AG Angewandte Generative KI in den Digitalen Geisteswissenschaften (AGKI-DH)

1. AG-Name

2. AG-Arbeitsschwerpunkte

Die zunehmende Bedeutung von KI-basierten Technologien stellt einen Paradigmenwechsel in den Wissenschaften dar und bringt sowohl Herausforderungen als auch ungeahnte Möglichkeiten für die Modellierung, Generierung, Visualisierung und Transformation von Forschungsdaten mit sich. Generative KI beschränkt sich in ihrer technologischen Rolle nicht auf mögliche Effizienzsteigerungen, sondern kann zudem völlig neue Arbeitsmöglichkeiten eröffnen.

Vor diesem Hintergrund widmet sich die Arbeitsgruppe der Erforschung und Darstellung von Anwendungen generativer KI, insbesondere von Large Language Models (LLMs), in den digitalen Geisteswissenschaften. Neben kommerziellen Modellen (z.B. GPT) sind insbesondere Open-Source-Modelle relevant. Die Veröffentlichung von ChatGPT hat die rasant gestiegene Mächtigkeit dieser Modelle ins allgemeine Bewusstsein gebracht. Zugleich hat sie eine breite Debatte über problematische Aspekte der künstlichen Intelligenz (Bias, Halluzination, KI-Footprint durch Rechenintensität, Datensicherheit, zerstörerische Potentiale u.a.) ausgelöst. Im Bewusstsein dieser Problematiken stehen die Digital Humanities gleichwohl vor der Aufgabe, die in der KI-Entwicklung liegenden Chancen auszuloten und zu nutzen. Die DHd-AG Angewandte Generative KI in den Digital Humanities soll einen kontinuierlichen Austausch sowohl über zentrale Konzepte des KI-Diskurses als auch über einschlägige praktische Erfahrungen ermöglichen.

Thematische Überschneidungen und somit Felder potentieller Kooperation bestehen mit den AGs Greening (KI-Footprint), Digital Humanities Theorie (Selbstverständnis der Geisteswissenschaften) und Empowerment (ethische Aspekte).

3. AG-Ziele

Identifikation, Bewertung und Kategorisierung des Anwendungsspektrums von generativer KI in den DH (Analyse, Modellierung, Datengenerierung etc.)
Erarbeitung von Best Practices im Umgang mit generativer KI
Entwicklung von Evaluationskriterien und -szenarien für unterschiedliche Aufgaben
Diskussion und Austausch von Erfahrungen, Experimenten und Fehlschlägen
Wissenstransfer: Training und Lehre für die Community
Abwägung von Chancen und Risiken
Klärung und Erklärung von Begriffen für die DH Community