Humanizer-DE

Humanizer-DE

Erster deutscher KI-Text-Detektor für OpenClaw.

5-Durchgang-Analyse: Erkennt 24 KI-Schreibmuster, flaggt 125+ deutsche KI-Vokabeln in 3 Tiers + 48 Phrasen + 16 Chatbot-Artefakte, misst 5 statistische Signale (Burstiness, TTR, Flesch-DE) und schreibt Texte mit Personality Injection um. Inklusive Lesch-Stil-Layer.

> Version: 1.2.0 > Autor: OpenClaw > Sprache: Deutsch > Lizenz: MIT > ClawHub: Tikitackr/humanizer-de

---

Was macht dieser Skill?

Du gibst ihm einen deutschen Text. Er sagt dir: 1. Wie stark der Text nach KI klingt (Score 0–100) 2. Wo genau KI-Muster stecken (markiert + erklärt) 3. Wie du es besser machst (konkrete Umschreibvorschläge)

Score 0 = klingt menschlich. Score 100 = klingt wie ChatGPT auf Autopilot.

---

Befehle

| Befehl | Was passiert | |--------|-------------| | Check diesen Text | Vollständiger Report: Score + Muster + Vokabeln + Statistik + Vorschläge | | Score: [Text] | Nur der Score (0–100) mit Kurzeinschätzung | | Was klingt hier nach KI? | Nur die problematischen Stellen markiert | | Humanisiere das | Text umschreiben mit Personality Injection (Basis-Stil) | | Humanisiere das im Lesch-Stil | Umschreiben mit Lesch-Layer (Visionär/Mahner/Erklärer) | | Mach das menschlicher | Wie "Humanisiere das" – Synonym |

---

Workflow (5 Durchgänge)

Wenn ein Text gecheckt wird, durchläuft er 5 Analyse-Schritte. Jeder Schritt hat eine eigene Reference-Datei mit allen Details.

Durchgang 1: KI-Muster-Scan

Reference: references/ki-muster.md

Prüfe den Text auf alle 24 KI-Schreibmuster. Für jedes gefundene Muster:

Markiere die betroffene Stelle

Nenne das Muster (z.B. "Muster #1: Bedeutungsinflation")

Zeige Schweregrad: HOCH / MITTEL / NIEDRIG

Gib einen konkreten Umschreibvorschlag

Punkte-Vergabe:

HOCH-Muster: +5 Punkte pro Treffer

MITTEL-Muster: +3 Punkte pro Treffer

NIEDRIG-Muster: +1 Punkt pro Treffer

Durchgang 2: Vokabel-Check

Reference: references/vokabeln.md

Scanne den Text auf KI-typische Wörter und Phrasen aus der deutschen KI-Marker-Datenbank.

Tier-System:

Tier 1 (VERBOTEN): Jedes Vorkommen = +3 Punkte. Immer ersetzen.

Tier 2 (SPARSAM): Erlaubt max 1x pro 500 Wörter. Jedes Vorkommen über Limit = +1 Punkt.

Tier 3 (BEOBACHTEN): Nur zählen. Wenn Dichte > 3 pro 500 Wörter = +1 Punkt pro überzähligem.

Verbotene Phrasen: Jedes Vorkommen = +4 Punkte. Immer ersetzen.

Für jedes geflaggerte Wort: Zeige das Wort, den Tier, und einen konkreten Ersetzungsvorschlag.

Durchgang 3: Statistische Analyse

Reference: references/statistische-signale.md

Berechne fünf statistische Signale:

| Signal | Formel | KI-Alarm wenn | |--------|--------|---------------| | Burstiness | B = (σ_τ - μ_τ) / (σ_τ + μ_τ) | B < 0.3 | | Type-Token-Ratio (TTR) | Unique Tokens / Total Tokens (pro 100-Wort-Fenster) | TTR < 0.5 | | Satzlängen-Variation (CoV) | σ / μ der Satzlängen in Wörtern | CoV < 0.3 | | Trigramm-Wiederholung | Wiederholte Trigramme / Gesamt-Trigramme | Rate > 0.10 | | Flesch-DE (Lesbarkeit) | 180 - L - (58.5 × S) | Flesch 40–50 (KI-Sweetspot) |

Punkte-Vergabe:

Burstiness unter 0.3: +10 Punkte (nur bei ≥20 Sätzen)

TTR unter 0.5: +5 Punkte

Satzlängen-CoV unter 0.3: +5 Punkte

Trigramm-Rate über 0.10: +5 Punkte

Flesch-DE im KI-Sweetspot (40–50): +3 Punkte

Durchgang 3b: Co-Occurrence-Check

Reference: references/vokabeln.md (Abschnitt Co-Occurrence-Sets)

Prüfe ob in einzelnen Absätzen 3+ Wörter aus derselben KI-Wortgruppe auftauchen. 5 Sets definiert (Bedeutungsinflation, Techno-Superlative, Akademisch-Abstrakt, Passiv-Verben, Floskel-Ketten).

Punkte-Vergabe:

Pro Cluster-Alarm (3+ Treffer aus einem Set in einem Absatz): +5 Punkte

Durchgang 4: Personality-Check

Reference: references/personality-injection.md

Prüfe ob menschliche Stilmittel vorhanden sind. Wenn ja: Bonus-Abzüge.

Bonus-Abzüge (reduzieren den Score):

Authentische Einschübe in Klammern vorhanden: -3 Punkte

Satzrhythmus variiert (keine 3+ gleich langen Sätze): -5 Punkte

Kontraktionen verwendet (gibt's, ist's, hat's): -2 Punkte

Konkrete Zahlen/Quellen statt vager Aussagen: -3 Punkte

Echte Abschweifungen/Anekdoten: -3 Punkte

Satzfragmente (bewusst unvollständig): -2 Punkte

Durchgang 5: Stil-Layer (optional)

Reference: references/stil-layer/basis.md oder references/stil-layer/lesch.md

Wenn der Benutzer "Humanisiere" oder "Mach menschlicher" sagt: 1. Wende den Basis-Stil an (Standard, für alle geeignet) 2. Oder wende den Lesch-Stil an (wenn explizit gewünscht) 3. Erstelle eine Vorher/Nachher-Gegenüberstellung

---

Score-Berechnung

Gesamt-Score = Rohpunkte - Bonus-Abzüge

Clamp: Minimum 0, Maximum 100.

Score-Skala

| Score | Bewertung | Empfehlung | |-------|-----------|------------| | 0–20 | Klingt menschlich | Keine Änderung nötig. Gut gemacht. | | 21–40 | Leicht maschinell | Ein paar Stellen polieren. Siehe markierte Muster. | | 41–60 | Gemischt | Überarbeitung empfohlen. Vokabeln ersetzen, Rhythmus variieren. | | 61–80 | Offensichtlich KI | Deutliche Überarbeitung nötig. Personality Injection einsetzen. | | 81–100 | ChatGPT-Standard | Komplett umschreiben. Dieser Text besteht keinen KI-Detektor. |

Report-Format

Wenn der Benutzer einen vollständigen Check will, gib den Report in diesem Format aus:

═══════════════════════════════════════════
  HUMANIZER-DE · Analyse-Report
═══════════════════════════════════════════
  SCORE: [XX] / 100  →  [Bewertung]
───────────────────────────────────────────
  1. KI-MUSTER ([Anzahl] gefunden)
───────────────────────────────────────────
  ▸ Muster #X: [Name] (SCHWERE)
    Stelle: "[Zitat aus dem Text]"
    Vorschlag: [Umschreibung]
───────────────────────────────────────────
  2. VOKABEL-CHECK ([Anzahl] geflaggert)
───────────────────────────────────────────
  ▸ "[Wort]" (Tier X) → Vorschlag: "[Ersetzung]"
───────────────────────────────────────────
  3. STATISTIK
───────────────────────────────────────────
  Burstiness:       [Wert] ([menschlich/KI-typisch])
  TTR:              [Wert] ([menschlich/KI-typisch])
  Satzlängen-CoV:   [Wert] ([menschlich/KI-typisch])
  Trigramm-Rate:    [Wert] ([menschlich/KI-typisch])
  Flesch-DE:        [Wert] ([ok/KI-Sweetspot])
  Co-Occurrence:    [Anzahl] Cluster-Alarme
───────────────────────────────────────────
  4. PERSONALITY-BONUS
───────────────────────────────────────────
  [Liste der erkannten menschlichen Stilmittel]
  Bonus: -[X] Punkte
───────────────────────────────────────────
  5. TOP-3-EMPFEHLUNGEN
───────────────────────────────────────────
  1. [Wichtigste Verbesserung]
  2. [Zweitwichtigste]
  3. [Drittwichtigste]
═══════════════════════════════════════════

---

Regeln

1. Score ehrlich berechnen. Kein Gefälligkeits-Score. Wenn ein Text nach KI klingt, sag es. 2. Immer Vorschläge machen. Nicht nur Probleme zeigen, sondern konkrete Lösungen. 3. Kontext beachten. Ein Förderantrag darf formaler sein als ein Blogpost. Passe die Bewertung an. 4. Deutsch. Alle Muster, Vokabeln und Vorschläge sind auf Deutsch. Englische Fachbegriffe nur wo nötig. 5. Kein Netzwerk. Dieser Skill macht keine HTTP-Calls. Alles funktioniert offline. 6. Modular. Stil-Layer sind optional. Der Basis-Check funktioniert für jeden Text.

---

Reference-Dateien

| Datei | Inhalt | |-------|--------| | references/ki-muster.md | 24 KI-Schreibmuster mit Beispielen, Schweregrad, Erkennungsregeln | | references/vokabeln.md | 125+ KI-Vokabeln in 3 Tiers + 48 verbotene Phrasen + 16 Chatbot-Artefakte + 7 Co-Occurrence-Cluster + Ersetzungen | | references/statistische-signale.md | Formeln für Burstiness, TTR, CoV, Trigramm-Rate, Flesch-DE + Schwellenwerte | | references/personality-injection.md | 5 Techniken zur Vermenschlichung + Regeln + deutsche Beispiele | | references/examples.md | 6 deutsche Vorher/Nachher-Transformationen (Blogpost, E-Mail, Social Media, Tech Doku, Sachbuch, Förderantrag) | | references/stil-layer/basis.md | Standard-Humanisierung ohne besonderen Stil | | references/stil-layer/lesch.md | Lesch-Stil-Erweiterung (Tonwechsel, Analogien, Lesch-ismen) |

---

Integration

Dieser Skill funktioniert eigenständig – du brauchst kein Buch, kein Dashboard, keinen Cowan.

Installation

Sag deinem OpenClaw:

> *"Installiere den Skill Tikitackr/humanizer-de"*

Im OpenClaw-Ökosystem

Im Buch: Kapitel 9 (Agent-Architektur) erklaert die Theorie hinter Skills. Kap 13 zeigt den Humanizer als Praxis-Beispiel.

Im Dashboard: https://openclaw-buch.de

In Cowan: "Hey Cowan, check diesen Text" – per Sprache oder Kamera (OCR).