Beobachtetes Signal · 13. Aug. 2026 · Technical Release · Quelle: t3n · Relevanz: 2/5 · Sentiment: Positiv
Shieldfont tauscht Wörter aus, um KI-Scraping zu verhindern
Die Designer Isaque Seneda und Gabriel Abrucio haben im Whitepaper „The Consent Layer“ Shieldfont vorgestellt. Hierbei handelt es sich um eine Schriftart, die über Ligaturen-basierte Ersetzungen ganze Wörter im HTML-Quelltext austauscht, sodass sich der visuelle Text für Menschen vom maschinell ausgelesenen DOM unterscheidet. Durch diesen Ansatz zielt Shieldfont darauf ab, Scraping-Bots, die den HTML-Source-Code auslesen, mit semantisch inkorrekten oder minderwertigen Inhalten zu füttern. Laut den Autoren werden durchschnittlich rund 24,5 Prozent der Wörter ersetzt. In Tests mit sechs bekannten Scrapern wurden 90 Prozent der manipulierten Inhalte als minderwertige Qualität eingestuft und nicht für das KI-Training verwendet. Zwar können Angreifer diese Schutzmaßnahme umgehen, indem sie Webseiten rendern und OCR einsetzen, doch dieser Bild-basierte Ansatz ist schätzungsweise 5- bis 13-mal teurer als herkömmliches HTML-Scraping.
Eine neuartige Anti-Scraping-Technik hilft Publishern dabei, ihre textbasierten Inhalte zu schützen und die Qualität von Datensätzen für das KI-Training zu mindern. Da der Ansatz jedoch nischenhaft ist und beispielsweise via OCR umgangen werden kann, bleiben die Auswirkungen auf das breitere AdTech-Ökosystem überschaubar.
Marktsignale zu t3n in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Die Designer Isaque Seneda und Gabriel Abrucio veröffentlichten „The Consent Layer“ und stellten darin Shieldfont vor.
- Shieldfont nutzt Ligatur-basierte Ersetzungen, um ganze Wörter im HTML-Code so zu vertauschen, dass sich der angezeigte Text vom gescrapten Quellcode unterscheidet.
- Im Durchschnitt ersetzt Shieldfont etwa 24,5 Prozent der Wörter auf einer Webseite.
- In Tests mit sechs bekannten Scrapern wurden 90 Prozent der modifizierten Inhalte als minderwertig abgelehnt und vom Training ausgeschlossen.
- Eine Umgehung von Shieldfont via Seiten-Rendering und OCR ist möglich, aber etwa 5- bis 13-mal teurer als das klassische HTML-Scraping.
Verknüpfte Unternehmen
3 verknüpfte Unternehmen“This article is published on t3n.de (the site's editorial offering is referenced throughout the piece)....”
“Here you will find external content from TargetVideo GmbH that complements our editorial offering on t3n.de....”
“Here you will find external content from Podigee GmbH that complements our editorial offering on t3n.de....”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Web-Scraping trotz Bot-Schutz von Cloudflare, DataDome und PerimeterX
Dieser technische Leitfaden analysiert, wie moderne Anti-Bot-Systeme Web-Scraper blockieren, und stellt probabilistische Strategien zur verlässlichen Erfassung öffentlicher Daten vor. Die Erkennung basiert auf vier unabhängigen Ebenen: IP-Reputation, TLS/HTTP-Fingerprinting, JavaScript-Sensoren sowie Verhaltenssignale. Einfaches Header-Spoofing reicht daher nicht mehr aus. Der Artikel vergleicht Anbieter wie Cloudflare, DataDome, PerimeterX (HUMAN), Akamai und Kasada und verdeutlicht, dass Clearance-Cookies strikt an IP-Adressen gebunden sind. Als Best Practice wird ein Eskalationsmuster empfohlen: der Start mit Chrome-imitierenden HTTP-Clients, die Eskalation auf gehärtete Stealth-Browser bei Bedarf sowie die parallele Nutzung frischer IPs mit lokaler Cookie-Wiederverwendung. Zudem werden IP-Klassen (Datacenter, Residential, Mobile) verglichen. Es wird betont, dass Erfolgsraten nie 100 % erreichen und nur tatsächliche Zielseiten als Erfolg gewertet werden dürfen. Abschließend wird die Web Scraping API von Crawlora als Implementierungsbeispiel genannt.
Rate Limits und Anti-Bot-Maßnahmen im agentenbasierten Web Scraping
Dieser technische Blogbeitrag von AlterLab beleuchtet, wie agentenbasierte Web-Scraping-Workflows mit Rate Limits und Anti-Bot-Challenge-Seiten umgehen sollten. Es wird empfohlen, HTTP-429-Antworten als normale Netzwerkbedingungen zu betrachten, den Standard RFC 6585 (Retry-After) zu respektieren und ein exponentielles Backoff mit Full Jitter zu implementieren. Der Beitrag beschreibt mehrschichtige Anti-Bot-Profile wie TLS-Fingerprinting (JA3/JA4), obfuskierte JavaScript-Telemetrie und Verhaltensmetriken. Zudem wird dargelegt, dass Headless Browser (Chromium via Playwright oder Puppeteer) stark auf Tarnung optimiert, mit Proxy-Rotation kombiniert und das IP-Reputationsmanagement berücksichtigt werden muss. Angesichts der Ressourcenkosten von Headless Rendering plädiert der Autor dafür, die Extraktion in einen eigenen Microservice auszulagern oder spezialisierte Rendering-APIs zu nutzen, um die Anti-Bot-Auflösung für zuverlässige RAG- und LLM-Pipelines zu skalieren.
Accessibility Paradox: Web Accessibility Enables AI Scraping
The article argues that web accessibility improvements—semantic HTML, descriptive alt text, and clear structure—have unintentionally made it easier for AI systems to harvest and use public content as training data. It cites LAION-5B pairing Common Crawl images with alt text as a major source for image-generation models, and describes how publishers’ technical defenses (CAPTCHAs, rate limiting, bot detection) can disproportionately harm users with disabilities. The piece highlights ongoing legal battles (The New York Times v. OpenAI & Microsoft; Getty Images v. Stability AI) that are redefining boundaries around public access and commercial reuse, and calls for legal and technical approaches that protect creators without undermining accessibility.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.