Fair und zugänglich für wen?

Ein KI-Werkzeug kann technisch für alle freigeschaltet sein und trotzdem nicht allen Menschen dieselbe reale Möglichkeit geben, es zu nutzen. Wer eine Beschaffung nur nach Funktionsliste, Demo und Durchschnittswert beurteilt, sieht möglicherweise weder die Barriere am Anfang eines Arbeitswegs noch die zusätzliche Arbeit, die am Ende bei Lernenden oder Beschäftigten landet. Die Frage „Ist dieses Produkt barrierefrei?“ ist deshalb zu grob. Entscheidend ist: Für welche Aufgabe, unter welchen Bedingungen, mit welchen Kommunikationswegen und mit welcher Möglichkeit zum Widerspruch funktioniert es?

Dieser Artikel entwickelt einen konkreten Prüfweg für ein kleines Weiterbildungsunternehmen, das ein KI-gestütztes Lernportal erwägt. Er verbindet eine philosophische Frage nach tatsächlicher Freiheit und institutioneller Macht mit Forschung zu Sprache und Behinderung, den eigenen Modellen F v5 und K sowie einem beschaffungsnahen Testplan. Das Fallbeispiel ist vollständig konstruiert und bildet keine reale Person, Organisation oder Begebenheit ab.

1. Der Kauf legt mit fest, wer sich anpassen muss

Die meisten Entscheidungen über Zugänglichkeit fallen, bevor ein System im Alltag ankommt. Eine Leistungsbeschreibung benennt, welche Aufgaben als wichtig gelten. Eine Demo lenkt die Aufmerksamkeit auf bestimmte Nutzungsweisen. Ein Vertrag legt fest, welche Unterstützung, Korrektur und Reaktionszeit der Anbieter schuldet. Wird erst nach dem Kauf gefragt, ob ein Produkt für eine bestimmte Gruppe funktioniert, sind grundlegende Änderungen oft teurer oder organisatorisch schwerer.

Das macht Beschaffung zu einer ethischen Praxis. Sie verteilt nicht nur Geld, sondern auch Zeit, Risiko, Handlungsfreiheit und Korrekturarbeit. Wenn eine automatische Zusammenfassung zwar schnell erscheint, aber von Kursleitenden regelmäßig in eine screenreader-freundliche Struktur umgebaut werden muss, ist ein Teil der Arbeit nicht verschwunden. Er wurde verlagert. Wenn ein Chatbot nur eine Eingabeweise zulässt, ist „freiwillige Nutzung“ möglicherweise eine formale Wahl, während die praktische Alternative fehlt. Wenn nur die durchschnittliche Bearbeitungszeit gemessen wird, bleibt unsichtbar, wer zusätzliche Umwege nimmt oder ganz aussteigt.

Eine kleine Organisation muss nicht jedes mögliche Produktproblem im Voraus lösen. Sie muss aber den geplanten Einsatz so genau beschreiben, dass relevante Risiken prüfbar werden. Dazu gehört auch, die Nicht-KI-Option ernst zu nehmen. Eine gut strukturierte statische Kursseite, ein bearbeitbares Dokument oder eine menschliche Ansprechperson kann für einen Zweck geeigneter sein als ein dialogisches Modell. „Wir nutzen KI“ ist kein eigenständiges Qualitätsziel.

2. Gleiche Funktion bedeutet nicht gleiche Möglichkeit

Eine nützliche philosophische Unterscheidung beginnt bei der Frage, worauf Gleichheit bezogen wird. Amartya Sen fragt, ob Gerechtigkeit gleiche Ressourcen, gleiches Wohlergehen oder reale Fähigkeiten und Handlungsmöglichkeiten in den Mittelpunkt stellen soll [4]. Für eine Produktprüfung bedeutet das: Es reicht nicht, dass dieselbe Schaltfläche allen angezeigt wird. Man muss prüfen, ob Menschen damit eine für sie relevante Aufgabe tatsächlich ausführen, verstehen, kontrollieren und bei Bedarf abbrechen können.

Iris Marion Young erweitert die Frage über die Verteilung von Gütern hinaus. Ihre politische Theorie lenkt den Blick auf Machtverhältnisse, institutionelle Regeln, kulturelle Maßstäbe und die Beteiligung von Gruppen an Entscheidungen [5]. Auf KI-Beschaffung übertragen heißt das: Nicht nur fragen, wer ein Ergebnis erhält, sondern auch, wer die Testkriterien definiert, wessen Sprache als „normal“ gilt und wer die Kosten eines Fehlers trägt. Diese philosophischen Texte sind keine KI-Fairness-Metriken. Sie helfen, die Prüfungsfrage umfassender zu stellen.

Die UN-Behindertenrechtskonvention beschreibt Behinderung in ihrer Präambel im Zusammenhang mit der Wechselwirkung zwischen Beeinträchtigungen und Barrieren in der Umwelt. Sie behandelt Zugänglichkeit, Kommunikation, Universal Design und Beteiligung als zusammenhängende normative Themen [1]. Für einen KMU-Einkauf ist die Konvention keine technische Produktspezifikation und auch keine fertige Rechtsbeurteilung. Sie bietet aber eine klare ethische Korrektur: Eine Schwierigkeit sollte nicht vorschnell als Eigenschaft einer Person verbucht werden, wenn der Ablauf, die Darstellung, die Sprache oder die Organisationsregel selbst verändert werden kann.

Universal Design soll Produkte und Umgebungen möglichst breit nutzbar machen. Eine gute Baseline – etwa klare Struktur, verschiedene Eingabewege und verständliche Hinweise – verhindert, dass Zugang erst auf individuelle Nachfrage entsteht. Sie beseitigt jedoch nicht jeden spezifischen Bedarf. Menschen nutzen unterschiedliche Assistenztechnik, Sprachen, Kommunikationsformen und Arbeitsstrategien. Ein universell entworfenes Produkt kann die Zahl vermeidbarer Hürden senken; es macht besondere Anpassungen, Wahlmöglichkeiten und einen menschlichen Ausweg nicht überflüssig.

Daraus ergibt sich ein zweifacher Gerechtigkeitstest:

Verteilung: Wer erhält den Nutzen, wer trägt Fehlerkosten, Wartezeiten, Korrekturen oder Datenrisiken? Welche Gruppen können den Prozess leichter abbrechen oder umgehen?

Verfahren und Anerkennung: Wer bestimmt, was als Erfolg zählt? Können Betroffene die Entscheidung beeinflussen, ihre bevorzugte Ausdrucksweise behalten und eine ungeeignete Funktion ohne Sanktion zurückweisen?

Eine einzige Zahl kann diese Fragen nicht vollständig beantworten. Ein hoher Gesamterfüllungswert kann einen kritischen Zugangsausfall verbergen; ein niedriger Durchschnitt kann umgekehrt konkrete Hilfen verdecken, die bestimmten Menschen tatsächlich nutzen. Messung ist nötig, doch sie braucht eine begründete Auswahl von Aufgaben und darf keine falsche Vollständigkeit vortäuschen.

3. Was Standards prüfen – und was sie offenlassen

Für digitale Inhalte sind die Web Content Accessibility Guidelines (WCAG) 2.2 eine wichtige technische Referenz. Die W3C-Empfehlung beschreibt testbare, technologieunabhängige Erfolgskriterien. W3C weist zugleich darauf hin, dass WCAG nicht alle individuellen Bedürfnisse von Menschen mit Behinderungen abdeckt [2]. Ein Test nach WCAG kann wichtige Fragen zu Wahrnehmbarkeit, Bedienbarkeit, Verständlichkeit und Robustheit strukturieren. Er entscheidet aber nicht, ob die generierten Lernantworten sachlich angemessen sind, ob eine Übersetzung in einem bestimmten Kurskontext Sinn erhält oder ob ein Nutzer sein Anliegen in der gewünschten Ausdrucksform vertreten kann.

Ebenso wenig ist eine Produktdeklaration automatisch ein Nutzungstest. Eine Anbieterangabe kann Ausgangspunkt für Nachfragen sein: Auf welche Version bezieht sie sich? Welche Funktionen und Ansichten wurden geprüft? Mit welchen Assistenztechnologien, Endgeräten, Sprachen und Aufgaben? Welche Probleme bleiben offen? Wurde nur ein automatisierter Scan ausgeführt oder auch manuell mit Tastatur, Screenreader, Untertiteln und Nutzenden getestet? Wenn die Antwort unklar bleibt, ist das ein Beschaffungsbefund – nicht bloß fehlende Dokumentation.

Auch Rechtsnormen müssen eng am konkreten Einsatz gelesen werden. Die Richtlinie (EU) 2019/882, bekannt als European Accessibility Act, gilt seit dem 28. Juni 2025 für die in der Richtlinie genannten Produkt- und Dienstekategorien [3]. Daraus folgt nicht, dass jede interne KI-Anwendung oder jede KMU-Website automatisch in ihren Geltungsbereich fällt. Produktart, angebotene Dienstleistung, Nutzerkreis, Rolle im Vertrieb, nationale Umsetzung und mögliche Ausnahmen können entscheidend sein. Wer eine konkrete Anwendbarkeits- oder Vertragsfrage hat, sollte den Fall mit Produkt, Zweck, Rolle, Rechtsraum und Datum an qualifizierte Fachleute übergeben. Eine Checkliste oder dieser Artikel ersetzt diese Prüfung nicht.

Für kleine Teams ist die Konsequenz praktisch: Anforderungen früh beschreiben, Aussagen des Anbieters auf konkrete Belege zurückführen und die wirkliche Nutzung prüfen. Ein Standard ist ein gemeinsamer Startpunkt für überprüfbare Mindestbedingungen. Er ist weder ein Beweis für faire Ergebnisse noch ein Ersatz für Rückmeldung von Menschen, deren Zugangsweg von der Funktion abhängt.

4. Forschung liefert konkrete Warnsignale, keine Universalurteile

Forschung zu Behinderung und KI macht zwei entgegengesetzte Risiken sichtbar: Systeme können Zugang erleichtern, und dieselben Systeme können Ausdruck, Bewertung oder Kontrolle verzerren. Wer nur eine Seite betrachtet, baut eine schlechte Beschaffungsfrage.

Eine Untersuchung zu automatischer und unterstützter Kommunikation ließ zwölf Personen, die augmentative und alternative Kommunikation (AAC) nutzen, Live-Vorschläge eines Sprachmodells in drei Szenarien erproben: kurze Antworten erweitern, biografische Fragen beantworten und um Unterstützung bitten. Die Teilnehmenden sahen Potenzial, Zeit sowie körperlichen und kognitiven Aufwand zu sparen; zugleich war ihnen wichtig, dass Vorschläge die eigene Ausdrucksweise und Präferenzen wiedergeben [7]. Das ist kein Nachweis, dass heutige Sprachmodelle für AAC generell nützlich oder schädlich sind. Die Stichprobe und die Aufgaben waren begrenzt. Der Befund ist trotzdem ein wichtiges Designsignal: Weniger Eingabe darf nicht automatisch bedeuten, dass das System anstelle einer Person spricht.

Auch Sprache selbst ist keine neutrale Oberfläche. Eine Befragung von 519 behinderten Menschen aus 23 Ländern untersuchte Präferenzen für person-first und identity-first language. In diesem Sample bevorzugten 49 Prozent identity-first language, 33 Prozent person-first language, und 18 Prozent hatten keine Präferenz [8]. Daraus folgt keine universelle Regel für Deutsch, Türkisch oder andere Sprachen; es zeigt vielmehr, warum Anbieter und Organisationen nicht annehmen sollten, eine einzige respektvolle Form passe immer. Wo es möglich und relevant ist, helfen Selbstbezeichnung, Wahlmöglichkeiten und ein klarer Korrekturweg. Bei Übersetzungen muss zudem geprüft werden, ob Bedeutung und Ton erhalten bleiben und ob ein Modell aus einer kurzen Formulierung falsche Schlüsse über Können oder Absicht zieht.

Eine Studie mit vortrainierten Wortvektoren und Transformer-Modellen untersuchte implizite Verzerrungen in Sprache über Menschen mit Behinderungen. Mit einer Perturbationsanalyse fand sie in den untersuchten Modellen signifikante negative Verzerrungen [6]. Das ist ein kontrollierter Befund über bestimmte Modellfamilien und Testverfahren – keine Aussage über jedes aktuelle KI-Produkt und kein Beweis, dass eine konkrete betriebliche Entscheidung diskriminierend ausfällt. Er begründet aber die Frage, ob eine Beschaffung nur oberflächliche Stichwörter testet oder auch die Wirkung von Formulierungen und Kontextwechseln prüft.

In einer partizipativen Studie über Dialogmodelle beschrieben 56 behinderte Teilnehmende in 19 Fokusgruppen verschiedene problematische Darstellungen, die sich nicht auf eine enge Toxizitäts- oder Schimpfwortprüfung reduzieren ließen [9]. Weil dies eine qualitative Studie ist, lassen sich daraus keine Häufigkeiten für die Gesamtbevölkerung ableiten. Sie zeigt, dass Schäden in Deutung, Annahmen und Beziehung liegen können, auch wenn eine Antwort höflich klingt.

Zusammen ergeben diese Quellen keine pauschale Diagnose „KI ist fair“ oder „KI ist ableistisch“. Sie zeigen, welche Prüfpfade in eine Beschaffung gehören: Kann ein Mensch ein Ergebnis kontrollieren? Bleibt seine eigene Stimme erkennbar? Welche Annahmen werden über Fähigkeiten, Hilfe oder Selbständigkeit getroffen? Für welche konkreten Aufgaben kann das System Barrieren reduzieren, und wo schafft es neue?

5. Ein erfundener Fall macht die offene Frage prüfbar

Ein kleines Weiterbildungsunternehmen erwägt den Einkauf eines KI-gestützten Lernportals. Das System soll Kursunterlagen zusammenfassen und Fragen zu den Modulen beantworten. Die Geschäftsleitung erwartet kürzere Vorbereitungszeiten; Lehrkräfte erwarten weniger Routinearbeit. Der Anbieter zeigt eine flüssige Textdemo. Vor dem Kauf gibt es aber noch keine gemeinsam festgelegten Aufgaben, Sprachen, Assistenztechnik oder Erfolgskriterien.

Das Team entscheidet zunächst nicht, ob das Produkt „inklusiv“ ist. Es nimmt vier Lernaufgaben in den Test: eine Zusammenfassung finden, eine Fachfrage stellen, eine Antwort mit der Kursquelle vergleichen und bei Unklarheit eine menschliche Ansprechperson erreichen. Für jede Aufgabe prüft es mehrere mögliche Wege: Tastatur statt Maus, Screenreader statt visueller Orientierung, Untertitel oder schriftliche Alternative zu Audio, klare statt unnötig komplexe Sprache, und – sofern der reale Kurs dies vorsieht – eine getestete Sprachfassung neben der Hauptsprache.

Ein erster interner Durchgang entdeckt, dass das Antwortfeld nur mit der Maus leicht erreichbar ist, die Überschrift in einer generierten Zusammenfassung nicht als Überschrift ausgezeichnet wird und die Verlinkung zur Quelle im Antworttext nicht klar auffindbar ist. Das sind erfundene Prüfbefunde im Fallbeispiel, keine Behauptungen über ein bestimmtes reales Produkt. Das Team ändert nun seine Einkaufsfrage: Es fordert nicht bloß eine „barrierefreie KI“. Es verlangt einen nachprüfbaren Tastatur- und Screenreader-Test für diese konkreten Funktionen, eine zugängliche Ausweichmöglichkeit, die Version der geprüften Software sowie einen Prozess, mit dem gemeldete Probleme vor einer Kaufentscheidung behoben oder als offene Einschränkung dokumentiert werden.

Das Team lädt außerdem Menschen ein, die mit den relevanten Lernaufgaben und Zugangswegen vertraut sind. Die Teilnahme ist freiwillig, zugänglich organisiert und bezahlt. Niemand soll seine Behinderung offenlegen müssen, um eine Barriere zu melden. Niemand steht stellvertretend für eine ganze Gruppe. Für nicht abgedeckte Aufgaben bleibt die Aussage offen; die kleine Runde liefert Lernhinweise, keine Repräsentativitätsbehauptung.

6. Das eigene F v5 macht aus „ist es fair?“ eine bessere Frage

Das Fragenerweiterungsmodell F v5 arbeitet in der festgelegten Reihenfolge A→B→D→C. Im Artikel verändert es die Beschaffungsentscheidung, statt als bloße Stufenliste zu erscheinen.

A – Input, Kontext und Begriffe klären. Die Ausgangsfrage lautet: „Ist dieses KI-Lernportal fair und barrierefrei?“ A prüft, was „fair“ und „barrierefrei“ im konkreten Lernablauf heißen. Welche Kursaufgabe soll das Portal unterstützen? Wo wird es verwendet? Welche Sprachen, Eingabe- und Ausgabewege sind tatsächlich vorgesehen? Wer benötigt eine Alternative, wenn eine Funktion ausfällt? Was erwartet das Team als Nutzen, und welche Annahme steckt bereits im Wort „Automatisierung“?

A markiert außerdem, welche Perspektiven fehlen. Das ist kein Versuch, Menschen nach Identitätsmerkmalen zu sortieren. Es ist die Einsicht, dass Produktteams nicht aus ihrer eigenen Nutzung ableiten können, ob eine Zugangsroute überall funktioniert. Bei Unsicherheit muss das Team Aufgaben und Zugangsbedingungen erheben, nicht ein weiteres Adjektiv in den Anbieterfragebogen schreiben.

B – Mehrere Erklärungen und Optionen offenhalten. Eine gute Zusammenfassung kann Lernmaterial zugänglicher machen. Gleichzeitig kann eine fehlende Struktur die Navigation erschweren. Eine mehrsprachige Antwort kann den Einstieg erleichtern, zugleich aber Fachbegriffe verfälschen. Ein kurzer Prompt kann effizient sein; er darf nicht als Beleg für geringe Kompetenz gelesen werden. Eine Anbietererklärung kann echte Prüfungen zusammenfassen; sie kann ebenso eine Funktion auslassen, die der Kurs braucht. B hält diese Hypothesen nebeneinander, statt die erste passende zu bestätigen.

Für die Beschaffung erzeugt B eine echte Alternative zur Schnellentscheidung: Nicht nur „Produkt kaufen oder verzichten“, sondern zum Beispiel begrenzter Testzugang, andere Konfiguration, eine nicht-KI-Alternative oder Aufschub bis zu einem nachweisbaren Fix. Die Hypothesen sind Prüfaufträge, keine Vermutungen über einzelne Lernende.

D – Feedback, Rückfrage, Fallback und Revision organisieren. D bestimmt, welche Rückmeldungen eingeholt werden, wie sie in Anforderungen zurückfließen und wie fehlende Nutzungserfahrung dokumentiert wird. Das Team bietet leicht erreichbare Wege zur Rückmeldung, ermöglicht Nutzung ohne Preisgabe unnötiger persönlicher Angaben und legt fest, wer ein Problem bearbeitet. Wenn ein Test ergibt, dass die Gestaltung einer Aufgabe den Zugang verhindert, wird die Spezifikation angepasst und erneut geprüft. Wenn die zugängliche Alternative noch nicht bereitsteht, ist die manuelle Kursfassung der Fallback; sie darf nicht als persönliches Versagen der betroffenen Person behandelt werden.

D verlangt auch, Grenzen des Tests stehenzulassen. Wurde nur eine Sprache geprüft? Wurde ein Mobilgerät ausgelassen? Gab es für eine bestimmte Assistenztechnik keinen Test? Diese Lücken werden sichtbar protokolliert. Ein fehlender Befund ist kein Pass.

C – Die geprüfte Endfrage, den Arbeitsauftrag und die Prozessspur festhalten. Nach A, B und D lautet die Beschaffungsfrage im Fall: „Erfüllt Version X des Lernportals unsere vorab festgelegten Kriterien für die vier wichtigsten Kursaufgaben über Tastatur, Screenreader, die jeweils passenden Medienalternativen und die vorgesehenen Sprachvarianten? Welche Probleme, zusätzlichen Arbeitsschritte und offenen Testlücken bleiben, und welche Bedingungen oder Alternativen sind erforderlich, bevor wir kaufen?“

Ein konkreter F-C-Arbeitsauftrag kann so lauten:

Prüfe Version X für die Aufgaben [Aufgaben] unter den vereinbarten Bedingungen [Geräte, Sprachen und Zugangswege] anhand der Kriterien [Kriterien]. Trenne beobachtete Ergebnisse, Anbieterangaben, Deutungen und offene Fragen. Kennzeichne für jeden Weg, was geprüft, nicht geprüft oder noch offen ist, und ordne die Belege mit Datum zu. Erfinde keine Nutzungserfahrung und leite aus kurzer Eingabe, Behinderung oder Assistenztechnik keine Fähigkeit oder Absicht ab. Halte Barrieren, zusätzliche Arbeit, Rückmeldungen und fehlende Perspektiven getrennt fest. Bereite für die anschließende K-Entscheidung die Optionen Kauf unter Bedingungen, begrenzter Pilot, Aufschub oder Nichtkauf mit den jeweils nötigen Nachweisen, einem menschlichen Fallback, Stoppkriterium, zuständiger Rolle und Prüftermin vor; triff die Kaufempfehlung nicht selbst. Behaupte aus diesem Test keine allgemeine Fairness, Barrierefreiheit oder Rechtskonformität.

Die Prozessspur dokumentiert knapp, wie A den Einsatz und die Begriffe eingegrenzt, B konkurrierende Erklärungen und Alternativen offengehalten und D Rückfragen, Beteiligung, Fallback und Revision organisiert hat. Sie trennt Beleg und Interpretation, notiert ungelöste Risiken und erklärt, warum die Endfrage enger oder anders lautet als die Ausgangsfrage. Dazu kommen die verantwortliche Rolle, ein Stoppkriterium und ein Datum für die erneute Prüfung.

F v5 verbindet den Abschluss mit einem knappen GROW-Plan: Goal – eine nachvollziehbare Entscheidungsvorlage für die genannten Aufgaben; Reality – vorhandene Nachweise, aktuelle Barrieren und ungeprüfte Nutzungspfade; Options – Anbieterfix, begrenzter Pilot, anderes Produkt, manuelle Lösung oder Aufschub; Will – wer bis wann welche Prüfung oder Änderung veranlasst und mit welchem Nachweis zurückkommt. Der Plan macht die Endfrage für den anschließenden K-Entscheidungsschritt arbeitsfähig, ohne eine Kaufempfehlung vorwegzunehmen.

Der Gewinn von F liegt nicht darin, dass ein besserer Prompt Wahrheit garantiert. A entfernt Unschärfe, B hält mögliche Erklärungen konkurrierend, D macht Revision und Fallback verpflichtend, C übersetzt das Ergebnis in eine prüfbare Einkaufsfrage. Die Antwort kann weiterhin „noch nicht kaufen“ sein.

7. Das K-Konsultationsmodell bearbeitet den Wertkonflikt

F verbessert die Frage. Das Konsultations- und Governance-Modell K bearbeitet, wie ein Team bei einem Wertkonflikt zu einer verantworteten, überprüfbaren Entscheidung kommt. Sein vierstufiger Grundzyklus lautet Exploration, Reflexion/Analyse, Entscheidung/Empfehlung und Feedback/Evaluierung. Im fiktiven Fall füllen diese Schritte unterschiedliche Rollen aus.

In der Exploration beschreibt das Team die Aufgabe, die Menschen, die Zugangspfade und die Daten. Es notiert, was der Anbieter bereits belegt hat und was nur versprochen wird. Es schaut auch auf die bestehende nicht-KI-Lösung: Wie wird heute eine Frage beantwortet, und welche Hürde verschwindet tatsächlich durch die neue Software?

In Reflexion und Analyse werden Nutzen, Würde, Selbstbestimmung, sprachliche und kognitive Anforderungen, Verteilung der Fehlerkosten und Einflussmöglichkeiten gegeneinander abgewogen. Hier gibt es keine neutrale Ein-Zahl-Lösung. Eine sehr knappe Antwort kann manchen Menschen helfen und anderen Kontext nehmen. Eine automatische Vereinfachung kann eine Barriere senken und zugleich eine fachliche Unterscheidung löschen. Die Leitfrage lautet deshalb nicht, welche Gruppe „gewinnt“, sondern ob das Angebot unterschiedliche Wege respektiert, vermeidbare Barrieren beseitigt und verbleibende Konflikte offenlegt.

Die Entscheidung/Empfehlung benennt Bedingungen statt eines ethischen Siegels: Welche Nachweise müssen vor dem Kauf vorliegen? Welche Aufgaben dürfen im Pilot nicht automatisiert werden? Wer kann den Einsatz stoppen? Welche menschliche Alternative bleibt erreichbar? Ist eine Mindestfunktion nicht erfüllt, wird der Kauf zurückgestellt oder ein anderes Produkt gewählt. Die Empfehlung umfasst Zeit und Budget für zugängliche Beteiligung, denn Beteiligung ohne Ressourcen verlagert die Kosten auf die Beteiligten.