diff --git a/app/services/semantic_analyzer.py b/app/services/semantic_analyzer.py
index 87dd28b..4d19170 100644
--- a/app/services/semantic_analyzer.py
+++ b/app/services/semantic_analyzer.py
@@ -1,7 +1,6 @@
 """
 app/services/semantic_analyzer.py
 Kapselt die LLM-Strategie für Chunking und Kanten-Extraktion.
-Nutzt die Matrix-Logik aus DiscoveryService für konsistente Kanten-Typen.
 """
 
 import json
@@ -59,14 +58,17 @@ class SemanticAnalyzer:
             clean_json = response_json.replace("```json", "").replace("```", "").strip()
             data = json.loads(clean_json)
             
-            # 3a. Typsicherheit des äußeren Arrays
-            if not isinstance(data, list):
-                 logger.error("SemanticAnalyzer: JSON root ist kein Array. Fehlerhafte LLM-Antwort.")
-                 raise ValueError("Root element is not a list.")
+            # FIX: Typsicherheit auf der Wurzel
+            if isinstance(data, dict):
+                 # LLM hat ein Einzelobjekt geliefert -> wandle es in ein Array
+                 data = [data]
+            elif not isinstance(data, list):
+                 logger.error("SemanticAnalyzer: JSON root ist weder Array noch Objekt. Fehlerhafte LLM-Antwort.")
+                 raise ValueError("Root element is not a list or dictionary.")
 
             results = []
             for item in data:
-                # FIX: Typsicherheit auf Item-Ebene
+                # Typsicherheit auf Item-Ebene
                 if not isinstance(item, dict):
                     logger.warning(f"SemanticAnalyzer: Ungültiges Chunk-Element ignoriert: {item}")
                     continue
@@ -109,7 +111,6 @@ class SemanticAnalyzer:
             logger.error("SemanticAnalyzer: LLM lieferte KEIN valides JSON. Fallback auf Raw Text.")
             return [SemanticChunkResult(content=text, suggested_edges=[])]
         except Exception as e:
-            # Wichtig: Wir fangen alle anderen Fehler, um den Prozess nicht abzubrechen.
             logger.error(f"SemanticAnalyzer Unbehandelter Fehler: {e}")
             return [SemanticChunkResult(content=text, suggested_edges=[])]