GitHubs Alt-Text-Scanner - KI-pruefte Barrierefreiheit zwischen Regeln und Vision-Modellen

GitHub hat ein neues Plugin fuer seinen Accessibility Scanner veroeffentlicht, das Alt-Text nicht nur auf Vorhandensein prueft, sondern auf tatsaechliche Qualitaet. Laut dem WebAIM Million 2026 Report fehlt auf 16,2 Prozent der Bilder auf den Top-Million-Homepages Alt-Text, und weitere 10,8 Prozent enthalten nichtssagende Attribute wie “image” oder rohe Dateinamen wie “IMG_2847.png”.

Deterministische Regeln vs. KI

Das Plugin kombiniert zwei Ansaetze: Fuenf deterministische Regeln pruefen rein textbasiert - ist das Alt ein Dateiname, ein Placeholder wie “TODO”, ein einzelnes generisches Wort oder wiederholt es sich ueber benachbarte Bilder. Diese Regeln laufen ohne KI oder Netzwerkaufrufe und sind false-positive-arm.

Layout-basierte Wiedererkennung

Interessant ist die Loesung fuer wiederholten Alt-Text: Anfangs wurde einfach die DOM-Reihenfolge geprueft, was aber False Positives bei raeumlich getrennten gleichnamigen Logos erzeugte. Die Loesung nutzt jetzt Bounding-Box-Abstaende - nur wenn Bilder auf dem Bildschirm nah beieinander liegen, zaehlt die Wiederholung als Problem.

Vision-Modell als Reviewer

Die optionale alt-text-quality-Regel sendet Bild, Alt-Text und Seitenkontext an ein Vision-Modell ueber GitHub Models. Das erste Setup scheiterte daran, dass das Modell immer “Verbesserungsvorschlaege” hatte - jede Seite produzierte Warnungen. Die Loesung: ein vierstufiger Entscheidungsprozess (dekorativ, redundant mit Caption, funktional, informativ) mit Anti-Nitpick-Regeln und erzwungener Reihenfolge fuer strukturierten Output.

Datenschutz ist durchdacht: die KI-Regel ist standardmaessig deaktiviert, URLs werden redigiert, und Bilder werden nur gesendet, wenn ein Token konfiguriert ist.

Link: Original bei GitHub Blog