Künstliche Intelligenz im Archiv – was geht, was bleibt, was fehlt?
Künstliche Intelligenz spielt heute in vielen Bereichen eine zentrale Rolle, auch in den Archiven. Während Landesarchive, große kommunale Archive, Archivberatungsstellen etc. sich damit schon aktiv auseinandersetzen, beispielsweise auf dem Südwestdeutschen Archivtag in Balingen 2023, der Konferenz des AK Offenen Archive 2024, der AUdS-Tagung 2025 oder auf dem diesjährigen Kolloquium der Archivschule Marburg, reagieren kleinere Archive oft zurückhaltender. In dieser Beitragsreihe wollen wir beleuchten, was KI leisten kann aber auch, wo ihre Grenzen liegen.
Chancen von KI im Archivwesen
1. Zeitersparnis
Immer wiederkehrende, regelbasierte Aufgaben lassen sich automatisieren. Das entlastet Fachpersonal und schafft Raum für komplexere Tätigkeiten. Beispielsweise kann man Vorworte von Findbüchern, Kürzen und Zusammenfassen von Texten, Aufsätzen und Protokollen mit künstlicher Intelligenz bearbeiten.
2. Verbesserte Zugänglichkeit:
Historische Dokumente lassen sich durch automatisierte Texterkennung und Transkription (z. B. OCR, Transkribus) schneller digitalisieren und der Öffentlichkeit zugänglich machen.
3. Öffentlichkeitsarbeit & Marketing:
KI-gestützte Inhalte (Texte, Bilder oder sogar Musik) können Archive sichtbar machen und neue Zielgruppen erreichen, z. B. potenzielle Nutzer*innen oder Auszubildende.
4. Automatisierung von Verwaltungsprozessen:
Klassifikation, Verschlagwortung oder einfache Suchanfragen könnten durch KI effizienter gestaltet werden. (Beispiel Chatbots)
Diese Chancen sind nicht pauschal auf jedes Archiv übertragbar, sie zeigen jedoch dass KI auch im Kulturbereich Anwendung finden kann.
Herausforderungen und Grenzen
So vielversprechend künstliche Intelligenz auch ist, sie bringt auch erhebliche Herausforderungen mit sich:
1. Fehleranfälligkeit:
Viele KI-Modelle (insbesondere Sprachmodelle) sind dafür bekannt „zu halluzinieren“ also plausible, aber falsche Inhalte zu generieren. Eine kritische, menschliche Nachprüfung bleibt daher unerlässlich.
2. Hoher Initialaufwand:
KI-gestützte Projekte erfordern oft eine aufwändige Einarbeitung oder ein gezieltes „Training“. Das kann ähnlich zeitintensiv sein wie die herkömmliche Erschließung eines chaotischen DDR-Bestandes.
3. Datenschutz & Ethik:
Dürfen archivische Daten ohne weiteres für KI-Trainingszwecke verwendet werden? Welche datenschutzrechtlichen Rahmenbedingungen gelten? Welche technischen und ethischen Standards sollten Archive berücksichtigen?
4. Kosten & Abhängigkeit:
Sollten kommerzielle oder Open-Source-Modelle verwendet werden? Die Höhe des Aufwands hängt vom Projekt und den vor Ort gegebenen Standards ab. Gerade kleinere oder personell schwach ausgestattete Archive empfinden den Einstieg in neue Technologien oft als besonders herausfordernd, nicht zuletzt, weil viele Debatten dazu sehr technisch oder wissenschaftlich geprägt sind. Umso wichtiger ist es, niedrigschwellige, praxisnahe Lösungen aufzuzeigen, die sich an den realen Bedingungen kleiner Archive orientieren.
Menschliche Expertise und rechtliche Fragen
KI kann Daten analysieren und Muster erkennen, doch für kontextuelle, historische Einordnung bleibt der Mensch unersetzbar. Archivische Fachkompetenz wird durch KI nicht ersetzt, sondern bestenfalls ergänzt.
Auch das Urheberrecht spielt eine zunehmend wichtige Rolle:
Wer besitzt die Rechte an KI-generierten Texten, Bildern oder Musik? Viele Anbieter fordern eine klare Kennzeichnung der Inhalte oder bieten eingeschränkte Nutzungslizenzen an. (Suno AI)
Ein Beispiel: ChatGPT erlaubt die Generierung von Bildern im Ghibli–Stil (japanische Anime), ohne vorherige Rechteklärung.
Weitere Frage, die sich ergeben:
- Auf welche Datenquellen greift die jeweilige KI zurück?
- Wird ausschließlich mit öffentlich zugänglichem Material gearbeitet oder auch mit geschützten Inhalten?
- Wie transparent müssen KI-generierte Inhalte gekennzeichnet werden und wer überprüft das?
- Was gilt bei einer kommerziellen Nutzung dieser Inhalte?
Übersicht über KI-Tools im Archiv
In der Praxis gibt es inzwischen eine Vielzahl an KI-gestützten Anwendungen, die auch für Archive von Interesse sind oder werden könnten:
- Transkription & Texterkennung: Transkribus, Whisper AI
- Chatbots & Recherche: ChatGPT, Claude, Le Chat, Gemini, Perplexity, GeRT
- Bildgenerierung & Analyse: DALL-E, Canva, Stable Diffusion
- Musik & Audio: Suno AI, Vidnoz AI
- Datenanalyse & Automatisierung: GPT-gestützte Workflows, KI-Suchmaschinen (z. B. Digitaler Lesesaal)
Welche Tools haben wir getestet?
Im Rahmen dieser Reihe werden wir verschiedene KI-Tools in der Praxis testen, unter anderem in den Bereichen:
- Transkription
- Chatbots & Rechercheunterstützung
- Bildgenerierung
- Musik & Audioerzeugung
Ziel ist es, anhand realer archivischer Arbeitsabläufe zu überprüfen, ob und wie diese Tools sinnvoll eingesetzt werden können.
Fazit
Dieser Beitrag gibt einen ersten Überblick über die Chancen und Herausforderungen von KI im Archivwesen. In den kommenden Wochen werden wir tiefer in die einzelnen Themen eintauchen und verschiedene Tools auf ihre Praxistauglichkeit hin untersuchen. KI ist keine Allzwecklösung, aber sie bietet spannende Möglichkeiten für die Archivwelt sofern man ihre Grenzen kennt und verantwortungsvoll mit ihr umgeht.
Weiterführende Einblicke in das Thema bietet Martin Vogel in seinem Artikel „Künstliche Intelligenz im Archiv – Herausforderungen und Chancen“, erschienen in der Fachzeitschrift ARCHIV.theorie & praxis 78. Jahrgang, Heft 1 Februar 2025, Seite 26. Der Beitrag gibt einen umfassenden Überblick über aktuelle Entwicklungen und ordnet sie praxisnah ein. Ebenso liefert der Vortrag von Dominik Eickhoff „Vom Experiment zur Praxis – Realistische Einsatzszenarien für Large Language Models in kleinen Archiven“, gehalten auf dem Archivwissenschaftlichen Kolloquium 2025, wertvolle Impulse zur praktischen Anwendung von KI-gestützten Recherchewerkzeugen. Der Vortrag wird voraussichtlich im Tagungsband des Kolloquiums der Archivschule Marburg 2026 erscheinen.
Ausblick: Was erwartet euch in den nächsten Beiträgen?
- Chatbots im Vergleich: ChatGPT, Claude oder Gemini
- Transkribus im Einsatz
- KI in der Öffentlichkeitsarbeit und im Marketing für Archive
- EU-KI-Act und Archive
- KI und Klima
Hinweis: Die Rechtschreibung in diesem Beitrag wurde mithilfe von ChatGPT korrigiert.
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
shurtig (22. Juni 2025). Künstliche Intelligenz im Archiv – was geht, was bleibt, was fehlt? Archive 2.0. Abgerufen am 18. November 2025 von https://doi.org/10.58079/146fa


Wer Interesse an GeRT und RAG hat finden Infos und den Link zum Quellcode hier:
https://www.kultur-machen.de/Digitales-Kreisarchiv/GeRT
Rückmeldung erwünscht.
Vielen Dank fürs Teilen!