p
Zu Beginn unseres Gesprächs müssen wir erst einmal klären, wovon wir eigentlich sprechen. Denn KI ist nicht gleich KI. Christopher unterscheidet zwischen verschiedenen Technologien und erklärt uns, warum er sich selbst vor allem mit angewandter generativer KI beschäftigt. Dabei geht es ihm weniger darum, eigene Modelle zu trainieren, als darum, bestehende LLMs in Forschungsprojekten einzusetzen. Wir sprechen darüber, wie KI inzwischen bei der Codegenerierung, der Datenmodellierung und der Entwicklung ganzer Forschungsworkflows eingesetzt werden kann. Christopher berichtet uns dazu aus seiner eigenen Arbeit und zeigt, wie sich dadurch auch die Zusammenarbeit mit Forschenden verändert. So können beispielsweise erste Prototypen digitaler Editionen bereits zu Beginn eines Projekts entwickelt und gemeinsam mit anderen Wissenschaftler*innen weiterbearbeitet werden.
Wir sprechen außerdem darüber, was mit generativer KI eigentlich (schon) gut funktioniert und wo die Grenzen (momentan) liegen. Besonders bei Aufgaben, deren Ergebnisse sich anhand klarer Regeln überprüfen lassen, sieht unser Gast große Möglichkeiten. Zum Beispiel bei der Erstellung von TEI-XML, bei der sich die erzeugten Daten gegen ein Schema validieren lassen. Schwieriger wird es dagegen bei Aufgaben, die mehr Interpretation benötigen. Und damit kommen wir zu einer Frage, die gerade in den DHDH steht für Digital Humanities, also digitale Geisteswissenschaften. More wichtig ist: Welche Rolle spielen die Forschenden eigentlich noch, wenn KI immer mehr Aufgaben übernehmen kann? Christopher spricht hier lieber von einem „Expert in the Loop“ als von einem „Human in the Loop“. Denn um historische Quellen einzuordnen, Personen zu identifizieren oder Zusammenhänge zu verstehen, braucht es weiterhin fachwissenschaftliche Expertise. KI soll, da sind wir uns einig, diese Arbeit also nicht einfach ersetzen, sondern unterstützen. Ein weiteres Thema sind die rechtlichen und ethischen Fragen, die mit dem Einsatz von generativer KI einhergehen. Wir diskutieren, welche ForschungsdatenUnter Forschungsdaten können sämtliche Daten verstanden werden, die im Laufe des Forschungszyklus (von der initialen Idee, über die Planung und Durchführung von Forschungsaktivitäten, bis hin zu Publikationen und Langzeitarchivierung der Ergebnisse) entstehen. Da es keine einheitliche Definition des Begriffs gibt, versteht jede wissenschaftliche Disziplin etwas anderes darunter. Beispiele sind Messdaten, Fragebögen, audiovisuelle Aufzeichnungen und Digitalisate. More überhaupt an externe Modelle weitergegeben werden dürfen, welche Rolle Lizenzen und Datenschutz dabei spielen und wann lokale Modelle eine Alternative sein können. Auch Open Source und digitale Souveränität kommen zur Sprache, ebenso wie die (Un-)Abhängigkeit von großen Technologieunternehmen. Gleichzeitig sprechen wir über den enormen Energieverbrauch der Technologie. Wie können wir die Balance zwischen den Möglichkeiten der Technologie und den ökologischen und gesellschaftlichen Folgen finden?
Wir kommen auch auf das Thema AI Literacy zu sprechen. Dabei geht es um weit mehr als nur um gutes Prompting. Christopher erklärt uns, warum Kenntnisse in Prompting, Programmierung und der Funktionsweise von Forschungsworkflows immer wichtiger werden. Wir diskutieren außerdem, wie sich die Arbeit durch KI verändert. Denn auch wenn bestimmte Aufgaben inzwischen deutlich schneller erledigt werden können, bedeutet das nicht immer automatisch weniger Arbeit. Wir stellen uns also die Frage, wie wir bestimmte Kompetenzen in Zukunft vermitteln und warum und wie Studierende eigentlich noch Programmieren lernen sollen, wenn KI ihnen das Schreiben von Code abnehmen kann.
Zum Schluss wagen wir, wie immer, noch einen Blick in die Zukunft. Christopher sieht die rasante Entwicklung immer leistungsfähigerer KI-Modelle durchaus mit Sorge. Wir sprechen gemeinsam über mögliche Risiken, die Frage nach der Sicherheit solcher Systeme und darüber, wer wie viel Verantwortung trägt.
Wer also gerade durch das herbstliche Regenwetter spaziert, Kastanienfiguren bastelt oder einen Zimtschnecken/Pumpkin Spice/ Finnische Waldhütten/ Nougat Zwetschgen-Tee trinkt kann das gut während unseres Podcasts tun. Also: Reinhören.
____________________________________________________________
Weiterführende Links:
- Christophers YouTube-Channel: Digital Humanities Craft – YouTube
- Smith, Noah (2026): Where’s the „intelligence explosion“? https://www.noahpinion.blog/p/wheres-the-intelligence-explosion
- AI Explained (YouTube): https://www.youtube.com/@aiexplained-official
- Der 80,000 Hours Podcast: https://80000hours.org/podcast
- explizit genannt wurde die Folge mit Anton Leicht: https://80000hours.org/podcast/episodes/anton-leicht-middle-powers-agi-left-behind/
Christophers kuratierte YouTube-Playlist:
