AI-Tools für Universitätsbibliotheken: Was Forschungsbibliothekar:innen wissen müssen
Ein praxisorientierter Leitfaden für Forschungsbibliothekar:innen, die KI-gestützte Forschungstools bewerten — mit Auswahlkriterien, Konzeption von Pilotprogrammen, Schulungsstrategien und Budgetbegründung 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 jede größere Veränderung der Forschungsinfrastruktur begleitet. KI-gestützte Forschungstools stellen die nächste solche Veränderung 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 Fakultätsmitgliedern zu KI-Tools erhalten und einen praktischen Rahmen für die institutionelle Bewertung und Einführung benötigen.
Fakultätsmitglieder 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 im großen 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.
Read next
- Explore more on university-library
- Explore more on ai-tools
- Explore more on research-librarian
- Explore more on institutional
- Explore more on academic
Related articles
Explore PapersFlow
Frequently Asked Questions
- Wie sollte eine Universitätsbibliothek AI-Forschungstools im Hinblick auf Genauigkeit bewerten?
- Führen Sie einen strukturierten Benchmark durch: Nehmen Sie 20–30 gut verstandene Suchanfragen aus verschiedenen Disziplinen, führen Sie sie in jedem Tool aus und vergleichen Sie die Ergebnisse mit der bekannten Literatur. Prüfen Sie auf halluzinierte Zitationen (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 AI-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 Preisgestaltung von Consensus Enterprise ist für 200+ Plätze individuell. Elicit und PapersFlow bieten institutionelle Pläne auf Anfrage an. Planen Sie für eine mittelgroße Universität jährlich $10,000-$50,000 ein, abhängig vom Tool und dem Leistungsumfang.
- Können AI-Forschungstools traditionelle Datenbankabonnements wie Web of Science oder Scopus ersetzen?
- Noch nicht. AI-Tools ergänzen traditionelle Datenbanken, anstatt sie zu ersetzen. Web of Science und Scopus liefern strukturierte Metadaten, Zitationsindexierung und Journalmetriken, auf die AI-Tools als vorgelagerte Datenquellen angewiesen sind. Betrachten Sie AI-Tools als eine neue Ebene auf bestehender Infrastruktur, nicht als deren Ersatz.