Wo liegen auch in Zukunft die Grenzen automatisierter Accessibility-Tests?

Prüfen heißt nicht immer dasselbe

Die Web Content Accessibility Guidelines (WCAG) enthalten Anforderungen an barrierefreie digitale Angebote. Diese Anforderungen unterscheiden sich jedoch deutlich darin, wie sie überprüft werden können. Das World Wide Web Consortium unterscheidet im Rahmen seiner Accessibility Conformance Testing Rules hauptsächlich zwischen automatisierten, teilautomatisierten und manuellen Prüfungen. Grundsätzlich lassen sich diese grob in drei Arten von Prüfaufgaben unterscheiden.

• Formal bestimmbare Kriterien können anhand eindeutig verfügbarer Informationen bewertet werden. Dazu gehört beispielsweise, ob die Sprache einer Seite im Code angegeben ist oder ob ein Eingabefeld eine technisch zugeordnete Beschriftung besitzt. Hierfür sind regelbasierte automatische Prüfungen gut geeignet.
• Kontextabhängige Kriterien erfordern dagegen ein Verständnis von Inhalt und Zweck. Eine Prüfung kann feststellen, dass ein Button einen Namen besitzt. Ob dieser Name seine Funktion verständlich beschreibt, ist eine andere Frage.
• Interaktions- und erfahrungsabhängige Kriterien zeigen sich erst bei der Benutzung. Dazu gehört, ob die Reihenfolge beim Navigieren mit der Tastatur logisch ist oder ob dynamische Veränderungen verständlich angekündigt werden.

Je stärker ein Kriterium von Bedeutung, Ablauf und Nutzungskontext abhängt, desto weniger lässt es sich abschließend automatisiert prüfen. Auch KI-unterstützte Verfahren werden dabei in Zukunft mehr Probleme haben als bei anderen Kriterien.

Beispiele aus den vier Prinzipien der WCAG

Die WCAG zum Beispiel ordnen Barrierefreiheitskriterien vier übergeordneten Prinzipien zu: Digitale Angebote sollen wahrnehmbar, bedienbar, verständlich und robust sein. In jedem dieser Bereiche gibt es sowohl gut messbare als auch kontextabhängige Anforderungen.

1. Wahrnehmbar: Das Kontrastverhältnis zwischen bekannten Vorder- und Hintergrundfarben lässt sich mathematisch berechnen. Schwieriger wird es bei Farbverläufen, Hintergrundbildern oder verschiedenen Zuständen eines Bedienelements. Ob Farbe die einzige Trägerin einer wichtigen Information ist, kann zudem nur im inhaltlichen Zusammenhang beurteilt werden.
2. Bedienbar: Automatisiert lässt sich beispielsweise erkennen, ob ein Element grundsätzlich den Tastaturfokus erhalten kann. Daraus folgt aber noch nicht, dass die Reihenfolge sinnvoll ist oder eine Aufgabe erfolgreich abgeschlossen werden kann.
   Besonders deutlich wird dies bei Dialogfenstern: Sie können technisch korrekt bezeichnet sein und trotzdem den Fokus an eine unlogische Stelle verschieben, Tastaturnutzende einschließen oder nach dem Schließen nicht zum Ausgangspunkt zurückführen. Die Barriere liegt dann nicht in einem einzelnen Merkmal, sondern im Ablauf.
3. Verständlich: Diese Anforderungen hängen stark vom Kontext ab. Eine automatische Prüfung kann auffällige Linktexte oder komplizierte Formulierungen markieren. Ob eine Anweisung für die Zielgruppe verständlich ist oder eine Fehlermeldung wirklich bei der Lösung des Problems hilft, lässt sich jedoch nicht allein berechnen.
   KI kann solche Inhalte analysieren und Verbesserungsvorschläge formulieren. Damit erweitert sie die Unterstützung bei bisher schwer automatisierbaren Prüfungen. Ihre Einschätzung bleibt aber probabilistisch: Eine plausibel klingende Formulierung kann im konkreten Nutzungskontext trotzdem unverständlich oder sachlich falsch sein.
4. Robust: Ein echtes Schaltflächenelement teilt Browsern und Screenreadern seine Funktion bereits mit. Wird stattdessen ein beliebiges Textelement optisch wie eine Schaltfläche gestaltet, muss seine Bedeutung nachträglich ergänzt oder erraten werden.
   Damit beeinflusst die technische Umsetzung auch die Zuverlässigkeit der Prüfung: Je weniger Bedeutung eine Website selbst maschinenlesbar ausdrückt, desto weniger kann automatisiert zuverlässig bewertet werden. Auch zusätzliche technische Angaben lösen das Problem nicht automatisch. Eine Komponente kann formal als Dialog ausgezeichnet sein, sich aber weiterhin nicht wie ein zugänglicher Dialog verhalten.

KI verschiebt die Grenzen des Automatisierbaren, beseitigt sie aber nicht

KI kann Zusammenhänge interpretieren, Bilder analysieren, Prüfhinweise priorisieren oder mögliche Korrekturen vorschlagen. Sie ist damit besonders dort hilfreich, wo starre Regeln an Grenzen stoßen. Das grundlegende Problem bleibt jedoch bestehen: Manche Barrieren entstehen erst im Zusammenspiel zwischen Mensch, Aufgabe, Website und assistiver Technologie. Eine simulierte Bedienung ist nicht dasselbe wie die Erfahrung einer Person, die auf diese Bedienform angewiesen ist. Aus demselben Grund können auch nachträglich eingebundene Accessibility-Overlays keine vollständige Barrierefreiheit herstellen. Sie kennen weder den Zweck aller Inhalte noch sämtliche Nutzungssituationen und beheben die Ursachen im zugrunde liegenden System nicht.

Unterschiedliche Prüfungen beantworten unterschiedliche Fragen

Automatisierte Prüfungen sind trotzdem wertvoll. Sie können eindeutig erkennbare Fehler schnell, regelmäßig und über viele Seiten hinweg finden. Entscheidend ist, ihre Ergebnisse richtig einzuordnen und sie mit weiteren Prüfungen zu verbinden:

• Regelbasierte Prüfungen kontrollieren eindeutig messbare technische Eigenschaften.
• KI-gestützte Analysen können bei der Bewertung kontextabhängiger Inhalte unterstützen.
• Fachleute beurteilen Struktur, Bedeutung und komplexe Interaktionen.
• Tests mit assistiven Technologien zeigen, ob konkrete technische Nutzungssituationen funktionieren.
• Menschen mit Behinderungen machen Barrieren sichtbar, die erst bei realen Aufgaben entstehen.

Wie wichtig diese letzte Perspektive ist, zeigt eine Studie von Power et al. mit 32 blinden Personen. Bei der Bearbeitung von Aufgaben auf 16 Websites waren nur 50,4 Prozent der beobachteten Nutzungsprobleme durch damalige WCAG-2.0-Erfolgskriterien abgedeckt. Die Studie misst nicht die Leistungsfähigkeit automatisierter Prüfungen. Sie verdeutlicht vielmehr, dass formale Kriterien und tatsächliche Nutzungserfahrungen nicht deckungsgleich sind. Studie von Power et al., CHI 2012

Das stellt wunderbar dar, wie die Kriterien selbst auf gute Testbarkeit fokussiert sind. Die tatsächlichen Interaktionen durch diverse Nutzende sehen dann aber komplexer aus und benötigen immer die Prüfung und Evaluierung durch Menschen (mit Behinderungen), was den durch unterschiedliche Akteure popularisierten Traum von vollautomatisierter Accessibility in weite Ferne rücken lässt.

Fortschritte in der KI und Automatisierung sind dennoch ausdrücklich zu begrüßen, da sie Prüfungen erleichtern, Fachleute entlasten und so zum Abbau vieler Barrieren beitragen können. Entscheidend ist, sie als Unterstützung menschlicher Expertise und nicht als universelles Allheilmittel zu verstehen.