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-deWas 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:
═══════════════════════════════════════════
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).