Assistive Technologien

Dies ist eine automatische Übersetzung der englischen Seite; sie wurde noch nicht von einer muttersprachlichen Person geprüft.

Assistive Technologien – Geräte, Software und Dienste, die Menschen mit Behinderungen helfen, wahrzunehmen, zu handeln, zu kommunizieren und am Lernen und Alltagsleben teilzuhaben. In der KI in der Bildung umfassen assistive Technologien Screenreader, Sprache-zu-Text und Text-zu-Sprache, Untertitel, Braille- und taktile Ausgabe, Gebärdensprach-Werkzeuge und zunehmend KI-gestützte Anpassungen, die Inhalte und Interaktion an individuelle Bedürfnisse angleichen.

Fragen zum Nachdenken

• Assistive Technologien sind die Werkzeugebene der Barrierefreiheit – die konkreten Geräte und Programme, die Einzelpersonen nutzen, um Zugangslücken zu schließen. Haben Sie vor der Lektüre Barrierefreiheit und assistive Technologien als dasselbe betrachtet? Wie könnte es die Gestaltung Ihrer Lernumgebungen verändern, beide als unterschiedlich zu behandeln?
• Forschung findet, dass KI-basierte Interventionen einen mittleren positiven Effekt auf Lernleistungen von Lernenden mit Behinderungen haben (g = 0,588). Dennoch warnt die Seite, dass Zugangswerkzeuge allein weder inklusiven Unterricht noch Handlungsfähigkeit der Lernenden sicherstellen. Was ist der Unterschied, einem Lernenden Zugang zu geben und ihn wirklich einzuschließen?
• Die Seite hält fest, dass KI-Richtliniendokumente der USA assistive Technologien und Anpassungen für Lernende mit spezifischen Lernbehinderungen weitgehend unberücksichtigt lassen. Warum fallen Anpassungen Ihrer Meinung nach so leicht durch das Raster der KI-Politik – und wer verliert, wenn das geschieht?
• Generative KI kann automatisch untertiteln, Texte vereinfachen und taktile Alternativen erzeugen – und so die Kosten der Anpassung senken. Aber die Seite mahnt, die Qualität KI-generierter Alternativen auf pädagogische Genauigkeit zu prüfen. Was kann schiefgehen, wenn eine „vereinfachte“ oder „taktile“ Version die Inhalte falsch darstellt, die sie zugänglich machen soll?
• KI erweitert assistive Werkzeuge von sprachgeführten Lernbegleitern bis zu taktilen Grafiken und Gebärdensprach-Werkzeugen. Welche konkrete Barriere eines Lernenden würden Sie als Pädagogin oder Pädagoge bzw. als Designerin oder Designer zuerst mit KI angehen wollen – und was müssten Sie über diesen Lernenden wissen, bevor Sie ein Werkzeug wählen?

Einführung

Assistive Technologien sind die konkrete Werkzeugebene der Barrierefreiheit. Wo Barrierefreiheit die Gestaltungseigenschaft einer Umgebung ist (können alle darauf zugreifen?), sind assistive Technologien die konkrete Ausstattung und Software, die Einzelpersonen nutzen, um Zugangslücken zu schließen. Sie sind grundlegend für Sonderpädagogik und inklusives Lernen – Lernende mit spezifischen Lernbehinderungen, Seh- oder Hörbeeinträchtigungen und motorischen Herausforderungen brauchen assistive Werkzeuge, um auf das Curriculum zuzugreifen. In den USA bilden der Assistive Technology Act (2004) und der Individuals with Disabilities Education Improvement Act (IDEA, 2004) die rechtliche Grundlage, Lernenden mit Behinderungen diese Werkzeuge bereitzustellen.

Zentrale Forschungsthemen

KI erweitert assistive Technologien. Generative KI und LLMs verändern assistive Werkzeuge – LLM-basierte Textvereinfachung passt das Leseniveau in intelligenten Tutoringsystemen an, sprachgeführte KI beseitigt die visuelle Abhängigkeit für blinde und sehbehinderte Lernende, und KI-generierte taktile Grafiken verwandeln visuelle Daten in fühlbare Ausgabe. Zhang et al. finden, dass KI-basierte Interventionen (Roboter, Software, intelligente VR) einen mittleren positiven Effekt auf die Lernleistungen von Lernenden mit Behinderungen haben (g = 0,588). Khlaif et al. (2026) ergänzen eine qualitative Fallstudie mit 21 sehbehinderten Studierenden in Palästina und zeigen, dass GenAI als assistive Ebene wirkt, die Tempo, Inhalte und Vermittlung zuschneidet, komplexe Texte vereinfacht und Inhalte über Modalitäten hinweg konvertiert – wobei Lernende sie durchgängig als Ergänzung statt als Ersatz für Lehrende betrachten.

Politik und Bereitstellung. Shin et al. dokumentieren, dass KI-Richtliniendokumente der USA assistive Technologien und Anpassungen für Lernende mit spezifischen Lernbehinderungen weitgehend unberücksichtigt lassen, und fordern politische Orientierung, die im Assistive Technology Act und in IDEA verankert ist.

KI bei Legasthenie über Erkennung, Unterstützung und personalisiertes Lernen hinweg. Ein interdisziplinärer systematischer Review aus dem Jahr 2026 (Dabaghi, D'Urso & Sciarrone, PRISMA-geleitet, 2018–2024, n=72) kartiert KI-Unterstützung für Lernende mit Legasthenie und findet KI eingesetzt für Erkennung, assistive Unterstützung und personalisiertes Lernen – wobei diese Stränge sich eher parallel als integriert entwickeln, getrieben mehr von technologischer Gelegenheit als von konsolidierter Bildungstheorie. ML-basierte Hilfsmittel für das Lernen fallen in fünf Bereiche (spezifische Anwendungen, Engagement, Personalisierung, Empfehlung, generische Unterstützung), betonen dennoch technische Leistung und Klassifikationsgenauigkeit, während sie ökologische Validität und praktischen Einsatz im Klassenzimmer übersehen. Erkennungsforschung (EEG, Eyetracking, ML-Modelle) zeigt diagnostisches Potenzial für frühe Intervention, erfordert aber oft Spezialausstattung und kontrollierte Umgebungen, was Skalierbarkeit und Zugänglichkeit in typischen Schulumgebungen einschränkt. Offene Herausforderungen sind begrenzte experimentelle Validierung, Skalierbarkeit, Ethik/Datenschutz-Bedenken bei sensiblen Lernendendaten, begrenzte Unterstützung und Schulung von Lehrenden sowie Sprach- und Kulturbarrieren (die meiste Forschung zielt auf englischsprachige Populationen) – eine Erinnerung, dass assistive Werkzeuge validiert, skalierbar und ethisch fundiert sein müssen, um Zugangslücken wirklich zu schließen.

Die Grenzen assistiver Werkzeuge. Assistive Technologien ermöglichen Zugang, sichern aber für sich genommen weder inklusiven Unterricht noch Handlungsfähigkeit der Lernenden der Lernenden. Kritische Forschung und das Drängen auf agentische Rollen für Lernende mit Behinderungen erinnern daran, dass Zugang mit bedeutsamer Teilhabe einhergehen muss.

Ein Scoping Review aus dem Jahr 2026 zu digitalen assistiven Technologien für neurodivergente Lernende in der Hochschulbildung kartiert die Erträge des Jahrzehnts: 766 Datensätze, geprüft über fünf Datenbanken, 40 eingeschlossene Studien, davon 15 mit KI-basierten Werkzeugen und 11 mit Virtual Reality. Ihr ordnender Befund ist eine Fehlpassung zwischen dem, was die Werkzeuge adressieren, und dem, wo die Barrieren liegen – 27 Studien unterstützten das Lernen direkt, 13 adressierten Lesen und Schreiben und 12 das Lernmanagement, während Aufmerksamkeit (n = 4) und soziale Kommunikation (n = 5) vergleichsweise vernachlässigt wurden und nur 6 mehrere Barrieren adressierten (Rempel et al., 2026).

Folgerungen für die Praxis

• Passen Sie das Werkzeug zum Lernenden und zur Aufgabe an. Screenreader, Untertitel, Sprache und taktile Ausgabe adressieren jeweils unterschiedliche Barrieren – wählen Sie nach den Bedürfnissen der Einzelperson und dem Format der Inhalte.
• Nutzen Sie KI, um die Kosten assistiver Anpassungen zu senken. KI kann automatisch untertiteln, Texte vereinfachen und Alternativen erzeugen, prüfen Sie aber die Qualität der Ausgabe auf pädagogische Genauigkeit.
• Verankern Sie die Bereitstellung in der Politik. Beziehen Sie sich auf den Assistive Technology Act, IDEA und WCAG, wenn Sie KI-Werkzeuge beschaffen oder bauen.
• Benennen Sie, welche Funktion die Unterstützung erfüllt — und evaluieren Sie gegen diese Funktion. Vasileiou et al. (2026) unterscheiden Kompensation (evaluiert über Zugang und Teilhabe) von Gerüstbau (Entscheidungen mit Unterstützung) von Entwicklung (Strategienutzung nach Ausblenden oder Transfer). Sie fügen eine Regel hinzu, die auf die Mahnung dieser Seite abzielt: Unterstützung bei Barrierefreiheit ist keine Remediation — ob ein Werkzeug eine Anpassung, Strategieinstruktion oder vorübergehende Übungsunterstützung ist, „sollte im Lernplan festgehalten werden“.

Verbundene Konzepte

• Barrierefreiheit — die Gestaltungseigenschaft, die assistive Technologien operationalisieren
• Inklusives Lernen
• Sonderpädagogik
• Universelles Design für das Lernen (UDL)
• Gerechtigkeit
• Bildungspolitik zu KI
• Neurodiversität
• Lerndesign
• Sprach- und Stimmtechnologien

Verbundene Artikel

• Addressing the Void of AI Policies in Education for Students With Specific Learning Disabilities — AI policies and accommodations for students with specific learning disabilities
• Let's CHAT About Artificial Intelligence for Students With Disabilities: A Systematic Literature Review — Meta-analysis of AI interventions for students with disabilities
• Kutti AI: A Voice-First, Offline-Capable Learning Companion with Real-Time Struggle Detection for Visually-Impaired Children — Voice-first AI for visually impaired children
• Touching and Feeling the Data: A Reusable Software Pipeline for Tactile Statistical Graphs in Accessible Education — AI-generated tactile statistical graphs
• MuTSE: A Human-in-the-Loop Multi-use Text Simplification Evaluator — LLM-based text simplification for intelligent tutoring
• Exploring the Design of LLM-Powered Question Generation for Deaf and Hard of Hearing Learners — LLM question generation for Deaf/Hard-of-Hearing learners
• Using Gemini and LuaLaTeX to transcribe physics videos into PDF/UA-2 and ISO 32005 math-accessible PDFs — Gemini+LuaLaTeX math-accessible physics video transcription
• Assistive Generative AI for Visually Impaired Learners: Personalization and Inclusion in Higher Education — Assistive GenAI for visually impaired learners
• Generative AI, virtual reality, and beyond: A scoping review of digital assistive technologies for neurodivergent students in higher education — Generative AI, virtual reality, and beyond: A scoping review of digital assistive technologies for neurodivergent students in higher education