UX-Writing endet nicht bei klarer Sprache. Es beginnt dort, wo Texte digitale Gerechtigkeit ermöglichen. Dieser Vortrag richtet sich an alle Usability Professionals, die Sprache als inklusives Gestaltungsmittel verstehen wollen. Wir beleuchten, wie UX-Writing barrierefrei, inklusiv und neuroinklusiv gestaltet werden kann. Und warum das mehr ist als „einfache Sprache“. Anhand von Beispielen, Tools und Good Practices zeige ich, wie sich Designprozesse verändern, wenn nicht nur das Interface, sondern auch der Text alle Menschen mitdenkt.

Statistische Informationen werden zunehmend über interaktive Online-Dashboards bereitgestellt. Diese ermöglichen es Nutzer*innen, eigenständig Daten visuell und interaktiv zu erkunden und erste Analysen durchzuführen – ganz ohne spezielle Vorkenntnisse oder zusätzliche Software. Damit solche Angebote allen Menschen offenstehen, muss Barrierefreiheit von Anfang an mitgedacht und konsequent umgesetzt werden.

In unserem Beitrag präsentieren wir unser Vorgehen bei der Konzeption, dem Design und der prototypischen Umsetzung barrierefreier Datendashboards. Wir erläutern praxisnah, wie technische Anforderungen (z. B. API-Schnittstellen, ARIA-Attribute, semantische Auszeichnung) und UI/UX-Aspekte (z. B. Tastaturbedienbarkeit, Farbkontrast, Screenreader-Kompatibilität, Verständlichkeit) zusammenspielen. An konkreten Beispielen zeigen wir, wie sich Standards zur digitalen Barrierefreiheit wirksam auf interaktive Datenvisualisierungen anwenden lassen – informativ, inklusiv und alltagstauglich.

Die Prüfung digitaler Barrierefreiheit erfolgt bisher meist manuell oder mit klassischen Tools wie Lighthouse. Diese stoßen bei inhaltlich-semantischen Kriterien jedoch an ihre Grenzen. In dieser Arbeit wurde untersucht, inwiefern Large Language Models (LLMs), konkret GPT-4o, in der Lage sind, Barrierefreiheitsprobleme gemäß WCAG 2.1 zuverlässig zu erkennen und Lösungsvorschläge zu generieren. Dafür wurden prototypische Webseiten mit gezielt eingebauten Verstößen erstellt und durch GPT-4o in zwei Prompt-Strategien (generisch und spezifisch) getestet. Die Ergebnisse zeigen, dass GPT-4o semantisch komplexe Verstöße besser erkennt als Lighthouse, aber bei rein technischen Prüfungen nicht immer zuverlässiger ist. LLMs stellen damit eine sinnvolle Ergänzung, aber (noch) keinen Ersatz für bestehende Tools dar. Die Studie zeigt praxisrelevante Potenziale und Grenzen beim Einsatz von LLMs zur automatisierten Barrierefreiheitsprüfung.