Knowledge, Context and Agentic Engineering for Research Data Workflows & Digital Editions

Abstract

Der eintägige Workshop untersucht, wie Sprachmodelle und AI Harnesses quellengebundene Forschungsdaten-Workflows und digitale wissenschaftliche Editionen unterstützen können. Eine kontrollierte Abfolge von Modellaufrufen zeigt, wie Forschungsfrage, Segmentgrenze, Schema und Evidenzanforderungen das Ergebnis einer Extraktion verändern. Zwei praktische Einheiten führen anschließend von der multimodalen Transkription einer Manuskriptseite zur strukturierten Informationsextraktion mit expliziter Validierung und wissenschaftlichem Status.

Lernziele

• Prompt, Knowledge, Context und Agentic Engineering innerhalb eines Forschungsworkflows unterscheiden.
• Segmentgrenzen und Schemata als Forschungsentscheidungen erklären.
• Eine erzeugte Transkription anhand ihrer Quelle beurteilen.
• Modellergebnis, menschliche Prüfung und wissenschaftliche Abnahme als getrennte Zustände dokumentieren.

Ablauf

1. GrundlagenForschungsdaten-Workflows, Sprachmodelle und AI Harnesses
2. Kontrollierter VergleichVier Modellaufrufe mit zunehmend explizitem Kontext und klaren Bedingungen
3. Hands-on IMultimodale Transkription einer Manuskriptseite
4. Hands-on IISchemabasierte Extraktion und wissenschaftliche Prüfung