Der an der informatischen Fakultät der Universität Heidelberg angesiedelte Teilbereich Informatik geht die Herausforderung an, Dark Patterns in Online-Interaktionen zu erkennen, und so Nutzer:innen frühzeitig vor Gefahren zu warnen.
Software-Lösungen zum Schutz von Verbraucher:innen werden heute in vielen Kontexten eingesetzt: Beispielsweise schützen Spamfilter Nutzer:innen vor betrügerischen E-Mails und Werbeblocker können übermäßig aggressive Werbung, zum Beispiel in der Form sogenannter Pop-ups, ausblenden.
Dark Patterns können das Verhalten von Verbraucher:innen stark beeinflussen, ein Umstand den zum Beispiel Einkaufsportale im Netz in vielen Fällen ausnutzen. Software-Lösungen ähnlich zu Werbeblockern, die Nutzer:innen vor dieser Beeinflussung schützen können, oder zumindest auf potentielle Gefahren auf Webseiten hinweisen, existieren zur Zeit noch nicht.
Der Teilbereich Informatik erforscht inwiefern Dark Patterns auf Webseiten erkannt und klassifiziert werden können. Dazu werden bestehende Methoden zur Erkennung von Mustern auf Webseiten oder allgemein in Texten evaluiert und auf ihre Praxistauglichkeit getestet.
Die Herausforderung für die Informatik ist hierbei zweigeteilt: Erstens wird eine Modellierungssprache für Dark Pattern benötigt, die die Struktur und den Inhalt bestimmter Muster beschreiben kann. Dabei kann man einerseits zwischen der Darstellung von Mustern, z.B. anhand ihrer Anordnung auf einer Webseite, und andererseits den inhaltlichen Aspekten, z.B. für den:die Nutzer:in direkt sichtbare textuelle Inhalte, unterscheiden. In einem zweiten Schritt soll eine geeignete Mustererkennung mithilfe der erarbeiteten Modellierungssprache Muster mit einem Referenzpool abgleichen und so problematische Muster erkennen.
Zur Erkennung von Dark Patterns sollen verschiedene KI-basierte Klassifikationstechniken zum Einsatz kommen, die Nutzer:innen Dark Patterns sichtbar und durch die Einordnung der Pattern in verschiedene Kategorien damit verbundene Probleme besser greifbar machen. Eine besondere Herausforderung ist hierbei die Heterogenität heutiger Webseiten, die es erforderlich macht, Muster anhand von Eigenschaften zu klassifizieren, die auf jeder Webseite vorhanden sind. Textbasierte Ansätze sind somit besonders vielversprechend, da die Identifikation von Text auf nahezu jeder Webseite möglich ist.
Final sollen die gewonnenen Erkenntnisse in einer Dark-Pattern-Detection-App umgesetzt werden, die Nutzer:innen vor der Beeinflussung durch Dark Patterns schützen soll. Zu den Maßnahmen, die die App ergreifen kann, gehören die Markierung von Dark Patterns für den:die Nutzer:in, und eine Bereitstellung von Informationen, z.B. in einem separaten Fenster, so dass Nutzer:innen nachvollziehen können wieso gewisse Darstellungen als problematisch eingestuft wurden. Ein zweiter Ansatz ist die Umwandlung von Dark Patterns in unbedenkliche Darstellungen. Dabei sind vor allem die gesetzlichen Rahmenbedingungen zu beachten, um das widerrechtliche Bearbeiten von Werken zu vermeiden.
