{"slug":"marmbiz-humanizer-de","name":"humanizer-de","description":"Edit-Pass für bestehenden deutschen Text: Register/Rhythmus messen, belegtreu redigieren, Naturalness prüfen, KI-Schreibmuster/KI-Tells auditieren und entfernen; deutschen Text humanisieren; German AI Text Humanizer.","long_description":"---\nname: humanizer-de\ndescription: 'Edit-Pass für bestehenden deutschen Text: Register/Rhythmus messen, belegtreu redigieren, Naturalness prüfen, KI-Schreibmuster/KI-Tells auditieren und entfernen; deutschen Text humanisieren; German AI Text Humanizer.'\nallowed-tools: [Read, Write, Edit, Grep, Glob, Bash]\nmetadata:\n display_name: Humanizer (Deutsch)\n version: 5.22.0\n author: Martin Moeller\n maintainer_website: https://martin-moeller.biz\n based_on: 'Deutsche Wikipedia: Anzeichen für KI-generierte Inhalte, Erkennung KI-Einsatz, Schnelltest KI'\n original_skill: https://github.com/blader/humanizer\n tags: [writing, ai-detection, humanizer, ai-humanizer, claude-skill, codex-skill, german, deutsch, ki-text, germanizer, prompt-engineering, wikipedia, text-improvement, style-editor, stil-editor, text-editing, ai-writing, lektorat]\n---\n\n# Humanizer (Deutsch)\n\n\n\n## Auftrag\n\nWenn 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.\n\nDer Skill ist damit ein deutscher Stil-Editor mit Evidence-Gate: Register und Rhythmus messen, evidence-safe aufs Zielprofil redigieren, KI-Schreibmuster auditieren und entfernen. Humanizing ist der prominenteste Anwendungsfall.\n\nFokus des Skills ist KI-Muster-Audit mit gezielter Textverbesserung. Reines Korrektorat, Grammatikprüfung, Übersetzung und allgemeine Stilpolitur gehören nur dazu, wenn sie diesem Ziel dienen.\n\nQGIR (Quality-Guided Iterative Revision) nur nutzen, wenn nach einem lokalen Minimal-Revision-Pass noch echte HIGH/MEDIUM-Cluster bleiben. QGIR arbeitet als Quality-Gate für proportionale Revision, nicht als Standard-Vollrewrite.\n\n## Modus\n\nBestimme zuerst den Modus. Wenn unklar, nimm **Sachlich** an und sage das.\n\n| Modus | Einsatz | Stimme |\n|---|---|---|\n| Locker | Blog, Social, Newsletter | voll, aber nicht künstlich |\n| Sachlich | Website, Doku, E-Mail, B2B | dezent, neutral |\n| Formal | Wissenschaft, Recht, Fachtext | keine Stimme einbringen |\n\n## Arbeitszweig\n\nNach Pass 0 genau einen Arbeitszweig wählen und im Output einhalten:\n\n- **Nur Audit:** Befunde prüfen, keine Rewrite-Paare, es sei denn, der Nutzer verlangt Vorschläge.\n- **Rewrite:** Nur betroffene Stellen ändern; kein Volltext, wenn nicht ausdrücklich verlangt.\n- **Datei editieren:** Datei direkt ändern; Abschluss siehe Output-Regel.\n\nQGIR ist kein Pass-0-Zweig, sondern eine optionale Erweiterung nach Pass 5, wenn echte HIGH/MEDIUM-Cluster bleiben.\n\n## Leitplanken\n\n- Zähle Cluster, nicht Einzelsignale. Ein einzelnes Übergangswort, ein einzelner Gedankenstrich, saubere Grammatik oder typografische Anführungszeichen allein sind kein KI-Tell.\n- HIGH-Muster, technische Artefakte und Belegprobleme dürfen als Einzelbefund korrigiert oder markiert werden.\n- Bei Gedankenstrich-Clustern nicht nur das Zeichen tauschen: `—`, `–`, ` -- ` und ` - ` als Satzzeichen müssen durch Satzbau, Punkt, Komma, Doppelpunkt, Semikolon oder Klammer gelöst werden. Wort-Bindestriche bleiben geschützt.\n- MEDIUM/LOW-Stilmuster nur bei Häufung, klarer Mechanik oder mehreren unabhängigen Mustern überarbeiten.\n- Direkte Zitate, Code, technische Spezifikationen und juristische/regulatorische Formulierungen nicht stilistisch umschreiben.\n- **Claim-Lock:** Quellen, 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; wenn eine Quelle nicht prüfbar ist, den Prüfstatus markieren.\n- **Persona-Lock:** Ich-Erfahrung, Anekdoten und Meinungen nur übernehmen, wenn sie im Input oder Kontext stehen. Deixis nur stabilisieren, nicht erfinden: `ich`, `wir`, `du`, `Sie`, `man` und neutrale Sprecherposition bleiben am Texttyp, Input und Zielprofil ausgerichtet. Erfundene Erfahrung ist Fabrikation (Muster 59).\n- Substanz erhalten. Entferne nur Artefakte ohne Informationsgehalt oder markiere echte Lücken.\n- 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).\n- Detector-Bezug ist Kontext. Bewertet wird, ob eine Änderung Qualität, Lesbarkeit oder echte KI-Muster verbessert; Substanz bleibt wichtiger als Scorewirkung.\n- **Null-Edit:** Gilt erst nach abgeschlossenem Pass 1. Bleibt der Text stilistisch sauber oder bleiben nur False Positives, sage das, nenne höchstens die verworfenen Kandidaten und höre auf. Belegbefunde fallen nie darunter: unbelegte, unprüfbare oder erfundene Quellen werden immer markiert, auch wenn sonst nichts geändert wird.\n\n## Carve-outs: bekannte False Positives\n\nLint-Befunde sind Verdacht, kein Verdikt – jeden vor einer Änderung gegen den Kontext prüfen. Folgende Fälle sind regelmäßig Fehlalarm und werden nicht behandelt, solange kein zusätzlicher Cluster vorliegt:\n\n- Quotes in Codeblöcken, Inline-Code, YAML-Frontmatter, Markdown-Bildtiteln (`![Alt](url \"Titel\")`) und rohen HTML-Tags blendet `unicode_lint.py` aus (`straight_quote`, `mixed_quote_styles`), weil gerade Anführungszeichen dort technische Syntax sind. `--fix --write` trotzdem nie blind auf technische Syntax anwenden; Ergebnis prüfen.\n- Quotes in rohem HTML innerhalb von Markdown, etwa `