German text humanizer skill for Claude Code and Codex

Was ist das?

Humanizer (Deutsch) überarbeitet deutsche KI-Entwürfe: Floskeln kürzen, Satzrhythmus verbessern und deine Stimme erhalten. Dabei schützt der Skill vorhandene Aussagen, Zahlen, Fachbegriffe und Zitate vor stilistischer Glättung. Ergibt die vollständige Prüfung keinen bearbeitungswürdigen Befund, lässt er den Text in Ruhe.

Vorher	Nachher
„Darüber hinaus ist es von entscheidender Bedeutung, innovative Lösungen nahtlos zu implementieren.“	„Neue Lösungen müssen sich sauber einführen lassen.“

Textfassung des Durchlaufs

Less machine. More voice. Ich prüfe Rhythmus, Belege und Stimme...

Modus: Sachlich (angenommen — ein Satz ohne Kontext). Sammelcheck: insufficient_text, daher reines Urteil.

Gefundene Muster:

• „Darüber hinaus“ — mechanischer Konnektor ohne inhaltliche Anknüpfung
• „ist es von entscheidender Bedeutung“ — Wichtigkeits-Floskel (Muster 3), sagt nichts, was das Verb nicht könnte
• „innovative Lösungen“ — KI-Marker-Vokabular plus Abstraktum ohne Gegenstand (Muster 64/58)
• „nahtlos … implementieren“ — Marker-Vokabel plus Anglizismus-Verb, wo „einführen“ reicht

Geänderte Stellen:

Vorher	Nachher
Darüber hinaus ist es von entscheidender Bedeutung, innovative Lösungen nahtlos zu implementieren.	Neue Lösungen müssen sich sauber einführen lassen.

Der Satz trägt keine prüfbare Substanz — er behauptet Wichtigkeit, nennt aber weder Lösung noch System. Deshalb bleibt die Neufassung bewusst schlicht. Mit Kontext (welche Lösung, wo eingeführt?) wird daraus ein konkreter Satz.

Belege: Keine unbelegten Quellen.

Kurzaudit: Keine verbliebenen Tells. Restrisiko: „neue Lösungen“ bleibt abstrakt, weil der Input keinen Gegenstand liefert.

Installiere den Skill, gib Text und gewünschten Ton an und prüfe die Änderungen im Kurzaudit.

Installation

Codex – empfohlen

Im Terminal:

codex plugin marketplace add marmbiz/humanizer-de

Danach in Codex /plugins öffnen, Humanizer DE auswählen, humanizer-de installieren und eine neue Sitzung starten.

Claude Code – empfohlen

In einer laufenden Claude-Code-Sitzung:

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

Claude im Browser (claude.ai)

Ohne Terminal geht es über die Weboberfläche. Unter Einstellungen → Capabilities muss „Code execution and file creation“ eingeschaltet sein, sonst erscheint der Skills-Bereich nicht. Danach unter Customize → Skills → Add → Upload a skill das Paket humanizer-de.zip vom neuesten Release hochladen. Der ganze Weg, vom Skills-Menü bis zum fertigen Upload, in elf Sekunden:

https://github.com/user-attachments/assets/c567f29e-f37b-4323-b308-f04276eb9081

Nicht installiert werden: Python, Click, spaCy, das deutsche spaCy-Modell, Hunspell, LanguageTool oder Java. Solche Pakete dürfen nur nach ausdrücklicher Zustimmung separat installiert werden.

Funktioniert es?

In der neuen beziehungsweise neu geladenen Sitzung eingeben:

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 bearbeiten.

Manuelle Installation, Cursor, Updates und ZIP-Prüfsumme: Installationshilfe.

Benutzung

Für eigene Texte nenne Zielgruppe, Kontext und Ton. Füge deinen Entwurf nach dem Auftrag ein:

Humanisiere diesen Text für eine B2B-Website im Modus Sachlich. Entferne KI-Muster und bewahre die vorhandenen Aussagen.

Modus	Passt zu
Locker	Blog, Social Media, Newsletter
Sachlich	Website, E-Mail, Dokumentation, B2B
Formal	Wissenschaft, Recht, Fachtext

Mit Stimmkalibrierung

Hier ist eine Probe meines Schreibstils:

[2-3 Absätze eigenen Texts einfügen]

Jetzt humanisiere diesen Text:

[KI-Text einfügen]

Der Skill analysiert Satzrhythmus, Wortwahl und Eigenheiten und berücksichtigt sie als Zielprofil.

Was du zurückbekommst

Standardmäßig siehst du nur die geänderten Passagen als Vorher/Nachher-Paare. Der Kurzaudit nennt Modus, wichtigste Befunde und verbleibende Risiken. Einen vollständigen Text bekommst du auf ausdrücklichen Wunsch. Ergänze dafür deinen Auftrag:

Gib mir anschließend den vollständigen überarbeiteten Text.

Wenn du eine Datei zur Bearbeitung übergibst, ändert der Skill sie direkt und fasst die Änderungen zusammen. Ohne bearbeitungswürdigen Befund meldet er einen Null-Edit.

Arbeite in höchstens zwei gezielten Runden. Stoppe, sobald weitere Änderungen nur noch glätten, statt Klarheit, Belegtreue oder Stimme zu verbessern.

Werbetexte dürfen werben, deshalb hält sich der Skill dort zurück. Wer mehr Eingriff will, hängt einen gemessenen Zusatz an die Anweisung: docs/benutzung.md.

Beispiele

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.

Drei weitere Vorher-/Nachher-Beispiele: docs/benutzung.md.

Dokumentation

Du möchtest …	Hier geht es weiter
installieren, aktualisieren oder einen Fehler beheben	Installationshilfe
Werbetexte stärker bearbeiten oder weitere Beispiele sehen	Benutzung
Dateien messen oder den optionalen Zwei-Aufruf-Runner nutzen	Prüfskripte und Werkzeuge
ein Muster nachschlagen	Musterkatalog
einen Fehler melden oder beitragen	Issues · Beitragsregeln

Messen & Audit

Mit Python 3.10 oder neuer kannst du einen Text auch ohne Sprachmodell lokal messen:

python3 scripts/humanizer_audit.py --file entwurf.md --mode sachlich --format md

Der Report enthält Preflight-Risiko, Rhythmusdaten, Stilkarte und einzelne Befunde. Das Preflight-Risiko ist eine Qualitätsheuristik, keine Aussage zur Autorenschaft. Ein low bedeutet nur „kein geeichtes Signal“, nicht „sauber“: Gerade in Werbung, Social Media und Essayistik bleiben Muster oft unerkannt.

Das optionale Combing-Gate erlaubt einen kontrollierten Nachkamm mit höchstens zwei Rhythmusänderungen. Der Report warnt, dass Textqualität und Lesbarkeit dadurch auch schlechter werden können. Voraussetzungen und Messwerte stehen bei den Prüfskripten.

Fakten, Grenzen und Datenschutz

Zahlen, Namen, Daten, URLs, Zitate und Quellenanker gleicht der Skill konservativ ab. Auffällige Quellen markiert er, eine vollständige Quellenprüfung verspricht er nicht. Sachliche Richtigkeit und semantische Beziehungen brauchen weiterhin eine fachliche Endabnahme.

Einige Prüfschwellen sind gegen 20 verifizierte Menschentexte geeicht: Blog (8), Marketing (6) und Sachtext (6). Urteile, Bescheide, technische Dokumentation, Leichte Sprache und Literatur sind darin nicht vertreten. Bei solchen Texten und einer etablierten Autorenstimme ist besondere Zurückhaltung nötig. Kalibrierung und Grenzen

Rote Linien:

• Kein Detektor-Bypass und keine Garantie für Herkunfts-Scores.
• Keine fingierte Autorenschaft, Erfahrung, Quelle oder Zahl.
• Messwerte beschreiben Textmerkmale, nie den tatsächlichen Autor.
• Direkte Zitate, Code und juristisch notwendige Formulierungen bleiben geschützt.

Nutzung	Verlässt der Text den Rechner?
Nur die lokalen Prüfskripte	Nein – sie laufen lokal und offline
Skill in Claude Code, Codex oder claude.ai	Der Text geht an das jeweilige Modell; es gelten dessen Datenschutzregeln und der eigene Vertrag

Deine Originaldateien ändert der Skill nur auf deinen Auftrag. Für die Messung eingefügter Texte legt er temporäre Arbeitsdateien an. Der optionale Zwei-Aufruf-Runner speichert zusätzlich Zwischenstände und Prüfberichte im gewählten Ausgabeordner. Das optionale Stilprofil unter .humanizer/profile.json speichert Regeln, niemals Textauszüge.

Wie der Skill arbeitet

Prüfskripte finden messbare Auffälligkeiten. Das Sprachmodell entscheidet im Kontext, welche Eingriffe sinnvoll sind, und überarbeitet die betroffenen Stellen. Die Reihenfolge schützt vor unnötigen Änderungen:

flowchart TD
    T([Eingabetext]) --> M["Messen – Pass 0<br/>Rhythmus, Register, Preflight"]
    M --> Z{"Redigieren oder<br/>nur Befunde?"}
    Z -- "nur Befunde" --> AU["Audit-Zweig<br/>alle 72 Muster prüfen"]
    AU --> B([Befundliste, Text bleibt unberührt])
    Z -- redigieren --> E["Pass 1 immer: Artefakte und Evidenz prüfen<br/>Fakten sichern, auffällige Quellen markieren"]
    E --> C{"Bearbeitungswürdige<br/>Stilcluster?"}
    C -- nein --> N["Keine weitere Stiländerung<br/>Null-Edit, wenn auch Pass 1 ohne Änderung blieb"]
    N --> A
    C -- ja --> R["Redigieren – Pass 2–4<br/>Lexik, Struktur, Rhythmus"]
    R --> A["Selbst-Audit – Pass 5<br/>Qualität und Stimme"]
    A --> G{"Claim-/Ankerprüfung grün?"}
    G -- nein --> K["Betroffene Änderung korrigieren<br/>oder zurücknehmen"]
    K --> A
    G -- ja --> O([Geänderte Passagen oder Null-Edit + Kurzaudit<br/>Volltext auf Wunsch])

Der Ablauf ist eine Anleitung für den Agenten. Der optionale Zwei-Aufruf-Runner trennt Audit und Rewrite auch technisch und prüft die Änderungen auf dem Host.

Optionale Werkzeuge

Ergänze Werkzeuge bei Bedarf. Ein allgemeiner Qualitätsgewinn durch Zusatzpakete ist nicht gemessen.

Setup	Ermöglicht
Nur der Skill	Ausprobieren, kurze Texte und normales Redigieren
Skill + Python	Lokale, reproduzierbare Prüfskripte für Dateien und erkennbare Faktenanker
zusätzlich spaCy	Genauere Satzanalyse und dokumentierte Fehlalarm-Filter
zusätzlich Hunspell	Vergleich neuer unbekannter Wörter bei Datei-Rewrites
zusätzlich LanguageTool	Zusätzliches Korrektorat von Grammatik und Zeichensetzung

Im lokalen Klon prüft make doctor Paketdateien, Versionen und verfügbare Werkzeuge:

make doctor
py scripts/doctor.py --json # Windows ohne make

Der Check liest keine Nutzertexte. Installation, doctor-full und Einsatz der Zusatzwerkzeuge: docs/pruefskripte.md.

72 Muster in 10 Kategorien

Der Katalog umfasst 72 Muster, priorisiert nach Schweregrad (HIGH / MEDIUM / LOW). Linter unterstützen derzeit 19 davon und geben einen zusätzlichen Kandidatenhinweis für Muster 72. Die übrigen Muster beurteilt das Modell im Kontext. Nicht jedes Muster lässt sich automatisch erkennen oder sicher korrigieren.

Alle Muster und die genaue Linter-Abdeckung: docs/muster-katalog.md. Indikatoren und Gegenbeispiele: vollständiger Katalog. Für den schnellen Blick: zehn typische Tells auf einer Seite.

Für AI-Assistenten

Projektkurzfassung und Suchbegriffe · Installationsregeln für Assistenten

Entwicklung und Verifikation

Für lokale Release-Prüfung:

make verify

Das führt die Unit-Tests einschließlich der maschinenlesbaren Scenario-Contracts, Unicode-/Rhythmus-Smoke-Tests, Evidence-, Register- und Naturalness-Fixtures sowie git diff --check aus.

Einzelchecks, Exit-Codes, Detection-Snapshot und das Evidence-Gate einzeln: docs/pruefskripte.md. Release-Regel: docs/entwicklung.md.

Neue oder materiell erweiterte Lint-Regeln müssen das verbindliche Marker-Aufnahmeprotokoll erfüllen.

Was ist neu?

• 5.27.3 - Der Unicode-Linter prüft auch apostrophreiche Texte ohne quadratische Laufzeit. Im Two-Pass-Runner umfasst die Laufzeitprüfung nun sämtliche lokalen Python-Skripte und die Stilziele. Hunspell-Ausfälle werden mit Grund gemeldet, ohne den optionalen Check zum Abbruchgrund zu machen. Die CI prüft auch unter Windows den vollständigen Verify-Lauf und führt den Hunspell-Pfad aus. Bundle-Verweise, Szenariodokumentation und Kalibrierungsangaben sind abgeglichen; fixierte Golden-Testtexte erlauben keine zusätzlichen Befunde mehr.

Alle früheren Versionen: CHANGELOG.md. Ausführlichere Notes zu veröffentlichten Ständen stehen in den GitHub Releases.

Attribution

Von Martin Moeller. Das Projekt entstand Anfang 2026 als Fork von blader/humanizer und entwickelte sich eigenständig für deutsche Texte weiter. Der Musterkatalog basiert auf den Wikipedia-Leitlinien Anzeichen für KI-generierte Inhalte und Signs of AI writing.

Verwandte Ressourcen

• Guide auf Deutsch
• Guide auf Englisch
• Der KI-Text-Eisberg: Scroll-Story zur Methodik hinter den Mustern

Lizenz

Projektcode und eigenständiges Projektmaterial stehen unter der MIT License. Der adaptierte Musterkatalog in references/patterns.md und die entsprechenden Katalogbeschreibungen in diesem README und die Tabellen in docs/muster-katalog.md stehen unter CC BY-SA 4.0.

Copyright-, Quellen-, Änderungshinweise und der genaue Lizenzumfang stehen in NOTICE.