CDL Espresso Talk | EvidenceSeeker: KI-gestütztes Fact-Checking mit eigenen Wissensbeständen

Im diesem Espresso Talk stellt @Sebastian Cacean(https://community.civic-data.de/u/scacean/) vom KIT-Forschungsprojekt KIdeKu die EvidenceSeeker-Boilerplate vor – ein Open-Source-Template, mit dem Organisationen eigene KI-gestützte Fact-Checking-Tools aufsetzen können.
Die Boilerplate nutzt Large Language Models (LLMs) und Retrieval-Augmented Generation (RAGRAGRetrieval-Augmented Generation (RAG) ist eine Erweiterung von Large Language Models (LLMs). Das Prinzip von RAG ist, dass zusätzliche Informationen aus einer Wissensdatenbank in die Text-Anfrage (en: Prompt) an eine generative KI einbezogen werden. Dadurch entsteht eine Lösung, die deutlich flexibler und aktueller ist als ein reines Sprachmodell. Die beiden Phasen des RAG Systems sind: “Retrieval” (de: Abruf): Ein Modell oder Algorithmus durchsucht externe Quellen (z. B. Datenbanken, Websites, Textsammlungen), um relevante Informationen zu einer Anfrage zu finden. “Augmented Generation” (de: erweiterte Erzeugung): Ein Generatives KI Modell nutzt sowohl erlerntes Wissen als auch die abgerufenen Informationen, um eine passende Antwort oder einen Text zu verfassen.), um Aussagen anhand interner Wissensquellen zu prüfen, Mehrdeutigkeiten zu erkennen und Belege transparent zu bewerten.
Mit EvidenceSeeker können Organisationen ihre Wissensbestände leichter zugänglich machen, unterschiedliche Interpretationen berücksichtigen und Bürger*innen mehr Autonomie bei der Auswahl vertrauenswürdiger Fact-Checker geben.

• KIdeKu Projektwebseite: https://compphil2mmae.github.io/de/research/kideku/
• EvidenceSeeker Boilerplate Dokumentation: https://debatelab.github.io/evidence-seeker/