Das Ende der Erschließungslücke? KI-Technologien für moderne Discovery-Systeme
Abstract
Wie können Bibliotheken die Erschließungslücke überwinden, wenn nur 23% der bibliographischen Daten über konventionelle Prozesse zugänglich sind? Dieser Vortrag zeigt, wie KI-gestützte semantische Suchverfahren – konkret: mehrsprachige Text-Embeddings und Mixture-of-Experts-Modelle – eine skalierbare Lösung bieten können. Am Beispiel des Discovery-Systems Lukida an der TU Clausthal (produktiv seit Ostern 2025) wird demonstriert, wie KI-generierte Empfehlungen 100% des Bestands abdecken können, ohne generative Halluzinationen zu riskieren. Die Präsentation adressiert drei zentrale Aspekte: die technische Umsetzung im GBV-Rechenzentrum unter Wahrung der Datensouveränität, die Ressourceneffizienz moderner Embedding-Modelle im Kontext von Green-IT sowie den notwendigen Kulturwandel von „perfekter Erschließung für wenige" zu „guter Erschließung für alle". Der Beitrag plädiert für einen hybriden Ansatz, bei dem KI skaliert und menschliche Expertise kuratiert – und stellt offene Fragen zu Governance, Metadatenstandards und nachhaltiger Finanzierung zur Diskussion.
Full text
STA-Kolloquium "In Zukunft mit KI"! KI-Technologien für moderne Discovery-Systeme Das Ende der Erschließungslücke? 10.12.2025 STA-Kolloquium "In Zukunft mit KI", DNB Frankfurt, 10. Dezember 2025 Gerald Steilen, Verbundzentrale des GBV
STA-Kolloquium "In Zukunft mit KI"! Warum traditionelle Methoden nicht immer gut funktionieren:" ⚖ Fünf zentrale Herausforderungen 2 10.12.2025 •⚖ Skalierungsproblem:! 350 Millionen Datensätze (K10plus-Zentral) überfordern intellektuelle Erschließung •📉 Datenzugänglichkeit:! Nur 23% der bibliographischen Daten im GBV sind über konventionelle Prozesse zugänglich •📚 Alle Medienarten betroffen:! Zeitschriftenartikel, Monographien, Konferenzbeiträge, Digitalisate, Karten, ... •🔀 Heterogene Erschließung:! Keine einheitliche Sacherschließung, inkonsistente Erschließungstiefe •💬 Terminologische & sprachliche Kluft: ! "Herzinfarkt" ≠ "Myokardinfarkt" ≠ "myocardial infarction"
STA-Kolloquium "In Zukunft mit KI"! Drei Generationen der Bibliotheksrecherche:" "OPAC → Discovery → KI-Assistent 3 10.12.2025 Generation 1: OPAC Generation 2: Discovery Generation 3: Assistent 📚 Lokaler Katalog 🔍 FOLIO 🤖 Vision 2030 Strukturierte Suche Google-ähnliche Suche Natürliche Sprache Physischer Bestand umfassender Suchindex KI-System Standort-bezogen Multi-Resource Integration Proaktive Empfehlungen
STA-Kolloquium "In Zukunft mit KI"! Lücken gibt es auch in der klassischen Sacherschließung" 🔍 Bias ist kein KI-spezifisches Problem 4 10.12.2025 Klassische Sacherschließung - Bekannte Bias: •⏱ Zeitverzögerung: Neuerscheinungen erschlossen mit Monaten/Jahren Verzug •📚 Medien-Fokus: Monographien bevorzugt, Artikel nachrangig •🗣 Sprachbarrieren: Nicht-deutsche Titel oft oberflächlicher erschlossen •🎯 Fachgebiets-Bias: Unterschiedliche Erschließungstiefe je nach Fach KI-Systeme - Neue Herausforderungen: •🤖 Trainingsdaten-Bias: System reproduziert Muster aus Trainingsdaten •🔍 Transparenz: "Black Box" - Entscheidungen schwerer nachvollziehbar •📊 Messbarkeit: Bias quantifizierbar und adressierbar •🔄 Iterativ verbesserbar: Kontinuierliche Updates möglich Kernbotschaft: KI löst nicht alle Probleme, aber sie skaliert besser - und ihr Bias sind messbar und adressierbar.
STA-Kolloquium "In Zukunft mit KI"! Von der Theorie zur Praxis:" ✅ Drei Erfolgsfaktoren + Workflow 5 10.12.2025 Drei kritische Erfolgsfaktoren: 1. 🔐 Open Source & Transparenz:" Modellcode vollständig offen, Methodik dokumentiert 2. 🔒 Datensouveränität" Vollständiger Betrieb im GBV-Rechenzentrum, DSGVO-konform 3. ⚖ Kosten-Nutzen ausgewogen" Aufwand und Nutzen müssen vertretbar sein Workflow: Metadaten → KI-Modell (MoE) → Vektoren → Solr-Index → Empfehlungen
STA-Kolloquium "In Zukunft mit KI"! Multilingual Text Embeddings & Mixture of Experts:" 🧠 Unsere KI-Lösung 6 10.12.2025 🌐 Multilingual Text Embeddings: •~100 Sprachen, semantischer Bedeutungsraum •Sprachübergreifende Suche möglich ⚡ Mixture of Experts (MoE): •Nur relevante "Experten" werden aktiviert •Große Modellkapazität ohne proportionalen Ressourcenverbrauch 🔒 Keine Halluzinationen: • Reine Retrieval-KI ohne generativen Teil • System erfindet keine Inhalte, nur semantische Verknüpfung vorhandener Daten
STA-Kolloquium "In Zukunft mit KI"! Ressourcen & Nachhaltigkeit:" ""♻ Green-IT und KI sind kein Widerspruch 7 10.12.2025 ♻ Ressourceneffiziente KI-Modelle: •Nicht jede KI ist ein “Strom-Monster“ •Embedding-Modelle ≠ ChatGPT •MoE-Architektur ⚡ Die wahren Ressourcenfresser: •🤖 Bot-Traffic: Oft >80% der Anfragen unnötig •🔄 Ineffiziente Suchanfragen: Wiederholte oder komplexe Queries •🌐 Schlecht konfigurierte Web-Anwendungen 🎯 Kernbotschaft: Green-IT beginnt beim richtigen Modell für die richtige Aufgabe – nicht beim Verzicht auf KI
STA-Kolloquium "In Zukunft mit KI"! Lukida TU Clausthal - Ein Praxisbeispiel" ✅ Produktiv seit Ostern 2025 8 10.12.2025 ✅ Produktiv erprobt bei TU Clausthal: https://claim.ub.tu-clausthal.de 🎯 KI - nur semantische Ähnlichkeit: •🎯 Vollständiger Bestand" Jeder Datensatz erhält KI-gestützte Vorschläge •🔄 regelmäßig Updates" Kontinuierliche Verbesserung und neue Datensätze •📚 Alle Medienarten" Artikel, Monographien , Digitalisate, Karten, … •🌍 Mehrsprachig" Funktioniert sprachübergreifend über ~100 Sprachen
STA-Kolloquium "In Zukunft mit KI"! So funktioniert es:! 👆 Empfehlungen auf Anfrage 9 10.12.2025 Das Prinzip: 6 Nutzer*in findet einen relevanten Titel 7 Klick öffnet die Detailansicht 8 KI zeigt semantisch ähnliche Titel Warum dieser Ansatz? ⚡ Vorberechnet: Keine KI zur Laufzeit, schnell und ressourcenarm 🎯 Empfehlungen im Moment des Interesses 🔄 Evolutionär: Ein erster Schritt zur natürlichsprachigen Suche → Das gefällt mir – zeig mir mehr davon"
STA-Kolloquium "In Zukunft mit KI"! Ich freue mich auf Ihre Fragen. Gerald Steilen [email protected] Vielen Dank! 10.12.2025 Bildnachweise • Bilder lokal KI-generiert • KI-Modell: „FLUX.1-schnell“ • Screenshot: der Autor Verwendungshinweise •10.5281/zenodo.17813523 • Lizenz: CC BY-SA 4.0 • Für diese Präsentation ist das gesprochene Wort maßgeblich.