Große Sprachmodelle – sogenannte Large Language Models (LLMs) – wie GPT, BERT oder LLaMA haben sich in den letzten Jahren rasant entwickelt und sind zu zentralen Bausteinen moderner KI-Systeme geworden. Ihre Fähigkeit, Texte zu generieren, Informationen zu extrahieren oder Sprache zu verstehen, macht sie zu vielseitigen Werkzeugen in der digitalen Transformation. Doch damit sie ihr volles Potenzial entfalten können, müssen sie gezielt auf spezifische Kontexte und Aufgaben zugeschnitten werden.

Unsere Forschung im Bereich wissenserweiterte große Sprachmodelle beschäftigt sich mit der Anpassung und Erweiterung von LLMs für konkrete Anwendungsdomänen. Durch Methoden wie Feintuning, In-Context Learning, Retrieval-Augmented Generation oder die Integration von semantischen Wissensquellen entwickeln wir Modelle, die nicht nur generisch, sondern fachlich kompetent, verständlich und praxisnah agieren.

Ein zentrales Ziel ist es, bestehende Sprachmodelle mit strukturiertem Wissen anzureichern, etwa aus Ontologien, Wissensgraphen oder Fachdatenbanken. So entstehen Systeme, die über reines Sprachverständnis hinaus auch inhaltlich fundierte Antworten geben können. Diese angereicherten Modelle finden Anwendung in Bereichen wie Bildung, Verwaltungsdigitalisierung, Öffentlichkeitsbeteiligung oder barrierefreier Kommunikation.

Neben der technischen Weiterentwicklung setzen wir uns auch mit der Zugänglichkeit dieser Technologien auseinander: Wir entwickeln intuitive Schnittstellen, stellen Modelle dokumentiert bereit und gestalten APIs, die den einfachen Einsatz auch für Nicht-Expert*innen ermöglichen. Dabei achten wir auf Transparenz, Nachvollziehbarkeit und gesellschaftliche Relevanz.

Unsere Forschung trägt so dazu bei, große Sprachmodelle nicht nur leistungsfähiger, sondern auch inklusiver und verantwortungsbewusster zu gestalten – als Werkzeuge, die Menschen im Alltag unterstützen, anstatt sie zu überfordern.