Mit Hilfe von KI-gestützer Literaturrecherche lassen sich große Datenbestände systematisch durchsuchen, relevante Publikationen schnell identifizieren und komplexe thematische Zusammenhänge sichtbar machen. Darüber hinaus bieten KI-Tools effektive Unterstützung bei der Erarbeitung von Referaten oder Hausarbeiten, in dem sie bei der Themenentwicklung, der der Literaturanalyse und der Textüberarbeitung helfen können.
Gezielt und verantwortungsbewusst eingesetzt, optimiert KI die Literaturrecherche und erleichtert das wissenschaftliche Arbeiten.
Dieser Kurs befasst sich mit dem Einsatz künstlicher Intelligenz beim wissenschaftlichen Arbeiten und geht dabei unter anderem auf allgemeine Einsatzmöglichkeiten, Chancen, Risiken und einen verantwortungsvollen sowie kritisch reflektieren Umgang damit ein. Das Thema wird im Sinne der AI-Literacy von einer grundsätzlichen Perspektive betrachtet. Konkrete Tools werden im Rahmen der Veranstaltung nicht demonstriert beziehungsweise behandelt.
Inhalte:
Lernziele:
Die Studierenden…
Termine:
AI Literacy etablierte sich als interdisziplinärer Ansatz, um den Herausforderungen bezüglich KI zu begegnen. Im Zentrum steht dabei die Vermittlung von Wissen und Fertigkeiten, um KI-Systeme kritisch zu hinterfragen, mit ihnen zusammenzuarbeiten und sie in verschiedenen Lebensbereichen praktisch anzuwenden. Im Sinne der Informationskompetenz ist der Umgang mit KI daher ein wichtiges Aufgabenfeld der Universitätsbibliothek.
Generative KI ist der Oberbegriff für alle KI-Systeme, die trainierte statistische Modelle nutzen, um eigenständig neue Inhalte wie Texte, Bilder, Audio, Code oder Videos zu erzeugen.
Künstliche Intelligenz (KI) bezeichnet Systeme, die menschenähnliche kognitive Fähigkeiten nachahmen. Das reicht von Spracherkennung und Textgenerierung bis hin zur Entscheidungsfindung und Problemlösung. Diese Technologien bieten vielversprechende Ansätze für die wissenschaftliche Arbeit, erfordern jedoch auch einen kritischen Umgang.
Large Language Models (LLMs) sind spezialisierte Formen Generativer KI, die Texte verstehen, verarbeiten und erzeugen können. Sie wurden mit einer enormen Menge an Textdaten trainiert und haben dabei Milliarden von Wortkombinationen analysiert. LLMs generieren die Antworten ausschließlich durch statistische Vorhersagen innerhalb des vorgegebenen Anfragekontexts (dem sog. Prompt). Da sie Sprache lediglich als Wahrscheinlichkeitsmuster interpretieren, fehlt ihnen kritisches Denkvermögen und ein echtes Sprachverständnis, weshalb sie auch als „stochastische Papageien“ (Bender et al. 2021) bezeichnet werden.
Retrieval-Augmented Generation (RAG) kann die KI-gestützte Literaturrecherche verbessern, indem große Sprachmodelle mit externen Datenquellen wie Forschungspapers (z.B. aus PubMed) oder eigenen PDF-Sammlungen verknüpft werden. So entstehen präzisere, faktenbasierte Ergebnisse, während das Risiko falscher oder erfundener Aussagen ("Halluzinationen") sinkt. Die Qualität der Ergebnisse hängt dabei von den zugrundeliegenden Daten ab und erfordert weiterhin eine kritische Überprüfung.
