Wahrnehmung
Was ein Sprachmodell von einer Webseite wahrnehmen kann, wenn nichts als Bild dargestellt wird: allgemeines Wissen, nützlich auch dann, wenn Sie Dinoer nie installieren.
Ein Sprachmodell sieht keine Webseite. Bekommt es eine Bildschirmaufnahme, erhält es Pixel: Es kann sagen, dass die Seite falsch aussieht, aber auf nichts einwirken, denn in einem Bild lässt sich nichts ansprechen. Bekommt es das rohe HTML, erhält es alles auf einmal, einschließlich Hunderter Zeilen Layout-Markup.
Dinoer gibt ihm keines von beiden. Überhaupt kein Bild, in keinem Modus. Es gibt ihm die Struktur, die der Browser ohnehin aufbaut, als Text.
Zwei Sichten, beide Text
Der Barrierefreiheitsbaum ist die Struktur, die der Browser für Bildschirmleser aufbaut: Überschriften, Rollen, Links, Zustände. Der extrahierte Text ist der Inhalt der Seite ohne Markup und ohne Störelemente, für den Fall, dass zählt, was die Seite sagt, und nicht, wie sie gegliedert ist.
Keine ersetzt die andere. Der Baum sagt, was eine Seite ist; der Text sagt, was sie sagt. Eine Seite kann einen reichen Baum und wenig Inhalt haben, oder umgekehrt.
Nachvollziehen
Die Ausgaben in diesem Abschnitt wurden am 14. August 2026 gegen
https://example.com aufgenommen:
/opt/dinoer/venv/bin/python3 /opt/dinoer/shot.py \
--url https://example.com --a11y --guide-version 1.6