Vorhin im täglichen #Bibnez DGI-Veranstaltungsnewsletter erneut DEN SATZ gelesen:
"viele Bibliotheken setzen bereits Künstliche Intelligenz ein oder planen den Einsatz von KI-Tools"
Nur:
- Welche Bibliotheken setzen Künstliche Intelligenz ein?
- Wofür setzen diese Bibliotheken Künstliche Intelligenz ein?
- Welche Bibliotheken planen den Einsatz von KI-Tools?
- Um welche KI-Tools geht es da?
Bitte inspiriert mich und schreibt wenn ihr das beantworten könnt. Ich nehme gern ernsthafte Antworten
Die #vzg_gbv hat heute auf ihrer #Verbundkonferenz an zwei Stellen erklärt, dass es in CLAIM (Katalog der TU Clausthal) [seit April] "KI-generierte Vorschläge für gesuchte Titel" gibt.
@BarryJive Die wichtigste Frage wurde im Chat ja beantwortet. Der Prototyp (der in Lukida in der TU Clausthal genutzt wird) basiert auf einer Eigenentwicklung der VZG in K10plus-Zentral bei der derzeit das vortrainierte Sprachmodell nomic-embed-text-v2-moe verwendet wird das derzeit in einer eigenen sehr "dünnen" Server-Schicht auf (eigener) VZG-Hardware läuft.
Was auch immer alle diese Worte bedeuten mögen.
@BarryJive Habt ihr eine Lösung für die Dubletten, die im K10plus drin sind? Also insgesamt oder in Bezug auf euren KI-Empfehlungsdienst. Oder stören die gar nicht so?
Alles was in DOAB drin ist z.b. ist ja immer mindestens in OAPEN noch ein zweites Mal drin.
Beispiel: https://claim.ub.tu-clausthal.de/search?q=Queere+KI
@BarryJive Zum einen das die 3 ersten empfohlenen Treffer der identische Titel aber verschiedenen Titelaufnahmen sind, ja.
Zum anderen scheint es ja herausfordernd zu sein Dublettenzusammenlegung zb über Matchkeys im Discoverykatalog umzusetzen, weswegen es auf der Ebene des Suchindex da keine Lösung gibt. Weder bei Print-Dubletten, noch bei Print und E-Book.
Und auf der Katalogisierungsebene muss es ja bei E-Books je Zugang eine eigene Aufnahme geben, also ist auch da nichts zu machen.
@david Du könntest vielleicht in den Dialog gehen in dem du dieses TikTok-Video von Caren Lay (1:10) abspielst das Bauch Beine Po (feministisch) parodiert:
https://www.tiktok.com/@caren.lay.mdb/video/7405847049960262944?lang=de-DE
@olaf_brandt Das klingt interessant. Kann ich irgendwo mehr erfahren? Ich habe einen naiven starken Glauben daran, dass Result Grouping in Discovery-Katalogen sehr hilfreich ist. Insbesondere im Bereich Verknüpfung von Print- und Online-Zugriffen. Bin leider nicht findig genug um da einen realistischen Einblick auf die Umsetzbarkeit* zu haben.
*Ich wünsche mir die Anzeige eines Treffers pro Werk unter dem alle Manifestationen (Print-Exemplare, Online-Zugriffe) auftauchen.
A first attempt to integrate the external module from FINC. Since the module is made for an old VuFind (+PHP) version, some of the original files need to be modified. This cannot be done by includi...
Danke. Ich hoffe es macht Sinn das zu vufind-org zu migrieren.
"Discuss with the community + people from FINC whether it might make sense to migrate this to vufind-org"
Im vergangenen Jahr wurde innerhalb der Landeshauptstadt München ein innovatives KI-Tool entwickelt, welches den OPAC der Münchner Stadtbibliothek, um eine „Stöbern“-Funktion auf Basis eines AI Recommendation Systems ergänzt. Hiermit wird unser vielfältiger Bestand auf eine visuelle und ansprechende Weise präsentiert. Diese neue Funktion zeigt unseren Nutzer*innen direkt auf der Titelanzeige eines Mediums im Katalog eine Reihe weiterer Titel aus unserem Bestand. Gemeinsam ist diesen Titeln die inhaltliche Ähnlichkeit. Mit einem Klick auf einen empfohlenen Titel gelangt man zum nächsten Medium. Dies kann man beliebig oft fortsetzen. Eine zusätzliche Benutzereingabe ist nicht notwendig. Ziel ist es, unseren Bestand, der auf viele Standorte verteilt ist, visuell zentral erlebbar zu machen. Für die Generierung der Empfehlungen wandelt ein Embedding Modell die Texte in eine Vektordarstellung. Dadurch können die Medien über ihren Vektor in einem mehrdimensionalen Vektorraum angeordnet und dargestellt werden. Je näher die Medien zueinander im Vektorraum liegen, desto ähnlicher sind sich die Texte inhaltlich und somit auch die Medien zueinander. Um sicherzustellen, dass das Tool den Bedürfnissen unserer Nutzer*innen entspricht, haben wir in mehreren Testzyklen zunächst bibliothekarisches Fachpersonal und danach mit Hilfe eines Prototyps auch Kund*innen befragt. Parallel wurde eine Online-Befragung durchgeführt, die die Rückmeldungen der Tester*innen strukturiert und auswertbar erfasste. An diesem Projekt waren innerhalb der Landeshauptstadt München neben dem UX Team der Münchner Stadtbibliothek auch das InnovationLab und das KI Competence Center von IT@M sowie das Statistische Amt beteiligt. In unserem Vortrag möchten wir nicht nur das Tool selbst vorstellen, sondern auch von unseren Erfahrungen während der Umsetzungsphase berichten.
@wobintosh Da hast du recht. Es gibt ja auch zb annif als Werkzeug in diesem Bereich.
Aber ich mache keine Sacherschließung und Frage mich was gibt es darüber hinaus in der Praxis? Außer Chatbots.
Ziemlich cooles Projekt. Viel Erfolg!!
Erinnere mich von dem ganztägigen Event: "Neue Perspektiven auf KI in Bibliotheken" an die Vorstellung der Masterarbeit "Evaluation von offenen Large Language Modellen zum Einsatz in Bibliotheken" (https://doi.org/10.15771/MA_2025_2). Da ging es auch um Ausbildung.
Und es gab einen Beitrag aus Bremen wie komplex es zu sein scheint die Wissenbasis der eigenen Einrichtung für einen Chatbot so aufzubereiten, dass die Fehlerquote möglichst gering ist.
Das Thema der künstlichen Intelligenz und insbesondere auch der Sprachmodelle spielt für Bibliotheken eine Rolle steigender Wichtigkeit. Allerdings können proprietäre Modelle aufgrund von Kosten oder Anforderungen an den Datenschutz nicht immer von Bibliotheken genutzt werden. Ziel dieser Masterarbeit ist es, verschiedene offene Sprachmodelle darauf zu untersuchen, wie gut sie sich für einen Einsatz in Bibliotheken eignen könnten. Dazu werden zunächst in einem theoretischen Teil einige Aspekte rund um Sprachmodelle vorgestellt. Darunter fallen unter anderem der Aufbau, die Evaluation anhand von Benchmarks und das Finetuning von Sprachmodellen. Außerdem werden drei offene Sprachmodelle vorgestellt und rechtliche Aspekte in Bezug auf Sprachmodelle untersucht. Anschließend werden in dem praktischen Teil dieser Arbeit verschiedene offene Sprachmodelle auf ihre Leistungsfähigkeit in der deutschen Sprache getestet, sowie ein Finetuning und eine Evaluation eines Modells im Rahmen der Prüfungsvorbereitung der Auszubildenden der Stadtbücherei Frankfurt vorgenommen. Die Auswertung der Ergebnisse zeigt, dass einige Sprachmodelle auch im Deutschen gute Leistungen erbringen können. Jedoch konnten mit dem Finetuning eines Modells noch keine Ergebnisse erreicht werden, die den qualitativen Anforderungen einer Prüfungsvorbereitung für Auszubildende gerecht werden. Ein Einsatz zu Demonstrationszwecken oder in moderierten Bereichen, wie beispielsweise in Workshops, ist allerdings denkbar.
@fami_guy Wenn du das Praxistipps hast wie das Wissen gut aufbereitet werden kann bin ich interessiert (auch wenn ich daran zweifle das meine Fähigkeiten ausreichen um selbst jemals auch so etwas anzufangen).
Machst du Vorträge zu dem Thema, wenn du weit genug bist?
anotherfami
Florian Strauß
@olaf_brandt
David Zellhöfer
Alexander Winkler
Fabian (WobIntosh)
nb
David Wehrle
FAMI_Guy