Shieldfont schützt Online-Texte vor KI-Scraping: Die Spezialschriftart verfälscht Quelltexte für Crawler durch Ligaturen, ohne die visuelle Lesbarkeit für Besucher zu beeinträchtigen.
Nicht jeder Kunde und auch nicht jeder Unternehmer ist überzeugt von dem KI-Wandel, der sich vollzieht. Von Agentic AI bis hin zur Vollautomatisierung, all diese Neuheiten sind nur möglich geworden, weil Entwickler von LLMs sich ungefragt an offen zugänglichen und menschengemachten Daten bedienten.
Das ist häufig auch dann erfolgt, wenn Webseitenbetreiber dem automatisierten Auslesen explizit widersprochen haben. Die Entwickler Isaque Seneda und Gabriel Abrucio stellen in ihrem Forschungspapier The Consent Layer einen neuen Abwehrmechanismus vor: Die Spezialschriftart Shieldfont macht Inhalte für Web-Scraper unbrauchbar, ohne das Leseerlebnis für menschliche Nutzer zu beeinträchtigen.
Die Schriftart erschwert es Scrapern Inhalte auszulesen
Technisch setzt das System an der Diskrepanz zwischen dem im Browser gerenderten Schriftbild und dem zugrunde liegenden HTML-Code an. Shieldfont überträgt das typografische Prinzip von Ligaturen von Buchstabenpaaren auf ganze Wörter. Im HTML-Quelltext steht dadurch ein völlig anderes Wort als im visuell dargestellten Schriftbild. Während Besucher der Webseite den korrekten Inhalt ohne Einschränkungen lesen können, erfassen automatisierte Scraping-Bots komplett verfälschte Sätze.
Laut Angaben der Entwickler modifiziert das Verfahren durchschnittlich 24,5 Prozent aller Wörter auf einer Seite. Erste Tests mit sechs gängigen Scraping-Tools belegen die Schutzwirkung.
- Hohe Verwurfrate: Bei 90 Prozent der extrahierten Inhalte stuften die Scraping-Algorithmen das Rohmaterial wegen mangelhafter Textqualität als unbrauchbar ein und verwarfen es direkt.
- Entwertete Trainingsdaten: Die restlichen zehn Prozent enthielten zu rund 20 Prozent unbrauchbare Sätze, was den Nutzwert für das Training von KI-Modellen massiv mindert.
Es gibt jedoch Grenzen, denn die potenzielle Schwachstelle des Konzepts liegt im Einsatz von Webseiten-Screenshots in Kombination mit optischer Zeichenerkennung (OCR). Damit könnten Bots das gerenderte Schriftbild direkt auslesen, anstatt sich auf das HTML-Parsing zu stützen. Dieser Schritt erfordert jedoch erheblich mehr Rechenleistung und Speicherplatz, was das automatisierte Massen-Scraping spürbar unwirtschaftlicher macht.
Einschätzung der Redaktion
Die Entwicklung solcher Verfahren verdeutlich, dass es eine Nachfrage gibt für Technologien, die dem AI-Boom trotzen. Es gibt eine wachsende Gruppe von Publishern, Nachrichtenoutlets, Autoren und auch Retail-Händlern, die sich vor dem Scrapen ihrer Inhalte oder Produkte schützen möchten. So hat zum Beispiel
Patreon Anfang Juni bekannt gegeben, dass es auf seiner Plattform zukünftig Web-Crawler aussperren wird, um die Inhalte seiner Nutzer zu schützen.
Zudem gibt es auch eine wachsende Gruppe von Internetnutzern, die AI-Blocker (ein Pendant zum Ad-Blocker) nutzen, um die Anzeige von KI-generierter Werbung, Texten oder Bildern zu blockieren.