Unsichtbare Zeichen entfernen — Nullbreite-Leerzeichen & verstecktes Unicode finden

Ein Nullbreite-Leerzeichen (Zero-Width Space, U+200B) ist ein Unicode-Zeichen, das einen möglichen Zeilenumbruch markiert, aber keine Breite hat und daher unsichtbar ist. In Sprachen wie Thai, die keine Leerzeichen verwenden, ist es legitim, in englischem Text kommt es aber meist durch Kopieren und Einfügen hinein und verursacht Probleme: Zwei Wörter, die identisch aussehen, stimmen nicht mehr überein, Links brechen, und Code scheitert mit verwirrenden Syntaxfehlern.

Es gibt keine verlässlichen Belege dafür, dass ChatGPT versteckte Zeichen als Wasserzeichen einfügt, und OpenAI hat erklärt, dass es die getestete Methode zur Text-Wasserzeichnung nicht veröffentlicht hat. Gelegentliche Berichte über schmale geschützte Leerzeichen in Modellausgaben spiegeln Typografie wider, die das Modell gelernt hat, kein Tracking-Merkmal. Googles SynthID-Wasserzeichen für Gemini-Text funktioniert über statistische Wortwahl, ist also nicht als Zeichen sichtbar, und kein Zeichenentferner kann es beseitigen.

Nein. KI-Detektoren wie GPTZero und Turnitin analysieren Formulierung, Satzbau und Vorhersagbarkeit, nicht unsichtbare Zeichen – das Bereinigen von Text ändert ihren Wert also nicht. Tricks wie das Einfügen von Nullbreite-Zeichen zwischen Buchstaben werden von vielen Tools selbst als Manipulation erkannt. Dieses Tool ist dafür da, Text zu reparieren, der sich seltsam verhält, nicht dafür, seine Herkunft zu verschleiern.

Ein geschütztes Leerzeichen (U+00A0) sieht aus wie ein normales, verhindert an dieser Stelle aber einen Zeilenumbruch – deshalb setzen Textverarbeitungen es zwischen eine Zahl und ihre Einheit. In Daten und Code macht es Ärger: "1 000" mit geschütztem Leerzeichen wird nicht als Zahl geparst, und eine Suche nach "New York" findet nichts. Das schmale geschützte Leerzeichen (U+202F), das im Französischen und in manchen Zeitformaten verwendet wird, verhält sich genauso.

Tag-Zeichen (U+E0020 bis U+E007E) sind unsichtbare Kopien der ASCII-Buchstaben, ursprünglich für Sprach-Tags gedacht und heute in einigen Flaggen-Emojis verwendet. Da sie als nichts dargestellt werden, Sprachmodelle sie aber trotzdem lesen, verstecken Angreifer damit Anweisungen in Webseiten, Dokumenten und E-Mails, die ein KI-Assistent später verarbeitet. Dieses Tool dekodiert und zeigt jeden versteckten Tag-Text an und behält die, die Teil eines gültigen Flaggen-Emojis sind.

Homoglyphen sind Zeichen aus verschiedenen Schriftsystemen, die gleich aussehen, etwa das lateinische "a" und das kyrillische "а" (U+0430) oder das lateinische "o" und das griechische "ο". In ein Wort gemischt ergeben sie Text, der richtig aussieht, aber nicht übereinstimmt – das wird in Phishing-Domains und zum Umgehen von Stichwortfiltern genutzt. Das Tool markiert sie nur in Wörtern, die auch lateinische Buchstaben enthalten, echter russischer oder griechischer Text wird also nicht verändert.