Text und Data Mining (TDM) ist als Forschungsmethode etabliert und der Bedarf Verlagspublikationen für TDM zu nutzen ist hoch. Es stellt sich im Rahmen der Diskussion um TDM die Frage, in welchem Verhältnis TDM zu Künstlicher Intelligenz (KI) steht: Ist jede KI-Anwendung auch immer gleich eine TDM-Anwendung? TDM kann auch mit Unterstützung von KI durchgeführt werden, z.B. können Sprachmodelle trainiert werden um einen Datenkorpus zu analysieren und neue Muster, Trends und Korrelationen zu finden (Ziel von TDM). Das Training von Sprachmodellen kann aber auch der Entwicklung neuronaler Netze dienen, mit denen nicht zwingend nur ein Ziel verfolgt wird.

Im Forschungsdatenmanagement (FDM) bilden sich derzeit verschiedene Rollen und Berufsbilder heraus. Ein Blick auf den entsprechenden Stellenmarkt im deutschsprachigen Raum zeigt in den letzten Jahren vielfältige Ausschreibungen. Einige Beispiele sehen Sie in der Auflistung rechts.
2019 wurde die erste Data-Steward-Stelle in Österreich, nämlich an der TU Graz, etabliert. Seitdem nimmt die Zahl der Stellen für Data Stewards zu. Begriff, Rolle und Abgrenzung zu verwandten Berufen sind (noch) nicht in allen Branchen eindeutig definiert. Es gibt aber mittlerweile ein gemeinsames Verständnis in der europäischen Wissenschaftslandschaft. Im Einklang damit versteht die Universität Wien darunter Personen, die über Wissen und Erfahrung in einer bestimmten Forschungsdisziplin und im Forschungsdatenmanagement verfügen und das mit einer besonderen zwischenmenschlichen Komponente verbinden.

Künstliche Intelligenz (KI) gewinnt immer mehr an Bedeutung im wissenschaftlichen Umfeld und in Bibliotheken und verändert grundlegend die Art und Weise, wie gearbeitet wird. Sprachmodelle wie ChatGPT und Wissensgraphen spielen eine zentrale Rolle, insbesondere bei der Beantwortung wissenschaftlicher Fragen. Die Verknüpfung beider Technologien ermöglicht es, präzisere und relevantere Antworten zu generieren, als es mit der jeweiligen Technologie alleine möglich wäre. In diesem Zusammenhang ist der von der TIB – Leibniz- Informationszentrum Technik und Naturwissenschaften entwickelte Open Research Knowledge Graph (ORKG) ein prägnantes Beispiel.

Die Staatsbibliothek zu Berlin (SBB) als Teil der Stiftung Preußischer Kulturbesitz (SPK) treibt seit über 15 Jahren die Digitalisierung ihrer Bestände voran, um diese online den Nutzenden zugänglich zu machen. Die Digitalisierung erfolgt größtenteils durch das hauseigene Digitalisierungszentrum, das seit 2007 existiert. Hier werden kontinuierlich Bücher, Zeitungen, Handschriften und dergleichen gescannt. Aktuell ist ein wachsendes Datenkorpus von mehr als 7 Peta-Bytes vorhanden, das mehr als 200.000 digitalisierte Werke umfasst, wobei bislang nur für etwa 5 Millionen Seiten Volltexte mittels optischer Zeichenerkennung (OCR) generiert wurden.

Im digitalen Zeitalter entwickelt die Deutsche Nationalbibliothek (DNB) ihre Erschließungsprozesse für Online- und Print-Publikationen kontinuierlich weiter, wobei Künstliche Intelligenz (KI) eine entscheidende Rolle spielt. Ein besonderer Schwerpunkt liegt dabei auf der Integration innovativer Technologien für die Beschlagwortung mit der Gemeinsamen Normdatei GND, was der effizienten Generierung von Metadaten für die vollständige und präzise thematische Erfassung aller Medienwerke, sowohl in digitaler als auch in gedruckter Form, dienen soll. Für die thematische Recherche spielt die Beschlagwortung mit der GND eine entscheidende Rolle. Die DNB setzt bereits seit 10 Jahren maschinelle Verfahren für die Beschlagwortung mit der GND ein und arbeitet intensiv daran, diese Verfahren noch weiter zu verbessern. Damit soll trotz wachsender Medienbestände eine möglichst einheitliche und vollständige Erschließung mit der GND erreicht werden. Angesichts der rasanten Entwicklung von Techniken der Künstlichen Intelligenz (KI) stellt sich die Frage, auf welche Weise diese aktuellen Innovationen für diese bibliothekarische Aufgabe genutzt werden können