Unsichtbare Unicode-Zeichen: ein Text, der der KI Anweisungen verbirgt
Auf dem Bildschirm unsichtbare Unicode-Zeichen kann eine KI lesen. Was Microsoft 2026 beobachtet hat und welche Schritte Sie gehen sollten.
Auf dieser Seite
In 30 Sekunden
- Wo es vorkommt
- In einer Webseite, einem Dokument, einer E-Mail oder einem anderen Inhalt, den ein KI-Assistent erhält[1].
- Was der Angreifer will
- Anweisungen vor dem Menschen verbergen und sie für das Modell lesbar lassen, was je nach Rechten und Schutzvorkehrungen des Assistenten zur Preisgabe von Daten oder zu nicht autorisierten Aktionen führen kann[1].
Worum es geht
Ein Text kann Zeichen enthalten, die der Bildschirm nicht anzeigt. Ein Mensch sieht nichts Ungewöhnliches, aber ein KI-Assistent, der den Rohtext erhält, kann diese Zeichen lesen, als Text dekodieren und dazu gebracht werden, Anweisungen zu befolgen, die der Angreifer festgelegt hat[1].
Microsoft hat am 3. September 2026 eine Phishing-Kampagne beschrieben, die diese Zeichen in finanzielle Köderwörter einfügte, um E-Mail-Filtern zu entgehen[1]. Dieses Vorgehen greift eine Technik auf, die in der KI-Forschung unter dem Namen ASCII smuggling bekannt ist[1].
Direkte Fragen
Was ist ein unsichtbares Unicode-Zeichen?
Es ist ein Zeichen, das Teil des Textes ist, das gängige Schriftarten und Oberflächen aber nicht anzeigen. Microsoft nennt vor allem den Unicode-Block Tags, von U+E0000 bis U+E007F, der eine Geisterkopie der druckbaren ASCII-Zeichen enthält. Er war für die Sprachkennzeichnung gedacht und ist heute weitgehend veraltet[1]. Eine Zeichenkette kann also eine Nachricht tragen, die für Menschen unlesbar ist, aber von jedem Sprachmodell oder jeder Software verarbeitet wird, die den Text erhält[1]. Eine Studie von 2026 testet zwei Arten, eine Nachricht zu verbergen: Zeichen mit Nullbreite (Binärkodierung) und Unicode Tags[4].
Befolgt eine KI diese versteckten Anweisungen wirklich?
Forschende haben es gemessen. In einem Aufsatz, der am 26. Februar 2026 eingereicht wurde, stellt Marcus Graves einen Prüfstand vor, der fünf Modelle von zwei Anbietern anhand von insgesamt 8.308 Antworten bewertet[4]. Er stellt fest, dass der Einsatz von Werkzeugen durch das Modell die Befolgung versteckter Anweisungen stark erhöht und dass ausdrückliche Dekodierungsanweisungen sie bei einem bestimmten Modell und einer bestimmten Kodierung um bis zu 95 Prozentpunkte steigern[4]. Der Autor spricht von einer wenig erforschten Angriffsfläche[4]. OWASP weist darauf hin, dass Eingaben das Modell beeinflussen können, auch wenn sie für Menschen nicht wahrnehmbar sind, sobald das Modell den Inhalt liest[2].
Hält ein Filter gegen Injection sie auf?
Nicht immer. Forschende haben sechs Schutzsysteme getestet, darunter Azure Prompt Shield von Microsoft und Prompt Guard von Meta. Sie zeigen, dass Methoden der Zeicheninjektion und des adversarialen maschinellen Lernens die Erkennung umgehen können, in einigen Fällen mit bis zu 100 % Erfolg bei der Umgehung[5]. OWASP stellt klar, dass das Filtern von Eingaben keine Sicherheitsgrenze ist[6].
Wurden Angriffe beobachtet?
Microsoft hat eine Phishing-Kampagne mit hohem Volumen beobachtet, die diese Zeichen nutzte. In den untersuchten Nachrichten verbarg sie keine Anweisungen an eine KI: Sie fügte die Zeichen in Wörter ein, um Filter zu umgehen[1]. Der Fall wird weiter unten ausführlicher beschrieben.
Welche Schritte sollten Sie gehen?
- Ein Dokument, eine Webseite oder eine E-Mail unbekannter Herkunft als nicht vertrauenswürdig behandeln, bevor Sie sie dem Assistenten anvertrauen. OWASP beschreibt indirekte Injections, die über Websites oder Dateien laufen[2], und empfiehlt, nicht vertrauenswürdige Inhalte zu trennen und deutlich zu kennzeichnen[2].
- Keine sensiblen Informationen in eine Anfrage an ein öffentliches LLM schreiben, wie es das britische NCSC empfiehlt[3].
- Die Kontrollen des Unternehmens wirken lassen. Microsoft empfiehlt, Tag-Zeichen und andere unsichtbare Zeichen vor der Analyse der Nachricht und vor dem Einlesen durch die KI zu entfernen oder zu normalisieren[1]. OWASP empfiehlt, unerwartete Zeichen mit Nullbreite oder Tag-Zeichen zur Überprüfung weiterzuleiten[6].
- Eine unerwartete Antwort des Assistenten ernst nehmen. OWASP rät, die Ausgaben des Modells zu überwachen, um Anzeichen einer erfolgreichen Injection zu erkennen[6].
- Den Assistenten einen sensiblen Vorgang nicht allein durchführen lassen: OWASP empfiehlt eine menschliche Freigabe für privilegierte Vorgänge[2].
In der Haut des Angreifers
Microsoft beschreibt zwei Verwendungen derselben Zeichen. Die erste zielt auf den Assistenten: Der Angreifer verbirgt Anweisungen in unsichtbaren Tag-Zeichen, die in eine Webseite, ein Dokument, eine E-Mail oder einen anderen Inhalt eingebettet sind. Der Mensch sieht nichts Ungewöhnliches, während der Assistent, der den Rohtext liest, sie dekodiert[1]. Die zweite zielt auf den Filter: Die Zeichen zerschneiden ein Wort, nach dem der Filter sucht, und er erkennt es nicht mehr[1].
OWASP beschreibt ein Szenario der ersten Art. Jemand bittet ein LLM, eine Webseite zusammenzufassen, die versteckte Anweisungen enthält. Sie veranlassen den Assistenten, ein mit einer Adresse verknüpftes Bild einzufügen, was zur Exfiltration der privaten Unterhaltung führt[2].
OWASP berichtet außerdem von einer Studie (Zhang et al., USENIX Security 2026) zu 196.682 Lebensläufen einer Recruiting-Plattform: Mehr als 90 % der versteckten Prompts enthielten keine ausdrückliche Anweisung[6].
Was Sie auf dem Bildschirm sehen
Nichts. Gängige Schriftarten und Oberflächen zeigen die meisten dieser Zeichen nicht an[1]. In der von Microsoft beschriebenen Kampagne wirkte ein Köderwort wie funding für die Empfänger normal, obwohl sich in seiner Mitte ein unsichtbares Zeichen befinden konnte[1].
Nicht alle diese Zeichen sind verdächtig. Die Flaggen von England, Schottland und Wales werden mit Tag-Zeichen kodiert[1].
Der einzige sichtbare Hinweis ist dann das Verhalten des Assistenten: OWASP definiert Prompt-Injection als eine Eingabe, die das Verhalten oder die Ausgabe des Modells auf unbeabsichtigte Weise verändert[2].
Unter der HaubeIT-Teams
Tag-Zeichen sind für Menschen unsichtbar, existieren aber auf der Ebene der Textverarbeitung[1]. Einlese-Pipelines geben dem Modell in der Regel den aus einem Dokument extrahierten Text weiter und ignorieren dessen Darstellung: Ein Text, den der Leser nicht sieht, erreicht das Modell also trotzdem[6].
Bei E-Mail-Klassifikatoren erklärt Microsoft, dass ein gebräuchliches Wort oft in Tokens oder Wortteile zerlegt wird. Ein unsichtbares Zeichen in der Mitte kann diese vertraute Einheit zerbrechen oder entfernt werden, wenn zuerst eine Normalisierung durchläuft[1].
OWASP gibt an, dass die NFKC-Normalisierung Zeichen mit Nullbreite nicht entfernt. Es stellt klar, dass Tag-Zeichen versteckte Anweisungen tragen können, die Modelle lesen und ausführen. Wird eine bereinigte Kopie analysiert, aber das Original weitergegeben, erreicht der versteckte Text das Modell trotzdem[6].
Microsoft formuliert das Verteidigungsprinzip so: normalisieren, bevor verglichen wird[1]. Microsoft Defender for Office 365 bietet einen Schutz vor Prompt-Injection, der die Fälle abdeckt, in denen unsichtbare Zeichen Anweisungen vor den Nutzern verbergen und sie zugleich KI-Systemen gegenüber offenlegen. Die Abdeckung hängt von Lizenz, Konfiguration und Telemetrie ab[1]. OWASP vermerkt, dass unklar ist, ob es eine lückenlose Methode zur Verhinderung von Prompt-Injection gibt[2].
FallanalysenReale Fälle
Phishing-Kampagne mit Tag-Zeichen, Februar bis Mai 2026
Microsoft berichtet, dass die Erkennungen seiner Signatur für ASCII smuggling ab dem 9. Februar 2026 stark zugenommen haben[1]. Am Vortag löste die Signatur bei etwa 21.000 Nachrichten aus, am Tag darauf bei mehr als 1,3 Millionen[1]. Die meisten E-Mails ließen sich einer Gruppe von etwa 150 Absenderdomänen zum Thema Finanzen zuordnen[1]. Die Köder ähnelten Angeboten für Unternehmenskredite, Kreditlinien und Barvorschüsse[1].
Microsoft beschreibt einen strikten Rhythmus: hohe Aktivität unter der Woche, fast völlige Stille am Wochenende[1]. Die Phase mit hohem Volumen dauerte etwa drei Monate und ging nach dem 15. Mai 2026 deutlich zurück[1]. Diese Daten grenzen die Nutzung dieser Technik in den Daten von Microsoft ein, nicht die Kampagne insgesamt, die früher ohne sie begonnen hat und ohne sie weiterlief[1].
In einer Stichprobe gemeldeter Nachrichten fand Microsoft keine versteckte Anweisung an einen Assistenten. Ein einzelnes unsichtbares Tag-Zeichen war in Köderwörter eingefügt, damit die Suche nach einer exakten Zeichenkette scheitert[1]. Die Nachrichten liefen über eine legitime E-Mail-Marketing-Plattform, ActiveCampaign[1].
Laut Microsoft wurden mehr als 99 % der Nachrichten von Schutzschichten erkannt, die nicht von der direkten Erkennung der Tag-Zeichen abhingen, etwa der Reputation von Absender, IP-Adresse, Links und Domänen, der Klassifizierung durch maschinelles Lernen oder den Authentifizierungsprüfungen[1]. Microsoft folgert daraus, dass Techniken aus der Forschung zur KI-Sicherheit schnell in klassischere Angriffe wie Phishing übergehen können[1].
Quellen
- Microsoft, „ASCII smuggling crosses over from AI prompt injection to phishing evasion“, 3. September 2026. https://www.microsoft.com/en-us/security/blog/2026/09/03/ascii-smuggling-crosses-over-from-ai-prompt-injection-to-phishing-evasion/ (abgerufen am 14. November 2026)
- OWASP, „LLM01:2025 Prompt Injection“, 10. April 2024. https://genai.owasp.org/llmrisk/llm01-prompt-injection/ (abgerufen am 14. November 2026)
- NCSC (Royaume-Uni), „ChatGPT and large language models: what's the risk?“, 14. März 2023. https://www.ncsc.gov.uk/blog-post/chatgpt-and-large-language-models-whats-the-risk (abgerufen am 14. November 2026)
- arXiv, „Reverse CAPTCHA: Evaluating LLM Susceptibility to Invisible Unicode Instruction Injection“, 26. Februar 2026. https://arxiv.org/abs/2603.00164 (abgerufen am 14. November 2026)
- arXiv, „Bypassing LLM Guardrails: An Empirical Analysis of Evasion Attacks against Prompt Injection and Jailbreak Detection Systems“, 15. April 2025. https://arxiv.org/abs/2504.11168 (abgerufen am 14. November 2026)
- OWASP, „LLM Prompt Injection Prevention Cheat Sheet“. https://cheatsheetseries.owasp.org/cheatsheets/LLM_Prompt_Injection_Prevention_Cheat_Sheet.html (abgerufen am 14. November 2026)
Diesen Artikel zitieren
Brain, „Unsichtbare Unicode-Zeichen: ein Text, der der KI Anweisungen verbirgt“, Cyberpedia, 2026. https:/
BibTeX
@misc{brain_cp293_de_2026,
author = {Brain},
title = {Unsichtbare Unicode-Zeichen: ein Text, der der KI Anweisungen verbirgt},
year = {2026},
howpublished = {Cyberpedia},
url = {https://startbrain.io/cyberpedia/de/articles/unsichtbare-unicode-zeichen-ki/},
note = {CC BY 4.0}
}