Die Suche nach Informationen steht wieder einmal an einem Wendepunkt in ihrer langen Geschichte: Texte und Bilder, die früher ausschließlich aus Sammlungen bestehender Dokumente abgerufen wurden, können jetzt auf Anfrage synthetisiert werden. Aufgrund der jüngsten Fortschritte in der generativen KI im Allgemeinen und bei großen Sprachmodellen (LLMs) im Besonderen erwarten die Suchenden zunehmend, dass sie von der manuellen Aufgabe entlastet werden, die relevanten Teile der abgerufenen Dokumente zu identifizieren, und erwarten stattdessen Antworten in Form von Text- oder Multimediadokumenten. Dieser Umbruch verläuft parallel zu der wahrgenommenen Verschlechterung der Qualität der Ergebnisse traditioneller Web-Suchmaschinen. Seit Jahren beschweren sich die Nutzer/innen sozialer Medien über die geringe Relevanz der Suchergebnisse der großen Suchmaschinen. In dieser Hinsicht könnte generative KI eine Schlüsselrolle bei einer Renaissance der Informationsbeschaffung spielen. Dennoch lauern hier auch Risiken und es bedarf offener Daten und neuen Infrastrukturen, um diesen Herausforderung begegnen.

Moderne Forschung auf international kompetitivem Niveau ist ohne digitale Unterstützung nicht mehr möglich. So werden immer mehr Daten erzeugt und auch immer mehr technische Systeme eingesetzt. Dies betrifft nicht nur die Lebens-, Natur- und Ingenieurwissenschaften, sondern ebenso die Geistes- und Sozialwissenschaften. Dies führt zu einem Paradigmenwechsel, der derzeit von zahlreichen Aktivitäten begleitet wird. Prominente Beispiele sind die Nationale Forschungsdateninfrastruktur (NFDI) sowie die European Open Science Cloud (EOSC). 

Meine zentrale Hypothese ist, dass der wissenschaftliche Fortschritt nur gewährleistet werden kann, wenn (1) Daten in großem Maßstab verfügbar sind, (2) diese Daten sinnvoll repräsentiert und verknüpft sind und (3) die Besonderheiten der einzelnen Disziplinen sehr sorgfältig berücksichtigt werden.

Im Vortrag konzentriere ich mich auf Forschungsdateninfrastrukturen und deren Bedeutung für moderne Forschung. Es wird ein Überblick über aktuelle technische Entwicklungen gegeben, wobei der Schwerpunkt auf der Repräsentation und Verknüpfung von digitalen Artefakten wie Publikationen, Forschungsdaten und Forschungssoftware liegt.

Die rasant steigende Leistungsfähigkeit sog. „generativer“ KI-Modelle, wie sie von Diensten wie ChatGPT oder DALL-E genutzt werden, lässt die jeweiligen Systeme Ergebnisse produzieren, die von menschlichen Kreationen kaum mehr zu unterscheiden sind. Das Urheberrecht, das den Werkbegriff an eine „persönliche geistige Schöpfung“ knüpft, wird dadurch vor erhebliche Herausforderungen gestellt. Auf der anderen Seite müssen die zugrunde liegenden „large language models“ (LLM) mit großen Mengen von Daten trainiert werden, deren Inhalte ihrerseits häufig urheberrechtlich geschützt sind. Viele Autor:innen befürchten, dass ihre Werke durch die Verwendung als KI-Trainingsdaten zu „Motoren ihrer eigenen Zerstörung" werden, weil diese Sprachmodelle die automatische Erstellung von Texten ermöglichen, für die sonst Autor:innen bezahlt werden müssten. Im Bibliothekskontext stellt sich daher u. a. die Frage, inwieweit die im Bestand einer Bibliothek oder eines Archivs vorhandenen Werke genutzt werden dürfen, um solche KI-Modelle zu trainieren.

Prof. Dr. Malte Stieper, Inhaber der Gundling-Professur für Bürgerliches Recht, Recht des geistigen Eigentums und Wettbewerbsrecht an der Martin-Luther-Universität Halle-Wittenberg, stellt den geltenden Rechtsrahmen im Urheberrecht vor und wirft einen Blick auf die zukünftige Entwicklung insbesondere im Recht der Europäischen Union. Einen Schwerpunkt bilden dabei die in diesem Zusammenhang relevanten Schrankenregelungen, vor allem für das Text und Data Mining.

Even before the AI hype the energy and water consumption of data centers has grown exponentially. With the arrival of Large Language Models LLMs the problem has grown dramatically.

The talk will raise questions about how to handle the unprecedented hype and try to give responses. Is the public discussion about ethical AI really necessary or just a distraction from the real problems? Can we improve the models and the usage of AI in a way to answer useful questions? 

Generative KI und insbesondere große Sprachmodelle (LLMs) zeigen neue Wege der Generierung und Erschließung von Inhalten auf. Dabei können sich LLMs und Wissensgraphen (KGs) wunderbar ergänzen: LLMs als sprachliche Schnittstelle und Speicher für generelles Wissen; KGs als Kodierung für strukturiertes, semantisch verknüpftes und domänenspezifisches Wissen. Die Herausforderung liegt darin, gewinnbringende Kombinationen der beiden Ansätze zu finden, die auch nichttechnischen Rahmenbedingungen genügt.

Traditionell wird in den digitalen Literaturwissenschaften oft explorativ mit unterschiedlichen Eigenschaften von Texten, wie etwa Worthäufigkeiten, gearbeitet. Zusätzlich wird auch Forschung auf Grundlage von Annotationen komplizierterer Konzepte betrieben.

Spätestens seit dem Aufkommen von Sprachmodellen wie BERT lassen sich viele Annotationsschemata automatisiert umsetzen, sodass Analysen der entsprechenden Konzepte auf großen Korpora ermöglicht werden. In diesem Vortrag wird der Stand der Techniken im Feld der digitalen Literaturwissenschaften dargelegt. Daraufhin werden die Herausforderungen diskutiert vor denen das Feld auch unter der Zuhilfenahme von LLMs weiterhin steht, insbesondere in Bezug auf die semantische Erschließung von Texten.

Wie können wir die gesellschaftliche Akzeptanz von KI-Systeme verbessern?“ Ein große Hilfe dabei ist es den Menschen zu integrieren (human-in-the-loop). ChatGPT ist hier nur ein Beispiel, bei dem menschliche Interaktion die Nutzbarkeit und Leistung deutlich steigerte und Menschen daran zweifeln ließ, dass Kreativität tot und KI gelöst sei. Obwohl beides nicht zutrifft, zeigt es dennoch das massive Potential von menschlicher Interaktion. Eine Modalität, der dabei besondere Aufmerksamkeit gilt, ist die Erklärbarkeit von KI-Modellen (XAI). Die Kommunikation zwischen Mensch und Maschine benötigt eine tiefere Ebene — die gegenseitige Erklärung für Entscheidungen.  Andererseits sehen wir, dass aktuelle Modelle stark verzerrt (biased) sind. Dies ist nicht sonderlich überraschend, da sie self-supervised auf riesigen Mengen ungefilterter Daten aus dem Internet trainiert werden. Sie laufen daher Gefahr diese (Internet-)Vorurteile widerzuspiegeln. Entsprechend ist eine weitere Herausforderung, die erlernten Darstellungen in diesen Modellen besser zu verstehen und sie in beliebige Richtungen verändern zu können, um den Weg für fairere KI-Modelle zu ebnen.