12. Februar 2024
Wir werden also 5300 Bildbeschreibungen schreiben müssen
Bei der Vorbereitung der diesjährigen Techniktagebuch-als-Buch-Ausgabe zähle ich zum ersten Mal durch: Das Techniktagebuch enthält rund 5600 Bilder. Davon haben 300 eine Bildbeschreibung, die von Screenreadern vorgelesen werden kann. Bei 4700 steht im alt-Tag nur "image" und bei den dann noch fehlenden 600 vermutlich nicht mal das.
Ich habe so was Ähnliches erwartet, denn in den ersten sieben bis acht Jahren des Techniktagebuchs haben wir uns fast gar nicht um Bildbeschreibungstexte gekümmert. Schwache Entschuldigung: Der alte Tumblr-Editor machte einem das nicht so leicht, man musste die Bildbeschreibungen von Hand in der HTML-Ansicht des Beitrags einbauen. Wenn etwas so umständlich ist, suggeriert das auch, dass es eh nicht so wichtig sein kann. Aber eigentlich hätten wir es besser wissen müssen.
Ich weiß nicht, was bei den anderen Autor*innen des Techniktagebuchs die Gründe waren. Ich selbst bin vor allem deshalb nicht früher auf die Idee gekommen, weil ich erst seit wenigen Jahren selbst (früher bei Twitter, jetzt bei Mastodon) oft Bildbeschreibungen sehe. Dabei habe ich gemerkt, dass es erstens viele Menschen gibt, die sie sich wünschen und man sie zweitens auch als sehender Mensch gut brauchen kann, zum Beispiel wenn ich nicht verstehe, was auf einem Bild zu sehen ist. Oder wenn der Text auf einem Bild in der Ansicht auf dem Handy unlesbar klein ist (so wie in den Screenshots in diesem Beitrag hier). Oder wenn ich Hintergrundinformationen brauche, weil ich wegen meiner Prosopagnosie oder aus Ahnungslosigkeit abgebildete Personen nicht erkenne. Oder wenn ich mit dem Zug durch eine Funklochregion fahre und statt der Bilder nur die Bildbeschreibungen zu sehen bekomme.
Ich habe mit einem ungünstigen Verhältnis von Beschreibung zu Keine-Beschreibung gerechnet, aber dass dem Techniktagebuch so viele Beschreibungstexte fehlen, überrascht mich doch. Und es bedeutet, dass es sehr lange dauern wird, die Bildbeschreibungen nachträglich einzubauen. Da die Beiträge, die im alten Tumblr-Editor (vor 2023) geschrieben wurden, nur in diesem Editor bearbeitet werden können, heißt das, dass wir dazu jeden Beitrag öffnen, in die HTML-Ansicht umschalten und das alt-Tag mit der Bildbeschreibung an der richtigen Stelle einfügen müssen. Während man das Bild dann beschreibt, kann man es nicht sehen. Das ist im neuen Tumblr-Editor sogar genauso, denn da überlagert das Eingabefeld unpraktischerweise das Bild. Man braucht also in jedem Fall einen Second Screen, auf dem das Bild zu sehen ist. Ich mache das mit dem Handy.
Wegen dieser Umständlichkeit, und weil in letzter Zeit überall von großen Fortschritten in der Bildbeschreibung mit Hilfe von Bildanalyse und großen Sprachmodellen zu lesen ist, probiere ich heute mehrere Tools aus, mit denen das angeblich automatisch geht. Ich habe nicht aufwändig recherchiert, welche man da nimmt, es sind einfach die ersten paar Googletreffer zu dem Thema.
Ich teste mit dem als Letztes im Techniktagebuch verwendeten Bild aus diesem Beitrag von Oliver Laumann.
Oliver hat dazu die folgende Bildbeschreibung verfasst:
"Vierfarbkugelschreiber in Originalverpackung, Rückseite einer Postkarte mit dem Text 'Ich hab die Originalminen dringelassen, weil Original, aber hier sind neue. Grüße, Kathrin', kleiner Zip-Lock-Beutel mit vier verschiedenfarbigen Kugelschreiberminen".
Es ist sicher nicht ganz einfach, dieses Bild hilfreich und korrekt zu beschreiben, wenn man nicht Oliver Laumann ist, sondern eine Maschine. Aber die Schwierigkeit der Aufgabe scheint mir einigermaßen repräsentativ für die übrigen Bilder im Techniktagebuch.
Beim "Free AI Image Alt Text Generator" kann ich zwischen mehreren Sprachen auswählen:
Außerdem gibt es verschiedene Beschreibungsstile:
Ich wähle "Casual". Das Ergebnis ist wenig hilfreich:
Im Stil "Academic" wird es nicht besser:
Auch die anderen Beschreibungsstile führen nur zu minimalen Variationen von "Irgendwas mit Farbstiften, perfekt für kreative Projekte!"
Der "AI Alt Text Generator" bietet mir in der Testversion keine Sprachauswahl an und schlägt vor: "A package of colored pencils with a note on it." Immerhin ist die handschriftliche Notiz hier erkannt worden. Zum Verständnis des Beitrags trägt die Beschreibung aber nichts bei.
Der "Alt Text Generator" meint: "a box of pens and a package of paper".
Einige andere Tools verwenden offenbar intern die gleiche Technik und sagen ebenfalls "a box of pens and a package of paper".
Ich halte es für möglich, dass es kostenpflichtige Angebote gibt, die bessere Bildbeschreibungen erzeugen, finde aber im Rahmen meiner Suchgeduld nicht zu einer Möglichkeit, das gratis auszuprobieren. Und ich habe keine Lust, erst einen Testaccount anzulegen, nur um dann herauszufinden, dass die es auch nicht können.
Vielleicht sind Bildbeschreibungen nur eine Brückentechnologie, und bald werden Screenreader die Bilder selbst erkennen und beschreiben können. Hier denke ich mal einen Gedanken, denn ich eher selten denke, nämlich: Bildbeschreibung von einem Menschen, bevorzugt einem mit Wissen über das Bild, das nicht im Bild enthalten ist, wird immer besser bleiben als automatisch erzeugte Beschreibung. Gleichzeitig misstraue ich diesem Gedanken aus Prinzip, weil "Irgendeine Technik wird irgendwas niemals so gut können wie ein Mensch" eine Aussage ist, mit der man historisch oft unrecht hat. Zusammengefasst: Ich habe keine Ahnung. Aber diese Ahnungslosigkeit von 2024 ist hiermit festgehalten.
Jedenfalls werden wir 5600 Beschreibungen selbst ausdenken und einbauen müssen. Das klappt für die diesjährige Buchausgabe nicht mehr. Aber das Techniktagebuch ist ja ein Langzeitprojekt.
(Kathrin Passig)