Eine blinde Programmiererin, die durch einen KI-gestützten Screenreader zum ersten Mal eigenständig einen Code-Review durchführt. Ein Gehörloser, der per KI-Transkription einem Vortrag in Echtzeit folgt, ohne Dolmetscher, ohne Vorbereitung. Ein Mensch mit ALS, der mit den Augen schreibt und dabei genauso schnell kommuniziert wie andere mit der Tastatur.
Das sind keine Zukunftsszenarien. Das passiert heute. Und es passiert schneller, als die meisten Menschen in der KI-Diskussion wahrnehmen.
Was konkret funktioniert (nach Behinderungsbereich sortiert) und was noch nicht, zeigt der folgende Überblick.
Sehbehinderung: Wenn KI beschreibt, was Augen nicht sehen
Screenreader gibt es seit Jahrzehnten. Was sich verändert hat, ist die Qualität der KI-Layer darüber.
Microsofts Seeing AI und die Bilderkennungsfunktion in iOS beschreiben Fotos und Dokumente in natürlicher Sprache. Nicht mehr “Bild enthält Person”, sondern “Eine Frau mittleren Alters steht vor einem Schreibtisch, hinter ihr ein Whiteboard mit handgeschriebenen Notizen.” Das klingt wie ein kleiner Unterschied, ist aber fundamental für den Alltag.
GPT-4o und ähnliche multimodale Modelle haben das nochmal verbessert. Mit ChatGPT oder Claude lässt sich heute ein Bild hochladen und direkt fragen: “Was steht in dieser Speisekarte?” oder “Welche Taste schaltet das Gerät ein?” Das ist im Alltag Unabhängigkeit.
Für Navigation nutzen Apps wie Lazarillo oder BlindSquare KI-gestützte Positionierung, kombiniert mit Crowdsourcing von Hindernissen. Noch nicht perfekt, aber bedeutsam.
Was fehlt: konsistente Qualität bei deutschsprachigen Inhalten. Viele dieser Tools sind primär auf Englisch trainiert. Bildunterschriften und Dokumentenanalyse funktionieren auf Deutsch spürbar schlechter als auf Englisch. Auch die Navigation-Unterstützung ist weniger zuverlässig. Eine Lücke, die der deutschsprachige Raum noch nicht ernsthaft adressiert.
Hörbehinderung: Echtzeit-Transkription als Gamechanger
Live-Transkription ist die KI-Anwendung, die in dieser Gruppe die direkteste Wirkung hat.
Microsoft Teams, Google Meet, Zoom und andere Videokonferenz-Tools haben Echtzeit-Untertitel inzwischen als Standardfunktion integriert. Die Qualität ist bei klarer Sprache gut genug für berufliche Meetings. Bei Hintergrundgeräuschen, Akzenten oder mehreren Sprechern gleichzeitig nimmt sie ab. Wer On-Premise-Transkription bevorzugt oder datenschutzsensibel arbeitet, sollte auch Whisper kennen, OpenAIs Open-Source-Spracherkennungsmodell, das lokal betrieben werden kann.
Spezialisierte Tools wie Otter.ai oder Notta gehen weiter: Sie transkribieren, identifizieren Sprecher, fassen zusammen und generieren Aktionspunkte. Für Menschen, die auf Transkription angewiesen sind, ist das ein echter Sprung. Wie automatisierte Transkription in der Praxis funktioniert, zeigt unser Use Case.
Gebärdenspracherkennung ist das schwierigere Problem. Projekte wie SignAll (USA) und Handtalk (Brasilien) haben Fortschritte gemacht, sind aber noch weit von alltagstauglicher Zuverlässigkeit entfernt. Deutsche Gebärdensprache (DGS) ist in keinem bekannten System gut abgedeckt. Ein blinder Fleck, der gut dokumentiert, aber bisher kaum gefördert wird.
Motorische Einschränkungen: Sprache und Blick als Eingabe
Wer Tastatur oder Maus nicht oder nur eingeschränkt nutzen kann, findet durch KI neue Wege.
Sprachsteuerung hat durch Large Language Models einen Qualitätssprung gemacht. Dragon Professional und macOS/Windows-eigene Sprachsteuerung sind deutlich besser geworden: nicht nur im Verstehen, sondern im Interpretieren von Absichten. “Schreib eine Antwort auf die letzte E-Mail, entschuldige die Verspätung und bitte um ein Folgemeeting” funktioniert heute, was früher Tipp-für-Tipp-Diktat war.
Eye-Tracking-Systeme wie Tobii Dynavox nutzen KI für Buchstabenvorhersage und Satzergänzung. Das ist relevant für Menschen mit ALS, Muskeldystrophie oder ähnlichen Diagnosen. Die Hardware ist noch teuer, aber die Softwarequalität hat sich erheblich verbessert.
Prädiktiver Text ist eine der unbemerktesten KI-Inklusionshilfen: Wer langsam oder mit Einschränkungen tippt, profitiert von besserer Wortvorhersage deutlich stärker als Nutzer ohne Einschränkungen. Das verbessert sich mit jedem Sprachmodell-Update still und leise.
Kognitive Einschränkungen: Komplexität reduzieren
Das ist vielleicht das vielfältigste Anwendungsfeld und gleichzeitig das am wenigsten sichtbare.
Menschen mit Legasthenie, ADHS, Lernschwierigkeiten oder kognitiven Einschränkungen profitieren enorm von KI, die Texte vereinfacht. Nicht als Kindertextgenerator, sondern als adaptiver Assistent: “Erklär mir das wie jemandem, der 12 Jahre alt ist” oder “Formuliere diesen Behördenbrief so, dass ich ihn verstehe.”
Aufgabenstrukturierung ist ein weiterer Bereich: Tools, die große Vorhaben in kleine, konkrete Schritte zerlegen, sind für Menschen mit Exekutivfunktionsschwäche erhebliche Unterstützung. Notion AI, Microsoft 365 Copilot und ähnliche Tools tun das inzwischen auf Nachfrage.
Gedächtnisstützen durch KI-Assistenten (“Was habe ich heute noch zu erledigen?” kombiniert mit automatischer Kontextspeicherung) sind für Menschen mit Gedächtniseinschränkungen oder früher Demenz relevant. Noch ist das ein Nischenfeld, aber es wächst.
Wer baut das. Und wo fehlt es
Ehrlich gesagt: Der Löwenanteil der Entwicklung kommt aus den USA. Microsoft (durch seine Accessibility-Abteilung und KI-Investments) und Google (TensorFlow-basierte Accessibility-Projekte) treiben das Feld an. Apple folgt mit On-Device-KI.
In Deutschland gibt es gute Forschung, aber wenig kommerzielle Entwicklung im Bereich KI und Barrierefreiheit. Das BMAS-Förderprogramm für digitale Barrierefreiheit und Initiativen wie Aktion Mensch fördern Projekte, aber die Umsetzungsgeschwindigkeit hinkt hinter den USA und dem angelsächsischen Raum.
Das hat Konsequenzen für deutschsprachige Nutzer: Viele Tools funktionieren auf Englisch besser. Wer diese Lücke als Entwickler oder Gründer füllen will, findet dort einen realen Bedarf.
Was Unternehmen konkret tun können
Inklusion als Arbeitgeber bedeutet nicht zwingend große Investitionen. KI macht viele Maßnahmen zugänglich, die früher teuer waren.
Ein Unternehmen, das Meetings automatisch transkribiert und Zusammenfassungen erzeugt, ist für Hörgeschädigte zugänglicher, ohne dass Extraaufwand entsteht. Ein Arbeitgeber, der KI-gestützte Schreibunterstützung erlaubt und fördert, eröffnet Teilhabe für Menschen mit Legasthenie oder motorischen Einschränkungen.
Die Anforderungen aus dem Barrierefreiheitsstärkungsgesetz (BFSG), das seit 2025 gilt, sind ein guter Orientierungsrahmen. Digitale Produkte und Dienstleistungen müssen bestimmte Zugänglichkeitsstandards erfüllen. KI-Tools können helfen, diese Standards effizient umzusetzen.
Mehr dazu, wie Unternehmen KI strategisch für interne Prozesse nutzen, findest du in unserem Artikel KI im Mittelstand.
Was noch nicht funktioniert
Kein falsches Bild: Es gibt reale Grenzen.
Gebärdenspracherkennung für DGS ist ungelöst. Komplexe Bedarfe, die mehrere Behinderungstypen kombinieren, werden von keinem Tool ganzheitlich adressiert. Und viele Tools funktionieren nur auf Premium-Tarifen gut. Barrierefreiheit kostet Geld, das nicht alle haben.
KI-generierte Vereinfachungen sind manchmal falsch oder missverständlich. Wer auf diese Vereinfachungen angewiesen ist, hat weniger Möglichkeit, Fehler zu bemerken. Das ist ein echtes Risiko, das in der Diskussion zu wenig Raum bekommt.
Und schließlich: Datenschutz. Viele dieser Tools senden Daten in die Cloud. Für Menschen, die auf sie angewiesen sind, ist das kein freiwilliger Tausch. Es ist eine Bedingung der Teilhabe. Dieses Machtungleichgewicht sollte uns beschäftigen.
Den Überblick über die aktuell stärksten KI-Tools findest du in unserem KI-Tools-Verzeichnis. Und wenn du regelmäßig über KI-Entwicklungen informiert bleiben willst, die über den Hype hinausgehen: Der KI-Syndikat-Newsletter ist genau dafür gemacht.