Zum Inhalt springen

KI und Barrierefreiheit beurteilen

Aus MOOCsWiki Staging
Die Druckversion wird nicht mehr unterstützt und kann Darstellungsfehler aufweisen. Bitte aktualisiere deine Browser-Lesezeichen und verwende stattdessen die Standard-Druckfunktion des Browsers.
aiMOOC-Siegel

KI und Barrierefreiheit beurteilen



KI und Barrierefreiheit beurteilen

Dieser aiMOOC richtet sich vor allem an Lernende der Klasse 7 und ist für etwa 1–2 Unterrichtsstunden angelegt. Du untersuchst nicht nur, was KI technisch kann, sondern vor allem, für wen sie funktioniert, wer möglicherweise ausgeschlossen wird, welche Belege eine Aussage stützen und welche Verbesserungen sinnvoll wären. Dabei verbindest Du Informatik, Deutsch, Mathematik, Geschichte, Kunst, Ethik, Gemeinschaftskunde und Medienbildung.

Im Mittelpunkt steht eine Leitfrage:

Wann hilft KI dabei, Barrieren abzubauen – und wann schafft oder verstärkt sie neue Barrieren?

Du sollst am Ende kein bloßes Pro-und-Contra nennen, sondern ein begründetes Urteil formulieren. Dazu brauchst Du nachvollziehbare Kriterien, überprüfbare Belege, mehrere Betroffenenperspektiven und die Bereitschaft, Unsicherheiten offenzulegen.


Einleitung

Barrierefreiheit bedeutet im digitalen Raum, dass Informationen, Dienste und Werkzeuge so gestaltet sind, dass Menschen mit unterschiedlichen Fähigkeiten sie wahrnehmen, verstehen, bedienen und mit ihnen interagieren können. Dazu gehören zum Beispiel Menschen mit Seh-, Hör-, Bewegungs-, Sprach- oder kognitiven Beeinträchtigungen. Auch vorübergehende oder situationsbedingte Einschränkungen können eine Rolle spielen, etwa ein gebrochener Arm, eine laute Umgebung oder grelles Sonnenlicht.

KI kann Barrieren verringern. Automatische Untertitel können Sprache sichtbar machen. Bilder können automatisch beschrieben werden. Sprachsteuerung kann eine Alternative zu Maus und Tastatur sein. Texte können vereinfacht oder vorgelesen werden. Gleichzeitig können dieselben Systeme Menschen ausschließen, wenn sie bestimmte Sprechweisen schlechter erkennen, wichtige Bilddetails falsch beschreiben, nur mit einer Maus bedienbar sind oder wenn ihre Fehler für manche Gruppen deutlich häufiger auftreten.

Das Bild steht allgemein für Zugänglichkeit. Schon diese Darstellung führt zu einer wichtigen Frage: Kann ein einziges Symbol die Vielfalt von Behinderungen und Barrieren angemessen darstellen? Nicht alle Behinderungen sind sichtbar, und nicht alle Menschen benötigen dieselben Anpassungen.

Das Video der W3C Web Accessibility Initiative führt in digitale Barrierefreiheit ein. Achte beim Anschauen nicht nur auf den Inhalt, sondern auch auf die Form: Gibt es Untertitel? Ist das Gesprochene verständlich? Können wichtige Informationen auch ohne Bild oder ohne Ton erfasst werden?


Lernziele und Kursfahrplan

Nach dem Kurs kannst Du erklären, wie ein einfaches KI-System von Daten zu einer Ausgabe gelangt. Du kannst Barrieren und Formen von Bias erkennen, einfache Fairness-Kennzahlen berechnen, Quellen kritisch vergleichen, mehrere Betroffenenperspektiven einbeziehen und ein begründetes Urteil über einen KI-Einsatz formulieren.

Phase Richtzeit Dein Auftrag
Aktivierung etwa 10 Minuten Barrieren erkennen und erste Vermutungen sichtbar machen
Technische Einführung etwa 15 Minuten Trainingsdaten, Modell, Ausgabe und Fehler verstehen
Perspektiven und Fairness etwa 20 Minuten Unterschiede zwischen Nutzergruppen untersuchen und Daten auswerten
Anwendungssituation etwa 25 Minuten einen realistischen KI-Einsatz in der Schule prüfen und Verbesserungen entwickeln
Urteil und Selbstkontrolle etwa 20 Minuten Kriterien anwenden, Belege gewichten und ein begründetes Urteil formulieren
Vertiefung optional bis etwa 30 Minuten Medienanalyse, Recherche, Gestaltung oder Transferaufgaben bearbeiten


Aktivierung und Diagnose

Stell Dir vor, Deine Schule möchte ein KI-System einsetzen, das Videos automatisch untertitelt, Bilder beschreibt und auf Sprachbefehle reagiert. Die Werbung verspricht: „95 Prozent Genauigkeit.“

Bearbeite zunächst ohne Recherche die folgenden drei Fragen. Deine erste Antwort ist eine Diagnose und darf später verändert werden.

  1. Barrieren erkennen: Für welche Menschen könnte das System besonders hilfreich sein?
  2. Risiken vermuten: Welche Personen könnten trotz hoher Durchschnittsgenauigkeit Nachteile haben?
  3. Belege fordern: Welche Informationen fehlen Dir, bevor Du der Aussage „95 Prozent Genauigkeit“ vertraust?

Vergleiche anschließend Deine Vermutungen mit einer anderen Person. Markiert Aussagen, die auf Belegen beruhen, und Aussagen, die zunächst nur Vermutungen sind.


Was bedeutet Barrierefreiheit?

Digitale Barrierefreiheit betrifft mehr als Schriftgröße oder Rampensymbole. Nach den Grundprinzipien der Web Content Accessibility Guidelines, kurz WCAG, sollen digitale Inhalte unter anderem wahrnehmbar, bedienbar, verständlich und robust sein.

Prinzip Einfache Bedeutung Beispiel
Wahrnehmbar Wichtige Informationen sind nicht nur über einen einzigen Sinn zugänglich. Ein Video hat Untertitel; ein bedeutungstragendes Bild hat einen passenden Alternativtext.
Bedienbar Funktionen lassen sich mit unterschiedlichen Eingabemöglichkeiten nutzen. Eine Schaltfläche ist auch per Tastatur erreichbar.
Verständlich Sprache, Navigation und Fehlermeldungen sind nachvollziehbar. Ein Formular erklärt verständlich, was bei einer falschen Eingabe zu tun ist.
Robust Inhalte funktionieren mit verschiedenen Geräten und assistiven Technologien. Eine Webseite kann von einem Screenreader sinnvoll strukturiert vorgelesen werden.

Die Symbole zeigen verschiedene Formen von Zugänglichkeit. Sie erinnern daran, dass es nicht die eine Behinderung und nicht die eine barrierefreie Lösung gibt.

Wichtig: Barrierefreiheit richtet den Blick nicht nur auf eine Person, sondern auch auf die Umgebung. Ein Problem kann dadurch entstehen, dass eine Umgebung nur für eine bestimmte Art des Sehens, Hörens, Sprechens oder Bedienens entworfen wurde.


Assistive Technologien sind älter als heutige KI

Digitale Teilhabe begann nicht erst mit generativer KI. Menschen nutzen seit Jahrzehnten technische Hilfsmittel wie Screenreader, Braillezeilen, Vergrößerungssoftware, alternative Eingabegeräte oder Sprachhilfen.

Eine Braillezeile gibt digitale Zeichen tastbar aus. Damit sie gut funktioniert, müssen digitale Inhalte technisch sinnvoll strukturiert sein.

Das historische Bild zeigt Technik zur automatischen Herstellung gesprochener Informationen für blinde Menschen im Jahr 1979. Für den Geschichtsunterricht ist daran interessant: Der Wunsch, Information zugänglicher zu machen, ist älter als heutige KI-Systeme. Neue Technik baut auf längeren Entwicklungen auf und löst gesellschaftliche Fragen nicht automatisch.


Wie arbeitet KI technisch?

Viele heutige KI-Systeme beruhen auf maschinellem Lernen. Vereinfacht kann man zwischen Trainieren und Anwenden unterscheiden.

Trainieren: Ein System erhält viele Beispiele. Ein Lernverfahren verändert interne Parameter so, dass das Modell Muster in diesen Beispielen besser erfasst.

Anwenden: Das trainierte Modell erhält neue Eingaben und erzeugt daraus eine Ausgabe, zum Beispiel Text, eine Klassifikation, Untertitel oder eine Bildbeschreibung.

Eine vereinfachte Kette sieht so aus:

Eingabe → Aufbereitung → Modell → Ausgabe → menschliche Nutzung oder Entscheidung

Die Abbildung zeigt ein vereinfachtes künstliches neuronales Netz. Sie bedeutet nicht, dass ein KI-System wie ein Mensch „denkt“. Die Kreise und Verbindungen stehen für mathematische Rechenschritte und veränderbare Parameter.


Warum Trainingsdaten für Barrierefreiheit wichtig sind

Ein Modell kann nur Muster aus Daten lernen, die im Training oder bei späteren Anpassungen vorkommen. Wenn bestimmte Sprechweisen, Geräte, Altersgruppen, Lichtverhältnisse oder Nutzungssituationen kaum vertreten sind, kann die Leistung für diese Fälle schlechter sein.

Das bedeutet nicht, dass jeder Fehler direkt aus Trainingsdaten entsteht. Fehler können an mehreren Stellen entstehen:

Stelle Mögliche Verzerrung oder Barriere Prüffrage
Datenauswahl Bestimmte Nutzergruppen oder Situationen fehlen. Wer ist in den Daten vertreten und wer kaum?
Messung Ein Merkmal wird mit einem ungeeigneten Messverfahren erfasst. Misst der Test wirklich das, was er behauptet zu messen?
Modell und Ziel Optimiert wird nur ein Durchschnittswert. Werden Unterschiede zwischen relevanten Gruppen sichtbar?
Benutzeroberfläche Eine Funktion ist technisch gut, aber nur mit der Maus erreichbar. Kann die Funktion mit verschiedenen Eingabemethoden benutzt werden?
Einsatzkontext Ein Modell wird für einen anderen Zweck genutzt als getestet. Passt die Testsituation zum echten Einsatz?
Entscheidung Menschen vertrauen der KI-Ausgabe zu stark. Kann ein Mensch widersprechen, korrigieren oder eine Alternative wählen?

Bias bedeutet hier eine systematische Verzerrung. Bias kann durch Daten, Messmethoden, Designentscheidungen, gesellschaftliche Strukturen oder die Art des Einsatzes entstehen. Bias ist deshalb nicht nur ein „Fehler im Code“.


KI als Chance für Teilhabe

KI kann Zugänglichkeit unterstützen, wenn sie sinnvoll gestaltet und überprüft wird. Mögliche Anwendungen sind automatische Untertitel, Spracherkennung, Vorlesefunktionen, Bilderklärungen, Texterleichterung, Übersetzung oder flexible Eingabemöglichkeiten.

Untertitel sind für gehörlose und schwerhörige Menschen besonders wichtig, können aber auch in einer lauten Umgebung, beim Sprachenlernen oder beim Wiederholen eines schwierigen Fachbegriffs helfen.

Beobachte im Video die Wirkung von Untertiteln. Formuliere danach einen Satz dazu, wann Untertitel notwendig sein können, und einen zweiten Satz dazu, wann sie für weitere Personen zusätzlich nützlich sind.


KI kann neue Barrieren schaffen

Eine KI-Funktion ist nicht automatisch barrierefrei, nur weil sie „intelligent“ wirkt. Ein Spracherkennungssystem kann zum Beispiel für häufig vorkommende Sprechweisen sehr gut funktionieren und für andere deutlich schlechter. Forschung zu automatischer Spracherkennung zeigt, dass Menschen mit Dysarthrie oder anderen atypischen Sprechweisen besondere Schwierigkeiten mit Systemen haben können, die vor allem für typische Sprache optimiert wurden. Gleichzeitig zeigen nutzerzentrierte Forschungsprojekte, dass personalisierte Modelle und Beteiligung betroffener Nutzerinnen und Nutzer Verbesserungen ermöglichen können.

Auch automatische Bildbeschreibungen können problematisch sein. Eine Beschreibung kann wichtige Informationen auslassen, Personen falsch einordnen oder unpassende Annahmen über Alter, Geschlecht, Behinderung oder Situation treffen. Ein scheinbar flüssiger Text ist deshalb noch kein Beweis dafür, dass die Beschreibung korrekt oder fair ist.


Nicht jede Behinderung ist sichtbar

Gebärdensprachen sind eigenständige Sprachen. Automatische Untertitel und Gebärdensprache erfüllen nicht dieselbe Funktion. Manche gehörlose Menschen nutzen bevorzugt Gebärdensprache, andere Schriftsprache oder mehrere Kommunikationsformen. Eine gute Gestaltung vermeidet die Annahme, eine einzige Lösung passe für alle.

Ebenso können kognitive oder neurologische Unterschiede, chronische Erkrankungen oder Sprachbeeinträchtigungen unsichtbar sein. Barrierefreiheit braucht deshalb Vielfalt in Tests und Beteiligung realer Nutzerinnen und Nutzer.


Mehrere Betroffenenperspektiven prüfen

Menschen innerhalb einer Gruppe sind verschieden. Die Tabelle zeigt daher keine festen Eigenschaften, sondern mögliche Fragen, mit denen Du einen KI-Einsatz untersuchen kannst.

Perspektive Mögliche Unterstützung durch KI Mögliche Barriere Sinnvoller Test
Blinde oder sehbehinderte Person Bildbeschreibung, Texterkennung, Vorlesen Beschreibung lässt entscheidende Diagramminformationen aus Mit Screenreader und mehreren realen Aufgaben testen
Gehörlose oder schwerhörige Person Untertitel, Transkription Namen, Fachbegriffe oder Warnsignale werden falsch wiedergegeben Fehlerarten in unterschiedlichen Audio-Situationen prüfen
Person mit motorischer Beeinträchtigung Sprachsteuerung oder alternative Eingabe Korrektur ist nur per Maus möglich Alle Kernfunktionen ohne Maus ausprobieren
Person mit Sprachbeeinträchtigung personalisierte Spracherkennung Standardsystem erkennt die Sprechweise deutlich schlechter Erkennungsraten für unterschiedliche Sprechweisen getrennt messen
Person mit Lern- oder kognitiven Schwierigkeiten Zusammenfassung, einfachere Sprache, Vorlesen KI vereinfacht so stark, dass wichtige Bedeutung verloren geht Verständlichkeit und Richtigkeit gemeinsam prüfen
Mehrsprachige Person Übersetzung und Sprachunterstützung Dialekt oder Mehrsprachigkeit wird als Fehler behandelt verschiedene Sprachvarianten und Kontexte einbeziehen
Person mit vorübergehender Einschränkung flexible Bedienung Funktion hängt von nur einem Eingabekanal ab Nutzung mit eingeschränkter Hand, ohne Ton oder bei starkem Licht simulieren

Perspektivwechsel bedeutet nicht, für andere Menschen zu sprechen. Gute Entwicklung bezieht Betroffene freiwillig und respektvoll ein, statt nur Vermutungen über ihre Bedürfnisse anzustellen.


Fairness-Labor: Durchschnittswerte können täuschen

Für einen Unterrichtsversuch wird ein fiktives Spracherkennungssystem getestet. Die Zahlen sind nur ein Lernbeispiel und beziehen sich auf kein bestimmtes Produkt.

Testgruppe Korrekt erkannte Aussagen Alle Aussagen Trefferquote
Gruppe A: Sprechweisen, die im Testmaterial häufig vertreten sind 18 20 90 Prozent
Gruppe B: Sprechweisen, die im Testmaterial wenig vertreten sind 12 20 60 Prozent

Die Formel lautet:

Trefferquote = korrekte Ausgaben ÷ alle Testfälle × 100

Über beide Gruppen zusammen wurden 30 von 40 Aussagen korrekt erkannt. Das ergibt eine Gesamtquote von 75 Prozent.

Die Differenz zwischen 90 Prozent und 60 Prozent beträgt 30 Prozentpunkte.

Damit wird sichtbar: Eine einzige Durchschnittszahl kann wichtige Unterschiede verdecken.

Bearbeite die folgenden Denkaufträge:

  1. Rechnen: Überprüfe die drei Prozentangaben selbst.
  2. Vergleichen: Erkläre, warum 75 Prozent Gesamtgenauigkeit allein kein ausreichendes Fairness-Urteil erlaubt.
  3. Testdesign: Welche weiteren Informationen über Größe, Auswahl und Zusammensetzung der Testgruppen würdest Du benötigen?
  4. Abwägen: Ab welcher Differenz wäre ein Einsatz für Dich problematisch? Begründe, warum diese Grenze keine rein mathematische Wahrheit ist.


Quellenkritik: Welchem Beleg kannst Du wofür vertrauen?

Eine faire Beurteilung braucht mehr als Werbung, einzelne Erfahrungsberichte oder eine einzige Kennzahl. Verschiedene Quellen beantworten verschiedene Fragen.

Quelle Was sie leisten kann Worauf Du achten solltest
Herstellerangabe erklärt Funktionen und eigene Messwerte Sind Testmethode, Gruppen und Grenzen offengelegt?
Unabhängige Studie kann systematisch vergleichen und Methoden dokumentieren Passt die untersuchte Version und Nutzungssituation zu Deinem Fall?
Standard oder Leitlinie liefert anerkannte Kriterien für Zugänglichkeit Ein erfülltes Kriterium garantiert noch nicht jede reale Nutzungssituation
Erfahrungsbericht zeigt konkrete Auswirkungen im Alltag Eine einzelne Erfahrung steht nicht automatisch für alle Menschen einer Gruppe
Eigener Test macht Probleme im konkreten Schulkontext sichtbar Ist der Test groß und vielfältig genug, oder nur ein erster Hinweis?

Nutze beim Prüfen von Quellen die Vier-Fragen-Regel:

  1. Urheber: Wer macht die Aussage und mit welchem Interesse?
  2. Methode: Wie wurden Daten erhoben oder Tests durchgeführt?
  3. Lücken: Wer oder was fehlt möglicherweise?
  4. Abgleich: Wird die Aussage durch weitere unabhängige Belege gestützt?


Medienanalyse: Repräsentation und Vielfalt

Barrierefreiheit hat auch eine visuelle und sprachliche Seite. Bilder, Symbole und Beispiele beeinflussen, wen wir uns als „typische“ Nutzerinnen und Nutzer vorstellen.

Untersuche die bisher gezeigten Symbole. Ein Rollstuhlsymbol ist schnell verständlich, kann aber den Eindruck erwecken, Barrierefreiheit betreffe vor allem Mobilität. Ein allgemeines Zugangssymbol kann inklusiver wirken, bleibt aber abstrakt. Gebärdensprach- oder Untertitelsymbole zeigen andere Zugangsformen.

Für Kunst und Medienbildung lautet die Aufgabe: Wie kann ein Symbol leicht verständlich sein, ohne Vielfalt unsichtbar zu machen?

Das Video zeigt mehrere Alltagssituationen zur Web-Barrierefreiheit. Analysiere beim Anschauen mindestens zwei Szenen mit diesen Fragen: Welche Barriere wird sichtbar? Welche Gestaltung verändert die Situation? Wer profitiert außerdem? Welche Perspektive fehlt möglicherweise?


Realistische Anwendungssituation: Soll die Schule das KI-Hilfssystem einsetzen?

Deine Schule erwägt ein neues, herstellerunabhängig beschriebenes KI-Hilfssystem. Es soll Unterrichtsvideos automatisch untertiteln, Bilder beschreiben und auf Sprachbefehle reagieren. Vor einer Entscheidung führt eine Schülergruppe einen Test durch.

Die folgenden Belegkarten sind absichtlich unvollständig. Deine Aufgabe ist nicht, sofort „ja“ oder „nein“ zu sagen, sondern die Qualität der Belege zu prüfen.

Belegkarte Information
A Der Anbieter nennt 95 Prozent Gesamtgenauigkeit, erklärt aber nicht, für welche Nutzergruppen oder Situationen dieser Wert gemessen wurde.
B Im Schultest funktionieren Untertitel bei ruhiger Standardsprache meist gut. Bei mehreren Sprechweisen, Fachnamen und Hintergrundgeräuschen treten deutlich mehr Fehler auf.
C Eine blinde Testperson berichtet, dass eine automatische Bildbeschreibung die Farbe eines Balkendiagramms nennt, aber die entscheidenden Zahlenwerte auslässt.
D Eine Person mit motorischer Beeinträchtigung kann das System per Sprache starten, muss eine fehlerhafte Eingabe aber mit der Maus korrigieren.
E Die Schule kann noch nicht klar erklären, welche Sprach- oder Bilddaten gespeichert werden, wie lange sie gespeichert werden und wie ein Widerspruch gegen eine KI-Ausgabe möglich ist.
F Ein unabhängiger Standard zur digitalen Barrierefreiheit fordert, dass zentrale Funktionen mit unterschiedlichen Eingabeformen zugänglich sein sollen.


Dein Prüfauftrag

Bewerte das System nicht mit einem einzigen Bauchgefühl, sondern mit einem Kriterienraster.

Kriterium Leitfrage 0 Punkte 1 Punkt 2 Punkte
Zugänglichkeit Können Menschen mit unterschiedlichen Bedürfnissen die Kernfunktionen nutzen? große Barrieren teilweise zugänglich gut zugänglich und Alternativen vorhanden
Verlässlichkeit Funktioniert das System im echten Schulkontext ausreichend zuverlässig? häufige kritische Fehler gemischte Ergebnisse robuste Ergebnisse mit bekannten Grenzen
Fairness Sind Fehler und Nachteile zwischen relevanten Gruppen angemessen geprüft? nicht geprüft teilweise geprüft getrennt geprüft und Unterschiede bearbeitet
Transparenz Sind Daten, Grenzen und Funktionsweise verständlich dokumentiert? unklar teilweise erklärt nachvollziehbar erklärt
Human Agency Können Menschen korrigieren, widersprechen und Alternativen wählen? kaum Kontrolle begrenzte Kontrolle wirksame menschliche Kontrolle
Sicherheit und Datenschutz Werden möglichst wenige personenbezogene Daten benötigt und geschützt? unklar oder riskant teilweise geklärt nachvollziehbar geschützt
Beteiligung Wurden unterschiedliche Betroffene in Entwicklung oder Test einbezogen? nicht erkennbar einzelne Rückmeldungen vielfältige, freiwillige Beteiligung

Achtung: Die Punktzahl unterstützt Dein Denken, entscheidet aber nicht automatisch. Ein schweres Problem bei Sicherheit, Diskriminierung oder fehlender menschlicher Kontrolle kann wichtiger sein als eine hohe Gesamtsumme.


Verbesserungen entwickeln statt nur Fehler suchen

Wähle mindestens zwei Schwachstellen aus der Anwendungssituation. Entwickle jeweils eine konkrete Verbesserung und beschreibe, wie Du prüfen würdest, ob sie wirklich wirkt.

Mögliche technische und organisatorische Richtungen sind: alternative Eingabemöglichkeiten, manuelle Korrektur, nachvollziehbare Fehlermeldungen, Gruppen-getrennte Tests, Testen mit Screenreader und Tastatur, datensparsame Einstellungen, menschliche Freigabe bei wichtigen Entscheidungen und echte Beteiligung betroffener Nutzerinnen und Nutzer.

Du sollst diese Vorschläge nicht einfach übernehmen. Entscheide, welche Maßnahmen im konkreten Schulfall am wichtigsten sind, und begründe Deine Priorität.


Warum gesellschaftliche Wertfragen nicht rein technisch lösbar sind

Technik kann messen, ob eine Spracherkennung in Testgruppe A 90 Prozent und in Testgruppe B 60 Prozent erreicht. Technik kann aber nicht allein entscheiden, welche Differenz gesellschaftlich akzeptabel ist, welches Risiko in einer wichtigen Schulsituation tragbar ist oder wer bei Zielkonflikten mitentscheiden soll.

Dazu kommen Wertfragen:

Gleichheit oder gerechte Teilhabe? Alle exakt gleich zu behandeln kann unfair sein, wenn Menschen unterschiedliche Zugänge benötigen.

Bequemlichkeit oder Selbstbestimmung? Eine automatische Funktion kann hilfreich sein, darf aber Menschen nicht unnötig die Möglichkeit nehmen, selbst zu entscheiden.

Schnelligkeit oder Sorgfalt? Eine sofortige KI-Ausgabe kann praktisch sein, aber bei wichtigen Informationen kann eine menschliche Kontrolle notwendig sein.

Durchschnitt oder Minderheitenschutz? Ein System kann insgesamt gut funktionieren und trotzdem eine kleinere Gruppe systematisch benachteiligen.

Solche Fragen gehören zu Ethik und Gemeinschaftskunde. Gute Entscheidungen verbinden technische Daten mit Grundrechten, Beteiligung, Verantwortung und nachvollziehbaren Werturteilen.


Rechte, Standards und demokratische Regeln

Die UN-Behindertenrechtskonvention verlangt, Barrieren beim Zugang zu Information und Kommunikation einschließlich digitaler Technologien abzubauen und gleichberechtigte Teilhabe zu ermöglichen.

Auch technische Standards wie die WCAG übersetzen Teile dieses Ziels in überprüfbare Anforderungen für digitale Inhalte.

Die europäische KI-Regulierung behandelt bestimmte KI-Einsätze im Bildungsbereich besonders streng, wenn sie zum Beispiel den Zugang zu Bildung oder wichtige Bildungsentscheidungen beeinflussen können. Das bedeutet nicht, dass jede KI in der Schule automatisch ein Hochrisikosystem ist. Es zeigt aber, dass der Einsatzkontext entscheidend ist.


Begründet urteilen mit der BELEG-Methode

Nutze für Dein abschließendes Urteil die BELEG-Methode:

Buchstabe Bedeutung Leitfrage
B Behauptung Wie lautet Dein vorläufiges Urteil?
E Evidenz Welche Daten, Tests, Quellen oder Erfahrungen stützen es?
L Lücken Welche Informationen fehlen noch oder sind unsicher?
E Ethische Abwägung Welche Werte, Rechte und Betroffenenperspektiven sind berührt?
G Gesamturteil Unter welchen Bedingungen ist der Einsatz vertretbar, zu verändern oder abzulehnen?

Ein starkes Urteil klingt deshalb nicht einfach wie „KI ist gut“ oder „KI ist schlecht“. Es könnte zum Beispiel die Form haben: „Der Einsatz ist nur unter bestimmten Bedingungen vertretbar, weil die vorhandenen Belege zwar Nutzen zeigen, aber noch Lücken bei Fairness und Bedienbarkeit bestehen. Vor dem Einsatz müssen ... getestet oder verändert werden.“

Die fehlenden Bedingungen formulierst Du selbst.


Fächerübergreifende Bezüge

Fach Verbindung zum Thema Mögliche Leistung
Informatik Trainingsdaten, Modell, Testdaten, Mensch-Maschine-Interaktion Fehlerquellen in einer KI-Pipeline lokalisieren
Deutsch verständliche Sprache, Argumentation, Quellenkritik ein begründetes Urteil mit Belegen schreiben
Mathematik Brüche, Prozentrechnung, Gruppenvergleiche Trefferquoten und Prozentpunktdifferenzen berechnen
Geschichte Entwicklung assistiver Technik und Wandel digitaler Teilhabe historische Technik mit heutigen KI-Systemen vergleichen
Kunst Symbole, visuelle Repräsentation und Gestaltung ein inklusiveres Informationssymbol begründet entwerfen
Ethik Fairness, Würde, Selbstbestimmung und Verantwortung Zielkonflikte abwägen
Gemeinschaftskunde Rechte, Standards, Beteiligung und Regulierung technische Entscheidung als gesellschaftliche Entscheidung untersuchen
Medienbildung Anbieterangaben, unabhängige Quellen, KI-Ausgaben und Medienwirkung Behauptungen prüfen und Unsicherheit kennzeichnen


Reflexion und Transfer

Beantworte zum Ende des Kernkurses drei kurze Sätze:

  1. Perspektive: Eine Person, die ich bei meinem ersten Urteil zu wenig berücksichtigt hatte, ist ...
  2. Beleg: Ein Beleg, der mein Urteil verändert oder präzisiert hat, ist ...
  3. Handlungsspielraum: Eine Regel für verantwortlichen KI-Einsatz in der Schule sollte sein ...

Übertrage danach Dein Kriterienraster auf eine andere digitale Funktion, etwa automatische Übersetzung, Gesichtserkennung beim Geräte-Login, KI-Textvereinfachung oder eine Lernempfehlung. Prüfe, ob dieselben Kriterien ausreichen oder ergänzt werden müssen.


Quellen und Belege zum Nachprüfen

Die folgenden Quellen eignen sich für eine vertiefte Quellenkritik. Prüfe bei der Nutzung immer Aktualität, Urheberschaft, Zielgruppe und Methode.

  1. W3C Web Accessibility Initiative: Introduction to Web Accessibility
  2. W3C: Web Content Accessibility Guidelines
  3. W3C: How People with Disabilities Use the Web
  4. UNESCO: AI Competency Framework for Students
  5. UN-Behindertenrechtskonvention, Artikel 9: Barrierefreiheit
  6. UN-Behindertenrechtskonvention, Artikel 21: Zugang zu Information
  7. EU-Verordnung über Künstliche Intelligenz
  8. Forschungsbeispiel: nutzerzentrierte Entwicklung zugänglicher Sprachtechnologie
  9. Forschungsüberblick: Dysarthrie und automatische Spracherkennung


Interaktive Aufgaben


Quiz: Teste Dein Wissen

Ein Anbieter nennt für ein KI-Untertitelsystem 95 Prozent Genauigkeit, aber keine getrennten Ergebnisse für verschiedene Nutzergruppen. Was ist die beste nächste Prüfung? (Ergebnisse mit vielfältigen Nutzergruppen und realistischen Situationen getrennt testen) (!Die Zahl ohne weitere Prüfung übernehmen) (!Nur die schnellste Testperson ausprobieren lassen) (!Die Genauigkeit auf 100 Prozent aufrunden)




Automatische Untertitel schreiben einen wichtigen Fachnamen falsch. Welche Verbesserung stärkt Human Agency am besten? (Eine gut erreichbare Möglichkeit zum Korrigieren und menschlichen Prüfen) (!Den Fehler verbergen) (!Die Untertitel ohne Hinweis automatisch veröffentlichen) (!Nur die Schriftfarbe ändern)




Eine KI-Funktion ist nur mit der Maus erreichbar. Welches Urteil ist am passendsten? (Die Funktion kann trotz guter KI-Leistung eine Bedienbarriere darstellen) (!Die Funktion ist automatisch barrierefrei) (!Barrierefreiheit betrifft nur die Genauigkeit des Modells) (!Die Mausbedienung beweist Fairness)




Gruppe A erreicht 90 Prozent und Gruppe B 60 Prozent Trefferquote. Wie groß ist die Differenz? (30 Prozentpunkte) (!30 Prozent) (!6 Prozentpunkte) (!75 Prozentpunkte)




Ein Trainingsdatensatz enthält kaum Beispiele bestimmter Sprechweisen. Welches Risiko liegt besonders nahe? (Das Modell kann für diese Sprechweisen schlechter funktionieren) (!Das Modell wird dadurch automatisch vollständig fair) (!Das Modell benötigt keine Tests mehr) (!Die Benutzeroberfläche wird dadurch immer tastaturbedienbar)




Eine KI zeigt für ihre Antwort eine sehr hohe Sicherheit an. Was darfst Du daraus nicht automatisch schließen? (Dass die Antwort wahr und für alle Gruppen fair ist) (!Dass das System eine Ausgabe berechnet hat) (!Dass die Ausgabe geprüft werden kann) (!Dass weitere Belege sinnvoll sein können)




Welche Kombination liefert für eine Barrierefreiheitsbewertung die stärkste Grundlage? (Nutzertests mit Betroffenen plus technische Dokumentation plus unabhängige Belege) (!Nur Werbeaussagen des Anbieters) (!Nur eine einzelne Durchschnittszahl) (!Nur der Eindruck einer Person ohne weiteren Test)




Eine KI beeinflusst eine wichtige schulische Entscheidung. Welche Gestaltung stärkt verantwortlichen Einsatz? (Menschliche Überprüfung und eine Möglichkeit zum Widerspruch) (!Die KI-Ausgabe wird immer automatisch übernommen) (!Die Entscheidung wird geheim gehalten) (!Fehler werden nicht dokumentiert)




Warum kann exakt gleiche Behandlung trotzdem unfair sein? (Weil gerechte Teilhabe unterschiedliche Zugänge oder Anpassungen erfordern kann) (!Weil Fairness immer bedeutet, alle unterschiedlich zu behandeln) (!Weil technische Systeme niemals getestet werden dürfen) (!Weil Durchschnittswerte immer bedeutungslos sind)




Warum reicht technische Genauigkeit allein nicht für ein Urteil über KI und Barrierefreiheit? (Weil auch Rechte, Folgen, Beteiligung und gesellschaftliche Werte abgewogen werden müssen) (!Weil technische Daten grundsätzlich nutzlos sind) (!Weil nur Designfarben über Fairness entscheiden) (!Weil gesellschaftliche Fragen immer von der KI selbst gelöst werden können)





Memory

Barrierefreiheit Hindernisse so abbauen, dass möglichst viele Menschen teilnehmen können
Bias Systematische Verzerrung
Alternativtext Textliche Beschreibung bedeutungstragender Bildinhalte
Untertitel Textdarstellung gesprochener und wichtiger akustischer Informationen
Screenreader Software zum strukturierten Vorlesen digitaler Inhalte
Braillezeile Tastbare Ausgabe digitaler Schrift
Trainingsdaten Beispiele, aus denen ein Modell Muster lernt
Human Agency Informiert selbst entscheiden, korrigieren und übersteuern können





Drag and Drop

Ordne die richtigen Begriffe zu. Thema
Trainingsphase Das Modell lernt Muster aus Beispieldaten
Anwendungsphase Das trainierte Modell verarbeitet neue Eingaben
Gruppentest Leistungen werden für relevante Nutzergruppen getrennt betrachtet
Alternativzugang Eine wichtige Funktion kann auf mehr als einem Weg benutzt werden
Menschliche Kontrolle Eine Person kann eine KI-Ausgabe prüfen, korrigieren oder zurückweisen





Kreuzworträtsel

Barrierefreiheit Wie heißt das Ziel, digitale Hindernisse für Teilhabe abzubauen?
Transparenz Wie heißt das Kriterium, nach dem Funktionsweise, Daten und Grenzen nachvollziehbar sein sollen?
Untertitel Wie heißt die Textdarstellung gesprochener Inhalte in Videos?
Braille Wie heißt die tastbare Punktschrift?
Teilhabe Wie heißt die gleichberechtigte Beteiligung am gesellschaftlichen Leben?
Fairness Wie heißt das Prinzip, Benachteiligungen zwischen relevanten Gruppen kritisch zu prüfen?





LearningApps


Lückentext

Vervollständige den Text.
Digitale

soll verhindern, dass Gestaltung Menschen von Informationen oder Funktionen ausschließt.
Ein lernendes KI-System erkennt Muster in seinen

.
Eine systematische Verzerrung wird häufig als

bezeichnet.
Eine hohe durchschnittliche Trefferquote kann Unterschiede zwischen

verdecken.
Die Differenz zwischen zwei Prozentwerten kann in

angegeben werden.
Automatische Untertitel können gesprochene Inhalte für weitere Personen

machen.
Eine Bildbeschreibung sollte bedeutungstragende Informationen nicht nur flüssig, sondern auch

wiedergeben.
Quellenkritik fragt unter anderem nach Urheberschaft, Methode und möglichen

.
Wer eine KI-Ausgabe korrigieren oder zurückweisen kann, besitzt mehr menschlichen

.
Fairness lässt sich nicht vollständig durch eine einzige technische

entscheiden.
Ein begründetes Urteil verbindet technische Daten mit Betroffenenperspektiven und gesellschaftlichen

.
Vor einem wichtigen Einsatz sollte ein System mit realistischen Aufgaben und vielfältigen Personen

werden.




Offene Aufgaben


Leicht

  1. Barriere-Detektiv: Untersuche eine schulische Webseite oder Lernplattform. Finde drei Stellen, die für verschiedene Nutzerinnen und Nutzer leicht oder schwer zugänglich sein könnten. Beschreibe jeweils, welche Person betroffen sein könnte und woran Du das erkennst.
  2. Alttext-Werkstatt: Wähle ein sachliches Bild aus einem Schulfach. Schreibe selbst einen Alternativtext. Lass danach eine KI einen Alternativtext erzeugen und vergleiche beide auf Genauigkeit, Relevanz und unnötige Annahmen.
  3. Untertitel-Test: Nimm mit Einwilligung einen kurzen selbst gesprochenen Satz mit Fachbegriffen auf. Vergleiche automatische Untertitel mit dem Original. Sortiere Fehler danach, ob sie nur lästig oder für das Verständnis bedeutsam sind.
  4. Symbolanalyse: Vergleiche zwei Accessibility-Symbole aus dem Kurs. Entwirf eine eigene Variante und begründe, wie Du Verständlichkeit, Vielfalt und einfache Form miteinander abgewogen hast.


Standard

  1. Fairness-Rechner: Erfinde zwei kleine Testgruppen mit je mindestens zehn Fällen, berechne Trefferquoten und Prozentpunktdifferenz und zeige, wie der Gesamtdurchschnitt Unterschiede verdecken kann.
  2. Quellen-Dossier: Suche drei unterschiedliche Quellen zu KI und Barrierefreiheit, darunter möglichst eine Primärquelle oder einen Standard. Bewerte Urheber, Methode, Aktualität, Interessen und Lücken.
  3. Perspektivgespräch: Führe nur freiwillig und respektvoll ein kurzes Gespräch mit einer Person über digitale Barrieren im Alltag. Frage nach konkreten Situationen statt nach privaten Diagnosen. Halte fest, welche Deiner vorherigen Annahmen sich verändert haben.
  4. Redesign: Wähle eine Funktion aus der Anwendungssituation und zeichne einen verbesserten Ablauf. Baue mindestens einen Alternativzugang, eine Korrekturmöglichkeit und einen Hinweis auf Unsicherheit ein.


Schwer

  1. KI-Barrierefreiheits-Audit: Entwickle einen Testplan für ein schulisches KI-Werkzeug. Lege Nutzergruppen, Aufgaben, Messwerte, qualitative Rückmeldungen und Abbruchkriterien fest, ohne personenbezogene Gesundheitsdaten unnötig zu sammeln.
  2. Wertedebatte: Diskutiere die These „Ein KI-System darf eingesetzt werden, wenn es im Durchschnitt besser hilft als schadet.“ Formuliere ein Gegenargument, ein unterstützendes Argument und anschließend Deine begründete Position.
  3. Technikgeschichte: Vergleiche die historische Technik zur Informationsausgabe für blinde Menschen mit heutiger KI-gestützter Bild- oder Sprachausgabe. Untersuche Kontinuitäten, Veränderungen und neue Risiken.
  4. Schulregel für KI: Entwirf mit Deiner Gruppe fünf Regeln für einen barrierearmen und fairen KI-Einsatz an der Schule. Jede Regel muss ein Kriterium, einen Schutzmechanismus und eine Möglichkeit zur Überprüfung enthalten.




Text bearbeiten Bild einfügen Video einbetten Interaktive Aufgaben erstellen



Lernkontrolle

  1. Neuer Fall: Eine KI vereinfacht schwierige Schultexte automatisch. Eine Schülerin versteht die vereinfachte Version besser, aber wichtige Einschränkungen im Original fehlen. Analysiere Nutzen, Risiko, betroffene Perspektiven und eine sinnvolle Verbesserung.
  2. Fairnessdaten: Ein System erreicht in drei Testgruppen 92 Prozent, 88 Prozent und 61 Prozent Trefferquote. Erkläre, welche zusätzlichen Informationen Du brauchst, bevor Du daraus ein Fairnessurteil ableitest.
  3. Widersprüchliche Quellen: Ein Anbieter meldet sehr hohe Genauigkeit, eine unabhängige Studie findet Schwächen und zwei Nutzerberichte widersprechen sich. Entwickle ein Vorgehen, mit dem Du die Aussagen prüfst, ohne eine Quelle vorschnell auszuschließen.
  4. Verbesserungsentwurf: Eine Sprachsteuerung funktioniert gut, die Korrektur eines Fehlers ist aber nur per Touchscreen möglich. Entwickle zwei unterschiedliche Verbesserungen und erkläre, welche Du zuerst testen würdest.
  5. Grenzfall: Entscheide, ob ein KI-System mit kleiner Leistungsdifferenz zwischen Gruppen in einer freiwilligen Übungs-App anders bewertet werden sollte als in einem System, das über schulische Förderung mitentscheidet. Begründe den Unterschied.
  6. BELEG-Urteil: Formuliere zu einer selbst gewählten KI-Anwendung ein vollständiges Urteil nach der BELEG-Methode. Nenne ausdrücklich mindestens eine Unsicherheit und eine Bedingung, unter der Du Dein Urteil ändern würdest.




Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du nicht nur Begriffe wiedergeben, sondern Zusammenhänge anwenden kannst.

  1. Technikverständnis: Erkläre den Unterschied zwischen Trainingsphase und Anwendungsphase und ordne mögliche Fehlerquellen ein.
  2. Barrierenanalyse: Beschreibe, wie eine digitale Funktion für verschiedene Personen zur Hilfe oder zur Barriere werden kann.
  3. Datenkompetenz: Berechne Trefferquoten und Prozentpunktdifferenzen korrekt und erkläre die Grenzen eines Durchschnittswerts.
  4. Fairnessanalyse: Erkenne mögliche Verzerrungen in Daten, Testdesign, Benutzeroberfläche oder Einsatzkontext.
  5. Belegqualität: Vergleiche Anbieterangaben, Standards, Studien, Nutzertests und Erfahrungsberichte nach ihrer Aussagekraft.
  6. Perspektivenvielfalt: Beziehe mehrere Betroffenenperspektiven ein, ohne Menschen einer Gruppe als völlig gleich darzustellen.
  7. Selbstbestimmung: Prüfe, ob Menschen KI-Ausgaben nachvollziehen, korrigieren, ablehnen oder durch Alternativen ersetzen können.
  8. Werturteil: Unterscheide messbare technische Fragen von gesellschaftlichen Wertentscheidungen.
  9. Verbesserung: Entwickle mindestens eine konkrete Veränderung und beschreibe einen realistischen Test ihrer Wirkung.
  10. Begründetes Urteil: Formuliere ein Urteil mit Kriterien, Belegen, erkennbaren Lücken und einer nachvollziehbaren Abwägung.




OERs zum Thema


Verknüpfte Lernbereiche


aiMOOC-Projekte