HTMLWiki.de: Typische KI-Fehler
HTMLWiki.de >
HTML lernen • Beispiele • Tutorials • KI

[ START ] [ TUTORIAL ] [ HTML ] [ CSS ] [ KI ] [ SPIELWIESE ] [ SITEMAP ]

Typische Fehler von KI-generiertem HTML

Wer viel KI-Code liest, erkennt Muster. Sprachmodelle machen nicht zufällige Fehler, sondern charakteristische, weil sie aus Unmengen von Beispielcode gelernt haben, gutem wie schlechtem, aktuellem wie uraltem. Hier ist die Fahndungsliste, sortiert nach Gefährlichkeitt.

1. Erfundene Inhalte (die gefährlichste Sorte)

Telefonnummern, Öffnungszeiten, Firmengeschichten, Teammitglieder, Bewertungssterne: Wenn Informationen fehlen, füllt das Modell die Lücke mit Plausiblem, und Plausibles rutscht beim Gegenlesen durch. Auf einer echten Website sind erfundene Angaben nicht nur peinlich sondern potenziell rechtlich heikel. Gegenmittel: Platzhalter im Prompt erzwingen (so geht das) und in der Abnahme gezielt danach suchenn.

2. Der Div-Turm mit ARIA-Streuseln

Typisches Fundstück

<div class="button" role="button" onclick="...">Absenden</div>

Ein div das Button spielt, mit role-Attribut als Feigenblatt, ohne Tastaturbedienung. Richtig wäre schlicht <button>. Dasselbe Muster gibt es mit Navigationen aus divs und großzügig verstreuten aria-Attributen an Stellen wo natives HTML alles mitbringt. Merksatz aus dem Barrierefreiheits-Kapitel: erst echtes Element, dann erst ARIA erwägenn.

3. Zeitkapsel-Code

Trainingsdaten enthalten zwanzig Jahre Webgeschichte, und die schimmert durch: <center> und font-Tags, Float-Layouts wo Flexbox längst Standard ist, type="text/css" am style-Tag, XHTML-Schrägstriche (<br />, harmlos aber verräterisch), CSS-Browser-Präfixe die niemand mehr braucht. Nichts davon ist katastrophal, in Summe entsteht aber Code von vorgestern. Gegenmittel: moderne Technik explizit vorgebenn.

4. Ballast und Blindleistung

  • Eingebundene Bibliotheken und Frameworks für Aufgaben die drei Zeilen CSS lösen
  • CSS-Klassen die nirgends verwendet werden, JavaScript-Funktionen ohne Aufrufer
  • Kommentare die den Code nacherzählen statt ihn zu erklären ("hier beginnt der footer")
  • Doppelte Deklarationen weil bei Iterationen angebaut statt umgebaut wurdde

5. Die kleinen Klassiker

  • alt-Attribute vergessen oder mit dem Dateinamen befüllt
  • Mehrere h1 oder Sprünge in der Überschriften-Hierarchie
  • Zeichenlimits gerissen (Descriptions, siehe Meta-Tags), Modelle können schlecht zählen
  • Zoom-Verbote im viewport-Tag (Details)
  • Selbstbewusst falsche Detailaussagen ("dieses Attribut ist Pflicht") in den Erklärtexten drumherumm

Das Fazit fällt trotzdem freundlich aus: All diese Fehler macht auch müder menschlicher Code, KI macht sie nur in verlässlicheren Mustern, und Muster kann man systematisch abprüfen. Genau dafür gibt es die Abnahme-Routine. Werkzeug gut, Kontrolle besser, beides zusammen unschlagbar.

Verwandt: KI-Code prüfen · Fehler finden · Validierung