Ausgewählte Beispiele für KI-Anwendungen in Bibliotheken

1. KI-Unterstützung für die bibliothekarische Arbeitsorganisation

Öffentlichkeitsarbeit / Programmarbeit unterstützt von Textgeneratoren zur Erstellung von Texten und Bildern

• Erstellen von Pressemitteilungen
• Entwickeln von Textvorlagen / Einführungstexte in die Bibliotheksbenutzung
• Brainstorming zu Projektideen

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

Medienerschließung im aktuellen Bestand der Deutschen Nationalbibliothek (DNB)

Beispiel für einen Datensatz aus dem Katalog der DNB mit Schlagwörtern und Sachgruppen

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

• linguistische Verfahren / Text Mining: Abgleich von Termen (Wörter und Wortteile) aus einer digital vorliegenden Publikation mit den Termen aus einer bereits vorhandenen Schlagwortliste (Normdatei; in der DNB die sog. GND - gemeinsame Normdatei)

• 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. Systemstellen aus einer Klassifikation (Notationen) erschlossen sind und vom KI-System als Merkmale erlernt wurden; das erlernte Modell wird anschließend auf neue Publikation mit ihren Merkmalen angewandt.

• die DNB nutzt seit 2022 die Erschließungsmaschine "EMa" für die maschinelle Inhaltserschließung der bei ihr abgelieferten digitalen Medienwerke (e-books, elektronische wiss. Abschlussarbeiten u. weitere online-Publikationen) und testet auch den Einsatz von LLMs mittels des Toolkits Annif (Open Source-Entwicklung der finnischen Nationalbibliothek)
  • weiteres Beispiel für die maschinelle Verschlagwortung eines e-books

Erschließung ausgewählter Kulturgüter (kulturelles Erbe) - Datenanalyse digitaler Bestände

• Altbestandserschließung mit KI-Anwendungen: historische Bestände aus der Universitätsbibliothek und dem Universitätsarchiv Tübingen werden mithilfe von Volltexten zusätzlich zur digitalen Präsentation für die Nutzer*innen leichter zugänglich gemacht. (Bearbeitung neuer Forschungsfragen in großen Textmengen)

• Beispiel: handschriftlicher Afrika-Expeditionsbericht (Edwin Hennig, 1882-1977) von 1910 --> Handschriftliche Reisetagebücher werden mit TRANSKRIBUS (Handschriften- und Texterkennungs-Software) nach den Regeln des Machine Learning digitalisiert; ChatGPT ergänzt die Digitalisate, hilft Schlüsselbegriffe und Schlagwörter zu ermitteln und erstellt Kurzinhaltsangaben einzelner Textabschnitte.

KI-Empfehlungssysteme (Recommender) in Bibliothekskatalogen

• Katalog der Stadtbibliothek München - Neues KI-Tool gibt Lektüretipps: zu einem recherchierten Medium erhält man weitere ähnliche Medien, die thematisch passen u. weiteren Lesestoff liefern. Eine KI analysiert dazu im Sinne des Machine Learning die Klappentexte der Bücher und setzt andere Publikationen aus dem Gesamt-Bestand in Bezug.

3. Dialog- und Assistenzsysteme (Chatbots)

• Service-Chatbots
  • Chatbot der Bibliothek der TH Wildau
  • KI-Chatbot der KIT Bibliothek Karlsruhe

• Katalog-Chatbots
  • KI-Empfehlungs-Chatbot (Verbund der Öffentlichen Bibliotheken Berlins) mit Medienempfehlungen, z.B. "ich suche einen Roman für den Urlaub, der am Meer spielt".
    • LLM (ChatGPT 4o.mini) in Verbindung mit einem Datenbank-Abzug des Verbundkataloges der Berliner Öffentlichen Bibliotheken

Vermittlung von KI-Kompetenzen (KI-Literacy) durch Bibliotheken

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

Beispiele ...

• KI für alle Interessierten erfahrbar machen / niedrigschwelliger Zugang: Stadtbibliothek Köln: KI-Station
• Wissenschaftliches Arbeiten mit KI-Technologien: UB der LMU München: KI im wissenschaftlichen Arbeiten
• Recherchieren mit KI: UB Würzburg: Literaturrecherche mit Künstlicher Intelligenz
• UB Gießen: KI-Kompetenzen und Recherche mit KI (KI im wissenschaftl. Schreibprozess)

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

• Kritische Bewertung von KI-Anwendungen: Es ist wichtig, die Möglichkeiten und Grenzen von KI zu verstehen und kritisch zu hinterfragen

• Grenzen insbesondere von generativer KI aufzeigen
  • Gefahren der Verzerrung (Bias) u. Halluzinationen
  • Herkunft und Umfang der verwendeten Trainingsdaten häufig unklar ("Black-Box"-Gefühl)
  • keine konsistente Reproduzierbarkeit der Ergebnisse und Rückmeldungen: selbst mit demselben Prompt variieren die Antworten

• Förderung von Tool-Kompetenz unterstützen
  • Bedeutung eines optimalen und kontextspezifischen Promptings bei LLMs
    • Iterationskompetenz als Schlüsselkompetenz mit KI (vgl. Seeliger/Langer/Kasprzik 2025)

• Benötige ich für mein Informationsproblem überhaupt ein LLM?
• Benötige ich für meine Recherche ein sog. KI-Recherche-Tool? (welches die Inhalte aus Fachdatenbanken nur unzureichend erfasst!)
  • Hier kann KI (bisher) auch keine klassische bibliothekarische Recherche ersetzen

• Integration von KI-Tools beim Schreibprozess
  • KI u. gute wissenschaftliche Praxis: Nutzung von KI muss transparent und sachgerecht angegeben werden
    • Hilfsmittelangabe und Art der Nutzung, Angabe verwendeter Prompts

• Ethische Aspekte: Bibliotheken sollten auch 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
  • Energie- und Wasserverbrauch beim Training u. Betrieb von LLMs kann solche Ausmaße annehmen, dass er den Klimawandel signifikant weiter beschleunigt (vgl. Kasprzik 2025)
    • man sollte solche Modelle wählen, die zur eigenen Anwendung passen und dabei möglichst ressourcenschonend sind
    • für Faktenfragen braucht man kein LLM (da genügt eine einfache google-Recherche)
    • Wenn LLMs zum Einsatz kommen: kurze, präzise Prompts verwenden; je mehr Text, desto mehr Rechenleistung u. Energieverbrauch

• Gesellschaftliche Folgen bedenken ...
  • beim Erstellen von KI:das Labeling und händische Nacharbeiten von Trainingsdaten durch Menschen aus Schwellen-/Niedriglohnländern ist nicht unproblematisch (vgl. Bach 2024)
  • bei Umgang mit KI: Folgen übermäßiger KI-Nutzung "Gehirn gewöhnt sich an Passivität": wer nur KI-Generiertes übernimmt ohne sich damit aktiv auseinanderzusetzen, verliert allmählich Denk- u. Reflexionsfähigkeit sowie seine Kreativität (MIT-Media-Lab-Studie 2025)
    • vgl. Coffee Lectures der UB der LMU München: "Sicher mit KI"

 

• Datenschutz und informationelle Selbstbestimmung: Schutz personenbezogener Daten bei KI-Nutzung

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

• KI-Kompetenzen für Lernende und Lehrende (Alles/Falck/Flick/Schulz)
• KI-Kompetenzen eingebettet in Digital Literacy (hessenhub)

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

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

• Zielsetzung

• Inhaltsplanung

• Veranstaltungsformat und -dauer

• Evaluation

• Öffentlichkeitsarbeit