Was ein Humanizer-Durchlauf wirklich bringt

Alle paar Wochen fragt mich jemand, ob ein Humanizer-Tool KI-Text wirklich repariert. Meistens steckt derselbe Zweifel dahinter: Ist das nur Kosmetik, oder verändert sich da wirklich etwas Messbares? Früher hab ich aus dem Bauch heraus geantwortet, irgendwie schon, aber keine Zauberei. Diesmal hab ich nachgerechnet, statt zu raten.

Der Testaufbau: sechs rohe Absätze, ein Durchlauf

Ich hab sechs rohe KI-Erstentwürfe genommen, zu Themen, über die ich sowieso schreibe. Die Themen: KI im Content, Claude Code Skills, GEO und KI-Suche, eigene Tools bauen, datengetriebenes Laufen und KI-Text humanisieren. 334 Wörter insgesamt, reiner Modell-Output, null Bearbeitung. Das ist Absicht: Ein bereits sauberer Erstentwurf hätte den Effekt kleingerechnet, und genau der Effekt war die Frage.

Jeden Absatz hab ich einmal durch meine Humanizer-Checkliste laufen lassen: Gedankenstriche raus, verbotene KI-Vokabeln weg, Dreiergruppen-Listen aufgelöst. Aus Kopula-Vermeidung wie „X dient als“ wurde „X ist“, negativer Parallelismus flog raus, und lange Sätze wurden geteilt. Ich hab nur einen einzigen Durchlauf gemacht, keine zweite Runde und keinen Stil-Feinschliff danach.

Gemessen hab ich anschließend zwei Dinge, jeweils vorher und nachher. Die Flesch Reading Ease: 206,835 minus 1,015 mal die durchschnittliche Satzlänge minus 84,6 mal die durchschnittliche Silbenzahl pro Wort, die Silben gezählt mit einem heuristischen Zähler. Dazu die KI-Tells pro 100 Wörter, also Treffer aus der verbotenen Vokabelliste plus abgedroschene Phrasen wie „in today's fast-paced world“.

Die Zahlen im Überblick

| Kennzahl | Vorher | Nachher | Veränderung | |---|---|---|---| | Flesch Reading Ease | 2,9 | 86,3 | +83,4 | | Ø Satzlänge | 25,7 Wörter | 9,3 Wörter | −64 % | | KI-Tells pro 100 Wörter | 9,58 | 0,56 | −94 % |

Ein Wert von 2,9 liegt im Bereich von Gerichtsschriftsätzen und wissenschaftlichen Papers, für ein allgemeines Publikum fast unlesbar. 86,3 gilt als „sehr leicht“, der Bereich, den man von einem gut redigierten Blogpost erwarten würde. Ein einziger Durchlauf hat den Text um 83 Punkte auf dieser Skala verschoben. Für eine Leserin heißt das ganz praktisch: Der Text lässt sich am Stück lesen, ohne beim zweiten Halbsatz schon wieder von vorn anzufangen.

Die Satzlänge fiel um fast zwei Drittel. KI-Tells pro 100 Wörter sanken um rund 94 Prozent. Die beiden Tells, die den Durchlauf überlebt haben, sind die Wörter delve und robust. Die überleben nur, weil eine Probe sie als Beispiele in einem Satz über KI-Tells selbst verwendet hat. Tatsächlich übrig gebliebene Tells: praktisch null.

Ein Beispiel, vorher und nachher

Dieses Paar stammt aus dem Lauf-Absatz im Batch. Gleiche Idee, gleiche verfügbaren Fakten, dazwischen ein einziger Humanizer-Durchlauf.

Vorher:

Data-driven running represents a revolutionary approach to athletic performance, one that leverages cutting-edge wearable technology to unlock actionable insights and elevate every stride. By harnessing heart rate zones, pace metrics, and recovery data, runners can foster continuous improvement and navigate their training with unprecedented precision and confidence.

Nachher:

I let an AI plan my runs for three months. 58 runs, 507 kilometers. Did it make me faster? Honestly, not much. My pace at the same heart rate barely moved. What it did do was keep me consistent.

Schau genau hin, was hier passiert ist. Der Durchlauf hat weder die konkreten Zahlen hinzugefügt noch das ehrliche „nicht wirklich“ noch die eigentliche Aussage zur Konstanz. Die kamen aus dem, was beim eigentlichen Lauf-Experiment tatsächlich passiert ist. Der Durchlauf hat nur den Nebel weggeräumt, der davorstand.

Die ehrlichen Einschränkungen

Ein paar Dinge machen daraus kein sauberes Laborergebnis. Die rohen Beispiele waren bewusst unbearbeiteter Modell-Output, also ist 2,9 eine Worst-Case-Untergrenze und nicht das, was ein ordentlicher erster Entwurf mit einem Menschen dahinter liefern würde. Die Stichprobe umfasst sechs Absätze, nicht sechzig. Sechs Absätze zeigen eine Richtung, keine Verteilung, und ich würde daraus keine allgemeine Prozentzahl für jeden beliebigen KI-Text ableiten. Der Silbenzähler arbeitet außerdem mit einer Heuristik, deshalb sind die Flesch-Werte eher eine Richtung als ein exakter Wert.

Zur Einordnung: Meine eigenen veröffentlichten, handredigierten Posts auf dieser Seite lagen damals zwischen 64 und 78 auf derselben Skala, mit KI-Tells nahe null. Gemessen wurde das auf Englisch, mit der englischen Formel. Der humanisierte Entwurf aus diesem Test landete bei 86,3, direkt neben diesem Bereich. Das ist das eigentliche Ziel, nicht der rohe Entwurf und auch nicht der höchstmögliche Wert. Wie sich dieselbe Skala für deutschen Text anders verhält, rechne ich in einem eigenen Beitrag vor.

Was ein Durchlauf nicht leistet

Genau hier bleibe ich bewusst skeptisch. Ein Humanizer-Durchlauf entfernt Maschinen-Tells und räumt Nebel weg. Er schreibt weder die konkrete Zahl noch die echte Anekdote noch das Argument, das die Sache trägt. Für den Teil braucht es weiterhin einen Menschen, der die Sache selbst gemacht hat und eine Meinung dazu hat.

Das ist die ganze Prämisse hinter der Frage, warum KI-Inhalte trotzdem eine menschliche Stimme brauchen. Aus demselben Grund hab ich meine eigene Brand Voice überhaupt erst in eine Checkliste gegossen, statt sie mir bei jedem Text neu zu überlegen.

Macht ein Humanizer-Durchlauf einen Text gut? Nein. Entfernt er, was einen Text offensichtlich maschinengeschrieben wirken lässt? Messbar, ja, und zwar deutlich. Beides stimmt gleichzeitig, und wer das durcheinanderbringt, vertraut einem Werkzeug am Ende eine Aufgabe an, für die es nie gebaut wurde.