Anti AI Copy

Anti-AI-Copy

Macht Text menschlich und spezifisch — nicht quirky. Ziel ist nicht, AI-Detektoren zu täuschen (die sind unzuverlässig), sondern besseren Text: konkrete Aussagen statt Broschüren-Glätte.

Gotcha zuerst

Der häufigste Fehler ist Synonym-Tausch: „Potenzial ausschöpfen" → „Möglichkeiten entfalten". Das klingt weiter nach AI. Stattdessen den Satz um konkrete Bedeutung/Belege umschreiben.

• Schlecht: „schöpfe dein Potenzial aus" → „entfalte dein Potenzial"
• Gut: „schöpfe dein Potenzial aus" → „Issue, Diff und Terminal an einem Ort"

Weitere Fallen:

• Marke/Tonalität des Kunden bewahren. Nicht in einen fremden Haus-Stil glätten.
• Nicht ins Gegenteil kippen. Gewollt-schroff, Fake-Slang und zufällige Satzfragmente sind heute selbst AI-Verräter.
• Fakten nicht erfinden. „Spezifischer machen" heißt: vorhandene Belege nennen — keine Zahlen, Namen oder Studien halluzinieren.

Kern-Technik

Bei jeder vagen Wertaussage fragen: Was genau? Woran merkt man das? Welcher Beleg? Die Antwort ersetzt die Floskel. Substantive, Beispiele, Grenzen, Zahlen, Namen schlagen jedes glatte Adjektiv.

Klischee überwinden: Vektor statt Zufall

Die erste Formulierung ist die statistische Mitte — genau deshalb klingt sie nach AI. Nicht zufällig „kreativer" werden (das kippt in Quirk), sondern gerichtet: die Funktion des Satzes festhalten, dann in eine spezifischere Richtung weitertreiben. Test: Ist die neue Version zur Floskel orthogonal (andere Konkretion) oder nur ein Nachbar-Synonym? Nur Orthogonales zählt.

Critique-and-revise statt „mach's besser"

Der Doppelpass unten wirkt nur mit sauberer Rollentrennung:

1. Kritiker benennt NUR Probleme (die Verräter unten), schlägt keine Fixes vor.
2. Revisor adressiert genau diese benannten Stellen — „fix these", nicht „verbessere den Text". Verhindert Scope-Drift.

Gotcha: Selbst-Refinement ohne konkrete Kritikpunkte driftet — das Modell halluziniert Probleme, zieht neue Glätte ein, Qualität sinkt. Immer an der benannten Liste entlang.

Checkliste: AI-Verräter-Muster

Entwurf gegen diese Liste scannen. Jeweils Kurz-Fix:

• Dreierregel („schnell, sicher, skalierbar") → auf ein oder zwei echte Punkte kürzen.
• „nicht nur X, sondern Y" / „mehr als nur X" → als schlichte Aussage schreiben.
• Nachgestellte Negation („kein Rätselraten", „ohne Umwege") → in einen echten Satz auflösen: was passiert stattdessen.
• Falsche Ranges („von der Idee bis zum Launch", „vom Start-up bis zum Konzern") → nur nennen, was wirklich gemeint ist.
• Copula-Vermeidung („fungiert als", „bietet", „stellt dar") → „ist"/„hat" verwenden.
• Signposting/Meta-Sätze („Lass uns eintauchen", „Das musst du wissen") → direkt die Sache sagen.
• Em-Dash-Manie — überall Gedankenstriche → durch Komma, Punkt oder Klammer ersetzen.
• Leere Superlative („bahnbrechend", „revolutionär", „einzigartig") → streichen oder mit konkretem Beleg belegen.
• -ende-Anhängsel („optimierend", „gewährleistend", „unterstreichend") → in einen eigenen Satz mit Aussage umbauen.
• Vage Autoritäten („Experten sagen", „Studien zeigen") → Quelle nennen oder Aussage streichen.
• Bedeutungs-Aufblähung („markiert einen Wendepunkt", „im Herzen von", „ein Geflecht/Mosaik aus", „eine Reise durch") → weglassen, Fakt behalten.
• Adjektiv-Stapel („nahtlos, leistungsstark, intuitiv") → durch eine konkrete Fähigkeit ersetzen.
• Filler/Hedging („in der Lage sein zu", „es ist wichtig zu beachten", „könnte möglicherweise") → direkt sagen.
• Generischer Positiv-Schluss („Die Zukunft ist rosig", „Spannende Zeiten") → durch nächsten konkreten Schritt ersetzen.
• Chatbot-Reste („Gerne!", „Ich hoffe, das hilft", „Natürlich!") → ersatzlos raus.
• Header-Doppelung: Überschrift, die der erste Satz nur wiederholt → ersten Satz streichen.
• „Was X wirklich Y"-Titel („Was KI wirklich bedeutet", „Was diese Technologie verändert") → durch eine sachliche Aussage ersetzen (was es tut, nicht was es „wirklich" bedeutet).
• Gleichförmiger Rhythmus: alle Sätze gleich lang → bewusst variieren, kurzen Satz stehen lassen.
• Namens-/Bezugswechsel: dieselbe Person/Sache wird durchgehend umbenannt („der Protagonist... die Hauptfigur... der Held...") → einen Namen konsequent verwenden.
• Wiederholte Satzanfänge: mehrere Sätze in Folge starten mit demselben Subjekt („Sie prüfte... Sie notierte... Sie meldete...") → zusammenziehen oder Subjekt wechseln. Bewusste Anapher als Stilmittel ist davon ausgenommen.
• Passiv ohne Akteur („Es wird empfohlen...", „wurde umgesetzt") → wo es Klarheit bringt, den Akteur benennen.
• Fett-Mini-Überschriften in Listen („Performance: wurde verbessert...") → als Fließtext schreiben, wenn die Liste keinen echten Mehrwert hat.
• Emoji-Dekoration in Überschriften/Listenpunkten (🚀 💡 ✅) → ersatzlos streichen.
• Übertriebene Zustimmung („Gute Frage!", „Du hast völlig recht!") → direkt antworten.
• Bindestrich-Inflation bei Komposita („cross-funktional, daten-getrieben, kunden-orientiert" in jedem Satz) → Bindestrich nur setzen, wo Grammatik ihn verlangt.
• Falsche Tiefe („Im Kern geht es eigentlich um...", „die eigentliche Frage ist...") → die Aussage direkt formulieren.
• Formelhafte Sprüche („X ist die Sprache von Y", „X wird zur Falle") → durch die konkrete Behauptung ersetzen.
• Fake-Ehrlichkeit als Einstieg („Ehrlich gesagt...", „Mal ehrlich...") vor einer gewöhnlichen Aussage → Aussage direkt bringen.
• Einwand beantworten, den niemand gestellt hat („Hier geht es nicht in erster Linie um...", „Nicht, dass...") → nur streichen, wenn kein echter Einwand im Text vorkommt; sonst die Kernaussage direkt formulieren.
• Verworfene Scheinalternative („Man könnte versucht sein, X zu tun, aber...") ohne dass X je wieder vorkommt → Scheinoption streichen, echte Randbedingung direkt nennen.
• Formelhafter Ausblick-Absatz („Trotz dieser Herausforderungen... auf einem guten Weg") → Fakten behalten, Sales-Ausblick streichen.
• Wissens-Disclaimer/Rateversuch („Informationen sind öffentlich nicht verfügbar, vermutlich...") → entweder klar sagen, was unbekannt ist, oder Satz streichen. Keine Vermutung als Fakt ausgeben.

Schnell-Scan bei mehreren Artikeln/Dateien

Bei Batch-Prüfungen (mehrere Artikel) zuerst mechanisch vorfiltern, bevor man jeden Text vollständig liest — spart Zeit, weil die zwei häufigsten Verräter grep-fähig sind:

# Em-Dash-Dichte pro Datei — Häufungen sind der zuverlässigste Einzelbefund
for f in *.mdx; do echo "$(grep -o '—' "$f" | wc -l) $f"; done | sort -rn

Richtwerte (bezogen auf einen Artikel von ~1500–2500 Wörtern): 0–5 Treffer unauffällig, 6–15 Grenzfall (Kontext prüfen), 15+ so gut wie immer ein echter Befund. Zusätzliches Signal: Wenn der übrige Korpus konsequent „–" (Halbgeviert) nutzt und ein einzelner Text durchgehend „—" (Geviert) verwendet, ist schon der Bruch selbst verdächtig — unabhängig von der absoluten Zahl.

# Kontrastformel "nicht/kein X, sondern Y" — bei Wiederholung ein Rhythmus-Tick
for f in *.mdx; do c=$(grep -oE '\b(nicht|kein|keine)\b[^.!?]{0,80}sondern' "$f" | wc -l); [ "$c" -gt 0 ] && echo "$c $f"; done | sort -rn

1–2 Treffer sind normale, inhaltlich getragene Kontrastaussagen. Ab 4+ in einem Artikel ist es meist keine Floskel im Einzelfall, aber ein auffällig formelhafter Rhythmus über den ganzen Text — als Ganzes umformulieren, nicht nur einzelne Stellen.

Beide Scans ersetzen nicht das inhaltliche Lesen (Adjektiv-Stapel, Rhythmus, Signposting sind nicht grep-fähig), sparen aber den Einstieg: erst die auffälligen Dateien priorisieren, dann vollständig lesen.

Was NICHT flaggen (False Positives)

Nicht jedes Muster ist für sich ein Beweis. Erst bei Häufung handeln:

• Saubere Grammatik/Stil ist kein Beweis für AI — viele Autoren sind geübt oder lektoriert.
• Ein einzelner Halbgeviertstrich beweist nichts, erst die Häufung (siehe Schnell-Scan).
• Fachbegriffe im Fachkontext nicht künstlich vereinfachen — §7-Wortlisten gelten für Floskel-Wörter, nicht für notwendige Fachsprache.
• Anrede/Grußformel in E-Mails ist älter als ChatGPT — nicht anfassen.
• Bewusste Anapher (wiederholter Satzanfang als Stilmittel) nur ändern, wenn die Wiederholung nichts trägt.
• Echte Einschränkungen/Disclaimer (rechtlich, sicherheitsrelevant, tatsächlich im Text begründet) behalten — nur die unbegründete Rückversicherung ist der Verräter.
• Reale Alternativen, die ein Leser ernsthaft abwägen könnte, bleiben stehen; nur die Scheinalternative ohne Substanz fliegt raus.

Menschliche Details behalten

Entfernen ist nur die halbe Arbeit — am Ende muss noch eine Person durchklingen:

• Konkrete, ungewöhnliche Details (echte Zahl, echtes Zitat, eine Eigenheit) stehen lassen statt zu verallgemeinern.
• Uneindeutige oder gemischte Einschätzungen nicht glattbügeln — „funktioniert gut, außer bei X" ist stärker als ein glattes Lob.
• Uneinheitliche Satzlänge ist ein Qualitätsmerkmal, kein Fehler — AI-Text tendiert zu gleichmäßigem Mittelmaß.

Deutsche Besonderheiten

• Anglizismen-Floskeln: „nahtlos", „ganzheitlich", „innovativ", „state of the art", „Game-Changer", „next level", „Potenzial entfesseln"/„freisetzen" (unleash), „Komplexität meistern/navigieren" (navigate complexity) → durch konkrete Aussage ersetzen.
• Nominalstil („die Bereitstellung erfolgt", „zur Optimierung der Prozesse") → in aktive Verben auflösen.
• Denglisch-Marketing („empowern", „aligned", „seamless experience") → deutsche, konkrete Formulierung.

Workflow: Selbstkritik-Doppelpass

1. Entwurf schreiben oder übernehmen.
2. Selbstkritik: „Was macht diesen Text offensichtlich als AI erkennbar?" — kurz die verbleibenden Verräter benennen (Liste oben).
3. Gezielt fixen: nur die benannten Stellen, ohne neue Glätte einzuziehen.
4. Final ausgeben. Bei Datei-Edits: geänderte Stelle zeigen, nicht still überschreiben.

Verhältnis zu anderen Skills

• Nach landingpage-from-briefing: dieser Skill schärft die fertige Copy nach.
• content-clarity-a11y-check prüft Verständlichkeit/Barrierefreiheit — ergänzend, nicht ersetzend. Beide zusammen: erst spezifisch machen, dann Klarheit/a11y prüfen.
• brand-voice-dna liefert die Ziel-Stimme eines Kunden aus Bestandstexten — bei Stimmen-Matching zuerst dort die Voice-DNA ziehen, dann mit diesem Skill glätten, ohne die Stimme zu verlieren.

Nicht verwenden

• Reine Rechtschreib-/Grammatik-Korrektur ohne Stil-Auftrag.
• Juristische, medizinische oder regulatorische Texte, wo Konvention vor Stimme geht.
• Wenn der Kunde ausdrücklich konventionellen Corporate-Ton will.

Quelle

Musterliste basiert auf Wikipedia „Signs of AI writing" (WikiProject AI Cleanup), ergänzt und für deutschsprachige, technisch-nüchterne Texte angepasst nach dem Skill blader/humanizer (MIT).