Um uns unserem Ziel zu nähern, stellten wir allem voran eine Recherche zu den Barrierefreiheitsanforderungen, existierenden Tools und Services zur Umsetzung an und führten flankierende Experteninterviews durch. Schnell kristallisierte sich heraus, dass eine Fokussierung auf die Barrierefreiheit von PDF-Dokumenten, unter anderem aufgrund der Verbreitung des Formats, seinem statischen Charakter und dem Mangel an User-freundlichen Tools am Markt, sinnvoll sein könnte.
Während unseres Offsites in Cunit, einer ruhigen Kleinstadt südlich von Barcelona, stand die Entwicklung des MVP im Fokus. Wir priorisierten die Use-Cases zur Verbesserung der Barrierefreiheit von PDF-Dokumenten nach voraussichtlicher Machbarkeit und starteten mit Hilfe von Power Automate, MS SharePoint und Azure Computer Vision mit der automatischen Erstellung von Alternativtexten und der Hinterlegung von Metadaten in den Dokumenteneigenschaften.
Die Grundlogik der Tools war schnell verstanden. Erste Erfolge, wie die automatisierte Prüfung von PDF-Input-Dateien, stellten sich schnell ein. Dann wurde es komplizierter. Auch wenn das Angebot der Low-Code-Plattformen beeindruckend ist, fanden wir keine Operatoren zum Auslesen und Verändern von PDF-Inhalten, ohne die Dokumentenstruktur zu beschädigen. Vermeintliche Kleinigkeiten, wie der Zugriff auf Image-Dateien und das Erkennen dieser als Bilder, war schwieriger als die Integration der eigentlichen Bildanalyse und Interpretation.
Nach vielen Stunden des Experimentierens, Einlesens, Googlens und Durchforstens von Forenbeiträgen haben wir es geschafft, Teilprozessschritte der priorisierten Workflows zu automatisieren. Ein richtiger Durchbruch, in der Form eines verwendbaren MVP zur praktischen Arbeitserleichterung, ist uns schlussendlich nicht gelungen.
