Studierende testen die Open-Source-Tools Kiln und Ollama

Bericht vom Praxisteil des interdisziplinären Workshops „Von historischen Daten zu KI“

Das Potenzial und die Möglichkeiten, aber auch die Grenzen und Herausforderungen von KI in der Forschung wurde den Teilnehmenden des Workshops „Von historischen Daten zu KI“ nicht nur theoretisch, sondern auch praktisch vermittelt – insbesondere im hands-on Teil des Workshps am 25.10.2025, der unter der fachkundigen Anleitung von Dr. Florian Nieser und Dr. Thomas Renkert stattfand. 

Im Zentrum des Praxisteils stand die Arbeit mit den Open-Source-Tools ‚Kiln‘ und ‚Ollama‘. Während Ollama es als Open-Source-Library-Package ermöglicht, LLMs lokal, also ohne Cloud-Abhängigkeit auszuführen,¹ ermöglicht es Kiln synthetische Datensätze zu erstellen und zu evaluieren, sowie das Finetuning bestimmter Modelle mit diesen Datensätzen. In Kiln können sogenannte „Tasks“ definiert werden, welche die Arten und Ausrichtungen, die von Datensets generiert werden sollen, die wiederum beim Feintuning verwendet werden können, festlegen. Zudem lassen sich Qualitätskriterien bestimmen, synthetische Trainingsdaten generieren und Ergebnisse bewerten. Die Evaluation läuft dabei in Kombination über händische Bewertung sowie bestimmter automatisierter Evaluationsverfahren ab. Diese Funktionen ermöglichen es, Modelle gezielt zu verfeinern bzw. an spezifische Anwendungsfälle anzupassen.² Gleichzeitig wurde in der praktischen Auseinandersetzung mit den Tools das Bewusstsein für die Grenzen und Herausforderungen von KI geschärft. So wurde bereits in den ersten Versuchen mit Kiln die Problematik von systemischen Verzerrungen in LLMs, etwa durch Trainingsdaten (‚vergiftete‘ Datensätze³), Promptgestaltung (bzw. Prompt-Bias)⁴ und Fine-Tuning deutlich. Zudem zeigte sich, welche zum Teil enorme Rechenleistung selbst einfache Anfragen an lokal gehostete Modelle – natürlich abhängig von deren Größe – erfordern. An dieser Stelle kann angemerkt werden, dass es mittlerweile durchaus auch Cloud-Modelle gibt, die es erlauben, große Modelle zu hosten – unabhängig der lokalen Hardware.  

Trotz der begrenzten Workshop-Zeit und vieler technischer Fragen gelang es, erste zentrale Prinzipien des lokalen Modellbetriebs auszuprobieren. Und auch wenn es im praktischen Arbeiten ‚nur‘ bei den ersten Schritten der Datensetgenerierung blieb, erhielten die Teilnehmenden einen Eindruck, welches Potenzial lokale KI-Systeme bieten. Diskutiert wurde beispielsweise der Einsatz von Retrieval-Augmented Generation (RAG)⁵ in Kombination mit (beispielsweise) einem lokalen Obsidian Vault, um das KI-System mit spezifischem Wissen zu versorgen.⁶ Damit wurde umso deutlicher, welches Potenzial KI für die Forschung bereithält.  

Insgesamt zeigte der Workshop, dass der sinnvolle Einsatz von KI nicht nur technisches Wissen, sondern auch kritische Reflexion, methodisches Verständnis und den gezielten Einsatz von Open-Source-Tools erfordert – für mehr Transparenz, Nachvollziehbarkeit und Eigenständigkeit in der Forschung. Und dafür war der Workshop ein erster wichtiger Schritt. 

1. Vgl. GitHub – ollama/ollama: Get up and running with OpenAI gpt-oss, DeepSeek-R1, Gemma 3 and other models. (letzter Abruf 12.11.2025) ↩︎
2. Vgl. Kiln AI – Build AI Products with Evals, Fine-tuning & Synthetic Data (letzter Abruf 12.11.2025) ↩︎
3. Souly, Alexandra et al.:  Poisoning Attacks on LLMs Require a Near-constant Number of Poison Samples, 2025, S. 1, https://doi.org/10.48550/arXiv.2510.07192. ↩︎
4. König, Mareike: ChatGPT und Co. in den Geschichtswissenschaften – Grundlagen, Prompts und Praxisbeispiele. Digital Humanities am DHIP, 19.08.2024, https://doi.org/10.58079/126eo.  ↩︎
5. Zheng, Xu et al.: “Retrieval Augmented Generation and Understanding in Vision: A Survey and New Outlook”, 2025, S. 5–6, https://doi.org/10.48550/arXiv.2503.18016. ↩︎
6. Vgl. https://obsidian.md/ (letzter Abruf 12.11.2025) ↩︎

 Zu diesem Thema sind auf dem Blog außerdem erschienen:

Alan van Beek, Von historischen Daten zu KI – Bericht zum interdisziplinären Workshop. Digital Humanities an der Universität Salzburg (2025), https://doi.org/10.58079/155ob

Karoline Döring, Aufgezeichnete Vorträge des KI-Workshops auf uniTV verfügbar. Digital Humanities an der Universität Salzburg (2025), https://doi.org/10.58079/15a0f

Der Workshop wurde gefördert von

Anna Rechenmacher

Alle Beiträge anzeigen

Nur der Text ist unter der Lizenz Creative Commons Namensnennung-Share Alike 4.0 International nutzbar. Alle anderen Elemente (Abbildungen, importierte Anhänge) sind „Alle Rechte vorbehalten“, sofern nicht anders angegeben.