Skip to content

marmbiz/humanizer-de

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

5 Commits
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Humanizer (Deutsch)

KI-Schreibmuster erkennen und entfernen. Für deutschsprachige Texte.

Version: 2.3.0-de.1

Autor: Martin Moeller | www.martin-moeller.biz

Basiert auf: Anzeichen für KI-generierte Inhalte der Deutschen Wikipedia + Signs of AI writing der englischen Wikipedia Original Skill: Humanizer von blader


Was ist das?

Dieses Skill erkennt Schreibmuster, die typisch für KI-Sprachmodelle sind – und hilft Ihnen, sie zu entfernen.

Das Ergebnis ist nicht sterile Korrektur. Es ist Überarbeitung, die Ihrem Text echte deutsche Stimme gibt. Gutes Schreiben darf Ecken haben – es sollte sogar welche haben.

Das Skill folgt deutschen Schreibkonventionen und den Prinzipien von EEAT (Expertise, Erfahrung, Autorität, Vertrauenswürdigkeit).


Installation

Option 1: Verzeichnis kopieren

  1. Kopieren Sie alle Dateien aus diesem Ordner nach ~/.codex/skills/humanizer-de/
  2. Starten Sie Claude Code neu oder laden Sie die Skills neu

Option 2: Symbolic Link (Linux/Mac)

ln -s /Users/mm/Local\ Sites/humanizer ~/.codex/skills/humanizer-de

Dann Claude Code neu starten.


Benutzung

Mit Slash-Kommando

/humanizer

Das Skill wartet dann auf Ihren Text zum Humanisieren.

Mit natürlicher Sprache

Humanisiere diesen Text für mich

oder

Entferne KI-Muster aus diesem Absatz

Spezifische Muster adressieren

/humanizer fokus: sprache

Entferne nur sprachliche Muster, nicht die Formatierung

Was das Skill erkennt

Das Skill analysiert 34 verschiedene KI-Schreibmuster in 6 Kategorien, priorisiert nach Schweregrad (HIGH / MEDIUM / LOW):

Was ist neu?

2.3.0-de.1 (aktuell)

  • 3 neue Muster aus Upstream-PR #39 adaptiert: Persuasive Autoritäts-Floskeln, Signposting, Fragmentierte Überschriften
  • Severity-Ranking (HIGH / MEDIUM / LOW) für alle 34 Muster eingeführt (inspiriert von Upstream-PR #51)
  • Modus-System: Locker / Sachlich / Formal – steuert, wie aggressiv korrigiert wird
  • "Nicht anfassen"-Regeln und Leitplanken hinzugefügt
  • Kurzreferenz-Tabelle für schnelles Scannen
  • Unnötige Trennlinien (---) entfernt

Seit 1.0.0

  • Upstream v2.2.0 eingearbeitet, zweiter Anti-KI-Audit-Durchlauf
  • DACH-Schreibfokus und deutsche Stilkonventionen beibehalten
  • Deutsche Wikipedia als primäre Referenz plus englische Wikipedia als Ergänzung

34 Muster in 6 Kategorien

Sprache und Tonfall (12 Muster)

# Muster Schwere
1 Übermäßige Betonung von Symbolik ("steht als Zeugnis") HIGH
2 Werbesprache und Superlative ("atemberaubend") HIGH
3 Redaktionelle Kommentare ("es ist wichtig zu bemerken") HIGH
4 Mechanische Konjunktionen ("darüber hinaus", "außerdem") HIGH
5 Abschnitts-Zusammenfassungen ("insgesamt") HIGH
6 Unpassendes "Fazit" MEDIUM
7 Zu perfekte Schlussfolgerungen MEDIUM
8 Negative Parallelismen ("nicht nur... sondern auch") MEDIUM
9 Trikolon-Überbenutzung (Regel der Drei) MEDIUM
10 Oberflächliche Partizip-I-Konstruktionen HIGH
11 Vage Autoritäten ("Branchenberichte zeigen") HIGH
12 Falsche Erweiterungen ("von... bis") MEDIUM

Stil (4 Muster)

# Muster Schwere
13 Übermäßige Fettschrift MEDIUM
14 Falsche Listen-Formatierung LOW
15 Emojis vor Überschriften LOW
16 Gedankenstriche-Überbenutzung (Anglizismus) MEDIUM

Kommunikation (6 Muster)

# Muster Schwere
17 Briefartiges Schreiben HIGH
18 Kollaborative Kommunikation ("Ich hoffe, das hilft") HIGH
19 Hinweise auf Wissensgrenzen ("Stand Datum") HIGH
20 Prompt-Ablehnung ("Als KI kann ich nicht...") HIGH
21 Platzhaltertext ("[Name einfügen]") HIGH
22 Links zu Suchanfragen statt Referenzen HIGH

Auszeichnungstext (6 Muster)

# Muster Schwere
23 Markdown statt Wikitext MEDIUM
24 Fehlerhafter Wikitext MEDIUM
25 Defekte Links MEDIUM
26 Ungültige DOI/ISBNs MEDIUM
27 Inkorrekte Referenzen-Formate MEDIUM
28 Falsche Kategorien MEDIUM

Verschiedenes (3 Muster)

# Muster Schwere
29 Abrupte Abbrüche LOW
30 Wechsel im Schreibstil MEDIUM
31 Bearbeitungszusammenfassungen in Ich-Form LOW

Rhetorik und Struktur (3 Muster) — NEU

# Muster Schwere
32 Persuasive Autoritäts-Floskeln ("Im Kern", "In Wirklichkeit") MEDIUM
33 Signposting und Ankündigungen ("Schauen wir uns an") MEDIUM
34 Fragmentierte Überschriften (generischer Einzeiler nach Heading) LOW

Beispiele

Beispiel 1: Werbesprache

Vorher:

Die atemberaubende Stadt mit ihrem reichen kulturellen Erbe zieht Besucher
aus aller Welt an. Die spektakulären Denkmäler sind ein Beweis für die
künstlerische Brillanz vergangener Generationen.

Nachher:

Die Stadt zieht Besucher aus aller Welt an. Ihre Denkmäler zeigen die
Handwerkskunst vergangener Generationen.

Beispiel 2: Redaktionelle Kommentare

Vorher:

Es ist wichtig zu bemerken, dass die Bevölkerung zwischen 1950 und 2000
um 40 Prozent gewachsen ist. Darüber hinaus ist die Stadtfläche um 60
Prozent erweitert worden.

Nachher:

Die Bevölkerung wuchs zwischen 1950 und 2000 um 40 Prozent. Die
Stadtfläche wurde um 60 Prozent erweitert.

Beispiel 3: Maschinelle Konjunktionen

Vorher:

Das Unternehmen wurde 1980 gegründet. Darüber hinaus beschäftigt es heute
200 Mitarbeiter. Ferner ist es in 8 Ländern tätig. Außerdem hat es einen
Umsatz von 50 Millionen Euro.

Nachher:

Das Unternehmen wurde 1980 gegründet. Es beschäftigt heute 200 Mitarbeiter
in 8 Ländern mit einem Umsatz von 50 Millionen Euro.

Beispiel 4: Kollaborative Kommunikation

Vorher:

Wie Sie sehen können, war die Produktivität beeindruckend. Der
Umsatz verdreifachte sich. Lassen Sie mich wissen, wenn Sie weitere
Informationen benötigen!

Nachher:

Die Produktivität war bemerkenswert. Der Umsatz verdreifachte sich in
diesem Zeitraum.

Philosophie

EEAT Principles

Das Skill unterstützt die Prinzipien von EEAT:

  • Expertise: Der Text sollte von jemandem stammen, der das Thema kennt
  • Erfahrung: Praktische Erfahrung sollte durchscheinen, nicht Theorie allein
  • Autorität: Der Ton sollte kompetent und vertrauenswürdig sein
  • Vertrauenswürdigkeit: Der Text sollte ehrlich und nachvollziehbar sein

KI-generierte Texte brechen diese Prinzipien oft durch zu perfekte Struktur und fehlende persönliche Perspektive.

Authentisches Deutsches Schreiben

Gutes deutsches Schreiben hat Eigenschaften, die LLMs oft übersehen:

  • Direktheit statt Metapher: "Die Stadt ist groß" statt "Die Stadt steht als Zeugnis der menschlichen Ambition"
  • Konkrete Details statt Abstraktion: "50.000 Einwohner" statt "eine beachtliche Bevölkerung"
  • Verben statt Nominalisierung: "Die Wirtschaft wächst" statt "Das Wirtschaftswachstum ist evident"
  • Einfachheit statt Komplexität: Kurze Sätze statt Schachtelsätze
  • Variabilität statt Muster: Verschiedene Satzstrukturen statt wiederholter Muster

Wann ist das Skill hilfreich?

Verwenden Sie es, wenn:

  • Sie verdächtigen, dass Text von einem KI-Modell stammt
  • Sie Wikipedia-Artikel überarbeiten
  • Ihr Text zu "glatt" oder zu "perfekt" klingt
  • Sie eigene KI-generierte Outputs verfeinern möchten
  • Sie schnelle Erste-Sicht-Überprüfung brauchen

Nicht verwenden, wenn:

  • Sie einen Text von einem erfahrenen menschlichen Autor überprüfen
  • Sie sehr subtile KI-Muster erwarten
  • Der Text bewusst literarisch oder rhetorisch sein soll
  • Sie nicht sicher sind, ob eine Änderung wirklich nötig ist

Tipps zur Nutzung

Iterativ arbeiten

Mehrere Durchläufe führen oft zu besseren Ergebnissen als ein einzelner:

  1. Erstes Durchlaufen – groß sichtbare Probleme
  2. Zweites Durchlaufen – subtilere Muster
  3. Drittes Durchlaufen – Feinschliff

Mit anderen Tools kombinieren

Das Skill funktioniert gut mit:

  • Linters für Formatierung
  • Spellcheck für Tippfehler
  • Style Guides für Konsistenz
  • Human Review für Kontext und Nuancen

Kontext verstehen

Das beste Ergebnis kommt, wenn Sie:

  • Dem Skill sagen, wer die Zielgruppe ist
  • Den Kontext erklären (Wikipedia? Blog? Akademischer Artikel?)
  • Erwarteter Tonfall klarstellen

Limitationen

Das Skill funktioniert am besten bei:

  • Offensichtlich KI-generiertem Text
  • Englischem Training-Material-Effekten in deutschem Text
  • Wikipedia-artigen Artikeln

Das Skill funktioniert weniger gut bei:

  • Sehr subtilen KI-Mustern
  • Etablierten Autoren mit konsistenter Stimme
  • Bewusst literarischem oder akademischem Schreiben
  • Handwritten Text mit echten Fehlern

Datenschutz & Sicherheit

Alle Texte, die Sie diesem Skill übergeben, werden:

  • Nur in Ihrer lokalen Claude Code Umgebung verarbeitet
  • Nicht an externe Server gesendet
  • Nach der Sitzung nicht gespeichert (sofern Sie dies nicht tun)

Feedback & Beitrag

Haben Sie ein Problem gefunden oder eine Verbesserung?

  • Bugs melden: Erstellen Sie ein Issue im Repository
  • Muster hinzufügen: Senden Sie einen Pull Request
  • Feedback geben: Diskutieren Sie in den Discussions

Verwandte Ressourcen


Versionshistorie

  • 2.3.0-de.1 - 3 neue Muster (PR #39: Persuasive Floskeln, Signposting, Fragmentierte Überschriften); Severity-Ranking und Modus-System (PR #51); Quick-Reference-Tabelle (PR #52); Trennlinien entfernt (PR #57)
  • 2.2.0-de.2 - Gegen Upstream main (d8085c7, 2026-02-21) validiert; Ausgabe-Beispiel im SKILL auf Entwurf -> Audit -> Final konsistent gemacht; deutsche Besonderheiten explizit verifiziert
  • 2.2.0-de.1 - Upstream v2.2.0 eingearbeitet, zweiter Anti-KI-Audit-Durchlauf eingeführt (Entwurf -> Audit -> Final)
  • 1.0.0 - Initiale deutsche Version mit 31 Mustern auf Basis der deutschen Wikipedia

Attribution

Dieses Skill basiert auf:

Deutsche Version: Martin Moeller (www.martin-moeller.biz)


Lizenz

MIT License - Frei nutzbar, modifizierbar und verteilbar.

Basiert auf dem Original Humanizer (MIT) und Wikipedia: Anzeichen für KI-generierte Inhalte (CC BY-SA 4.0).


Viel Erfolg beim Humanisieren!

Schaffen Sie Texte mit echter deutscher Stimme.

About

German version of Humanizer - KI-Schreibmuster erkennen und entfernen (31 patterns)

Resources

License

Stars

Watchers

Forks

Packages

 
 
 

Contributors