Humanizer-DE

Tikitackr@tikitackr

Analysiert deutsche Texte auf KI-Muster, markiert problematische Stellen, bewertet die KI-Wahrscheinlichkeit (0–100) und bietet konkrete Verbesserungsvorschl...

Install

openclaw skills install @tikitackr/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:

Wie stark der Text nach KI klingt (Score 0–100)
Wo genau KI-Muster stecken (markiert + erklärt)
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:

Wende den Basis-Stil an (Standard, für alle geeignet)
Oder wende den Lesch-Stil an (wenn explizit gewünscht)
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:

text

═══════════════════════════════════════════
  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

Score ehrlich berechnen. Kein Gefälligkeits-Score. Wenn ein Text nach KI klingt, sag es.
Immer Vorschläge machen. Nicht nur Probleme zeigen, sondern konkrete Lösungen.
Kontext beachten. Ein Förderantrag darf formaler sein als ein Blogpost. Passe die Bewertung an.
Deutsch. Alle Muster, Vokabeln und Vorschläge sind auf Deutsch. Englische Fachbegriffe nur wo nötig.
Kein Netzwerk. Dieser Skill macht keine HTTP-Calls. Alles funktioniert offline.
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).