audiotranskription Hintergrund

KI-Forschung

Hybrides Interpretieren & Serendipity-Prompting

Hier stellen wir zwei von uns entwickelte Verfahrensideen für die Arbeit mit Large Language Models an kurzen Textpassagen vor: hybrides Interpretieren und Serendipity-Prompting. Du findest Anleitungen, Promptvorlagen und Beispiele. Du steuerst die Arbeit, prüfst die Modellbeiträge am Material und entwickelst deine eigene Interpretation.

Hybrides Interpretieren mit 3 dialogisch integrierten LLMs

Beim hybriden Interpretieren erzeugen mehrere LLMs nacheinander und aufeinander bezogen Diskussionsbeiträge zu einer ausgewählten Textpassage und der Erstinterpretation der forschenden Person. Die Forschenden moderieren diesen Prozess, prüfen die Vorschläge am Material und formulieren, welche Lesarten weiterverfolgt, verändert oder verworfen werden. Dann sind die LLM wieder an der Reihe. In dieser iterativen Schleife entwickelt die forschende Person eine immer differenzierte Analyseperspektive. Der vollständige Dialog ist dokumentiert, bleibt nachvollziehbar und begründbar.

  • Schritt-für-Schritt-Anleitung (PDF)
    Die Anleitung führt durch einen vollständigen Durchlauf mit browserbasierten LLMs. Sie eignet sich für Übungsmaterial oder Daten ohne Personenbezug.
  • Die Methode im Überblick [Artikel]
    Der Artikel erläutert Rollen, Ablauf und Moderation des Verfahrens. Eine durchgespielte Interviewpassage zeigt, wie sich Deutungsangebote über mehrere Runden verändern, am Material geprüft und zu einer eigenen Interpretation verdichtet werden. Ergänzt wird der Einstieg durch Screenshots, Angaben zu genutzten Diensten und eine Podcast-Folge.
  • Methodologische Grundlage [Preprint]
    Im Preprint (deutsch) oder Druckfassung (englisch) entwickeln wir die methodologische Begründung des Verfahrens und zeigen, wie sich LLM-Beiträge in eine interpretativ-rekonstruktive Analyse integrieren lassen.
  • Englischsprachiger Buchbeitrag [engl.]
    Der Beitrag stellt das Verfahren für ein internationales Publikum dar und diskutiert seine methodischen Voraussetzungen und praktischen Einsatzweisen.
  • Für die Lehre [Buchkapitel]
    Der Lehrbeitrag (Kapitel 6.8, ab S. 287) zeigt, wie Studierende eigene Lesarten entwickeln, mit LLM-Beiträgen konfrontieren und ihre Entscheidungen am Material begründen.
  • Startprompt und Beispielanalyse
    Die Promptvorlage strukturiert Rollen, Ablauf und Dokumentation der Interpretationsrunde. Ein Versionsdatum erleichtert die Angabe in der eigenen Methodendokumentation. Zudem sehen sie einen vollständigen Interpretationsverlauf mit Prompts, Modellbeiträgen und Moderationsentscheidungen, als Referenz und Vorlage für eigene Dokumentationen.
  • Hybrides Interpretieren mit lokal betriebenen LLMs [Werkstattbericht]
    Der Werkstattbericht dokumentiert einen konkreten lokalen Versuchsaufbau mit vier LLMs auf einem MacBook Pro und LM Studio. Beschrieben werden die technischen Voraussetzungen, die Auswahl der Modelle, relevante Einstellungen sowie Erfahrungen aus vierzehn Interpretationsläufen. Im Mittelpunkt steht nicht nur die technische Machbarkeit, sondern die Frage, welche Beiträge lokale Modelle bei der fokussierten Interpretation kurzer Textpassagen leisten und wo ihre Grenzen liegen.

Serendipity-Prompting

Serendipity-Prompting setzt bei der Erstannäherung an die Daten an und bezieht die Erstperspektive der forschenden Person ein und kontrastiert diese. Du formulierst zunächst deine eigene Deutung einer kurzen Textpassage. Das Sprachmodell greift sie auf, stellt ihr eine mögliche Gegenlesart gegenüber und öffnet weitere Fragen. Du prüfst diese Impulse am Material und entscheidest, wie du deine Interpretation weiterentwickelst.

  • Die Methode im Überblick [Blogartikel]
    Der Artikel erläutert die Idee des LLM als Impulsgeber, die Struktur der Promptarchitektur und ihre Grenzen. Die jeweils aktuelle Promptfassung ist dort direkt verfügbar
  • Idee und Konzept [Preprint]
    Das Paper entwickelt die theoretische Einordnung des Verfahrens und untersucht seine Anwendung mit unterschiedlichen Modelltypen.
  • Serendipity-Prompt zum Kopieren
    Der Prompt begrenzt die Ausgabe bewusst auf wenige Beobachtungen und Fragen. Die Ergebnisse sind als Anregungen zu verstehen, nicht als Analyse.

KI zitieren & dokumentieren

LLM-Ausgaben sind keine stabilen, unabhängig überprüfbaren Quellen. Entscheidend ist daher nicht das Zitieren im klassischen Sinn, sondern die nachvollziehbare Dokumentation der Nutzung: Modell, Prompt, Zweck, Auswahl und Prüfung. Wir haben einen Leitfaden erstellt, der zeigt, wie KI-Nutzung im Methodenteil, in Fußnoten und in Verzeichnissen beschrieben werden kann – von der Transkription bis zur Interpretation: Leitfaden, wie KI-Nutzung zitiert werden kann.

Promptsammlung

Auch wenn Prompts schnell veralten und nicht der Weisheit letzter Schluss sind, haben wir einige gesammelt, die zur Inspiration und zum Ausprobieren einladen könnten. Die Sammlung enthält Promptvorlagen für verschiedene Phasen eines Forschungsprozesses. Sie sind als Arbeitshilfen gedacht und ersetzen nicht die eigene methodische Entscheidung und müssen mit großer Sicherheit noch weiter angepasst und ergänzt werden.