Humanizer (Deutsch)

Humanizer (Deutsch)

Auftrag

Wenn der Nutzer deutschen Text humanisieren, KI-Schreibmuster entfernen oder deutsche KI-Tells prüfen will, überarbeite die betroffenen Stellen. Bewahre Substanz, Register und belegbare Aussagen. Ziel ist ein guter, natürlicher Text mit proportionalen Eingriffen.

Fokus des Skills ist KI-Muster-Audit mit gezielter Textverbesserung. Reines Korrektorat, Grammatikprüfung, Übersetzung und allgemeine Stilpolitur gehören nur dazu, wenn sie diesem Ziel dienen.

QGIR (Quality-Guided Iterative Revision) nur nutzen, wenn nach einem lokalen Minimal-Revision-Pass noch echte HIGH/MEDIUM-Cluster bleiben. QGIR arbeitet als Quality-Gate fuer proportionale Revision, nicht als Standard-Vollrewrite.

Modus

Bestimme zuerst den Modus. Wenn unklar, nimm Sachlich an und sage das.

Modus	Einsatz	Stimme
Locker	Blog, Social, Newsletter	voll, aber nicht künstlich
Sachlich	Website, Doku, E-Mail, B2B	dezent, neutral
Formal	Wissenschaft, Recht, Fachtext	keine Stimme einbringen

Leitplanken

• Zähle Cluster, nicht Einzelsignale. Ein einzelnes Übergangswort, ein einzelner Gedankenstrich, saubere Grammatik oder typografische Anführungszeichen allein sind kein KI-Tell.
• HIGH-Muster, technische Artefakte und Belegprobleme dürfen als Einzelbefund korrigiert oder markiert werden.
• MEDIUM/LOW-Stilmuster nur bei Häufung, klarer Mechanik oder mehreren unabhängigen Mustern überarbeiten.
• Direkte Zitate, Code, technische Spezifikationen und juristische/regulatorische Formulierungen nicht stilistisch umschreiben.
• Quellen nur aus Input oder Kontext übernehmen. Wenn eine Quelle nicht prüfbar ist, den Prüfstatus markieren.
• Ich-Erfahrung, Anekdoten und Meinungen nur übernehmen, wenn sie im Input oder Kontext stehen. Erfundene Erfahrung ist Fabrikation (Muster 59).
• Zahlen, Namen, Daten, Quellenanker, Zitate, Code und Normverweise vor/nach jeder Änderung abgleichen. Neue konkrete Anker nur übernehmen, wenn sie im Input oder Kontext stehen.
• Substanz erhalten. Entferne nur Artefakte ohne Informationsgehalt oder markiere echte Lücken.
• Statistische Detektoren (GPTZero u. a.) messen Perplexity und Satzrhythmus, nicht diese Muster. Befunde wie „Mechanical Precision“ oder „Impersonal Tone“ treffen meist legitime Fachsprache, korrekte Quellen und sachliche Klarheit – nicht als KI-Tell behandeln und keinen Text verschlechtern, um einen Score zu senken. Behandelbar sind nur gehäufte Doppelpunkt-Titel (Muster 54) und monotoner Satzrhythmus (Muster 55).
• Detector-Bezug ist Kontext. Bewertet wird, ob eine Änderung Qualität, Lesbarkeit oder echte KI-Muster verbessert; Substanz bleibt wichtiger als Scorewirkung.
• Wenn der Text sauber ist, sage das und höre auf.

Modusmatrix

Klasse	Locker	Sachlich	Formal
HIGH Artefakt/Chatbot/Technik	ändern/entfernen	ändern/entfernen	ändern/entfernen
HIGH Evidenz/Quelle	markieren/korrigieren	markieren/korrigieren	markieren/korrigieren
HIGH Stil	ändern	ändern	nur wenn nicht fachkonventionell; Muster 10 überspringen
MEDIUM Technik/Struktur	ändern	ändern	markieren oder vorsichtig ändern
MEDIUM weicher Stil	bei Häufung ändern	bei Häufung/klarer Mechanik ändern	meist nur markieren
LOW Format	ändern, wenn störend	ändern bei Regelverstoß	meist überspringen

False Friends aus Muster 45 immer korrigieren. Calques und syntaktische Transfers im Formal-Modus korrigieren; sonst nur bei Häufung oder auffälliger Wörtlichkeit.

Ablauf: Fünf Pässe in fester Reihenfolge

Spätere Pässe dürfen frühere nicht invalidieren. Rhythmus immer zuletzt.

Pass 0 – Triage. Modus, Texttyp, Scope und Ziel bestimmen. Schreibprobe vorhanden? Dann Satzrhythmus, Wortniveau, Absatzanfänge, Anrede, Distanz, Terminologie und Lieblingszeichen als Zielprofil festhalten (im Formal-Modus nur KI-Tells entfernen). Bei Datei-Input: python3 scripts/unicode_lint.py --file <path> und python3 scripts/rhythm_lint.py --file <path> --scope user_text --mode <modus> ausführen, Kennzahlen notieren. Bei Inline-Text: Rohtext zuerst in eine temporäre UTF-8-Datei schreiben, dann --file <tempfile>; Shell-Befehle bleiben statisch, Nutzereingaben laufen über Dateien. Läuft ein Script nicht, das melden und nicht blind per Hand korrigieren.

Pass 1 – Artefakte und Evidenz (immer, Einzelbefund genügt). Chatbot-Floskeln, Platzhalter, Quellenprobleme (Decision Table Evidenz), Unicode, falsche Typografie und Claim-Delta prüfen. Bei Overlaps zuerst references/decision-tables.md; references/evidence-ledger.md bei Faktenankern; references/patterns.md nur für konkrete Musterdiagnose, Audit oder Grenzfälle laden. Dieser Pass bleibt bei Evidenz, Technik und Artefakten; Stilarbeit folgt später. Für sichere Datei-Korrekturen: unicode_lint.py --fix --write.

Pass 2 – Lexik (Cluster-Regel). Floskel-Muster, KI-Marker-Vokabular (Muster 64), Kopula-Vermeidung (Muster 65), Abstrakta-Stapel (Muster 58): Hypernyme und Nominalstil dort auflösen, wo der konkrete Sachverhalt im Text oder Kontext steht. Konkretion kommt aus belegtem Material; unbelegte Lücken sichtbar markieren.

Pass 3 – Struktur (Cluster-Regel). Überschriften-Schemata, isometrische Absätze (Muster 61), substanzlose Sektionen, Listen-Parallelismus, Schließzwang (Muster 62). Erst nach diesem Pass steht die endgültige Absatzstruktur.

Pass 4 – Rhythmus (Locker/Sachlich: standardmäßig an; Formal: nur auf Wunsch). Konkrete Stellschrauben:

• Vorfeld rotieren: höchstens ~2 von 3 Sätzen subjektinitial. Varianten: Adverbial, vorangestellter Nebensatz, Objekt, Präpositionalphrase.
• Satzlänge spreizen: pro längerem Absatz mindestens ein Satz unter 6 Wörtern oder über 25 – nur wo die Aussage es trägt.
• Absatzlängen entzerren: nicht jeder Absatz 3–5 Sätze.
• Konnektor-Budget: höchstens ein mechanischer Konnektor pro Absatz; Übergänge bevorzugt über inhaltliche Anknüpfung (Thema-Rhema).
• Nur Modus Locker: sparsame Modalpartikeln (Muster 63), maximal eine pro Absatz. Sachlich/Formal bleiben ohne künstlich nachgerüstete Partikeln.

Pass 5 – Selbst-Audit (immer). Eigene Änderungen gegen Katalog, Zielprofil und Claim-Lock prüfen: Hat eine Ersetzungsregel neue Monotonie erzeugt (gleiche Ersatzkonstruktion 3+ Mal → Strategie rotieren, vgl. Muster 16 vs. 51)? Quellen, Erfahrung (Muster 59), Faktenanker, Substanz und Output-Länge bleiben durch Input oder Kontext gedeckt. Danach Kurzaudit ausgeben.

QGIR – begrenzte zweite Runde (optional). Nur wenn nach Pass 5 echte HIGH/MEDIUM-Cluster bleiben und Claim/Register/Naturalness-Gates grün sind. Maximal 2 normale Pässe, dritter nur bei dokumentiertem schweren Restcluster. Stoppen, sobald weitere Änderungen nur Glattheit, Stimme oder Detektorwirkung verbessern würden. Details: references/qgir.md.

Entscheidungstabellen

Evidenz:

• Muster 11: vage Autorität ohne konkrete Quelle.
• Muster 26: konkrete Quelle wirkt formal ungültig, erfunden oder KI-artefaktisch.
• Muster 42: Quelle existiert und wurde geprüft, belegt die Aussage aber nicht.
• Muster 53: Quelle fehlt oder schweigt, Text füllt die Lücke spekulativ.

Struktur:

• Muster 5: Zusammenfassungsmarker im Absatz.
• Muster 6: unpassende Fazit-/Zusammenfassungssektion.
• Muster 34: generischer Einzeiler direkt nach Überschrift.
• Muster 44: ganzer Standardabschnitt ohne konkrete Substanz.

Output

Der Output konzentriert sich auf die geänderten Stellen statt auf einen vollständigen Neuabdruck.

Format:

1. Modus: eine Zeile.
2. Gefundene Muster: maximal 6 konkrete Bullet Points mit kurzem Zitat.
3. Geänderte Stellen: Vorher/Nachher-Paare nur für bearbeitete Passagen.
4. Kurzaudit: maximal 3 verbleibende Tells oder „Keine gefunden.“

Wenn der Nutzer eine Datei übergibt und Änderungen verlangt, editiere die Datei direkt und fasse die Änderungen kurz zusammen.

Referenzen

• Vollständiger Musterkatalog: references/patterns.md
• Overlap- und Moduslogik: references/decision-tables.md
• QGIR-Loop und Stop-Regeln: references/qgir.md
• Faktenanker/Claim-Delta: references/evidence-ledger.md
• Registerprofile: references/register-profiles.md
• Deutsche Naturalness-Karten: references/de-naturalness.md
• Unicode-/Quote-Linter: scripts/unicode_lint.py
• Rhythmus-/Burstiness-Messung: scripts/rhythm_lint.py
• Evidence-/Register-/Naturalness-Checks: scripts/evidence_lint.py, scripts/register_lint.py, scripts/german_pattern_lint.py