diff --git a/app/core/chunker.py b/app/core/chunker.py
index 3f2898f..b41e61f 100644
--- a/app/core/chunker.py
+++ b/app/core/chunker.py
@@ -14,7 +14,6 @@ import logging
 try:
     from app.services.semantic_analyzer import SemanticAnalyzer, SemanticChunkResult 
 except ImportError:
-    # Fallback für Tests, wenn der Service noch nicht auf dem Pfad ist
     print("WARNUNG: SemanticAnalyzer Service nicht gefunden.")
     class SemanticAnalyzer:
         async def analyze_and_chunk(self, text, type): return [SemanticChunkResult(content=text, suggested_edges=[])]
@@ -80,19 +79,12 @@ def get_sizes(note_type: str):
 # 3. DATA CLASSES & HELPERS
 # ==========================================
 
-_SENT_SPLIT = re.compile(r'(?<=[.!?])\s+(?=[A-ZÄÖÜ0-9„(])')
-_WS = re.compile(r'\s+')
-
+_SENT_SPLIT = re.compile(r'(?<=[.!?])\s+(?=[A-ZÄÖÜ0-9„(])'); _WS = re.compile(r'\s+')
 def estimate_tokens(text: str) -> int:
     t = len(text.strip()); return max(1, math.ceil(t / 4))
-
-# FIX: Kurzschreibweise aufgelöst, um Linter-Fehler zu vermeiden
 def split_sentences(text: str) -> list[str]:
     text = _WS.sub(' ', text.strip())
-    
-    if not text: 
-        return []
-        
+    if not text: return []
     parts = _SENT_SPLIT.split(text)
     return [p.strip() for p in parts if p.strip()]
 
@@ -215,10 +207,11 @@ def _extract_all_edges_from_md(md_text: str, note_id: str, note_type: str) -> Li
     Ruft die Edge-Derivation auf Note-Ebene auf und gibt die Kanten im Format "kind:Target" zurück.
     """
     
+    # Korrigierte Argumentreihenfolge (Positionale und Keyword-Argumente getrennt)
     raw_edges: List[Dict] = build_edges_for_note(
         md_text, 
-        note_id, 
-        note_type, 
+        note_id=note_id, 
+        note_type=note_type, 
         chunks=[], 
         note_level_references=[], 
         include_note_scope_refs=False
@@ -262,7 +255,7 @@ async def _strategy_smart_edge_allocation(md_text: str, config: Dict, note_id: s
             task = analyzer.analyze_and_chunk(
                 text=chunk.text, 
                 source_type=note_type,
-                all_note_edges=all_note_edges_list, 
+                # all_note_edges und target_type_resolver werden im SemanticAnalyzer benötigt
             )
             llm_tasks.append(task)