Im Juni widmeten wir uns im KI-Treff dem Thema „KI und Barrierefreiheit“. Dr. Thorsten Schwarz, Leiter der Literaturaufbereitung und des Accessibility Labs des Zentrums für digitale Barrierefreiheit und Assistive Technologien am Karlsruher Institut für Technologie (KIT), gab uns einen umfassenden Einblick in die Möglichkeiten, aber auch die Herausforderungen für ein Einsatz von KI in diesem wichtigen Thema. Wie Dr. Schwarz betont: Es geht nicht darum, Barrieren im Nachhinein zu beseitigen, sondern Technologien von Grund auf so zu gestalten, dass sie allen Menschen gleiche Teilhabe ermöglichen.

Mehr als nur ein Gesetz: Warum Barrierefreiheit alle betrifft

Barrierefreiheit ist nicht nur eine Frage der Gesetzeskonformität ist, sondern betrifft uns alle. Was viele nicht wissen: Schon seit 2019 müssen öffentliche Einrichtungen alle Informationen, Webseiten und digitalen Angebote barrierefrei gestalten. Ab dem 28. Juni 2025 tritt dann der European Accessibility Act in Kraft und verpflichtet auch Unternehmen dazu, ihre digitalen Produkte und Dienstleistungen für alle Menschen zugänglich zu machen.

Doch Barrierefreiheit ist mehr als eine Pflichtaufgabe. Sie bietet uns die Chance, digitale Angebote attraktiver und benutzerfreundlicher zu gestalten – für alle. Ein Beispiel dafür sind Untertitel in Videos, die nicht nur Menschen mit Hörbehinderung unterstützen, sondern beispielsweise auch für alle hilfreich sind, die Inhalte ohne Ton verfolgen möchten.

Konkrete Anwendungsbeispiele aus dem Hochschulalltag

Wie können wir aber KI konkret nutzen? Anhand von Praxisbeispielen zeigte Dr. Schwarz, wie KI die Erstellung barrierefreier Angebote erleichtern kann.

Texterkennungssoftware: KI kann handgeschriebene Texte erkennen und in editierbare digitale Formate umwandeln. Dies ist insbesondere für Menschen hilfreich, die aufgrund motorischer Einschränkungen Schwierigkeiten mit dem Schreiben haben. Beispielsweise kann ChatGPT (auch in der kostenlosen Version) hochgeladene Fotos von handschriftlichen Notizen inzwischen ganz gut entziffern. 

Automatische Bildbeschreibungsgeneratoren: KI-basierte Tools können Bilder analysieren und kurze Texte erstellen, die blinden Menschen mithilfe von Screenreadern den Inhalt der Bilder erschließen. Dr. Schwarz verglich verschiedene Programme und zeigte, dass die Qualität der Bildbeschreibungen allerdings stark variieren kann. Besonders amüsant war das Beispiel einer schiefen Ebene aus einem Physikbuch, bei der die KI mit der Interpretation der geometrischen Formen und physikalischen Zusammenhänge sichtlich überfordert war. Für weniger komplexe Abbildungen, beispielsweise die Bildwelt der eigenen Homepage oder Bildmaterial im Lernkontext, können aber Tools wie Gemini und ChatGPT schon die Arbeit erleichtern, indem Alternativtexte und Bildbeschreibungen automatisiert generiert werden können. 

Formelverarbeitung: KI kann mathematische Formeln erkennen und in eine für Screenreader lesbare Form bringen, zum Beispiel in die lineare Formelnotation (LaTeX), die blinden Menschen die Arbeit mit mathematischen Formeln am Computer erleichtert.

Automatische Transkription: KI-basierte Software kann Audio- und Videoaufnahmen in Echtzeit transkribieren und so Menschen mit eingeschränktem Gehör den Zugang zu Lehrveranstaltungen erleichtern. Solche Funktionen sind bereits in Programmen wie Microsoft Teams und Zoom integriert, auch YouTube bietet teilweise automatisch generiere Untertitel an. Wie eingangs bereits erwähnt, profitieren davon auch alle diejenigen, die ohne Ton an Meetings teilnehmen oder Videos schauen wollen oder müssen. Generell kann eine zusätzliche Untertitelung zum allgemeinen Verständnis beitragen und KI ermöglicht einen Weg, diese ansonsten sehr zeitaufwendige Aufgabe zu einem realistischen Ziel zu machen. 

Darüber hinaus kann KI dazu beitragen, digitale Publikationen barrierefreier zu gestalten. Das EPUB-Format bietet hierfür eine gute Grundlage, da es im Gegensatz zum PDF-Format die Integration von interaktiven Elementen und KI-basierten Funktionen erlaubt. So könnten beispielsweise personalisierte Bildbeschreibungen oder Übersetzungen direkt in ein E-Book integriert werden.

Die Zukunft der barrierefreien Kommunikation: KI als Hoffnungsträger

Dr. Schwarz zeigte sich zuversichtlich, dass KI in Zukunft noch stärker zur Verbesserung der Barrierefreiheit beitragen wird. Die rasante Entwicklung in diesem Bereich lässt erwarten, dass in den kommenden Jahren viele Herausforderungen der digitalen Barrierefreiheit durch KI gelöst werden können. Besonders vielversprechend sind in diesem Zusammenhang auch der Einsatz von KI in bzw. für die Gestaltung von virtuellen und Mixed-Reality-Anwendungen: Diese könnten Menschen mit Behinderungen ganz neue Möglichkeiten der Teilhabe eröffnen, indem sie beispielsweise virtuelle Umgebungen simulieren, die an individuelle Bedürfnisse angepasst sind. Spannende Entwicklungen rund um das Thema virtuelle Realitäten verfolgt die KEB übrigens bei der Beratungsstelle VR, AR, Gamification.

Natürlich gibt es neben den vielen Möglichkeiten, die KI bietet, auch Herausforderungen zu bedenken. Die Anpassung bestehender Software und die Auswahl der richtigen KI-Tools sind nur zwei davon. Um das volle Potenzial von KI für die Barrierefreiheit auszuschöpfen, braucht es außerdem eine stärkere Sensibilisierung von Entwicklern, Designern und allen, die an der Gestaltung digitaler Angebote beteiligt sind. Dr. Schwarz betonte, dass KI ein enormes Potenzial für die Verbesserung der Barrierefreiheit bietet. Gleichzeitig warnte er aber auch vor überzogenen Erwartungen. KI-Systeme seien noch nicht perfekt und machen immer wieder Fehler. Daher ist es wichtig, die Ergebnisse von KI-Anwendungen stets kritisch zu hinterfragen und gegebenenfalls zu korrigieren. 

Fazit: KI und Barrierefreiheit

Dr. Schwarz hat uns eindrucksvoll gezeigt, dass KI bereits heute einen wichtigen Beitrag zur Barrierefreiheit leistet. Die vorgestellten Anwendungsbeispiele machen deutlich, dass KI das Potenzial hat, digitale Informationen und Technologien für alle Menschen zugänglich zu machen. Schon jetzt gibt uns KI die Möglichkeit, die nicht geringfügige Herausforderung barrierefreier Umgestaltungen in allen digitalen Produkten mit größerer Leichtigkeit anzugehen. Es bleibt spannend zu beobachten, welche neuen Möglichkeiten sich in Zukunft durch die Weiterentwicklung der Künstlichen Intelligenz ergeben werden.

Im letzten KI-Treff haben wir uns mit dem Thema „Transkribieren mit KI“ auseinandergesetzt. Tabea Rief stellte die Transkriptionsfunktion von Microsoft Word 365 vor, die sich als äußerst nützlich für ansonsten zeitaufwändige, langwierige Arbeiten erweisen kann.

Transkribieren in Word

Wer ein Office 365-Abo hat, kann ganz einfach auf die Transkriptionen in Word zugreifen. Dazu muss die Online-Version von Word aufgerufen werden, indem man sich auf office.com mit den zum Abo gehörenden Nutzer:innendaten einloggt. Dort findet sich dann links in der Seitenleiste Word. Wenn man ein Dokument in dieser Online-Version von Word öffnet, ähnelt die Bedienoberfläche sehr dem gewöhnten Word auf dem eigenen PC. Hier findet man dann in der Menüleiste am oberen Rand das gewohnte Mikrofon, dass die Diktierfunktion bereithält. Die Option zum Transkribieren ist etwas versteckt, sie öffnet sich, wenn man unter dem Mikrofon den Pfeil nach unten anklickt.

Sobald die Transkription angewählt wurde, öffnet sich rechts im Dokument eine Seitenleiste. Dort kann die Sprache des Transkripts eingestellt werden und Nutzer:innen können entscheiden, eine bereits aufgenommene Datei hochzuladen (die erlaubten Dateiformate werden aufgelistet) oder direkt im Programm eine Tonaufnahme zu machen, die dann transkribiert werden soll. Als zeiteffizienter hat es sich herausgestellt, eine bereits fertige Aufnahme zu verwenden, anstatt ad hoc aufzunehmen. Sobald die Datei hochgeladen wurde, beginnt das Programm mit der Verarbeitung. Das kann, je nach Größe der Datei, einige Zeit beanspruchen, bei langen Tonaufnahmen durchaus auch mal 15 bis 20 Minuten – ein wenig Geduld ist also gefragt bei der Verwendung des Tools.

Dafür ist der Ergebnis dann auch entsprechend hochwertig: Word trennt nach Sprecher:innen und lässt die Auswahl, ob die Transkription die Zeitstempel mit anzeigen soll oder nicht. Die Spracherkennung ist beeindruckend gut, selbst die korrekte Einsetzung von Satzzeichen, die teilweise nur schwer an der Intonation der Sprechenden erkennbar werden, funktioniert überwiegend einwandfrei. Wie wir es schon von vielen KI-Tools kennen, bleibt natürlich dennoch Arbeit für uns als Nutzer:innen übrig: Es ist am Ende immer nötig, das Transkript selbst nochmal zu prüfen. Obwohl auch Fachbegriffe und Eigennamen zumeist gut erkannt werden, ist hier beispielsweise eine häufige Fehlerquelle gegeben. Dennoch schrumpft natürlich die Bearbeitungszeit einer langen Audiodatei von mehreren Stunden, die man mit abtippen verbracht hätte, auf die im Verhältnis kurze Zeit, die das Prüfen und Korrigieren einnimmt.

Einige Hinweise zum Gelingen

Vor einigen Wochen haben wir uns im KI-Treff ja bereits mit der Frage nach KI-Protokollen und automatischer Protokollierung von Veranstaltungen auseinandergesetzt. Bei unseren Tests mit Zoom Companion und Fathom AI sprachen wir bereits darüber, dass die KI große Schwierigkeiten hat, ein unstrukturiertes Gespräch zu erkennen und Sprecher:inne zu identifizieren, wenn mehrere Personen zugleich reden. Obwohl unserer Erfahrung nach die Transkriptionsfunktion von Word besser mit solchen Situationen umgehen kann, ist es trotzdem sehr geraten, die eigenen Audios bereits mit dem Gedanken an die automatische Transkription aufzunehmen. Je klarer und geordneter das aufgezeichnete Gespräch oder der aufgezeichnete Vortrag ist, desto weniger muss am Ende in der Transkription korrigiert werden. Eine besondere Herausforderung, die immer gezielt geprüft werden muss, ist auch das Verwenden englischer Begriffe in ansonsten deutscher Konversation. Hier schleicht sich (bei allen transkribierenden KIs) gerne ein Fehler ein, darauf gilt es also bei der Korrektur nochmal gesondert zu achten.

Außerdem gibt es einige technische Besonderheiten zu beachten, die wir beim Testen als Herausforderungen entdeckt haben:

• Um die Transkriptionsfunktion zu nutzen, muss man office.com in Microsoft Edge oder Google Chrome aufrufen, alle anderen Browser werden nicht unterstützt.
• Obwohl das M4A-Audioformat (das beispielsweise bei Aufzeichnungen mit dem iPhone) als unterstützt angegeben wird, hatten wir in unseren Tests immer wieder Probleme damit, oft wurden nur die ersten Sätze transkribiert. Wenn man die Datei ins MP3-Format konvertiert (das geht ganz leicht online), gibt es keine Probleme mit der Transkription mehr.

Transkriptionen im Vergleich

Eine andere KI, die natürliche Sprache verarbeiten und in Text verwandeln kann, ist OpenAIs Whisper. Mac User nutzen Whisper beispielsweise in Form der Anwendung MacWhisper. Das Programm kann auch als Protokoll-Werkzeug verwendet werden, indem eine Sprachaufzeichnung direkt im Programm gestartet wird und nach Abschluss der Aufnahme dort in eine Transkription verwandelt wird. Whisper ist praktisch, um die Eckpunkte eines Gesprächs festzuhalten – wir haben Whisper aber direkt gegen die Transkription von Word getestet und hier kann Whisper nicht annähernd mithalten. Whisper erkennt keine verschiedenen Sprecher:innen und gibt ein insgesamt weitaus chaotischeres, viel weniger gut strukturiertes und schlechter interpunktiertes Ergebnis aus.

Dazu gibt es natürlich der Fairness halber zu sagen: Wir haben MacWhisper in der kostenfreien Version getestet (und auch in der Vergangenheit schon oft genutzt). Die kostenpflichtige bietet deutliche leistungsstärkere KI-Modelle. Die Transkriptionsfunktion von Word ist natürlich nicht wirklich kostenlos, ohne kostenpflichtiges Office-365-Abo gibt es hierzu keinen Zugang. Da allerdings ein Office-Abo weit verbreitet und in vielen Zusammenhängen notwendig ist, ist der Vergleich mit einer kostenlosen Anwendung schon sinnvoll. Sicher nutzen viele bereits Office 365 und sicher ist die Bereitschaft, für etwa MacWhisper ein weiteres, nur zur Transkription nutzbares Abo abzuschließen, gering.

Anwendungsfälle und Praxisbeispiele

Besonders spannend sind automatische Transkriptionen sicher für diejenigen unter uns, die beispielsweise mit Interviews zu Forschungszwecken o.Ä. arbeiten. Ein ein-, zweistündiges Interview kann mit Word, auch unserer eigenen Praxiserfahrung nach, in etwas mehr als einer Stunde transkribiert und korrigiert werden. Aber auch Vorträge, eigene oder fremde (mit Zustimmung!) oder Lerngruppensitzungen, die ausgewertet werden sollen, können mit der Unterstützung dieses Tools ohne großen Zeitaufwand als Text zugänglich gemacht werden. In Zukunft wollen wir diese Funktion von Word auch nutzen, um uns nochmal der Frage nach automatisierten oder KI-unterstützten Protokollen zu widmen. Die saubere Übertragung mehrerer Sprecher:innen würde die weitere Verarbeitung durch KI für ein gutes, schnell erzeugtes Protokoll sicher erleichtern.

Im Vergleich von Words Transkribierungsfunktion mit Whisper stellte sich zwar Whispers klare Unterlegenheit in Sachen detaillierte Notation heraus, allerdings bieten auch die kostenfreien KI-Mitschriften von Whisper einen ersten Ansatzpunkt für Protokolle, bei denen es eher auf Eckpunkte und wesentliche Inhalte ankommt als auf genaue Protokollierung aller Sprecher:innen. Das Transkript von Whisper ist als Text nicht gut lesbar, aber aus unserer Praxiserfahrung funktioniert es zum Beispiel sehr gut, den Whisper-Text zu kopieren (oder als .txt-Datei zu exportieren) und an ChatGPT weiterzugeben, mit dem Prompt, aus diesen Gesprächsnotizen ein Stichwortprotokoll zu formulieren oder die wichtigsten Gesprächspunkte herauszuarbeiten. Das gibt Ergebnisse, die mindestens für die eigene Dokumentation absolut ausreichen, oftmals mit wenig Überarbeitung und Ergänzung auch darüberhinaus standhalten.

Im KI-Treff sprachen wir außerdem zu Transkription und Spracherkennung im weiteren Sinne auch über Möglichkeit, sich sozusagen selbst von ChatGPT transkribieren zu lassen. In der Smartphone-App von ChatGPT gibt es, signalisiert durch das übliche Mikrofon-Icon, die Möglichkeit, eine Sprachnachricht an ChatGPT zu senden. Während man spricht, schreibt ChatGPT bereits den Text mit, sodass mit Absenden der Nachricht schon eine sehr gelungene Transkription fertig ist. Diese Funktion hilft nicht nur bei der hands-free-Bedienung von ChatGPT, sondern auch dabei, die eigenen (manchmal unsortierten) Gedanken strukturiert festzuhalten. Als Praxisbeispiel im KI-Treff hatten wir eine Projektidee, die als Sprachnachricht an ChatGPT gegeben wurde – mit der Aufforderung, die Gedanken zu sortieren und einen strukturierten Arbeitsplan, möglichst schon ergänzt durch nächste Schritte, daraus zu erstellen. So entstehen aus dahingeredeten, mäandernden Vorüberlegungen schnell konkrete Handlungsansätze.

Unser Fazit

Während wir von den Funktionen von Zoom Companion vor einigen Wochen noch eher verhalten begeistert waren, überzeugen uns die Word-Transkriptionen vollkommen. Die Geschwindigkeit und Arbeitserleichterung, die hier erreicht werden kann, ist beeindruckend und die Qualität der Spracherkennung geht weit über andere von uns bisher getestete Tools hinaus. Wir sind gespannt, in welchen Zusammenhängen uns in Zukunft lästiges Abtippen von Word abgenommen werden kann! Denn einig waren wir uns alle: Wo solche monotonen Aufgaben wie transkribieren automatisiert werden können, bleibt für uns mehr Zeit, uns auf die Inhalte zu konzentrieren, für die wir das Transkript überhaupt erst anfertigen.

Im Rahmen unseres letzten KI-Treffs haben wir uns mit zwei Plattformen auseinandergesetzt, die vielleicht am ehesten als „Meta-Tools“ bezeichnet werden können: Poe und Future Tools. Beide Anwendungen ermöglichen auf verschiedene Art den Zugriff auf eine Vielzahl von KI-Anwendungen über eine zentrale Seite, wodurch sie besonders nützlich für alle sind, die die neusten KI-Entwicklungen testen wollen, ohne stundenlang zu recherchieren.

Poe: Eine Plattform, viele KI-Gesprächspartner

Poe ermöglicht es Nutzer:innen, verschiedene KI-Sprachmodelle wie GPT, Claude, Gemini und andere über eine einzige Plattform zu nutzen. Wie auch bei ChatGPT chattet man bei Poe mit der KI, allerdings hat man hier die Wahl, mit welcher. Anstatt dass man zwischen verschiedenen Websites oder Diensten wechseln oder sich zahlreiche neue Nutzerkonten anlegen muss, um mit unterschiedlichen KI-Modellen zu interagieren, findet man bei Poe zahlreiche bekannte KIs zentral vereint. Beispielsweise kann man bei Poe auch mit Claude chatten, einem beliebten Sprachmodell, das ansonsten aus Europa nicht benutzt werden kann. Einige leistungsstarke Modelle sind dabei nur für Abonnenten zugänglich, beispielsweise GPT-4, aber prinzipiell ist die Nutzung von Poe kostenlos. Nutzer:innen bekommen täglich Credits zugeteilt und jede Nachricht an einen KI-Bot kostet eine bestimmte Anzahl Credits, die im Chatfenster angezeigt wird. Dabei variieren die Credit-Kosten pro Bot zwischen ca. 30 bis 200 Credits.

Alte bekannte und individuelle Anpassungen: Die KI-Bot-Zentrale

Die zentrale Stärke von Poe.ai liegt in seiner Nutzerfreundlichkeit und Zugänglichkeit. Durch die Zusammenführung verschiedener KI-Chatbots auf einer Plattform müssen die Nutzer:innen nur ein Konto erstellen und verwalten. Diese Integration verschiedener KI-Dienste in eine einzige Benutzeroberfläche vereinfacht den Umgang erheblich, zumal neben Text-KIs auch Bild-KIs wie Stable Diffusion angeboten werden. Daneben bietet Poe aber einige weitere praktische Vorteile. Wie sonst nur bei kostenpflichtigen Angeboten wie ChatGPT 4.0 (Abo), kann man bei Poe immer Dateien in den Chat hochladen, mit denen der jeweilige Bot dann umgehen soll. Man kann andere Bots in eine Unterhaltung miteinbeziehen – z.B. eine Bild-KI in einen Chat mit einer Text-KI, wie ChatGPT 4.0 es mit Mentions erlaubt.

Mit das spannendste Feature von Poe dürfte aber sein, dass Poe das erstellen eigener Bots ermöglicht, und zwar auch für Nutzer:innen mit kostenfreien Konten. Über die spannenden Möglichkeiten von personalisierten Bots haben wir schon mal gesprochen (Flexible KI-Assistenten: Custom GPTs in ChatGPT 4.0) und Poe bietet einen spannenden Einstieg in diese Optionen. Bei der Bot-Erstellung wird zunächst ein Basis-KI-Modell gewählt: Soll der Bot auf der Grundlage von GPT, Claude, Gemini usw. funktionieren? Der Bot bekommt einen Namen und dann hinterlegt man den Prompt, der den eigenen Bot auszeichnet, also die Handlungsanweisung, die das Verhalten des Bots maßgeblich bestimmt. Da es hier, anders als bei ChatGPT, keine Begleitung für diesen Prozess gibt, lohnt sich vorab eine Recherche, um einen möglichst effektiven Prompt für den eigenen Bot zu hinterlegen. Zuletzt kommt der spannendste Aspekt eigener Bots: Man kann auch hier Dateien hochladen und sie werden als sogenannte „Wissensquelle“ hinzugefügt. Auf diese Art bietet man dem Bot Zugriff auf spezifische, individuelle Inhalte. So kann man den Bot für die eigenen Inhalte schulen, mit denen die Basis-KI-Modelle sich vielleicht weniger gut auskennen.

Diese selbstgebauten Bots funktionieren nach demselben Bezahlprinzip: Jede Nachricht kostet die Anzahl von Credits, die auch eine Nachricht an das jeweilige Basis-Modell kostet. Sie können privat bleiben oder veröffentlich und mit der Community auf Poe geteilt werden. Poe bietet sogar die Möglichkeit, die Nutzung der selbstgebauten Bots zu monetarisieren. Auch die Option, die Bots öffentlich zu teilen, macht Poe als Plattform spannend, denn zahlreiche User:innen teilen dort Bots zu allen möglichen Szenarien und Anwendungsfällen. Neben den bekannten Basis-KI-Bots kann man also seine Unterhaltung auch direkt mit einem nutzer-konfigurierten Bot beginnen. Durch diese Bot-Building-Option bietet Poe Zugang zu einer der spannendsten KI-Funktionen, ohne dass dafür ein Abo abgeschlossen werden muss.

Future Tools: Zugang zu einer breiten Palette von KI-Anwendungen

Future Tools etabliert sich als Datenbank, sogar fast schon als eine Art Suchmaschine für KI-Tools und stellt damit eine wertvolle Ressource für jeden dar, der spezifische KI-Anwendungen sucht. Die Plattform listet fast 3000 verschiedene KI-Tools auf, die von einfachen Chatbots bis hin zu komplexen Analysewerkzeugen reichen. Man kann einfach nach bestimmten Stichworten suchen und erhält alles, was auf der Plattform zum Thema gelistet ist. Die Einträge linken dann jeweils auf die KI-Anwendung.

Der größte Nutzen von Future Tools liegt in seiner umfassenden Filterfunktion, die es ermöglicht, nach Thema, Einsatzbereich sowie zwischen kostenlosen und kostenpflichtigen Optionen zu suchen. Dies macht es besonders praktisch für Benutzer, die gezielt nach KI-Lösungen suchen, die auf ihre spezifischen Bedürfnisse zugeschnitten sind. Die Plattform dient als zentrale Anlaufstelle, um die breite und oft unübersichtliche Landschaft der KI-Tools zu navigieren. Derzeit erscheint es einem manchmal, als würden täglich neue KI-Tools auftauchen, und es ist schwer, mit neuen Entwicklungen Schritt zu halten. Future Tools ist daher als Anlaufstelle sehr zu empfehlen, um immer neue Tools zu entdecken.

Wir haben in unserer Diskussion im KI-Treff großes Potenzial in der Weiterentwicklung dieser Meta-Tools gesehen und sind gespannt darauf, wie uns der Umgang mit KI in Zukunft weiter erleichtert und noch besser erschlossen wird durch Angebote wie Poe und Future Tools.