Veränderung der Handlungspraktiken durch KI für Wissensarbeit und Forschung – Standortbestimmung und Ausblick

Die Gier von Big Tech nach Energie, Wasser, Land, Rohstoffen, Arbeitskraft, Daten und weiteren essentiellen Ressourcen, um kommerzielle Dienste auf der Basis generativer Künstlicher Intelligenz (genKI) zu entwickeln und zu betreiben, steigt weiterhin ungebremst. Diese Art der aggressiven profitorientierten Expansion ohne Rücksicht auf Verluste wird teilweise als unumgängliche, alternativlose Notwendigkeit (oft in Verbindung mit Euphemismen wie „disruptive Innovation“ oder „Technologieoffenheit“) dargestellt und teilweise verschleiert durch Taktiken wie „Greenwashing“ oder das demonstrative Ziehen ethischer roter Linien, die dann bei Bedarf bedenkenlos zurückgenommen und überschritten werden. Der anhaltende, kommerziell getriebene Hype und geschicktes Marketing rund um die neueste Generation von Methoden aus der Künstlichen Intelligenz erzeugt vor allem eines: den Druck, in Bezug auf Technologieeinsatz und Kenntnisstand nicht abgehängt zu werden. Während der Fuhrpark an proprietären genKI-gestützten Diensten rasant wächst, fehlt allerdings häufig weiterhin ein Bewusstsein dafür, welche immensen Ressourcen für Training und Betrieb aufgewendet werden müssen und auch, welcher Praktiken sich die großen Anbieter zu deren Bereitstellung bedienen. Dieser Vortrag sammelt zunächst eine breite Palette von Aspekten, inwiefern die aktuelle Generation von KI-Methoden und insbesondere deren kommerzielle Verwertung ihren Fußabdruck auf Umwelt und Gesellschaft hinterlässt. Anschließend beleuchten wir ein paar Herangehensweisen für Individuen und für Institutionen, wie dieser Fußabdruck bei der Suche nach Methoden zur Automatisierung unserer täglichen Workflows und Aktivitäten verkleinert bzw. im Einklang mit den Grundwerten des Bibliothekswesens ein unverhältnismäßiges Anwachsen verhindert werden kann.

Abstract folgt.

Abstract folgt.

Abstract folgt.

Abstract folgt.

Der Einsatz generativer KI verändert die Wissensarbeit grundlegend. Während KI-Assistenz- und Agentensysteme zunehmend operative Aufgaben übernehmen, verschiebt sich die Rolle von Informationsfachleuten von der ausführenden zur kuratierenden Tätigkeit. Der Beitrag systematisiert diese Entwicklung anhand der eigenen Arbeitspraxis als Daten- und Informationsspezialist im öffentlich-rechtlichen Rundfunk. So optimistisch der Blick auf die Produktivitätsgewinne ausfällt, so kritisch bleibt die Frage nach Ethik, Qualität und Glaubwürdigkeit in der professionellen Wissensarbeit..

Abstract folgt.

In Freizeit, Beruf und Wissenschaft können wir alle derzeit in einem großen Realexperiment ohne methodische Begleitung wahrnehmen, dass generative KI unseren Umgang mit Information verändert. Anhand von Ergebnissen eines systematischen Literaturberichts werden in dem Vortrag folgende Fragen beleuchtet: Wie spiegelt sich dies in der aktuellen Forschung? Zu welchen Fragestellungen wird geforscht? Welche gesellschaftlichen Bereiche und welche Zielgruppen stehen im Fokus? Angereichert durch Erkenntnisse aus mehreren Workshops der Fachgruppe Informationskompetenz der KIBA wird diskutiert, wie die aktuellen Entwicklungen das informationspraktische Arbeitsfeld der Vermittlung von Informationskompetenz beeinflusst.

ChatGPT, Claude und andere KI–Tools können prinzipiell zum Erstellen von Registern eingesetzt werden. Eigene Tests und Tests der American Societey of Indexing zeigen allerdings, dass die Ergebnisse nur bedingt brauchbar sind. Der Zeitaufwand zum Generieren von Indexen per KI ist relativ gering, dafür muss viel Zeit in die Bearbeitung gesteckt werden, wenn die Qualität ein Niveau erreichen soll, das dem von manuell erzeugten Indexen vergleichbar ist. Eine Gefahr bei KI-generierten Indexen: Sie wirken auf Indexing-Laien bereits unbearbeitet so, als ob sie dem Leser des Dokuments beim Finden gut unterstützen. Nur Indexing-Experten erkennen sofort, dass etwas nicht stimmt. KI-generierte Indexe sollten immer durch einen Vergleich mit dem Inhalt eines Dokuments geprüft und nachbearbeitet werden. Hilfreich bei der Beurteilung eines KI-generierten Indexes kann die Orientierung an einer Liste von Merkmalen sein, die einen guten Index auszeichnen.
Im Vortrag wird anhand von Beispielen illustriert, welche Schwächen KI-generierte Indexe haben, und es wird die Frage diskutiert, ob KI-Tools in absehbarer Zeit in der Lage sein werden, die Registererstellung durch Menschen zu ersetzen.

Abstract folgt.

Die digitale Transformation gewinnt weiter an Dynamik. Methoden der Künstlichen Intelligenz wirken dabei als starker Beschleuniger. Der Vortrag zeigt anhand der digitalen Repräsentationen unseres kulturellen Erbes die Chancen und Risiken dieser Entwicklung: (semi-)automatische Erschließung und neuartige Recherchemöglichkeiten stehen möglichem Kontrollverlust und Halluzinationen gegenüber. Wie verändern sich im Zeitalter der KI die Prozesse der Informationsgenerierung und -rezeption? Wie können wir Faktentreue, digitale Souveränität und Innovationsfähigkeit unter einen Hut bringen?

Abstract folgt.

Auf vielen Tagungen sieht man dasselbe Muster: eindrucksvolle KI-Anwendungen werden präsentiert, doch beim Blick auf den Tagesbetrieb ist das Projekt oft beendet, hängt an einer einzelnen Person oder existiert weiter als Prototyp ohne klaren Übergang in den Routinebetrieb. Aus über 20 Implementierungen – KI-gestützte Metadatenextraktion sowie visuelle und audiovisuelle Suche – destilliert dieser Impuls drei Bedingungen, die diesen Übergang gelingen oder scheitern lassen. Mit konkreten Beispielen, ehrlichen Misserfolgen und einer kompakten Checkliste.

Abstract folgt.

Abstract folgt.

Heutige Große Sprachmodelle (LLMs) sind bemerkenswert gut darin geworden, Informationen in auch größeren Dokumenten zu finden, miteinander in Beziehung zu setzen und darauf aufbauende Schritte vorzuschlagen oder vorzunehmen. Dies macht sie zu einem mächtigen Werkzeug beim Umgang mit komplexen Formularen und den dahinterstehenden Regeln – ob Anträge auf Forschungsförderung, Bafög oder Steuerfragen. Der Vortrag beschreibt den Einsatz verfügbarer Modelle sowie weiterer Komponenten wie Browser-Erweiterungen, Benutzerführung und Dokumentenverarbeitung, um den Umgang mit komplexen bürokratischen Prozessen handhabbarer zu machen.

Abstract folgt.