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

GitHub hat ein neues Plugin für seinen Accessibility Scanner veröffentlicht, das Alt-Text nicht nur auf Vorhandensein prüft, sondern auf tatsächliche Qualität. 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 Ansätze: Fünf deterministische Regeln prüfen rein textbasiert - ist das Alt ein Dateiname, ein Placeholder wie “TODO”, ein einzelnes generisches Wort oder wiederholt es sich über benachbarte Bilder. Diese Regeln laufen ohne KI oder Netzwerkaufrufe und sind false-positive-arm.

Layout-basierte Wiedererkennung

Interessant ist die Lösung für wiederholten Alt-Text: Anfangs wurde einfach die DOM-Reihenfolge geprüft, was aber False Positives bei räumlich getrennten gleichnamigen Logos erzeugte. Die Lösung nutzt jetzt Bounding-Box-Abstände - nur wenn Bilder auf dem Bildschirm nah beieinander liegen, zählt die Wiederholung als Problem.

Vision-Modell als Reviewer

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

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

Link: Original bei GitHub Blog