Humanizer (Deutsch): KI-Texte mit Claude menschlicher machen

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, Codex und Claude im Browser. Ein Skill ist ein Paket aus Anweisungen, das die KI bei Bedarf lädt. Dieser hier redigiert deutsche Entwürfe: Er findet typische KI-Schreibmuster und fasst nur die auffälligen Stellen an. Zahlen, Namen und Zitate bleiben stehen. Eine menschliche Endkontrolle vor der Veröffentlichung bleibt trotzdem nötig.

In diesem Artikel geht es weniger um die Bedienung als um die Gründe hinter den Regeln. Viele stammen aus Messungen, Fehlalarmen und einem Werkzeug, das nach einem Tag wieder verschwand. Die Installation steht weiter unten, den vollständigen Katalog findest du unter 72 KI-Muster in 10 Kategorien.

Wie der Humanizer KI-Texte menschlicher macht

Der Humanizer ist ein Edit-Pass für vorhandenen Text, kein Textgenerator. Ein Beispiel:

Hier erkennt der Skill vier Dinge: einen mechanischen Übergang („Darüber hinaus“), eine Wichtigkeitsfloskel („von entscheidender Bedeutung“), KI-Lieblingswörter („innovative Lösungen“, „nahtlos“) und ein aus dem Englischen übernommenes Verb („implementieren“, wo „einführen“ reicht).

Danach ist der Satz kürzer, aber nicht klüger. Das ist Absicht. Wo der Ausgangssatz keine Aussage hergibt, erfindet der Skill keine. Findet er nichts, was eine Bearbeitung lohnt, lässt er den Text in Ruhe und meldet einen Null-Edit.

Du wählst einen von drei Modi: Locker für Blog, Social Media und Newsletter, Sachlich für Website, E-Mail und Dokumentation, Formal für Wissenschaft, Recht und Fachtext. Ohne Angabe arbeitet er sachlich. Zurück bekommst du standardmäßig nur die geänderten Stellen als Vorher/Nachher-Paare, einen Kurzcheck und einen Block zu den Belegen. Den vollständigen Text gibt es auf Wunsch. Übergibst du eine Datei, ändert der Skill sie direkt.

Warum deutsche KI-Texte eigene Muster haben

Viele Leitfäden und Detektoren stammen aus dem englischen Sprachraum. Der Humanizer baut auf zwei Wikipedia-Anleitungen zum Erkennen KI-generierter Inhalte auf, einer deutschen und einer englischen.¹ Dass die deutschen Muster eigene sind, zeigt der Gedankenstrich am besten.

Die Regel dazu kam zuerst aus englischen Quellen. Im August 2026 wurde sie erstmals an deutschen Texten gemessen. Im Schnitt setzt Claude dort 1,56 Gedankenstriche, GPT nur 0,56. Claude setzt also fast dreimal so viele.² GPT fällt an anderer Stelle auf: Seine Satzlängen schwanken weniger. Zwei Modelle, zwei Fingerabdrücke.

Ein Strichverbot folgte daraus nicht. Literatur, Recht und Plenarreden setzen Gedankenstriche reichlich und völlig legitim. Deshalb schlägt der Prüfer erst bei einer Häufung an, in zwei Formen: viele Striche gedrängt in einem Absatz oder wenige Striche über viele Absätze verstreut. Die zweite Form ist die häufigere KI-Gewohnheit. Beide Schwellen sind an 39 Texten von Menschen geeicht, ohne einen Fehlalarm.³ Ein einzelner Gedankenstrich bleibt unbeanstandet.

Der zweite deutsche Sonderfall sind Anführungszeichen. Das deutsche öffnet unten („) und schließt oben (“). Ein echtes Signal ist die Asymmetrie: ein deutsches Öffnungszeichen mit falschem oder geradem Schlusszeichen. Durchgängig gerade Anführungszeichen sind dagegen meist ein Artefakt von CMS oder Editor. Wie hartnäckig der Fehler ist, zeigt das Regelwerk selbst. Im Katalog standen 66 deutsche Schlusszeichen als einfaches gerades Tastaturzeichen (ASCII), bis ein Update sie reparierte.⁴

Dazu kommen Partizip-I-Ketten wie „gewährleistend“ oder „hervorhebend“ und falsche Freunde. Ein falscher Freund ist ein Wort, das gleich aussieht und etwas anderes bedeutet: Englisch eventually heißt meist „schließlich“, deutsch „eventuell“ heißt „möglicherweise“. Solche Bedeutungsfehler korrigiert der Skill in jedem Modus.

Zählen statt einzeln anstreichen

Ein warmer Tag ist noch kein Sommer. Deshalb gilt im Humanizer ein einzelnes Signal nicht als KI-Tell. Er zählt Häufungen, im Fachwort Cluster. Für sich genommen bleiben 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

Wie die Ausnahmen entstanden, ist die lehrreichste Geschichte im Repo. Ein Lauf über 21 deutsche Blogposts förderte wiederkehrende Fehlalarme zutage, aus denen feste Ausnahmen wurden:⁵ „schon“ im Sinn von „bereits“ ist keine Modalpartikel. Ein „Sie“ am Satzanfang ist oft nur ein Pronomen und keine Anrede. Gerade Anführungszeichen in HTML-Attributen sind Syntax. Und ein zitiertes KI-Wort wie „nahtlos“ ist eine Erwähnung, kein Gebrauch.

Ein Programm, das Wortformen zählt, kann „schon“ als Partikel nicht von „schon“ als „bereits“ trennen. Darum urteilt am Ende das Modell im Zusammenhang. Menschliche Signale bleiben dabei stehen: konkrete Details, eine uneindeutige Haltung, zeitgebundene Verweise, echte Einschübe, Selbstkorrekturen und abwechslungsreiche Satzlängen.

Wenn Humanisieren selbst zum Muster wird

Die erfundene Ich-Erfahrung ist der Tell zweiter Ordnung, also ein Merkmal, das oft erst beim Versuch entsteht, KI-Text menschlicher zu machen. „Letzte Woche habe ich mit einem Kunden gesprochen“, „Ehrlich gesagt“, „Keine Sorge“: Gestellte Anekdoten und forcierte Mündlichkeit sind Fabrikation, kein Stilmittel. Deshalb darf der Humanizer keine Erfahrungen erfinden. Stimme kommt nur aus einer Schreibprobe oder aus Fakten, die du lieferst. Der Katalog nennt es einen schlechten Reflex, Ich-, Wir- oder Du-Stimme einzubauen, nur weil es menschlicher klingt.

Beim Rhythmus galt dasselbe. Früher baute der Skill pauschal jeden dritten Satzanfang um. Dann kam die Messung: In 20 verifizierten Menschentexten aus der Zeit vor 2022 beginnen im Median 0,816 der Sätze mit dem Subjekt, also rund vier von fünf. Zehn humanisierte KI-Texte lagen bei 0,891.⁶ Seitdem hört der Rhythmus-Durchgang bei etwa 0,8 auf. Wer tiefer rotiert, erzeugt das nächste Muster.

Auch das Regelwerk ist nicht immun. Drei Katalogbeispiele rissen selbst ein Nachbarmuster und mussten umgebaut werden.⁷ Bei Regeln über Sprache ist das der Normalfall: Wer ein Muster auflöst, baut leicht das nächste.

Erst messen, dann behalten

Nicht jede gute Idee übersteht den Test. Im August sollten Wortlisten Werbeschablonen erkennen. Das scheiterte: 19 von 27 geratenen Kandidaten kamen in echter KI-Werbung gar nicht vor. Der Nachfolger sucht Figuren statt Vokabeln, etwa Sozialbeweis wie „über 3.400 Betriebe vertrauen bereits“ oder gestapelte Handlungsaufforderungen, und meldet erst im Verbund etwas. Auch er hat eine Grenze: Er erkennt nur Formulierungen, die er schon kennt. Auf frisch erzeugter Werbung schwieg er, weil dieselbe Kundenstimmen-Sektion jedes Mal anders überschrieben war.

Dazu kam ein Hook, ein Haken, der nach jedem Schreibvorgang anspringt und Fundstellen an das Modell meldet. In zwölf Vergleichsläufen mit und ohne Hook stand es null zu null. Kaputt war er nicht, die Zustellung war nachgewiesen. Zu melden bekam er nur nie etwas. Also flog er mit der nächsten Version wieder raus: 356 Zeilen Code und 14 Tests.⁸ Seinen Zweck erfüllte eine schlichtere Kopplung ohnehin.

Dieselbe Ehrlichkeit gilt für die Abdeckung. Von den 72 Mustern prüfen lokale Skripte nur 19 fest. Die übrigen 53 beurteilt das Modell im Zusammenhang.⁹

Quellen prüft er zuletzt

Anfangs prüfte der Skill Stil und Quellen in einem Zug. Das ging schief. In vier Texten des Wirksamkeitspiloten schrieb er je über hundert Wörter zu Anführungszeichen und Passivsätzen, aber kein Wort zu den eingebauten Falschquellen. Nachdem die Quellenprüfung vom Stilergebnis entkoppelt war, beanstandete er drei von acht Quellen statt keiner. Erfundene Aktenzeichen und erfundene Personen blieben trotzdem unmarkiert: Sie sehen im Text unauffällig aus und fallen erst auf, wenn jemand sie nachschlägt.¹⁰

Seit Version 5.28.0 ist die Arbeit ganz getrennt. Der erste Durchgang bleibt im Text: Er markiert fehlende Fußnoten, zu starke Aussagen und Zahlen, die nicht aufgehen, öffnet aber keine Quelle. Wer die Belege gegen die Originale halten will, verlangt ausdrücklich einen Quellen-Sweep. Der läuft erst auf der Endfassung, möglichst in einem Subagenten mit frischem Kontext, also einem zweiten, getrennt arbeitenden KI-Helfer.¹¹

Die Begründung steht in der Doku: Stil und Quellen verlangen zwei verschiedene Arten zu lesen. Rhythmus erkennt nur, wer den Text am Stück liest. Quellen prüfen heißt, durch fremde Dokumente zu wandern. Und jede Umformulierung kann den Anspruch einer Aussage verschieben, ein vorher geprüfter Text gilt danach nicht mehr. Am Ende trägt jede Aussage einen Status: bestätigt, abweichend, nicht prüfbar oder fehlt. Das gilt auch für die Fälle, in denen die Quelle zwar existiert, die Aussage aber nicht belegt. Solche Fälle bleiben ohne Sweep meist unsichtbar. Eine fachliche Prüfung ersetzt der Humanizer nicht.

Was ist mit KI-Detektoren?

Statistische Detektoren wie GPTZero schätzen zwei Größen. Perplexity misst, wie vorhersagbar das nächste Wort ist. Burstiness misst, wie stark Satzlänge und Satzbau schwanken. Glatte, präzise Fachprosa hat niedrige Perplexity, gleichmäßiger Takt niedrige Burstiness. Die Labels der Tools, etwa „Mechanical Precision“, übersetzen nur diese zwei Zahlen. Laut Katalog bestrafen sie oft genau das, was einen guten Fachtext ausmacht: Fachbegriffe, korrekte Quellenangaben, sachliche Klarheit.¹²

Darum optimiert der Humanizer nicht auf Detektorwerte. Von den Detektor-Labels behandelt er nur zwei Muster: gehäufte Doppelpunkt-Titel und gleichförmigen Satzrhythmus. Der Maßstab ist redaktionell. Klingt der Text für seine Leser natürlich? Bleiben Fakten und Quellen stabil? Passt die Anrede?

Ein optionales Combing-Gate erlaubt einen Nachkamm mit höchstens zwei Rhythmusänderungen. Der Report warnt dabei ausdrücklich, dass Textqualität und Lesbarkeit schlechter werden können. Auch das Preflight-Risiko im Sammelcheck sagt nichts über die Autorschaft: Ein „low“ heißt nur, dass kein geeichtes Signal angeschlagen hat. In Werbung, Social Media und Essayistik bleiben Muster oft unerkannt.¹³

Deshalb bedeutet ein Fund nie „dieser Text stammt sicher von einer KI“. Er bedeutet: Diese Stelle sollte jemand prüfen. Auch Übersetzungen, Fachsprache oder CMS-Probleme erzeugen ähnliche Spuren. Mehr zu Perplexity und Burstiness findest du im Experiment KI-Text-Eisberg.

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.

Claude Code

Gib diese drei Befehle nacheinander in einer laufenden Claude-Code-Sitzung ein, nicht im normalen Terminal:

/plugin marketplace add https://github.com/marmbiz/humanizer-de.git
/plugin install humanizer-de@humanizer-de
/reload-plugins

Das funktioniert unter Windows genauso, WSL und Python sind nicht nötig.

Codex

Führe im Terminal aus:

codex plugin marketplace add marmbiz/humanizer-de

Öffne danach in Codex /plugins, wähle Humanizer DE, installiere humanizer-de und starte eine neue Sitzung.

Claude im Browser (claude.ai)

Ohne Terminal geht es über die Weboberfläche. Schalte unter Einstellungen → Capabilities „Code execution and file creation“ ein, sonst erscheint der Skills-Bereich nicht. Lade dann unter Customize → Skills → Add → Upload a skill die Datei humanizer-de.zip vom neuesten Release hoch.

Hat es geklappt?

Eine vorhandene Skill-Datei beweist nur, dass etwas kopiert wurde. Ob der Humanizer aktiv ist, zeigt dieser Test in der neuen oder neu geladenen Sitzung:

Humanisiere diesen Text im Modus Sachlich:
In der heutigen dynamischen Landschaft ist es entscheidend, innovative Lösungen nahtlos zu implementieren.

Die Antwort sollte mit „Less machine. More voice.“ beginnen, den Modus nennen und nur die auffälligen Stellen anfassen.

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 stehen in der Installationshilfe.

So benutzt du ihn

Nach der Installation reicht eine normale Anweisung, ein Slash-Befehl ist nicht nötig. Je besser Zielgruppe, Textsorte und Ton beschrieben sind, desto weniger muss der Skill raten:

Überarbeite diesen Blogtext mit dem Humanizer im Modus Locker.
Zielgruppe: Menschen ohne technisches Vorwissen.
Behalte alle Fakten, Links und Zitate unverändert:
[Text einfügen]

Auf Wunsch speichert der Humanizer wiederkehrende Stilregeln in einer lesbaren Datei namens .humanizer/profile.json im Projekt. Gespeichert werden Regeln und Messkorridore, keine Textauszüge. Das Profil ist optional, lokal und jederzeit löschbar.

Die 72 KI-Muster in 10 Kategorien

Jedes Muster hat einen Schweregrad: HIGH (besonders kritisch), MEDIUM (kontextabhängig) oder LOW (erst in der Häufung auffällig). Der Schweregrad bewertet die Fundstelle, nicht die Autorschaft des ganzen Textes. Die zehn Kategorien im Überblick:

• Sprache und Tonfall (19): Werbesprache, mechanische Konjunktionen, Partizip-I-Ketten, vage Autoritäten wie „Experten sagen“
• Stil (5): übermäßige Fettschrift, Emojis vor Überschriften, gehäufte Gedankenstriche
• Kommunikation (6): Chatbot-Reste wie „Ich hoffe, das hilft!“ oder „Stand Januar 2024“
• Auszeichnungstext (6): KI-Zitierreste, defekte Links, erfundene DOIs
• Verschiedenes (3): abgebrochene Texte, plötzliche Stilwechsel
• Rhetorik und Struktur (13): „In der heutigen digitalen Welt“, rhetorische Fragen als Fake-Engagement, Absatzschlüsse ohne neue Information
• Argumentation und Evidenz (7): erfundene Ich-Erfahrung, lückenfüllende Spekulation, Verantwortungsverschleierung
• Ergänzungen (4): Beleginkongruenz (die Quelle existiert, belegt aber die Aussage nicht), versteckte Unicode-Zeichen, Anglizismen
• Typografie und Format (7): falsche Anführungszeichen, englisches Dezimalformat, englischer Genitiv-Apostroph
• Titel- und Satzbau (2): Doppelpunkt-Titel, gleichförmiger Satzrhythmus

Die vollständige Liste mit Schweregraden steht im Musterkatalog. Für den schnellen Blick auf einen fremden Text gibt es eine Einseiter-Checkliste.

Open Source und kostenlos

Projektcode und eigenes Material stehen unter der MIT-Lizenz. Für katalogbezogene Teile, die aus Wikipedia-Material abgeleitet sind, gilt CC BY-SA 4.0. Attribution und Einzelheiten stehen im NOTICE.

Entstanden ist das Projekt im Januar 2026 als deutsche Adaption des englischen Humanizers von blader. Inzwischen hat es ein eigenes Versionsschema, deutsche Muster, Prüfskripte und eine Testsuite. Die vollständige Release-Historie steht im Changelog.

Häufige Fragen

Kann ich damit auch ChatGPT-Texte umschreiben?

Ja. Kopiere den Entwurf nach Claude Code, Codex oder Claude im Browser und nenne Zielgruppe, Textsorte und Ton. Der Skill wird nicht in ChatGPT selbst installiert, er bearbeitet den dort erzeugten Text.

Brauche ich Python, und läuft das unter Windows?

Python, spaCy, LanguageTool und ähnliche Werkzeuge sind optional und nur für zusätzliche lokale Prüfungen gedacht. Läuft Claude Code oder Codex auf deinem Windows-Rechner, gelten dieselben Befehle wie oben.

Funktioniert der Humanizer auch mit Gemini?

Für Gemini gibt es keinen getesteten Installationsweg. Der Musterkatalog liegt jedoch als Markdown im Repository und lässt sich als Referenz verwenden.

Kann der Humanizer Wasserzeichen von Claude oder Gemini entfernen?

Das verspricht er nicht, und er versucht es auch nicht. Real ausgerollte Text-Wasserzeichen wie SynthID-Text arbeiten statistisch über die Token-Auswahl, also über die Wortwahl, nicht über Sonderzeichen. Kein Zeichenfilter findet oder entfernt sie.¹⁴

Muster 43 ist reine Textreinigung: Es entfernt unsichtbare Zeichen wie Zero-Width-Spaces, weil sie in deutscher Prosa keine Funktion haben. Für die kursierende Angabe, einzelne KI-Werkzeuge setzten die Zeichen U+2061 bis U+2064 als Wasserzeichen ein, fehlt im Katalog ein Beleg. Aus einem Fund folgt keine Autorschaft.

Der Humanizer arbeitet als Stil-Lektor, sein Maßstab ist gutes Deutsch. Sollte ein Wasserzeichen die Wortwahl spürbar von natürlichem Deutsch wegdrücken, redigiert er diese Stellen wie jedes andere Stilproblem: weil der Text dort schlecht klingt, nicht weil dort ein Wasserzeichen sitzt.

Weiterlesen im Lab

• KI-Text-Eisberg: was Perplexity und Burstiness über einen Text verraten und was nicht.
• 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.

Quellen & Referenzen

---

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.