Citation Cleaner

Das Unternehmen scheint ein Solo-Projekt namens "Citation Cleaner" zu sein, das sich selbst als Werkzeug zur lokalen Bereinigung von KI-generiertem Markdown im Browser beschreibt. Der Autor gibt an, dass es provider-spezifische Zitationsartefakte aus KI-Ausgaben entfernt und eine Prüfspur der angewendeten Regeln bereitstellt, einschließlich einer Chrome-Erweiterung und einer öffentlichen API. Es wurde beim OpenAI 2026 Hackathon eingereicht.

Was sich geändert hat: Das Projekt hat sich von einem grundlegenden Bereinigungswerkzeug zu einem entwickelt, das deterministische Regel-Pipelines und Fingerprinting verwendet, um KI-Quellen zu identifizieren und provider-spezifische Regeln nur anzuwenden, wenn Belege dies stützen. Es umfasst nun eine Erklärbarkeitsschicht (Citation Fingerprint) und unterstützt mehrere Exportformate.

Die wichtigste offene Frage: Gibt es Belege für eine Nutzerakzeptanz, Einnahmen oder Traction über die eigene Beschreibung des Autors hinaus? Das Projekt wird als Hackathon-Einreichung präsentiert, ohne Hinweise auf kommerzielle Nutzung oder Marktvalidierung.

• Die Beschreibung besagt, dass Citation Cleaner ein Werkzeug ist, das "KI-generiertes Markdown vollständig im Browser in prüffertige Texte verwandelt".
• Es behauptet, "Code zu schützen, deterministische Zitations- und Exportartefakte zu entfernen, einen Inline-Diff anzuzeigen und jede angewendete Regel zu melden".
• Eine sekundäre Komponente, Citation Fingerprint, wird als "Build-Week-Erweiterung" beschrieben, die "konkrete Provider-Signaturen erkennt, Konfidenz und Übereinstimmungsbelege meldet und nur dann provider-spezifische Regeln aktiviert, wenn der Fingerprint sie stützt".
• Das Projekt verwendet Next.js, React, TypeScript, Vitest und eine Chrome-Erweiterung mit Manifest V3.
• Es umfasst eine öffentliche API, die strukturierte Detektionsbelege zurückgibt.
• Das Werkzeug wird als deterministisch beschrieben: "eine deterministische Regel-Pipeline", die "Markdown-Code schützt, den Quellen-Fingerprint auflöst, Regeln anwendet, die durch Quelle und Intensität erlaubt sind, Code wiederherstellt und Ausgabe plus Prüfspur zurückgibt".

nicht belegt: Keine Belege für tatsächliche Produktnutzung, Kundenfeedback oder kommerzielle Implementierung über die eigene Darstellung des Autors hinaus.

• Der Autor gibt an, dass das Werkzeug von der Erkenntnis inspiriert wurde, dass "KI-Antworten leicht zu generieren, aber überraschend schwer zu veröffentlichen sind", und dass bestehende Bereinigungsworkflows entweder sensible Entwürfe hochladen oder breite Regex-Muster verwenden.
• Es positioniert sich als Lösung, die "Code schützt, deterministische Zitations- und Exportartefakte entfernt, einen Inline-Diff anzeigt und jede angewendete Regel meldet".
• Die Entwicklung von der grundlegenden Bereinigung zur erklärbaren Automatisierung wird beschrieben: "Der Auto-Modus erfordert nun Belege, bevor provider-spezifische Regeln angewendet werden" und "Jede Quellenentscheidung zeigt Konfidenz und konkrete Übereinstimmungssignale an".
• Das Werkzeug wird als datenschutzfreundlich positioniert ("vollständig im Browser"), bietet jedoch auch eine öffentliche API an.
• Es behauptet, "neun Sprachen" zu unterstützen und dass "derselbe Detektor die Browser-Oberfläche und die öffentliche API antreibt".

Schlussfolgerung: Die Positionierung scheint sich von einem einfachen Textbereinigungswerkzeug zu einem fortschrittlicheren, erklärbaren Automatisierungswerkzeug mit Datenschutzfunktionen entwickelt zu haben.

• Die Beschreibung besagt, dass das Produkt für Nutzer gedacht ist, die "aus ChatGPT, Claude, Gemini, Perplexity oder AI Overviews kopieren" und KI-generiertes Markdown bereinigen möchten.
• Es richtet sich an Nutzer, die "prüfbereite Texte" benötigen und sich Sorgen um "Zitationsmarkierungen, versteckte Fußnoten, Quellenverläufe, Tracking-Links und provider-spezifische Exportartefakte" machen.
• Das Tool wird als Unterstützung von "neun Sprachen" beschrieben, was auf ein globales Publikum hindeutet.

nicht belegt: Keine Belege für spezifische Kundensegmente, Personas oder Marktforschung. Kein Hinweis darauf, ob das Tool Einzelnutzer, Content Creator oder Unternehmenskunden anspricht.

• Die Beschreibung besagt, dass es eine "öffentliche API" gibt, die "denselben strukturierten Detektionsbeleg" zurückgibt.
• Es wird eine "Live-App" und eine "Try Perplexity"-Funktionalität erwähnt, was auf eine öffentlich zugängliche Schnittstelle hindeutet.
• Es werden keine Preisinformationen, Monetarisierungsstrategien oder Details zum Geschäftsmodell angegeben.

Schlussfolgerung: Das Tool könnte als Freemium- oder Open-Source-Utility mit optionalem kostenpflichtigem API-Zugang angeboten werden, dies ist jedoch nicht angegeben.

• Das Projekt verwendet Next.js, React, TypeScript, Vitest und eine Chrome-Erweiterung nach Manifest V3.
• Es implementiert eine "deterministische Regel-Pipeline", die Code schützt, den Quellen-Fingerprint auflöst, Regeln anwendet, Code wiederherstellt und die Ausgabe plus den Audit-Trail zurückgibt.
• Das Tool wird als Unterstützung von "neun Sprachen" beschrieben und verfügt über einen "Audit-Trail", der nicht nur auf Englisch verfügbar ist.
• Es umfasst eine Browser-Erweiterung (Citation Fingerprint) und eine öffentliche API.
• Die Autoren geben an, dass sie Codex mit GPT-5.6 verwendet haben, um den Fingerprint-Vertrag zu entwerfen und zu implementieren.

nicht belegt: Keine Belege für Skalierbarkeit, Leistungskennzahlen oder Details zur Produktivdeployment über die eigene Darstellung der Autoren hinaus.

• Das Projekt wurde beim OpenAI 2026 Hackathon eingereicht.
• Es umfasst eine "Live-App" und eine "Try Perplexity"-Funktionalität.
• Die Autoren erwähnen "von Nutzern beigesteuerte Fingerprint-Fixtures", "signierte Regel-Pack-Veröffentlichungen" und "herunterladbare Bereinigungsbelege für redaktionelle Prüfungssysteme" als zukünftige Funktionen, was auf eine fortlaufende Entwicklung hindeutet.

nicht belegt: Keine Belege für Nutzerakzeptanz, Umsatz oder Marktdurchdringung über die eigene Beschreibung der Autoren hinaus. Keine Daten zu Nutzung, Bindung oder Kundenfeedback.

• Die Beschreibung erwähnt, dass bestehende Bereinigungsworkflows entweder sensible Entwürfe hochladen oder breite Regex-Muster verwenden.
• Es positioniert sich als Alternative zu Tools, die "echte Inhalte still entfernen".
• Das Tool wird als in der Lage beschrieben, zwischen provider-spezifischer und generischer Zitationssyntax zu unterscheiden.

nicht belegt: Keine Belege für direkte Wettbewerber, Marktgröße oder Wettbewerbspositionierung über die eigenen Behauptungen der Autoren hinaus.

• Das Projekt ist eine Einzelanstrengung (Team von 1 Person) ohne Anzeichen von kommerziellem Erfolg.
• Es wird als Hackathon-Einreichung präsentiert, was darauf hindeutet, dass es möglicherweise nicht vollständig ausgereift für den Produktiveinsatz ist.
• Keine Belege für eine Monetarisierungsstrategie oder ein Umsatzmodell.
• Das Tool behauptet, "lokal" zu sein, bietet aber auch eine öffentliche API an – dies wirft Fragen zur Datenprivacy und Compliance auf.
• Das Projekt hat keine Validierung durch Dritte oder Nutzerfeedback.

Inference: Das Fehlen von Traction, Umsatz oder Marktgültigkeit ist ein zentrales Risiko. Die Größe des Solo-Teams kann die Skalierbarkeit und die langfristige Entwicklung einschränken.

1. Was ist der tatsächliche Anwendungsfall für dieses Tool? Wird es von Einzelpersonen oder Organisationen genutzt?
2. Wie behandelt das Tool Grenzfälle bei Zitierformaten, insbesondere über verschiedene AI-Anbieter hinweg?
3. Was sind die Pläne für Monetarisierung und langfristige Nachhaltigkeit?
4. Gibt es bekannte Einschränkungen oder blinde Flecken in der Fingerprinting-Logik?
5. Wie wird das Tool getestet und welche Qualitätsstandards sind für Updates oder neue Funktionen vorgesehen?