Veranstaltungsprogramm

Das Projekt untersucht die Möglichkeiten und Herausforderungen von Large Language Models (LLMs) für die Geschichtswissenschaften. Es verfolgt einen explorativen und methodenkritischen Ansatz, inspiriert vom Konzept des “Thinkerings”, um die Funktionsweise und Perspektivität der LLMs in Bezug auf historische Quellen besser zu verstehen. Dazu wird ein LLM mit Daten von H-Soz-Kult, einem etablierten geschichtswissenschaftlichen Fachinformationsportal, erweitert. Verwendet werden dafür der Docker Gen-AI Stack sowie Retrieval Augmented Generation (RAG). Letzteres ermöglicht, externe Datenquellen während des LLM-Inferencing abzurufen. Dieser Ansatz minimiert die Limitierungen herkömmlicher LLMs und eröffnet neue Potenziale für die historische Forschung, indem er präzisere und kontextbezogene Analysen ermöglicht. Ziel ist es damit, als methodenkritische Blaupause für zukünftige Forschungen in den Geschichtswissenschaften zu dienen.

Auf Machine Learning basierende Methoden zur automatischen Handschriftenerkennung und zur Informationsextraktion beschleunigen und vereinfachen die historiographische Bearbeitung großer Quellenbestände. Sie werfen aber auch epistemologische und methodische Fragen auf, die in diesem Beitrag gebündelt und erörtert werden.

Im Gegensatz zu manuell erhobenen Daten, können für maschinell generierte Datensätze Fehlerquoten errechnet werden. Diese stellen die Faktizität solcher Daten infrage, was eine besondere Herausforderung darstellt, wenn eine Analyse auf manuell und maschinell erhobenen Daten gründen soll.

Die Geschichtswissenschaft muss also einen Weg finden, um die Faktizität von Machine Learning Output zu beurteilen und soweit zu autorisieren, dieses epistemologische Dilemma zu entschärfen und solche Datensätze und Methoden transparent, reproduzierbar und nachnutzbar erhoben und gestaltet werden können.

In dem vorliegenden Beitrag unternehmen wir eine eingehende Analyse des Aspekts der künstlichen Intelligenz (KI) und deren Rolle im Kontext von sogenannten Citizen Science Projekten, insbesondere in unserem interdisziplinären Forschungsprojekt (https://data.snf.ch/grants/grant/193788). Der Fokus unserer Arbeit liegt auf einem spezifischen Bereich der Sammlungsarbeit der Empirischen Kulturwissenschaft der Schweiz (https://about.participatory-archives.ch/). Die Sammlung der Empirischen Kulturwissenschaften fungiert als eine Art Wissensbehälter, in dem das kollektive Alltagswissen, die Lebensstile, die vielfältigen Traditionen, die sich wandelnden Identitäten, die Arbeits- und Lebensweisen von Gesellschaften, Institutionen und Individuen im Laufe der Zeit zentralisiert und konserviert werden.