Was wäre eigentlich ein richtig guter Alternativtext für das Titelbild dieses Beitrags? Eine Möglichkeit wäre zum Beispiel:
„Illustration einer Glühbirne, die wie ein Heißluftballon mit Kochtopf als Korb über Wolken schwebt.“
Das beschreibt ziemlich gut, was zu sehen ist. Man könnte aber auch etwas ausführlicher werden:
„Verspielte, schwarz-weiße Zeichnung einer Glühbirne als Heißluftballon mit Wolken und einem Kochtopf als Korb auf einem türkisfarbenen Aquarellhintergrund.“
Oder man legt den Fokus stärker auf die Bedeutung der Grafik:
„Symbolische Illustration einer Glühbirne als Heißluftballon – ein Bild für Ideen, Kreativität oder neue Gedanken.“
Alle drei Varianten sind irgendwie richtig. Sie beschreiben das Bild, aber mit unterschiedlichem Schwerpunkt. Die erste konzentriert sich auf den reinen Bildinhalt, die zweite auf Details und Stil, die dritte stärker auf die mögliche Bedeutung der Illustration. Hier die richtige Entscheidung zu treffen um gute Alternativtexte zu schreiben (und das für oft hunderte von Bildern auf einer Website) kostet viel Zeit, Nerven und Geld.
Da liegt die Frage nahe: Muss man das wirklich alles selbst machen?
Wenn moderne KI-Systeme inzwischen Bilder erkennen und automatisch beschreiben können, müsste es doch möglich sein, Alternativtexte einfach generieren zu lassen. Ein Klick – und der Alt-Text ist fertig. Oder?
Warum Alternativtexte überhaupt wichtig sind
Bilder gehören zum Alltag im Web. Sie erklären Inhalte, lockern Texte auf, zeigen Produkte oder transportieren Stimmungen. Für viele Nutzer sind sie ein selbstverständlicher Teil der Information auf einer Seite. Für Menschen, die Bilder nicht sehen können, ist das erst einmal nicht anders.
Screenreader, also Programme, die Inhalte einer Website vorlesen, können Bilder aber nicht direkt interpretieren. Stattdessen greifen sie auf den sogenannten Alternativtext zurück. Dieser wird meistens im alt-Attribut eines Bildes hinterlegt und beschreibt kurz, was auf dem Bild zu sehen ist oder welche Information es vermittelt. Der Screenreader liest diesen Text an der Stelle vor, an der das Bild im Dokument erscheint.
Fehlt ein Alternativtext, bleibt für Nutzer mit Screenreader oft nur eine sehr unbefriedigende Situation. Je nach Technik wird dann lediglich „Bild“ vorgelesen, manchmal auch der Dateiname oder die Bild-URL. Ist der Alternativtext dagegen leer, wird das Bild für Screenreader unsichtbar. Das kann gewollt sein, hilft aber kaum dabei zu verstehen, welche Rolle das Bild im Inhalt spielt.
Selbst wenn ein Alternativtext vorhanden ist, heißt das allerdings noch lange nicht, dass er auch wirklich hilfreich ist. In der Praxis findet man häufig sehr generische Beschreibungen wie „Bild123.jpg“ oder „Grafik“. Andere Texte beschreiben zwar das Bild, lassen aber den Zusammenhang zur Seite völlig außer Acht.
Ein guter Alternativtext sorgt deshalb nicht nur dafür, dass ein Bild technisch zugänglich ist. Er stellt sicher, dass auch Menschen, die das Bild nicht sehen können, die gleiche Information und den gleichen Kontext erhalten wie sehende Nutzer.
Mehr Informationen darüber, was gute Alternativtexte ausmacht, gab es schon einmal hier:
Was die WCAG zu Alternativtexten verlangen
Die Bedeutung von Alternativtexten ist auch in den Web Content Accessibility Guidelines (WCAG) fest verankert. Das zentrale Erfolgskriterium dazu lautet 1.1.1 – Nicht-Text-Inhalte. Es verlangt, dass für alle Inhalte, die kein Text sind, eine Textalternative bereitgestellt wird. Dazu gehören unter anderem Bilder, Icons, Diagramme oder auch eingebettete Medien.
Der Gedanke dahinter ist einfach: Wenn eine Information visuell dargestellt wird, muss es eine Möglichkeit geben, diese Information auch in Textform zugänglich zu machen. Nur so können Screenreader, Braillezeilen oder andere assistive Technologien den Inhalt vermitteln.
Allerdings bedeutet das nicht, dass jedes Bild ausführlich beschrieben werden muss. Die WCAG unterscheiden hier nach der Funktion eines Bildes.
Ein Bild kann zum Beispiel rein dekorativ sein. Ein Hintergrundmuster, eine Trennlinie oder eine kleine Illustration, die keinen inhaltlichen Mehrwert bietet, muss nicht beschrieben werden. In solchen Fällen ist sogar ein leerer Alternativtext (alt="") die richtige Lösung, damit Screenreader das Bild überspringen.
Anders sieht es bei informativen Bildern aus. Wenn ein Foto, eine Grafik oder eine Illustration zusätzliche Informationen vermittelt, muss diese Information im Alternativtext enthalten sein. Dabei geht es nicht darum, jedes Detail des Bildes aufzuzählen, sondern die relevante Aussage wiederzugeben. Ist diese sehr lang (Diagramme oder Infografiken), kann die Beschreibung auch im Text neben dem Bild stehen. Das alt-Attribut wäre hier der falsche Ort.
Noch wichtiger ist der Alternativtext bei funktionalen Bildern, also wenn ein Bild selbst eine Funktion übernimmt. Denkt an das Lupensymbol, das als Suchbutton dient. In diesem Fall sollte der Alternativtext nicht das Bild beschreiben („Lupe“), sondern die Funktion benennen („Suchen“).
Die WCAG geben damit eine klare Richtung vor: Alternativtexte sollen nicht einfach Bilder beschreiben, sondern genau die Informationen wiedergeben, die ein sehender Nutzer auch erhält. Das ist nicht nur abhängig vom Motiv selbst, sondern auch dem Einsatzzwecke und der umgebenden Elemente. Genau diese Kontextabhängigkeit ist später auch der Punkt, an dem automatisierte Lösungen häufig an ihre Grenzen stoßen.
Alternativtexte automatisch generieren – was KI heute kann
Die Idee liegt nahe: Wenn Alternativtexte im Grunde Bildbeschreibungen sind, müsste sich diese Aufgabe doch automatisieren lassen. Moderne KI-Systeme können Bilder erkennen, Objekte identifizieren und ganze Szenen beschreiben. Warum also nicht einfach den Alternativtext automatisch erzeugen lassen?
Tatsächlich ist genau das inzwischen möglich. Viele Bildanalyse-Modelle sind darauf trainiert, visuelle Inhalte in Text zu übersetzen. Sie erkennen etwa Personen, Gegenstände, Landschaften oder einfache Handlungen und formulieren daraus kurze Beschreibungen wie „Person sitzt am Laptop“ oder „Hund läuft über eine Wiese“.
Solche Funktionen finden sich mittlerweile in verschiedenen Tools und Plattformen. Einige Content-Management-Systeme schlagen automatisch Alternativtexte vor, Bildbearbeitungsprogramme können Beschreibungen generieren und auch große Bildarchive nutzen KI, um ihre Inhalte automatisch zu verschlagworten oder zu beschreiben. Viele Social-Media-Portale nutzen diese Technik schon um Alternativtexte für Bilder bereitzustellen, wenn die Autoren keine pflegen.
Gerade bei großen Mengen an Bildern kann das ein erheblicher Vorteil sein. Statt jeden Alternativtext von Hand zu schreiben, liefert die KI zunächst einen Vorschlag, der dann nur noch überprüft und bei Bedarf leicht angepasst werden muss. Besonders dort, wo bislang überhaupt keine Alternativtexte vorhanden waren, kann eine automatische Generierung also durchaus ein erster Schritt zu besserer Zugänglichkeit sein.
Aber: die KI beschreibt genau das, was sie im Bild erkennt. Ob diese Information im Kontext der Seite tatsächlich relevant ist, steht auf einem anderen Blatt.
Wo KI bei Alternativtexten an ihre Grenzen stößt
Der größte Unterschied zwischen menschlich geschriebenen Alternativtexten und automatisch erzeugten Beschreibungen liegt im Kontext. Eine KI sieht in der Regel nur das Bild selbst. Sie erkennt Formen, Objekte, Farben oder vielleicht auch einfache Handlungen. Was sie in der Regel nicht weiß, ist, warum dieses Bild genau an dieser Stelle der Seite steht.
Für Menschen ist dieser Zusammenhang dagegen selbstverständlich. Wer einen Artikel schreibt oder eine Seite gestaltet, weiß, welche Rolle eine Grafik im Inhalt spielt. Eine Illustration kann eine Idee symbolisieren, ein Foto kann eine Situation zeigen oder eine ganze bestimmte Person, ein Diagramm eine bestimmte Aussage visualisieren. Der Alternativtext greift genau diese Funktion auf.
Das Porträt der Frau auf der Website: Ist das die Geschäftsführerin der Firma, der man schreiben kann, eine Referenz des Fotografen oder nur ein Stock-Image, weil es gut an die Stelle passte? Das ändert den Alternativtext erheblich.
Eine KI dagegen beschreibt meist einfach das, was sie erkennt. „Brünette Frau mit lockigen Haaren, lächelnd.“ Technisch ist diese Beschreibung nicht falsch – sie verfehlt nur in den meisten Fällen den eigentlichen Zweck des Bildes. Auch ob Angaben wie Geschlecht oder Hautfarbe gerade relevant sind oder nicht, kann die KI nur schwer entscheiden, jedenfalls nicht ohne besagten Kontext.
Aber was, wenn wir den Kontext geben? Nun, theoretisch ist das denkbar. Es macht die Prozesse nur ungleich komplizierter.
Bisher:
- Upload großer Bilddatenbanken, die automatisiert Alternativtexte zugeordnet bekommen.
- KI-Prozess speichert Alternativtexte automatisch am Bild im CMS
Besser:
- Pflege der fertigen Inhaltsseite mit Bild ohne Alternativtext
- Upload der Inhaltsseiten
- KI sucht die Bilder raus, interpretiert den Kontext und pflegt dann den Alternativtext
Das ist deutlich aufwendiger und langsamer, liefert aber bessere Ergebnisse. Denkbar für große, bereits existierende Websites. Denn bei der Neuerstellung macht es wenig Sinn 90% der Seite zu pflegen um dann den Alternativtext generieren zu lassen.
Ein kleiner Test: Wie gut schreiben KI-Systeme Alternativtexte?
Genug Theorie. Probieren wir es einfach aus.
Was ich vor habe
Mehrere KI-Systeme bekommen das gleiche Bild (das Titelbild dieses Artikels) und sollen dafür einen Alternativtext formulieren. Zuerst ohne weitere Informationen – nur mit der Aufforderung: „Erstelle einen Alternativtext für dieses Bild.“
Danach wiederholen wir das Ganze, dieses Mal mit etwas Kontext. Einmal mit dem Hinweis, dass das Bild in einem Artikel über Kunst und Fotografie verwendet wird. Ein weiteres Mal mit einem anderen Kontext, etwa in einem Beitrag über digitale Barrierefreiheit. Und zuletzt damit, dass es zu einer Veranstaltung verlinkt.
Die Frage ist: Bleibt der Alternativtext immer gleich, weil die KI nur beschreibt, was sie sieht? Oder verändert sich die Beschreibung, wenn sie weiß, wofür das Bild verwendet wird? Denn genau daran entscheidet sich letztlich, ob ein automatisch erzeugter Text wirklich ein guter Alternativtext ist.
Die Ergebnisse
Die Ergebnisse fallen in den von mir getesteten 4 Systemen sehr unterschiedlich aus. Schaut selbst:
ChatGPT
Ohne Kontext
Illustration einer stilisierten Glühbirne, die wie ein Heißluftballon dargestellt ist: Im Inneren sind Wolken gezeichnet, darunter befindet sich ein kleiner Korb mit einer Flamme. Der Hintergrund zeigt grüne, aquarellartige Farbspritzer.
Kunst und Fotografie
Stilisierte Illustration einer Glühbirne in Form eines Heißluftballons mit skizzierten Wolken im Inneren und einem kleinen Korb mit Flamme darunter, vor einem grünlichen Aquarell-Hintergrund; symbolisiert kreative Ideen und künstlerische Inspiration im Kontext von Kunst und Fotografie.
Barrierefreiheit
Stilisierte Illustration einer Glühbirne in Form eines Heißluftballons mit angedeuteten Wolken im Inneren und einem kleinen Korb mit Flamme darunter, vor einem grünlichen Aquarell-Hintergrund; dient als visuelles Symbol für Ideen, Innovation und zugängliche Gestaltung im Kontext digitaler Barrierefreiheit.
Veranstaltung
Stilisierte Illustration einer Glühbirne in Form eines Heißluftballons mit angedeuteten Wolken und einem kleinen Korb mit Flamme darunter, vor einem grünlichen Aquarell-Hintergrund; dient als dekoratives Vorschaubild und verweist auf eine Heißluftballon-Messe.
Gemini
Ohne Kontext
Eine minimalistische Strichzeichnung, die eine Glühbirne als Heißluftballon darstellt. Die Konturen sind in lockerem, skizzenhaftem Stil gezeichnet. Die Glühbirne bildet den Ballonkörper, in dessen Innerem ein glühender Glühfaden zu sehen ist. Darunter befindet sich ein kleiner Korb mit einer brennenden Flamme und seitlich hängenden Sandsäcken. Das Motiv schwebt vor einem Hintergrund aus sanften, türkisfarbenen Aquarellspritzern und angedeuteten Wolken.
Kunst und Fotografie
Skizzenhafte Illustration einer Glühbirne, die als Heißluftballon fungiert. Das Motiv besteht aus feinen schwarzen Linien und schwebt vor einem Hintergrund aus türkisfarbenen Aquarell-Farbspritzern und stilisierten Wolken.
Barrierefreiheit
Grafik einer Glühbirne in Form eines Heißluftballons; eine Metapher für kreative Ideen. Die Illustration ist im Line-Art-Stil mit türkisfarbenen Aquarell-Akzenten und Wolken gestaltet.
Veranstaltung
Zur Anmeldung und Info-Seite der Heißluftballon-Messe.
Perplexity
Ohne Kontext
Eine einfache Strichzeichnung einer Glühbirne mit Wolken und hellblauem Aquarell-Hintergrund.
Kunst und Fotografie
Illustration einer Glühbirne mit Wolken und hellblauem Aquarell-Hintergrund, als Symbol für eine Idee oder kreative Inspiration.
Barrierefreiheit
Illustration einer Glühbirne mit Wolken und hellblauem Aquarell-Hintergrund als Symbol für eine Idee oder Inspiration.
Veranstaltung
Illustration einer Glühbirne mit Wolken und hellblauem Aquarell-Hintergrund als Symbol für eine Veranstaltung rund um Heißluftballons.
Claude
Ohne Kontext
Illustration einer Glühbirne, die wie ein Heißluftballon gestaltet ist: Der Glaskolben bildet die Ballonhülle, darunter hängt ein Korb mit einer Flamme. Rund um die Glühbirne schweben stilisierte Wolken. Der Hintergrund zeigt einen aquarellartig aufgespritzten Farbklecks in Mintgrün/Türkis. Der Zeichenstil ist skizzenhaft mit schwarzen Linien auf weißem Grund.
Kunst und Fotografie
Skizzenhafte Illustration einer Glühbirne als Heißluftballon: Der Glaskolben bildet die Ballonhülle, ein Korb mit Flamme hängt darunter. Wolken umgeben die Szene. Im Hintergrund ein mintgrüner Aquarellklecks – ein kreatives Sinnbild für Inspiration und künstlerische Ideen.
Barrierefreiheit
Dekoratives Beispielbild: skizzenhafte Illustration einer Glühbirne in Form eines Heißluftballons mit Aquarell-Hintergrund in Mintgrün.
(Hinweis: Claude weißt darauf hin, dass es in diesem Kontext vermutlich dekorativ gemeint ist und einen leeren Alternativtext haben sollte)
Veranstaltung
Zur Heißluftballon-Messe
Alle LLMs passen ihre generierten Alternativtexte dem Kontext an. Nicht alle aber gleich gut. Gerade bei dem funktionalen Bild, dass zur Messe verlinkt, ist diese Information wichtig. Nur Claude und Gemini werden dem gerecht. Perplexity gibt sogar einen in diesem Kontext falschen Alternativtext aus, der im Test durchgefallen wäre.
Auffällig ist außerdem, dass die Texte teilweise recht lang sind. Das ist kein genereller Fehler, produziert für Nutzer von Screenreadern aber oft unnötigen Balast. Mit Sicherheit kann man aber durch aufwendigere Prompts als meine die Länge der generierten Texte optimieren.
Den unterschiedlichen Kontext zwischen Barrierefreiheit und Kunst hat für mich keines der Ergebnisse wirklich zufriedenstellend genutzt. Bilder zu interpretieren ist nicht Aufgabe der KI. Die kennt meine gedachte Metapher nicht. Vielmehr hätte man im Kunst-Kontext noch präziser auf die Art der Zeichnung und die Farben eingehen können. Perplexity hat entschieden, dass der Kontext gleich gar keine Rolle spielt.
Fazit
Der kleine Test zeigt ganz gut, wo wir aktuell stehen. KI kann Alternativtexte generieren. Und sie kann sie teilweise sogar an einen gegebenen Kontext anpassen (wenn sie ihn denn hat). Aber wie gut das funktioniert, schwankt deutlich – je nach System und vor allem je nach Art des Bildes.
Sobald es um Funktion geht, wurde es zumindest in meinem Miniversuch kritisch. Wenn ein Bild nicht nur etwas zeigt, sondern etwas tut – etwa als Link oder Button – reicht eine reine Bildbeschreibung eben nicht aus. Einige Systeme bekamen das hin, andere lieferten Texte, die im schlimmsten Fall sogar in die falsche Richtung führten.
Was bedeutet das nun für die Praxis?
KI kann helfen. Aber sie nimmt einem die eigentliche Arbeit nicht ab.
Sie kann Vorschläge liefern, ganz sicher auch Zeit sparen. Gerade als erster Entwurf ist das völlig legitim. Aber ein guter Alternativtext entsteht nicht durch das Erkennen von Pixeln, sondern durch das Verstehen von Inhalt, Kontext und Absicht.
Oder anders gesagt:
Alt-Texte lassen sich automatisieren. Sehr gute Alt-Texte (noch) nicht.