Neues System nutzt Kompetenzfragen als Plan für authentische Kulturerzählungen

Die Bewahrung immateriellen Kulturerbes steht vor einer großen Herausforderung: Während große Sprachmodelle (LLMs) fesselnde Geschichten erzeugen können, neigen sie häufig zu Faktenfehlern oder „Halluzinationen“. Für Kulturprojekte, bei denen Genauigkeit und Verlässlichkeit entscheidend sind, ist das daher ein ernstes Problem.

Um diesem Problem zu begegnen, wurde eine neuro-symbolische Architektur entwickelt, die auf Wissensgraphen (KGs) basiert. Das System arbeitet nach einem transparenten „Plan‑Retrieve‑Generate“-Workflow: Kompetenzfragen, die üblicherweise nur zur Validierung von Modellen dienen, werden hier als ausführbare Narrativepläne eingesetzt. Dadurch entsteht ein klarer, nachvollziehbarer Pfad von der Nutzeranfrage bis zur finalen Erzählung, der vollständig auditierbar und faktenbasiert ist.

Die Funktionsweise wurde anhand des Live‑Aid‑KG getestet – einem multimodalen Datensatz, der 1985‑Konzertdaten mit der Music Meta Ontology verknüpft und externe Multimedia‑Assets einbindet. Für die Bewertung wurden drei Retrieval‑Augmented‑Generation‑Strategien verglichen: ein rein symbolisches KG‑RAG, ein text‑angereichertes Hybrid‑RAG und ein struktur‑sensitives Graph‑RAG. Die Experimente zeigen einen klaren Kompromiss: Symbolische Retrieval‑Methoden liefern höchste Faktenpräzision, hybride Ansätze bieten reichhaltigere Kontexte, während graphbasierte Traversierungen die narrative Kohärenz stärken.

Die Ergebnisse liefern wertvolle Leitlinien für die Gestaltung personalisierter Kulturerzählungen. Durch die Kombination von Kompetenzfragen, Wissensgraphen und gezielten RAG‑Strategien lässt sich eine Balance zwischen Genauigkeit, Kontextualität und Erzählfluss erreichen – ein entscheidender Schritt, um digitale Kulturarchive lebendig und vertrauenswürdig zu machen.