@misc{AlpermannRothbauerBarthetal.2025, author = {Alpermann, Tamara and Rothbauer, Markus and Barth, Lena and Hentschel, Stefan and Kors, Fabian}, title = {Besser st{\"o}bern mit K{\"u}nstlicher Intelligenz: Eine inspirierende L{\"o}sung und deren Umsetzung in der M{\"u}nchner Stadtbibliothek}, series = {Themenkreis 4: Bibliotheken - Services und Angebote/ Auf der Suche mit KI: Anwendungen und eine Einordnung (26.06.2025, 14:00 - 16:00, Borgward Saal)}, journal = {Themenkreis 4: Bibliotheken - Services und Angebote/ Auf der Suche mit KI: Anwendungen und eine Einordnung (26.06.2025, 14:00 - 16:00, Borgward Saal)}, year = {2025}, abstract = {Im vergangenen Jahr wurde innerhalb der Landeshauptstadt M{\"u}nchen ein innovatives KI-Tool entwickelt, welches den OPAC der M{\"u}nchner Stadtbibliothek, um eine „St{\"o}bern"-Funktion auf Basis eines AI Recommendation Systems erg{\"a}nzt. Hiermit wird unser vielf{\"a}ltiger Bestand auf eine visuelle und ansprechende Weise pr{\"a}sentiert. Diese neue Funktion zeigt unseren Nutzer*innen direkt auf der Titelanzeige eines Mediums im Katalog eine Reihe weiterer Titel aus unserem Bestand. Gemeinsam ist diesen Titeln die inhaltliche {\"A}hnlichkeit. Mit einem Klick auf einen empfohlenen Titel gelangt man zum n{\"a}chsten Medium. Dies kann man beliebig oft fortsetzen. Eine zus{\"a}tzliche Benutzereingabe ist nicht notwendig. Ziel ist es, unseren Bestand, der auf viele Standorte verteilt ist, visuell zentral erlebbar zu machen. F{\"u}r die Generierung der Empfehlungen wandelt ein Embedding Modell die Texte in eine Vektordarstellung. Dadurch k{\"o}nnen die Medien {\"u}ber ihren Vektor in einem mehrdimensionalen Vektorraum angeordnet und dargestellt werden. Je n{\"a}her die Medien zueinander im Vektorraum liegen, desto {\"a}hnlicher sind sich die Texte inhaltlich und somit auch die Medien zueinander. Um sicherzustellen, dass das Tool den Bed{\"u}rfnissen unserer Nutzer*innen entspricht, haben wir in mehreren Testzyklen zun{\"a}chst bibliothekarisches Fachpersonal und danach mit Hilfe eines Prototyps auch Kund*innen befragt. Parallel wurde eine Online-Befragung durchgef{\"u}hrt, die die R{\"u}ckmeldungen der Tester*innen strukturiert und auswertbar erfasste. An diesem Projekt waren innerhalb der Landeshauptstadt M{\"u}nchen neben dem UX Team der M{\"u}nchner Stadtbibliothek auch das InnovationLab und das KI Competence Center von IT@M sowie das Statistische Amt beteiligt. In unserem Vortrag m{\"o}chten wir nicht nur das Tool selbst vorstellen, sondern auch von unseren Erfahrungen w{\"a}hrend der Umsetzungsphase berichten.}, language = {de} }