Wenn das Bild fehlt

Wenn das Bild fehlt:

Automatische Alternativtexte für visuelle Inhalte in (naturwissenschaftlichen) Lehrvideos

Das Projekt Wenn das Bild fehlt entwickelt eine Kl-gestützte Lösung zur automatisierten Beschreibung visueller Inhalte in Lehrvideos, um barrierefreie Zugänge für (beeinträchtigte) Studierende zu schaffen. Fokus sind handschriftliche Skizzen in Screencast Lehrvideos aus dem Bereich der Physik, die per Bildanalyse erkannt und kontextsensitiv beschrieben werden. Ziel ist eine lokal betreibbare, datenschutzkonforme Anwendung, die Lehrende entlastet und die Bereitstellung barrierefreier Lehrmaterialien beschleunigt.

Warum ist Barrierefreiheit in der Lehre wichtig?

Barrierefreiheit ist eine zentrale Voraussetzung für chancengerechte Bildung. Digitale Lehrmaterialien, wie Lehrvideos ermöglichen zwar asynchrone, ortsunabhängige Lehre und unterstützen individuelles Lernen, gleichzeitig entstehen jedoch neue Barrieren. Während Untertitel inzwischen relativ verbreitet sind, bleiben visuelle Inhalte, wie Schaubilder, Diagramme oder mathematische Skizzen häufig unerschlossen.

Für Studierende, die aufgrund einer Sehbeeinträchtigung oder anderer Einschränkungen auf textuelle Alternativen angewiesen sind, bedeutet das: Zentrale Inhalte von Lehrveranstaltungen bleiben unverständlich oder sind gar nicht zugänglich. Gerade in Modulen wie Physik, in denen wesentliche Inhalte häufig durch handschriftliche Zeichnungen und Skizzen vermittelt werden, entstehen erhebliche Nachteile.

Lehrende stehen vor der großen Herausforderung, dass sie die Notwendigkeit barrierefreier Materialien erkennen, allerdings nicht die Zeit, Expertise oder Werkzeuge besitzen, um adäquate Alternativtexte für komplexe Grafiken zu erstellen.

Wie KI barrierefreie Lehrmaterialien ermöglichen kann

Moderne KI-Modelle sind in der Lage, visuelle Inhalte nicht nur zu erkennen, sondern ihre Bedeutung im jeweiligen fachlichen Kontext zu erfassen und sprachlich zu beschreiben. Dadurch können Brücken zwischen visueller und textbasierter Wissensvermittlung geschlagen werden.

Generative KI eröffnet zudem Möglichkeiten, Lehrmaterialien in unterschiedlichen Formaten zu generieren. Unter anderem:

  • Übersetzungen in andere Sprachen
  • Aufbereitung von Inhalten in Audioformate, wie Podcasts
  • Automatisierte Erstellung von Skripten
  • Inhalte in einfache Sprache umschreiben

Dadurch wird individuelles Lernen der Studierende unterstützt und gleichzeitig werden die Lehrende bei der Erstellung barrierefreier Materialien entlastet.

Logo KI:edu.nrw Praxisprojekt
Logo TH OWL

Laufzeit:

  • 01.10.2025 – 30.06.2026

Beteiligte:

Beispiel: Was ist hier zu sehen?

XY-Diagramm mit Wurfkurve
“

Die Grafik zeigt die Bahnkurve eines Körpers unter dem Einfluss der Schwerkraft. Hauptelemente sind:

– Achsen: Die x-Achse repräsentiert die horizontale Wurfweite, die y-Achse die vertikale Wurfhöhe

– Bahnkurve: Eine rote Kurve, die den Verlauf der Bewegung darstellt

– Vektoren: Vektoren zeigen die Geschwindigkeit im Punkt des Startes („Vo_x“ und „Vo_y“).

Die Grafik vermittelt die Bewegung eines Körpers, der mit einer bestimmten Initialgeschwindigkeit in einem Winkel geworfen wird. Die Bahnkurve zeigt, wie der Körper sich in der Luft bewegt, bis er auf dem Boden landet.

Sie haben Fragen?

Sprechen Sie uns gerne an!
Porträt von Abbas Bachir

Abbas Bachir

Praxisprojekt Wenn das Bild fehlt
abbas.bachir@th-owl.de
Porträt von Johannes Üpping

Prof. Dr. Johannes Üpping

Praxisprojekt Wenn das Bild fehlt
Johannes.uepping@th-owl.de

Wenn das Bild fehlt ist ein Praxisprojekt von KI:edu.nrw.
Hier finden Sie Informationen zu unseren Praxisprojekten:

3D
PIENSA
PrepAIre
Prompt.Think.Check
SRL-Agent
Wenn das Bild fehlt
KIMu_Lab
Ki.StadtLabor
Sokratesᵗ
TermRAG 4 SafeAI
XLM

KI:edu.nrw-News

Eine Sammlung von Kurzmeldungen, Neuigkeiten und Veröffentlichungen rund um KI:edu.nrw!

Der KI:edu.nrw-Blog

Spannende Projekt-Infos, Interviews und (Praxis-)Einblicke in die Welt von Learning Analytics und KI in der Hochschulbildung – das und vieles mehr erwartet Sie im KI:edu.nrw-Blog!

Beitragsbild Neues von unseren Praxisprojekten
15
Sep.

Wie entsteht ein Selbstlernkurs zum Umgang mit generativer KI? Einblicke in die Entwicklung von PIENSA

Viele Studierende nutzen generative KI bereits für ihre Haus- und Abschlussarbeiten, oft intuitiv und ohne klare Orientierung. Doch wie kann daraus ein reflektierter und verantwortungsvoller Umgang entstehen? Im KI:edu.nrw-Praxisprojekt PIENSA wird ein Selbstlernkurs entwickelt, der genau hier ansetzt. Der Beitrag bietet Einblicke in die didaktischen...
Weiterlesen
Beitragsbild Neues von unseren Praxisprojekten
11
Aug.

Interdisziplinarität sichtbar machen: Ein Konzept für neue POLARIS-Widgets

Interdisziplinarität gilt an vielen Hochschulen als wichtiger Bestandteil guter Lehre. Unter anderem Studiengänge zu Nachhaltigkeit, Transformation und Digitalisierung leben davon, dass Lehrende und Studierende unterschiedliche fachliche Perspektiven miteinander verbinden. In der Praxis stellt sich dabei häufig eine einfache Frage: Woran erkennen wir eigentlich, ob Interdisziplinarität...
Weiterlesen
Beitragsbild Neues von unseren Praxisprojekten
31
Juli

Mit generativer KI in die Prüfungsvorbereitung: Wie PrepAIre Studierende in Selbstlernphasen unterstützt

Was tun, wenn die Prüfung näher rückt, das Skript noch Fragen offenlässt und die nächste Sprechstunde erst in ein paar Tagen stattfindet? Viele Studierende nutzen in solchen Situationen heutzutage generative KI: Sie lassen sich Aufgaben erklären, schwierige Inhalte zusammenfassen oder Übungsfragen erstellen. Genau hier setzt...
Weiterlesen

Alle Neuigkeiten per E-Mail erhalten

Sie möchten keine Neuigkeiten von KI:edu.nrw oder von der Learning AID mehr verpassen? Wir halten Sie auf dem Laufenden und benachrichtigen Sie per E-Mail bei Updates! Mit Ihrer Anmeldung stimmen Sie unseren Datenschutzbestimmungen zu.