Diese Arbeit stellt aktuell verfügbare Prüf-Tools auf Erfolgskriterium 1.3.5 der Web Content Accessibility Guidelines 2.1 (WCAG) zusammen und vergleicht diese miteinander. Der Vergleich zeigt, dass die derzeitigen Test-Anwendungen nicht ausreichend in ihrem Vorgehen und ihrer Funktionalität sind. Die Prüferinnen und Prüfer müssen dabei immer selbst beurteilen, ob der autocomplete-Attributs-Wert korrekt und erforderlich ist. Das im Zuge dieser Arbeit programmierte Autocomplete-Check-Plugin ist den aktuellen Prüf-Tools vor allem durch das Alleinstellungsmerkmal der heuristisch getroffenen autocomplete-Vorschläge überlegen und unterstützt und komplementiert den Prüfvorgang somit bestens. Die wichtigsten Komponenten des Plugins werden vorgestellt und deren Implementierung erläutert. Außerdem werden die methodischen Vorgehensweisen, die in dieser Arbeit angewendet wurden, behandelt. Die Validierung des Plugins wurde anhand vorher unbekannter Test-Webseiten durchgeführt, sie bescheinigt dem Autocomplete-Check-Plugin eine hohe Genauigkeit bei der Vorhersage von autocomplete-Werten, damit ist es hervorragend geeignet, Webseiten auf das Erfolgskriterium 1.3.5 zu untersuchen. Das Plugin wird unter der MIT-Lizenz auf Github veröffentlicht.

Behördengänge sind in Deutschland fester Bestandteil des Alltags, wobei Verwaltungs-prozesse oft durch das Ausfüllen umfangreicher Formulare geregelt werden. Fehler in diesen Formularen führen nicht nur zu Verzögerungen für die Antragsteller, sondern auch zu einem erhöhten Aufwand für die zuständigen Behörden. Ein fehlerfreies Ausfüllen kann daher die Bearbeitungszeit verkürzen. Vor diesem Hintergrund untersuchen wir in dieser Arbeit, inwiefern eine KI-unterstützte Beratung Antragsteller beim korrekten Aus-füllen von Formularen unterstützen kann. Zur Beantwortung dieser Forschungsfrage wurde eine kombinierte empirische und analytische Benutzerstudie durchgeführt. Die Teilnehmer mussten zwei unterschiedliche Formulare ausfüllen, wobei sie jeweils eine von zwei Hilfestellungen nutzten: entweder ein Custom-GPT von OpenAI mit umfassen-dem bereitgestelltem Wissen zu den Formularen oder die klassischen Merkblätter und Hinweise, die normalerweise von den Behörden bereitgestellt werden. Während der Stu-die wurden sowohl quantitative als auch qualitative Daten erhoben, um ein umfassendes Bild der Nutzererfahrung zu gewinnen. Der Schwerpunkt der Analyse lag dabei auf zwei zentralen Aspekten: der Fehlerrate in den ausgefüllten Formularen sowie der Zufrieden-heit der Teilnehmenden mit der jeweiligen Hilfestellung. Die Ergebnisse der Studie zeigen, dass die KI-unterstützte Beratung einen positiven Ein-fluss auf die Fehlerreduktion hatte: Teilnehmende, die mit der KI arbeiteten, füllten die Formulare mit signifikant weniger Fehlern aus als diejenigen, die sich nur auf die her-kömmlichen Merkblätter stützten. Darüber hinaus bewerteten die Teilnehmer die Nut-zung der KI-basierten Hilfestellung deutlich positiver als die Merkblätter und Hinweise, was auf eine gesteigerte Nutzerzufriedenheit hindeutet. Während der Studie kam es in einigen Fällen dazu, dass die KI falsche Antworten lieferte. Außerdem haben die meisten Probanden von Problemen mit der Behördensprache und Orientierung innerhalb der For-mulare berichtet, die auch nicht mithilfe der KI beseitigt werden konnten. Unser Ergebnis zeigt, dass der Einsatz von KI-unterstützte Beratung ein vielversprechen-der Ansatz sein könnte, um Verwaltungsprozesse effizienter zu gestalten und Antragstel-ler gezielter zu unterstützen.