KI in Bibliotheken - Am Ende zählen die Ergebnisse: Das DNB-KI-Projekt

Der Vortrag gibt einen kompakten Überblick über die zentralen Ergebnisse des KI-Projekts der Deutschen Nationalbibliothek (2021–2025) zur automatischen Vergabe von GND-Schlagwörtern für deutschsprachige Online-Publikationen. Neben klassischen Extreme-Multi-Label-Classification-Verfahren wird gezeigt, dass transformerbasierte Ansätze wie XRTransformer das Projektziel (F1-Score > 0,4) bereits erreichen und damit die Qualität der automatischen Erschließung messbar steigern. Vor dem Hintergrund der zunehmenden Verfügbarkeit großer Open-Weight-Sprachmodelle wurde zudem die Schlagwortvergabe mit LLMs untersucht. Da LLMs die GND nicht explizit kennen, wurde ein zweistufiger Workflow gewählt: (1) Generierung freier Schlagwortvorschläge per Few-Shot-Prompting und (2) Mapping auf GND-Konzepte mittels Embeddings. Darauf aufbauend wurden drei Verfahren entwickelt: Embedding-basiertes Matching (EBM) als semantisch robustes, dem lexikalischen Ansatz ähnliches Mapping, ein rechenintensiveres LLM-Ensemble zur Kombination mehrerer Modelle und Prompts sowie KIFSPrompt als ressourcensparende, RAG-ähnliche Variante mit intelligenter Beispielauswahl. Die Ergebnisse deuten darauf hin, dass insbesondere bei seltenen oder untrainierten GND-Konzepten zusätzliche Potenziale gegenüber rein klassisch trainierten Modellen bestehen. Abschließend betont der Vortrag die zentrale Rolle der intellektuellen Erschließung für Trainingsbeispiele und Evaluationen und skizziert die Weiterentwicklung modularer Ansätze sowie die Übertragung auf weitere Erschließungsaufgaben.