Humanizer (Deutsch): KI-Texte mit Claude menschlicher machen
Humanizer (Deutsch) ist ein kostenloser Claude-Skill, der KI-Texte menschlicher macht. Ohne Python, mit 66 Schreibmustern und Faktenschutz.
KI-Texte sind oft nicht falsch. Aber sie klingen zu glatt. Jeder Absatz ist ähnlich lang, jeder zweite Übergang heißt „darüber hinaus“, und am Ende steht ein Fazit, das niemand bestellt hat.
Der Humanizer (Deutsch) ist ein kostenloser Open-Source-Skill für Claude Code und Codex. Er findet typische deutsche KI-Schreibmuster und redigiert die auffälligen Stellen. Zahlen, Namen, Quellen und Zitate bleiben geschützt. Auch einen Entwurf aus ChatGPT kannst du einfach an Claude oder Codex übergeben und dort überarbeiten lassen.
Die Basis funktioniert ohne Python, spaCy oder andere Zusatzprogramme. Du installierst den Skill, nennst Textsorte und Ton und prüfst anschließend das Ergebnis. Weiter unten findest du außerdem den vollständigen Katalog der 66 KI-Muster in 10 Kategorien.
Direkt loslegen
Humanizer (Deutsch) auf GitHub öffnen — kostenlos, MIT-lizenziert und für Claude Code sowie Codex verfügbar.
Wenn du neu bei Skills bist, springe direkt zur Installation. Dort stehen der empfohlene Weg, ein Windows-Hinweis und ein Prompt, mit dem deine KI die Installation für dich übernehmen kann.
Wie der Humanizer KI-Texte menschlicher macht
Der Skill ersetzt nicht bloß Wörter. Er prüft Sprache, Struktur, Rhythmus und Belege im Zusammenhang.
| Vorher | Nachher |
|---|---|
| „Darüber hinaus ist es von entscheidender Bedeutung, innovative Lösungen nahtlos zu implementieren.“ | „Außerdem müssen wir neue Lösungen reibungslos einführen.“ |
Das Beispiel wird kürzer und direkter, ohne eine neue Aussage einzubauen. Genau diese Grenze ist wichtig: Der Humanizer soll einen brauchbaren Entwurf redigieren, nicht fehlende Substanz erfinden.
Er arbeitet mit 66 dokumentierten deutschen Mustern. Dazu gehören mechanische Übergänge, monotone Satzfolgen, vage Autoritäten, falsche Quellenformate und erfundene Ich-Erfahrungen. Eine Gegenprüfung schützt Stellen, die bereits sauber sind. Braucht dein Text nur zwei kleine Eingriffe, bleibt es bei zwei kleinen Eingriffen.
Drei Modi passen die Bearbeitung an den Text an:
| Modus | Geeignet für | Eingriff |
|---|---|---|
| Locker | Blogposts, Social Media, Newsletter | mehr Persönlichkeit und bewegterer Rhythmus |
| Sachlich | E-Mails, Websites, Produkttexte | KI-Muster entfernen, neutralen Ton halten |
| Formal | Wissenschaft, Recht, Fachdokumentation | zurückhaltend redigieren, Struktur schützen |
Wenn du keinen Modus nennst, arbeitet der Skill sachlich. Bei einem Blogtext ist „Locker“ oft der bessere Start.
Typisch bekommst du:
- den gewählten Modus
- die wichtigsten gefundenen Muster
- den überarbeiteten Text
- einen kurzen Check zu Ton, Qualität und Fakten
Wenn du eine Datei übergibst und Änderungen verlangst, editiert der Skill die Datei direkt und fasst die Änderungen kurz zusammen.
Humanizer-Skill installieren
Für den Basis-Skill brauchst du weder Python noch spaCy. Installiert werden Anweisungen, Referenzen und optionale Prüfskripte. Diese Dateien starten nichts von selbst und installieren keine weiteren Programme.
Meine Empfehlung als Autor
Der Humanizer funktioniert auch ohne Python. Für die besten Ergebnisse empfehle ich trotzdem die vollständige Einrichtung mit den optionalen Prüfwerkzeugen. Sie machen insbesondere Rhythmus-, Register-, Unicode- und Grenzfallprüfungen genauer und reproduzierbarer. In dieser Konfiguration ist Humanizer (Deutsch) für mich das beste kostenlose Werkzeug für deutsche KI-Texte, das ich kenne.
Claude Code
Gib diese drei Befehle nacheinander in einer laufenden Claude-Code-Sitzung ein, nicht im normalen Terminal:
/plugin marketplace add marmbiz/humanizer-de
/plugin install humanizer-de@humanizer-de
/reload-pluginsDer erste Befehl fügt den Marketplace hinzu, der zweite installiert den Humanizer. Der dritte lädt das Plugin in der laufenden Sitzung. Alternativ kannst du Claude Code neu starten.
Das funktioniert unter Windows genauso. Die Befehle laufen in Claude Code; du musst dafür weder einen Python-Pfad einrichten noch WSL installieren.
Codex
Führe im Terminal aus:
codex plugin marketplace add marmbiz/humanizer-deÖffne danach in Codex /plugins, wähle den Marketplace Humanizer DE und installiere humanizer-de. Starte anschließend eine neue Sitzung; erst dort stehen die mitgelieferten Skills zur Verfügung.
Du möchtest die Installation deiner KI überlassen?
Kopiere diesen Auftrag in Claude Code oder Codex:
Installiere den Humanizer (Deutsch) aus
https://github.com/marmbiz/humanizer-de.
Nutze den empfohlenen Plugin-Weg für meine Plattform.
Installiere keine Zusatzprogramme oder Python-Pakete ohne meine Zustimmung.
Prüfe danach mit dem Test aus der README, ob der Skill wirklich aktiv ist,
und erkläre mir kurz, was installiert wurde.Manuelle Wege und Updates sind in der README auf GitHub beschrieben. Für den Einstieg ist das Plugin einfacher.
So benutzt du den Humanizer
Nach der Installation reicht eine normale Anweisung. Ein besonderer Slash-Befehl ist nicht nötig:
Humanisiere diesen Text im Modus Sachlich:
[Text einfügen]Für einen Blogpost kannst du mehr Kontext geben:
Überarbeite diesen Blogtext mit dem Humanizer im Modus Locker.
Zielgruppe: Menschen ohne technisches Vorwissen.
Behalte alle Fakten, Links und Zitate unverändert:
[Text einfügen]Auch ChatGPT-Texte lassen sich so menschlicher schreiben: Kopiere den Entwurf nach Claude Code oder Codex und gib Zielgruppe, Textsorte und gewünschten Ton an. Je besser diese drei Angaben sind, desto weniger muss der Skill raten.
Deine Regeln, nie deine Texte
Auf Wunsch speichert der Humanizer wiederkehrende Stilregeln in einer lesbaren Datei namens .humanizer/profile.json direkt im Projekt. Dort kann zum Beispiel stehen, dass deine Sätze kurz bleiben oder bestimmte Formulierungen vermieden werden sollen.
Gespeichert werden Regeln und Messkorridore, keine Textauszüge. Das Profil ist optional, lokal und jederzeit löschbar. Für einen Lauf ohne persönliche Vorgaben lässt es sich abschalten.
Warum deutsche KI-Texte anders sind
Viele KI-Detektor-Tools und Schreib-Guides sind auf Englisch ausgerichtet. Deutsche Texte haben jedoch eigene Stolperstellen.
Zum Beispiel:
- Partizip-I-Konstruktionen wie „gewährleistend“ oder „hervorhebend“ wirken im Deutschen schnell übersetzt.
- Gehäufte Gedankenstriche übernehmen oft Aufgaben, für die ein Punkt, Komma oder Doppelpunkt besser passt.
- Ein einzelnes „darüber hinaus“ ist unauffällig. Mehrfach am Absatzanfang klingt es mechanisch.
Die deutsche Wikipedia hat dafür eine eigene Dokumentation erstellt. Die englische Wikipedia hat eine vergleichbare Seite. Der Humanizer nutzt beide als Grundlage.
Die 66 KI-Muster in 10 Kategorien
Jedes Muster hat ein Severity-Ranking: HIGH (besonders kritisch), MEDIUM (kontextabhängig) oder LOW (erst in der Häufung auffällig). Das Ranking bewertet die Fundstelle, nicht die Autorschaft des gesamten Textes.
1. Sprache und Tonfall (18 Muster)
| Muster | Schwere | Beispiel |
|---|---|---|
| Symbolik-Überladung | HIGH | „steht als Zeugnis für“ |
| Werbesprache | HIGH | „atemberaubend“, „einzigartig“ |
| Meta-Kommentare | HIGH | „Es ist wichtig zu bemerken“ |
| Mechanische Konjunktionen | HIGH | „Darüber hinaus“, „Ferner“ |
| Abschnitts-Zusammenfassungen | HIGH | „Insgesamt“, „Zusammenfassend“ |
| Partizip-I-Konstruktionen | HIGH | „gewährleistend“, „hervorhebend“ |
| Vage Autoritäten | HIGH | „Experten sagen“, „Studien zeigen“ |
| Unpassendes „Fazit“ | MEDIUM | Fazit-Überschrift wo keine hingehört |
| Zu perfekte Schlussfolgerungen | MEDIUM | „Trotz X steht Y vor Z“ |
| Negative Parallelismen | MEDIUM | „nicht nur... sondern auch“, abgehackte Fragmente wie „kein Raten.“, „keine Kompromisse.“ |
| Trikolon-Überbenutzung | MEDIUM | Dreiergruppen ohne echten Grund |
| Falsche Erweiterungen | MEDIUM | „von traditionellen bis modernen“ |
| Abstrakta-Stapel | MEDIUM | „verschiedene Maßnahmen“, „zentrale Aspekte“ statt der konkreten Sache |
| Synonym-Rotation | MEDIUM | „die Hansestadt“, „die Elbmetropole“ für denselben Referenten |
| Modalpartikel-Anomalie | LOW | Nähe-Register ganz ohne „ja“, „eben“, „wohl“ – oder völlig überdosiert |
| KI-Marker-Vokabular | MEDIUM | „beleuchten“, „eintauchen“, „spannend“, „die digitale Landschaft“ in Häufung |
| Kopula-Vermeidung | MEDIUM | „fungiert als“, „verfügt über“, „stellt dar“ statt schlichtem „ist“/„hat“ |
| Fake-Analyse-Anhang | MEDIUM | „…was X unterstreicht/belegt/verdeutlicht“ – Relativsatz ohne neue Information |
Vorher (KI):
Die atemberaubende Stadt mit ihrem reichen kulturellen Erbe steht als Zeugnis für die künstlerische Brillanz vergangener Generationen.
Nachher (Mensch):
Die Stadt hat eine lange Geschichte. Ihre Denkmäler zeigen die Handwerkskunst des Mittelalters.
Der Unterschied: weniger Adjektive, mehr Substanz.
2. Stil (4 Muster)
| Muster | Schwere | Warum es KI verrät |
|---|---|---|
| Übermäßige Fettschrift | MEDIUM | KI macht alles wichtig |
| Falsche Listen | LOW | Bullet-Points wo keine hingehören |
| Emojis vor Überschriften | LOW | 🎯 Ziele, 📊 Daten, 🚀 Launch |
| Gedankenstriche-Überbenutzung | MEDIUM | Ersetzungshierarchie: Punkt > Komma > Doppelpunkt > Semikolon > Klammer > Umschreiben. Erkennt gepaarte Einschübe und Dash-Varianten (–, —, --) |
3. Kommunikation (6 Muster)
Chatbot-Reste, die in Fachtexten nichts verloren haben:
| Muster | Schwere | Beispiel |
|---|---|---|
| Briefartiges Schreiben | HIGH | „Betreff:“, „Mit freundlichen Grüßen“ |
| Kollaborative Kommunikation | HIGH | „Ich hoffe, das hilft!“ |
| Hinweise auf Wissensgrenzen | HIGH | „Stand Januar 2024...“ |
| Prompt-Ablehnung | HIGH | „Als KI-Modell kann ich nicht...“ |
| Platzhaltertext | HIGH | „[Name einfügen]“ |
| Links zu Suchanfragen | HIGH | Google-Suchen statt echten Quellen |
4. Auszeichnungstext (6 Muster)
Technische Fehler, die KI macht:
- Markdown statt Wikitext (MEDIUM)
- Fehlerhafter Wikitext und KI-Artefakte wie oaicite-Tags, contentReference-Spans, turn0search0-Referenzen (MEDIUM)
- Defekte Links (MEDIUM)
- Zitatfabrikation: erfundene DOIs, halluzinierte Publikationen, nicht-existente Journals, utm_source-Parameter (HIGH)
- Inkorrekte Referenzen-Formate (MEDIUM)
- Falsche Kategorien (MEDIUM)
5. Verschiedenes (3 Muster)
- Abrupte Abbrüche, also Text endet mitten im Satz (LOW)
- Stilwechsel: plötzlich formal, dann wieder locker (MEDIUM)
- Ich-Form in Metadaten: „Ich habe diesen Artikel verbessert“ (LOW)
6. Rhetorik und Struktur (11 Muster)
| Muster | Schwere | Beispiel |
|---|---|---|
| Persuasive Autoritäts-Floskeln | MEDIUM | „Im Kern“, „In Wirklichkeit“, „Die eigentliche Frage ist“ |
| Signposting | MEDIUM | „Schauen wir uns an“, „Hier ist, was Sie wissen müssen“ |
| Fragmentierte Überschriften | LOW | Generischer Einzeiler direkt nach einer Überschrift |
| Rhetorische Fragen als Fake-Engagement | MEDIUM | „Aber was bedeutet das?“, „Haben Sie sich jemals gefragt?“ |
| Universelle Menschheitserfahrungs-Eröffnung | MEDIUM | „Seit jeher“, „Seit Anbeginn der Zivilisation“ |
| „In der heutigen X-Welt“ Framing | MEDIUM | „In der heutigen digitalen Welt“, „Im Zeitalter der...“ |
| Aspirativer Unternehmensschluss | MEDIUM | „bestens aufgestellt“, „die Möglichkeiten sind grenzenlos“ |
| Diff-verankertes Schreiben | MEDIUM | „wurde jetzt ergänzt“, obwohl der Text den Ist-Zustand beschreiben sollte |
| Aphorismus-Formeln | MEDIUM | „X ist die Sprache des Y“, „X wird zur Falle“ – wohlklingende Leerformel statt konkreter Aussage |
| Isometrisches Dokument | MEDIUM | Alle Absätze 3–5 Sätze, jede Sektion gleich lang, jeder Aspekt gleich gewichtet |
| Markerloser Schließzwang | MEDIUM | Jeder Absatz endet mit einem Bewertungssatz ohne neue Information („Damit ist die Grundlage gelegt.“) |
Vorher (KI):
In der heutigen digitalen Welt ist eine starke Online-Präsenz für Unternehmen unerlässlich. Aber was bedeutet das konkret? Mit dieser Strategie ist das Unternehmen bestens aufgestellt für die Zukunft.
Nachher (Mensch):
Wer bei Google nicht auftaucht, verliert Kunden an Wettbewerber, die dort sichtbar sind. Ein gepflegtes Profil und eine schnelle Website holen die meisten davon zurück.
7. Argumentation und Evidenz (5 Muster)
| Muster | Schwere | Beispiel |
|---|---|---|
| Passivkonstruktionen und subjektlose Fragmente | MEDIUM | „wurde durchgeführt“, „Keine Konfiguration nötig.“ statt aktiver Formulierung |
| Konditional-Stapel | MEDIUM | Gehäufte „wenn/falls/sofern“-Klauseln in Schlussfolgerungen statt direkter Aussage |
| Fehlkalibriertes epistemisches Vertrauen | MEDIUM | Schwankt zwischen „grundlegend verändert“ und „könnte eventuell“ |
| Lückenfüllende Spekulation | HIGH | „hält sich bedeckt“, „vermutlich“, obwohl Quelle fehlt |
| Erfundene Ich-Erfahrung | HIGH | „Als ich letzte Woche mit einem Kunden sprach...“ – Anekdote ohne echten Träger |
LLMs verstecken den Akteur gern hinter Passiv und subjektlosen Sätzen. Gleichzeitig stapeln sie Bedingungen, wo eine direkte Aussage reichen würde. Am auffälligsten: der Wechsel zwischen Über-Behauptung („zweifellos“, „revolutionär“) und Über-Absicherung („scheint möglicherweise“) innerhalb weniger Sätze. Wenn Quellen fehlen, kommt noch ein anderes Problem dazu: Die KI schreibt nicht „nicht belegt“, sondern füllt die Lücke mit plausiblen Annahmen.
Die erfundene Ich-Erfahrung ist der Tell zweiter Ordnung: Er entsteht oft erst, wenn jemand versucht, KI-Text „menschlicher“ zu machen. Gestellte Anekdoten und forcierte Mündlichkeit („Ehrlich gesagt“, „Keine Sorge“) sind Fabrikation, kein Stilmittel. Der Humanizer erfindet deshalb beim Umschreiben selbst nie Erfahrungen – Stimme kommt nur aus der Schreibprobe oder explizit gelieferten Fakten.
8. Ergänzungen (4 Muster)
Vier weitere Muster stammen aus der Wikipedia-Leitlinie zu „Anzeichen für KI-generierte Inhalte“ und dem Schnelltest KI:
| Muster | Schwere | Beispiel |
|---|---|---|
| Beleginkongruenz | HIGH | Quelle existiert, belegt aber nicht die Aussage |
| Versteckte Unicode-Zeichen | HIGH | Zero-Width-Space (U+200B), Soft-Hyphen, BOM, Bidi-Kontrollen |
| Standard-Kapitel ohne Substanz | MEDIUM | „Zukunftsperspektiven“ + unbelegter Fülltext; nicht kürzen, sondern konkretisieren/integrieren |
| Anglizismus-Strukturen | MEDIUM | Harte Calques & False Friends: „am Ende des Tages“, „eventuell“ = „schließlich“, „aktuell“ = „tatsächlich“ |
Besonders „Beleginkongruenz“ ist tückisch: Die Quelle existiert, der DOI ist gültig, der Autor hat die Publikation geschrieben. Nur belegt das Papier die Aussage im Text nicht. Klassisches LLM-Halluzinationsmuster, das einfache Fact-Checking-Tools nicht aufspüren. False Friends wie „eventuell“ (eventually = schließlich, nicht „vielleicht“) werden beim Korrigieren unabhängig vom Modus korrigiert, weil sie semantische Fehler sind.
9. Typografie und Format (7 Muster)
Diese Kategorie erfasst Texte, die inhaltlich überzeugen, aber durch typografische Anglizismen oder dekorative Formatierung auffallen.
| Muster | Schwere | Beispiel |
|---|---|---|
| Falsche deutsche Anführungszeichen | HIGH | Deutscher Öffner mit U+201D/ASCII-Schlusszeichen statt U+201C |
| Englische Title-Case-Großschreibung | MEDIUM | „Die Zukunft Der Digitalen Transformation“ |
| Englisches Dezimal-/Datumsformat | LOW | „3.5 Prozent“, „May 12, 2026“ |
| Englischer Genitiv-Apostroph | MEDIUM | „Martin's Profil“ statt „Martins Profil“ |
| Stichpunkt-Interpunktion | LOW | Punkte auf reinen Stichwörtern, inkonsistente Listen |
| Obsessive Parataxe | MEDIUM | 4+ Hauptsätze gleicher Struktur ohne Nebensatz |
| Markdown-Struktur-Artefakte | MEDIUM | Ein-Zeilen-Tabellen, übersprungene Überschriften-Ebenen (H2→H4), Trennlinie --- direkt vor einer Überschrift |
Das Anführungszeichen-Problem ist besonders unangenehm: Claude setzt das deutsche Schlusszeichen systematisch falsch, und Prompting allein behebt das nicht zuverlässig. Der Humanizer markiert die Stellen, das eigentliche Fix gehört in einen Post-Processor oder Linter. Nicht jede schiefe Anführung ist dabei ein Tell: Ein echtes KI-Signal ist nur die Asymmetrie – ein deutsches öffnendes Anführungszeichen (U+201E) mit einem falschen oder geraden Schlusszeichen statt des korrekten U+201C. Durchgängig gerade Anführungszeichen sind dagegen meist ein Artefakt des CMS oder Editors, kein KI-Tell; durchgängig englische Anführungszeichen sind bestenfalls ein schwaches Indiz. Wer jede gerade Anführung als KI wertet, produziert Fehlalarme.
Obsessive Parataxe ist umgekehrt subtil: Jeder einzelne Satz ist korrekt, die Lesbarkeit ist hoch — aber die Monotonie verrät die Maschine. Die Lösung ist nicht „alles umschreiben“, sondern jeden dritten Satz als Satzgefüge umbauen. Ausnahme: Wenn Stakkato bewusstes Stilmittel ist (Werbung, Manifesto), greift die „Nicht anfassen“-Regel.
Vorher (KI):
Das Team Analysierte Die Daten. Die Ergebnisse waren eindeutig. Die Conversion stieg um 3.5 Prozent. Das Projekt wurde im Budget abgeschlossen.
Nachher (Mensch):
Das Team analysierte die Daten und kam zu einem eindeutigen Ergebnis: Die Conversion stieg um 3,5 Prozent, und das Projekt blieb im Budget.
10. Titel- und Satzbau (2 Muster)
Diese beiden Muster fallen fast nur in der Häufung auf. Als einzige aus dem Katalog berühren sie außerdem Größen, die statistische Detektoren messen.
| Muster | Schwere | Beispiel |
|---|---|---|
| Doppelpunkt-Titel-Schema | MEDIUM | Gehäuft „Schlagwort: erklärender Nachsatz“ in Titeln und Zwischenüberschriften |
| Gleichförmiger Satzrhythmus | MEDIUM | Sätze fast alle gleich lang, immer mit dem Subjekt zuerst |
Was sauber bleiben darf
Der Humanizer hat eine Gegenprüfung gegen Over-Editing. Nicht jedes glatte oder formal korrekte Stück Text ist ein Problem.
Diese Signale bleiben für sich genommen in Ruhe:
- fehlerfreie Grammatik und konsistenter Stil
- ein einzelner Gedankenstrich oder einzelne typografische Anführungszeichen
- trockener Ton ohne konkrete Muster
- ein einzelnes Übergangswort wie „allerdings“ oder „zudem“
- unbelegte Aussagen ohne weitere Beleg- oder Spekulationsmuster
Umgekehrt bleiben menschliche Signale erhalten: konkrete Details, uneindeutige Haltung, zeitgebundene Referenzen, echte Einschübe, Selbstkorrekturen und abwechslungsreiche Satzlängen. Der Skill hilft beim Verbessern, ohne Autorinnen und Autoren glattzubügeln.
Was ist mit KI-Detektoren?
Es gibt im Netz Tools, die einen Text scannen und eine „KI-Wahrscheinlichkeit“ ausspucken. Solche Detektoren können ein Signal sein, aber sie sind kein zuverlässiger Maßstab für Textqualität.
Viele dieser Tools schätzen vor allem zwei statistische Größen:
- Perplexity – wie vorhersagbar das nächste Wort ist. Fachlich präzise, glatte Prosa ist gut vorhersagbar und bekommt oft eine niedrige Perplexity.
- Burstiness – wie stark Satzlänge und Satzbau variieren. Sehr gleichmäßige Sätze ergeben eine niedrige Burstiness.
Die hübschen Labels solcher Tools – „mechanische Präzision“, „unpersönlicher Ton“, „roboterhafte Formalität“ – sind oft nur Übersetzungen dieser Zahlen. Ein Text kann also fachlich sauber, menschlich redigiert und trotzdem statistisch auffällig sein. Umgekehrt kann ein Text einen guten Score haben und trotzdem leer, generisch oder falsch klingen.
Deshalb optimiert der Humanizer nicht blind auf Detektorwerte. Der bessere Maßstab ist redaktionell: Klingt der Text für seine Leser natürlich? Bleiben Fakten und Quellen stabil? Passt die Anrede? Ist die Stimme klar? Gibt es echte Substanz statt glatter KI-Rhetorik?
Wenn ein Detektor-Hinweis auf ein reales Schreibproblem zeigt – zum Beispiel monotone Satzmuster, generische Übergänge oder überpolierte Formulierungen –, kann der Humanizer genau dort helfen:
- Doppelpunkt-Titel-Schema: Wenn H1, Bildunterschrift und mehrere Zwischenüberschriften alle dem Muster „Schlagwort: erklärender Nachsatz“ folgen, entsteht ein mechanischer Rhythmus.
- Gleichförmiger Satzrhythmus: Wenn fast alle Sätze gleich lang sind und mit dem Subjekt beginnen, wird der Text monoton.
- Abstrakta-Stapel: „Verschiedene Maßnahmen zur Verbesserung der Verkehrssituation“ wird stärker, wenn der Text die konkreten Maßnahmen nennt.
Diese Haltung steckt auch im Ablauf: Ein Detektor-Hinweis ist für den Humanizer Kontext, kein Auftrag. Die zweite Revisionsrunde verbessert nur dort weiter, wo echte Qualitätsprobleme bleiben, und stoppt, wenn zusätzliche Änderungen den Text eher schwächen würden.
Wofür der Humanizer gedacht ist – und wofür nicht
Der Humanizer ist ein redaktionelles Werkzeug für brauchbare KI-Entwürfe. Er hilft bei generischen Formulierungen, schwachen Übergängen, Registerproblemen, monotonem Rhythmus und belegarmen Aussagen.
Er ersetzt keine Recherche und rettet keine falschen Aussagen. Wenn eine Änderung Fakten schwächt, den Ton zerstört oder den Text bloß anders aussehen lässt, soll sie nicht passieren.
Gute deutsche Texte sind meist konkreter als ihre KI-Entwürfe: Verben statt Nominalisierungen, belastbare Details statt vager Größen und unterschiedliche Satzlängen statt eines gleichmäßigen Takts. Menschlich wird ein Text nicht durch eingebaute Fehler, sondern durch klare Entscheidungen.
Der Skill passt besonders zu:
- Content-Erstellern, die KI nutzen und trotzdem nach sich selbst klingen wollen
- Marketing-Teams mit Blogposts, Landingpages, Newslettern oder Social-Media-Texten
- Fachtexten, bei denen Zahlen, Quellen, Aussagen und Ton stabil bleiben müssen
- Redaktionen, die eingereichte Texte auf typische KI-Muster prüfen
Der beste Maßstab ist kein Detektorwert. Entscheidend ist, ob der Text für echte Leser funktioniert und seine Fakten behält.
Open Source und kostenlos
Der Humanizer ist MIT-lizenziert. Du kannst ihn kostenlos nutzen, kopieren und verändern.
Entstanden ist das Projekt 2026 als deutsche Adaption des englischen Humanizers. Inzwischen hat es ein eigenes Versionsschema, deutsche Muster, deterministische Prüfskripte und eine Testsuite. Rund die Hälfte der 66 Muster hat kein direktes Pendant im englischen Original.
Grundlagen sind die deutsche Wikipedia-Analyse, die englische Wikipedia-Analyse und der englische Humanizer von blader.
Die aktuelle Version, technische Details und die vollständige Release-Historie findest du im GitHub-Repository.
Häufige Fragen
Wie bringe ich Claude dazu, menschlicher zu schreiben?
Installiere den Skill wie oben beschrieben und gib Claude Code anschließend einen normalen Auftrag, zum Beispiel: „Humanisiere diesen Text im Modus Sachlich.“ Der Humanizer prüft den Entwurf anhand der 66 deutschen Muster und redigiert nur die auffälligen Stellen.
Kann ich damit auch ChatGPT-Texte umschreiben?
Ja. Kopiere den ChatGPT-Entwurf nach Claude Code oder Codex und nenne Zielgruppe, Textsorte und Ton. Der Skill wird nicht in ChatGPT selbst installiert; er bearbeitet den dort erzeugten Text in der unterstützten Umgebung.
Brauche ich Python, spaCy oder andere Zusatzprogramme?
Nein. Der Basis-Skill funktioniert ohne Python und installiert keine Zusatzsoftware. Python, spaCy, LanguageTool und ähnliche Werkzeuge sind optional und nur für zusätzliche lokale Prüfungen gedacht.
Funktioniert die Installation unter Windows?
Ja, wenn Claude Code oder Codex auf deinem Windows-Rechner läuft. Für den empfohlenen Plugin-Weg verwendest du dieselben Befehle wie oben. WSL und Python sind dafür nicht erforderlich.
Kann meine KI den Skill für mich installieren?
Ja. Nutze den Installationsauftrag weiter oben. Darin steht ausdrücklich, dass keine Zusatzprogramme ohne deine Zustimmung installiert werden dürfen und dass die KI anschließend die Aktivierung prüfen soll.
Funktioniert der Humanizer auch mit Codex oder Gemini?
Codex wird über ein eigenes Plugin unterstützt. Für Gemini gibt es keinen getesteten Installationsweg. Der Musterkatalog liegt jedoch als Markdown im Repository und lässt sich als Referenz verwenden.
Kann ich damit KI-Texte erkennen?
Der Humanizer erkennt keine Autorschaft und gibt keine prozentuale KI-Wahrscheinlichkeit aus. Er findet Spuren: wiederkehrende Formulierungen, monotone Satzrhythmen, typografische Artefakte, vage Belege oder überpolierte Schlussfiguren.
Ein Fund bedeutet deshalb nicht: „Dieser Text wurde sicher von KI geschrieben.“ Er bedeutet: „Diese Stelle sollte redaktionell geprüft werden.“ Auch Übersetzungen, Fachsprache oder CMS-Probleme können ähnliche Spuren erzeugen.
Weiterlesen im Lab
- AI Overviews stehlen Klicks: So funktioniert GEO: was KI-Antworten mit der Sichtbarkeit von Inhalten machen.
- Verständnis steuern mit Schema und llms.txt: wie LLMs die eigene Website lesen und was sich davon steuern lässt.
- Profil: wer hinter dem Humanizer steckt.
Die Ironie ist mir bewusst: Dieser Artikel wurde mit KI-Unterstützung geschrieben. Aber er wurde auch mit dem Humanizer überarbeitet. Die finale Entscheidung traf ein Mensch.