diff --git a/app/core/ingestion/ingestion_utils.py b/app/core/ingestion/ingestion_utils.py
index f8af8ff..74cb1e6 100644
--- a/app/core/ingestion/ingestion_utils.py
+++ b/app/core/ingestion/ingestion_utils.py
@@ -1,37 +1,49 @@
 """
 FILE: app/core/ingestion/ingestion_utils.py
 DESCRIPTION: Hilfswerkzeuge für JSON-Recovery, Typ-Registry und Konfigurations-Lookups.
-             AUDIT v2.13.7: Dynamisierung von Cleanup-Patterns und Default-Typen (WP-14).
+             AUDIT v2.13.8: Zentralisierung der Text-Bereinigung für LLM-Antworten.
 """
 import os
 import json
 import re
 import yaml
-from typing import Any, Optional, Dict
+from typing import Any, Optional, Dict, List
 
-def extract_json_from_response(text: str, registry: Optional[dict] = None) -> Any:
+def clean_llm_text(text: str, registry: Optional[dict] = None) -> str:
     """
-    Extrahiert JSON-Daten und bereinigt LLM-Steuerzeichen (v2.11.14 Logic).
-    WP-14: Nutzt nun dynamische cleanup_patterns aus der Registry.
+    Entfernt LLM-Steuerzeichen und Artefakte aus einem Text.
+    Nutzt die cleanup_patterns aus der Registry oder Standardwerte.
     """
-    if not text or not isinstance(text, str): 
-        return []
-    
-    # Fallback-Patterns für die Bereinigung
-    patterns = ["<s>", "</s>", "[OUT]", "[/OUT]"]
+    if not text or not isinstance(text, str):
+        return ""
+
+    # Fallback-Patterns, falls die Registry nicht greift
+    default_patterns = ["<s>", "</s>", "[OUT]", "[/OUT]"]
     
     # Falls keine Registry übergeben wurde, versuchen wir sie zu laden
     reg = registry or load_type_registry()
-    if reg:
-        # Lade Patterns aus llm_settings (WP-14 Erweiterung)
-        patterns = reg.get("llm_settings", {}).get("cleanup_patterns", patterns)
+    
+    # Lade Patterns aus llm_settings (WP-14 Erweiterung)
+    patterns: List[str] = reg.get("llm_settings", {}).get("cleanup_patterns", default_patterns)
     
     clean = text
     for p in patterns:
         clean = clean.replace(p, "")
     
-    clean = clean.strip()
+    return clean.strip()
+
+def extract_json_from_response(text: str, registry: Optional[dict] = None) -> Any:
+    """
+    Extrahiert JSON-Daten und bereinigt LLM-Steuerzeichen.
+    WP-14: Nutzt nun die zentrale clean_llm_text Funktion.
+    """
+    if not text: 
+        return []
     
+    # 1. Text zentral bereinigen
+    clean = clean_llm_text(text, registry)
+    
+    # 2. Markdown-Code-Blöcke extrahieren
     match = re.search(r"```(?:json)?\s*(.*?)\s*```", clean, re.DOTALL)
     payload = match.group(1) if match else clean
     
diff --git a/app/services/llm_service.py b/app/services/llm_service.py
index 17ecea6..b5ce923 100644
--- a/app/services/llm_service.py
+++ b/app/services/llm_service.py
@@ -6,12 +6,11 @@ DESCRIPTION: Hybrid-Client für Ollama, Google GenAI (Gemini) und OpenRouter.
              WP-20 Fix: Bulletproof Prompt-Auflösung für format() Aufrufe.
              WP-22/JSON: Optionales JSON-Schema + strict (für OpenRouter structured outputs).
              FIX: Intelligente Rate-Limit Erkennung (429 Handling), v1-API Sync & Timeouts.
-VERSION: 3.3.7
+VERSION: 3.3.8
 STATUS: Active
 FIX: 
-- Implementiert striktes max_retries Handling für alle Provider (v.a. für Chat-Stabilität).
-- Synchronisiert Rate-Limit Retries mit dem max_retries Parameter.
-- Optimiert Logging für sofortige Fehlererkennung.
+- Integriert clean_llm_text zur Entfernung von Steuerzeichen (<s>, [OUT] etc.) in Antworten.
+- Stellt sicher, dass Chat-Antworten sauber formatiert ausgegeben werden.
 """
 import httpx
 import yaml
@@ -25,6 +24,9 @@ from pathlib import Path
 from typing import Optional, Dict, Any, Literal
 from app.config import get_settings
 
+# Import der zentralen Bereinigungs-Logik (WP-14 Fix)
+from app.core.ingestion.ingestion_utils import clean_llm_text
+
 logger = logging.getLogger(__name__)
 
 
@@ -119,22 +121,26 @@ class LLMService:
     ) -> str:
         """
         Haupteinstiegspunkt für LLM-Anfragen mit Priorisierung.
+        Wendet die Bereinigung auf Text-Antworten an.
         """
         target_provider = provider or self.settings.MINDNET_LLM_PROVIDER
 
         if priority == "background":
             async with LLMService._background_semaphore:
-                return await self._dispatch(
+                res = await self._dispatch(
                     target_provider, prompt, system, force_json,
                     max_retries, base_delay, model_override,
                     json_schema, json_schema_name, strict_json_schema
                 )
+                # WP-14 Fix: Bereinige Text-Antworten vor Rückgabe
+                return clean_llm_text(res) if not force_json else res
 
-        return await self._dispatch(
+        res = await self._dispatch(
             target_provider, prompt, system, force_json,
             max_retries, base_delay, model_override,
             json_schema, json_schema_name, strict_json_schema
         )
+        return clean_llm_text(res) if not force_json else res
 
     async def _dispatch(
         self,
@@ -206,6 +212,7 @@ class LLMService:
         
         config = types.GenerateContentConfig(
             system_instruction=system,
+            # WICHTIG: Gemini 1.5+ unterstützt response_mime_type nativ
             response_mime_type="application/json" if force_json else "text/plain"
         )
         response = await asyncio.wait_for(
@@ -297,6 +304,7 @@ class LLMService:
         final_prompt = rag_template.format(context_str=context_str, query=query)
 
         # RAG Aufrufe im Chat nutzen nun standardmäßig max_retries=2 (überschreibbar)
+        # Durch den Aufruf von generate_raw_response wird die Bereinigung automatisch angewendet.
         return await self.generate_raw_response(
             final_prompt,
             system=system_prompt,