diff --git a/brancheneinstufung.py b/brancheneinstufung.py
index 9d4a9c10..6f1e6188 100644
--- a/brancheneinstufung.py
+++ b/brancheneinstufung.py
@@ -1776,8 +1776,12 @@ class WikipediaScraper:
             rows = infobox.find_all('tr')
             self.logger.debug(f"  -> Analysiere {len(rows)} Zeilen in der Infobox.")
             for idx, row in enumerate(rows):
-                header_cells = row.find_all('th', recursive=False) # Nur direkte th Kinder
-                value_cells = row.find_all('td', recursive=False)  # Nur direkte td Kinder
+                # --- NEUES DETAILLIERTES LOGGING PRO ZEILE ---
+                self.logger.debug(f"    --- Prüfe Roh-HTML Zeile {idx}: {str(row)[:150]}...") # Zeige Anfang des HTML
+                header_cells = row.find_all('th', recursive=False)
+                value_cells = row.find_all('td', recursive=False)
+                self.logger.debug(f"    -> Zeile {idx}: Gefunden {len(header_cells)} TH Zellen, {len(value_cells)} TD Zellen (recursive=False).")
+                # --- ENDE NEUES LOGGING ---
 
                 # Wir erwarten meistens ein th und ein td pro Zeile für Key-Value Paare
                 if len(header_cells) == 1 and len(value_cells) == 1:
@@ -1785,12 +1789,16 @@ class WikipediaScraper:
                     value_cell = value_cells[0]
 
                     header_text = header.get_text(strip=True)
+                    # --- NEUES LOGGING: Header-Text VOR Keyword-Check ---
+                    self.logger.debug(f"    -> Zeile {idx} PASST Struktur: TH Text='{header_text}'")
+                    # --- ENDE NEUES LOGGING ---
+
                     header_text_lower = header_text.lower()
                     # Normalisierte Version für flexibleren Match
-                    header_text_normalized = re.sub(r'[\s:]', '', header_text_lower)
+                    header_text_normalized = re.sub(r'[\s:]', '', header_text_lower) # Nicht mehr unbedingt nötig, da wir 'in' verwenden
 
                     raw_value_preview = value_cell.get_text(strip=True)[:50]
-                    self.logger.debug(f"    -> Prüfe Zeile {idx}: TH='{header_text}' (Norm: '{header_text_normalized}') | TD Preview='{raw_value_preview}...'")
+                    # self.logger.debug(f"    -> Prüfe Zeile {idx}: TH='{header_text}' (Norm: '{header_text_normalized}') | TD Preview='{raw_value_preview}...'") # Doppelt
 
                     matched_keyword = None
                     for kw in keywords:
@@ -1802,23 +1810,20 @@ class WikipediaScraper:
                     if matched_keyword:
                         self.logger.debug(f"      --> Keyword '{matched_keyword}' gefunden in TH '{header_text}'!")
 
-                        # Störende Elemente (Referenzen, unsichtbare Spans) im Value entfernen
+                        # Störende Elemente entfernen... (Rest der Logik bleibt gleich)
                         for sup in value_cell.find_all(['sup', 'span']):
                             if (sup.name == 'sup' and sup.has_attr('class') and 'reference' in sup['class']) or \
                                (sup.name == 'span' and sup.get('style') and 'display:none' in sup['style']):
                                 self.logger.debug(f"          -> Entferne störendes Element: {sup.get_text(strip=True)}")
                                 sup.decompose()
 
-                        # Text extrahieren (mit Leerzeichen für <br>) und bereinigen
                         raw_value_text = value_cell.get_text(separator=' ', strip=True)
                         self.logger.debug(f"          -> Roher TD-Text nach Decompose: '{raw_value_text}'")
                         cleaned_raw_value = clean_text(raw_value_text)
 
                         # Spezifische Verarbeitung
                         if target == 'branche':
-                            # Einfache Bereinigung für Branche
-                            clean_val = re.sub(r'\s*\([^)]*\)', '', cleaned_raw_value).strip() # Klammerzusätze entfernen
-                            # Nimm nur den Teil vor einem möglichen Zeilenumbruch (manchmal gibt es Listen)
+                            clean_val = re.sub(r'\s*\([^)]*\)', '', cleaned_raw_value).strip()
                             clean_val = clean_val.split('\n')[0].strip()
                             value_found = clean_val if clean_val else "k.A."
                             self.logger.debug(f"        --> Branche extrahiert: '{value_found}'")
@@ -1831,11 +1836,9 @@ class WikipediaScraper:
                             value_found = numeric_val
                             self.logger.debug(f"        --> Mitarbeiter extrahiert (aus '{cleaned_raw_value}'): '{value_found}'")
 
-                        break # WICHTIG: Ersten Treffer für das gesuchte Ziel nehmen und Zeilenschleife verlassen
-                else:
-                    # Logge Zeilen, die nicht dem Key-Value-Muster entsprechen (optional auf DEBUG)
-                    # self.logger.debug(f"    -> Überspringe Zeile {idx}: Struktur passt nicht (TH:{len(header_cells)}, TD:{len(value_cells)})")
-                    pass
+                        break # Ersten Treffer nehmen
+                # else: # Optional: Logge Zeilen, die übersprungen werden
+                #     self.logger.debug(f"    -> Zeile {idx}: Übersprungen (Struktur nicht 1 TH / 1 TD).")
 
             # Ende der Zeilenschleife
             if value_found != "k.A.":
@@ -1845,7 +1848,7 @@ class WikipediaScraper:
 
         except Exception as e:
             self.logger.exception(f"Fehler beim Durchlaufen der Infobox-Zeilen für '{target}': {e}")
-            return "k.A." # Fehler beim Parsen
+            return "k.A."
 
         return value_found