# Outline — Englisch A2 Grundwortschatz

15 Subtopics, F-001 … F-500. Alle als `basic-reverse`. EN auf Front,
DE auf Back. Generierung via `design/build_cards.py` (siehe unten),
Output → `design/cards.jsonl`.

## Subtopic-Counts

| # | Subtopic | Karten | F-Range |
|---|---|---|---|
| 1 | Familie + Personen | 25 | F-001…F-025 |
| 2 | Körper | 30 | F-026…F-055 |
| 3 | Essen + Trinken | 45 | F-056…F-100 |
| 4 | Verben (Alltag) | 80 | F-101…F-180 |
| 5 | Zeit + Datum | 35 | F-181…F-215 |
| 6 | Wetter + Natur | 30 | F-216…F-245 |
| 7 | Haus + Möbel | 35 | F-246…F-280 |
| 8 | Kleidung | 20 | F-281…F-300 |
| 9 | Schule + Arbeit | 35 | F-301…F-335 |
| 10 | Verkehr + Reisen | 30 | F-336…F-365 |
| 11 | Stadt + Orte | 30 | F-366…F-395 |
| 12 | Geld + Einkaufen | 20 | F-396…F-415 |
| 13 | Adjektive | 50 | F-416…F-465 |
| 14 | Adverbien | 10 | F-466…F-475 |
| 15 | Zahlen + Farben | 25 | F-476…F-500 |

**Total: 500 ✓**

## Card-Type-Justification

Alle 500 als `basic-reverse`. Vokabel-Lernen ist symmetrisch — Lerner
muss sowohl „was bedeutet 'dog'?" als auch „was heißt 'Hund' auf
Englisch?" beantworten können. 1000 FSRS-Reviews insgesamt
(2 pro Karte).

## Source-Coverage

Alle 500 Karten haben mindestens `source_refs=[1]` (Cambridge A2 Key
Vocabulary List). Für sprachschwierige/Streitfall-Wörter zusätzlich
[5] (US/UK-Spelling) — z.B. F-275 (theater), F-419 (gray).

## Reviewer-Stop (Sampling-Modus)

User sieht:
- Diese Outline-Tabelle mit Subtopic-Counts
- 10 zufällige Karten quer durch alle Subtopics
- Liste der Streitfälle/Spezialfälle aus notes.md
- Bestätigt go für die ganze Batch