Prompt-Engineering und Hermeneutik – Best Practices für die historische und qualitative Forschung

Der Workshop widmet sich dem Design von Prompts für Large-Language-Models (LLM) und richtet sich vorrangig (aber nicht nur) an Vertreter:innen qualitativ-hermeneutisch arbeitender Disziplinen. Es werden unterschiedliche Prompting-Methoden (Zero-/One-/Few-Shot-Learning, Chain-of-Thought-Prompting u.a.) an verschiedenen LLMs getestet, um Fragen zwischen Informationsextraktion und maschineller Interpretation zu behandeln. Die Datengrundlage werden lebensgeschichtliche Interviews aus dem Bestand von Oral-History.Digital und Briefserien aus dem 19. und 20. Jahrhundert sein. Werden zunächst etablierte Methoden aus den Bereichen maschinelles Lernen und Natural Language Processing (NLP) wie Topic Modeling und Named Entity Recognition (NER) adaptiert, wird in einem zweiten Schritt das generative Potential der LLMs genutzt, um Textexzerpte und Kurzbiographien aus den Quellen herauszuarbeiten. Am zweiten Tag gilt es, durch das Entwerfen von Templates in den Bereich maschineller Interpretation vorzudringen. Vorkenntnisse sind nicht erforderlich, zur Teilnahme am Hands-on-Workshop ist ein eigenes digitales Endgerät (vorzugsweise Laptop) erforderlich.