<?xml version="1.0" encoding="utf-8"?>
<export-example>
  <doc>
    <id>19836</id>
    <completedYear>2025</completedYear>
    <publishedYear/>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>Konferenzabstract</type>
    <publisherName/>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Szenarien zur Metadatenanreicherung durch den Einsatz von Machine Learning-Modellen in der Archäologie</title>
    <abstract language="deu">Das Deutsche Archäologische Institut (DAI) betreibt an 16 Standorten im In- und Ausland Fachbibliotheken. Das zentrale Verzeichnissystem iDAI.bibliography/ZENON (https://zenon.dainst.org/) stellt mit seinen ca. 1,4 Millionen Datensätzen dabei ein wichtiges Nachweisinstrument für altertumswissenschaftliche Literatur dar. Wie bei Nachweissystemen mit ähnlich komplexer Geschichte und nicht immer konsequenter Erschließungshistorie ist es ein Desiderat, die Qualität der Einträge zu verbessern, insbesondere durch Anreicherung mit weiteren beschreibenden Metadaten.
Um dies zu erreichen, sollen klassische Methoden der Datenanreicherung (Harvesting) mit Ansätzen zum niedrigschwelligen Einsatz von Machine Learning-Modellen, die es im DAI in anderen Arbeitsbereichen gibt, zusammengeführt werden, um zu evaluieren, welche davon - auch in nachgeschalteter Kombination - geeignet sind, die Datenqualität in iDAI.bibliography/ZENON belastbar zu verbessern. Ausgangsbasis sind verfügbare Zusammenfassungen, aber auch Volltexte der vom DAI herausgegebenen Publikationen sowie nutzbare Retrodigitalisate zusätzlicher Bestände, die dort nachgewiesen sind.
Anhand eines ausgewählten Bestandes sollen zunächst zur geographischen Verschlagwortung über eine übliche Named Entity Recognition- bzw. Token Classification-Pipeline Ortsangaben extrahiert und mit Einträgen des entsprechenden Normdatensystems (https://gazetteer.dainst.org) verlinkt werden. Darüber hinaus sollen aber auch andere Einsatzmöglichkeiten insbesondere bidirektionaler Modelle etwa der BERT-Familie evaluiert werden, etwa die Möglichkeit, mit Verfahren wie dem Question Answering brauchbare Informationen zur verschlagwortenden Erschließung zu erhalten, zumal in anderen Kontexten domänenspezifische BERT-Modelle für die Archäologie entwickelt werden. Insbesondere im Falle von Retrodigitalisaten sollen im Hinblick auf die zahlreichen Abbildungen auch Image-to-Text bzw. multimodale Verfahren getestet werden.</abstract>
    <parentTitle language="deu">Themenkreis 5: Digitalität und KI/ Metadaten und KI (25.06.2025, 16:30 - 18:00, Halle 4.1./ Raum V)</parentTitle>
    <licence>Deutsches Urheberrecht</licence>
    <author>Peter Baumeister</author>
    <author>Sabine Thänert</author>
    <collection role="themen" number="C">Erschließung, Linked Open Data, RDA</collection>
    <collection role="bibtage" number="">113. BiblioCon in Bremen 2025 = 9. Bibliothekskongress</collection>
    <collection role="bibtage" number="">TK 5: Digitalität und KI</collection>
  </doc>
</export-example>
