Wer unsere KI-Journey bisher verfolgt hat, weiß, dass wir ein Tool gefunden haben, mit dem wir englische Szenenbeschreibungen per Mausklick generieren können. Wir waren ziemlich angetan. Aber was sagt unsere potenzielle Zielgruppe dazu? Was wünschen sich blinde Menschen? Und was heißt dies für unsere Filme in Zukunft? Wir haben nachgefragt in der Community und uns auch mit Johann Mühlbauer zu einem Gespräch verabredet. Wir kennen ihn von unserer Doku „Blind das Leben spüren“ aus dem Jahr 2018.

 

Hier das Interview zum Nachlesen

Weitere Meinungen aus der Community

Barbara Fickert

Barbara Fickert, hochgradig sehbehindert geboren, engagiert sich als Geschäftsführerin in der von ihr ins Leben gerufenen Kinoblindgänger gemeinnützige GmbH seit vielen Jahren ehrenamtlich für ein größeres barrierefreies Filmangebot. Seit neun Jahren arbeitet sie für mehrere Anbieter gegen Honorar an Audiodeskriptionen mit, produziert barrierefreie Filmfassungen und wurde mehrmals mit dem Deutschen Hörfilmpreis ausgezeichnet. In ihrem Blog „Blindgängerin“ schreibt sie über ihre Kinoerlebnisse mit dem Fokus auf die Qualität der Audiodeskriptionen.

“KI für Audiodeskription (AD) ist mir vorher noch nie begegnet, aus gutem Grund. Das Ergebnis ist keine Audiodeskription. Alle visuelle Eindrücke, die für das Verständnis und das ästhetische Erleben des Films relevant sind, müssen in Sprache übersetzt werden. Auch filmische Stilmittel, Kameraführung und Bildaufbau, Schauplätze, Landschaften – knapp, präzise und in einer lebendigen Sprache. Die KI von Audible Sight aber reiht Bildbeschreibungen wahllos aneinander. Ich weiß nicht, ob ich drinnen oder draußen bin, ich weiß nichts über die Kameraeinstellung. Es entsteht kein Hörfilm. Die Bilder, die die Kamera ja liebevoll eingefangen hat, müssen ganz anders beschrieben werden. So eine AD ist keine gute Idee, sie bringt nichts. Schlecht gemachte ADs vermiesen dem Zielpublikum den Genuss eines Films und sind keine Option!”

“Blinde sind zwar an künstliche Stimmen gewöhnt, der Rückschluss, dass uns bei ADs oder Hörbüchern egal ist, wie künstlich eine Stimme klingt, ist aber falsch. Was ich mir vorstellen kann, ist, dass KI geschulte Autor*innen zukünftig unterstützen kann, aber nie ersetzen. Außerdem ist es ganz wichtig, dass ein blinder Mensch die AD abnimmt. Immer. Auch bei professionell erstellten ADs ist der blinde Mensch die wichtigste Person. Er oder sie entscheidet, ob genug Informationen gegeben worden sind.

“Mein Rat an euch wäre, auf jeden Fall mit geschulten Autor*innen zusammenzuarbeiten, statt selbst mit KI zu experimentieren. Wenn euch dafür das Budget fehlt, könntet ihr euch vielleicht auf ein bis zwei Hörfilme pro Jahr fokussieren. Was uns blinden Menschen in jedem Fall hilft, ist, dass Dokumentationen und Reportagen oft Sprechertexte im Off haben. Wird hierbei berücksichtigt, die Szenen und Menschen einzuführen, also Situationen anzutexten, wäre das auch ein Ansatz.  Das könntet ihr bei der Konzeption eurer Filme ja überlegen, ob ihr das generell machen wollt.”

---

Domingos de Oliveira

Domingos de Oliveira arbeitet als Berater für digitale Barrierefreiheit und veröffentlicht unter netz-barrierefrei.de Domingos de Oliveira hat an der Universität Marburg Politikwissenschaft, Soziologie und Philosophie studiert. Durch eine Weiterbildung zum Online-Redakteur hat er gelernt, redaktionell und analytisch zu arbeiten und Webseiten behindertengerecht zu gestalten.

„Aktuell gilt, dass die AD-Stimme monoton wie ein Nachrichtensprecher sein soll. Das ist durchaus generell sinnvoll, aber eine neutrale Stimme kann nur schlecht Emotionen auslösen. Da wäre es besser, die Musik wirken zu lassen. Geräusche werden im Film im Vergleich zum Hörspiel sehr sparsam eingesetzt. Wie wäre es also, die Geräusche-Macher in Filmen stärker zur Geltung kommen zu lassen? Dadurch könnte man wesentlich mehr Informationen transportieren, ohne dass jemand reinquatschen muss.

Nach meinem Empfinden ist die AD ein Fremdkörper im Film. Normalerweise werden die stillen Teile des Films durch stimmungsvolle Musik untermalt. Musik wirkt sehr unterbewusst und dennoch suggestiv. Durch die AD wird diese Stimmung ein Stück weit unterbrochen. Kommunikationstheoretisch würde man sagen, die Kommunikation wird durch Meta-Kommunikation unterbrochen. Oder plastischer: “Stellt euch vor, euer Partner würde sich bei einem romantischen Zusammensein über die Farbe der Kerze und die Qualität des Kerzenwachses auslassen.“

---

Das Interview mit Hansi zum Nachlesen

Hansi, wie ihn alle nennen, besucht uns zusammen mit seinem Blindenhund Micky Anfang November in der Medienwerkstatt. Zum Einstieg in unser Gespräch, schauen wir uns die ersten Minuten der Dokumentation „Blind das Leben spüren“ gemeinsam an. Und ja, auch Hansi schaut Filme, wie er im Vorgespräch betont. Wir sehen und hören ihn in der Anfangssequenz des Films als Sänger der Band „The Dehydrators“, schauen ihm zu, wie er in der Fränkischen klettert und in seiner Wohnung eine leckere Garnelen-Spargel-Pfanne brutzelt. 

Hansi, jetzt haben wir gerade in die Anfangssequenz des Films von 2018 reingeschaut, ein Film über dich. Wie fühlt sich das an?

Hansi: Es kommen natürlich Erinnerungen hoch an das Ganze, wo ich dann auch sagen würde, ich habe innere Bilder daran in mir. Wenn ich jetzt aus dem Aspekt heraus mir das anschauen würde, dass es keine Audiodeskriptionen gibt? Oder wie es denn wäre, wenn ich nicht dabei gewesen wäre, nicht der Protagonist dieses Films gewesen wäre. Dann würde ich mich schwer tun, weil ich habe jetzt zum Beispiel vor allem Live-Musik gehört, weiß aber gar nicht, in welchem Bezug diese Live-Musik gerade gespielt wird und was es noch zu sehen gibt. Da gibt es ja auch ein Brutzeln. Wie hängt das zusammen

Hast du dir das damals, als du den Film zum ersten Mal geschaut hast, die Bilder von jemandem erklären lassen? Eine Audiodeskription, wie du schon sagst, gibt es ja nicht…

Hansi: Ja, da habe ich mich damals mit meiner Freundin hingesetzt.

Das heißt, du hättest es dir gewünscht, wenn wir damals eine Audiodeskription dazu produziert hätten?

Hansi: Damals hatte ich das als Option auch gar nicht so auf dem Schirm. Aber heute, ja klar, definitiv, das wäre hilfreich, sogar für mich als denjenigen, der die Hauptfigur von diesem Film war. Und für den, der da jetzt so Random in die Doku rein stolpert, würde ich wahrscheinlich zwar kapieren, um wen es geht. Aber ich glaube, mir würde viel verborgen bleiben. Nebenbei, da weiß ich ja natürlich nicht, ob ich da für alle blinden Menschen spreche, ich mag es zum Beispiel auch gerne bei Dokumentationen, wenn Landschaftsbeschreibungen stattfinden.

Denkst du in Bildern? Es gäbe ja auch zum Beispiel die Möglichkeit, andere sinnliche Wahrnehmungen zu beschreiben, die jetzt ein Film nicht transportieren kann, Gerüche oder anderes, was vielleicht wichtiger für dich wäre? Aber es sind die Bilder?

Hansi: Ja, ja, es sind schon die Bilder, die entstehen. Bei sehenden Menschen entstehen die Bilder ja hauptsächlich, würde ich mal sagen, über die visuelle Wahrnehmung. Und bei mir ist dafür einfach der Einsatz mehrerer Sinne wichtig und notwendig. Spüren, Wind, Salzwasser, Sonne. Und daraus ergibt sich dann ein Gesamtbild für mich. Ja, es ist ein Bild.

Aber hilft dir so eine Audiodeskription-Spur?

Hansi: Ja, die würde mir absolut helfen. Erstens fürs Verständnis, also ich sage mal so, bevor ich die Audiodeskription für mich entdeckt habe, habe ich nie Tatort geguckt, weil es unmöglich ist, dem zu folgen. Wenn man sich das mal so „vor seinem inneren Ohr“ bewusst macht, wie viele Informationen nonverbal vermittelt werden, wo nur Bildsequenzen die Handlung vorantreiben, wechselnde Szenen und nur mit Musik unterlegt, ohne Audiodeskription könnte man nie so einen Tatort kapieren.

Das heißt aber seitdem, dass es die öffentlich-rechtlichen konsequent machen, schaust du öfter fern? 

Hansi: Ja, genau

Wie sieht es mit Dokumentarfilmen aus? Schaust du dir Dokus an? Viele Dokumentarfilme sind ja sehr Interview-lastig, da wird viel gesprochen, fällt dir das dann leichter?

Hansi: Ja, das fällt mir definitiv leichter. Allerdings: Es gibt Unterschiede. Es gibt ja Dokumentationen, bei denen eine Person begleitet wird und bei der eine Stimme aus dem Off viel erklärt oder, wo man dann zum Beispiel allein durch die Fragestellung schon ein bisschen mehr von dieser Situation erfährt, wo sich die Menschen gerade befinden. Da kann man sich einen guten Eindruck verschaffen. Und dann gibt es diese Dokumentationen, die quasi nur durch die Protagonist*innen erzählt werden und die sind echt schwer, weil da viel auch über Bilder erzählt wird. Man versteht es am Schluss, aber ich glaube, es entgeht einem trotzdem viel, wenn Leute irgendwo vor einem schönen Panorama sitzen oder es oder Szenenwechsel gibt, die man nicht hören kann.

Das heißt also, die Spezialität von der Medienwerkstatt erschwert dir eigentlich die Rezeption, weil wir bei der Medienwerkstatt tatsächlich diese Art des Filmemachens lieben: Die Protagonist*innen selbst zu Wort kommen lassen, Bilder wirken lassen, wenig Offtext. Schaust du denn dann überhaupt in unsere Filme rein, in unsere Online-Mediathek oder hast du es gleich sein lassen, weil wir keine Hörfassungen haben?

Hansi: Nein, ganz so schlimm ist es nicht (lacht). Ich habe zu der Zeit, als wir den Film zusammen gemacht haben, was mich total begeistert hat, natürlich mehr Filme in eurer Mediathek geguckt. Vorher kannte ich die Medienwerkstatt gar nicht, muss ich sagen. Mein Eindruck: Ich würde mal so sagen, es hat mich nicht abgeschreckt, aber es hat mich auch dann nicht bei der Stange gehalten. Ja, vielleicht ist es so ganz gut formuliert.

Jetzt würde ich nämlich gerne noch in einen anderen Film von uns mit dir reinschauen. Pass mal auf, ich spiele dir jetzt ein kurzes Stück vor und dann frage ich dich, was du denkst, was wir da jetzt gerade gesehen haben. Ist das okay für dich?

Hansi: Ja, voll, spannend.

Wir schauen uns die Anfangspassage von „Dornröschen kann schwimmen an”, eine lange Passage ohne Offtext nur mit Bildern und Atmo-Ton. Für Sehende, die sich darauf einlassen, sehr eindrucksvoll. Und für Hansi?

Dornröschen kann schwimmen

 

Ich stoppe jetzt mal, das geht jetzt ohne Offtext noch eine ganze Weile weiter. Was wäre jetzt so dein Wild Guess? Um was geht’s? Was haben wir uns da gerade angeschaut?

Hansi: Also ich muss von Anfang an anfangen, weil natürlich dann das Bild immer anders wurde. Also am Anfang habe ich deutlich Autos gehört und Autoverkehr und ein Rauschen, von dem ich mir am Anfang nicht sicher war, ob es ein Fluss ist oder ob es vielleicht die Brandung vom Meer ist. Dass es nicht die Meeresbrandung ist, war dann ziemlich schnell klar, als ich das Martinshorn gehört habe. Dann habe ich gedacht, dass dieses Fahrzeug wahrscheinlich ein Feuerwehr- oder Sanitätsauto ist und mit dem Martinshorn durch eine Unterführung oder Brücke gefahren ist, weil es gehallt hat. Und dann wurde es aber ziemlich eindeutig, dass es regnet. Dann hat es richtig geregnet und gedonnert. Und somit könnte ich mir vorstellen, dass es so Stadtbilder waren bei deutlichem Gewitter in der Nähe einer Brücke oder so.

Ich bin beeindruckt, was du alles wahrgenommen hast. Jetzt verrate ich mal, dass es ein Film über das Volksbad in Nürnberg ist. Und zu sehen waren tatsächlich Außen- und Innenaufnahmen vom verlassenen Volksbad mit der Halle, mit den Schwimmbecken, mit leeren Schränken und Räumen, in denen alte Utensilien zurückgelassen worden sind. Es sind sehr stimmungsvolle Bilder für Sehende. Ich hatte ganz bewusst diesen Film gewählt, um mich mit dem Thema Audiodeskription zu beschäftigen, weil der Einsteig eine ewig lange Passage ist, bei der ich mir vorstellen konnte, dass man sie sich wirklich nicht erschließen kann, wenn man keine Audiodeskription hat.

Hansi: Nein, das ist tatsächlich nicht möglich. Dass man irgendwo drinnen war, war mir total unklar.

Bei so einem Film würdest du dann wahrscheinlich sofort ausschalten, oder?

Hansi: Wenn ich den alleine konsumieren würde, würde ich es ausmachen.

Wenn jetzt jemand dabei gewesen wäre, der es erklärt hätte, worum es geht?

Hansi: Dann wäre ich wahrscheinlich schon dabei geblieben.

Und wenn es da jetzt eine Audiodeskription-Spur gegeben hätte, wäre es dir dann egal, ob das jetzt eine menschliche Stimme ist oder eine Computerstimme?

Hansi: Jetzt hätte ich beinahe geantwortet, das kann man heute auch ja eh fast nicht mehr unterscheiden.

Da hast du Recht!

Hansi: Also ich glaube, von daher, dass diese KI-Stimmen immer besser werden, würde ich wahrscheinlich auch mit so einer Stimme zurechtkommen, wenn man irgendwie überlegt, wie diese Computer noch vor 20 Jahren gesprochen haben, ich glaube, da wäre ich wahnsinnig geworden. Aber insgesamt glaube ich, das ging ja schon.

Was mir jetzt auch noch eingefallen ist, ich meine, wenn man jetzt wo rein stolpert, man den Fernseher anmacht und in eine Dokumentation reingezappt, dann ist es ja was anderes, wie wenn man das bewusst konsumiert, wie wenn ich jetzt bewußt in eure Mediathek gehe und sage, ich schaue mir jetzt die Doku übers Volksbad an. Dann würde man dann wahrscheinlich besser kapieren, um was es geht.

Was aber gleich bleibt, egal, ob man es bewusst konsumiert, oder ob man rein stolpert, ist einfach, dass ich diese Ebene, wie sieht es denn da gerade in diesem Volksbad aus, mit leeren Schränken, wie du es jetzt beschrieben hast und so, das würde total unten durchfallen. Und dann ist die Frage: Gut, braucht man das? Und ich würde sagen: Ja, damit man auch kapiert, was der Filmautor einem sagen möchte. Nämlich, dass da seit Jahren wohl nichts passiert.

Ja, genau, es ist je ein bewusst gewähltes Stilmittel, ganz bewusst auf den Off-Text zu verzichten, um eine bestimmte Stimmung der Verlassenheit zu erzeugen. Aber das kann bei dir nicht ankommen, weil dir diese eine Ebene sozusagen fehlt. 

Hansi: Genau

Ich habe aber tatsächlich eine KI entdeckt, die Audio-Deskriptionen per Mausblick rausspuckt, allerdings nur englischsprachig. Ich würde dir gerne mal vorspielen, was dabei rauskommt und dich fragen, ob dir so eine Audiodeskription helfen würde.

Wir schauen uns die gleiche Anfangspassage von „Dornröschen kann schwimmen“ an, diesmal mit automatisch generierten Audiodeskriptionen von Audible Sight (siehe KI-Blog Teil 12) 

Was ist jetzt dein Eindruck? Würde dir das helfen?

Hansi: Es würde mir helfen. Ich fände es tatsächlich im Deutschen besser, aber es würde mir auf jeden Fall schon helfen. Es ist schön, dass es nicht so viel Text ist, weil damit nicht so viel Atmosphäre überlagert wird. Was ich aber besser fände, wenn das Geräusch vom Film, vom Regen, nicht so komplett ausgeblendet würde. Die ist ja immer komplett weg, wenn die Audiodeskription kommt. Das ist wie eine Unterbrechung und zerstört die Stimmung. Ich fände es schöner, wenn der Grundsound weiterlaufen würde und die Stimme, die die Situation beschreibt, einfach leiser aus dem Off kommt.

Aber die Beschreibungen an sich haben dir schon geholfen?

Hansi: Auf jeden Fall. Also jede Audiodeskription ist besser als keine. Jede Barriere, die man behinderten Menschen aus dem Weg räumt, um auch besser an kulturellen Dingen teilzunehmen, ist gut. Und wenn das nicht von Anfang an perfekt läuft… es ist ein Beginn, zumindest macht man was. Das ist für mich die Hauptsache. Und was bald noch alles technisch möglich ist…Es würde mir auf jeden Fall helfen, Dinge besser zu verstehen.

Wäre das dann auch eine konkrete Empfehlung an uns? Dass wir das Tool nutzen und unsere Filme mit automatisch generierten englischen Audiodeskriptionen versehen?

Hansi: Würde schon sagen, weil nichts zu machen ist irgendwie keine Alternative und die Stimme ist schön, also für KI ist die Stimme echt vollkommen gut. Für mich wäre halt Deutsch schöner, aber mein Englisch reicht natürlich, um es zu verstehen, zum Glück. 

Das heißt also, du würdest dir wünschen, dass wir alle unsere Filme mit einer Audiodeskription versehen?

Hansi: Zumindest, dass es eine Auswahl gibt, die man sich vielleicht aussuchen kann.

Und was würdest du dir sonst noch wünschen, über die Medienwerkstatt hinaus?

Hansi: Was ich mir wünschen würde, zum Beispiel, egal ob am Fernsehen oder im Internet über die Mediathek, wie auch immer, einen barrierefreien Zugang, sodass ich einfach, wenn ich in die Mediathek gehe, in irgendeiner Form dahinter die Kennzeichnung habe: Okay, Hörfassung! Oder ich kann einfach gleich die Rubrik „Hörfassung“ anklicken und dann kriege ich alles, wofür es eine Hörfassung gibt. Über einen laufenden Film mit 1.000 Mouse-Klicks die Audiodeskription finden, das schaffe ich nicht. Vielleicht gibt es blinde Menschen, die das gut können, die technisch versiert sind. Für mich ist das ein Problem und ich finde, wenn man schon Hörfassungen anbietet, dann muss es so barrierefrei wie nur möglich zugänglich gemacht werden.

Vielen lieben Dank Hansi für das Gespräch und deine Empfehlungen!

Die Anderen Meinungen noch mal im Überblick

---

Fazit

Nach den Gesprächen mit der Community steht für uns fest: KI hilft uns bei Audiodeskriptionen derzeit nicht weiter. Trotzdem wollen wir am Thema dranbleiben und weiter nach Lösungen suchen, die blinden Menschen einen Zugang zu unseren Filmen ermöglichen. Denn: Gemäß Web Content Accessibility Guidelines (WCAG) Level AA sowie Barrierefreie-Informationstechnik-Verordnung (BITV 2.0) sind ADs ab 28. Juni 2025 für aufgezeichnete Videos mit Ton vorgeschrieben, sofern darin visuelle Informationen enthalten sind, die nicht via Dialog oder Geräusch vermittelt werden. Auch wenn diese Pflicht zunächst nur für Unternehmen und hier explizit solche gilt, die die Anforderungen finanziell stemmen können, ist das auch ein klares Signal an uns. Wir werden uns deshalb darum bemühen, Fördertöpfe ausfindig zu machen, mit denen wir es vielleicht schaffen, wenigstens für einige Filme im Jahr Hörfassungen zu realisieren. Oder wir finden neue Formate. Wir halten euch auf dem Laufenden.