Berthold Meier, h-da, FB Media, Studiengänge Information Science (BA+MA), Studienrichtung Bibliothekswissenschaft / Library Science

 

KI in und mit Bibliotheken - ein erster thematischer Überblick

 

Worum soll es gehen?

Auch in Informationseinrichtungen wie Bibliotheken rückt die KI immer stärker in den Fokus. Das in jeder Hinsicht vielschichtige Thema soll nach einer kurzen Definition von KI anhand von zwei Fragestellungen und ausgewählter Beispiele einführend betrachtet werden ...

Abschließend soll ein kurzes Fazit gezogen, zukünftige Entwicklungen angesprochen und auf den KI-Projektbereich für Masterveranstaltungen hingewiesen werden.

 

 

 

 

 

 

 

A. KI / Definitionsmöglichkeiten

 

B. Bibliotheken als Anwenderinnen von KI ("in" Bibliotheken)

Beispiele für KI-Anwendungen in Bibliotheken

1. KI-Unterstützung für die bibliothekarische Arbeitsorganisation

  • Öffentlichkeitsarbeit / Programmarbeit
    • Text- und Graphik-generierende KI: zur Bearbeitung/Erstellung von Texten und Bildern
      • Beispiele ....
        • Erstellen von Pressemitteilungen
        • Entwickeln von Textvorlagen / Einführungstexte in die Bibliotheksbenutzung
        • Brainstorming zu Projektideen
  • Weitere Bereiche durch die Anwendung von KI-Tools (wie z.B. generative KI-Systeme) können sein ...
    • Bibliotheksführer für die eigene Einrichtung erarbeiten
    • Begleitung von Schreib- und Kreativwerkstätten
    • Erstellen von Medienrezensionen und Medienempfehlungen zu speziellen Themen

 

  • für Bibliotheken besonders interessant könnte hier der Einsatz von Claude sein, eine generative KI, die höchste ethische Standards einhält sowie Datenschutz und wissenschaftliche Stringenz in den Vordergrund stellt.

2. KI-gestützte inhaltliche Erschließung (Schlagwort- bzw. Systematik-Ebene)

Allgemein gibt es bei der sog. automatischen Indexierung zwei Verfahren:

  • maschinelles Lernen / Assoziatives Verfahren: ein Modell wird anhand gekennzeichneter Trainingsdaten erlernt, um auf diese Weise Vorhersagen über unbekannte bzw. zukünftige Daten treffen zu können. Trainiert wird mit Datensätzen, die bereits intellektuell mit Schlagwörtern bzw. Systematikstellen (Notationen) erschlossen sind und vom KI-System als Merkmale erlernt wurden; das erlernte Modell wird anschließend auf neue Publikation mit ihren Merkmalen angewandt.
  • linguistische Verfahren / Text Mining: Abgleich von Termen (Wörter und Wortteile) aus einer digital vorliegenden Publikation mit den Termen eines bereits vorhandenen Schlagwortbestandes (Thesaurus) bzw. den Notationen einer Systematik.

Medienerschließung im aktuellen Bestand der Deutschen Nationalbibliothek (DNB) bzw. Zentralbibliothek für Wirtschaft (ZBW)

  • Automatisches Erschließungssystem: Projekt der Deutschen Nationalbibliothek (DNB) im Rahmen des Netzwerk maschinelle Verfahren in der Erschliessung. Ziel ist es, durch die Anwendung innovativer Methoden der Künstlichen Intelligenz für die Aufbereitung und Analyse von Texten und Metadaten, die Qualität maschineller inhaltlicher Erschließung weiter zu verbessern
    • Texte erschließen mit KI (DNB): "In der Deutschen Nationalbibliothek arbeiten wir verstärkt an Automatisierung und setzen KI für die automatische Erschließung ein. Bei täglich mehr als 6.500 eingehenden digitalen Medienwerken erhalten Nutzer*innen dadurch schnell und effektiv Zugang zu den neuesten Veröffentlichungen. Wie funktioniert das? Die Kolleg*innen unseres Referats Automatische Erschließungsverfahren, Netzpublikationen erklären in dieser Serie den Weg von digitalen Medienwerken mit ihren Metadaten in und durch die DNB bis hin zur Erschließung mit Hilfe von Verfahren der KI."
    • Netzwerk maschinelle Verfahren in der Erschließung (DNB): "Die Deutsche Nationalbibliothek (DNB) nutzt seit mehr als zehn Jahren Technologien des Maschinellen Lernens und Natural Language Processing für die inhaltliche Erschließung von Medienwerken. Erschließung bedeutet in diesem Zusammenhang, den Inhalt der Medienwerke in den bibliografischen Metadaten präzise zusammenzufassen, damit Literaturrecherchen zu guten Ergebnissen führen. Die Grundlage unserer maschinellen Analyseprozesse sind unstrukturierte Texte, beispielsweise die Volltexte oder Inhaltsverzeichnisse gesammelter Publikationen. Soweit vorhanden fließen auch Metadaten in die Analysen mit ein. Für die thematische Einordnung der Medienwerke verwenden wir Sachgruppen und Kurznotationen der Dewey-Dezimalklassifikation (DDC). Die verbale Erschließung führen wir mit dem Vokabular der Gemeinsamen Normdatei (GND) durch. Das heißt: Es entstehen semantische Verknüpfungen der Medienwerke mit den Entitäten dieser Normdatei. Vor diesem Hintergrund arbeiten wir fortlaufend daran, die Analyseprozesse weiterzuentwickeln, zu optimieren oder zu erneuern, um die Qualität der Erschließungsresultate zu verbessern und die Anwendungsbereiche der maschinellen Analysen auszuweiten."

 

Integration von KI-Tools in den eigenen Bibliothekskatalog

  • Beispiel: Katalog der ETH-Bibliothek Zürich: dort auch Weiterleitung und Extraktion der Trefferliste an KI-System openknowledgemaps. (siehe oben)

 

KI-Empfehlungssysteme (Recommender / Chatbots) in Bibliothekskatalogen

  • Katalog der Stadtbibliothek München - Neues KI-Tool gibt Lektüretipps: "Seit Anfang Februar bietet der Online-Katalog der @muenchner_stadtbibliothek das Feature „Ähnliche Medien“. Mit der Funktion erhalten Kundinnen und Kunden bei Eingabe eines Titels bis zu 50 weitere Vorschläge, die thematisch passen und Inspiration für weiteren Lesestoff liefern. Eine KI analysiert dazu den Klappentext und setzt andere Publikationen aus dem Gesamt-Bestand in Bezug. Die Nutzenden bekommen dann Medien angezeigt, die in einem gemeinsamen Kontext mit dem gesuchten Titel stehen. So wird die Suche nach dem nächsten Lieblingsbuch noch einfacher!"
      • Hinweise zur Funktion: "Für die Berechnung der Empfehlungen wird ein Embedding-Modell und eine Open-Source-Vektordatenbank genutzt, die über eine OAI-Schnittstelle mit dem Bibliothekssystem verbunden sind. Die Datenbasis sind frei zugängliche Inhaltstexte aus unserem Online-Katalog. Diese werden in Datenpunkte umgewandelt und in einem Vektorraum angeordnet. Je näher die Medienbeschreibungen in diesem Raum beieinander liegen, desto ähnlicher sind die Inhalte."
  • KI-Empfehlungs-Chatbot (Verbund der Öffentlichen Bibliotheken Berlins) mit Medienempfehlungen: "Der Chatbot weiß nicht auf alles eine Antwort, aber bei vielen Fragen kann er helfen, gerade wenn es um Empfehlungen geht. Das können Medien wie Bücher oder Filme, Gegenstände aus der Bibliothek der Dinge oder z.B. Spiele sein. Auch digitale Medien sind enthalten. Er kann immer dann am besten helfen, wenn Sie einfach auf der Suche nach Empfehlungen sind, wie einem „Roman für den Urlaub, der am Meer spielt“.
    Welche Fragen kann ich dem Chatbot stellen?
    Mögliche Fragen sind zum Beispiel:     Ich suche einen Krimi, der in Berlin in der ersten Hälfte des 20. Jahrhunderts spielt.
    Mir gefiel „Die drei Sonnen“ sehr gut, gibt es etwas Ähnliches?
    Ich möchte gerne Die ZEIT lesen. Wie ist das möglich?    "

 

Erschließung ausgewählter Kulturgüter (kulturelles Erbe) - Datenanalyse digitaler Bestände

  • Altbestandserschließung mit KI-Anwendungen: Ziel des Projekts der Universitätsbibliothek Tübingen ist es, historische Bestände aus der Universitätsbibliothek und dem Universitätsarchiv mithilfe von Volltexten zusätzlich zur digitalen Präsentation für die Nutzer*innen leichter zugänglich zu machen und neue Forschungsfragen sowie die Bearbeitung von großen Textmengen zu ermöglichen
    • Beispiel: handschriftlicher Afrika-Expeditionsbericht von 1910 --> Handschriftliche Reisetagebücher werden mit OCR-Software digitalisiert; ChatGPT optimiert OCR-Digitalisierung, hilft Schlüsselbegriffe zu ermitteln und erstellt Kurzinhaltsangaben

 

Bild- / Foto- / Videoauswertung

  • bavarikon: Internetportal des Freistaats Bayern zur Präsentation digitalisierter Kunst-, Kultur- und Wissensschätzen aus Einrichtungen in Bayern
  • TIB AV Portal: verzeichnet ca. 50.000 "...qualitätsgeprüfte wissenschaftliche Videos. ... darunter Konferenzaufzeichnungen, Lehrvideos, Experimente, Interviews und Animationen. Diese Videos werden langzeitarchiviert, erhalten einen Digital Object Identifier (DOI) und werden mittels automatischer Analyseverfahren wie Shoterkennung, Video-OCR, visueller Konzeptklassifikation und Named-Entity Linking erschlossen. Seit Juli 2023 werden neu hochgeladene Videos mithilfe der von OpenAI als Open-Source bereitgestellten Software Whisper transkribiert und ins Englische übersetzt. Diese Verfahren ermöglichen eine präzise Durchsuchbarkeit der Videoinhalte sowie die gezielte Abrufbarkeit relevanter Abschnitte."

 

Medienerschließung bei der Lektorierung (Öffentliche Bibliotheken)

  • die ekz Reutlingen entwickelt derzeit KI-gestützte Werkzeuge, die Bibliothekarinnen und Bibliothekare bei der Marktsichtung und inhaltlichen Erschließung unterstützen und damit den Erwerbungsprozess beschleunigen.

3. KI-Anwendungen für Bibliotheksdienstleistungen

  • Automatisierung durch den Einsatz von Robotik
    • humanoide Roboter als ergänzende Bibliothekar*innen, z.B. in folgenden Bereichen ...
      • im Auskunftsdienst
        • Stadtbibliothek Ludwigshafen (am Rhein): NAO, ein ca. 60 cm großer Robot kann Fragen beantworten, Mediensuchen durchführen und ist über Schnittstellen u.a. mit dem Bibliothekskatalog sowie ChatGPT verbunden
      • in der Leseförderung
      • bei der Inventur
        • UB Dortmund: Roboter Tory findet in Magazinen verstellte Bücher mittels RFID-Ortung
  • Forschungsunterstützende Dienstleistungen
    • FAN (Fully Algorithmic Librarian): Das Projekt FAN des Kooperativen Bibliotheksverbunds Berlin-Brandenburg (KOBV) untersucht Einsatzszenarien KI-gestützter Methoden für forschungsunterstützende Dienstleistungen – insbesondere zur Publikationsunterstützung – in wissenschaftlichen Bibliotheken Berlins. Zielsetzung ist die Weiterentwicklung und Publikation von Publikationsmetriken auf Graphen und Prüfung der Anwendung dieser Erkenntnisse in Bibliotheken

 


C. Bibliotheken als Ort der Bildung über KI ("mit" Bibliotheken)

Vermittlung von KI-Kompetenzen (KI-Literacy) durch Bibliotheken / Planung von Bildungsangeboten

Beispiele

  • FH Dortmund: KI-Formcheck für studentische Abschlussarbeiten - IPPOLIS Write

 

Wichtige Kompetenzen, die von Bibliotheken zur KI-Literacy vermittelt werden sollten ...

Grundlegendes Verständnis von KI: Bibliotheken können dazu beitragen, ein grundlegendes Verständnis von KI-Konzepten und -Technologien zu vermitteln

  • Kritische Bewertung von KI-Anwendungen: Es ist wichtig, die Möglichkeiten und Grenzen von KI zu verstehen und kritisch zu hinterfragen
    • Möglichkeiten und Grenzen von generativer KI
      • Gefahren der Verzerrung (Bias) u. Halluzinationen
      • Herkunft und Umfang der verwendeten Trainingsdaten
      • Bedeutung der optimalen und kontextspezifischen Promptings
      • Iterationskompetenz als Schlüsselkompetenz mit KI (vgl. Seeliger/Langer/Kasprzik 2025)
        • sorgfältige Kommunikationsprozesse mit der KI: der sich wiederholende Prozess von Eingabe und Ergebnisabgleich, um ein gutes und der Fragestellung angemessenes Endergebnis zu erzielen; falsche oder minderwertige Eingaben führen zu einer fehlerhaften Ergebnisausgabe "garbage in - garbage out"
      • keine konsistente Reproduzierbarkeit der Ergebnisse und Rückmeldungen: selbst mit demselben Prompt variieren die Antworten
      • KI-Generatoren basieren auf Sprach-Modellen und nicht auf Wissens-Modellen
      • KI-Tools nur mit begrenztem Zugriff auf OA-Content; Inhalte aus kostenpflichtigen Datenbanken werden (bisher) nicht erfasst
  • Ethische Aspekte: Bibliotheken müssen dazu beitragen, die ethischen Implikationen von KI zu diskutieren und zu reflektieren
    • der Ressourcenverbrauch beim Einsatz von KI, insbesondere der Abfrage von LLMs ist enorm
    • das Labeling und händische Nacharbeiten von Trainingsdaten durch Menschen aus Schwellen-/Niedriglohnländern ist nicht unproblematisch
      • vgl. hierzu auch ausführlicher bei: Bach 2024
    • Datenschutz und informationelle Selbstbestimmung: Schutz personenbezogener Daten bei KI-Nutzung
  • Praktische Anwendung: Durch Workshops und Kurse können Bibliotheken den Nutzerinnen und Nutzern helfen, KI-Tools praktisch anzuwenden
    • auch hier gilt: man muss lernen, KI zielgerichtet und reflektiert einzusetzen

 

 

 

D. Fazit

Die Einrichtung einer KI-AG auf nationaler Ebene wird empfohlen, um Ressourcen zu bündeln, die strategische Zusammenarbeit zu intensivieren und Erfahrungsaustausch zu ermöglichen."

 

 

E. Wie könnte die Zukunft von KI in Bibliotheken aussehen?

 

 

 

F. Wie kann das Thema in einer Masterveranstaltung projektartig behandelt werden?

Projektbereich zur KI in Bibliotheken

Evaluierung / Begutachtung automatischer Erschließungssysteme in Bibliotheken

 

Überblick und Evaluierung von Chatbots in Bibliotheken

  • Recherche-Chatbots
  • Service-Chatbots

 

Evaluierung / Analyse von KI-Kompetenzmodellen

Forschungsunterstützende Dienstleistungen - Bestandsaufnahme, Klassifikation und erste Bewertung von Angeboten

  • LLM-Modelle zur semantischen Erkundung von Recherche-Begriffen (Recherche-Vorbereitung)
    • vgl. hierzu auch: Eigelsach, J.: Evaluation von offenen Large Language Modellen zum Einsatz in Bibliotheken (PPT)
  • KI-gestützte Rechercheassistenten / Recherche mit KI-Tools
    • insbesondere Recherchequalität: Recall u. Precision
    • wie faktenbasiert und nachvollziehbar sind die gelieferten Ergebnisse?
    • vgl. hierzu auch ausführlich:
      • Lahrsow, M.: KI-Tools für die wissenschaftliche Literaturrecherche - eine Standortbestimmung (PPT)
      • Popall, A./Stawenow, D.: Information Retrieval und KI : Von der Datenbankabfrage über Suchmaschinen zum Einsatz von KI – was heißt das für Bibliotheken im Kontext der klassischen Literaturrecherche? (PPT)
  • KI-Schreib-Tools und gutes wissenschaftliches Prompting
    • Formulieren mit KI
    • Zitieren u. Paraphrasieren mit KI
    • Transkriptionen mit KI

Mögliche Lehrformate für Lehrveranstaltungen

Wichtige Vorüberlegungen

  • Zielgruppenorientierung: die Formate sollten an die Bedürfnisse und Vorkenntnisse der jeweiligen Zielgruppe angepasst sein
  • Interaktivität: aktive Teilnahme ist entscheidend für den Lernerfolg
  • Praxisbezug: Die Inhalte sollten relevant für den Alltag und die berufliche Praxis der Teilnehmer sein
  • Kritische Reflexion: Es ist wichtig, die Chancen und Risiken von KI ausgewogen zu betrachten

Bei der Gestaltung von KI-Literacy-Veranstaltungen in Bibliotheken ist es entscheidend, vielfältige Lehrformate zu nutzen, um unterschiedliche Lerntypen anzusprechen und ein tiefgehendes Verständnis zu fördern. Formate, die sich besonders gut eignen:

  • Workshops und Hands-on-Aktivitäten: praktisches Erleben ist entscheidend, um die Funktionsweise von KI zu verstehen.
    Teilnehmer können selbst mit KI-Tools experimentieren und deren Möglichkeiten und Grenzen erkunden. Dies fördert aktives Lernen und die Entwicklung von kritischen Fähigkeiten.
    • Beispiele:
      Einsatz von Chatbots zur Informationsrecherche
      Bildgenerierung mit KI-Tools
  • Vorträge und Präsentationen / Coffee Lectures: bieten eine strukturierte Einführung in grundlegende KI-Konzepte. Experten können komplexe Themen verständlich aufbereiten. Sie schaffen eine Basis für anschließende Diskussionen und praktische Übungen.
    • Beispiele:
      Einführung in die Geschichte und Entwicklung von KI
      Erklärung von Algorithmen und maschinellem Lernen
      Diskussion ethischer Aspekte von KI
  • Online-Kurse/Webinare und Lernmodule/Tutorials: ermöglichen flexibles Lernen im eigenen Tempo. Sie können eine breite Palette von Themen abdecken. Sie sind ideal für Teilnehmer, die nicht persönlich an Veranstaltungen teilnehmen können.
    • Beispiele:
      Selbstlernkurse zu den Grundlagen der KI
      Online-Tutorials zur Nutzung spezifischer KI-Tools
      Webinare mit Expertenvorträgen und Fragerunden

Durch die Kombination verschiedener Lehrformate können Bibliotheken ein umfassendes und ansprechendes KI-Literacy-Angebot schaffen.

Entwicklung eines Lehrveranstaltungsformates zu einem ausgewählten KI-Literacy-Thema

Die Planung einer erfolgreichen KI-Literacy-Veranstaltung erfordert sorgfältige Überlegungen und eine strukturierte Herangehensweise. Hier sind einige wichtige Schritte, die Sie beachten sollten:

  • Zielgruppenanalyse: Wer ist Ihre Zielgruppe? Definieren Sie klar, wer an der Veranstaltung teilnehmen soll (z. B. Schüler, Studenten, Erwachsene, Senioren)
    • Welche Vorkenntnisse haben die Teilnehmer?
    • Passen Sie die Inhalte und das Niveau der Veranstaltung an das Vorwissen der Zielgruppe an
    • Welche Bedürfnisse und Interessen haben die Teilnehmer?
    • Berücksichtigen Sie die spezifischen Interessen und Bedürfnisse der Zielgruppe, um die Veranstaltung relevant und ansprechend zu gestalten
  • Zielsetzung: Was sollen die Teilnehmer lernen? Definieren Sie klare Lernziele für die Veranstaltung
    • Welche Kompetenzen sollen die Teilnehmer erwerben?
    • Überlegen Sie, welche praktischen Fähigkeiten die Teilnehmer entwickeln sollen
    • Welche Erkenntnisse sollen die Teilnehmer mitnehmen?
    • Formulieren Sie konkrete Ergebnisse, die die Teilnehmer nach der Veranstaltung erzielt haben sollen
  • Inhaltsplanung: Welche Themen sollen behandelt werden? Wählen Sie relevante Themen aus, die den Lernzielen entsprechen
    • Wie sollen die Inhalte vermittelt werden?
    • Entscheiden Sie sich für geeignete Lehrformate (z. B. Vorträge, Workshops, Diskussionen)
    • Welche Materialien werden benötigt? Stellen Sie sicher, dass alle benötigten Materialien (z. B. Präsentationen, Arbeitsblätter, Software) vorhanden sind
  • Veranstaltungsformat und -dauer: Welches Format ist am besten geeignet? Entscheiden Sie sich für ein geeignetes Format (z. B. Workshop, Vortragsreihe, Online-Kurs)
    • Wie lange soll die Veranstaltung dauern?
    • Planen Sie ausreichend Zeit für die Vermittlung der Inhalte und für Fragen und Diskussionen ein
    • Wo soll die Veranstaltung stattfinden? Wählen Sie einen geeigneten Veranstaltungsort (z. B. Bibliothek, Schulungsraum, Online-Plattform)
  • Evaluation: Wie soll der Erfolg der Veranstaltung gemessen werden?
    • Entwickeln Sie ein Konzept zur Evaluation der Veranstaltung (z. B. Feedback-Fragebögen, Tests)
    • Welche Erkenntnisse können aus der Evaluation gewonnen werden?
    • Nutzen Sie die Ergebnisse der Evaluation, um zukünftige Veranstaltungen zu verbessern
  • Öffentlichkeitsarbeit: Wie soll die Veranstaltung beworben werden?
    • Entwickeln Sie eine Strategie zur Öffentlichkeitsarbeit, um die Zielgruppe zu erreichen
    • Welche Kommunikationskanäle sollen genutzt werden? Nutzen Sie verschiedene Kommunikationskanäle (z. B. Website, soziale Medien, E-Mail-Verteiler)

Zusätzliche Tipps

  • Planen Sie interaktive Elemente ein, um die Teilnehmer aktiv einzubeziehen
  • Schaffen Sie eine offene und anregende Lernatmosphäre
  • Bieten Sie den Teilnehmern die Möglichkeit, sich zu vernetzen und auszutauschen
  • Bleiben Sie flexibel und passen Sie die Veranstaltung bei Bedarf an

Durch eine sorgfältige Planung und Umsetzung können Sie eine erfolgreiche KI-Literacy-Veranstaltung gestalten, die den Teilnehmern wertvolle Kenntnisse und Fähigkeiten vermittelt.

 

 

 

Weiterführende Infos und Quellen rund um das Thema "KI in Bibliotheken"

Copyright: B. Meier