KI-Crawler überlasten Open-Source-Projekte: Eine wachsende Herausforderung

MÜNCHEN (IT BOLTWISE) – Die zunehmende Belastung durch KI-Crawler stellt eine ernsthafte Bedrohung für Open-Source-Projekte dar. Entwickler und Administratoren kämpfen gegen die Flut von automatisierten Anfragen, die ihre Infrastruktur überlasten und die Kosten in die Höhe treiben.

Die Open-Source-Community sieht sich einer neuen Herausforderung gegenüber: KI-Crawler, die unaufhörlich Daten sammeln, verursachen erhebliche Probleme für Entwickler und Administratoren. Diese Bots, die oft von großen Technologieunternehmen betrieben werden, ignorieren gängige Abwehrmaßnahmen wie robots.txt und wechseln ständig ihre IP-Adressen, um Blockaden zu umgehen. Ein prominentes Beispiel ist der Entwickler Xe Iaso, dessen Git-Repository-Dienst durch den massiven Datenverkehr von Amazons Crawlern wiederholt instabil wurde.

Trotz der Implementierung von Schutzmaßnahmen wie dem Anpassen von robots.txt und dem Blockieren bekannter Crawler-User-Agents, blieb der Erfolg aus. Iaso entwickelte schließlich ein eigenes System namens „Anubis“, das Webbrowser zwingt, Rechenaufgaben zu lösen, bevor sie auf die Seite zugreifen können. Diese Maßnahme zeigt zwar Wirkung, führt jedoch zu Verzögerungen für legitime Nutzer, insbesondere wenn viele gleichzeitig auf einen Link zugreifen. Die Situation spitzt sich zu, da einige Open-Source-Projekte berichten, dass bis zu 97 Prozent ihres Traffics von KI-Bots stammen, was die Bandbreitenkosten erheblich erhöht und die ohnehin knappen Ressourcen der Projekte belastet.

Ein weiteres Beispiel ist das Fedora Pagure-Projekt, das gezwungen war, den gesamten Traffic aus Brasilien zu blockieren, nachdem alle Versuche, den Bot-Verkehr zu mindern, gescheitert waren. Auch die GNOME GitLab-Infrastruktur hat das Anubis-System implementiert, wobei nur ein kleiner Prozentsatz der Anfragen die Herausforderung erfolgreich meistert. Diese Maßnahmen sind jedoch nicht ohne Nachteile. Mobile Nutzer berichten von Wartezeiten von bis zu zwei Minuten, um die Rechenaufgaben zu lösen. Die Kosten für die Projekte sind sowohl technischer als auch finanzieller Natur. So konnte das Projekt „Read the Docs“ durch das Blockieren von KI-Crawlern seinen Traffic um 75 Prozent reduzieren und damit monatlich etwa 1.500 US-Dollar an Bandbreitenkosten einsparen.

Die Problematik wird durch die Tatsache verschärft, dass viele KI-Unternehmen die standardmäßigen Blockierungsmaßnahmen bewusst umgehen. Einige Entwickler berichten sogar von KI-generierten Bug-Reports, die auf den ersten Blick echt wirken, aber in Wirklichkeit erfundene Schwachstellen enthalten und wertvolle Entwicklerzeit verschwenden. Die Gründe für das Verhalten der KI-Crawler sind vielfältig. Einige sammeln Trainingsdaten für große Sprachmodelle, während andere Echtzeitsuchen durchführen, wenn Nutzer Informationen von KI-Assistenten anfordern. Die Häufigkeit der Crawls deutet auf eine kontinuierliche Datensammlung hin, die darauf abzielt, das Wissen der Modelle aktuell zu halten. Trotz der Herausforderungen gibt es auch Ansätze zur Gegenwehr.

Ein Entwickler namens „Aaron“ hat ein Tool namens „Nepenthes“ entwickelt, das Crawler in endlosen Labyrinthen aus gefälschtem Inhalt gefangen hält. Cloudflare hat kürzlich eine ähnliche Lösung namens „AI Labyrinth“ angekündigt, die als legitime Sicherheitsfunktion positioniert wird, um Website-Besitzer vor unbefugtem Scraping zu schützen. Die Open-Source-Community entwickelt zudem kollaborative Tools, um sich gegen diese Crawler zu schützen. Das Projekt „ai.robots.txt“ bietet eine offene Liste von Web-Crawlern, die mit KI-Unternehmen in Verbindung stehen, und stellt vorgefertigte robots.txt-Dateien zur Verfügung, die die Robots Exclusion Protocol implementieren. Ohne eine bedeutende Regulierung oder Selbstbeschränkung durch die KI-Unternehmen wird der Wettlauf zwischen datenhungrigen Bots und denjenigen, die versuchen, die Open-Source-Infrastruktur zu verteidigen, wahrscheinlich weiter eskalieren.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!