Für ein umfassendes Accessibility-Audit sollten in einem Kundenprojekt mehrere tausend Seiten technisch analysiert und zusätzlich qualitativ bewertet werden. Während eine UX-Kollegin mit Screenreadern, Tastaturnavigation und manuellen Tests arbeitete, bestand meine Aufgabe darin, automatisiert möglichst viele Verstöße gegen die WCAG-Richtlinien zu identifizieren. Es gab zwar zahlreiche Werkzeuge für einzelne Aspekte des Audits, aber ein durchgängiger Prozess fehlte. Technische Tests, qualitative Bewertungen, Dokumentation und Ticketmanagement liefen weitgehend nebeneinanderher. Bedeutete: Alle Ergebnisse mussten manuell zusammengeführt und einzeln ausgewertet werden.

Etappenziel: Ein erster Prototyp

Aus dieser Situation heraus entstand ein erster technischer Prototyp. Die Idee war simpel: Eine Website automatisiert crawlen, sämtliche erreichbaren URLs erfassen und anschließend mit einer Accessibility-Prüf-Engine analysieren. Für die initiale Aufgabenstellung war das bereits ein großer Fortschritt. Statt einzelne Seiten manuell zu prüfen, konnten nun ganze Domains automatisiert untersucht werden. Gleichzeitig wurden die Grenzen dieses Ansatzes schnell sichtbar. Die Lösung war funktional, aber noch weit von einem echten Produkt entfernt. Die Auswertung erfolgte über umfangreiche JSON-Dateien, ein übersichtliches Frontend existierte nicht und vor allem konnten nur statische Seiten überprüft werden. Und der größte Haken: Gerade moderne Websites bestehen längst nicht mehr nur aus einzelnen Seiten. Formulare, Tarifrechner, Konfiguratoren und andere interaktive Anwendungen spielen häufig eine zentrale Rolle und sind aus Sicht der Barrierefreiheit besonders relevant, lassen sich aber mit dem ursprünglichen Ansatz kaum automatisiert testen.

Wie sieht das ideale Accessibility-Tool aus?

Ein ideales Accessibility-Tool sollte technische und qualitative Ergebnisse zusammenführen, automatisierte Prüfungen ermöglichen und gefundene Verstöße direkt in bestehende Entwicklungsprozesse überführen. Prüft man, ob sich diese Anforderungen durch bestehende Plattformen abbilden lassen, kommt man zu ernüchternden Ergebnissen. Keine der getesteten Lösungen konnte die Anforderungen wirklich erfüllen. Vor allem bei komplexeren User Flows stießen die Werkzeuge schnell an ihre Grenzen.

Das ideale Accessibility-Tool: automatisierter Ansatz mit KI

Fortschritte im Bereich der KI eröffnen neue Möglichkeiten für automatisierte Tests. Setzt man KI als Planer ein, analysiert das System die Struktur einer Anwendung und erstellt daraus selbstständig einen Testplan.

Die Vorteile eines KI-gestützten Accessibility-Tools

• Interaktive Elemente wie Formulare, Buttons oder Modalfenster werden erkannt und zu realistischen Nutzungsszenarien kombiniert.

• Die Browser-Automatisierung übernimmt die eigentliche Ausführung dieser Schritte.

• Nach jeder Aktion wird erneut geprüft, ob Accessibility-Probleme auftreten.

• Gefundene Verstöße können mit dem Hinweis auf betroffene Elemente, relevante Metadaten und Informationen zur jeweiligen WCAG-Verletzung direkt in Jira-Tickets überführt werden.

• Auf diese Weise lassen sich erstmals auch dynamische Zustände und komplexe Interaktionen systematisch untersuchen.

Wichtig bleibt: Trotz aller Fortschritte lässt sich Accessibility nicht vollständig automatisieren. Technische Prüfungen sind hervorragend geeignet, um große Mengen an Problemen schnell zu identifizieren. Sie analysieren Code, testen interaktive Komponenten und erkennen wiederkehrende Fehler zuverlässig. Sie ersetzen jedoch nicht die menschliche Perspektive. Screenreader-Nutzung, Tastaturbedienung, Verständlichkeit von Inhalten oder kognitive Barrierefreiheit erfordern weiterhin qualitative Bewertungen durch erfahrene Expert:innen und echte Nutzer:innen. Genau deshalb verstehen wir das Tool nicht als Ersatz für Accessibility-Audits, sondern als Ergänzung. Die eigentliche Qualität entsteht jedoch weiterhin durch die Kombination aus Automatisierung, UX-Expertise und kontinuierlicher Verbesserung.