Der Zusammenhang zwischen HAI-AI und dem Mehrwert, den es für Archive bietet

HAI-AI: Menschliche und Künstliche Intelligenz in der Archivarbeit
Der Einsatz von Künstlicher Intelligenz (KI) in Arbeitskontexten wird gesamtgesellschaftlich kontrovers diskutiert. Chancen wie eine schnellere Bearbeitungsgeschwindigkeit, höhere Genauigkeit in fehleranfälligen Prozessen oder die Erschließung großer Datenmengen stehen Risiken gegenüber — etwa dem Wegfall ganzer Tätigkeitsfelder, dem Phänomen der sogenannten „Halluzinationen” von KI-Systemen oder Fragen rund um Datenschutz und algorithmische Bias. Auch im Kontext der Archivarbeit wird der KI-Einsatz intensiv diskutiert: Wie lässt sich KI sinnvoll in bestehende Arbeitsprozesse integrieren, ohne das archivarische Handwerk zu untergraben?

Wie wir zum HAI-AI-Konzept gekommen sind
In einem multidisziplinären Konsortium — bestehend aus Vertreter*innen der Digital Humanities, der KI-Forschung, der Technologieentwicklung, der Aus- und Weiterbildung, der Archivwissenschaft und der Geographie — haben wir uns intensiv mit genau dieser Frage auseinandergesetzt. Uns beschäftigte dabei vor allem: Wie können KI und das „traditionelle” archivarische Handwerk in der Praxis sinnvoll zusammengebracht werden? Und wie können wir überhaupt darüber sprechen und nachdenken?
Dabei stellten wir fest, dass das gängige binäre Denken — Chancen versus Risiken, Technik versus Mensch — nicht wirklich weiterhilft. Es vereinfacht eine Wirklichkeit, die in der Praxis viel komplexer und vielschichtiger ist. So kamen wir dazu, den Begriff der Intelligenz umfassender zu denken: Wenn wir den menschlichen Teil — Human Artistic Intelligence (HAI), auf Deutsch: menschlich-künstlerische Intelligenz — mit dem technischen Teil — Artificial Intelligence (AI bzw. KI) — zusammendenken, entsteht das HAI-AI-Konzept.

Was steckt hinter HAI und AI?
HAI steht für die menschliche Kompetenz, die in der Archivarbeit unverzichtbar ist: das kontextuelle Verstehen, die Interpretationsfähigkeit, das kulturelle und institutionelle Wissen, das Gespür für Bedeutung und Ambiguität — kurz: all das, was Menschen einbringen, wenn sie mit historischen Quellen arbeiten. AI steht für die technische Kapazität: die Fähigkeit, große Datenmengen zu verarbeiten, Muster zu erkennen, Prozesse zu automatisieren und dabei kontinuierlich dazuzulernen.
Betrachtet man Arbeitsweisen genauer, geht es letztlich um die Frage, wie Menschen arbeiten — in einer pragmatischen, situativen und oft intuitiven Art und Weise. Das HAI-AI-Konzept hat das Potenzial, menschliche Kompetenz und technische Kapazität so zusammenzudenken, dass reale Arbeitsprozesse verbessert werden können — effizienter, nachhaltiger und reflektierter. Der Fokus liegt dabei auf den Synergien: Künstlerische und künstliche Intelligenz unterstützen und bereichern sich gegenseitig, anstatt in Konkurrenz zu stehen.

HAI-AI in der Archivarbeit — drei Beispiele aus der Praxis
Beispiel 1: Inventarisierung
KI kann dabei unterstützen, Regelmäßigkeiten bei der Inventarisierung zu systematisieren und Vorschläge für die Bearbeitung zu machen. Die archivarische Fachkraft führt den Prozess, arbeitet Vorschläge und Einwände der KI ein und trifft letztlich die Entscheidungen. Es entsteht ein mehrdimensionaler Wechselprozess — ein Zusammenflechten von menschlichen Fähigkeiten und technischen Kapazitäten, was der archivarischen Arbeistpraxis zu Gute kommt.

Beispiel 2: Optical Character Recognition (OCR)
KI-Systeme haben in den letzten Jahren enorme Fortschritte bei der Erkennung historischer Handschriften gemacht und leisten wertvolle Dienste bei der Erstellung von Digitalisaten. Dennoch bleibt die Rolle des Menschen zentral: Im Prozess des Anlernens und der Qualitätskontrolle sind menschliche Einschätzung und Korrektur unerlässlich. Der „Sweet Spot” liegt nicht im blinden Vertrauen auf KI und auch nicht in der vollständig manuellen Bearbeitung — sondern in der klugen Kombination beider.

Beispiel 3: Qualitätssicherung bei Digitalisaten
KI kann eingesetzt werden, um Digitalisate automatisiert auf Fehler, Tippfehler oder Fehlinterpretationen zu überprüfen. Dabei handelt es sich um einen stetigen Lernprozess: Neue Fehlertypen werden entdeckt, bestehende Verfahren werden verfeinert. Besonders relevant und interessant ist, dass die Arbeit mit KI auch bei den Menschen einen Reflexionsprozess anstoßen kann — und dazu beitragen kann, blinde Flecken und möglichen Ergänzungen auf beiden Seiten aufzudecken. Die Kombination von KI und Mensch kann sogar helfen Bias zu entdecken und diese zu überwinden.

Einladung zur Diskussion
Wir stellen das HAI-AI-Konzept zur Diskussion und möchten gerne von Archiven hören: Welche Erfahrungen und Überlegungen haben Sie bezüglich des KI-Einsatzes in Ihren Arbeitsprozessen gemacht — oder machen Sie gerade? Wir freuen uns, wenn dieser Beitrag Überlegungen und Gespräche in Ihrer Institution anregen kann, und laden Sie herzlich ein, Ihre Gedanken, Fragen und Erfahrungen mit uns zu teilen.

Mehr über das TTP-Projekt, unsere Pilotarchive und das HAI-AI Konzept erfahren Sie auf unserer Projektwebsite: Thinking|Through|Places. Wir freuen uns über Ihr Interesse und auf den Austausch mit der Archiv-Community.

Hinweis zur redaktionellen Bearbeitung: Dieser Text wurde mit Hilfe von KI redaktionell bearbeitet und strukturiert.

Text: Francis Harvey (f_harvey@leibniz-ifl.de), Britta Müller (b_mueller@leibniz-ifl.de)

bmueller

Alle Beiträge anzeigen