Humanizer (Deutsch)

<!-- SLOW_UPDATE_START -->

Auftrag

Wenn 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.

Fokus des Skills ist KI-Muster-Audit mit gezielter Textverbesserung. Reines Korrektorat, Grammatikprüfung, Übersetzung und allgemeine Stilpolitur gehören nur dazu, wenn sie diesem Ziel dienen.

QGIR (Quality-Guided Iterative Revision) nur nutzen, wenn nach einem lokalen Minimal-Revision-Pass noch echte HIGH/MEDIUM-Cluster bleiben. QGIR arbeitet als Quality-Gate fuer proportionale Revision, nicht als Standard-Vollrewrite.

Modus

Bestimme zuerst den Modus. Wenn unklar, nimm Sachlich an und sage das.

Modus	Einsatz	Stimme
Locker	Blog, Social, Newsletter	voll, aber nicht künstlich
Sachlich	Website, Doku, E-Mail, B2B	dezent, neutral
Formal	Wissenschaft, Recht, Fachtext	keine Stimme einbringen

Arbeitszweig

Nach Pass 0 genau einen Arbeitszweig wählen und im Output einhalten:

• Nur Audit: Befunde prüfen, keine Rewrite-Paare, es sei denn, der Nutzer verlangt Vorschläge.
• Rewrite: Nur betroffene Stellen ändern; kein Volltext, wenn nicht ausdrücklich verlangt.
• Datei editieren: Datei direkt ändern; Abschluss siehe Output-Regel.

QGIR ist kein Pass-0-Zweig, sondern eine optionale Erweiterung nach Pass 5, wenn echte HIGH/MEDIUM-Cluster bleiben.

Leitplanken

• Zähle Cluster, nicht Einzelsignale. Ein einzelnes Übergangswort, ein einzelner Gedankenstrich, saubere Grammatik oder typografische Anführungszeichen allein sind kein KI-Tell.
• HIGH-Muster, technische Artefakte und Belegprobleme dürfen als Einzelbefund korrigiert oder markiert werden.
• 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.
• MEDIUM/LOW-Stilmuster nur bei Häufung, klarer Mechanik oder mehreren unabhängigen Mustern überarbeiten.
• Direkte Zitate, Code, technische Spezifikationen und juristische/regulatorische Formulierungen nicht stilistisch umschreiben.
• 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.
• 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).
• Substanz erhalten. Entferne nur Artefakte ohne Informationsgehalt oder markiere echte Lücken.
• 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).
• Detector-Bezug ist Kontext. Bewertet wird, ob eine Änderung Qualität, Lesbarkeit oder echte KI-Muster verbessert; Substanz bleibt wichtiger als Scorewirkung.
• Null-Edit: Wenn der Text sauber ist oder nur False Positives bleiben, sage das, nenne höchstens die verworfenen Kandidaten und höre auf.

Carve-outs: bekannte False Positives

Lint-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:

• Quotes in Codeblöcken und Inline-Code blendet unicode_lint.py bereits aus (straight_quote, mixed_quote_styles); YAML-Frontmatter und Markdown-Bildtitel (![Alt](url "Titel")) dagegen nicht – dort ist das Geradzeichen technische Syntax, kein Tell. --fix --write nie blind auf Frontmatter oder Bildtitel anwenden.
• Quotes in rohem HTML innerhalb von Markdown blendet unicode_lint.py ebenfalls nicht aus (straight_quote, mixed_quote_styles): Attribute wie <iframe title="Eingebetteter Beitrag"> brauchen gerade Anführungszeichen. Kein Befund, solange die Quotes Teil eines HTML-Tags sind; echter Befund bleibt gerades Anführungszeichen in laufender deutscher Prosa außerhalb technischer Syntax.
• mixed_address, wenn Sie/Ihr nur satzinitial großgeschrieben ist: register_lint.py zählt jedes großgeschriebene Sie/Ihr als formelle Anrede. Ist das Wort grammatisch 3. Person und nur durch Satzanfang großgeschrieben (Anapher auf ein vorheriges Nomen, etwa Die Idee war neu. Sie überzeugte sofort.), ist das keine Anredemischung, auch wenn im selben Absatz du steht.
• mixed_address, wenn formelles Sie/Ihnen nur in zitierter oder referierter Fremdstimme steht, etwa Bot- oder UI-Kopie im Blockquote, während die Autorenstimme du nutzt: register_lint.py trennt Zitatregister nicht vom Fließtext. Kein Befund, solange die formelle Anrede zur zitierten Quelle gehört; echter Registerbruch bleibt, wenn die Autorenstimme außerhalb von Zitaten selbst zwischen du und Sie driftet.
• Muster 64 (KI-Marker-Vokabular) bei Use-Mention: german_pattern_lint.py zählt Wortstämme roh, auch in Zitaten oder Kursivsetzung. Wer über das Füllwort nahtlos als angeführtes Beispiel schreibt, verwendet es nicht; kein Beitrag zum Cluster.
• particles_outside_locker/particle_overdose und copula_avoidance_cluster bei lexikalischer Mehrdeutigkeit: register_lint.py und german_pattern_lint.py sehen nur Wortformen, keine Wortart oder Lesart. schon im Sinn von bereits, mal als einmal oder 5-mal, ja als Antwort und stellt als Vollverb (stellt eine Frage, stellt sich die Frage, stellt die KI vor ein Problem) sind allein kein Befund; real bleibt der Fund, wenn die Wörter tatsächlich als Modalpartikeln/Nähemarker gehäuft sind oder stellt eine Kopula-Vermeidung wie stellt dar statt ist/hat bildet.
• Hoher subject_initial_ratio ohne Cluster: Werte über 0,85 sind allein unauffällig (Kalibrierungs-Median menschlicher Blogtexte: 0,887). rhythm_lint.py meldet dies nur als Fund bei zusätzlich niedriger Satzlängenvarianz oder wiederholten Satzanfängen – die reine Zahl in einer Audit-Zusammenfassung ist für sich kein Fund.
• Doppelpunkt im Einzeltitel (Muster 54): erst ab 2+ gleich gebauten Doppelpunkt-Titeln im selben Dokument behandeln, nie einen einzelnen Haupttitel oder ein Label (UI, Quellenangabe, Zeit-/Ortsangabe).

Modusmatrix

Klasse	Locker	Sachlich	Formal
HIGH Artefakt/Chatbot/Technik	ändern/entfernen	ändern/entfernen	ändern/entfernen
HIGH Evidenz/Quelle	markieren/korrigieren	markieren/korrigieren	markieren/korrigieren
HIGH Stil	ändern	ändern	nur wenn nicht fachkonventionell; Muster 10 überspringen
MEDIUM Technik/Struktur	ändern	ändern	markieren oder vorsichtig ändern
MEDIUM weicher Stil	bei Häufung ändern	bei Häufung/klarer Mechanik ändern	meist nur markieren
LOW Format	ändern, wenn störend	ändern bei Regelverstoß	meist überspringen

False Friends aus Muster 45 immer korrigieren. Calques und syntaktische Transfers im Formal-Modus korrigieren; sonst nur bei Häufung oder auffälliger Wörtlichkeit.

<!-- SLOW_UPDATE_END --> <!-- FAST_UPDATE_START -->

Ablauf: Fünf Pässe in fester Reihenfolge

Spätere Pässe dürfen frühere nicht invalidieren. Rhythmus immer zuletzt.

Pass 0 – Triage. Modus, Arbeitszweig, Texttyp, Scope und Ziel bestimmen. Schreibprobe vorhanden? Dann Satzrhythmus, Wortniveau, Absatzanfänge, Sprecherposition (ich/wir/man/neutral), Anrede, Distanz, Terminologie und Lieblingszeichen als Zielprofil festhalten (im Formal-Modus nur KI-Tells entfernen). Bei Datei-Input zuerst den kompakten Sammelcheck ausführen: python3 scripts/humanizer_audit.py --file <path> --mode <modus>. Für den neuesten Markdown-Entwurf in einem Ordner: python3 scripts/humanizer_audit.py --latest <dir> --mode <modus>. Der Sammelcheck meldet ein Preflight-Risiko (low/medium/high/insufficient_text) fuer KI-artige Oberflächencluster und eine Combing-Empfehlung; das ist keine Autorenschaftsprüfung. Bei Inline-Text: Rohtext zuerst in eine temporäre UTF-8-Datei schreiben, dann --file <tempfile>; Shell-Befehle bleiben statisch, Nutzereingaben laufen über Dateien. Einzelchecks wie unicode_lint.py, rhythm_lint.py, german_pattern_lint.py und register_lint.py bleiben für gezielte Nachprüfung nutzbar; Rhythmusdetails mit Absatzdaten nur bei Bedarf über python3 scripts/rhythm_lint.py --file <path> --scope user_text --mode <modus> --include-paragraphs ausgeben. Läuft ein Script nicht, das melden und nicht blind per Hand korrigieren. Audit- und Lint-Ausgaben sind Verdacht, kein Verdikt – vor Eingriff gegen die Carve-outs und den Kontext prüfen. Fertig, wenn Modus, Zweig, Scope und prüfbare Verdachtsliste feststehen.

Pass 1 – Artefakte und Evidenz (immer, Einzelbefund genügt). Chatbot-Floskeln, Platzhalter, Quellenprobleme (Decision Table Evidenz), Unicode, falsche Typografie und Claim-Delta prüfen. Bei Overlaps zuerst references/decision-tables.md; references/evidence-ledger.md bei Faktenankern; references/patterns.md nur für konkrete Musterdiagnose, Audit oder Grenzfälle laden. Dieser Pass bleibt bei Evidenz, Technik und Artefakten; Stilarbeit folgt später. Für sichere Datei-Korrekturen: unicode_lint.py --fix --write; Ergebnis bei Frontmatter und Bildtiteln prüfen (siehe Carve-outs). Fertig, wenn jeder HIGH-/Technik-/Evidenzfund geändert, markiert oder als False Positive verworfen ist.

Pass 2 – Lexik (Cluster-Regel). Floskel-Muster, KI-Marker-Vokabular (Muster 64), Kopula-Vermeidung (Muster 65), Abstrakta-Stapel (Muster 58): Hypernyme und Nominalstil dort auflösen, wo der konkrete Sachverhalt im Text oder Kontext steht. Konkretion kommt aus belegtem Material; unbelegte Lücken sichtbar markieren. Fertig, wenn nur Cluster bearbeitet wurden und Claim-/Persona-Lock halten.

Pass 3 – Struktur (Cluster-Regel). Überschriften-Schemata, isometrische Absätze (Muster 61), substanzlose Sektionen, Listen-Parallelismus, Schließzwang (Muster 62). Erst nach diesem Pass steht die endgültige Absatzstruktur. Fertig, wenn Strukturänderungen keine neuen Fakten, Fazitfloskeln oder Volltextpflicht erzeugen.

Pass 4 – Rhythmus (Locker/Sachlich: standardmäßig an; Formal: nur auf Wunsch). Konkrete Stellschrauben:

• Vorfeld rotieren: höchstens ~2 von 3 Sätzen subjektinitial. Varianten: Adverbial, vorangestellter Nebensatz, Objekt, Präpositionalphrase.
• Satzlänge spreizen: pro längerem Absatz mindestens ein Satz unter 6 Wörtern oder über 25 – nur wo die Aussage es trägt.
• Absatzlängen entzerren: nicht jeder Absatz 3–5 Sätze.
• Konnektor-Budget: höchstens ein mechanischer Konnektor pro Absatz; Übergänge bevorzugt über inhaltliche Anknüpfung (Thema-Rhema).
• Nur Modus Locker: sparsame Modalpartikeln (Muster 63), maximal eine pro Absatz. Sachlich/Formal bleiben ohne künstlich nachgerüstete Partikeln.
• Keine künstlichen Fragmente, Regelbrüche oder Partikel einsetzen, nur um „menschlicher“ zu wirken. Rhythmusarbeit nutzt vorhandene Aussage, nicht Fehler oder Schauspiel. Fertig, wenn Rhythmus weniger mechanisch ist, ohne Register, Claim-Lock oder natürliche Aussageführung zu verletzen.

Pass 5 – Selbst-Audit (immer). Eigene Änderungen gegen Katalog, Zielprofil, Claim-Lock, Persona-Lock und Arbeitszweig prüfen: Hat eine Ersetzungsregel neue Monotonie erzeugt (gleiche Ersatzkonstruktion 3+ Mal → Strategie rotieren, vgl. Muster 16 vs. 51)? Danach Kurzaudit ausgeben. Fertig, wenn Restbefunde, verworfene Kandidaten und Ausgabeformat zum gewählten Zweig passen.

Combing-Gate – kontrollierter Nachkamm (optional). Nach Pass 5 nur in Locker/Sachlich, ab 8 Sätzen und bei Preflight high oder ausdrücklichem Wunsch; bei medium erst nach Restprüfung. Messe vorher/nachher mean_sentence_length, stddev_sentence_length, stddev_mean_ratio und sentence_length_buckets. Maximal 2 gezielte Rhythmus-Nachbesserungen; keine neuen Fakten, Persona-Signale, Partikel oder Fragmente. Wer Combing ausdrücklich will, darf es als Burstiness-/Mimicry-Versuch bekommen; vorher klar sagen, dass Textqualität, Präzision oder Lesbarkeit schlechter werden können. Formal nur auf Wunsch. Fertig, wenn Burstiness messbar besser ist oder weitere Änderungen nur Detektorwirkung/Glattheit bringen würden.

QGIR – begrenzte zweite Runde (optional). Nur wenn nach Pass 5 echte HIGH/MEDIUM-Cluster bleiben und Claim/Register/Naturalness-Gates grün sind. Maximal 2 normale Pässe, dritter nur bei dokumentiertem schweren Restcluster. Stoppen, sobald weitere Änderungen nur Glattheit, Stimme oder Detektorwirkung verbessern würden. Details: references/qgir.md.

Entscheidungstabellen

Evidenz:

• Muster 11: vage Autorität ohne konkrete Quelle.
• Muster 26: konkrete Quelle wirkt formal ungültig, erfunden, unverifizierbar oder KI-artefaktisch.
• Muster 42: Quelle existiert und wurde geprüft, belegt die Aussage aber nicht.
• Muster 53: Quelle fehlt oder schweigt, Text füllt die Lücke spekulativ.

Struktur:

• Muster 5: Zusammenfassungsmarker im Absatz.
• Muster 6: unpassende Fazit-/Zusammenfassungssektion.
• Muster 34: generischer Einzeiler direkt nach Überschrift.
• Muster 44: ganzer Standardabschnitt ohne konkrete Substanz.

Output

Der Output konzentriert sich auf die geänderten Stellen statt auf einen vollständigen Neuabdruck.

Normale user-facing Runs beginnen kurz mit:

Less machine. More voice. Ich prüfe Rhythmus, Belege und Stimme...

Weglassen bei Raw-JSON, ausdrücklich knapper Ausgabe oder stillen Dateiänderungen.

Format:

1. Modus: eine Zeile.
2. Gefundene Muster: maximal 6 konkrete Bullet Points mit kurzem Zitat.
3. Geänderte Stellen: Vorher/Nachher-Paare nur für bearbeitete Passagen.
4. Kurzaudit: maximal 3 verbleibende Tells oder „Keine gefunden.“
5. Burstiness: nur bei Combing: Messung vorher/nachher, Iterationszahl und Hinweis auf mögliches Qualitätsrisiko.
6. Verworfene Kandidaten: nur ausgeben, wenn Lint-/Audit-Flags vorlagen und nach Prüfung höchstens zwei echte Änderungen nötig waren. Jede Zeile muss auf ein konkretes Flag oder eine konkrete Textstelle verweisen: erwogene Änderung plus ein Satz, warum sie Substanz, Rhythmus, Register oder Belegtreue verschlechtern würde. Ohne konkret geprüfte Stelle kein Eintrag; ist nichts belegbar, Block weglassen.

Wenn der Nutzer eine Datei übergibt und Änderungen verlangt, editiere die Datei direkt und fasse die Änderungen kurz zusammen.

Referenzen

• Konkrete Musterdiagnose, Audit oder Grenzfall: references/patterns.md
• Overlap, Priorität oder Modusentscheidung: references/decision-tables.md
• QGIR nur bei echten Restclustern nach Pass 5: references/qgir.md
• Faktenanker, Claim-Delta oder Quellenprüfung: references/evidence-ledger.md
• Schreibprobe, Anrede oder Sprecherprofil: references/register-profiles.md
• Natürlichkeit ohne Persona-/Entropy-Fabrikation: references/de-naturalness.md
• Kompakter Sammelcheck: scripts/humanizer_audit.py
• Unicode-/Quote-Linter: scripts/unicode_lint.py
• Rhythmus-/Burstiness-Messung: scripts/rhythm_lint.py (--include-paragraphs fuer volle Absatzdaten)
• Evidence-/Register-/Naturalness-Checks: scripts/evidence_lint.py, scripts/register_lint.py, scripts/german_pattern_lint.py

<!-- FAST_UPDATE_END -->