DNBLab: Zeit zum Experimentieren!
Seit dem Start 2021 hat das DNBLab dnb.de/dnblab mittlerweile mehr als 50 Veranstaltungen angeboten. Den Weg zu den virtuellen Einführungen finden weiterhin im Durchschnitt mehr als 50 Teilnehmende und bestätigen damit den anhaltenden Bedarf und das bestehende große Interesse. Die Zielgruppe setzt sich in großen Teilen aus Forschenden der Geisteswissenschaften sowie Kolleg*innen aus dem deutschsprachigen Bibliotheksraum zusammen. Die von Beginn an durchgeführten Umfragen zeigen einen breiten Informationsbedarf an dem niedrigschwelligen Zugang zu unseren Metadaten und freien digitalen Objekten für die maschinelle Weiterverarbeitung.
Mit praxisnahen Workshops zu Themen wie Schnittstellenabfragen, Metadatenanalyse und Datenbereinigung sind wir insbesondere im letzten Jahr mit Schwerpunktthemen sowohl virtuell als auch mit Hands-on-Labs bei der DHd2026 und Bibliocon2026 auf unsere heterogene Zielgruppe mit verschiedenen Vertiefungen auf die unterschiedlichen Interessen eingegangen.
Wir entwickeln unser DNBLab Angebot kontinuierlich weiter und haben in diesem Jahr Kolleg*innen gefragt, ob sie ihre Skripte und Tools den DNBLab-Nutzer*innen vorstellen möchten. Dabei gab es im März große Resonanz auf den Workshop von Friedrich Quaasdorf „LLM und RAG – eine praxisnahe Einführung“. In dieser Veranstaltung wurde zum Experimentieren mit Augmented Generation (RAG) eingeladen und den Teilnehmenden ein technisches Grundgerüst für die Schnittstellenutzung eines frei verfügbaren Sprachmodells vermittelt.
Das Praxisbeispiel „Titelauswahl mit Hilfe von digitalisierten Inhaltverzeichnisse“ richtete sich im August gezielt an Interessent*innen aus dem Bibliotheksbereich vorzugsweise mit Vorkenntnissen im Umgang mit strukturierten Metadaten und Jupyter Notebooks. Isabell Sickert aus dem Deutschen Buch- und Schriftmuseum (DBSM) stellte ihr Python-Skript vor, mit dem sich mithilfe der frei verfügbaren Inhaltsverzeichnisse der DNB zum Beispiel eine Auswahl für die (virtuelle) Fachbibliothek des DBSM ermitteln lässt. Dabei wurde nachvollziehbar gemacht, wie bibliografische Daten systematisch ausgewertet, mit Stichworten abgeglichen und anschließend durch regelbasierte Verfahren sowie KI-Unterstützung (LLM) bewertet werden können.
Mit dem neuen Jupyter Notebook „Wie können Normdaten mit SPARQL abgefragt und visualisiert werden?“ unter dnb.de/dnblabtutorials bietet unsere Kollegin Tracy Arndt einen niedrigschwelligen Einstieg inklusive Beispielabfragen zum GND-SPARQL-Endpunkt der Deutschen Nationalbibliothek.
Probieren Sie die Tools und Skripte aus und geben Sie uns Ihr Feedback an lab@dnb.de!
Wenn Sie keine DNBLab Veranstaltung mehr verpassen möchten, abonnieren Sie unseren DNBLab Newsletter unter listserv.dfn.de/sympa/info/dnb-lab.