Artikel: Leichte Sprache und Künstliche Intelligenz

Susanne Zornow (Dipl. Soz.), Leitung Büro für Leichte Sprache Hamburg

Leichte Sprache und Künstliche Intelligenz

Abstract

Der Beitrag diskutiert den Einsatz Künstlicher Intelligenz bei der Erstellung von Texten in Leichter Sprache aus der Praxis der Lebenshilfe Hamburg. Auf Basis langjähriger Erfahrung und eigener KI-Erprobungen werden Potenziale und Grenzen KI-gestützter Übersetzungen aufgezeigt. Im Zentrum stehen Qualitätsanforderungen, die Unterscheidung zwischen Leichter und einfacher Sprache sowie die Bedeutung von Zielgruppenwissen und Beteiligung. Der Beitrag zeigt, dass KI unterstützend wirken kann, Leichte Sprache als soziale Praxis jedoch nicht ersetzen kann. Er plädiert für einen verantwortungsvollen Einsatz von KI, bei dem Leichte Sprache als Hilfsmittel der Barrierefreiheit verstanden und fachlich wie partizipativ abgesichert wird.

Erfahrungen aus der Praxis der Lebenshilfe Hamburg

Die Lebenshilfe Hamburg ist ein Verein, der sich für die Interessen von Menschen mit Lern- und geistiger Behinderung einsetzt. Ziel der Arbeit ist es, Menschen so zu unterstützen, dass sie gut leben können, möglichst selbstständig handeln und eigene Entscheidungen treffen können. Ein zentrales Handlungsfeld dabei ist der Abbau von Barrieren – insbesondere von Kommunikations- und Informationsbarrieren.

Barrierefreiheit ist bei der Lebenshilfe Hamburg kein abstraktes Leitbild, sondern spiegelt sich in einer Vielzahl konkreter Projekte wider. Dazu gehören Angebote zur digitalen Teilhabe und zur verständlichen Aufbereitung von Informationen, etwa das Büro für Leichte Sprache, das Projekt #LeichtOnline, die Glücklich-App. Allen Projekten gemeinsam ist der Anspruch, Informationen so aufzubereiten, dass sie von Menschen mit Lernbehinderungen möglichst selbstständig genutzt werden können.

Leichte Sprache spielt dabei eine zentrale Rolle. Sie wird heute als anerkanntes Instrument der Barrierefreiheit verstanden und hat nach vielen Jahren politischer und fachlicher Arbeit den Status eines Hilfsmittels erhalten. Für Menschen mit Lern- und geistiger Behinderung bedeutet Leichte Sprache nicht nur bessere Verständlichkeit, sondern ganz konkret den Zugang zu einem eigenständigeren Alltag: einen Brief vom Amt selbst lesen zu können, Informationen zu Gesundheit oder Arbeit zu verstehen oder digitale Angebote eigenständig zu nutzen. Leichte Sprache ist damit eng mit Fragen von Selbstbestimmung und gesellschaftlicher Teilhabe verbunden.

Mit dem Aufkommen leistungsfähiger KI-Systeme, insbesondere sogenannter Large Language Models (LLMs), stellt sich zunehmend die Frage, welche Rolle diese Technologien bei der Erstellung Leichter Sprache spielen können. Der vorliegende Beitrag nähert sich dieser Frage aus der Perspektive der Lebenshilfe Hamburg. Er basiert auf zehn Jahren praktischer Arbeit im Büro für Leichte Sprache Hamburg und versteht sich als erfahrungsbasierte Einordnung.

Zehn Jahre Büro für Leichte Sprache: Erfahrung, Qualität und Beteiligung

Die Lebenshilfe Hamburg hat im Jahr 2015 ein eigenes Büro für Leichte Sprache gegründet. Inzwischen blickt die Organisation auf rund zehn Jahre Erfahrung in der Erstellung und Prüfung von Texten in Leichter Sprache zurück. Diese Arbeit umfasst weit mehr als das reine Übersetzen von Texten. Sie beinhaltet die enge Zusammenarbeit mit Prüfer:innen mit Lernbehinderungen, die Entwicklung von Qualitätskriterien, die Erstellung interner Regelwerke sowie die Mitarbeit an übergeordneten Standards, unter anderem im Rahmen der „DIN SPEC 33429:2025-03. Empfehlungen für Deutsche Leichte Sprache“.

In diesen zehn Jahren hat sich das Feld der Leichten Sprache deutlich weiterentwickelt. Der Bedarf an Texten in Leichter Sprache ist kontinuierlich gestiegen. Diese Entwicklung ist nicht zuletzt das Ergebnis der beharrlichen Arbeit von Selbstvertretungsorganisationen wie Mensch zuerst, dem Netzwerk Leichte Sprache e.V., der Deutschen Gesellschaft für Leichte Sprache e.G. und vieler weiterer Akteur:innen, die Barrierefreiheit politisch und fachlich vorangetrieben haben.

Gleichzeitig ist Leichte Sprache heute in deutlich mehr gesellschaftlichen Bereichen angekommen als noch vor zehn Jahren. Sie wird in Verwaltungen, im Gesundheitswesen, in der digitalen Kommunikation und zunehmend auch im kommerziellen Bereich nachgefragt. Damit wächst nicht nur der Bedarf, sondern auch der Druck, Leichte Sprache schneller und in größerem Umfang bereitzustellen.

Hoher Übersetzungsbedarf: Leichte Sprache zwischen Hilfsmittel und Massenprodukt

Mit der rechtlichen Verankerung von Leichter Sprache – etwa im Behindertengleichstellungsgesetz (BGG) und in der Barrierefreie-Informationstechnik-Verordnung (BITV 2.0) – sind öffentliche Stellen verpflichtet, Leichte Sprache in bestimmten Kontexten bereitzustellen. In der Praxis führt dies zu einem erheblich gestiegenen Übersetzungsbedarf.

Dieser Bedarf kann durch klassische manuelle Übersetzungsprozesse zunehmend kaum noch gedeckt werden. Qualitativ hochwertige Übersetzungen in Leichter Sprache benötigen Zeit, Fachwissen und die Beteiligung der Zielgruppe in Form von von Prüfer:innen mit Lernbehinderung. Diese Qualität ist aufwendig – und sie ist nicht beliebig skalierbar.

Vor diesem Hintergrund erscheinen KI-gestützte Übersetzungssysteme als naheliegende Lösung. LLMs versprechen, große Textmengen schnell und kostengünstig zu bearbeiten. In den vergangenen Jahren sind zahlreiche KI-Produkte auf den Markt gekommen, die (teil-)automatische Übersetzungen in einfache Sprache und auch in Leichte Sprache anbieten.

Für die Lebenshilfe Hamburg stellt sich hier eine grundlegende Frage: Welche Rolle soll Leichte Sprache in diesem Kontext einnehmen? Aus Sicht der Organisation ist Leichte Sprache kein Gewinnprodukt, sondern ein Hilfsmittel. Menschen mit Lernbehinderungen müssen sich auf diese Texte verlassen können. Fehlerhafte oder missverständliche Informationen können zu Unsicherheit, Fehlentscheidungen oder Ausschluss führen.

Deshalb war die Qualität Leichter Sprache für die Lebenshilfe Hamburg schon immer zentral – bei manueller Übersetzung ebenso wie im Kontext von KI. Zwar wird ein großes Potenzial in KI-gestützter Übersetzung gesehen, bislang konnte jedoch kein kommerzielles Produkt überzeugen, das die erforderliche Qualität zuverlässig sicherstellt.

Leichte Sprache und einfache Sprache: eine notwendige Unterscheidung

Ein zentrales Thema in der Auseinandersetzung mit KI-Übersetzung ist die Unterscheidung zwischen Leichter Sprache und einfacher Sprache. Beide Konzepte erhöhen die Verständlichkeit von Informationen, sie unterscheiden sich allerdings in ihren Zielgruppen und sprachlichen Eigenschaften (vgl. „Leicht oder Einfach?“).

KI-Modelle zeigen bereits heute gute Ergebnisse bei der Erstellung einfacher Sprache. Diese Form der sprachlichen Vereinfachung erhöht die allgemeine Zugänglichkeit von Informationen und ist für viele Menschen hilfreich.

Leichte Sprache geht jedoch deutlich darüber hinaus. Sie richtet sich spezifisch an Menschen mit kognitiven Beeinträchtigungen und folgt strengeren Regeln hinsichtlich Satzbau, Wortwahl, Struktur und Gestaltung. Ziel ist nicht nur sprachliche Vereinfachung, sondern auch inhaltliche Barrierefreiheit.

Diese Differenz ist auch rechtlich relevant. Während das BGG und die BITV 2.0 Leichte Sprache ausdrücklich vorsehen, setzt das Barrierefreiheitsstärkungsgesetz (BFSG) auf verständliche bzw. einfache Sprache. In der Praxis werden diese Unterschiede jedoch häufig nicht ausreichend berücksichtigt – insbesondere bei der Entwicklung und Vermarktung von KI-Tools.

Eigene KI-Erprobung: Custom-GPTs als Praxis- und Lernraum

Um sich fundiert mit den Möglichkeiten und Grenzen von KI auseinanderzusetzen, hat die Lebenshilfe Hamburg zwei eigene Custom-GPTs für Leichte Sprache entwickelt. Ziel war es nicht, ein marktreifes Produkt zu schaffen, sondern einen niedrigschwelligen Zugang zu KI-Technologie zu ermöglichen.

Ein Modell dient der Erstellung von Übersetzungsentwürfen, ein weiteres der Überprüfung und Reflexion von Texten. Die Custom-GPTs werden bewusst nicht als Ersatz für professionelle Übersetzungen oder Fortbildungen verstanden. Vielmehr dienen sie als Lern- und Erprobungsräume, in denen untersucht werden kann, wie LLMs mit den Regeln Leichter Sprache umgehen, welche Fehler auftreten und welche Kompetenzen notwendig sind, um KI sinnvoll einzusetzen (vgl. „Custom GPTs: Unser Duo zum Leichte Sprache Üben“).

Die Erfahrungen zeigen deutlich: Ohne fundiertes Wissen über Leichte Sprache lassen sich KI-Tools weder sinnvoll prompten noch qualitativ einschätzen. Nur wer die Regeln, die Zielgruppe und typische Verständnishürden kennt, kann Ergebnisse bewerten und gezielt nacharbeiten.

LLM vs. Mensch: „Was ist eine Kredit-Karte?“

Ein konkretes Beispiel aus der Arbeit mit den Custom-GPTs verdeutlicht die Unterschiede zwischen KI- und menschlicher Übersetzung besonders anschaulich. Bei der Frage „Was ist eine Kreditkarte?“ erzeugte ein LLM einen Text, der auf den ersten Blick sehr gelungen wirkt: kurze Sätze, einfache Wörter, klare Struktur:

Eine Kredit-Karte ist aus Plastik.
Man kann damit bezahlen.

Die Karte gehört zu einer Bank.
Man kann mit der Karte Geld ausleihen.

Die Bank zahlt zuerst das Geld.
Man muss der Bank das Geld später zurückzahlen.

Mit einer Kredit-Karte kann man online

oder im Geschäft bezahlen.
Man kann auch Geld am Automaten holen.

Der Text beschreibt, dass man mit einer Kreditkarte bezahlen kann, dass sie zu einer Bank gehört, dass Geld ausgeliehen und später zurückgezahlt wird und dass man sowohl im Geschäft als auch online bezahlen kann. Formal erfüllt dieser Text viele sprachliche Kriterien, die mit Leichter Sprache verbunden werden.

Bei genauerem Lesen zeigt sich jedoch ein zentrales Problem: Mehrere abstrakte Zahlungsvorgänge werden dicht hintereinander beschrieben. Begriffe wie „ausleihen“, „zurückzahlen“ oder „Geld am Automaten holen“ setzen voraus, dass die Leser:innen diese Prozesse bereits verstehen oder zumindest einordnen können.

In der Praxis zeigt sich jedoch, dass Zahlungsprozesse für viele Menschen mit Lernbehinderungen schwer greifbar sind – insbesondere dann, wenn Geld nicht unmittelbar sichtbar die Besitzer:innen wechselt oder zeitlich versetzt abgerechnet wird. Eine menschliche Übersetzung reagiert auf diese Herausforderung anders:

Eine Kredit-Karte ist eine Karte von der Bank.

Sie sieht aus wie eine Konto-Karte.

Man kann mit der Kredit-Karte auch die gleichen Dinge tun:

• Geld am Automaten holen

• im Laden bezahlen

Aber die Kredit-Karte kann noch mehr:

Mit einer Kredit-Karte kann man online bezahlen.

Zum Beispiel in einer App oder in einem Online-Shop.

Die Kredit-Karte bezahlt das Geld sofort.

Danach holt sie sich das Geld
von Ihrem Bank-Konto zurück.

Aus der langjährigen Zusammenarbeit mit Prüfer:innen ist bekannt, dass Kreditkarte und Kontokarte häufig verwechselt werden. Eine menschliche Übersetzung greift dieses Wissen auf. Sie beginnt mit einer Einordnung („eine Karte von der Bank“), stellt eine Verbindung zur bekannten Kontokarte her und erklärt anschließend Schritt für Schritt, worin der Unterschied besteht. Die Reihenfolge der Informationen folgt dabei nicht der logischen Vollständigkeit, sondern einer didaktischen Logik: Was hilft beim Verstehen?

Diese lebensweltliche Orientierung, das Wissen um typische Missverständnisse und die bewusste Strukturierung von Informationen sind zentrale Bestandteile Leichter Sprache. Sie lassen sich derzeit nicht automatisieren.

Zusammenfassung: KI hat Zukunft, aber die Qualität muss stimmen

Die Erfahrungen der Lebenshilfe Hamburg zeigen ein differenziertes Bild. KI kann zum jetzigen Zeitpunkt Entwürfe liefern, sprachliche Vereinfachung unterstützen und Arbeitsprozesse beschleunigen. Sie kann jedoch kein Zielgruppenwissen ersetzen, keine lebensweltbezogenen Entscheidungen treffen und nicht beurteilen, ob ein Text tatsächlich barrierefrei ist. Zu einer ähnlichen Einschätzung kommt die Überwachungsstelle des Bundes für Barrierefreiheit von Informationstechnik (BFIT-Bund) in ihrer Fachlichen Einordnung von KI-Übersetzungstools für Leichte Sprache, an deren Erstellung die Lebenshilfe Hamburg mitgewirkt hat.

Besonders kritisch ist dabei die trügerische Sicherheit, die formal korrekt wirkende KI-Texte erzeugen können: Sie sehen auf den ersten Blick wie Leichte Sprache aus, erfüllen jedoch häufig nicht die tatsächlichen Verständlichkeits- und Teilhabeanforderungen der Zielgruppe. Leichte Sprache ist eben nicht nur eine sprachliche Technik, sondern auch eine soziale Praxis. Sie entsteht im Zusammenspiel von Fachwissen, Erfahrung, Beteiligung der Zielgruppe und Qualitätssicherung. Künstliche Intelligenz kann ein wichtiger Teil dieses Prozesses sein, ihn aber derzeit nicht komplett ersetzen. Perspektivisch ist es vorstellbar – und im Sinne umfassender Teilhabemöglichkeiten absolut wünschenswert – dass LLMs Leichte Sprache qualitativ besser umsetzen. Hierfür sind vor allem qualitativ hochwertige Trainingsdaten und eine dauerhafte Rückkopplung der Ergebnisse an Menschen mit Lernbehinderung als Nutzer:innen von großer Bedeutung.

Gerade im Kontext von Barrierefreiheit ist ein verantwortungsvoller Umgang mit KI notwendig. Automatisierung darf nicht zu einem Abbau von Qualität führen. Im Gegenteil: Je stärker KI eingesetzt wird, desto wichtiger werden klare Standards, fachliche Expertise und die konsequente Einbindung der Menschen, für die Leichte Sprache gemacht ist.

Literatur:

• Überwachungsstelle des Bundes für Barrierefreiheit von Informationstechnik, 2025: Fachliche Einordnung von KI-Übersetzungstools für Leichte Sprache https://www.bfit-bund.de/DE/Publikation/Stellungnahme-ki-tools.html (Letzter Zugriff: 30.01.2026)

• Büro für Leichte Sprache Hamburg, 2023: Leicht oder Einfach?
  https://ls.lhhh.de/beispiele-leicht-oder-einfach/ (Letzter Zugriff: 30.01.2026)

• DIN Deutsches Institut für Normung e. V., 2025: DIN SPEC 33429:2025-03. Empfehlungen für Deutsche Leichte Sprache https://www.dinmedia.de/de/technische-regel/din-spec-33429/387728031 (Letzter Zugriff: 30.01.2026)

• Büro für Leichte Sprache Hamburg, 2025: Custom GPTs: Unser Duo zum Leichte Sprache Üben https://ls.lhhh.de/custom-gpts-unser-duo-zum-leichte-sprache-ueben/ (Letzter Zugriff: 30.01.2026)

Susanne Zornow, Head of the Büro für Leichte Sprache Hamburg
Easy-to-Read and Artificial Intelligence
Abstract

This article discusses the use of artificial intelligence in the creation of texts in Easy-to-Read (E2R), based on the practical experience of the social organization Lebenshilfe Hamburg. Drawing on many years of experience and our own AI trials, we highlight the potential and limitations of AI-supported translations. The focus is on quality requirements, the distinction between Plain Language and Easy-to-Read, and the importance of target group knowledge and participation. The article shows that AI can be supportive, but cannot replace Easy-to-Read as a social practice. It advocates for the responsible use of AI, in which Easy-to-Read is understood as a tool for accessibility and is professionally and participatively validated.

Practical Experience from Lebenshilfe Hamburg

Lebenshilfe Hamburg is an association that promotes the interests of people with learning and cognitive disabilities. The aim of its work is to support people so that they can live well, act as independently as possible, and make their own decisions. A key area of activity is the removal of barriers—especially communication and information barriers.

At Lebenshilfe Hamburg, accessibility is not an abstract concept, but is reflected in a variety of concrete projects. These include services for digital participation and the preparation of information in an understandable form, such as the Büro für Leichte Sprache Hamburg (Office for Easy-to-Read German), the project #LeichtOnline (focusing on guidelines for digital accessibility), and the Glücklich-App (an application using Easy-to-Read). What all projects have in common is the aim of preparing information in such a way that people with learning disabilities can use it as independently as possible.

Easy-to-Read plays a central role in this work. Today, it is recognized as an instrument of accessibility and, after many years of political and professional efforts, has been officially recognized as an assistive measure. For people with learning and cognitive disabilities, Easy-to-Read language not only improves comprehensibility, but also provides concrete access to a more independent everyday life: being able to read a letter from public authorities, understanding information about health or work, or using digital services independently. Easy-to-Read is thus closely linked to issues of self-determination and social participation.

With the advent of powerful AI systems, especially large language models (LLMs), the question of what role these technologies can play in generating Easy-to-Read texts is becoming increasingly important. This article approaches this question from the perspective of Lebenshilfe Hamburg. It is based on ten years of practical work at the Büro für Leichte Sprache Hamburg and is intended as an experience-based assessment.

Ten Years of Büro für Leichte Sprache: Experience, Quality, and Participation

Lebenshilfe Hamburg founded its own Büro für Leichte Sprache in 2015. The organization now has around ten years of experience in creating and reviewing texts in Easy-to-Read. This work involves much more than simply translating texts. It includes close cooperation with reviewers with learning disabilities, the development of quality criteria, the creation of internal guidelines, and collaboration on overarching standards, including within the framework of DIN SPEC 33429:2025-03 – Empfehlungen für Deutsche Leichte Sprache (Guidance for German Easy-to-Read).

Over the past ten years, the field of German Easy-to-Read has developed significantly. The demand for texts in German Easy-to-Read has risen steadily. This development is largely the result of the persistent work of self-advocacy organizations such as Mensch zuerst – Netzwerk People First Deutschland e.V., Netzwerk Leichte Sprache e.V., Deutsche Gesellschaft für Leichte Sprache e.G., Lebenshilfe and many other organizations who have promoted accessibility politically and furthered its professional development.

At the same time, Easy-to-Read has reached significantly more areas of society than it had ten years ago. It is in demand in public administration, healthcare, digital communication, and increasingly in the commercial sector. This means that not only is demand growing, but so is the pressure to provide Easy-to-Read more quickly and on a larger scale.

High Demand for Translation: Easy-to-Read Between Assistive Measure and Mass Product

With the legal establishment of Easy-to-Read—for example, in the Behindertengleichstellungsgesetz – BGG (German Act on Equal Opportunities for Persons with Disabilities) and the Barrierefreie-Informationstechnik-Verordnung – BITV 2.0 (Accessible Information Technology Ordinance)—public authorities are obliged to provide Easy-to-Read in certain contexts. In practice, this has led to a significant increase in translation demand.

This demand can hardly be met through traditional manual translation processes alone. High-quality translations into Easy-to-Read require time, expertise, and the involvement of the target group in the form of reviewers with learning disabilities. This level of quality is costly and cannot simply be scaled up indefinitely.

Against this backdrop, AI-supported translation systems appear to offer an obvious solution. LLMs promise to process large amounts of text quickly and cost-effectively. In recent years, numerous AI products have entered the market offering (partially) automated translations into Easy-to-Read and Plain Language.

For Lebenshilfe Hamburg, this raises a fundamental question: What role should Easy-to-Read play in this context? From the organization’s perspective, Easy-to-Read is not a profit-oriented product, but a tool. People with learning disabilities must be able to rely on these texts. Incorrect or misleading information can lead to uncertainty, poor decisions, or exclusion.

That is why the quality of Easy-to-Read has always been central to Lebenshilfe Hamburg—both in manual translation and in the context of AI. Although significant potential is seen in AI-supported translation, no commercial product has yet been able to reliably ensure the required level of quality.

Easy-to-Read and Plain Language: A Necessary Distinction

A key issue in the debate surrounding AI translation is the distinction between Plain Language and Easy-to-Read. Both concepts increase the comprehensibility of information, but they differ in terms of their target groups and linguistic characteristics (cf. „Leicht oder Einfach?”). AI models are already showing good results in the creation of Plain Language. This form of linguistic simplification increases the general accessibility of information and is helpful for many people.

However, Easy-to-Read goes significantly further. It is specifically aimed at people with cognitive disabilities and follows stricter rules regarding sentence structure, word choice, structure, and design. The goal is not only linguistic simplification but also accessibility in terms of content.

This difference is also legally relevant. While the BGG and BITV 2.0 explicitly provide for Easy-to-Read, the Barrierefreiheitsstärkungsgesetz – BFSG (Accessibility Improvement Act) focuses on understandable language, which is generally interpreted as Plain Language. In practice, however, these differences are often not sufficiently taken into account—especially in the development and marketing of AI tools.

In-House AI Testing: Custom GPTs as a Space for Practice and Learning

In order to gain a thorough understanding of the possibilities and limitations of AI, Lebenshilfe Hamburg has developed two of its own custom GPTs for Easy-to-Read. The aim was not to create a market-ready product, but to provide low-threshold access to AI technology. One model is used to create draft translations, while another is used to review and reflect on texts. The custom GPTs are deliberately not intended as a substitute for professional translations or training. Rather, they serve as learning and testing spaces in which it is possible to examine how LLMs deal with the rules of Easy-to-Read, what errors occur, and what skills are necessary to use AI effectively (cf. „Custom GPTs: Unser Duo zum Leichte Sprache Üben“).

Experience clearly shows that without a sound knowledge of Easy-to-Read, AI tools cannot be used effectively or assessed in terms of quality. Only those who are familiar with the rules, the target audience, and typical comprehension barriers can evaluate results and make targeted adjustments.

LLM vs. Humans: “What Is a Credit Card?”

A concrete example from working with custom GPTs illustrates the differences between AI and human translation particularly clearly. When asked „What is a credit card?“, an LLM generated a text that at first glance appears very successful: short sentences, simple words, clear structure:

Eine Kredit-Karte ist aus Plastik.
Man kann damit bezahlen.

Die Karte gehört zu einer Bank.
Man kann mit der Karte Geld ausleihen.

Die Bank zahlt zuerst das Geld.
Man muss der Bank das Geld später zurückzahlen.

Mit einer Kredit-Karte kann man online

oder im Geschäft bezahlen.
Man kann auch Geld am Automaten holen.

The text describes that you can pay with a credit card, that it belongs to a bank, that money is borrowed and repaid later, and that you can pay both in stores and online. Formally, this text meets many linguistic criteria associated with Easy-to-Read. However, a closer reading reveals a central problem: several abstract payment processes are described in quick succession. Terms such as “borrow,” “repay,” or “withdraw money” assume that readers already understand these processes or at least can classify them.

In practice, however, it is apparent that payment processes are difficult for many people with learning disabilities to grasp—especially when money does not immediately change hands or is settled at a later date. A human translation responds to this challenge differently:

Eine Kredit-Karte ist eine Karte von der Bank.

Sie sieht aus wie eine Konto-Karte.

Man kann mit der Kredit-Karte auch die gleichen Dinge tun:

Geld am Automaten holen

im Laden bezahlen

Aber die Kredit-Karte kann noch mehr:

Mit einer Kredit-Karte kann man online bezahlen.

Zum Beispiel in einer App oder in einem Online-Shop.

Die Kredit-Karte bezahlt das Geld sofort.

Danach holt sie sich das Geld
von Ihrem Bank-Konto zurück.

From many years of working with reviewers, we know that credit cards and debit cards are often confused. A human translation takes this knowledge into account. It begins with a classification (“a card issued by a bank”), establishes a connection to the more familiar debit card, and then explains step by step what the difference is. The order of the information does not follow logical completeness but rather a didactic logic: What supports understanding?

This real-world orientation, knowledge of typical misunderstandings, and conscious structuring of information are central components of Easy-to-Read. At present, these aspects cannot be reliably automated.

Summary: AI Has a Future, but Quality Must Come First

The experiences of Lebenshilfe Hamburg paint a nuanced picture. At this point in time, AI can deliver drafts, support linguistic simplification, and accelerate work processes. However, it cannot replace target group knowledge, make real-world decisions, or assess whether a text is actually accessible. The Überwachungsstelle des Bundes für Barrierefreiheit von Informationstechnik – BFIT-Bund (Federal Monitoring Body for Accessibility of Information Technology) comes to a similar conclusion in its classification of AI translation tools for Easy-to-Read (cf. „Fachliche Einordnung von KI-Übersetzungstools für Leichte Sprache”), which Lebenshilfe Hamburg helped to compile.

Particularly critical is the false sense of security that formally correct-looking AI texts can generate: at first glance, they look like Easy-to-Read but often do not meet the actual comprehensibility and participation requirements of the target group.

Easy-to-Read is not just a linguistic technique but also a social practice. It arises from the interaction of expertise, experience, target group participation, and quality assurance. Artificial intelligence can be an important part of this process, but it cannot completely replace it at present.

In the future, it is conceivable—and highly desirable in terms of comprehensive participation—that LLMs will generate Easy-to-Read more effectively. To achieve this, high-quality training data and ongoing feedback from people with learning disabilities as users are of great importance.

Responsible use of AI is particularly important in the context of accessibility. Automation must not lead to a decline in quality. On the contrary, the more AI is used, the more important it becomes to have clear standards, technical expertise, and the consistent involvement of the people for whom Easy-to-Read is intended.

References

• Überwachungsstelle des Bundes für Barrierefreiheit von Informationstechnik, 2025: Fachliche Einordnung von KI-Übersetzungstools für Leichte Sprache https://www.bfit-bund.de/DE/Publikation/Stellungnahme-ki-tools.html (Accessed 30 January 2026)
• Büro für Leichte Sprache Hamburg, 2023: Leicht oder Einfach?
  https://ls.lhhh.de/beispiele-leicht-oder-einfach/ (Accessed 30 January 2026)
• DIN Deutsches Institut für Normung e. V., 2025: DIN SPEC 33429:2025-03. Empfehlungen für Deutsche Leichte Sprache https://www.dinmedia.de/de/technische-regel/din-spec-33429/387728031 (Accessed 30 January 2026)
• Büro für Leichte Sprache Hamburg, 2025: Custom GPTs: Unser Duo zum Leichte Sprache Üben https://ls.lhhh.de/custom-gpts-unser-duo-zum-leichte-sprache-ueben/ (Accessed 30 January 2026)