Egal ob Dialekt, komplizierte Fachbegriffe oder schlechte Aufnahmen, wer sich Vorlesungen als Video anschaut, wünscht sich oft genaue Untertitel. Gesetzlich sind diese für Hochschulen seit Jahren vorgeschrieben, doch in der Praxis scheitert es immer an Aufwand und Technik. Ein neues, an der Technischen Hochschule Deggendorf (THD) entwickeltes System löst dieses Problem überraschend einfach: TACT liest im Video von den Folien ab, schult damit eine sprachgewandte KI, schlägt selbst die Systeme großer IT-Konzerne und kommt dabei mit minimaler Rechenleistung aus.

„Seit die EU-Richtlinie zur Barrierefreiheit Untertitel für Lehrvideos an öffentlichen Einrichtungen zwingend vorschreibt, steht die Lehre unter Zugzwang“, erklärt Andreas Lindner, Laboringenieur im Bereich »Innovative Lehre« an der THD. Das solle nicht nur Gehörlosen oder Schwerhörigen helfen, sondern allen, die Deutsch als Zweitsprache nutzen, komplexe Fachbegriffe noch einmal nachlesen möchten oder nach bestimmten Themen in der Vorlesung suchen wollen.

Bisher standen Hochschulen jedoch vor einem Dilemma: „Das manuelle Abtippen von Vorlesungen ist einfach unbezahlbar. Und wer auf herkömmliche Standard-Programme setzt, erlebt schnell eine Enttäuschung“, sagt Lindner. Denn diese würden zu viele Ressourcen verschlingen und trotzdem an lokalen Dialekten oder komplexen Fachbegriffen scheitern.

TACT: Automatisches Briefing für die Spracherkennung und KI-Lektor

Der Deggendorfer Laboringenieur mit großer Leidenschaft für Barrierefreiheit berichtet, dass genau hier das an der THD entwickelte System ins Spiel komme. „Anstatt wie herkömmliche Spracherkennungen einfach auf gut Glück zu raten, was gerade gesagt wurde, nutzt TACT ein zweistufiges Prinzip.“ Im ersten Schritt sammle das System automatisch alle verfügbaren Informationen zum Video. Es lese mittels Bilderkennung direkt von den eingeblendeten Vorlesungsfolien ab und nutze Daten aus der Videobeschreibung. „Sämtliche Fachbegriffe und Kontext-Informationen werden zu einem intelligenten Briefing für die Spracherkennung zusammengestellt“, so Lindner. Im zweiten Schritt komme dann ein lokal betriebener KI-Lektor zum Einsatz. „Ein nachgeschaltetes Sprachmodell erhält das Briefing als Vorwissen. Wie ein aufmerksamer Lektor hört es beim gesprochenen Vortrag mit, egal ob Hochdeutsch, Niederbayerisch oder andere Dialekte, und gleicht das Gesprochene mit den gesammelten Inhalten ab, bügelt Hörfehler aus und liefert zusätzlich eine saubere Übersetzung.“

TACT zeigt, wie Effizienz gelingt

Das Clevere an dem THD-System sei nicht nur seine Genauigkeit, sondern wie effizient es arbeite. Normalerweise benötigten moderne KI-Programme teure, stromintensive Spezial-Server und Rechenzentren, deren Nutzung tausende Euro koste. TACT hingegen laufe auf einem ganz gewöhnlichen, minimalen Standard-Server mit nur zwei Prozessorkernen und vier Gigabyte Arbeitsspeicher – also mit weniger Rechenleistung als jeder normale Arbeitslaptop. „Trotz dieser minimalen Hardware liefert das System hochpräzise Ergebnisse, da es selbst schlanke Sprachmodelle durch das gezielte Briefing auf das Niveau von Hochleistungs-KIs hebt. Fachbegriffe aus akademischen Domänen werden auf diese Weise zuverlässig erkannt, während das Video nahezu in Echtzeit (Faktor 1 zu 1,13) verarbeitet wird“, verdeutlicht Lindner.

Was bedeutet das für die THD?

„Für uns“, so der Laboringenieur, „ist dieser Ansatz ein entscheidender Fortschritt in gleich mehreren Bereichen: Vorlesungsaufzeichnungen können jetzt flächendeckend und ohne zusätzlichen Aufwand für Dozierende mit verlässlichen Untertiteln versehen werden, was eine echte Barrierefreiheit im Studienalltag schafft. Gleichzeitig bleibt der Datenschutz zu 100 Prozent gewahrt, da sämtliche Daten auf den eigenen Servern der Hochschule verarbeitet werden, und keine Informationen an externe Firmen oder ins Ausland abfließen.“ Dass dieser Weg zukunftsweisend sei, unterstreiche auch die wissenschaftliche Resonanz: Die Arbeit sei erst kürzlich durch das Institute of Electrical and Electronics Engineers veröffentlicht worden, den weltweit größten technischen Berufsverband für Ingenieure und Wissenschaftler in Bereichen wie Elektrotechnik, Elektronik und Informatik.