|
Open-Source-Assistenten für FDM und Open Science: Beratungsservices mit Metasearch und lokalen LLMs
Shigapov, Renat
;
Schmidt, Thomas
|
URL:
|
https://opus4.kobv.de/opus4-bib-info/frontdoor/ind...
|
|
URN:
|
urn:nbn:de:bsz:180-madoc-704685
|
|
Document Type:
|
Conference presentation
|
|
Year of publication:
|
2025
|
|
Conference title:
|
113. BiblioCon in Bremen 2025 = 9. Bibliothekskongress
|
|
Location of the conference venue:
|
Bremen, Germany
|
|
Date of the conference:
|
24.-27.06.2025
|
|
Related URLs:
|
|
|
Publication language:
|
German
|
|
Institution:
|
Zentrale Einrichtungen > University Library
|
|
Pre-existing license:
|
 Creative Commons Attribution 4.0 International (CC BY 4.0)
|
|
Subject:
|
020 Library and information sciences
|
|
Individual keywords (German):
|
Chatbot , Forschungsdatenmanagement , Künstliche Intelligenz , Open Science , Virtuelle Assistenten
|
|
Abstract:
|
Beratungsservices zum Forschungsdatenmanagement (FDM) und Open Science sind wichtiger Bestandteil von Forschungsdatenzentren. Gleichzeitig erfordern diese Beratungen aufgrund ihrer thematischen Breite und fachlichen Spezifik ein hohes Maß an Zeit und Ressourcen.
Mit FAIR GPT (https://doi.org/10.48550/arXiv.2410.07108) hat die UB Mannheim bereits einen virtuellen Assistenten veröffentlicht, der Forschenden hilft, ihre Daten FAIR zu publizieren. Als „CustomGPT“ von OpenAI bietet FAIR GPT zahlreiche Möglichkeiten Forschungsdaten aufzuwerten, hilft bei der Suche nach geeigneten Repositorien, der Erstellung von Metadaten und Dokumentation u.v.m. Allerdings bietet das Tool keine Quellenangaben und ist nicht quelloffen, was die Anpassbarkeit und das Vertrauen in seine Ergebnisse einschränkt. Auch bestehen Fragen hinsichtlich des Datenschutzes, da ein externer Cloud-Dienst genutzt wird.
Um diese Nachteile zu verbessern, möchten wir drei virtuelle Open-Source-Assistenten vorstellen, die zur Optimierung von FDM- und Open-Science-Beratungsservices beitragen können. Die Tools „FAIR-Perplexica“, „FAIR-sensei“ und „FAIR-farfalle“ verwenden lokale Instanzen der Metasearch-Engine SearXNG, um eine Internetsuche durchzuführen und die Ergebnisse als Input für große Sprachmodelle (LLMs) zu verwenden. Die Internetsuche wird dabei auf relevante FDM-Ressourcen eingegrenzt und die Antworten werden analog zur LLM-Suchmaschine „Perplexity.ai“ als Textbeiträge generiert, die mit zahlreichen Fußnoten und Quellen versehen sind. Nutzende mit FDM-spezifischen Fragen erhalten so schnelle und fundierte Antworten, die sich über die bereitgestellten Quellen überprüfen und vertiefen lassen.
Unser Vortrag stellt die genannten Tools detailliert vor und beleuchtet u. a. Aspekte der Transparenz und Provenienz der bereitgestellten Informationen, Fragen zum Datenschutz, der Aktualität und Qualität der Antworten sowie Hinweise zur Installation, Einrichtung und Performance der virtuellen Assistenten.
|
 | Dieser Eintrag ist Teil der Universitätsbibliographie. |
 | Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt. |
 Search Authors in
You have found an error? Please let us know about your desired correction here: E-Mail
Actions (login required)
 |
Show item |
|
|
