KI-Tools für Universitätsbibliotheken: Was Forschungsbibliothekar:innen wissen müssen
Ein praxisorientierter Leitfaden für Forschungsbibliothekar:innen, die KI-gestützte Forschungstools evaluieren — mit Auswahlkriterien, Konzeption von Pilotprogrammen, Schulungsstrategien und Begründung des Budgets für die institutionelle Einführung.
Forschungsbibliothekar:innen stehen an vorderster Front bei der Bewertung von KI-Forschungstools. Dieser Leitfaden behandelt Auswahlkriterien, die Konzeption von Pilotprojekten, Schulungspläne und Rahmenwerke zur Budgetbegründung für die institutionelle Einführung.
Universitätsbibliothekarinnen und -bibliothekare waren schon immer Evaluierende von Technologien. Von Zettelkatalogen bis zu OPAC-Systemen, von CD-ROM-Datenbanken bis zu OpenURL-Resolvern haben Bibliotheken ihre Institutionen durch jeden großen Wandel der Forschungsinfrastruktur begleitet. KI-gestützte Forschungstools stellen den nächsten solchen Wandel dar — und die Herausforderungen bei der Bewertung sind vertraut, auch wenn die Technologie es nicht ist.
Dieser Leitfaden richtet sich an Forschungsbibliothekarinnen und -bibliothekare sowie Bibliotheksleitungen, die Fragen von Lehrenden zu KI-Tools erhalten und einen praktischen Rahmen für die institutionelle Bewertung und Einführung benötigen.
Lehrende und Promovierende nutzen bereits individuell KI-Forschungstools — oft mit persönlichen Abonnements und ohne institutionelle Aufsicht. Das schafft mehrere Probleme: Keine Qualitätskontrolle: Einzelne Nutzerinnen und Nutzer können die Genauigkeit von Zitaten nicht in großem Maßstab bewerten Doppelte Ausgaben: Mehrere Fachbereiche zahlen separat für dasselbe Tool Keine Schulungsinfrastruktur: Nutzerinnen und Nutzer lernen durch Versuch und Irrtum und entwickeln dabei schlechte Gewohnheiten Lücken beim Datenschutz: Forschende laden unveröffentlichte Manuskripte in KI-Tools für Endverbraucher hoch, ohne die Richtlinien zur Datenverarbeitung zu verstehen
Bibliotheken sind in einer einzigartigen Position, alle vier Probleme anzugehen. Sie verwalten bereits Anbieterbeziehungen, führen Schulungsprogramme durch und verstehen, wie sich Forschungsworkflows zwischen Disziplinen unterscheiden.
Als Nächstes lesen
- Mehr zu university-library entdecken
- Mehr zu ai-tools entdecken
- Mehr zu research-librarian entdecken
- Mehr zu institutional entdecken
- Mehr zu academic entdecken
Ähnliche Artikel
PapersFlow entdecken
Frequently Asked Questions
- Wie sollte eine Universitätsbibliothek KI-Forschungstools im Hinblick auf Genauigkeit bewerten?
- Führen Sie einen strukturierten Benchmark durch: Nehmen Sie 20–30 gut verstandene Suchanfragen aus verschiedenen Disziplinen, lassen Sie sie durch jedes Tool laufen und vergleichen Sie die Ergebnisse mit der bekannten Literatur. Prüfen Sie auf halluzinierte Zitate (Arbeiten, die nicht existieren), übersehene Schlüsselpublikationen und die Genauigkeit extrahierter Aussagen. Beziehen Sie Lehrende aus mindestens 3 Fachbereichen in die Bewertung ein.
- Mit welchem Budgetrahmen sollten Bibliotheken für Abonnements von KI-Forschungstools rechnen?
- Die institutionelle Preisgestaltung variiert stark. Scite bietet campusweiten Zugang über Bibliotheks-Abonnementmodelle (typischerweise $5,000-$25,000/Jahr, abhängig von der FTE-Zahl). Die Preise für Consensus Enterprise werden individuell für 200+ Plätze festgelegt. Elicit und PapersFlow bieten institutionelle Tarife auf Anfrage an. Planen Sie für eine mittelgroße Universität jährlich $10,000-$50,000 ein, abhängig vom Tool und dem Leistungsumfang.
- Können KI-Forschungstools traditionelle Datenbankabonnements wie Web of Science oder Scopus ersetzen?
- Noch nicht. KI-Tools ergänzen traditionelle Datenbanken, anstatt sie zu ersetzen. Web of Science und Scopus liefern strukturierte Metadaten, Zitationsindizierung und Journalmetriken, auf die KI-Tools als vorgelagerte Datenquellen angewiesen sind. Betrachten Sie KI-Tools als eine neue Ebene auf bestehender Infrastruktur, nicht als deren Ersatz.