Die verstärkte Nutzung von KI verändert das wissenschaftliche Arbeiten – angefangen von der Ideengenerierung und Hypothesenbildung, über die Datenprozessierung bis hin zur wissenschaftlichen Qualitätssicherung und dem Publizieren. Die KI-Nutzung bietet enorme Potentiale, aber birgt auch Risiken für die offene und verantwortliche Forschung. In der Veranstaltung wird dieses Spannungsfeld unter Berücksichtigung von Fragen der guten wissenschaftlichen Praxis sowie von Open-Science-Kompetenzen und -Infrastrukturen aufgegriffen. Dabei werden neben fachkulturellen Eigenheiten auch fachübergreifende Fragen berücksichtigt. Die Veranstaltung bietet mittels verschiedener Workshop-Angebote einen hohen Praxisanteil sowie Anreize zur kritischen Reflexion.

Die Veranstaltung richtet sich an Forschende aller Fachrichtungen und Karrierestufen sowie Mitarbeitende von Forschungsadministration und Infrastruktureinrichtungen der BUA-Partnerinnen.

Programm

Anmeldung 

Die Anmeldung ist bis zum 15.10. geöffnet: Link zur Registrierung

Bedarfe für Kinderbetreuung können während der Anmeldung angegeben werden. 

Die Organisator*innen

Marcel Wrzesinski (Charité Universitätsmedizin), Maxi Kindling (Technische Universität Berlin), Dennis Mischke (Freie Universität Berlin), Dr. Georg Fischer (OROB)

Der Workshop wird unterstützt aus Mitteln des Center for Open and Responsible Research (CORe) der Berlin University Alliance.

Abstracts

Keynote

Dr. habil. Anne Krüger (Weizenbaum Institut e.V.)

"Chat GPT, wie veränderst du die Wissenschaft? - Generative KI als Herausforderung für die wissenschaftliche Praxis"

Die Diskussion um den Einfluss von generativen KI-Systemen auf die Forschungspraxis von Wissenschaftler:innen sowie auf das Wissenschaftssystem insgesamt begleiten die Nutzung dieser Technologie seit ihrer Veröffentlichung im Jahr 2022. Der Vortrag fragt danach, wie sich die Wissenschaft durch die Nutzung von generativer KI verändert und ob sich hier eine Verschiebung epistemischer Autorität beobachten lässt. Dazu blickt er sowohl auf die Forschung zu generativer KI als auch auf die Forschung mit generativer KI und untersucht, welche Bedarfe, Möglichkeiten, aber auch Herausforderungen für die wissenschaftliche Erkenntnisproduktion hieraus entstehen.

Workshop I tba

Workshop II

Peter Kompiel und Marc Altmann (Freie Universität Berlin)

“ASR4Memory. Ein datenschutzsicheres Angebot zur automatischen Sprachtranskription mit WhisperX”

Die automatische Sprachspracherkennung (ASR) mit OpenAI Whisper/WhisperX hat sich im Open-Source-Bereich für Audiotranskription als Standard etabliert.

Wir gehen im Workshop zunächst auf die Grundlagen der ASR ein. Danach stellen wir vor, wie wir die Whisper-Modelle nachtrainiert (Finetuning) haben und stellen Technologien im Zusammenhang mit der Weiterverarbeitung der ASR-Transkripte vor (NER, automatische Anonymisierung).

Im zweiten Workshop-Teil stellen wir die von uns entwickelte Web-Applikation MMT (Media Management Tool) vor, die Datei-Upload, ASR, einen Transkripteditor und Anonymisierung integriert. Die Workshop-Teilnehmenden sind anschließend aufgerufen, mit MMT kleine Mediendateien zu transkribieren und zu bearbeiten.

Workshop III

Rabea Müller und Konrad Förstner (ZB MED - Informationszentrum Lebenswissenschaften, The Library Carpentries)

“KI im Forschungszyklus: Arbeiten mit lokalen Sprachmodellen (LLMs)”

In diesem Hands-on-Workshop lernen Sie, Sprachmodelle (LLMs) lokal auf dem eigenen Rechner zu betreiben unabhängig von Cloud-Diensten und ohne dass sensible Daten das eigene Gerät verlassen. Im Mittelpunkt steht die praktische Arbeit mit Ihren eigenen Dateien sowie ein reproduzierbarer, nachvollziehbarer Umgang mit KI-gestützt erzeugtem Code. Ergänzend ordnen wir lokale LLMs ethisch ein und diskutieren, wie sich generative KI verantwortungsvoller einsetzen lässt. Der Workshop beinhaltet die Einführung in:

• ethische Einordnung (theoretischer Input)
• Ressourcenverbrauch, Urheberrecht und Trainingsdaten, Clickwork, Bias, Machtkonzentration
• wie sich lokale Modelle bewusster und "weniger schlecht" einsetzen lassen
• lokale LLMs verstehen und einrichten
• Was sind lokale LLMs? Unterschiede zwischen lokaler und cloudbasierter Nutzung
• Ein Modell installieren und die Umgebung einrichten (z. B. Ollama, LM Studio, llamafile)
• eigene Dateien analysieren
• Dokumente analysieren und strukturieren
• Metadaten extrahieren (z. B. als JSON aus einem Open-Access-Artikel)
• KI-generiertem Code arbeiten und reproduzierbar machen
• Python-Code generieren, dokumentieren und nachvollziehbar halten
• gute wissenschaftliche Praxis beim Einsatz generativer Werkzeuge

Hinweis: Grundlegende Vertrautheit mit dem eigenen Rechner ist hilfreich, tiefergehende IT- oder Programmierkenntnisse werden nicht vorausgesetzt. Für die Einrichtung von Modell und Umgebung gibt es vorab Anleitungen und Unterstützung.

Workshop IV

Dr. Jess Rohmann (QUEST Center for Responsible Research, Berlin Institute of Health at Charité)

“From submission to publication: Peer review and editing at scholarly journals in the era of AI”

Peer review is a cornerstone of scholarly publishing. Yet, most researchers receive little formal training in reviewing manuscripts or making editorial decisions. At the same time, AI is becoming part of researchers’ everyday work, including writing, literature searches, and peer review. This raises new questions around research integrity, accountability, bias, and copyright. In this interactive workshop, I will draw on experience from Peerspectives, a researcher-led peer review training program, to take participants through the process from article submission to publication. Drawing on examples from major biomedical journals, I will introduce the qualities of a “good” peer review and how reviewers and editors assess manuscripts, before we discuss these practices together. We take a close look at how AI is changing peer review and editorial practices and discuss what’s next, while considering where human judgment remains important and necessary. Of course, we must not forget that all of this takes place against the backdrop of academic incentives, new models of peer review, paper mills, and growing submission volumes, which we will also briefly touch on. Finally, we will briefly examine recent journal-level policy changes affecting open science, including restrictions on certain article types at preprint servers and policies that restrict research using certain openly available datasets. Throughout the workshop, we will keep in mind how to manage time and workload, use AI wisely, and prevent our own deskilling by continuing to develop and exercise the skills that underpin good research and peer review.