Die Aufgabe ist unbeliebt, weil sie nicht schwer ist, sondern viel: Für jedes Bild ein Satz, der beschreibt, wofür es dasteht. Bei zehn Bildern macht man das nebenbei. Bei tausend passiert es nie.
Warum das mehr ist als eine Fleißaufgabe
Alternativtexte sind die Grundlage dafür, dass ein Bildschirmleser eine Seite wiedergeben kann. Für öffentliche Stellen des Bundes verlangt § 12a BGG barrierefreie Informationstechnik nach Maßgabe der Barrierefreie-Informationstechnik-Verordnung; die Länder haben eigene Regelungen mit demselben Ziel. Für bestimmte Produkte und Dienstleistungen privater Anbieter gilt seit dem 28. Juni 2025 das Barrierefreiheitsstärkungsgesetz, das die Richtlinie (EU) 2019/882 umsetzt.
Dazu kommt der schlichte Nutzen: Ein Alternativtext ist die einzige Textinformation, die ein Bild einer Suchmaschine mitgibt.
Was ein guter Alternativtext ist
| Fall | Was hineingehört |
|---|---|
| Bild trägt Information | Die Information, nicht das Aussehen: „Anteil der Anträge nach Bearbeitungsdauer, Höchstwert bei drei Wochen“ |
| Bild ist ein Verweis | Das Ziel: „Zum Formular Wohngeldantrag“ – nicht die Beschreibung des Symbols |
| Bild ist reine Zier | Ein leeres Attribut. Ein Bildschirmleser überspringt es dann; ein beschreibender Text wäre hier eine Störung |
| Bild enthält Text | Der Text selbst, vollständig. Ein Bild mit Text ist ohnehin ein Barrierefreiheitsproblem |
| Bild ist komplex | Kurzer Alternativtext plus ausführliche Beschreibung im Fließtext oder daneben |
Die entscheidende Frage lautet nicht „was ist auf dem Bild zu sehen“, sondern „warum steht dieses Bild hier“. Genau diese Frage kann ein Modell nicht beantworten, weil sie außerhalb des Bildes liegt.
Warum die Bilder im Haus bleiben sollten
Ein Bild enthält regelmäßig mehr, als der Einsender beabsichtigt hat: Gesichter im Hintergrund, ein Bildschirm mit geöffneter Anwendung, ein Namensschild, ein Aktenzeichen auf einem Blatt. Bei Bildschirmfotos kommen die Nachbaranwendung, der Dateiname in der Leiste und die Benachrichtigung oben rechts dazu.
Bei einem einzelnen Bild kann man hinsehen. Bei tausend nicht – und genau deshalb ist die Massenverarbeitung der Fall, bei dem der Verarbeitungsort zählt. Was multimodale Modelle können und wo ihre Grenzen liegen, steht im Lexikon unter Multimodal.
Der Ablauf, der sich bewährt
- Zuerst aussortieren Reine Zierbilder brauchen keinen Text, sondern ein leeres Attribut. Diese Sortierung von Hand vorzunehmen, spart mehr Zeit, als sie kostet – und sie verbessert das Ergebnis, weil das Modell dann keine Zierbilder beschreibt.
- Den Zusammenhang mitgeben Seitentitel, Überschrift des Abschnitts, Bildunterschrift, Dateiname. Ohne diese Angaben beschreibt das Modell ein Bild; mit ihnen beschreibt es ein Bild auf dieser Seite.
- Die Form vorgeben Höchstlänge in Zeichen, keine einleitende Floskel, keine Wertung, Sprache Deutsch, ein Satz. Ohne Vorgabe entsteht ein Absatz, wo ein Halbsatz gebraucht wird.
- In einem Stapel laufen lassen Genau dafür ist eine Beschleunigerkarte gebaut, siehe Batching. Ein Bestand, den man über Nacht durchlaufen lässt, kostet dieselbe Maschinenzeit wie eine ruhige Nacht.
- Durchsehen, nicht durchwinken Der Schritt, der über Nutzen oder Schaden entscheidet. Ein falscher Alternativtext ist schlechter als keiner, weil er eine Information vortäuscht.
Text im Bild wird geraten. Bei kleiner Schrift, Handschrift oder gedrehten Vorlagen erfindet ein Modell Buchstaben, die plausibel aussehen. Bilder mit Text gehören deshalb in eine eigene Durchsicht.
Das Modell wird ausführlich. Ohne Längenvorgabe entstehen drei Sätze, wo einer gebraucht wird – und ein Bildschirmleser liest alle drei vor, jedes Mal.
Personen werden beschrieben. Alter, Geschlecht, Herkunft, Stimmung: Ein Modell schätzt das gern und liegt oft daneben. Für den Alternativtext ist es fast immer unnötig und mitunter heikel. Das gehört in die Vorgabe.
Was das Modell nicht abnimmt
- Die Entscheidung, ob ein Bild Information trägt. Sie hängt am Kontext der Seite, nicht am Bild.
- Die Verantwortung für die Richtigkeit. Ein Diagramm falsch zusammengefasst heißt: Eine Aussage steht auf der Seite, die niemand geschrieben hat.
- Die Prüfung, ob überhaupt ein Bild nötig ist. Der wirksamste Beitrag zur Barrierefreiheit ist häufig, ein Bild mit Text durch echten Text zu ersetzen.
Was hängen bleibt
Ein Modell erledigt die Fleißarbeit und lässt die Urteilsarbeit übrig. Das ist die richtige Verteilung – und sie macht die Aufgabe erst machbar: Tausend Bilder von Hand zu beschreiben, findet nicht statt; tausend Vorschläge durchzusehen und zweihundert davon zu ändern, findet statt.
Welche Modelle im Katalog Bilder lesen können, steht bei den Modellen; wofür ein Zugang für Webmaster gedacht ist, unter KI für Webmaster und Agenturen.