Datenanalyse: Barrierefreiheit braucht bessere Daten

Warum Barrierefreiheit mehr Daten braucht

Digitale Barrierefreiheit ist ein Feld voller fester Überzeugungen. Viele davon sind richtig und gut belegt. Manche aber sind über die Jahre zu Faustregeln geworden, die niemand mehr hinterfragt, obwohl die Belege dafür dünn oder veraltet sind. Eine Faustregel ist eine Erfahrungsregel, die in vielen Fällen funktioniert. Eine Norm ist eine überprüfbare Anforderung, etwa aus der WCAG 2.2 oder der EN 301 549. Wer beides vermischt, verkauft eine Meinung als Vorschrift, oder eine Vorschrift als bloße Meinung.

Das Problem ist selten böse Absicht. Es ist Bequemlichkeit. Eine Empfehlung klingt überzeugender mit der Formel „Studien zeigen". Aber welche Studie? Mit welcher Stichprobe, in welchem Land, mit welcher Methode erhoben? Und vor allem: Trägt die Studie die Aussage, die ihr gerade angehängt wird? Genau hier setzen wir an. Wir wollen die Zahlen hinter der Barrierefreiheit sichtbar machen, ehrlich einordnen und mit ihren Grenzen zeigen. Nicht, um anderen Fehler nachzuweisen, sondern damit alle besser entscheiden können.

Was wir mit dieser Datenbank vorhaben

Unser Ziel ist eine offene, wachsende Sammlung von Studien und Datenpunkten rund um digitale Barrierefreiheit. Für jeden Eintrag wollen wir drei Dinge liefern: die Originalquelle mit Link zum Paper oder zur Erhebung, einen kurzen Befund in verständlicher Sprache, und eine ehrliche methodische Einordnung, also was hier gut gemacht ist und worauf man beim Übertragen achten muss. Kein Studien-Bashing, sondern faire Einordnung: Auch eine Studie mit Grenzen ist wertvoll, wenn man weiß, wofür sie steht.

Gute Vorbilder für diese Art von Arbeit gibt es bereits. Das W3C/WAI, das internationale Gremium hinter den Web-Standards, sammelt unter „Research" zum Beispiel nutzergetriebene Anforderungen verschiedener Behinderungsgruppen und dokumentiert ein eigenes Symposium zu KI und Barrierefreiheit mit Links zu den einzelnen Beiträgen. Solche Primärquellen sind unser Ausgangspunkt. Sekundäre Sammelstellen wie Statista nutzen wir nur als Wegweiser: Jeder einzelne Datensatz wird auf seine Primärquelle zurückverfolgt und dort eingeordnet, nicht aus zweiter Hand übernommen.

Wie man eine Studie liest

Man muss keine Statistikerin sein, um eine Studie sinnvoll einzuordnen. Es reichen ein paar Fragen, die man sich konsequent stellt, bevor man eine Zahl weitergibt. Die wichtigste lautet immer: Wofür sagt diese Studie wirklich aus, und wofür nicht? Eine Erhebung unter einer bestimmten Gruppe in einem bestimmten Land sagt zunächst etwas über genau diese Gruppe in diesem Land. Alles Weitere ist eine Übertragung, die man begründen muss.

Wissens-Karte: Fünf Fragen an jede Studie

Frage	Worauf du achtest
Stichprobe	Wie viele Personen, wie ausgewählt? Selbst ausgefüllt (freiwillig) oder repräsentativ gezogen?
Region	Aus welchem Land oder Markt? Lässt sich das auf den DACH-Raum übertragen, oder gelten dort andere Bedingungen?
Erhebungsart	Umfrage, automatischer Test, Labor-Studie, Behörden-Statistik? Jede Methode misst etwas anderes.
Definition	Was genau wird gezählt? „Behinderung", „Sehbeeinträchtigung", „Fehler" sind unterschiedlich definiert.
Reichweite	Trägt die Studie die Aussage, die ihr angehängt wird? Oder ist die Schlussfolgerung größer als die Daten?

Diese fünf Fragen klingen simpel, aber sie fangen die meisten Fehler ab. Wer sie stellt, merkt schnell, ob eine Zahl ein solides Fundament hat oder ob sie nur überzeugend klingt. Im nächsten Abschnitt führen wir das an einem konkreten, häufig zitierten Beispiel vor.

Ein Beispiel: die WebAIM Screen Reader Survey

Die Screen Reader User Survey der US-Organisation WebAIM ist eine der wenigen weltweiten Umfragen unter Menschen, die einen Screenreader nutzen. Ein Screenreader ist eine Software, die Bildschirminhalte vorliest oder auf einer Braillezeile ausgibt. Die Umfrage ist wertvoll, weil es kaum vergleichbare Daten gibt. Genau deshalb wird sie oft zitiert, und genau deshalb eignet sie sich so gut, um zu zeigen, wo das Lesen einer Studie kippt.

In der zehnten Ausgabe (Befragung Ende 2023, 1539 gültige Antworten) kam knapp die Hälfte der Teilnehmenden aus Nordamerika, in älteren Ausgaben war der Anteil aus den USA und Kanada noch höher. Europa war mit rund 31 Prozent vertreten. WebAIM selbst weist darauf hin, dass die Stichprobe nicht kontrolliert ist und nicht alle Screenreader-Nutzer:innen repräsentiert.

WebAIM Screen Reader Survey #10: Herkunft der Teilnehmenden

Region	Anteil der Antworten
Nordamerika	47,2 %
Europa	30,7 %
Asien	6,4 %
Südamerika	6,3 %
Afrika / Naher Osten	4,8 %
Australien / Ozeanien	3,3 %

Warum ist das wichtig? Ein häufig gezogener Schluss lautet: „JAWS ist der meistgenutzte Screenreader, also setzt auf JAWS." JAWS ist ein kommerzielles, lange Zeit recht teures Produkt. In den USA ist es über Förderprogramme und am Arbeitsplatz oft leichter und günstiger verfügbar als in Europa. Schaut man in dieselbe Umfrage hinein, zeigt sich das deutlich: Global lagen JAWS (40,5 %) und das kostenlose NVDA (37,7 %) als meistgenutzter Screenreader fast gleichauf. In Nordamerika aber führte JAWS klar vor NVDA, in Europa war es genau umgekehrt.

Daraus abzuleiten, JAWS sei auch in Europa Marktführer, ist also methodisch heikel. Zur Verdeutlichung eine Analogie: Man würde auch keine Lesbarkeitsstudie für die lateinische Schrift aus einer russischen Studie zur kyrillischen Schrift ableiten. Die eine sagt etwas über das eine Schriftsystem, nicht über das andere. Bei Daten zur Barrierefreiheit übersehen jedoch viele genau diesen Punkt und übertragen Zahlen über Ländergrenzen, ohne zu prüfen, ob die Bedingungen vergleichbar sind.

Typische Fallstricke

Der Regionen-Fehler aus dem Beispiel ist nur einer von mehreren Mustern, die immer wiederkehren. Wer sie kennt, erkennt sie in fremden wie in eigenen Argumenten:

Wissens-Karte: Wiederkehrende Denkfehler mit Daten

Fallstrick	Was schiefgeht	Bessere Frage
Region übertragen	Daten aus einem Markt gelten angeblich überall.	Sind die Bedingungen im Zielmarkt vergleichbar?
Übergeneralisierung	Eine Teilgruppe wird zur Gesamtheit erklärt.	Wer war in der Stichprobe, wer nicht?
Methode verwechselt	Ein automatischer Test wird wie ein Nutzer:innen-Test gelesen.	Was misst diese Methode überhaupt?
Definition unklar	„Behinderung" meint mal Ausweis, mal Selbstauskunft.	Was genau wurde gezählt?
Interessenlage	Eine Anbieter-Studie belegt zufällig das eigene Produkt.	Wer hat die Studie bezahlt und veröffentlicht?

Keiner dieser Punkte bedeutet, dass eine Studie wertlos ist. Sie bedeuten, dass man sie genau dort einsetzt, wo sie trägt, und nicht darüber hinaus. Genau diese Einordnung liefern wir auf den Datenseiten dieses Bereichs mit, beginnend mit den übergeordneten Daten zur Barrierefreiheit.

Zwei Denkfehler im Umgang mit Daten

Dieser Bereich wächst Schritt für Schritt. Den Auftakt macht eine Seite mit den großen Kennzahlen rund um digitale Barrierefreiheit, jeweils mit Quelle, Befund und methodischer Einordnung. Die Originalquellen, auf die wir uns hier stützen, sind unten verlinkt.