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.

Eine weitere Definition gibt der im August 2024 in Kraft getretene AI-Act der EU, wonach ein KI-System „ein maschinengestütztes System [ist], das für einen in unterschiedlichem Grade autonomen Betrieb ausgelegt ist und das nach seiner Betriebsaufnahme anpassungsfähig sein kann und das aus den erhaltenen Eingaben für explizite oder implizite Ziele ableitet, wie Ausgaben wie etwa Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen erstellt werden, die physische oder virtuelle Umgebungen beeinflussen können“ (Quelle, Artikel 3 Nummer 1).

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 ihren produktiven AutoSE-Dienst das Toolkit Annif, entwickelt eigene Machine-Learning-Modelle und flankierende 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.

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.

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.

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.

Artificial Intelligence (AI) Research Assistants in der Praxis, Poster von Sylvia Kullmann und Johannes Hiebl

KI-Tools für die Literaturrecherche
Informationen und Linksammlung der Hochschule RheinMain

ORKG Ask
Tool für die Literaturrecherche in einem umfangreichen Bestand an Forschungsartikeln.

Auswahl aktuell verfügbarer KI-Tools für die Literaturrecherche

ToolHauptfunktionenEinsatzmöglichkeitenVor- und Nachteile
SciSpaceBreite Datenbank wissenschaftlicher Artikel, Volltextzugriff, Zitierfunktionen, integrierte AnalysewerkzeugeErstellung umfassender Literaturlisten, Bewertung von ArtikelrelevanzVorteile: Breite Datenbank, Volltextzugriff, Analysewerkzeuge.


Nachteile: Kosten, Komplexität der Benutzeroberfläche
UndermindFortschrittliche Algorithmen zur Literaturidentifikation und -analyse, Unterstützung systematischer Übersichten und ReviewsErstellung systematischer Übersichten, Identifikation von Trends und Zusammenhängen in der ForschungVorteile: Fortgeschrittene Algorithmen, systematische Reviews


Nachteile: Einarbeitungszeit, Datenqualität vom Thema abhängig
Research RabbitVisualisierung und Vernetzung von Forschungsliteratur, Mapping von wissenschaftlichen Arbeiten basierend auf AusgangspapernErweiterung bestehender Literaturlisten, Entdeckung neuer thematischer ZusammenhängeVorteile: Visualisierung von Verbindungen, benutzerfreundlich, kostenfrei


Nachteile: Unübersichtlichkeit bei großen Datensätzen, Datenqualität vom Thema abhängig
LitMapsVisuelle Karte zur Darstellung von Beziehungen zwischen Artikeln, Identifikation verwandter ArbeitenÜberprüfung von Literaturlisten, Entdeckung neuer relevanter Arbeiten und einflussreicher PapersVorteile: Intuitive visuelle Darstellung, Entdeckung neuer Arbeiten.


Nachteile: Ergebnisqualität abhängig von Datenverfügbarkeit
ChatGPTNatürliche Sprachverarbeitung, Generierung von Zusammenfassungen und Literaturtabellen, Unterstützung bei der ThemenfindungErstellung von Literaturübersichten, Formulierung von Forschungsfragen, schnelle ZusammenfassungenVorteile: Intuitive Interaktion, schnelle Antworten.


Nachteile: Relevanz abhängig von Eingabedaten, Aktualität der Trainingsdaten
Explain­-paperAnalyse wissenschaftlicher Texte, detaillierte Erklärungen zu spezifischen Textstellen, kontextbezogene Erläuterungen und ZusammenfassungenVerständnis und Interpretation komplexer wissenschaftlicher Dokumente, Analyse hochgeladener TexteVorteile: Tiefergehende Einblicke, kontextbezogene Erläuterungen.


Nachteile: Genauigkeit variiert je nach Textqualität des Ausgangspapers
Microsoft CopilotIntegration in Microsoft 365, Unterstützung bei der Dokumentenerstellung und -verwaltung, KI-gestützte VorschlägeEffiziente Dokumentenerstellung, automatische Formatierungen, KI-gestützte TextvorschlägeVorteile: Nahtlose Integration in Microsoft 365, Effizienzsteigerung.


Nachteile: Abhängigkeit von Microsoft 365, Kosten
Google GeminiKI-gestützte Recherche, Datenanalyse, maschinelles LernenDatenanalyse und -interpretation, Unterstützung bei der LiteraturrechercheVorteile: Leistungsfähige Datenanalyse, maschinelles Lernen


Nachteile: Erfordert Google-Dienste, Datenschutzbedenken
HuggingChatNatürliche Sprachverarbeitung, Erzeugung von Antworten in natürlicher SpracheInteraktive Chats, Unterstützung bei der Literaturrecherche, Generierung von TextenVorteile: Hochentwickelte Sprachverarbeitung, flexible Einsatzmöglichkeiten.


Nachteile: Abhängigkeit von Trainingsdaten, Relevanz der Antworten
ConsensusAggregation wissenschaftlicher Erkenntnisse, Darstellung von Konsens und Divergenzen in der ForschungIdentifikation von Konsens und Divergenzen in wissenschaftlichen ArbeitenVorteile: Bessere Übersicht über Forschungsmeinungen


Nachteile: Abhängigkeit von der Datenqualität, kann komplex sein
ElicitUnterstützung bei systematischen Literaturübersichten, automatische LiteraturauswahlErstellung systematischer Übersichten, schnelle Identifikation relevanter ArtikelVorteile: Effizienzsteigerung bei systematischen Übersichten.


Nachteile: Einarbeitungszeit, Datenqualität vom Thema abhängig
KeeniousAutomatische Identifikation relevanter Artikel, Integration in SchreibprozesseUnterstützung bei der Literaturrecherche, Integration in SchreibprozesseVorteile: Effiziente Identifikation relevanter Artikel, Integration


Nachteile: Abhängigkeit von der Datenqualität
Perplexity AIUnterstützung bei der Themenfindung und Recherche, Identifikation relevanter StudienThemenfindung, Recherche relevanter StudienVorteile: Effiziente Themenfindung, breite Datenbasis


Nachteile: Relevanz abhängig von der Fragestellung
Semantic ScholarUmfassende wissenschaftliche Datenbank, maschinelles Lernen zur RelevanzbewertungLiteraturrecherche, Identifikation relevanter ArbeitenVorteile: Umfangreiche Datenbank, maschinelles Lernen zur Relevanzbewertung.


Nachteile: Abhängigkeit von der Datenverfügbarkeit
Connected PapersVisualisierung von Forschungspapieren, Identifikation von Verbindungen und thematischen ZusammenhängenEntdeckung thematischer Zusammenhänge, Visualisierung von NetzwerkenVorteile: Intuitive visuelle Darstellung, Entdeckung neuer Zusammenhänge


Nachteile: Ergebnisqualität abhängig von der Datenverfügbarkeit
Open Knowledge MapsVisualisierung wissenschaftlicher Literatur, thematische ClusterbildungEntdeckung thematischer Cluster, Visualisierung von LiteraturübersichtenVorteile: Intuitive Clusterbildung, visuelle Übersichten


Nachteile: Abhängigkeit von der Datenqualität
Docanalyzer.aiAnalyse von PDF-Dokumenten, Erzeugung von Zusammenfassungen und ErklärungenAnalyse wissenschaftlicher Artikel, Erstellung von ZusammenfassungenVorteile: Tiefergehende Textanalysen, schnelle Zusammenfassungen


Nachteile: Genauigkeit abhängig von der Textqualität
ChatPDFAnalyse und Zusammenfassung von PDF-Dokumenten, Beantwortung von Fragen zu PDF-InhaltenSchnelle Analyse von PDF-Dokumenten, Beantwortung spezifischer FragenVorteile: Schnelle und präzise Analysen, flexible Nutzung


Nachteile: Abhängigkeit von der Textqualität, kann bei komplexen Dokumenten an Grenzen stoßen
HumataAnalyse wissenschaftlicher Texte, Erklärungen und ZusammenfassungenVerständnis komplexer Texte, Erstellung von ZusammenfassungenVorteile: 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.

Hier Fantasie und dort KI? – Gedichtbuchwerkstatt
Im Projekt der Bezirkszentralbibliothek Pablo Neruda Berlin mit zwei weiteren Partnern und gefördert im Rahmen von „Gemeinsam Digital! Kreativ mit Medien“ konnten Kinder ausprobieren, mit KI Gedichte zu generieren und verglichen sie mit eigenen Texten.

Robotik – Geschichten erlebbar machen
Das Projekt der Stadtbibliothek Fürstenwalde im Rahmen von „Gemeinsam Digital! Kreativ mit Medien“ führte Kinder in die Welt der Roboter und KI ein.

Zertifikatslehrgang KI in Bibliotheken
8-teiliger Online-Lehrgang der DGI und dem Kooperativen Bibliotheksverbund Berlin-Brandenburg von Januar bis April 2025.

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

The Elements of AI
Kostenloser Online-Kurs in deutscher Sprache, entwickelt von der finnischen Unternehmensberatung MinnaLearn und der Universität Helsinki

Tool Tip Tuesday
Veranstaltungsreihe des VK:KIWA und der FernUniversität in Hagen in Zusammenarbeit mit dem KI-Campus, bei der KI-Tools rund um das Thema akademisches Arbeiten und Schreiben vorgestellt werden.

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

How to: Wissenschaftliches Arbeiten mit KI
Kurze Tutorials der Universitätsbibliothek Leipzig zu unterschiedlichen KI-Tools

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

KategorieBeschreibungTools
AssistentenUnterstützen insbesondere am Beginn einer Arbeit, z. B. bei der Themenfindung oder Formulierung der Forschungsfrage.ChatGPT 4/4o, Microsoft Copilot, Google Gemini, HuggingChat
AnalysewerkzeugeAnalysieren 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
SuchwerkzeugeUnterstützten 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
Literaturvernetzungs­werkzeugeMappen 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.

Redaktion und Kontakt
Texte
Frank Seeliger
Andreas Langer

Nach oben