Was ist das? · Installation · Benutzung · Beispiele · Messen & Audit · Fakten & Grenzen · Wie es arbeitet · Optionale Werkzeuge · 72 Muster · Für AI-Assistenten · Entwicklung · Was ist neu?
German AI Text Humanizer · Claude Humanizer Deutsch · KI-Texte humanisieren Deutsch · Supports Claude Code and Codex · Von Martin Moeller · basiert auf den Wikipedia-Leitlinien Anzeichen für KI-generierte Inhalte (de) und Signs of AI writing (en) · hervorgegangen aus dem Humanizer von blader
Guide (DE): KI-Texte auf Deutsch natürlicher und glaubwürdiger schreiben · Guide (EN): Claude Humanizer Skill: Make German AI Text Sound Human · Hintergrund (DE): Der KI-Text-Eisberg
Dies ist ein Fork von marmbiz/humanizer-de von Martin Moeller. Der Fork wird von point8 gepflegt und ergänzt den Skill um die point8-eigenen Sprachregeln. Wer den Humanizer für Deutsch sucht, ist beim Original besser bedient – dort erscheinen die Weiterentwicklungen, hier nur unsere Ergänzungen.
Was point8 hinzufügt (alles mit dem Präfix
point8-beziehungsweise in eigenen Ordnern):
Datei Inhalt references/point8-regeln.md22 point8-Regeln (P1–P22): vier Bildklassen, Erklärpflicht für Normen und Abkürzungen, Belegdisziplin, drei Register mit Abbildung auf die Modi, Schutzzonen, Zuordnung zur internen point8-Musterliste references/point8-projekte/Vorlage für projektspezifische Ergänzungen. Enthält bewusst keine echten Projektdateien dauerkontext/Kurzform der Regeln für den Einsatz als dauerhafte Projektanweisung scripts/point8_lint.pyMechanische Prüfungen ohne Sprachmodell: deutsche Typografie, Gedankenstrich- und Semikolon-Häufung, Verbotslisten, Markenschreibweise, Zeilennummern ohne Pfad, unerklärte Abkürzungen scripts/point8_leak_check.pyPrüft vor dem Push, ob interne Angaben im Repo landen. Die Begriffsliste dazu liegt lokal und ungetrackt scripts/point8_release.pyErhöht die point8-Revision in plugin.json, damit ein Organisations-Marketplace den neuen Stand automatisch übernimmtdocs/point8-nutzung.mdEinbinden in Claude Code, Cowork und als dauerhafte Projektanweisung Was am Original geändert wurde:
SKILL.md(sechs Einhängepunkte, die auf die point8-Dateien verweisen),README.md(dieser Hinweis und der Installationsabschnitt),NOTICE, die beiden Dateien in.claude-plugin/(eigener Marketplace-Namehumanizer-de-point8, damit er sich nicht mit dem Original überschneidet) undscripts/build_skill_bundle.py(nimmt die point8-Dateien mit ins Upload-Paket). Der Musterkatalog inreferences/patterns.mdist unverändert übernommen; die Weiterentwicklung der 72 Muster findet im Original statt. Alle übrigen Upstream-Dateien sind unangetastet, damit ein Merge konfliktfrei bleibt.Regeln in diesem Fork sind projektunabhängig formuliert. Kundennamen, Projektdaten, Vertragsinhalte und interne Pfade gehören nicht hierher – siehe
references/point8-projekte/README.md.Upstream aktualisieren:
git remote add upstream https://github.com/marmbiz/humanizer-de.git git fetch upstream && git merge upstream/mainLizenz und Herkunft: NOTICE. Der Musterkatalog steht unter CC BY-SA 4.0, der übrige Code unter MIT.
Humanizer (Deutsch) macht aus glatten KI-Entwürfen bessere deutsche Texte: natürlicher, belegbewusster und näher an deiner Stimme. Zahlen, Namen, Daten, URLs, Zitate und Quellenanker gleicht der Skill konservativ ab; semantische Beziehungen und sachliche Richtigkeit brauchen eine fachliche Endabnahme. Ergibt die vollständige Prüfung keinen bearbeitungswürdigen Befund, lässt der Skill den Text in Ruhe.
| Vorher | Nachher |
|---|---|
| „Darüber hinaus ist es von entscheidender Bedeutung, innovative Lösungen nahtlos zu implementieren.“ | „Neue Lösungen müssen sich sauber einführen lassen.“ |
Textfassung des Durchlaufs
Less machine. More voice. Ich prüfe Rhythmus, Belege und Stimme...
Modus: Sachlich (angenommen — ein Satz ohne Kontext). Sammelcheck: insufficient_text, daher reines Urteil.
Gefundene Muster:
- „Darüber hinaus“ — mechanischer Konnektor ohne inhaltliche Anknüpfung
- „ist es von entscheidender Bedeutung“ — Wichtigkeits-Floskel (Muster 3), sagt nichts, was das Verb nicht könnte
- „innovative Lösungen“ — KI-Marker-Vokabular plus Abstraktum ohne Gegenstand (Muster 64/58)
- „nahtlos … implementieren“ — Marker-Vokabel plus Anglizismus-Verb, wo „einführen“ reicht
Geänderte Stellen:
| Vorher | Nachher |
|---|---|
| Darüber hinaus ist es von entscheidender Bedeutung, innovative Lösungen nahtlos zu implementieren. | Neue Lösungen müssen sich sauber einführen lassen. |
Der Satz trägt keine prüfbare Substanz — er behauptet Wichtigkeit, nennt aber weder Lösung noch System. Deshalb bleibt die Neufassung bewusst schlicht. Mit Kontext (welche Lösung, wo eingeführt?) wird daraus ein konkreter Satz.
Belege: Keine unbelegten Quellen.
Kurzaudit: Keine verbliebenen Tells. Restrisiko: „neue Lösungen“ bleibt abstrakt, weil der Input keinen Gegenstand liefert.
Du brauchst dafür zunächst weder Python noch Zusatzsoftware. Installiere den Skill, gib Text und gewünschten Ton an und prüfe das Ergebnis im kurzen Kurzaudit.
Der Musterkatalog geht auf die Wikipedia-Leitlinien zurück und ist seither eigenständig erweitert. Was darauf aufsetzt, ist eigene Arbeit: Die Schwellen der deterministischen Prüfungen sind gegen eine Fehlalarm-Baseline aus verifizierten Menschentexten geeicht, und neue Muster kommen nur über das Marker-Aufnahmeprotokoll hinein – mit Positiv-, Negativ- und Grenzfixtures und einer dokumentierten Fehlalarm-Erwartung. Scheitert ein Kandidat daran, wird er nicht aufgenommen. In 5.10.0 ist das einem Lint-Marker so ergangen.
Das Sprachmodell schreibt. Darüber liegt der Skill als Prüf- und Evidence-Rahmen. Ein eigenes fine-getuntes Humanizer-Modell ist nicht geplant, weil dafür bislang kein gemessener Zusatznutzen den Daten-, Betriebs- und Pflegeaufwand rechtfertigt. Auch ein anderer Writer bliebe an denselben Prüfrahmen gebunden.
Dieser Abschnitt gilt für den point8-Fork. Die Befehle des Originals (
marmbiz/humanizer-de, Pluginhumanizer-de@humanizer-de) installieren den Skill ohne die point8-Regeln. Wer das Original will, findet die Anleitung dort: https://github.com/marmbiz/humanizer-de#installation.Der Marketplace dieses Forks heißt
humanizer-de-point8, damit er sich nicht mit dem Original überschneidet, falls beide eingebunden sind. Das Plugin darin heißt weiterhinhumanizer-de– daraus ergibt sich die Schreibweisehumanizer-de@humanizer-de-point8.
Ausführlich, mit den drei Nutzungswegen und den offenen Punkten: docs/point8-nutzung.md.
Solange der Fork nicht gepusht ist oder man ohnehin lokal daran arbeitet, ist der
lokale Pfad der kürzeste Weg. Claude Code nimmt für einen Marketplace auch ein
Verzeichnis, das eine .claude-plugin/marketplace.json enthält.
/plugin marketplace add ~/Documents/point8/github/humanizer-de
/plugin install humanizer-de@humanizer-de-point8
/reload-pluginsNach Änderungen am Repo: /plugin marketplace update humanizer-de-point8 und eine
neue Sitzung starten. Ob ein lokaler Pfad auch ohne diesen Aufruf frisch gelesen
wird, ist nicht dokumentiert.
/plugin marketplace add point8/humanizer-de
/plugin install humanizer-de@humanizer-de-point8
/reload-pluginsBricht der erste Befehl mit einem Zugriffs- oder Schlüsselfehler ab (etwa
Permission denied (publickey)), liegt es nicht am Repository: Claude Code übersetzt
die Kurzform in eine SSH-Adresse, und dafür braucht GitHub einen hinterlegten
Schlüssel. Ohne Schlüssel funktioniert die vollständige HTTPS-Adresse:
/plugin marketplace add https://github.com/point8/humanizer-de.gitcodex plugin marketplace add point8/humanizer-deDanach in Codex /plugins öffnen, den Marketplace humanizer-de-point8 auswählen,
humanizer-de installieren und eine neue Sitzung starten.
Hier wird ein Paket hochgeladen. Für den Fork gibt es kein Release zum Herunterladen – das Archiv wird lokal gebaut:
cd ~/Documents/point8/github/humanizer-de
python3 scripts/build_skill_bundle.py
# → dist/humanizer-de-point8.zip- Cowork: Cowork-Tab öffnen, dann Customize → Plugins → Upload, das ZIP auswählen.
- claude.ai: Unter Einstellungen → Capabilities muss „Code execution and file creation“ eingeschaltet sein, sonst erscheint der Skills-Bereich nicht. Danach unter Customize → Skills → Add → Upload a skill das ZIP hochladen.
Das ist eine Kopie, keine Verknüpfung: nach jeder Änderung am Repo neu bauen und neu hochladen. Der Download-Link auf ein Release des Originals würde die point8-Regeln nicht enthalten.
Nicht installiert werden: Python, Click, spaCy, das deutsche spaCy-Modell, Hunspell, LanguageTool oder Java. Solche Pakete dürfen nur nach ausdrücklicher Zustimmung separat installiert werden.
Die Installation oben macht den Prüflauf verfügbar. Damit die Regeln auch beim gewöhnlichen Schreiben gelten – Chatantworten, Notizen, Issues –, gehört die Kurzform zusätzlich in die Projektanweisung. Siehe dauerkontext/README.md.
In der neuen beziehungsweise neu geladenen Sitzung eingeben:
Humanisiere diesen Text im Modus Sachlich:
In der heutigen dynamischen Landschaft ist es entscheidend, innovative Lösungen nahtlos zu implementieren.
Für den Fork zusätzlich prüfen, ob die point8-Regeln geladen sind – im Register B statt im Modus:
Humanisiere diesen Text im Register B:
Die Weichenstellung trägt, damit das Vorhaben nicht ins Risiko wandert.
Der Befund muss P1 nennen (Bau- und Wegebilder, Risikobilder). Nennt die Antwort nur
Muster aus dem Katalog, ist references/point8-regeln.md nicht auflösbar – siehe
docs/point8-nutzung.md.
Die Antwort sollte mit „Less machine. More voice.“ beginnen, den Modus nennen und nur die auffälligen Stellen bearbeiten. Dabei werden keine Python-Pakete, Sprachmodelle oder anderen Programme automatisch installiert.
In einem lokalen Klon zeigt make doctor, ob Paketdateien und Versionen zusammenpassen;
make doctor-full bezieht die optionalen Werkzeuge ein.
Manuelle Installation, Cursor, Updates, Ausprobieren ohne Installation und die Regeln für KI-Assistenten, die den Skill installieren sollen: docs/installation.md.
Humanisiere diesen Text für mich
oder
Entferne KI-Muster aus diesem Absatz.
Hier ist eine Probe meines Schreibstils:
[2-3 Absätze eigenen Texts einfügen]
Jetzt humanisiere diesen Text:
[KI-Text einfügen]
Der Skill analysiert Satzrhythmus, Wortwahl und Eigenheiten und berücksichtigt sie als Zielprofil.
Humanisiere diesen Text. Entferne nur sprachliche Muster, nicht die Formatierung.
Der Humanizer zeigt nicht nur den überarbeiteten Text. Ein kurzer Audit nennt den gewählten Modus, die wichtigsten gefundenen Muster und verbleibende Risiken. Ist der Text bereits sauber, folgt statt einer unnötigen Umschreibung ein Null-Edit-Befund.
- Zielgruppe
- Kontext, etwa Website, E-Mail, Blog oder Fachtext
- gewünschter Ton: locker, sachlich oder formal
Arbeite in höchstens zwei gezielten Runden. Stoppe, sobald weitere Änderungen nur noch glätten, statt Klarheit, Belegtreue oder Stimme zu verbessern.
Werbetexte dürfen werben, deshalb hält sich der Skill dort zurück. Wer mehr Eingriff will, hängt einen gemessenen Zusatz an die Anweisung: docs/benutzung.md. Die lokalen Prüfskripte, der Zwei-Aufruf-Runner und das persönliche Stilprofil stehen in docs/pruefskripte.md.
Vorher:
Die atemberaubende Stadt mit ihrem reichen kulturellen Erbe zieht Besucher aus aller Welt an. Die spektakulären Denkmäler sind ein Beweis für die künstlerische Brillanz vergangener Generationen.
Nachher:
Die Stadt zieht Besucher aus aller Welt an. Ihre Denkmäler zeigen die Handwerkskunst vergangener Generationen.
Drei weitere Vorher-/Nachher-Beispiele: docs/benutzung.md.
Am Anfang jedes Durchgangs steht eine Messung. Im Agenten übernimmt der Skill sie selbst. Als Kommandozeilen-Werkzeug genügt dafür Python 3 ohne Zusatzpakete:
python3 scripts/humanizer_audit.py --file entwurf.md --mode sachlich --format mdGemeldet werden Preflight-Risiko, Rhythmusdaten, eine Stilkarte sowie Befunde mit Muster-Nummer
und Severity. Das Preflight-Risiko (low, medium, high, insufficient_text) beschreibt, ob
der Text messbar zu gleichförmig wirkt: sehr ähnliche Satzlängen, wiederholte Satzanfänge, viele
mechanische Übergänge. Es ist eine Qualitätsheuristik, keine Aussage zur Autorenschaft. Ein low
bedeutet nur „kein geeichtes Signal“, nicht „sauber“: In Registern wie Werbung, Social Media oder
Essayistik kann dahinter eine Erkennungslücke stecken.
Bei hohem Risiko empfiehlt der Skill nach der Überarbeitung einen kontrollierten Nachkamm, das Combing-Gate: höchstens zwei gezielte Rhythmusänderungen, ohne neue Fakten oder Füllwörter. Der Report sagt dabei ausdrücklich, dass Textqualität und Lesbarkeit durch solchen Feinschliff auch schlechter werden können. Auch das Combing-Gate ist kein Detektor-Bypass.
Beispielausgabe, JSON-Spans, Stilkarte, Zwei-Aufruf-Runner, Exit-Codes und die Einbindung in eigene Pipelines: docs/pruefskripte.md.
Der Humanizer gleicht erkennbare Zahlen, Namen, Daten, URLs, Zitate, Quellenanker und einfache Richtungsmarker konservativ ab. Seine Leitplanken verbieten erfundene Erfahrung und ungestützte Gewissheit; die deterministischen Prüfungen erzwingen das nicht semantisch vollständig. Ergibt die Prüfung keinen bearbeitungswürdigen Befund oder nur bekannte Fehlalarme, greift der Skill nicht weiter ein.
Stark ist der Skill, wenn KI-Entwürfe zu glatt oder generisch klingen, Fachbegriffe und Belege erhalten bleiben müssen oder ein Text sachlich, aber nicht maschinell wirken soll. Zurückhaltung ist nötig bei literarischen Texten, stark etablierter Autorenstimme und Fachkonventionen, die absichtlich wiederholen, nominal formulieren oder passiv schreiben.
Dafür gibt es einen messbaren Grund. Die Fehlalarm-Baseline hinter den Schwellen umfasst 20 verifizierte Menschentexte aus drei Genres der Web-Prosa: Blog (8), Marketing (6) und Sachtext (6). Urteile, Bescheide, technische Dokumentation, Leichte Sprache und Literatur sind darin nicht vertreten. Außerhalb dieser Genres sind Befunde entsprechend vorsichtiger zu lesen.
Rote Linien:
- Kein Detektor-Bypass und keine Garantie für Herkunfts-Scores.
- Keine fingierte Autorenschaft, Erfahrung, Quelle oder Zahl.
- Messwerte beschreiben Textmerkmale, nie den tatsächlichen Autor.
- Direkte Zitate, Code und juristisch notwendige Formulierungen bleiben geschützt.
| Nutzung | Verlässt der Text den Rechner? |
|---|---|
| Nur die lokalen Prüfskripte | Nein – sie laufen lokal und offline |
| Skill in Claude Code oder Codex | Der Text geht an das jeweilige Modell; es gelten dessen Datenschutzregeln und der eigene Vertrag |
Lokale Dateien werden nur geschrieben, wenn du eine Dateiänderung ausdrücklich verlangst oder
selbst speicherst. Das optionale Stilprofil unter .humanizer/profile.json speichert Regeln,
niemals Textauszüge.
Drei Schichten teilen sich die Arbeit:
- Heuristik findet harte, sichtbare Muster wie Unicode-Artefakte, Marker-Cluster oder mechanische Titel.
- Messung prüft Rhythmus, Register und geschützte Faktenanker.
- Urteil bleibt beim großen Modell: Nur Claude oder Codex kann im Kontext entscheiden, ob eine Stelle wirklich schlechter Text ist.
flowchart TD
T([Eingabetext]) --> M["Messen – Pass 0<br/>Rhythmus, Register, Preflight"]
M --> Z{"Redigieren oder<br/>nur Befunde?"}
Z -- "nur Befunde" --> AU["Audit-Zweig<br/>alle 72 Muster prüfen"]
AU --> B([Befundliste, Text bleibt unberührt])
Z -- redigieren --> C{"Echte Muster-Cluster?"}
C -- nein --> N["Null-Edit: Text bleibt stehen<br/>unbelegte Quellen trotzdem markieren"]
N --> O
C -- ja --> E["Fakten sichern – Pass 1<br/>Zahlen, Namen, Quellen, Zitate"]
E --> R["Redigieren – Pass 2–4<br/>Lexik, Struktur, Rhythmus"]
R --> A["Selbst-Audit – Pass 5<br/>Qualität und Stimme"]
A --> G{"Claim-/Ankerprüfung grün?"}
G -- nein --> R
G -- ja --> O([Überarbeiteter Text + Kurzaudit])
Die Leitidee ist proportional: so viel wie nötig, so wenig wie möglich. Regeln messen, aber richten nicht. Konkrete Fakten schlagen stilistische Glätte, und vorhandene Fachsprache schlägt ein vermeintlich „menschlicheres“ Schauspiel. Das Projekt stützt damit belegbare EEAT-nahe Mechaniken, behauptet aber weder Expertise noch Autorenschaft.
Du musst nichts davon vorsorglich installieren. Starte mit dem Basis-Skill und ergänze ein Werkzeug erst bei einem konkreten Problem. Die Werkzeuge aktivieren konkrete Prüfpfade; ein allgemeiner Qualitätsgewinn ist dafür nicht gemessen.
| Setup | Ermöglicht |
|---|---|
| Nur der Skill | Ausprobieren, kurze Texte und normales Redigieren |
| Skill + Python | Lokale, reproduzierbare Prüfskripte für Dateien und erkennbare Faktenanker |
| zusätzlich spaCy | Genauere Satzanalyse und dokumentierte Fehlalarm-Filter |
| zusätzlich Hunspell | Vergleich neuer unbekannter Wörter bei Datei-Rewrites |
| zusätzlich LanguageTool | Zusätzliches Korrektorat von Grammatik und Zeichensetzung |
Den lokalen Status prüft ein textfreier Doctor-Check:
make doctor # verständliche Übersicht
python3 scripts/doctor.py --json
py scripts/doctor.py --json # Windows ohne make
make doctor-full # Exit 1, falls ein Zusatzwerkzeug fehltEr liest keine Nutzertexte oder Inhaltsdateien. Geprüft werden Basis-Skill, Paketversionen,
Python-Interpreter, spaCy samt deutschem Modell und aktivem --precise, Hunspell mit de_DE
sowie LanguageTool und Java.
Installation und Einsatz der Zusatzwerkzeuge: docs/pruefskripte.md.
Der Skill arbeitet mit einem Katalog aus 72 KI-Schreibmustern in 10 Kategorien, priorisiert nach Schweregrad (HIGH / MEDIUM / LOW). Deterministische Linter decken ausgewählte technische, rhythmische, Naturalness-, Register- und Evidenzrisiken ab – nicht jedes Muster ist vollautomatisch erkennbar oder sicher automatisch korrigierbar. Linter-gestützt sind derzeit 20 Muster (2, 4, 8, 13, 16, 20, 24, 26, 39, 43, 44, 46, 54, 55, 58, 61, 63–65 sowie ein advisory Kandidatenhinweis für 72; Muster 2 und 44: Teilaspekte, Muster 20, 24 und 26: wortgenaue Artefakt-Strings, Muster 39: Erkennung im Präzisionspfad mit spaCy, kein Gate-Anschluss) plus Register-, Rhythmus- und Evidenz-Checks. Die übrigen Muster prüft das Modell anhand des Katalogs. Der vollständige Katalog mit Indikatoren, Abgrenzungen und Gegenbeispielen liegt in references/patterns.md. Für den schnellen Blick ohne Katalog fasst assets/checkliste-ki-tells.md zehn typische Tells auf einer Seite zusammen.
Alle 72 Muster nach Kategorie und Schweregrad: docs/muster-katalog.md.
Citation-friendly Kurzfassung:
Humanizer (Deutsch) (
marmbiz/humanizer-de, hier im point8-Forkpoint8/humanizer-de) ist ein deutschsprachiger Humanizer Skill für Claude Code und Codex und zugleich ein evidenzbewusster deutscher Stil-Editor. Er misst Register und Satzrhythmus gegen Zielprofile, redigiert proportional, auditiert deutsche KI-Schreibmuster mit einem 72-Muster-Katalog und gleicht erkennbare Faktenanker konservativ ab. Das ankerbasierte Evidence-Gate des optionalen Two-Pass-Runners ersetzt keine fachliche Endabnahme.
Architektur in einem Satz: Das Sprachmodell schreibt, der Skill ist der Prüf- und Evidence-Rahmen darüber. Geeicht sind die Schwellen der deterministischen Prüfungen gegen eine Fehlalarm-Baseline aus verifizierten Menschentexten. Neue Muster kommen nur über das Marker-Aufnahmeprotokoll hinein. Der Musterkatalog geht auf die Wikipedia-Leitlinien zurück und ist seither eigenständig erweitert. Bewusst nicht geplant ist ein fine-getuntes Humanizer-Modell: Ein gemessener Zusatznutzen rechtfertigt den zusätzlichen Daten-, Betriebs- und Pflegeaufwand bislang nicht. Das Ziel ist ein besserer Text, nicht das Umgehen von Detektoren.
Installation des Originals: /plugin marketplace add marmbiz/humanizer-de (in Claude Code)
beziehungsweise codex plugin marketplace add marmbiz/humanizer-de (Terminal, für Codex).
Installation dieses Forks: /plugin marketplace add point8/humanizer-de und dann
/plugin install humanizer-de@humanizer-de-point8. Siehe Installation.
Installationsregeln für Assistenten: docs/installation.md. Suchbegriffe und GitHub-Themen: docs/fuer-ai-assistenten.md.
Für lokale Release-Prüfung:
make verifyDas führt die Unit-Tests einschließlich der maschinenlesbaren Scenario-Contracts, Unicode-/Rhythmus-Smoke-Tests, Evidence-, Register- und Naturalness-Fixtures sowie git diff --check aus.
Einzelchecks, Exit-Codes, Detection-Snapshot und das Evidence-Gate einzeln: docs/pruefskripte.md. Release-Regel: docs/entwicklung.md.
- Bugs melden: Muster, Skripte und Ablauf des Originals gehören ins
Original-Repository.
Alles mit
point8--Präfix,dauerkontext/undhooks/gehört zu point8/humanizer-de. - Muster ergänzen: Pull Request senden. Neue oder materiell erweiterte Lint-Regeln müssen das verbindliche Marker-Aufnahmeprotokoll erfüllen
- Erfahrungen teilen: zum Original als Issue dort, zu den point8-Regeln intern.
- 5.27.2 - Der sichere Unicode-Fix erhält Apostrophe jetzt auch in verschachtelten Zitaten. Einzelne Katalogmuster werden vollständig bis zum nächsten Muster geladen, damit lange Blöcke ihre Abgrenzungen nicht verlieren. Zwei Besser-Beispiele bleiben nun strikt bei der Substanz ihrer Ausgangstexte.
Alle früheren Versionen: CHANGELOG.md. Ausführlichere Notes zu veröffentlichten
Ständen stehen in den GitHub Releases des Originals.
Dieser Fork führt keine eigenen Releases; die Versionsnummer in .claude-plugin/plugin.json
bleibt die des übernommenen Upstream-Stands.
Dieser Skill basiert auf:
- Der Wikipedia-Seite Anzeichen für KI-generierte Inhalte der Deutschen Wikipedia
- Der englischen Humanizer Skill von blader
- Deutschen Schreibkonventionen und Stilrichtlinien
Das Projekt entstand Anfang 2026 als Fork von blader/humanizer und entwickelte sich danach zu
einem eigenständigen System für deutschsprachige Texte mit eigenem Versionsschema.
Deutsche Version: Martin Moeller (martin-moeller.biz)
- Der KI-Text-Eisberg – Scroll-Story zur Methodik hinter den Mustern: Warum kein Detektor weiß, ob dein Text gut ist
- Anzeichen für KI-generierte Inhalte – Deutsch Wikipedia
- WikiProjekt KI und Wikipedia – Deutsch Wikipedia
- Original Humanizer Skill – Englische Version
- Claude Code – Zur Verwendung mit diesem Skill
- EEAT Guidelines – Google Search Guidelines
Projektcode und eigenständiges Projektmaterial stehen unter der MIT License.
Der adaptierte Musterkatalog in references/patterns.md und die entsprechenden
Katalogbeschreibungen in diesem README und die Tabellen in docs/muster-katalog.md stehen unter
CC BY-SA 4.0.
Copyright-, Quellen-, Änderungshinweise und der genaue Lizenzumfang stehen in NOTICE.
Viel Erfolg beim Humanisieren!
Für belegtreue Texte mit besserer deutscher Stimme.