HistoRAG: Embedding Historical Methodology in Retrieval-Augmented Generation Through Critical Technical Practice
Dieses Paper stellt HistoRAG vor, ein Framework, das Retrieval-Augmented Generation für die historische Forschung adaptiert, indem es historiographische Prinzipien – wie zeitliche Fensterung, die Trennung von Retrieval und Generierung sowie eine transparente LLM-as-Judge-Evaluierung – integriert, um die faktischen Verzerrungen des Standard-RAG zu adressieren und interpretative wissenschaftliche Praktiken besser zu unterstützen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie sind ein Historiker, der versuchen möchte zu verstehen, wie die Menschen zwischen 1950 und 1979 in Deutschland über Computer dachten. Sie verfügen über eine riesige Bibliothek von über 100.000 Zeitungsartikeln.
Wenn Sie ein Standard-KI-Tool (genannt „RAG“) verwenden, um Ihnen zu helfen, agiert dieses wie ein sehr schneller, aber etwas tollpatschiger Bibliothekar. Sie fragen: „Was dachten die Menschen über Computer?“ und der Bibliothekar rennt in die Regale, sucht nach Büchern, in denen das Wort „Computer“ vorkommt, und reicht sie Ihnen.
Das Problem ist, dass dieser Bibliothekar einige schlechte Angewohnheiten hat, die die historische Forschung ruinieren:
- Er spricht nur modernen Slang. Wenn Sie nach „Computern“ fragen, indem Sie Begriffe aus den 1970er Jahren verwenden, ignoriert er alle Bücher aus den 1950er Jahren, weil die Menschen damals noch „elektronische Gehirne“ sagten. Der Bibliothekar übersieht damit den wichtigsten frühen Teil der Geschichte.
- Er greift zu den lautesten Büchern. Wenn ein Thema im Jahr 1970 sehr viel diskutiert wurde, greift der Bibliothekar einen riesigen Stapel Bücher aus dem Jahr 1970 und ignoriert die ebenso wichtigen, aber leiseren Diskussionen aus dem Jahr 1950.
- Er versteht nicht, warum Sie fragen. Er greift einfach nach Büchern, die Ihrem Thema ähnlich sehen, selbst wenn diese Bücher Ihre spezifische Forschungsfrage nach menschlicher Angst oder Hoffnung gar nicht beantworten.
Das Paper stellt HistoRAG (Historical RAG) vor. Betrachten Sie dies nicht als einen schnelleren Bibliothekar, sondern als eine neue Art der Zusammenarbeit mit einem Forschungsassistenten, der die Regeln der Geschichtswissenschaft respektiert.
So funktioniert HistoRAG, mithilfe von drei einfachen Tricks:
1. Der „Zwei-Schritt-Tanz“ (Getrennte Abfrage und Generierung)
In einem normalen KI-System stellen Sie eine Frage und die KI liefert sofort eine Antwort. Es ist wie bei einem magischen Achtkugel-Orakel.
In HistoRAG wird der Prozess in zwei deutliche Schritte unterteilt:
- Schritt 1: Die Suche (Heuristik). Die KI geht auf die Suche und sammelt eine große Menge potenzieller Quellen. Aber sie bleibt dort stehen. Sie legt sie auf einen Tisch und sagt: „Hier sind die Kandidaten. Sie, der Historiker, müssen nun entscheiden, welche davon es wert sind, gelesen zu werden.“
- Schritt 2: Die Analyse (Interpretation). Erst nachdem Sie die besten Quellen ausgewählt haben, hilft Ihnen die KI dabei, eine Zusammenfassung zu schreiben oder Muster zu finden.
Die Analogie: Stellen Sie sich vor, Sie sind ein Detektiv. Eine normale KI ist wie ein Detektiv, der einen Verdächtigen findet und sofort sein Abschlussplädoyer schreibt. HistoRAG ist ein Detektiv, der Ihnen eine Liste von Verdächtigen gibt, sie Ihnen überreicht und sagt: „Sie entscheiden, wen Sie vernehmen. Sobald Sie die richtigen Leute ausgewählt haben, helfe ich Ihnen beim Schreiben des Berichts.“ Dies stellt sicher, dass der menschliche Historiker die Kontrolle über die Erzählung behält.
2. Das „Zeitreisenden-Gitter“ (Temporales Windowing)
Standard-KI-Tools sind gegenüber der Gegenwart voreingenommen. Wenn Sie nach „Computern“ fragen, greift die KI hauptsächlich aktuelle Artikel, weil die Sprache besser übereinstimmt. Es ist, als würde man versuchen, alte Rezepte zu finden, indem man nur nach modernen Kochbegriffen sucht; man wird die alten Begriffe übersehen.
HistoRAG zwingt die KI zu Fairness. Es unterteilt den 30-Jahres-Zeitraum in kleine Zeitblöcke (wie 5-Jahres-Intervalle). Dann sagt es: „Egal wie viele ‚Computer‘-Artikel im Jahr 1970 existieren, Sie müssen eine gleiche Anzahl an Artikeln aus 1950, 1955, 1960 usw. auswählen.“
Die Analogie: Stellen Sie sich vor, Sie bereiten einen Obstsalat zu. Eine normale KI greift nach einem riesigen Eimer Erdbeeren (weil diese gerade überall sind) und ignoriert die Blaubeeren aus der letzten Saison. HistoRAG ist ein strenger Koch, der sagt: „Wir brauchen genau eine Tasse Obst aus jeder Jahreszeit des Jahres, auch wenn die Erdbeeren gerade populärer sind.“ Dies stellt sicher, dass Sie die gesamte Geschichte schmecken und nicht nur die populärste Ära.
3. Der „menschliche Richter“ (LLM-as-Judge)
Selbst wenn die KI die richtigen Zeiträume erfasst, könnte sie immer noch die falschen Arten von Artikeln auswählen. Sie könnte ein trockenes technisches Handbuch greifen, obwohl Sie eigentlich einen Brief eines besorgten Bürgers gesucht haben.
HistoRAG fügt eine zweite Prüfungsebene hinzu. Nachdem die KI die Artikel gesammelt hat, lässt sie diese durch einen „Richter“ (eine weitere KI) laufen, der wie ein menschlicher Historiker agiert. Dieser Richter liest die Artikel und fragt: „Handelt dieser Artikel tatsächlich von Angst oder Hoffnung?“ Er vergibt eine Punktzahl für den Artikel und schreibt eine Begründung dafür.
Die Analogie: Stellen Sie sich eine Talentshow vor. Die erste KI ist der „Casting-Direktor“, der alle findet, die singen können. Der „Richter“ ist der „Musik-Kritiker“, der zuhört und entscheidet: „Okay, du kannst zwar singen, aber du singst keine emotionale Ballade, nach der wir suchen.“ Der Richter zählt nicht nur Noten; er versteht das Gefühl des Liedes.
Das Ergebnis: „Zwischentexte“
Abschließend spricht das Paper darüber, was die KI tatsächlich schreibt. In normalen Systemen versucht die KI, Ihnen eine fertige Antwort zu geben. In HistoRAG produziert die KI das, was die Autoren als Zwischentexte bezeichnen.
Die Analogie: Betrachten Sie diese nicht als fertigen Roman, sondern als einen Entwurf oder eine Skizze. Die KI sagt: „Hier ist eine mögliche Interpretation dessen, was die Menschen im Jahr 1964 empfunden haben. Hier ist ein Muster, das ich sehe. Aber ich bin nur ein Werkzeug. Sie, der Historiker, müssen meine Arbeit prüfen, die Quellen verifizieren und entscheiden, ob meine Skizze korrekt ist.“
Warum das wichtig ist
Das Paper argumentiert, dass wir für die Geschichte und andere interpretative Disziplinen nicht einfach nur die „schnellste“ Antwort wollen. Wir brauchen ein System, das:
- Nicht vergisst, dass die Vergangenheit existiert, nur weil sich die Sprache geändert hat.
- Nicht zulässt, dass die populärste Ära die leiseren Epochen übertönt.
- Seine Argumentation sichtbar macht, damit ein Mensch sagen kann: „Ich widerspreche dieser Schlussfolgerung.“
HistoRAG ist ein Entwurf für die Entwicklung von KI-Werkzeugen, die wie bescheidene Forschungsassistenten agieren und nicht wie allwissende Orakel, um sicherzustellen, dass der menschliche Historiker derjenige bleibt, der entscheidet, was die Vergangenheit bedeutet.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.