Digital resources in the Social Sciences and Humanities OpenEdition Our platforms OpenEdition Books OpenEdition Journals Hypotheses Calenda Libraries OpenEdition Freemium Follow us

Aurel Daugs: Von der Küche zur Konsumkultur: LLM-gestützte Erschließung und Analyse gedruckter Kochbücher im England des 18. Jahrhunderts

Im Laufe des 18. Jahrhunderts gab der durchschnittliche Haushalt des englischen Mittelstands und der gentry rund fünfzig Prozent seines Einkommens für Lebensmittel aus.[1] Entsprechend ist es nicht verwunderlich, dass Kochbücher als neues Genre nahezu exponentiell an Beliebtheit gewannen. Während im ersten Drittel des Jahrhunderts nur vereinzelt einige Titel erschienen, wurden gegen Ende des Jahrhunderts über eine halbe Million Rezeptbücher verkauft, wobei manche Bestseller dutzende Auflagen erlebten.[2] Der gepflegte Tisch und die „Art of Cookery“ wurden zu Ausdrucksformen gehobener bürgerlicher Selbstverortung und zugleich Teil politischer und moralischer Debatten.…

„Aurel Daugs: Von der Küche zur Konsumkultur: LLM-gestützte Erschließung und Analyse gedruckter Kochbücher im England des 18. Jahrhunderts“ weiterlesen

Anna Grönig: Von der Wappenbeschreibung zur Ontologie: Evaluierung des LLM-Einsatzes in der digitalen Erschließung historischer Daten

Historische Quellen liegen meist in digitalisierter oder semi-strukturierter Form vor. Ihre Aufbereitung für digitale Analysen ist methodisch anspruchsvoll und erfolgte bislang überwiegend durch regelbasierte oder spezialisierte maschinelle Lernverfahren. Mit der Verbreitung von Large Language Models (LLMs) eröffnen sich neue Möglichkeiten für die Verarbeitung historischer Daten, deren Potenziale in den digitalen Geschichtswissenschaften zunehmend erkannt werden.

„Anna Grönig: Von der Wappenbeschreibung zur Ontologie: Evaluierung des LLM-Einsatzes in der digitalen Erschließung historischer Daten“ weiterlesen

Walter Scholger: Künstliche Intelligenz im Spannungsfeld von Innovation und Regulierung

Künstliche Intelligenz (KI) hat längst Einzug in die (digitalen Geistes-)Wissenschaften gehalten und wird unterschiedlich wahrgenommen: Der Einsatz generativer KI verspricht Innovation und Fortschritt, wirft jedoch auch kritische Fragen zu rechtlichen und ethischen Aspekten sowie zur Regulierung dieser Technologie auf.

„Walter Scholger: Künstliche Intelligenz im Spannungsfeld von Innovation und Regulierung“ weiterlesen

Torsten Hiltmann, Noah Baumann, Aurel Daugs, Bastian Kanow, Mareike Schäffer: RAG den Spiegel. Neue Wege zur Analyse großer Quellenkorpora in den Geschichtswissenschaften mit Hilfe von Large Language Models am Beispiel des Nachrichtenmagazins „DER SPIEGEL“

Dass große Sprachmodelle (Large Language Models, LLMs) auch die Geschichtswissenschaft verändern – und mit ihr die Art, wie wir als Historiker:innen arbeiten –, steht außer Frage. Aber wie genau kann das aussehen? Eines der zentralen Schlagworte in diesem Zusammenhang ist Retrieval-Augmented Generation (RAG). Dabei handelt es sich um ein Verfahren, bei dem LLMs nicht einfach auf ihr vortrainiertes Wissen zurückgreifen, sondern gezielt mit externen Quellenkorpora kombiniert werden. Dadurch lassen sich umfangreiche Textbestände systematisch auf bestimmte Informationen hin untersuchen. Halluzinationen werden reduziert, und gleichzeitig eröffnen sich neue Anwendungsmöglichkeiten in Bereichen, die im Training der Modelle bislang nicht berücksichtigt waren.

„Torsten Hiltmann, Noah Baumann, Aurel Daugs, Bastian Kanow, Mareike Schäffer: RAG den Spiegel. Neue Wege zur Analyse großer Quellenkorpora in den Geschichtswissenschaften mit Hilfe von Large Language Models am Beispiel des Nachrichtenmagazins „DER SPIEGEL““ weiterlesen

Isabell Trilling: Die Anwendung von LLMs zur Identifikation und Klassifikation von Naturkatastrophen in mittelalterlichen Stadtchroniken

Large Language Modelle (LLMs) benötigen in der Regel keine große Menge an zusätzlichen Trainingsdaten, um in unterschiedlichen NLP-Aufgaben eine gute Leistung zu erzielen. Ausgehend von den vielversprechenden Ergebnissen, die LLMs in dem Bereich der Named Entity Recognition (NER) in Auszügen des Baedekers erzielt hat[1], untersucht diese Masterarbeit empirisch, welchen Nutzen LLMs für die automatisierte Annotationen von abstrakteren Konzepten in historischen Quellen haben.

„Isabell Trilling: Die Anwendung von LLMs zur Identifikation und Klassifikation von Naturkatastrophen in mittelalterlichen Stadtchroniken“ weiterlesen

Anselm König: Intertextualitätsanalyse mit großen Sprachmodellen als historische Methode. Die Bibel in Wilhelm von Auxerres Summa de officiis ecclesiasticis

Die Verwendung großer Sprachmodelle erfährt einen scheinbar immerwährenden Aufwärtstrend. Die Entwicklerinnen dieser Algorithmen identifizieren immer neue erfolgsversprechende Anwendungsfälle, und auch in den digitalen Geisteswissenschaften werden großer Sprachmodelle vermehrt für oder als Methoden eingesetzt. Hier versprechen sie Leistungssteigerungen gegenüber bisherigen Ansätzen des Maschinellen Lernens. Außerdem sind große Sprachmodelle durch das unüberwachte Lernen großer Datenmengen gegenüber dem anwendungsbezogenen überwachten Lernen herkömmlicher Ansätze des Maschinellen Lernens deutlich flexibler.

„Anselm König: Intertextualitätsanalyse mit großen Sprachmodellen als historische Methode. Die Bibel in Wilhelm von Auxerres Summa de officiis ecclesiasticis“ weiterlesen

Anica Skibba und Isabell Trilling: Wie verändern große Sprachmodelle die Geschichtswissenschaften? Eine studentische Blogreihe zur Anwendung von LLMs in der historischen Forschung.

Einleitung: Der Rahmen der Blogreihe

In dem Masterseminar und der begleitenden Übung befassten wir uns ausführlich mit großen Sprachmodellen bzw. Large Language Models (LLMs). Unter dem Titel „Wie verändern große Sprachmodelle die Geschichtswissenschaften?“ haben wir im Masterseminar die Theorie und Methoden von LLMs untersucht, Praxisbeispiele aus der Forschung kennengelernt und in der Übung eigene Retrieval Augmented Generation Systeme (RAG) gebaut. Ziel der Lehrveranstaltung war es, Chancen, Herausforderungen und Grenzen von LLMs in der historischen Praxis zu testen. Die Lehrveranstaltung war in drei Bereiche gegliedert: die hermeneutische Perspektive auf Sprachmodelle, die technische Perspektive auf Sprachmodelle und die historische Praxis mit Sprachmodellen. Die Blogreihe setzt ihren Schwerpunkt auf die technische und angewandte Perspektive von Sprachmodellen, wobei das Vorgehen und die Ergebnisse von den Autor*innen wiederkehrend hermeneutisch eingeordnet wurden. „Anica Skibba und Isabell Trilling: Wie verändern große Sprachmodelle die Geschichtswissenschaften? Eine studentische Blogreihe zur Anwendung von LLMs in der historischen Forschung.“ weiterlesen

Mahsa Vafaie: National Socialist Injustice on the Semantic Web: From Archival Records to a Knowledge Graph

The project “Wiedergutmachung nationalsozialistischen Unrechts” (eng. “Reparations for National Socialist Injustice”), funded by the Federal Ministry of Finance (BMF), aims to provide centralised, structured and comprehensive digital access to documents and data sources from the context of reparations for injustices committed under National Socialism in Germany. The resulting thematic portal addresses a broad and diverse range of target groups, and accordingly consists of several modules: historical-political education, an overview of the relevant file holdings, and most significantly, a knowledge graph representing archival materials, procedures and individuals involved in the reparation process.

„Mahsa Vafaie: National Socialist Injustice on the Semantic Web: From Archival Records to a Knowledge Graph“ weiterlesen

Preprint published: NER4all or Context is All You Need


The Chair for Digital History is happy to announce that we published our first preprint on arXiv:

Torsten Hiltmann, Martin Dröge, Nicole Dresselhaus, Till Grallert, Melanie Althage, Paul Bayer, Sophie Eckenstaler, Koray Mendi, Jascha Marijn Schmitz, Philipp Schneider, Wiebke Sczeponik, Anica Skibba, NER4all or Context is All You Need: Using LLMs for low-effort, high-performance NER on historical texts. A humanities informed approach, arXiv (4.02.2025), DOI: https://doi.org/10.48550/arXiv.2502.04351

Abstract:
Named entity recognition (NER) is a core task for historical research in automatically establishing all references to people, places, events and the like. Yet, due to the high linguistic and genre diversity of sources, only limited canonisation of spellings, the level of required historical domain knowledge, and the scarcity of annotated training data, established approaches to natural language processing (NLP) have been both extremely expensive and yielded only unsatisfactory results in terms of recall and precision. Our paper introduces a new approach. We demonstrate how readily-available, state-of-the-art LLMs significantly outperform two leading NLP frameworks, spaCy and flair, for NER in historical documents by seven to twentytwo percent higher F1-Scores. Our ablation study shows how providing historical context to the task and a bit of persona modelling that turns focus away from a purely linguistic approach are core to a successful prompting strategy. We also demonstrate that, contrary to our expectations, providing increasing numbers of examples in few-shot approaches does not improve recall or precision below a threshold of 16-shot. In consequence, our approach democratises access to NER for all historians by removing the barrier of scripting languages and computational skills required for established NLP tools and instead leveraging natural language prompts and consumer-grade tools and frontends.

Mila Oiva: Chasing Leninism with AI. Using Computational Methods to Trace Cultural Phenomena through Historical Audiovisual Materials

How can we trace intangible historical phenomena, such as worldviews, cultural representations, or cultural-political movements through large-scale audiovisual archives? While the hermeneutic tradition of close reading has long provided a foundation for analyzing small-scale historical materials, the rise of digital sources presents new challenges and opportunities. When engaging with vast datasets, the intuitive processes of qualitative analysis must be made explicit, translating human insights into computational terms. This requires us to define the phenomenon under study more explicitly, identify its measurable units within the data, and critically evaluate how both the available data and applied methods allow us to address the research question.

„Mila Oiva: Chasing Leninism with AI. Using Computational Methods to Trace Cultural Phenomena through Historical Audiovisual Materials“ weiterlesen