Warum KI-Chatbots Markdown sprechen

Wenn Sie jemals mit ChatGPT, Claude, Gemini oder einem modernen KI-Assistenten (einschließlich des in der unteren rechten Ecke dieser Website) gechattet haben, ist Ihnen wahrscheinlich eines aufgefallen: Ihre Antworten werden mit Fettdruck, Aufzählungszeichen und anklickbaren Links angezeigt. Das ist keine Magie. Das ist Markdown.

Was ist Markdown?

Markdown wurde 2004 von John Gruber als eine leichtgewichtige Methode zur Textformatierung mithilfe einfacher Symbole entwickelt. Anstatt auf Schaltflächen in einem Textverarbeitungsprogramm zu klicken, tippen Sie Zeichen ein, die die Formatierung darstellen:

**fetter Text**
*kursiver Text*
[Linktext](https://example.com)
- Aufzählungspunkt

Wenn diese gerendert werden, werden sie zu:

• fetter Text
• kursiver Text
• Linktext
• Aufzählungspunkt

Warum verwenden KI-Modelle Markdown?

Es ist kein Zufall, dass KI-Modelle Markdown ausgeben. Sie werden mit riesigen Mengen an Internettext trainiert, und Markdown ist überall online zu finden: GitHub, Stack Overflow, technische Blogs, Dokumentationen. Das Format ist in ihren Trainingsdaten verankert.

Große Sprachmodelle wie GPT-5, Claude, Llama, Gemini und Grok werden mit massiven Mengen an Internettext trainiert. Ein großer Teil dieses Textes stammt von:

• GitHub: READMEs, Dokumentationen, Issues, Kommentare
• Stack Overflow: Fragen und Antworten
• Technische Blogs: Tutorials und Dokumentationen
• Reddit und Foren: Benutzerdiskussionen

Alle diese Plattformen verwenden Markdown. Wenn ein KI-Modell also lernt zu kommunizieren, übernimmt es Markdown natürlich als Teil seiner „Sprache“.

Der praktische Nutzen

Markdown ist auch ohne Rendering für Menschen lesbar. Vergleichen Sie diese beiden:

**Wichtig**: Dokumentation prüfen

vs

<strong>Wichtig</strong>: Dokumentation prüfen

Das erste ist Markdown. Das zweite ist HTML. Beide erzeugen das gleiche Ergebnis, aber Markdown ist in seiner Rohform sauberer und leichter zu lesen.

Dies ist wichtig, da KI-Antworten in verschiedenen Kontexten lesbar sein müssen: Roh-API-Antworten, Chat-Schnittstellen, Dokumentationen und mehr.

Markdown in der Praxis parsen

Ich arbeite seit Jahren mit Markdown in Dokumentationen, README-Dateien und Content-Management-Systemen. Beim Erstellen von KI-Chatbots wird es besonders relevant. Das Modell gibt Text zurück, der Markdown-Formatierungen enthalten kann, sodass das Frontend ihn parsen muss.

Hier ist eine vereinfachte Parsing-Kette für grundlegende Formatierungen:

KI-Antwort (Roh-Text mit Markdown)
        ↓
[Text](URL) parsen → anklickbare Links
        ↓
https://... parsen → anklickbare URLs
        ↓
**Text** parsen → Fettdruck
        ↓
In Chat-Blase rendern

Für Produktions-Chatbots möchten Sie wahrscheinlich eine vollständige Markdown-Parsing-Bibliothek wie react-markdown, marked.js oder markdown-it verwenden. Diese behandeln die vollständige Markdown-Spezifikation: Überschriften, Tabellen, Codeblöcke und mehr.

Sie können nicht vollständig kontrollieren, welches Format die KI ausgibt. Selbst wenn Sie Links im Stil von [Titel](URL) anfordern, gibt das Modell möglicherweise stattdessen rohe URLs zurück. Erstellen Sie Ihren Parser so, dass er beide Formate verarbeiten kann.

Sollten Sie Markdown in Ihren Prompts verwenden?

Ja, aber mit realistischen Erwartungen. Wenn Sie einen System-Prompt für eine KI schreiben, ist die Anforderung einer Markdown-Ausgabe sinnvoll, weil:

1. Es ist das, was das Modell naturgemäß produziert
2. Es ist einfach im Frontend zu parsen
3. Es ist sicher (kein XSS-Risiko wie bei HTML)
4. Es ist als Fallback für Menschen lesbar

Denken Sie daran, dass LLMs Anweisungen nicht immer perfekt befolgen. Gestalten Sie Ihr Frontend so, dass es Variationen elegant verarbeiten kann.