– und einem wachsenden Berg von Literaturangaben zu Werken, die es nicht gab.
Warum es Veracite gibt
Grosse Sprachmodelle haben verändert, wie Menschen Literatur finden. Die Ergebnisse lesen sich meist gut, und die meisten Quellenangaben sind echt. Manche nennen jedoch einen plausiblen Autor, einen überzeugenden Titel und eine tatsächlich existierende Zeitschrift, verweisen aber auf einen Artikel, der nie geschrieben wurde. Betreuungspersonen sehen sie in Abschlussarbeiten. Redaktionen und Bibliotheksfachleute begegnen ihnen in eingereichten Manuskripten und bei Anfragen von Leserinnen und Lesern. Forschende finden sie in ihren eigenen Entwürfen – manchmal kurz vor einer Frist.
Sie zu prüfen bedeutet, Literaturverzeichnisse von Hand durchzugehen: Eintrag für Eintrag, über Kataloge und Datenbanken hinweg, die keine einzelne Suche vollständig abdeckt. Gespräche mit Kolleginnen und Kollegen, Bibliotheksfachleuten sowie Kundinnen und Kunden endeten immer wieder an derselben Stelle:
Niemand wollte, dass eine KI errät, ob eine Quellenangabe erfunden ist. Sie wollten wissen, ob sie gefunden werden kann – und wo.
Veracite beantwortet diese Frage. Es sucht jede Literaturangabe in wissenschaftlichen und bibliografischen Datenbanken und berichtet mit den zugehörigen Belegen, was es gefunden hat. Es bewertet weder den Schreibstil noch urteilt es darüber, ob ein Text maschinell erzeugt wurde. Es prüft, ob das zitierte Werk existiert und ob seine Angaben übereinstimmen – und zeigt, wo es gesucht hat, damit das Ergebnis auch dann Bestand hat, wenn jemand anderes nachfragt.
Veracite wird von der thinkerlab GmbH in der Schweiz entwickelt.
Mitgründerin, thinkerlab · Produkt · Outreach
Dozentin an der FH Graubünden und Gründerin von scivia, einer Beratung mit Schwerpunkt auf Data Governance, Forschungsdatenmanagement, digitaler Nachhaltigkeit und KI-Kompetenz.
anapetrus.ch
Mitgründer, thinkerlab · Technische Leitung · Kundensupport
KI-Ingenieur und technischer Leiter. Er hat Audioguide-Infrastrukturen für Museen und Kultureinrichtungen sowie Deep-Learning-Pipelines zur Klassifikation dermatologischer Bilder entwickelt.
LinkedIn