SRL entwickelt eine digitale Forschungsumgebung für KI-gestützte Forschung. Sie entsteht aus der Frage, wie komplexe Forschungsprozesse über einzelne Arbeitssitzungen hinweg fortgeführt werden können, während Quellen, Arbeitsstände, Prüfungen und Entscheidungen nachvollziehbar bleiben.
Die digitale Forschungsumgebung dient dabei als Forschungsinstrument. Ihre Entwicklung und Anwendung wirft zugleich Fragen zur Arbeitsteilung zwischen Mensch und KI und zu deren technischen und methodischen Voraussetzungen auf.
Synthese als Entwicklungsprinzip
Die Forschungsinfrastruktur entsteht aus konkreten Anforderungen der Forschungsarbeit. Für diese Anforderungen untersucht SRL etablierte Modelle, technische Ansätze und Best Practices und verbindet diejenigen Bestandteile, die für das jeweilige Problem wesentlich sind.
Daraus entsteht eine Lösungshypothese, die praktisch eingesetzt, geprüft und iterativ weiterentwickelt wird. Zusätzliche Strukturen und Kontrollen werden dort entwickelt, wo sie einen materiellen Beitrag zur Zuverlässigkeit, Nachvollziehbarkeit oder Leistungsfähigkeit des Forschungsprozesses leisten.
Damit folgt die Infrastrukturentwicklung derselben grundlegenden Forschungslogik wie die inhaltliche Arbeit von SRL: Vorhandenes Wissen wird auf eine konkrete Frage bezogen, in seinen Aussagegrenzen geprüft und zu einer überprüfbaren Synthese verdichtet.
Digitale Forschungsumgebung
Ein wesentlicher Bestandteil der Forschungsumgebung ist die Persistenz von Forschungsständen außerhalb einzelner KI-Arbeitssitzungen. Dadurch können Forschungsstränge an einem bestimmten Stand wieder aufgenommen und über längere Zeiträume weiterentwickelt werden.
Die Forschungsumgebung ist darauf ausgelegt, frühere Zustände zu erhalten und Veränderungen nachvollziehbar zu machen. Ein Arbeitsergebnis, seine Prüfung, die Entscheidung über seine Verwendung und seine Geltung im aktuellen Forschungsstand werden dabei als unterschiedliche Vorgänge behandelt. Neue Erkenntnisse können bestehende Ergebnisse verändern, während ihre Entstehung und Revision nachvollziehbar bleiben.
Die Forschungsumgebung ermöglicht zugleich eine weitreichende Arbeitsteilung zwischen Mensch und KI. Recherche, Vergleich, Analyse und die Entwicklung alternativer Erklärungen können durch generative KI unterstützt werden. Technisch prüfbare Eigenschaften können automatisiert kontrolliert werden. Davon unterscheidbar bleiben Entscheidungen über Fragestellung, Bewertung, Forschungsrichtung und veröffentlichte Ergebnisse.
Ein Beispiel: Qualitätssicherung
Bei der Entwicklung von Verfahren zur Qualitätssicherung untersucht SRL etablierte Audit-, Risiko- und Assurance-Modelle auf ihre Übertragbarkeit auf KI-gestützte Forschungsprozesse.
In einer solchen Untersuchung wurde unter anderem die Failure Mode and Effects Analysis (FMEA) herangezogen, wie sie auch in einem Leitfaden des NASA Goddard Space Flight Center beschrieben wird. Für die konkrete Fragestellung erwies sich insbesondere die Unterscheidung zwischen möglichen Fehlermodi, ihren Ursachen, Folgen und ihrer Entdeckbarkeit als relevant. Weitere Aspekte wurden aus anderen Audit-, Review- und Risikomodellen gewonnen.
Die für das konkrete Problem relevanten Bestandteile solcher Modelle werden mit weiteren Erkenntnissen verbunden und zu einer Lösungshypothese verdichtet, die sich in der Forschungsarbeit praktisch bewähren muss.
Entwicklung in der Forschungspraxis
Teile der Forschungsinfrastruktur werden im Projekt Vindobona bereits praktisch eingesetzt und weiterentwickelt. Dort unterstützt die digitale Forschungsumgebung die Fortführung komplexer Forschungsprozesse mit persistenten Arbeitsständen, nachvollziehbaren Revisionen und kontrollierten Übergängen zwischen unterschiedlichen Arbeits- und Entscheidungszuständen.
Die Anwendung wirft zugleich neue Forschungsfragen auf: Welche Arbeitsschritte lassen sich sinnvoll an generative KI übertragen? Welche Informationen müssen dauerhaft außerhalb eines Modells erhalten bleiben? Welche Prüfungen lassen sich automatisieren? Wo ist menschliche Entscheidung erforderlich? Und wie lässt sich eine weitreichende Arbeitsteilung gestalten, in der Herkunft, Unsicherheit und Verantwortung nachvollziehbar bleiben?
Die Antworten auf diese Fragen fließen wiederum in die Weiterentwicklung von Methode und Forschungsinfrastruktur ein.