Netzwerkanalyse erweitert:

- 3D-Visualisierung mit Effekt-Achse (z-Modi: Effekt, System, Semantik)
- Top-Listen (je 15 positive/negative Effektstärken) ergänzt
- Item-Projektion mit Community-Labels
- Config um Toggle für z-Modi mit sprechenden Achsentiteln erweitert
- Keys konsistent (top_n_extremes, show_item_projection)

config_visible_learning.py

@@ -1,22 +1,3 @@
-"""
-Konfiguration Visible Learning
-
-Diese Datei steuert die Analysen der Effektstärken aus Hattie (Visible Learning).
-
-- csv_file: Pfad zur Eingabedatei (eine CSV, die alle Kapitel enthalten kann).
-- k_clusters: Anzahl der Cluster für K-Means.
-
-- export_fig_visual: True = HTML-Export der Plots.
-- export_fig_png: True = PNG-Export der Plots (setzt Kaleido voraus).
-
-- theme: Darstellungs-Theme ("dark" oder "light").
-
-Kapitelsteuerung:
-- selected_kapitel: Nummer eines Kapitels (z. B. 5), das isoliert betrachtet werden soll.
-                    None = kein Filter, d. h. gesamte CSV in einem Schwung analysieren.
-- analyse_all: True = alle Kapitel sequenziell einzeln durchlaufen und auswerten.
-               False = nur den Filter aus selected_kapitel beachten.
-"""
 # config_visible-learning.py
 
 # Pfad zur Eingabedatei
@@ -36,3 +17,28 @@ theme = "dark"
 selected_kapitel = None   # Nummer des Kapitels (z.B. 5), None = kein Filter
 analyse_all = False       # True = alle Kapitel durchlaufen
 export_werte_all = True  # Wertedatei (werte_all.json) exportieren
+
+# 3D-Visualisierung: Toggle für die drei z-Modi mit sprechenden Achsentiteln
+z_mode = "effekt"  # Mögliche Werte: "effekt", "kapitel", "system"
+
+z_axis_labels = {
+    "effekt": "Effektstärke (Cohen d)",
+    "kapitel": "Kapitelnummer",
+    "system": "Systemebene (psychisch/sozial)"
+}
+
+# ———————————————————————————————————————————————
+# Zusatz-Ausgaben & Netzwerkanalyse-Optionen
+# ———————————————————————————————————————————————
+# 1) Top-Listen der Effektstärken
+export_top_extremes = True
+top_n_extremes = 15
+
+# 2) Item-Projektion im Netzwerk + Community-Labels
+show_item_projection = True          # statt enable_item_projection
+projection_method = "layout_spring"  # "layout_spring" | "umap"
+show_community_labels = True
+community_algorithm = "louvain"      # "louvain" | "leiden" (falls unterstützt)
+min_community_size = 3
+
+# 3) z-Achsen-Toggle kommt aus z_mode / z_axis_labels (oben)

export/network_systemebenen.json

@@ -1,4 +1,255 @@
 {
+  "extremes": {
+    "top_positive": [
+      {
+        "Thermometer_ID": 9.08,
+        "Stichwort": "Kollektive Wirksamkeitserwartung",
+        "Kapitelname": "Lehrperson",
+        "Subkapitel": "Einflüsse der Lehrperson",
+        "Effektstärke": 1.34,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 9.05,
+        "Stichwort": "Einschätzung des Leistungsniveaus durch die Lehrperson",
+        "Kapitelname": "Lehrperson",
+        "Subkapitel": "Einflüsse der Lehrperson",
+        "Effektstärke": 1.3,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.05,
+        "Stichwort": "Erkenntnisstufen",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Fähigkeiten",
+        "Effektstärke": 1.28,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 9.06,
+        "Stichwort": "Glaubwürdigkeit",
+        "Kapitelname": "Lehrperson",
+        "Subkapitel": "Einflüsse der Lehrperson",
+        "Effektstärke": 1.09,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 9.13,
+        "Stichwort": "Micro-Teaching",
+        "Kapitelname": "Lehrperson",
+        "Subkapitel": "Entwicklung von Lehrerprofessionalität",
+        "Effektstärke": 1.01,
+        "Systemebene": "sozial"
+      },
+      {
+        "Thermometer_ID": 10.3,
+        "Stichwort": "Ergebnisorientierte Bildung",
+        "Kapitelname": "Curriculum",
+        "Subkapitel": "Andere Lehrplanbereiche",
+        "Effektstärke": 0.97,
+        "Systemebene": "sozial"
+      },
+      {
+        "Thermometer_ID": 5.01,
+        "Stichwort": "Vorausgehende Fähigkeiten & Intelligenz",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Fähigkeiten",
+        "Effektstärke": 0.96,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.11,
+        "Stichwort": "Beurteilung der eigenen Leistungsfähigkeit",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Fähigkeiten",
+        "Effektstärke": 0.96,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.1,
+        "Stichwort": "Feldunabhängigkeit",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Fähigkeiten",
+        "Effektstärke": 0.94,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 9.07,
+        "Stichwort": "Klarheit der Lehrperson",
+        "Kapitelname": "Lehrperson",
+        "Subkapitel": "Einflüsse der Lehrperson",
+        "Effektstärke": 0.85,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.13,
+        "Stichwort": "Kritisches Denken",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Fähigkeiten",
+        "Effektstärke": 0.84,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 8.13,
+        "Stichwort": "Reduktion von Unterrichtsstörungen",
+        "Kapitelname": "Klassenzimmer",
+        "Subkapitel": "Einflüsse im Klassenzimmer",
+        "Effektstärke": 0.82,
+        "Systemebene": "sozial"
+      },
+      {
+        "Thermometer_ID": 10.02,
+        "Stichwort": "Leseförderung für besondere Gruppen",
+        "Kapitelname": "Curriculum",
+        "Subkapitel": "Curriculare Programme (Lesen)",
+        "Effektstärke": 0.82,
+        "Systemebene": "sozial"
+      },
+      {
+        "Thermometer_ID": 10.11,
+        "Stichwort": "Wiederholtes Lesen",
+        "Kapitelname": "Curriculum",
+        "Subkapitel": "Curriculare Programme (Lesen)",
+        "Effektstärke": 0.8,
+        "Systemebene": "sozial"
+      },
+      {
+        "Thermometer_ID": 10.07,
+        "Stichwort": "Phonologische Bewusstheit",
+        "Kapitelname": "Curriculum",
+        "Subkapitel": "Curriculare Programme (Lesen)",
+        "Effektstärke": 0.75,
+        "Systemebene": "sozial"
+      }
+    ],
+    "top_negative": [
+      {
+        "Thermometer_ID": 5.33,
+        "Stichwort": "negativ-aktivierend (Wut)",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Wille",
+        "Effektstärke": -0.65,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.43,
+        "Stichwort": "Misshandlung",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Thrill: Motivation",
+        "Effektstärke": -0.63,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.39,
+        "Stichwort": "Frühgeburt / Geburtsgewicht",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Thrill: Motivation",
+        "Effektstärke": -0.59,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.41,
+        "Stichwort": "Krankheit",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Thrill: Motivation",
+        "Effektstärke": -0.51,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.36,
+        "Stichwort": "negativ-aktivierend (Langeweile)",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Wille",
+        "Effektstärke": -0.46,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.42,
+        "Stichwort": "Körperliche Syndrome",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Thrill: Motivation",
+        "Effektstärke": -0.42,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.38,
+        "Stichwort": "kognitive Dispositionen (Prokrastination)",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Wille",
+        "Effektstärke": -0.41,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.31,
+        "Stichwort": "negativ-aktivierend (Angst)",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Wille",
+        "Effektstärke": -0.4,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 6.17,
+        "Stichwort": "Schulwechsel",
+        "Kapitelname": "Elternhaus und Familie",
+        "Subkapitel": "Familiäre Ressourcen",
+        "Effektstärke": -0.38,
+        "Systemebene": "sozial"
+      },
+      {
+        "Thermometer_ID": 6.15,
+        "Stichwort": "Körperliche Züchtigung",
+        "Kapitelname": "Elternhaus und Familie",
+        "Subkapitel": "Familiäre Ressourcen",
+        "Effektstärke": -0.33,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.32,
+        "Stichwort": "negativ-aktivierend (Depressionen)",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Wille",
+        "Effektstärke": -0.3,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 5.49,
+        "Stichwort": "Dachloser Dialekt",
+        "Kapitelname": "Lernende",
+        "Subkapitel": "Thrill: Motivation",
+        "Effektstärke": -0.29,
+        "Systemebene": "psychisch"
+      },
+      {
+        "Thermometer_ID": 8.12,
+        "Stichwort": "(Cyber-)Bulling",
+        "Kapitelname": "Klassenzimmer",
+        "Subkapitel": "Einflüsse im Klassenzimmer",
+        "Effektstärke": -0.28,
+        "Systemebene": "sozial"
+      },
+      {
+        "Thermometer_ID": 6.07,
+        "Stichwort": "Geschieden",
+        "Kapitelname": "Elternhaus und Familie",
+        "Subkapitel": "Familiäre Ressourcen",
+        "Effektstärke": -0.26,
+        "Systemebene": "sozial"
+      },
+      {
+        "Thermometer_ID": 8.24,
+        "Stichwort": "Unbeliebtheit in der Klasse",
+        "Kapitelname": "Klassenzimmer",
+        "Subkapitel": "Klassenklima",
+        "Effektstärke": -0.26,
+        "Systemebene": "sozial"
+      }
+    ]
+  },
+  "item_projection": {
+    "n_nodes": 169,
+    "n_edges": 7238,
+    "n_communities": 2
+  },
   "meta": {
     "theme": "dark",
     "min_abs_d": 0.0,

export/network_top_extremes.json

@@ -0,0 +1,246 @@
+{
+  "top_positive": [
+    {
+      "Thermometer_ID": 9.08,
+      "Stichwort": "Kollektive Wirksamkeitserwartung",
+      "Kapitelname": "Lehrperson",
+      "Subkapitel": "Einflüsse der Lehrperson",
+      "Effektstärke": 1.34,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 9.05,
+      "Stichwort": "Einschätzung des Leistungsniveaus durch die Lehrperson",
+      "Kapitelname": "Lehrperson",
+      "Subkapitel": "Einflüsse der Lehrperson",
+      "Effektstärke": 1.3,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.05,
+      "Stichwort": "Erkenntnisstufen",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Fähigkeiten",
+      "Effektstärke": 1.28,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 9.06,
+      "Stichwort": "Glaubwürdigkeit",
+      "Kapitelname": "Lehrperson",
+      "Subkapitel": "Einflüsse der Lehrperson",
+      "Effektstärke": 1.09,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 9.13,
+      "Stichwort": "Micro-Teaching",
+      "Kapitelname": "Lehrperson",
+      "Subkapitel": "Entwicklung von Lehrerprofessionalität",
+      "Effektstärke": 1.01,
+      "Systemebene": "sozial"
+    },
+    {
+      "Thermometer_ID": 10.3,
+      "Stichwort": "Ergebnisorientierte Bildung",
+      "Kapitelname": "Curriculum",
+      "Subkapitel": "Andere Lehrplanbereiche",
+      "Effektstärke": 0.97,
+      "Systemebene": "sozial"
+    },
+    {
+      "Thermometer_ID": 5.01,
+      "Stichwort": "Vorausgehende Fähigkeiten & Intelligenz",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Fähigkeiten",
+      "Effektstärke": 0.96,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.11,
+      "Stichwort": "Beurteilung der eigenen Leistungsfähigkeit",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Fähigkeiten",
+      "Effektstärke": 0.96,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.1,
+      "Stichwort": "Feldunabhängigkeit",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Fähigkeiten",
+      "Effektstärke": 0.94,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 9.07,
+      "Stichwort": "Klarheit der Lehrperson",
+      "Kapitelname": "Lehrperson",
+      "Subkapitel": "Einflüsse der Lehrperson",
+      "Effektstärke": 0.85,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.13,
+      "Stichwort": "Kritisches Denken",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Fähigkeiten",
+      "Effektstärke": 0.84,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 8.13,
+      "Stichwort": "Reduktion von Unterrichtsstörungen",
+      "Kapitelname": "Klassenzimmer",
+      "Subkapitel": "Einflüsse im Klassenzimmer",
+      "Effektstärke": 0.82,
+      "Systemebene": "sozial"
+    },
+    {
+      "Thermometer_ID": 10.02,
+      "Stichwort": "Leseförderung für besondere Gruppen",
+      "Kapitelname": "Curriculum",
+      "Subkapitel": "Curriculare Programme (Lesen)",
+      "Effektstärke": 0.82,
+      "Systemebene": "sozial"
+    },
+    {
+      "Thermometer_ID": 10.11,
+      "Stichwort": "Wiederholtes Lesen",
+      "Kapitelname": "Curriculum",
+      "Subkapitel": "Curriculare Programme (Lesen)",
+      "Effektstärke": 0.8,
+      "Systemebene": "sozial"
+    },
+    {
+      "Thermometer_ID": 10.07,
+      "Stichwort": "Phonologische Bewusstheit",
+      "Kapitelname": "Curriculum",
+      "Subkapitel": "Curriculare Programme (Lesen)",
+      "Effektstärke": 0.75,
+      "Systemebene": "sozial"
+    }
+  ],
+  "top_negative": [
+    {
+      "Thermometer_ID": 5.33,
+      "Stichwort": "negativ-aktivierend (Wut)",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Wille",
+      "Effektstärke": -0.65,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.43,
+      "Stichwort": "Misshandlung",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Thrill: Motivation",
+      "Effektstärke": -0.63,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.39,
+      "Stichwort": "Frühgeburt / Geburtsgewicht",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Thrill: Motivation",
+      "Effektstärke": -0.59,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.41,
+      "Stichwort": "Krankheit",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Thrill: Motivation",
+      "Effektstärke": -0.51,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.36,
+      "Stichwort": "negativ-aktivierend (Langeweile)",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Wille",
+      "Effektstärke": -0.46,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.42,
+      "Stichwort": "Körperliche Syndrome",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Thrill: Motivation",
+      "Effektstärke": -0.42,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.38,
+      "Stichwort": "kognitive Dispositionen (Prokrastination)",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Wille",
+      "Effektstärke": -0.41,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.31,
+      "Stichwort": "negativ-aktivierend (Angst)",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Wille",
+      "Effektstärke": -0.4,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 6.17,
+      "Stichwort": "Schulwechsel",
+      "Kapitelname": "Elternhaus und Familie",
+      "Subkapitel": "Familiäre Ressourcen",
+      "Effektstärke": -0.38,
+      "Systemebene": "sozial"
+    },
+    {
+      "Thermometer_ID": 6.15,
+      "Stichwort": "Körperliche Züchtigung",
+      "Kapitelname": "Elternhaus und Familie",
+      "Subkapitel": "Familiäre Ressourcen",
+      "Effektstärke": -0.33,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.32,
+      "Stichwort": "negativ-aktivierend (Depressionen)",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Wille",
+      "Effektstärke": -0.3,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 5.49,
+      "Stichwort": "Dachloser Dialekt",
+      "Kapitelname": "Lernende",
+      "Subkapitel": "Thrill: Motivation",
+      "Effektstärke": -0.29,
+      "Systemebene": "psychisch"
+    },
+    {
+      "Thermometer_ID": 8.12,
+      "Stichwort": "(Cyber-)Bulling",
+      "Kapitelname": "Klassenzimmer",
+      "Subkapitel": "Einflüsse im Klassenzimmer",
+      "Effektstärke": -0.28,
+      "Systemebene": "sozial"
+    },
+    {
+      "Thermometer_ID": 6.07,
+      "Stichwort": "Geschieden",
+      "Kapitelname": "Elternhaus und Familie",
+      "Subkapitel": "Familiäre Ressourcen",
+      "Effektstärke": -0.26,
+      "Systemebene": "sozial"
+    },
+    {
+      "Thermometer_ID": 8.24,
+      "Stichwort": "Unbeliebtheit in der Klasse",
+      "Kapitelname": "Klassenzimmer",
+      "Subkapitel": "Klassenklima",
+      "Effektstärke": -0.26,
+      "Systemebene": "sozial"
+    }
+  ]
+}

visible-learning netzwerkanalyse.py

@@ -38,6 +38,11 @@ from config_visible_learning import (
     export_fig_visual,
     export_fig_png,
     theme,
+    z_mode,
+    z_axis_labels,
+    show_item_projection,
+    show_community_labels,
+    top_n_extremes,
 )
 
 # -----------------------------------------
@@ -55,6 +60,30 @@ except Exception:
     _styles = {}
     _colors = {}
 
+# -----------------------------------------
+# Config-Fallbacks (falls Keys fehlen)
+# -----------------------------------------
+try:
+    _Z_MODE = z_mode
+except Exception:
+    _Z_MODE = "effekt"
+try:
+    _Z_AXIS_LABELS = z_axis_labels
+except Exception:
+    _Z_AXIS_LABELS = {"effekt": "Effektstärke (Cohen d)", "kapitel": "Kapitel (numerischer Index)", "system": "Systemebene (0 = Psychisch, 1 = Sozial)"}
+try:
+    _SHOW_ITEM_PROJECTION = show_item_projection
+except Exception:
+    _SHOW_ITEM_PROJECTION = True
+try:
+    _SHOW_COMMUNITY_LABELS = show_community_labels
+except Exception:
+    _SHOW_COMMUNITY_LABELS = True
+try:
+    _TOP_N_EXTREMES = int(top_n_extremes)
+except Exception:
+    _TOP_N_EXTREMES = 15
+
 # -----------------------------------------
 # Export-Helfer
 # -----------------------------------------
@@ -106,6 +135,29 @@ def load_data(path: str) -> pd.DataFrame:
         df["Kapitel"] = None
     return df
 
+# -----------------------------------------
+# Top-Listen (positiv/negativ)
+# -----------------------------------------
+
+def top_extremes(df: pd.DataFrame, n: int = 15) -> dict:
+    data = df.copy()
+    data = data[data["Systemebene"].astype(str).str.lower().isin(["psychisch", "sozial"])]
+    data = data.dropna(subset=["Effektstärke"])  # Sicherheit
+    pos = data.sort_values("Effektstärke", ascending=False).head(n)
+    neg = data.sort_values("Effektstärke", ascending=True).head(n)
+    # Konsole
+    print(f"\nTop +{n} (positiv):")
+    for _, r in pos.iterrows():
+        print(f"  {r['Thermometer_ID']}: {r['Stichwort']} | d={float(r['Effektstärke']):.2f}")
+    print(f"\nTop -{n} (negativ):")
+    for _, r in neg.iterrows():
+        print(f"  {r['Thermometer_ID']}: {r['Stichwort']} | d={float(r['Effektstärke']):.2f}")
+    return {
+        "top_positive": pos[["Thermometer_ID","Stichwort","Kapitelname","Subkapitel","Effektstärke","Systemebene"]].to_dict(orient="records"),
+        "top_negative": neg[["Thermometer_ID","Stichwort","Kapitelname","Subkapitel","Effektstärke","Systemebene"]].to_dict(orient="records"),
+    }
+
+
 # -----------------------------------------
 # Netzwerk bauen
 # -----------------------------------------
@@ -161,6 +213,103 @@ def build_bipartite_graph(
         )
     return G
 
+# -----------------------------------------
+# Item-Projektion (bipartit -> Item-Item) + Communities
+# -----------------------------------------
+from networkx.algorithms import community as nx_comm
+
+def build_item_projection(G: nx.Graph) -> tuple[nx.Graph, dict[str,int], list[set]]:
+    """Projiziert das bipartite Netz auf die Item-Seite. Zwei Items werden verbunden,
+    wenn sie dasselbe System teilen. Kanten-Gewicht = min(|w_i|, |w_j|).
+    Liefert das Item-Graph, ein Mapping node->community_id und die Community-Mengen.
+    """
+    # Item- und System-Knoten bestimmen
+    items = [n for n, d in G.nodes(data=True) if d.get("bipartite") == "item"]
+    systems = [n for n, d in G.nodes(data=True) if d.get("bipartite") == "system"]
+    # Zuordnung: System -> Liste (item, |weight|)
+    sys_to_items: dict[str, list[tuple[str,float]]] = {}
+    for s in systems:
+        sys_to_items[s] = []
+    for u, v, d in G.edges(data=True):
+        if u in systems and v in items:
+            sys_to_items[u].append((v, abs(float(d.get("weight",0.0)))))
+        elif v in systems and u in items:
+            sys_to_items[v].append((u, abs(float(d.get("weight",0.0)))))
+    # Item-Graph aufbauen
+    Gi = nx.Graph()
+    for it in items:
+        nd = G.nodes[it]
+        Gi.add_node(it, **nd)
+    for s, lst in sys_to_items.items():
+        # Alle Paare innerhalb desselben Systems verbinden
+        for i in range(len(lst)):
+            for j in range(i+1, len(lst)):
+                a, wa = lst[i]
+                b, wb = lst[j]
+                w = min(wa, wb)
+                if Gi.has_edge(a,b):
+                    Gi[a][b]["weight"] += w
+                else:
+                    Gi.add_edge(a, b, weight=w)
+    if Gi.number_of_edges() == 0:
+        return Gi, {}, []
+    # Communities (gewichtete Modularity, Greedy)
+    coms = nx_comm.greedy_modularity_communities(Gi, weight="weight")
+    node2com: dict[str,int] = {}
+    for cid, members in enumerate(coms):
+        for n in members:
+            node2com[n] = cid
+    return Gi, node2com, [set(c) for c in coms]
+
+
+def plot_item_projection(Gi: nx.Graph, node2com: dict[str,int], title: str = "Item-Projektion (Communities)"):
+    if Gi.number_of_nodes() == 0:
+        print("Hinweis: Item-Projektion leer (zu wenig Überlappung).")
+        return
+    pos = nx.spring_layout(Gi, seed=42, weight="weight")
+    # Communities zu Traces gruppieren
+    com_to_nodes: dict[int, list[str]] = {}
+    for n in Gi.nodes():
+        cid = node2com.get(n, -1)
+        com_to_nodes.setdefault(cid, []).append(n)
+    traces = []
+    # Farb-/Markerstile aus CI (zyklisch)
+    style_keys = [
+        "marker_accent", "marker_brightArea", "marker_depthArea",
+        "marker_positiveHighlight", "marker_negativeHighlight",
+        "marker_primaryLine", "marker_secondaryLine"
+    ]
+    keys_cycle = style_keys * 10
+    for idx, (cid, nodes) in enumerate(sorted(com_to_nodes.items(), key=lambda t: t[0])):
+        xs = [pos[n][0] for n in nodes]
+        ys = [pos[n][1] for n in nodes]
+        htxt = []
+        for n in nodes:
+            nd = Gi.nodes[n]
+            htxt.append(
+                "Thermometer: " + str(nd.get("id","")) +
+                "<br>Stichwort: " + str(nd.get("label","")) +
+                "<br>Kapitel: " + str(nd.get("kapitelname","")) +
+                "<br>Subkapitel: " + str(nd.get("subkapitel","")) +
+                "<br>d: " + f"{nd.get('d',np.nan):.2f}"
+            )
+        mk = _styles.get(keys_cycle[idx], dict(size=8))
+        traces.append(go.Scatter(
+            x=xs, y=ys, mode="markers+text" if _SHOW_COMMUNITY_LABELS else "markers",
+            marker={**mk, "size": 9},
+            text=[str(node2com.get(n, -1)) if _SHOW_COMMUNITY_LABELS else None for n in nodes],
+            textposition="top center",
+            hovertext=htxt,
+            hovertemplate="%{hovertext}<extra></extra>",
+            name=f"Community {cid}"
+        ))
+    fig = go.Figure(data=traces)
+    fig.update_layout(_ci_layout(title))
+    fig.update_xaxes(title_text="Semantische Position X (Projektion)", showticklabels=False, showgrid=False, zeroline=False)
+    fig.update_yaxes(title_text="Semantische Position Y (Projektion)", showticklabels=False, showgrid=False, zeroline=False)
+    fig.show()
+    export_figure(fig, "vl-network-item-projection")
+
 # -----------------------------------------
 # Layout & Visualisierung (Plotly)
 # -----------------------------------------
@@ -188,13 +337,13 @@ def plot_network(G: nx.Graph, title: str = "Netzwerk: Systemebenen × Thermomete
     x_pos, y_pos = _edge_segments(G, pos, sign="pos")
     x_neg, y_neg = _edge_segments(G, pos, sign="neg")
 
-    line_primary   = _styles.get("linie_primaryLine", dict(width=1))
+    line_positive  = _styles.get("linie_positiveHighlight", dict(width=1))
-    line_secondary = _styles.get("linie_secondaryLine", dict(width=1))
+    line_negative  = _styles.get("linie_negativeHighlight", dict(width=1))
 
     edge_pos = go.Scatter(
         x=x_pos, y=y_pos,
         mode="lines",
-        line=line_primary,
+        line=line_positive,
         hoverinfo="skip",
         showlegend=True,
         name="Kanten (d ≥ 0)"
@@ -202,14 +351,14 @@ def plot_network(G: nx.Graph, title: str = "Netzwerk: Systemebenen × Thermomete
     edge_neg = go.Scatter(
         x=x_neg, y=y_neg,
         mode="lines",
-        line=line_secondary,
+        line=line_negative,
         hoverinfo="skip",
         showlegend=True,
         name="Kanten (d < 0)"
     )
 
     # System-Knoten: Marker aus CI (z. B. accent)
-    sys_marker = _styles.get("marker_accent", dict(size=18))
+    sys_marker = _styles.get("marker_primaryLine", dict(size=18))
     sys_x = [pos[n][0] for n in system_nodes]
     sys_y = [pos[n][1] for n in system_nodes]
     sys_text = [G.nodes[n].get("label", n) for n in system_nodes]
@@ -225,7 +374,7 @@ def plot_network(G: nx.Graph, title: str = "Netzwerk: Systemebenen × Thermomete
     )
 
     # Item-Knoten: Marker aus CI (z. B. brightArea); Größe ~ |degree_weight|
-    item_marker = _styles.get("marker_brightArea", dict(size=10))
+    item_marker = _styles.get("marker_secondaryLine", dict(size=10))
     it_x = [pos[n][0] for n in item_nodes]
     it_y = [pos[n][1] for n in item_nodes]
 
@@ -266,13 +415,195 @@ def plot_network(G: nx.Graph, title: str = "Netzwerk: Systemebenen × Thermomete
     )
 
     fig = go.Figure(data=[edge_pos, edge_neg, systems_trace, items_trace])
+    # CI-Layout und inhaltliche Achsentitel (2D: Semantische Position aus Layout)
     fig.update_layout(_ci_layout(title))
-    # Achsen & Grid neutral halten, keine Beschriftungen im Plot (alles im Hover)
+    fig.update_xaxes(
-    fig.update_xaxes(showticklabels=False, showgrid=False, zeroline=False)
+        title_text="Semantische Position X (Layout)",
-    fig.update_yaxes(showticklabels=False, showgrid=False, zeroline=False)
+        showticklabels=False, showgrid=False, zeroline=False
+    )
+    fig.update_yaxes(
+        title_text="Semantische Position Y (Layout)",
+        showticklabels=False, showgrid=False, zeroline=False
+    )
     fig.show()
     export_figure(fig, "vl-network")
 
+def _edge_segments_3d(G: nx.Graph, pos_xy: dict[str, tuple[float, float]], z_map: dict[str, float], sign: str | None = None):
+    """Erzeugt x,y,z-Koordinaten-Listen für 3D-Liniensegmente (mit None-Trennern). Optional nach Vorzeichen filtern."""
+    xs, ys, zs = [], [], []
+    for u, v, d in G.edges(data=True):
+        if sign and d.get("sign") != sign:
+            continue
+        x0, y0 = pos_xy[u]
+        x1, y1 = pos_xy[v]
+        z0 = float(z_map.get(u, 0.0))
+        z1 = float(z_map.get(v, 0.0))
+        xs += [x0, x1, None]
+        ys += [y0, y1, None]
+        zs += [z0, z1, None]
+    return xs, ys, zs
+
+
+def plot_network_3d(G: nx.Graph, z_mode: str = "effekt", title: str = "3D: Systemebenen × Thermometer", seed: int = 42):
+    """
+    Semantische 3D-Ansicht:
+      - z_mode = "effekt": z = Effektstärke (Items), Systeme z=0
+      - z_mode = "kapitel": z = Kapitelnummer (Items), Systeme unterhalb der Items (min_z - 0.5)
+      - z_mode = "system": z = 0 (psychisch), 1 (sozial), Items = Mittelwert ihrer Systemnachbarn
+    x/y stammen aus einem 2D-Spring-Layout (stabile, gut lesbare Projektion), z ist semantisch belegt.
+    """
+    styles = _styles
+    colors = _colors
+
+    # 2D-Layout für X/Y (stabile Projektion)
+    pos_xy = nx.spring_layout(G, seed=seed, k=None, weight="weight", dim=2)
+
+    # Z-Koordinaten je Knoten ermitteln
+    z_map: dict[str, float] = {}
+    if z_mode == "effekt":
+        for n, d in G.nodes(data=True):
+            if d.get("bipartite") == "item":
+                z_map[n] = float(d.get("d", 0.0))
+            else:
+                z_map[n] = 0.0
+    elif z_mode == "kapitel":
+        item_z_vals = []
+        for n, d in G.nodes(data=True):
+            if d.get("bipartite") == "item":
+                try:
+                    # Kapitelnummer aus Kapitelname kann alphanumerisch sein; wir nutzen, wenn vorhanden, numerische "Kapitel"
+                    # Falls keine numerische Kapitelspalte existiert, wird 0 gesetzt.
+                    kap = d.get("kapitelname", "")
+                    # Fallback: im Nodes-Attribut existiert keine numerische Kapitelnummer; daher 0
+                    z_map[n] = float(d.get("kapitel", 0.0)) if "kapitel" in d else 0.0
+                except Exception:
+                    z_map[n] = 0.0
+                item_z_vals.append(z_map[n])
+        min_z = min(item_z_vals) if item_z_vals else 0.0
+        for n, d in G.nodes(data=True):
+            if d.get("bipartite") == "system":
+                z_map[n] = float(min_z) - 0.5
+    elif z_mode == "system":
+        # Systeme klar trennen
+        for n, d in G.nodes(data=True):
+            if d.get("bipartite") == "system":
+                lbl = str(d.get("label", "")).strip().lower()
+                z_map[n] = 0.0 if "psych" in lbl else 1.0
+        # Items: Mittelwert der z-Werte ihrer System-Nachbarn (im bipartiten Graphen genau einer)
+        for n, d in G.nodes(data=True):
+            if d.get("bipartite") == "item":
+                zs = []
+                for nbr in G[n]:
+                    zs.append(z_map.get(nbr, 0.0))
+                z_map[n] = float(np.mean(zs)) if zs else 0.0
+    else:
+        # Unbekannter Modus -> alle 0
+        z_map = {n: 0.0 for n in G.nodes()}
+
+    # Knotenlisten
+    system_nodes = [n for n, d in G.nodes(data=True) if d.get("bipartite") == "system"]
+    item_nodes   = [n for n, d in G.nodes(data=True) if d.get("bipartite") == "item"]
+
+    # Kanten (pos/neg) vorbereiten
+    x_pos, y_pos, z_pos = _edge_segments_3d(G, pos_xy, z_map, sign="pos")
+    x_neg, y_neg, z_neg = _edge_segments_3d(G, pos_xy, z_map, sign="neg")
+
+    line_positive  = styles.get("linie_positiveHighlight", dict(width=1))
+    line_negative  = styles.get("linie_negativeHighlight", dict(width=1))
+
+    edge_pos = go.Scatter3d(
+        x=x_pos, y=y_pos, z=z_pos,
+        mode="lines",
+        line=line_positive,
+        hoverinfo="skip",
+        showlegend=True,
+        name="Kanten (d ≥ 0)"
+    )
+    edge_neg = go.Scatter3d(
+        x=x_neg, y=y_neg, z=z_neg,
+        mode="lines",
+        line=line_negative,
+        hoverinfo="skip",
+        showlegend=True,
+        name="Kanten (d &lt; 0)"
+    )
+
+    # System-Knoten
+    sys_marker = styles.get("marker_primaryLine", dict(size=18))
+    sys_x = [pos_xy[n][0] for n in system_nodes]
+    sys_y = [pos_xy[n][1] for n in system_nodes]
+    sys_z = [z_map[n] for n in system_nodes]
+    sys_text = [G.nodes[n].get("label", n) for n in system_nodes]
+    sys_hover = [f"Systemebene: {G.nodes[n].get('label','')}" for n in system_nodes]
+
+    systems_trace = go.Scatter3d(
+        x=sys_x, y=sys_y, z=sys_z, mode="markers",
+        marker={**sys_marker, "size": 10},
+        text=sys_text,
+        hovertext=sys_hover,
+        hovertemplate="%{hovertext}<extra></extra>",
+        name="System"
+    )
+
+    # Item-Knoten: Thermometer im Sekundärstil (gleiches Marker-Design für +/-); Kanten behalten Vorzeichenfarben
+    pos_marker = styles.get("marker_secondaryLine", dict(size=6))
+    neg_marker = styles.get("marker_secondaryLine", dict(size=6))
+
+    pos_x, pos_y, pos_z, pos_hover = [], [], [], []
+    neg_x, neg_y, neg_z, neg_hover = [], [], [], []
+    for n in item_nodes:
+        x, y = pos_xy[n]
+        z = z_map[n]
+        nd = G.nodes[n]
+        hover = (
+            "Thermometer: " + str(nd.get("id","")) +
+            "<br>Stichwort: " + str(nd.get("label","")) +
+            "<br>Kapitel: " + str(nd.get("kapitelname","")) +
+            "<br>Subkapitel: " + str(nd.get("subkapitel","")) +
+            "<br>d: " + f"{nd.get('d',np.nan):.2f}"
+        )
+        if float(nd.get("d", 0.0)) >= 0:
+            pos_x.append(x); pos_y.append(y); pos_z.append(z); pos_hover.append(hover)
+        else:
+            neg_x.append(x); neg_y.append(y); neg_z.append(z); neg_hover.append(hover)
+
+    items_pos_trace = go.Scatter3d(
+        x=pos_x, y=pos_y, z=pos_z, mode="markers",
+        marker=pos_marker,
+        hovertext=pos_hover,
+        hovertemplate="%{hovertext}<extra></extra>",
+        name="Thermometer (d ≥ 0)"
+    )
+    items_neg_trace = go.Scatter3d(
+        x=neg_x, y=neg_y, z=neg_z, mode="markers",
+        marker=neg_marker,
+        hovertext=neg_hover,
+        hovertemplate="%{hovertext}<extra></extra>",
+        name="Thermometer (d &lt; 0)"
+    )
+
+    fig = go.Figure(data=[edge_pos, edge_neg, systems_trace, items_pos_trace, items_neg_trace])
+    fig.update_layout(_ci_layout(f"{title} – z: {z_mode}"))
+    # Achsentitel mit inhaltlicher Bedeutung setzen
+    z_title = _Z_AXIS_LABELS.get(z_mode, "Z")
+
+    fig.update_scenes(
+        xaxis=dict(
+            title="Semantische Position X (Layout)",
+            showticklabels=False, showgrid=False, zeroline=False
+        ),
+        yaxis=dict(
+            title="Semantische Position Y (Layout)",
+            showticklabels=False, showgrid=False, zeroline=False
+        ),
+        zaxis=dict(
+            title=z_title,
+            showticklabels=False, showgrid=False, zeroline=False
+        ),
+    )
+    fig.show()
+    export_figure(fig, f"vl-network-3d-{z_mode}")
+
 # -----------------------------------------
 # Einfache Metriken & Export
 # -----------------------------------------
@@ -311,7 +642,8 @@ def run_network_analysis(
     min_abs_d: float = 0.00,
     kapitel_filter: list[int] | None = None,
     subkapitel_filter: list[str] | None = None,
-    seed: int = 42
+    seed: int = 42,
+    z_mode: str = "effekt"
 ):
     df = load_data(csv_path)
     # Datenqualität knapp loggen
@@ -333,14 +665,34 @@ def run_network_analysis(
 
     plot_network(G, title="Netzwerk: Systemebenen × Thermometer (Kanten: Effektstärke)", seed=seed)
 
+    # 3D-Ansicht mit semantischer z-Achse
+    plot_network_3d(G, z_mode=z_mode, title="Netzwerk (3D): semantische z-Achse", seed=seed)
+
     summary = summarize_network(G)
     print("\nSystemgewicht-Summen:", summary["system_weight_sums"])
     print("\nTop-Items (weighted degree):")
     for r in summary["top_items_by_weighted_degree"]:
         print(f"  {r['Thermometer_ID']}: {r['Stichwort']} | d={r['Effektstärke']:.2f} | wd={r['weighted_degree_abs']:.2f}")
 
+    # Top-Listen exportieren
+    extremes = top_extremes(df, n=_TOP_N_EXTREMES)
+    export_json(extremes, "network_top_extremes.json")
+
+    # Item-Projektion + Communities (optional)
+    item_proj_summary = {}
+    if _SHOW_ITEM_PROJECTION:
+        Gi, node2com, coms = build_item_projection(G)
+        plot_item_projection(Gi, node2com, title="Item-Projektion (Communities)")
+        item_proj_summary = {
+            "n_nodes": Gi.number_of_nodes(),
+            "n_edges": Gi.number_of_edges(),
+            "n_communities": len(coms),
+        }
+
     # Export JSON
     payload = {
+        "extremes": extremes,
+        "item_projection": item_proj_summary,
         "meta": {
             "theme": theme,
             "min_abs_d": float(min_abs_d),
@@ -384,6 +736,6 @@ if __name__ == "__main__":
         min_abs_d=0.00,
         kapitel_filter=None,
         subkapitel_filter=None,
-        seed=42
+        seed=42,
+        z_mode=_Z_MODE
     )
-