Sued,
Spiegel, ETO Gruppe, EUIPO. Key findings:

- Stadt Koeln + ETO Gruppe best (95% correctness)
- BMW, Sparkasse, Spiegel genuinely deficient (verified)
- EUIPO uses EU Regulation 2018/1725, not GDPR — needs separate checklist
- ~0-2 false positives per website after LLM verification

7 regex fixes emerged from batch testing (soft hyphens, word
insertions, numbered headings, German section names, etc.)

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

zeroclaw/docs/batch-test-results-2026-05-08.md

@@ -0,0 +1,41 @@
+# Batch-Test Ergebnisse (2026-05-08)
+
+## 9 Websites getestet
+
+| # | Website | Typ | L1 | L2 | Vollst. | Korr. | Woerter | Bewertung |
+|---|---------|-----|----|----|---------|-------|---------|-----------|
+| 1 | Stadt Koeln | Kommune | 9/9 | 21/22 | 100% | 95% | 5910 | Vorbildlich |
+| 2 | Caritas | Nonprofit | 9/9 | 19/22 | 100% | 86% | 9447 | Gut |
+| 3 | ETO Gruppe | Mittelstand | 9/9 | 21/22 | 100% | 95% | 7312 | Vorbildlich |
+| 4 | BfDI | Bundesbehoerde | 9/9 | 16/22 | 100% | 73% | 2014 | OK (kurz) |
+| 5 | TUEV Sued | Prueforg. | 8/9 | 15/21 | 89% | 71% | 9467 | Luecken |
+| 6 | IHK Konstanz | Kammer | 9/9 | 18/22 | 100% | 82% | 6353 | Gut |
+| 7 | BMW | Konzern | 8/9 | 10/21 | 89% | 48% | 7207 | Mangelhaft |
+| 8 | Sparkasse | Finanz | 7/9 | 10/20 | 78% | 50% | 12183 | Mangelhaft |
+| 9 | Spiegel | Medien | 6/9 | 10/13 | 67% | 77% | 13698 | Mangelhaft |
+
+### Sonderfaelle
+- **EUIPO** (EU-Behoerde): 6/9 L1, 5/13 L2 — unterliegt Verordnung 2018/1725, nicht DSGVO. Separate Checkliste noetig.
+- **dm, Zalando, HWK**: Text-Extraktion scheitert (JS-heavy SPAs, Consent-Wall blockiert)
+
+## Verifizierte True Positives
+
+BMW, Sparkasse und Spiegel haben **tatsaechlich lueckenhafte DSEs** — verifiziert gegen Originaltexte:
+- BMW: Keine E-Mail, kein Art. 77 Beschwerderecht, keine Art.-Referenzen fuer Rechte
+- Sparkasse: Kein DSB, kein Art. 77
+- Spiegel: Kein DSB, kein Art. 77, keine Betroffenenrechte
+
+## False-Positive-Rate
+
+Ueber alle 9 Websites: **~0-2 FP pro Website** nach LLM-Verifikation.
+Hauptursache verbleibender FP: Ungewoehnliche Formulierungen die weder Regex noch LLM erkennen.
+
+## Regex-Fixes die aus dem Batch-Test entstanden
+
+1. Soft-Hyphen Stripping (\xad) — etogruppe
+2. "Recht auf [Adjektiv] Auskunft" — Wort-Einschub
+3. "nach Fortfall" neben "nach Ablauf" — Loeschkonzept
+4. DSB-Kontakt ueber Zeilenumbrueche — [\s\S]{0,300}
+5. Nummerierte Headings ("5. Soziale Medien") — isdigit()
+6. Section-Splitter nur bei klassifizierten Headings
+7. "Soziale Medien/Netzwerke" als Social-Media-Heading