
Präsentation des Vortrags Moselwein, LLMs und LOD – Kulturerbe mit KI analysieren, der am 17. November 2025 von Veronica Wassermayr im Rahmen der Ringvorlesung Digital Humanities im Fokus: Methoden, Anwendungen und Perspektiven an der Universität Rostock gehalten wurde. Abstract: Das Semantic Web und Linked Open Data ist ein schon lange bestehendes, aber in letzter Zeit zunehmend an Relevanz gewinnendes, Framework zur Datenaufbereitung.Dieser Vortrag erläutert die Grundlagen dieses Frameworks, was Wikibase und Wikidata eigentlich sind, und zeigt dann ein konkretes Anwendungsbeispiel aus einem aktuell laufendem Forschungsprojekt zu einem lokalem Kulturgut. Am Beispiel von Weinen des Moselgebiets und deren Etiketten wird gezeigt, wie man Ontologien und Vokabulare für ein LOD-Projekt anlegt. Außerdem wird berichtet, wie mit Hilfe moderner multimodaler Large Language Models eine LOD-Datenbank für Bildelemente aufgefüllt werden kann. Diese Modelle setzen auf eine Kombination aus Bild- und Textdaten, die sich gegenseitig bei der Inferenz unterstützen. Bio: Veronica Wassermayr ist wissenschaftliche Mitarbeiterin am Trier Center for Digital Humanities an der Universität Trier. Nach einem Studium der Computerlinguistik und Informatik an der LMU München ist sie seit 2024 tätig als Mitarbeiterin im Forschungsprojekt LODinG (Linked Open Data in den Geisteswissenschaften) sowie im Datenkompetenzzentrum HERMES. Ihre Forschungsschwerpunkte und -interessen sind Linked Open Data, multimodale Wissensrepräsentationen und der computerlinguistische Umgang mit Dialekten und Minderheitensprachen.
Digital Humanities, Cultural Studies, Large Language Model, FOS: Other humanities, Linked Open Data
Digital Humanities, Cultural Studies, Large Language Model, FOS: Other humanities, Linked Open Data
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
