Die Sonderzeichen, die KI-Texte hinterlassen — und wie man sie sauber entfernt

Ein Text aus ChatGPT, Claude oder Gemini sieht im Chatfenster sauber aus und bringt beim Kopieren trotzdem eine Handvoll Zeichen mit, die dort nichts zu suchen haben. Die einen sieht man, wenn man genau hinschaut: den langen Geviertstrich, die geschwungenen Anführungszeichen, die Auslassungspunkte als Einzelzeichen. Die anderen sieht niemand — und genau die kosten später Zeit.

Dieser Beitrag listet die Zeichen mit Codepoint auf, erklärt woher sie kommen, zeigt an einem durchgerechneten Beispiel, warum blindes Ersetzen die schlechtere Lösung ist, und liefert die Ersetzungsrezepte für Word, Google Docs, Editor und Kommandozeile. Die kompakte Fassung als Nachschlageseite steht unter KI-Text bereinigen.

Welche Zeichen es genau sind

Die Liste ist kurz und lässt sich vollständig abarbeiten — es sind rund vierzehn Zeichen, die in der Praxis überhaupt vorkommen. Sie zerfallen in drei Gruppen: sichtbare Typografie, Leerraum-Varianten und breitenlose Steuerzeichen.

Die letzten vier Zeilen sind der eigentliche Grund, warum das Thema überhaupt eine Rolle spielt. Ein Zero-Width-Space hat die Breite null, wird von keinem Korrektorat gesehen und von keiner Rechtschreibprüfung gemeldet — er steht einfach in der Mitte eines Wortes und macht es für jede Suche zu einem anderen Wort.

Warum Sprachmodelle sie überhaupt setzen

Die Zeichen entstehen aus drei technischen Gründen und nicht aus Absicht. Erstens spiegeln Modelle ihr Trainingsmaterial: Verlags- und Redaktionstexte sind professionell gesetzt und enthalten typografische Anführungszeichen, Geviertstriche und geschützte Leerzeichen in grosser Zahl. Ein Modell, das gelernt hat, wie gut gesetzte Texte aussehen, produziert genau solche Zeichen.

Zweitens arbeiten Modelle mit Tokens, nicht mit Buchstaben. Ein schmales geschütztes Leerzeichen ist für sie ein Token wie jedes andere und wird gewählt, wenn es in ähnlichen Zusammenhängen häufig vorkam. Zum Auftreten von U+202F in Ausgaben neuerer Modelle hat OpenAI erklärt, es handle sich um ein Artefakt aus dem Training und nicht um eine bewusste Markierung.

Drittens entsteht ein Teil der Zeichen erst beim Kopieren. Was im Chatfenster als Markdown gerendert wird, landet im Zwischenspeicher als formatierter Text: Aus Sternchen werden Fettungen, aus Bindestrichen Aufzählungszeichen, aus drei Punkten ein Auslassungszeichen. Dieselbe Umwandlung macht übrigens jede Textverarbeitung mit eingeschalteter Autokorrektur. Wer in Word einen Gedankenstrich tippt, bekommt einen Geviertstrich — vom Menschen erzeugt, vom Zeichen her identisch.

Kein Wasserzeichen — auch wenn das halbe Netz das behauptet

Diese Zeichen sind kein Wasserzeichen, und die echten Wasserzeichen sind keine Zeichen. Anthropic hat am 14. August 2026 offengelegt, wie Claude-Texte markiert werden: Das Verfahren verändert die Zufallsquelle bei der Wortwahl während der Generierung, nach dem von Google DeepMind veröffentlichten SynthID-Text-Ansatz. Anthropic hält dazu ausdrücklich fest, dass dem Text nichts hinzugefügt wird und keine versteckten Zeichen entstehen. Google markiert Gemini-Text seit 2024 auf demselben Weg, OpenAI hat für ChatGPT-Text bis heute kein Wasserzeichen ausgeliefert.

Daraus folgt für die Praxis: Sonderzeichen zu entfernen ist Textsatz-Hygiene und kein Verschleiern. Ein Wasserzeichen sitzt in der Wortwahl über längere Passagen und überlebt jede Zeichenersetzung. Umgekehrt bleibt ein von Hand geschriebener Text voller Geviertstriche genau das: von Hand geschrieben.

Was tatsächlich kaputtgeht

Der Schaden entsteht nicht beim Lesen, sondern überall dort, wo Text maschinell verarbeitet wird. Fünf Fälle aus der Projektarbeit:

• Suche und Ersetzen im CMS greift ins Leere. Sie suchen CHF 1'500 mit dem geraden Apostroph (U+0027), im Text steht der typografische (U+2019). Ergebnis: null Treffer bei vierzehn Vorkommen. Der Preis bleibt falsch stehen.
• Zeilenumbrüche brechen an der falschen Stelle. Ein schmales geschütztes Leerzeichen zwischen Zahl und Prozentzeichen verhält sich anders als ein normales — in schmalen Spalten entstehen Löcher oder Überläufe.
• Importe scheitern still. Ein Byte Order Mark am Anfang einer CSV-Datei macht aus der ersten Spaltenüberschrift eine unbekannte Spalte. Der Import läuft durch, das Feld bleibt leer.
• Slugs und Dateinamen werden unbrauchbar. Ein unsichtbares Zeichen in einer Überschrift landet im automatisch erzeugten URL-Segment und erzeugt eine zweite, fast identische Adresse.
• Vergleiche im Code schlagen fehl. Zwei Zeichenketten sehen identisch aus, sind es aber nicht. Das ist der Klassiker beim Vibe Coding, wenn Testdaten aus dem Chatfenster kopiert wurden.

Suchen lässt sich das mit einem Einzeiler. Auf macOS und Linux zeigt der folgende Befehl, welche Zeichen im Dokument stecken und wie oft:

grep -oP '[\x{00A0}\x{202F}\x{2009}\x{200B}\x{2060}\x{FEFF}\x{00AD}\x{2014}\x{2013}\x{2019}]' text.txt \
  | sort | uniq -c | sort -rn

Warum pauschales Ersetzen die schlechtere Lösung ist

Ein Suchen-und-Ersetzen über alle Sonderzeichen repariert weniger, als es zerstört. Rechnen wir einen typischen Lauf durch. Ein Dokument von rund 1'400 Wörtern enthält 42 geschützte Leerzeichen (U+00A0). Davon stehen 12 an Stellen, an denen sie hingehören: zwischen CHF und dem Betrag, zwischen Zahl und Einheit, in Abkürzungen wie z. B.. Die übrigen 30 sind Zufallsprodukte irgendwo im Fliesstext.

Die 12 zerstörten Stellen sind 29 Prozent aller geschützten Leerzeichen im Dokument — und sie fallen erst im Layout auf, wenn CHF am Zeilenende steht und der Betrag auf der nächsten Zeile beginnt. Der Aufwand, sie einzeln zurückzubauen, ist grösser als der Aufwand, von Anfang an gezielt zu ersetzen.

Die Regel dahinter ist einfach: Breitenlose Steuerzeichen werden immer ersatzlos entfernt, Leerraum-Varianten werden geprüft, sichtbare Typografie wird nach Styleguide vereinheitlicht.

Die Rezepte, Werkzeug für Werkzeug

Für jedes gängige Werkzeug gibt es eine funktionierende Schreibweise — man muss sie nur einmal notieren. Diese vier decken praktisch jeden Fall ab.

Microsoft Word. Suchen und Ersetzen versteht im Suchfeld ^u gefolgt vom Dezimalwert des Zeichens: ^u8203 (Zero-Width-Space), ^u8239 (schmales geschütztes Leerzeichen), ^u65279 (Byte Order Mark), ^u173 (weiches Trennzeichen). Kurzformen gibt es für ^s (geschütztes Leerzeichen), ^+ (Geviertstrich) und ^= (Halbgeviertstrich). Schalten Sie die Formatierungszeichen ein, bevor Sie beginnen.

Google Docs. Unter Bearbeiten, Suchen und ersetzen die Option für reguläre Ausdrücke aktivieren. Google Docs nutzt die RE2-Syntax und versteht Codepunkte in der Form \x{202F}. Ein Ausdruck wie [\x{00A0}\x{2009}\x{202F}] fasst die Leerraum-Varianten zusammen und wird durch ein normales Leerzeichen ersetzt; [\x{200B}-\x{200D}\x{2060}\x{FEFF}\x{00AD}] fängt die breitenlosen Zeichen ab und wird durch nichts ersetzt.

VS Code oder ein anderer Editor. Suche mit aktivierter Regex-Option, dieselben Klassen wie oben. Für wiederkehrende Arbeit lohnt ein gespeicherter Suchlauf.

Kommandozeile. Ein Durchlauf über eine ganze Ordnerstruktur:

perl -CSD -i -pe 's/[\x{200B}-\x{200D}\x{2060}\x{FEFF}\x{00AD}]//g;
                  s/[\x{2009}\x{202F}]/ /g;' *.md

Im Code, an der Importstelle. In JavaScript reicht eine kleine Funktion, die beim Speichern läuft:

const normalize = (s) =>
  s.normalize('NFC')
   .replace(/[\u200B-\u200D\u2060\uFEFF\u00AD]/g, '')
   .replace(/[\u2009\u202F]/g, ' ');

Welche Zeichen bleiben müssen

Jedes Zeichen mit einer Funktion bleibt — und in Schweizer Texten sind das mehr, als viele annehmen. Das geschützte Leerzeichen zwischen CHF und dem Betrag verhindert, dass ein Preis über den Zeilenumbruch reisst; dasselbe gilt zwischen Zahl und Einheit. Der Halbgeviertstrich gehört in Bereichsangaben wie 2024–2026. Der Apostroph als Tausendertrennzeichen in CHF 1'500 ist Schweizer Schreibweise und keine Marotte eines Sprachmodells.

Entscheidend ist die Konsequenz: Legen Sie eine Variante fest — gerader oder typografischer Apostroph — und halten Sie sie über alle Inhalte durch. Der eigentliche Fehler ist nicht die Wahl, sondern die Mischung. Wer beides im selben Content-Management-System hat, wird jede Preisänderung zweimal suchen müssen.

Der Ablauf, der das Problem dauerhaft löst

Ein Aufräumlauf pro Text löst nichts, eine Normalisierung an der Importstelle schon. Der Unterschied ist der zwischen Symptom und Ursache: Solange Text auf zehn verschiedenen Wegen ins System kommt, wird ein Teil davon immer unbereinigt bleiben. Wir setzen deshalb in Projekten drei Dinge um.

Erstens läuft die Normalisierungsfunktion dort, wo Inhalt gespeichert wird — im CMS-Hook, im Import-Skript, im Formular. Zweitens gibt es eine kurze, verbindliche Zeichenliste im Styleguide, damit die Redaktion weiss, was gilt. Drittens läuft vor dem Veröffentlichen eine automatische Prüfung, die breitenlose Zeichen meldet, statt sie stillschweigend zu schlucken.

Der Aufwand dafür liegt bei wenigen Stunden. Er rechnet sich beim ersten Preis, der nicht falsch stehen bleibt, weil die Suche ihn gefunden hat. Wie das mit dem übrigen KI-Einsatz im Unternehmen zusammenspielt, ordnen wir in der KI-Beratung ein; wie man Texte inhaltlich statt kosmetisch besser macht, steht unter KI-Text humanisieren und in unserem Beitrag zu Prompt Engineering, das Geld spart.

Sonderzeichen aus KI-Texten sind ein kleines Problem mit unangenehm langem Schatten: Sie fallen nicht auf, sie brechen nichts sichtbar, und dann steht der Preis falsch in der Offerte oder der Import lässt eine Spalte leer. Vierzehn Zeichen, vier Rezepte und eine Funktion an der richtigen Stelle — mehr braucht es nicht, damit das Thema dauerhaft erledigt ist.