Wissen lebt Online
Redaktionelle Zusammenarbeit neu gedacht
Community-Redaktionen tragen zu Datenqualität und KI-Entwicklung bei
Akteure wie Fach- und Berufsgesellschaften können im Rahmen der entwickelten Infrastruktur eigene Community-Redaktionen aufbauen, um ihre Inhalte selbstständig zu erschließen, zu pflegen und zu verbreiten. Über die bereitgestellten Lösungen werden diese Inhalte strukturiert, maschinenlesbar aufbereitet und in den Bildungsdatenraum integriert. Gleichzeitig leisten sie einen wichtigen Beitrag zur Qualitätssicherung, indem sie ihre fachlich geprüften Daten in die gemeinsame Wissensbasis einbringen. Diese qualitätsgesicherten Inhalte können wiederum für das Training und die Evaluation von KI-Systemen genutzt werden und tragen so zur Entwicklung verlässlicher, domänenspezifischer KI-Anwendungen bei. Im Projekt wurde hierzu eng mit unterschiedlichen redaktionellen Akteuren zusammengearbeitet. Diese Kooperationen dienten sowohl der praktischen Erprobung der Infrastruktur als auch der gemeinsamen Weiterentwicklung redaktioneller Prozesse und Qualitätsstandards.
Die redaktionellen Tätigkeiten entwickelt sich von einer reinen Inhaltsaufbereitung hin zu einer zentralen Qualitätssicherungsinstanz, die sowohl die Nutzbarkeit der Inhalte für Endanwender als auch die Verlässlichkeit der Daten für KI-basierte Anwendungen gewährleistet.
Die redaktionelle Arbeit im Projekt IT's JOINTLY ist zentral für den Aufbau eines qualitätsgesicherten Bildungsdatenraums. Fachredaktionen erschließen, kuratieren und strukturieren Inhalte aus verschiedenen Quellen, ordnen sie thematisch ein und sorgen für korrekte, didaktisch sinnvolle sowie rechtlich unbedenkliche Aufbereitung. In Zusammenarbeit mit technischen Systemen prüfen sie KI-generierte Vorschläge, bringen fachliche Expertise ein und sichern die Datenqualität.
Gleichzeitig geben sie Impulse zur Weiterentwicklung der Werkzeuge und Prozesse. In Zusammenarbeit mit technischen Systemen prüfen sie KI-generierte Vorschläge, bringen fachliche Expertise ein und sichern die Datenqualität. Gleichzeitig geben sie Impulse zur Weiterentwicklung der Werkzeuge und Prozesse.
Fachportale: kuratierte Schaufenster in den Bildungsdatenraum
Die redaktionelle Arbeit steht in engem Zusammenhang mit dem Aufbau und der Pflege von Fachportalen, die als thematische Zugänge zum Bildungsdatenraum dienen. Redaktionen kuratieren hierfür gezielt Inhalte, strukturieren diese entlang qualitätsgesicherter Themenbäume und bereiten sie für spezifische Zielgruppen auf. Die Fachportale fungieren dabei als „Schaufenster“, in denen geprüfte und didaktisch relevante Materialien gebündelt und kontextualisiert präsentiert werden. Gleichzeitig dienen sie als praxisnahe Erprobungsräume für redaktionelle Workflows und KI-gestützte Dienste.
Qualitätsgesicherte Themenbäume und Erstellungsprozess
Neben der Definition, Harmonisierung und dem Mapping von Metadatenstrukturen stellen qualitätsgesicherte Themenbäume ein zentrales Ergebnis der redaktionellen Arbeit dar. Sie dienen als grundlegende Ordnungsstruktur für die Erschließung und Vernetzung von Bildungsinhalten.
Die Themenbäume wurden in einem iterativen Entwicklungsprozess gemeinsam mit Informationswissenschaftler:innen sowie dem Partner You, We, Digital konzipiert und kontinuierlich weiterentwickelt. Dabei wurden bestehende Fachsystematiken analysiert, harmonisiert und in eine konsistente, hierarchische Struktur überführt, die sowohl redaktionelle Anforderungen als auch die maschinelle Verarbeitbarkeit berücksichtigt.
Damit bilden die Themenbäume eine zentrale Grundlage für Suche, Klassifikation und KI-gestützte Anwendungen im Bildungsdatenraum.
Human-in-the-Loop: Community-basiertes Training von KI
Kollaborative Infrastruktur, in der KI-basierte Dienste und redaktionelle Validierung ineinandergreifen. Im Human-in-the-loop-Ansatz werden durch KI-Dienste automatisiert generierte Metadaten und Strukturvorschläge generieren, die durch Fachredaktionen geprüft, korrigiert und inhaltlich ergänzt. Dadurch wird eine hohe fachliche Qualität der Daten sichergestellt, während gleichzeitig eine skalierbare Erschließung großer Datenmengen möglich ist. Die so entstehenden validierten Datensätze dienen zudem als Grundlage für das Training und die Evaluation von KI-Systemen.
Studie zur Vernetzung von redaktionellen Akteuren
Im Rahmen des Projekts wurde eine Studie in Zusammenarbeit mit dem mmb Institut durchgeführt, um die Voraussetzungen, Bedarfe und Gestaltungsmöglichkeiten für ein bundesweites Netzwerk von Bildungsredaktionen zu untersuchen. Ziel war es, durch eine stärkere Vernetzung die Qualität, Sichtbarkeit und Verfügbarkeit offener Bildungsressourcen zu verbessern und ein gemeinsames Bildungsökosystem zu stärken – insbesondere vor dem Hintergrund zunehmender KI-Nutzung, bei der verlässliche, gepflegte und qualitätsgesicherte Daten eine zentrale Rolle spielen.
Hierzu wurden qualitative Interviews mit relevanten Akteuren geführt, um deren Perspektiven zu erfassen und die Potenziale eines solchen Netzwerks zu analysieren. Dabei stand insbesondere die Frage im Fokus, wie ein Redaktionsnetzwerk im Zeitalter von KI zur Sicherung von Qualität, zur kontinuierlichen Pflege von Datenbeständen und zur Bereitstellung vertrauenswürdiger Wissensgrundlagen beitragen kann sowie welche Erwartungen die beteiligten Akteure an dessen Ausgestaltung haben.
Bildungsbereichsübergreifende AG für redaktionelle Akteure
Aufbauend auf den Ergebnissen der Studie wurde bei der Deutschen Initiative für Netzwerkinformation e. V. (DINI) eine Arbeitsgruppe für redaktionelle Akteure von Bildungsressourcen eingerichtet, um das identifizierte Potenzial eines bundesweiten Redaktionsnetzwerks institutionell zu verankern und weiterzuentwickeln. Ziel ist es, den fachlichen Austausch zu fördern und die im Projekt gewonnenen Erkenntnisse nachhaltig in bestehende Strukturen zu überführen.
Die Arbeitsgruppe dient der systematischen Kartierung und Harmonisierung von Workflows durch den Vergleich redaktioneller Prozesse sowie die Identifikation gemeinsamer Anforderungen und Synergien. Gleichzeitig fungiert sie als Plattform für Wissensaustausch und Best Practices, etwa zu KI-gestützter Metadatengenerierung, Lizenzmodellen, Barrierefreiheit und rechtlichen Fragestellungen. Vor dem Hintergrund zunehmender KI-Nutzung kommt ihr zudem eine zentrale Rolle bei der Sicherstellung von Datenqualität und der Pflege verlässlicher Wissensbestände zu.
