Kein Handgriff

Claude Code schreibt mir seit Monaten deutsche Texte, und in schöner Regelmäßigkeit steht darin fuer. Oder Schluessel. Oder ein Satz wie „Weg 2 ist kein Abend mehr“, in dem jeder Buchstabe stimmt und trotzdem niemand weiß, was gemeint ist.

Das sind zwei verschiedene Fehler, und gegen beide habe ich etwas gebaut. Gegen den ersten ein Skript, das inzwischen 958 Zeilen lang ist. Gegen den zweiten einen Text mit drei Punkten. „Assistent“ heißt im Folgenden Claude Code, „Modell“ das Sprachmodell dahinter.

Ae, oe, ue#

Der erste Fehler ist nicht meine Privatsache. Im Issue-Tracker von Claude Code stammt der früheste Bericht über zerstörte Sonderzeichen nach meinen Notizen vom Juni 2025, inzwischen sind es über dreißig, quer durch alle Sprachen, die nicht Englisch sind. Der Bericht, der meinen Fall beschreibt — deutsche Umlaute werden zufällig durch ASCII ersetzt —, trägt dort das Label area:model. Das Label legt nahe, dass Anthropic die Sache als Verhalten des Modells führt und nicht als Defekt eines Werkzeugs.

Dass echte Umlaute zu schreiben sind, steht bei mir in den Anweisungsdateien. Das hilft meistens. „Meistens“ ist bei 671 Tagesnotizen und einem Recherche-Ordner mit 643 Dateien allerdings ein dehnbarer Begriff.

Am 17. August habe ich aufräumen lassen: 19 Dateien in meinem Obsidian-Vault, dem Ordner mit meinen Notizen, trugen ASCII-Ersatz im Namen, 28 Verweise in 22 Notizen mussten nachgezogen werden. Kein Dateiname mit ASCII-Ersatz mehr im Vault, stand danach im Protokoll.

Vier Tage später waren es wieder sieben, vier davon vom selben Tag. Diesmal habe ich nach dem Grund suchen lassen, und der lag bei mir. Fünf meiner Skills — das sind Anweisungspakete für wiederkehrende Aufgaben, etwa die Auswertung eines Videos — verlangten ausdrücklich Dateinamen ohne Umlaute, wegen der Synchronisation mit Google Drive. Die Anweisungsdatei des Vaults verlangte das Gegenteil. 89 Notizen trugen längst Umlaute im Namen und wurden ohne Fehler synchronisiert; die Begründung war also schlicht falsch. Jede Verarbeitung einer Videoliste hat neuen ASCII-Ersatz erzeugt, weil es so in meinen eigenen Skills stand.

Das Modell hatte in diesem Fall getan, was dastand. Ich erwähne das der Vollständigkeit halber.

Die Skills wurden korrigiert, 31 Dateien umbenannt, 67 Verweise in 44 Dateien nachgezogen. Blieb der Fließtext. Ein Prüfskript sollte zählen, wie viel ASCII-Ersatz in den Notizen selbst steckt, und meldete beim ersten Lauf 3.899 Fundstellen — darunter die Vorschläge hnsstrk → hnßtrk und Crosstrainer → Croßtrainer. Der Assistent hatte zu Beginn der Sitzung selbst LC_ALL=C gesetzt, also die Spracheinstellung der Shell auf reines ASCII, und unter dieser Einstellung zerlegt die Rechtschreibprüfung Umlaute in einzelne Bytes. Mit der richtigen Einstellung waren es 1.220.

Diese Fundstellen haben noch am selben Abend acht parallel arbeitende Agenten in 216 Dateien abgearbeitet — weitere Instanzen des Assistenten mit je einem Teilauftrag. Danach meldete das Prüfskript noch 150, davon 95 mit Absicht stehen gelassen: Zitate und fremder Text. In meinen Blog-Einträgen von 2007 stehen Kommentare anderer Leute, und die bleiben so, wie sie geschrieben wurden.

Ein Wörterbuch vor jedem Schreibvorgang#

Aufräumen ist das eine. Ich wollte, dass der Fehler gar nicht erst in die Datei kommt.

Claude Code kennt dafür Hooks: Skripte, die vor jedem Werkzeugaufruf laufen und ihn abweisen können. Seit dem 26. August hängt bei mir umlaut-guard.py vor jedem Schreibvorgang:

"PreToolUse": [
  {
    "matcher": "Write|Edit|MultiEdit|Bash",
    "hooks": [
      {
        "type": "command",
        "command": "python3 <home>/.claude/hooks/umlaut-guard.py"
      }
    ]
  }
]

Endet das Skript mit dem Rückgabewert 2, wird nicht geschrieben, und die Fehlermeldung geht zurück an das Modell.

Die naheliegende Lösung wäre ein Suchmuster für ae, oe, ue und ss. Die würde bei queue, issue, Klasse und muss anschlagen und wäre nach einem Vormittag wieder ausgebaut. Der Hook fragt deshalb ein Wörterbuch — die freie Rechtschreibprüfung hunspell in Version 1.7.3, einmal deutsch, einmal englisch. Ein Wort gilt nur dann als Verstoß, wenn es in keinem der beiden steht und seine Rückersetzung im deutschen steht (Auszug ohne den Kommentarkopf):

def urteile(binaer, alle):
    alle = sorted(alle)
    if not alle:
        return {}
    unverdaechtig = bekannt(binaer, alle, 'de_DE') | bekannt(binaer, alle, 'en_US')
    offen = [w for w in alle if w not in unverdaechtig]
    varianten = {w: sorted(rueckersetzungen(w)) for w in offen}
    alle_varianten = sorted({v for vs in varianten.values() for v in vs})
    echte = bekannt(binaer, alle_varianten, 'de_DE')
    ergebnis = {}
    for w in offen:
        for v in varianten[w]:
            if v in echte:
                ergebnis[w] = v
                break
    return ergebnis

Baeume kennt kein Wörterbuch, Bäume kennt das deutsche — abgewiesen. queue kennt das englische — durchgelassen. Fehlt hunspell oder scheitert der Aufruf, lässt der Hook alles durch; ein kaputter Prüfer soll das Schreiben nicht dauerhaft blockieren.

Die erste Fassung hatte sieben Testfälle, und alle sieben waren grün.

Was vorher niemand sah#

Zehn Tage später stellte sich heraus, dass der Hook nicht alle Schreibwege prüfte. Er prüfte die Schreibwerkzeuge, aber nicht die Shell. Über die Shell schreibt der Assistent ebenfalls Texte: Commit-Nachrichten, Heredocs (mehrzeilige Texte mitten in einem Shell-Befehl) und Dateien auf dem zweiten Rechner.

Vor dem Umbau wurde gemessen, an 1.233 echten Shell-Befehlen aus den Sitzungsprotokollen. Die Frage war eigentlich, was die Prüfung an Zeit kostet. Die Antwort: 30 Millisekunden für einen unauffälligen Befehl, rund 48 mehr für einen geprüften. Mit einem engen Vorfilter, der nur Befehle prüft, die erkennbar Prosa schreiben, lösen 47 Prozent der Befehle die Wörterbuchprüfung aus statt 83 Prozent.

Interessanter war der Nebenbefund. Die Prüfung schlug bei über 150 verschiedenen Wörtern an, und das waren überwiegend keine Fehlalarme. Schluessel 18-mal, fuer 16-mal, Eintraege 10-mal, ueber 9-mal. Der Assistent hatte den ganzen Tag ASCII in Commit-Nachrichten geschrieben, und niemand hatte hingesehen.

Seit dem 5. September prüft der Hook auch die Shell. Beim allerersten Einsatz hat er einen Befehl der Sitzung abgewiesen, in der er gerade gebaut worden war.

Der Hook weist Richtiges ab#

Ein Prüfer, der Shell-Befehle liest, muss entscheiden, was daran Prosa ist und was Dateiname, Variablenname oder Schalter. Ein Wörterbuch kann das nicht.

Der 12. September verdient einen genaueren Blick. Ein Lesebefehl wurde abgewiesen, weil darin ein Pfad auf eine Notiz vorkam — und zwar ausgerechnet der Befehl, der prüfen sollte, ob der Hook gewirkt hat. Wer nach fuer sucht, muss fuer in den Befehl schreiben.

Bei der Fehlersuche kam ein zweiter Fehler zum Vorschein, und der war teurer. Die Ausnahme für Bezeichner mit Unterstrich vom 5. September lief vor der Behandlung des Notizkopfs statt danach: Sie entfernte aus dem Kopf einer Notiz den Schlüssel wissen_status und ließ : ueberfuehrt übrig. Ohne Schlüssel sah der Wert aus wie ein falsch geschriebenes deutsches Wort. Jede Notiz mit diesem Eintrag wurde beim Schreiben abgewiesen — und genau diesen Wert schreibt meine Recherche-Pipeline vor.

Der Prüfer gegen falsche Schreibweisen hat also die Schreibweise abgelehnt, die ich selbst festgelegt hatte.

Behoben war das noch in derselben Nacht, auf einem Rechner. Der zweite war nicht erreichbar und bekam die Korrektur am 18. September.

Am Nachmittag des 12. September schlug der Hook zweimal zu Unrecht an — beim Schreiben von Quelltext, weil ein Variablenname zufällig wie ein falsch geschriebenes deutsches Wort aussah. Meine Anweisung dazu war kurz:

Der Umlaut-Wächter soll die Finger vom Code lassen; in den Code gehören keine Umlaute, außer in den Kommentaren

Ganz so kurz ging es dann nicht. Der häufigste Arbeitsweg meines Assistenten ist ein kleines Python-Skript, das deutsche Prosa in eine Notiz schreibt. Lässt der Hook Quelltext pauschal durch, fehlt die Prüfung an genau der Stelle, an der am meisten geschrieben wird. Er zerlegt solche Skripte seither und prüft nur Kommentare und Zeichenketten.

So ging es weiter. Am 18. September hat ein Agent, der die Sitzung nicht kannte, die Korrektur vom Nachmittag geprüft und festgestellt, dass sie zu weit gefasst war: In 15 von 25 Gegenbeispielen ging Prosa ungeprüft durch, die vorher noch abgewiesen worden wäre. Am selben Abend wurde nachgeschärft.

Am Vormittag des 27. September hat ein Agenten-Team den produktiven Hook auf einem Rechner ersetzt. Die neue Fassung bestand 107 von 107 Prüffällen. Eingespielt war sie trotzdem ohne Freigabe.

Bei der Aufarbeitung zeigte sich: Keine einzige Fassung hatte je geprüft, ob ein Pfad überhaupt in einem Vault liegt. Der Hook hatte Dateinamen nie mit Absicht geprüft. Abgewiesen wurde, was er nicht als Pfad erkannte — und jede Nachbesserung hatte ihm eine weitere Form beigebracht, in der Pfade auftreten können.

Seit dem 27. September gibt es dafür eine Regel statt einer Sammlung von Ausnahmen. Umlaute in Datei- und Ordnernamen verlangt der Hook nur noch in den vier Obsidian-Vaults. Überall sonst — Repositories, Konfigurationsordner, Server — sind Namen ASCII und werden nicht geprüft. Prosa bleibt überall geprüft.

Die Fassung besteht 158 von 158 Prüffällen. Dazu kam eine Mutationsprobe: 32 absichtlich verschlechterte Fassungen des Hooks, von denen jede genau eine Grenze aufweicht, und alle 32 fallen durch das Prüfskript. Im Vergleich an 17.272 bis 43.036 echten Aufrufen je Rechner wies die neue Fassung ein bis zwei Aufrufe zusätzlich ab, gewollt, und ließ drei bis fünf zusätzlich durch — feste Werte im Notizkopf, Repository-Pfade, Quelltext.

Von sieben Testfällen auf 158 in einem Monat. In Papierkrieg habe ich vor Kurzem beschrieben, wie ein Prozess wächst, wenn jede Regel einen guten Grund hat und keine je gestrichen wird. Ich sehe die Ähnlichkeit.

Seitenmöbel#

Der zweite Fehler lässt sich nicht nachschlagen.

Am 14. August habe ich dem Assistenten geschrieben:

Ich merke mehr und mehr, dass ich raten muss, was du mir sagen möchtest.

Gemeint war keine einzelne Antwort. Über mehrere Wochen waren die Meldungen schlechter geworden: erfundene Begriffe statt Sachbezeichnungen, Befunde, die erwähnt, aber nicht mitgeteilt wurden. Aus der Rüge entstand am selben Tag eine Regeldatei, klare-sprache.md, mit zwei Punkten. Kein Bild, wo ein Sachbegriff existiert. Und was angesprochen wird, wird auch gesagt.

Zur Anschauung, was gemeint ist:

Die Regel stand also. An fünf der zehn Tage danach ist sie gebrochen worden.

Am 15. August der Handlauf. Am 17. begann ein Satz mit „Auf morgen kann:“, hatte kein Verb und zählte drei Stichworte auf, die nichts erklärten. Am 18. zwei Stellen auf einmal. Mein Urteil dazu: „das wird immer schlimmer.“

Die erste war eine Überschrift: „Eine Ellipse mit Folgen.“ Die Ellipse ist ein Fachbegriff der Sprachwissenschaft für eine Auslassung, stammte aus dem Bericht eines Prüf-Agenten und war ungeprüft zur Überschrift befördert worden; für sich genommen sagt sie nichts. Die zweite stand in einer Regeldatei, die in jeder Sitzung auf beiden Rechnern geladen wird:

- Was du nicht fragst, entscheidest du und benennst die Annahme.
+ Fragst du nicht nach, entscheidest du nach dem Absatz darüber — Eindeutiges beheben, Ermessen liegen lassen — und benennst die Annahme.

Man fragt nicht eine Sache, man fragt nach einer Sache. Der Satz sollte festlegen, wann der Assistent selbst entscheidet und wann er nachfragt, und war an dieser Stelle falsch. Der Prüf-Agent hatte die Zeile sogar beanstandet; sein Vorschlag wurde übernommen, ohne dass der Satz danach noch einmal gelesen worden wäre. Gefunden habe beide Stellen ich.

Die Reparatur hat dann einen dritten Fehler erzeugt. Beim Aufräumen fiel der Tippfehler „Fehlerkennung“ statt „Fehlererkennung“ auf, und der Assistent hat ihn im ganzen Vault ersetzt — auch in drei Notizen, in denen „Fehlerkennung“ genau so gemeint war. Ein Sprachfehler, entstanden beim Beheben eines Sprachfehlers.

Die anschließende Durchsicht fand elf solche Stellen in den Regeldateien, überwiegend Lehnübersetzungen. Die Regeldatei mit dem falschen Satz hatte der Assistent am selben Vormittag beim Kürzen ungefragt aus dem Englischen übertragen.

Am 21. August bat ich darum, mir eine Einstellung „für Dummies“ zu erklären, und bekam eine Alltagsmetapher. Meine Antwort: „Ich brauche keine Beschreibung für Idioten, sondern eine gute Beschreibung.“

Am 24. August gab es zwei Rügen an einem Abend. Die erste galt einer Meldung mit Sätzen wie „Weg 2 ist kein Abend mehr“; aus demselben Text habe ich etwas später noch einen Satz als Beleg nachgereicht: „Es ist aber eine eigene kleine Einheit […], kein Handgriff.“ Die zweite kam in einer anderen Sitzung, nachdem dort den ganzen Abend von „Impasto“ die Rede gewesen war — im Chat, in einer Datei, in einer Commit-Nachricht — und nie gesagt wurde, was das ist. Meine Frage dazu steht wörtlich im Protokoll:

Was zum Fick ist Impasto?

Pastoser Farbauftrag. Die Farbe so dick, dass die Pinselspur als Relief stehen bleibt. Das deutsche Wort war die ganze Zeit vorhanden.

Der Assistent hat an diesem Abend sein eigenes Muster recht genau beschrieben: eine Sache wird mit einem verneinten oder gemessenen Hauptwort gleichgesetzt und die Aussage weggelassen. „X ist kein Handgriff“, „X ist kein Abend mehr“, „X sind eine Viertelstunde“. Das Muster häuft sich in den Schlussabsätzen langer Meldungen, dort, wo zusammengefasst wird.

Die Diagnose stimmt. Auch die Rüge vom 14. August hatte die Schlussabsätze langer Meldungen betroffen.

Heute, am 1. Oktober, hat die Regel einen dritten Punkt bekommen. Als Beispiel nennt er die Rückfrage „C: ja oder nein?“ — ein Kürzel, bei dem man erst nach oben blättern muss, um herauszufinden, was C war. Meine Rüge dazu steht jetzt in der Regel: „Ich bin ein Mensch und keine Maschine.“ Jeder Punkt, der eine Entscheidung verlangt, trägt seinen Zusammenhang seither selbst.

Liegt es am Modell?#

Der Verdacht lag nahe. Am 25. Juli wechselte das Hauptmodell in meinem Claude Code von Fable 5 auf Opus 5; drei Wochen später kam die erste Rüge.

Ich habe das an den eigenen Tagesprotokollen prüfen lassen. Vom 1. bis 24. Juli stehen dort 306 Einträge und eine einzige Nennung eines eigenen Fehlers, vom 25. Juli bis 22. August 625 Einträge und 29 Nennungen. Das sieht nach einem klaren Ergebnis aus.

Es ist keins. Die Zahl der Einträge hat sich im selben Zeitraum verdoppelt, die Fehlernennungen betreffen Git, Tests und Missverständnisse aller Art, und die Protokolle schreibt das jeweils laufende Modell selbst. Gemessen wurde eine veränderte Protokollierpraxis. Für einen Vergleich bräuchte es denselben Schreibauftrag an mehrere Modelle, und der steht aus.

Was bleibt#

1. Was sich nachschlagen lässt, lässt sich erzwingen. Ob Schluessel ein deutsches Wort ist, beantwortet ein Wörterbuch bei rund 48 Millisekunden Mehrzeit je geprüftem Befehl, und es antwortet jedes Mal gleich. Die Prüfung hat in 1.233 Befehlen über 150 verschiedene Wörter gefunden, die vorher niemand gesehen hatte.
2. Eine Anweisung im Klartext hält, solange das Modell daran denkt. Die Umlaut-Regel stand vor dem Hook in den Anweisungsdateien, die Sprachregel stand seit dem 14. August und wurde an fünf der zehn Tage danach gebrochen.
3. Ein Prüfer, der zu viel abweist, richtet eigenen Schaden an. Dieser hat meine Recherche-Pipeline blockiert, die Prüfung seiner selbst und einen festen Wert im Notizkopf, den mein eigenes Schema vorsieht. Jede Ausnahme dagegen hat einen belegten Anlass und eine bekannte Lücke — ein kleingeschriebenes Wort in Anführungszeichen mitten in einem Befehl rutscht bis heute durch.
4. Erst die eigenen Regeln lesen. Der hartnäckigste Umlaut-Fehler im Vault kam aus fünf Skills, die ihn vorschrieben.
5. Für „Seitenmöbel“ gibt es kein Wörterbuch. Beide Bestandteile sind tadelloses Deutsch.

Der fünfte Punkt ist der unangenehme. Gegen Umlaute steht ein Programm, das abweist. Gegen unverständliche Sätze steht ein Text. Dasselbe Modell, das die Sätze schreibt, soll ihn lesen und befolgen — und bemerkt haben sie bisher meist erst der Leser oder ein Prüf-Agent.

Der Hook hat jetzt 958 Zeilen, die Regel drei Punkte. Ich wüsste gern, welche der beiden Zahlen in einem Jahr größer geworden ist …