Man merkt es inzwischen oft nach drei Sätzen. Ein Text hat „unterschätzt“, dass etwas „nicht nur“ dies, sondern jenes sei, und erklärt zum Schluss, warum die Zukunft trotzdem vielversprechend aussieht. Inhaltlich kann das stimmen. Es klingt trotzdem, als hätte jemand die Verpackung vergessen abzunehmen.
Ich nutze deshalb Humanizer von Siqi Chen. Kein Detektor, der behauptet, einen Menschen von einem Modell unterscheiden zu können. Der Skill arbeitet wie ein strenger Lektor: Er sucht nach Mustern, die Sprachmodelle auffällig oft produzieren, und zwingt mich, jeden Satz noch einmal zu begründen.
Ein Satz aus der Anleitung steht für mich über allem: Den Inhalt behalten. Nichts erfinden. Wenn eine Stelle nur durch eine erfundene Zahl, ein Zitat oder eine vermeintliche Studie lebendiger würde, bleibt sie eben schlicht. Das ist eine bessere Grenze als jeder „menschlich klingende“ Schalter.
Woran er ansetzt
Der Skill markiert keine einzelnen verbotenen Wörter und macht daraus auch keinen Textfilter. Er schaut auf die Bauweise. Zu den üblichen Kandidaten gehören aufgepumpte Bedeutung, Dreierlisten, Gedankenstriche im Übermaß, künstliche Gegensätze und Überschriften, die ihren eigenen Absatz erst einmal nacherzählen.
Das klingt kleinlich. Es hilft.
Nehmen wir diesen Satz:
In der sich rasant entwickelnden Landschaft der künstlichen Intelligenz ist dieses Werkzeug nicht nur ein entscheidender Schritt, sondern ein Gamechanger, der die Zukunft der Produktivität neu definiert.
Er behauptet viel und sagt fast nichts. Nach der Überarbeitung bleibt zum Beispiel:
Das Werkzeug spart mir Zeit bei wiederkehrenden Texten. Bei schwierigen Entscheidungen hilft es weniger, weil ich die Ergebnisse ohnehin prüfen muss.
Der zweite Satz ist kein Meisterwerk. Er sagt aber, worum es geht, und lässt den Rest weg.
Drei Stellen, an denen es bei mir hilft
Der erste Entwurf eines Artikels. Ich lasse eine Rohfassung schreiben, weil der leere Bildschirm das dümmste Problem an Textarbeit ist. Vor der Veröffentlichung läuft Humanizer darüber. Besonders gut ist der Skill bei Absätzen, die technisch richtig, aber seltsam glatt sind. Er nimmt ihnen die Bügelfalte nicht immer weg, aber er zeigt sie mir.
Texte über Produkte. Gerade bei Software entsteht schnell Werbesprache, selbst wenn niemand etwas verkaufen will. Wörter wie „nahtlos“, „leistungsstark“ oder „zukunftsweisend“ wirken in den meisten Texten wie Platzhalter. Der Skill fragt indirekt: Was tut das Ding denn konkret? Wenn ich darauf keine Antwort habe, gehört der Satz wahrscheinlich raus.
Nachrichtenentwürfe. Ein guter Entwurf kann mir Zeit sparen. Ein zu freundlicher Entwurf kann peinlich werden. Der Skill kürzt höfliches Aufwärmen, falsche Begeisterung und die Sätze, die sagen, dass man jetzt etwas erklären werde. Das Ergebnis ist meist kürzer und näher an dem, was ich selbst geschrieben hätte.
Vorher, nachher, und was daran anders ist
Diese Beispiele sind bewusst klein. Der Unterschied entsteht selten durch ein großes Umschreiben.
Vorher:
Das neue Backup-Konzept ist ein wichtiger Meilenstein, der eine robuste und zukunftssichere Grundlage für die Datenintegrität schafft.
Nachher:
Das Backup läuft jede Nacht. Ich kann die Dateien wiederherstellen, wenn die Platte stirbt.
Im ersten Satz stecken „wichtiger Meilenstein“, „robust“, „zukunftssicher“ und „Datenintegrität“. Im zweiten steht, was passiert und wofür es reicht.
Vorher:
Nicht nur verbessert die neue Oberfläche die Benutzerfreundlichkeit, sie sorgt auch für ein intuitiveres und angenehmeres Erlebnis.
Nachher:
Die neue Oberfläche hat weniger Schalter. Ich finde die Einstellung, die ich brauche, schneller.
„Nicht nur, sondern auch“ macht einen Satz gern größer, als er sein muss. Zwei konkrete Sätze tragen mehr.
Vorher:
Lassen Sie uns einen genaueren Blick auf die drei zentralen Säulen werfen: Geschwindigkeit, Qualität und Innovation.
Nachher:
Die Antwort kam schneller. Ob sie besser war, musste ich trotzdem selbst prüfen.
Der erste Satz kündigt eine Präsentation an. Der zweite sagt, was passiert ist. Mehr braucht es oft nicht.
Was er nicht kann
Humanizer macht keinen schlechten Text gut. Er recherchiert nicht, kennt meine Meinung nicht und kann keinen eigenen Ton aus dem Nichts bauen. Wenn der Ausgangstext nur Floskeln enthält, bleiben danach manchmal zwei brauchbare Sätze übrig. Das ist kein Fehler.
Er ist auch kein Freifahrtschein, um von einer Maschine geschriebene Texte als eigene Erfahrung auszugeben. Ich sehe ihn eher als Gegenmittel gegen den Autopiloten, der sich einschaltet, sobald ein Modell einen Text sehr schnell sehr ordentlich macht.
Der beste Einsatz ist deshalb keine Ein-Klick-Routine. Ich lese erst den Rohtext. Dann lasse ich die auffälligen Stellen markieren. Danach entscheide ich selbst, welche Eigenheit im Text bleiben darf. Menschen schreiben nicht perfekt. Zum Glück.
Installation in Hermes
Die aktuelle Anleitung liegt im GitHub-Repository von Humanizer. Hermes kann Skills direkt aus einer SKILL.md installieren. Erst ansehen, dann installieren:
hermes skills inspect https://raw.githubusercontent.com/blader/humanizer/main/SKILL.md
hermes skills install https://raw.githubusercontent.com/blader/humanizer/main/SKILL.mdDanach kann man ihn im Chat mit /humanizer aufrufen oder schlicht schreiben: „Humanize diesen Text.“ Hermes lädt den Skill dann, wenn die Aufgabe dazu passt.
Bei fremden Skills würde ich den ersten Befehl nie überspringen. Die Datei ist keine harmlose Vorlage, sondern eine Anleitung dafür, wie der Agent arbeiten soll. Im Zweifel: lesen, dann installieren.
Humanizer steht unter der MIT-Lizenz. Die zugrunde liegenden Muster beziehen sich auf den Wikipedia-Leitfaden „Signs of AI writing“, der von WikiProject AI Cleanup gepflegt wird.
Mein Fazit
Ich will nicht, dass jeder Text klingt, als sei er mit einer Schreibmaschine und viel Kaffee entstanden. Dafür mag ich gute Werkzeuge zu sehr. Ich will nur merken, wenn ein Text sich hinter großen Wörtern versteckt.
Humanizer nimmt mir diese Arbeit nicht ab. Er hält mir die Stellen hin, an denen ich entweder etwas sagen oder den Satz streichen sollte.
Schreibe einen Kommentar