Bibliotheken und KI
Seit das US-amerikanische Unternehmen OpenAI sein Programm „ChatGPT“ im Herbst 2022 der Öffentlichkeit zugänglich gemacht hat, hat die Diskussion über das Thema „Künstliche Intelligenz“ in Deutschland an Fahrt aufgenommen. Auch Bibliotheken beschäftigen sich zunehmend mit dem Thema, sowohl für die interne Anwendung als auch für Angebote für die Nutzenden.
Was ist KI?
Das Bundesministerium für Bildung und Forschung definiert den Begriff „Künstliche Intelligenz“ folgendermaßen: „Künstliche Intelligenz (KI) (abgeleitet vom englischen Artificial Intelligence, kurz AI) ist eine Bezeichnung für Computerprogramme, die in der Lage sind, selbstständig Entscheidungen zu treffen oder Probleme zu lösen. Sie können sich dabei selbst an neue Gegebenheiten anpassen, um ihre Arbeitsaufgabe bestmöglich lösen zu können.“ (Quelle)
Wesentlich ist die Fähigkeit der selbstständigen Problemlösung. Eine bloße Automatisierung von Prozessen ist noch keine KI, auch ein Roboter nutzt nicht unbedingt KI-Technologie.
Generell wird unterschieden zwischen schwacher und starker KI, wobei die schwache KI Menschen lediglich in einzelnen Bereichen unterstützt (z.B. Sprachassistenten oder Gesichtserkennung), eine starke KI hingegen auf eine Imitation des Menschen zielt. Relativ neu ist der Bereich der generativen KI, die auf Basis einer großen Datenmenge u.a. Bilder, Videos oder Texte produzieren kann. Diskriminative KI hingegen, ordnet und interpretiert Daten anhand vorgegebener Kriterien, generiert aber keine neuen Inhalte.
Rasante Entwicklungen
Die Entwicklung von KI-Anwendungen schreitet derzeit sehr schnell voran. Was heute noch als KI gilt, ist morgen bereits veraltet, da sich die Entwicklungen teilweise selbst überholen. Dennoch ist es sinnvoll, sich dem Thema KI explorativ zu nähern und im Anwendungsprozess selber zu lernen; die eigene Iterationskompetenz zu schärfen. Bibliotheken sollten sich den neuen technologischen Entwicklungen nicht verschließen, sondern vielmehr die Möglichkeiten, die diese bieten, nutzen und der Gesellschaft zugänglich machen.
KI zielgerichtet einsetzen
Es geht nicht primär darum, dass KI alle Prozesse übernimmt. Vielmehr steht KI ähnlich wie andere Tools als unterstützende Technologie und als Werkzeug zur Verfügung. Ein zielgerichteter Einsatz kann zu einer deutlichen Arbeitsentlastung führen, indem anstrengende und langwierige Prozesse vereinfacht werden. Dies ermöglicht es, den Fokus wieder verstärkt auf die Bibliothek und ihre Nutzer*innen zu legen.
Aktuell gilt, wie bei den meisten digitalen Anwendungen, die alte Regel der Informatik: „Garbage in, Garbage out“. Diese beschreibt, dass in der Informatik falsche oder minderwertige Eingaben zu fehlerhaften Ausgaben führen. Im Fall von KI ist damit das sogenannte Prompting gemeint.
Iterationskompetenz als Schlüsselkompetenz im Zeitalter von KI
Iterationskompetenz beschreibt den sich wiederholenden Prozess von Eingabe und Ergebnisabgleich, mit dem Ziel ein gutes Endergebnis zu erzeugen. Im Wiederholprozess verändert, verfeinert und definiert sich die erneute Eingabe anhand des vorangegangenen Ergebnisses. Im Kontext von aktueller KI beschreiben wir damit also die Fähigkeit und den intrinsisch motivierten Prozess, ein auf der eigenen Eingabe beruhendes, zufriedenstellendes Endergebnis zu erzeugen – dem Prompting.
KI-Anwendungen in Bibliotheken
Wissenschaftliche Bibliotheken
Wissenschaftliche Bibliotheken testen und nutzen seit einigen Jahren Technologien, die der KI zuzurechnen sind. Sie betreffen Aspekte der maschinellen Erschließung von Werken (Texte wie Bilder), der Schrift- und Layouterkennung, technische Dialogsysteme (Chatbot ab den Nullerjahren), der geographischen Zuordnung von Bild- und Karteninformationen etc.
Öffentliche Bibliotheken
Angesichts der aktuellen Dynamik in der Entwicklung von KI-Tools gehen Öffentliche Bibliotheken oft noch sehr vorsichtig mit den aktuellen Tools um. Sie wagen sich, häufig auch aufgrund sehr restriktiver EDV-Regularien des jeweiligen Trägers, noch zu selten in diesen neuen Bereich.
Dennoch gibt es Beispiele, wie Öffentliche Bibliotheken KI bereits nutzen. KI-Tools werden als Unterstützung für die eigene Arbeitsorganisation eingesetzt, vor allem in der Öffentlichkeitsarbeit. In Projekten der Medienbildung mit Schüler*innen werden Möglichkeiten und Grenzen von KI-Tools vermittelt. An Erwachsene richten sich Informationsveranstaltungen zum Thema.
KI-Unterstützung für die Arbeitsorganisation
KI-Tools können in der Öffentlichkeitsarbeit in vielen Bereichen unterstützen:
- Bild: Grafikgenerierende KI kann Bilder für z.B. Veranstaltungen, Projekte oder sonstige nicht kommerzielle Angebote erstellen.
- Text: Textgenerierende KI kann bei der Formulierung von Veranstaltungsankündigungen oder Projektvorhaben unterstützen.
- Audio: Audiogenerierende KI kann Texte in natürlich klingende Audiodateien umwandeln.
- Video: Dieser Bereich ist der Öffentlichkeit ohne weitreichende Kenntnisse noch nicht zugänglich.
KI-Tools können auf viele Arten unterstützend in der Programmarbeit von Bibliotheken eingesetzt werden:
- Entwicklung von Schreibvorlagen oder Skizzen
- Brainstormings zu Projektideen
- Unterstützung bei Coding-Projekten
- Entwicklung von Escape Games
KI-Tools können darüber hinaus in folgenden Bereichen hilfreich sein:
- Erstellung von Leseempfehlungen für Nutzer*innen
- Einführungen in die Bibliotheksbenutzung
- Begleitung von Kreativprozessen (Schreibwerkstätten etc)
- Lernbegleitung
Barrierefreiheit:
- Abbau von Barrieren für Menschen mit verschiedenen Beeinträchtigungen
- Unterstützung bei Sprachbarrieren
KI für die interne Anwendung in Bibliotheken
Annif
Toolkit der Finnischen Nationalbibliothek zur automatisierten Sacherschließung,das über Verfahren des maschinellen Lernens Schlagwörter oder Notationen zu Dokumenten vorgeschlägt.
Automatisches Erschließungssystem
Projekt der Deutschen Nationalbibliothek (DNB) im Rahmen des Netzwerk maschinelle Verfahren in der Erschliessung. Ziel ist, 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.
Automatisierung der Sacherschließung (AutoSE)
Die ZBW – Leibniz-Informationszentrum Wirtschaft nutzt für ihr Projekt AutoSE das Toolkit Annif und entwickelt flankierend Mechanismen für Parameteroptimierung, Qualitätskontrolle und den Anschluss an die Metadatenworkflows der ZBW.
Mensch. Maschine. Kultur – Künstliche Intelligenz für das digitale Kulturelle Erbe
Umfangreiches Projekt der Staatsbibliothek zu Berlin, das KI-Verfahren u.a. in den Bereichen Dokumentenanalyse, Extraktion und Klassifizierung von digitalen Bildinhalten, Inhalts- und Sacherschließung nutzt.
Open Research Knowledge Graph (ORKG)
Der Open Research Knowledge Graph (ORKG) ist ein Dienst der TIB – Leibniz-Informationszentrum Technik und Naturwissenschaften Universitätsbibliothek. Mit dem ORKG lassen sich Forschungsarbeiten Arbeiten leichter finden und vergleichen.
Schlüsselstellen
Das Projekt „Schlüsselstellen“ der Humboldt Universität Berlin beschäftigt sich mit der Identifizierung und Charakterisierung von Schlüsselstellen in literarischen Werken.
KI-Anwendungen für Bibliotheksdienstleistungen
- Die Kölner Stadtbibliothek beschäftigt sich in ihrer Programmarbeit verstärkt mit dem Thema KI. An Erwachsene richten sich Digitale Werkstätten, in denen die Teilnehmenden nach einem kurzen Input selbst verschiedene KI-Tools ausprobieren können, sowie Abendveranstaltungen mit Expert*innen zum Thema. In Kürze steht allen Bibliotheksbesucher*innen ein frei nutzbares KI-Terminal mit der Bezahlversion von ChatGPT und Dall-E zur Verfügung. Für Schüler*innen der Mittelstufe bietet die Bibliothek Veranstaltungen an, in denen Grundlagen zur Funktionsweise von KI und zum Umgang mit verschiedenen Tools und Chatbots vermittelt werden. Auch hier gibt es Raum zum Ausprobieren und Anwenden der erlernten Regeln. Oberstufenschüler*innen unterstützt die Bibliothek mit Veranstaltungen beim Recherchieren für Facharbeiten und zeigt dabei die Möglichkeiten
- Die Bibliothek Wirtschaft & Management der Technischen Universität Berlin unterstützt Studierende und Forschende mit verschiedenen Formaten beim Umgang mit KI. Bereits im April 2023 hat die Bibliothek den Leitfaden „Einsatz von künstlichen Intelligenzen in Abschlussarbeiten“ veröffentlicht. Der Leitfaden richtet sich an Studierende und zeigt am Beispiel von ChatGPT, wie KI beim wissenschaftlichen Arbeiten eingesetzt werden kann, wo die Grenzen sind und wie die Verwendung korrekt kenntlich gemacht wird. In Workshops für Wissenschaftler*innen führen Mitarbeitende der Bibliothek in die Verwendung von KI-Tools als Unterstützung im Forschungsprozess ein. Darüber hinaus organisieren sie Online-Vorträge, nehmen an Podiumsdiskussionen teil, beraten zum Thema und bieten Fortbildungen an, ein Selbstlernkurs ist in Planung.
Chatbot des Verbunds der Öffentlichen Bibliotheken Berlins (VÖBB)
Chatbot für die Bibliothek der Technischen Hochschule Wildau
Revival der Chatbots: Revolution des Kundenkontakts, Disruption des Software-Marktes?
Blogbeitrag der ZBW zum THema Chatbots und deren Einsatz u.a. in Bibliotheken
ETHorama
Das Projekt ETHorama der ETH Zürich bietet einen geografischen Sucheinstieg zu historischen digitalisierten Dokumenten.
bavarikon
Internetportal des Freistaats Bayern zur Präsentation digitalisierter Kunst-, Kultur- und Wissensschätzen aus Einrichtungen in Bayern.
geoestimation
Das Tool der TIB – Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek demonstriert die automatische Schätzung des Aufnahmeortes von Fotos mit tiefen neuronalen Netzen (Deep Learning).
iART
Research-Tool der TIB, Universität Paderborn und Ludwig-Maximilians-Universität München für die Nutzung und Auswertung von Bilddaten in geisteswissenschaftlichen Forschungsprozessen.
Mensch. Maschine. Kultur – Künstliche Intelligenz für das digitale Kulturelle Erbe
Umfangreiches Projekt der Staatsbibliothek zu Berlin, das KI-Verfahren u.a. in den Bereichen Dokumentenanalyse, Extraktion und Klassifizierung von digitalen Bildinhalten, Inhalts- und Sacherschließung nutzt.
Auswahl aktuell verfügbarer KI-Tools für die Literaturrecherche
| Tool | Hauptfunktionen | Einsatzmöglichkeiten | Vor- und Nachteile |
|---|---|---|---|
| SciSpace | Breite Datenbank wissenschaftlicher Artikel, Volltextzugriff, Zitierfunktionen, integrierte Analysewerkzeuge | Erstellung umfassender Literaturlisten, Bewertung von Artikelrelevanz | Vorteile: Breite Datenbank, Volltextzugriff, Analysewerkzeuge. Nachteile: Kosten, Komplexität der Benutzeroberfläche |
| Undermind | Fortschrittliche Algorithmen zur Literaturidentifikation und -analyse, Unterstützung systematischer Übersichten und Reviews | Erstellung systematischer Übersichten, Identifikation von Trends und Zusammenhängen in der Forschung | Vorteile: Fortgeschrittene Algorithmen, systematische Reviews Nachteile: Einarbeitungszeit, Datenqualität vom Thema abhängig |
| Research Rabbit | Visualisierung und Vernetzung von Forschungsliteratur, Mapping von wissenschaftlichen Arbeiten basierend auf Ausgangspapern | Erweiterung bestehender Literaturlisten, Entdeckung neuer thematischer Zusammenhänge | Vorteile: Visualisierung von Verbindungen, benutzerfreundlich, kostenfrei Nachteile: Unübersichtlichkeit bei großen Datensätzen, Datenqualität vom Thema abhängig |
| LitMaps | Visuelle Karte zur Darstellung von Beziehungen zwischen Artikeln, Identifikation verwandter Arbeiten | Überprüfung von Literaturlisten, Entdeckung neuer relevanter Arbeiten und einflussreicher Papers | Vorteile: Intuitive visuelle Darstellung, Entdeckung neuer Arbeiten. Nachteile: Ergebnisqualität abhängig von Datenverfügbarkeit |
| ChatGPT | Natürliche Sprachverarbeitung, Generierung von Zusammenfassungen und Literaturtabellen, Unterstützung bei der Themenfindung | Erstellung von Literaturübersichten, Formulierung von Forschungsfragen, schnelle Zusammenfassungen | Vorteile: Intuitive Interaktion, schnelle Antworten. Nachteile: Relevanz abhängig von Eingabedaten, Aktualität der Trainingsdaten |
| Explain-paper | Analyse wissenschaftlicher Texte, detaillierte Erklärungen zu spezifischen Textstellen, kontextbezogene Erläuterungen und Zusammenfassungen | Verständnis und Interpretation komplexer wissenschaftlicher Dokumente, Analyse hochgeladener Texte | Vorteile: Tiefergehende Einblicke, kontextbezogene Erläuterungen. Nachteile: Genauigkeit variiert je nach Textqualität des Ausgangspapers |
| Microsoft Copilot | Integration in Microsoft 365, Unterstützung bei der Dokumentenerstellung und -verwaltung, KI-gestützte Vorschläge | Effiziente Dokumentenerstellung, automatische Formatierungen, KI-gestützte Textvorschläge | Vorteile: Nahtlose Integration in Microsoft 365, Effizienzsteigerung. Nachteile: Abhängigkeit von Microsoft 365, Kosten |
| Google Gemini | KI-gestützte Recherche, Datenanalyse, maschinelles Lernen | Datenanalyse und -interpretation, Unterstützung bei der Literaturrecherche | Vorteile: Leistungsfähige Datenanalyse, maschinelles Lernen Nachteile: Erfordert Google-Dienste, Datenschutzbedenken |
| HuggingChat | Natürliche Sprachverarbeitung, Erzeugung von Antworten in natürlicher Sprache | Interaktive Chats, Unterstützung bei der Literaturrecherche, Generierung von Texten | Vorteile: Hochentwickelte Sprachverarbeitung, flexible Einsatzmöglichkeiten. Nachteile: Abhängigkeit von Trainingsdaten, Relevanz der Antworten |
| Consensus | Aggregation wissenschaftlicher Erkenntnisse, Darstellung von Konsens und Divergenzen in der Forschung | Identifikation von Konsens und Divergenzen in wissenschaftlichen Arbeiten | Vorteile: Bessere Übersicht über Forschungsmeinungen Nachteile: Abhängigkeit von der Datenqualität, kann komplex sein |
| Elicit | Unterstützung bei systematischen Literaturübersichten, automatische Literaturauswahl | Erstellung systematischer Übersichten, schnelle Identifikation relevanter Artikel | Vorteile: Effizienzsteigerung bei systematischen Übersichten. Nachteile: Einarbeitungszeit, Datenqualität vom Thema abhängig |
| Keenious | Automatische Identifikation relevanter Artikel, Integration in Schreibprozesse | Unterstützung bei der Literaturrecherche, Integration in Schreibprozesse | Vorteile: Effiziente Identifikation relevanter Artikel, Integration Nachteile: Abhängigkeit von der Datenqualität |
| Perplexity AI | Unterstützung bei der Themenfindung und Recherche, Identifikation relevanter Studien | Themenfindung, Recherche relevanter Studien | Vorteile: Effiziente Themenfindung, breite Datenbasis Nachteile: Relevanz abhängig von der Fragestellung |
| Semantic Scholar | Umfassende wissenschaftliche Datenbank, maschinelles Lernen zur Relevanzbewertung | Literaturrecherche, Identifikation relevanter Arbeiten | Vorteile: Umfangreiche Datenbank, maschinelles Lernen zur Relevanzbewertung. Nachteile: Abhängigkeit von der Datenverfügbarkeit |
| Connected Papers | Visualisierung von Forschungspapieren, Identifikation von Verbindungen und thematischen Zusammenhängen | Entdeckung thematischer Zusammenhänge, Visualisierung von Netzwerken | Vorteile: Intuitive visuelle Darstellung, Entdeckung neuer Zusammenhänge Nachteile: Ergebnisqualität abhängig von der Datenverfügbarkeit |
| Open Knowledge Maps | Visualisierung wissenschaftlicher Literatur, thematische Clusterbildung | Entdeckung thematischer Cluster, Visualisierung von Literaturübersichten | Vorteile: Intuitive Clusterbildung, visuelle Übersichten Nachteile: Abhängigkeit von der Datenqualität |
| Docanalyzer.ai | Analyse von PDF-Dokumenten, Erzeugung von Zusammenfassungen und Erklärungen | Analyse wissenschaftlicher Artikel, Erstellung von Zusammenfassungen | Vorteile: Tiefergehende Textanalysen, schnelle Zusammenfassungen Nachteile: Genauigkeit abhängig von der Textqualität |
| ChatPDF | Analyse und Zusammenfassung von PDF-Dokumenten, Beantwortung von Fragen zu PDF-Inhalten | Schnelle Analyse von PDF-Dokumenten, Beantwortung spezifischer Fragen | Vorteile: Schnelle und präzise Analysen, flexible Nutzung Nachteile: Abhängigkeit von der Textqualität, kann bei komplexen Dokumenten an Grenzen stoßen |
| Humata | Analyse wissenschaftlicher Texte, Erklärungen und Zusammenfassungen | Verständnis komplexer Texte, Erstellung von Zusammenfassungen | Vorteile: Detaillierte Analysen, kontextbezogene Erklärungen. Nachteile: Genauigkeit variiert je nach Textqualität |
Quelle: Heike da Silva Cardoso, Nicolas Kusser, Jana Kieselstein: „Einsatz von Künstlicher Intelligenz bei der wissenschaftlichen Literaturrecherche: ein Überblick“, Universitätsbibliothek Augsburg 2024.
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.
KI ausprobieren, Literatur und Links
KI-Campus
Lernplattform für Künstliche Intelligenz des Stifterverbands für die Deutsche Wissenschaft e.V. mit kostenlosen Online-Kursen, Videos und Podcasts
OpenHPI
Plattform mit kostenlosen Online-Kursen zu verschiedenen IT-Themen des Hasso-Plattner-Instituts
ALA E-Learning
Der amerikanische Bibliotheksverband ALA bietet auf seiner E-Learning-Plattform u.a. Kurse zum Thema KI.
Netzwerk Bibliothek Medienbildung
Informationen und Tipps zum Thema KI des dbv-Projekts Netzwerk Bibliothek Medienbildung
KI-Tools für die Literaturrecherche
Informationen und Linksammlung der Hochschule RheinMain
KI-Tools zur Unterstützung des wissenschaftlichen Arbeitens
Linkliste, zusammengestellt von Prof. Niels Van Quaquebeke, Kühne Logistics University
Übersicht über verschiedene KI-Tools und ihre Einsatzmöglichkeiten
| Kategorie | Beschreibung | Tools |
|---|---|---|
| Assistenten | Unterstützen insbesondere am Beginn einer Arbeit, z. B. bei der Themenfindung oder Formulierung der Forschungsfrage. | ChatGPT 4/4o, Microsoft Copilot, Google Gemini, HuggingChat |
| Analysewerkzeuge | Analysieren hochgeladene PDFs (z. B. Aufsätze) und ermöglichen eine Diskussion über die Inhalte der Dokumente (z. B. Zusammenfassungen, Erläuterungen zu Textstellen) und können Grundgedanken der Texte herausfiltern. | ChatPDF, Humata, Elicit, ChatGPT 4/4o, Docanalyzer.ai, Explainpaper |
| Suchwerkzeuge | Unterstützten bei der Suche nach (akademischer) Literatur und bieten darüber hinaus oft noch weitere Dienste an (z. B. Erstellung von Zusammenfassungen der inhaltlichen Kernthesen der gefundenen Literatur etc.). | Consensus, Elicit, Keenious, Perplexity AI, SciSpace, Semantic Scholar, Undermind, ChatGPT 4/4o |
| Literaturvernetzungswerkzeuge | Mappen vorhandene Literatur auf Basis eines Ausgangspapers (Seed Paper) und zeigen (neue) Verbindungen von Aufsätzen anhand einer thematischen Klassifikation auf. | Litmaps, Connected Papers, Research Rabbit, Open Knowledge Maps |
Quelle: Heike da Silva Cardoso, Nicolas Kusser, Jana Kieselstein: „Einsatz von Künstlicher Intelligenz bei der wissenschaftlichen Literaturrecherche: ein Überblick“, Universitätsbibliothek Augsburg 2024.
„AI-Chatbot in Public Libraries – First Practical Experiences“ (Englisch)
Vortrag von Moritz Mutter und Tilman Scheel zum KI-Chatbot des Verbunds der Öffentlichen Bibliotheken Berlin (VÖBB).- „Das 3-Säulen-Problem: KI-Kompetenz als einzigartige Herausforderung für wissenschaftliche Bibliotheken“,
Vortrag von Christian Schmidt im Rahmen des Berliner Bibliothekswissenschaftlichem Kolloquium, 2024 - „Wie speichert man Wissen? Von Büchern zu Wissensgraphen und Sprachmodellen“, Vortrag von Ralf Krestel im Rahmen der DGI-Vortragsreihe, 2024.
- Heike da Silva Cardoso, Nicolas Kusser, Jana Kieselstein: „Einsatz von Künstlicher Intelligenz bei der wissenschaftlichen Literaturrecherche: ein Überblick“, Universitätsbibliothek Augsburg 2024.
- Dr. Monika Oertner: „ChatGPT als Recherchetool? Fehlertypologie, technische Ursachenanalyse und hochschuldidaktische Implikationen.“, Bibliotheksdienst 58 (5), 2024.
Prof. Dr. Ulrike Verch: „Per Prompt zum Plagiat? Rechtssicheres Publizieren von KI-generierten Inhalten“, API Magazin, 5(1), 2024.
Association of Research Libraries (ARL): „Research Libraries Guiding Principles for Artificial Intelligence“, 2024.
Frauke Buhlmann: „Künstliche Intelligenz in der Öffentlichen Bibliothek“, BuB 2024
Nicolas Bach: „KI in Bibliotheken vor und nach dem Aufkommen von ChatGPT: Eine kritische Diskursanalyse.“ Zenodo, 2024.
BuB 07/2023: Schwerpunkt: Künstliche Intelligenz
- Nicole Graf: “Alles unter Kontrolle? KI im Einsatz im Bildarchiv der ETH-Bibliothek“ O-Bib. Das Offene Bibliotheksjournal 10(2), 2023.
Noam Chomsky: „The False Promise of ChatGPT“, New York Times, 2023.
Andrew M. Cox und Suvodeep Mazumdar: „Defining artificial intelligence for librarians“, Journal of Librarianship and Information Science, 2022.
- Gasser, M., & Sibille, C.: “It’s a Match: Digital Scholarship Services als zu gestaltender Freiraum zwischen Bibliotheken und Forschung.” O-Bib. Das Offene Bibliotheksjournal 9(4), 2022.
Frank Seeliger et al.: White Paper „Zum erfolgversprechenden Einsatz von KI in Bibliotheken“, Teil 1. B.I.T. online, 24(2), 2021.
- Frank Seeliger et al.: White Paper „Zum erfolgversprechenden Einsatz von KI in Bibliotheken“, Teil 2. B.I.T. online, 24(3), 2021.
- KI in Bibliotheken – Neue Wege mit großen Sprachmodellen?
Fachtagung 2023 des Netzwerks maschinelle Verfahren in der Erschließung
Garrel, J. von, Mayer, J. & Mühlfeld, M. (2023): Künstliche Intelligenz im Studium Eine quantitative Befragung von Studierenden zur Nutzung von ChatGPT & Co.
Redaktion und Kontakt
Frank Seeliger