Materiallage
Der abgeschlossene Kurs ist vollständig nach Sitzungen und Aufgaben dokumentiert. Verlinkt sind die im Kursdokument belegten Vertiefungen sowie ausdrücklich gekennzeichnete historische Ergänzungen zum Git-Thema. Ein eigener freigegebener Gesamtfoliensatz oder ein Google-Docs-Skriptum liegt derzeit nicht vor.
Lernziele
- Funktionsweise und Grenzen von Large Language Models für Forschungsaufgaben erklären
- Prompts und Kontexte für Recherche, Datenarbeit und Entwicklung systematisch gestalten
- ein datenbezogenes DH-Projekt mit Forschungsfrage, Anforderungen und überprüfbaren Ergebnissen strukturieren
- Git, GitHub und GitHub Pages für Versionierung, Dokumentation und Veröffentlichung einsetzen
- einen Research Vault als Wissensbasis für Projektarbeit und Context Engineering aufbauen
- einen funktionalen Forschungsprototyp mit der Promptotyping-Methode entwickeln und verifizieren
- KI-Nutzung, Prompt-Iterationen und fachliche Entscheidungen nachvollziehbar dokumentieren
Voraussetzungen
- Grundlegende Kenntnisse in HTML, CSS, X-Technologien oder Programmierung sind hilfreich
- Eigene, möglichst voraufbereitete Forschungsdaten für das Semesterprojekt
Sitzungen
Einführung und Projekt-Pitches
Kursrahmen, Projektideen und Datenbasis werden vorgestellt und gemeinsam geschärft.
Themen
- Kursziele und Arbeitsweise
- Forschungsfrage, Projektkontext und Datenbasis
- Drei-Minuten-Pitch und fachliches Feedback
Aktivitäten:
- Präsentation des vorbereiteten Einseiters
- Peer-Feedback zur Forschungsfrage und Datenbasis
Grundlagen von LLMs und Prompt Engineering
Technische Grundlagen, Modellgrenzen und systematische Promptgestaltung für wissenschaftliche Aufgaben.
Themen
- Next Token Prediction, Tokenisierung, Embeddings und Context Window
- Konfabulation, Sycophancy und Nichtdeterminismus
- Zero-Shot, Few-Shot und iterative Promptverbesserung
MATERIALIEN:
Forschung mit LLMs und öffentlicher Forschungsblog
Die Projektidee wird als nachvollziehbare Webpublikation mit Forschungsfrage, Material und methodischem Ansatz dokumentiert.
Themen
- LLMs in Recherche und wissenschaftlicher Argumentation
- Literaturbelege und Quellenverifikation
- HTML, CSS und GitHub Pages
Aktivitäten:
- Struktur des Forschungsblogs entwerfen
- Repository und GitHub-Pages-Auslieferung vorbereiten
Git, GitHub und Projektmanagement
Versionierung und dateizentriertes Projektmanagement für nachvollziehbare DH-Workflows.
Themen
- Commits, Branches und Pull Requests
- Issues, Milestones und Project Boards
- README, Dokumentation und Reproduzierbarkeit
MATERIALIEN:
Aktivitäten:
- Forschungsblogs präsentieren
- Projekt-Repository und Aufgabenstruktur prüfen
Research Vaults und Wissensorganisation
Obsidian wird als projektbezogene Wissensbasis und Kontextquelle für die weitere Entwicklung eingerichtet.
Themen
- Personal Information Management
- Ordner, Tags, Maps of Content, Wikilinks und Frontmatter
- Wissensdokumente und Vault-Governance
MATERIALIEN:
Aktivitäten:
- Projektwissen in Markdown-Dokumente überführen
- Daten, Anforderungen und Design explizit dokumentieren
Context Engineering und Promptotyping
Der Research Vault wird als Kontextsystem für eine strukturierte, iterativ geprüfte Prototypentwicklung verwendet.
Themen
- Context Window, Context Rot und Kontextkompression
- Preparation, Exploration and Mapping, Distillation und Implementation
- Critical Expert in the Loop
MATERIALIEN:
Aktivitäten:
- Promptotyping-Dokumente gegen Forschungsfrage und Daten prüfen
- erste Implementation aus der Wissensbasis ableiten
Praxiswerkstatt
Die Projekte werden implementiert, getestet und anhand der dokumentierten Anforderungen überarbeitet.
Themen
- Prototypentwicklung
- Debugging und Refactoring mit LLMs
- Verifikation gegen Daten und User Stories
Aktivitäten:
- Projektarbeit mit individuellem Troubleshooting
- Werkstatt-Berichte und kollegiales Feedback
Forschungsintegrität und Reflexion
KI-Nutzung wird hinsichtlich Verantwortung, Nachvollziehbarkeit, Datenschutz und epistemischer Risiken geprüft.
Themen
- Dokumentation von KI-Einsatz und Prompt-Iterationen
- Forschungsintegrität, Plagiate und Quellenprüfung
- Ressourcenverbrauch, Ungleichheit und Shadow AI
MATERIALIEN:
Showcase und Projektpräsentationen
Forschungsfrage, Datenbasis, Entwicklungsprozess und funktionaler Prototyp werden präsentiert und kritisch diskutiert.
Themen
- Live-Demo des Prototyps
- Evidenzbasierte Reflexion des Entwicklungsprozesses
- Ergebnisse, Grenzen und offene Forschungsfragen
Aktivitäten:
- 15-minütige Projektpräsentation
- Fragen und fachliches Feedback
Aufgaben
Vorbereitung: Einseiter und Pitch
Typ: Einzelarbeit, Pass/Fail
Fällig: Sitzung 1
Abgaben:
- Einseiter mit Datenbasis, Projektkontext und Forschungsfrage
- Drei-Minuten-Pitch
Forschungsblog auf GitHub Pages
Typ: Projektarbeit
Fällig: Sitzung 4
Abgaben:
- öffentliche statische Website mit Projektübersicht, Forschungsfrage und Datenbeschreibung
- Literaturrecherche mit fünf bis zehn Kernquellen
- GitHub-Repository mit nachvollziehbarer Commit-Historie
Promptotyping und Project Vault
Typ: Projektarbeit, Schwerpunkt der Beurteilung
Fällig: Sitzung 9
Abgaben:
- verlinkter Obsidian Project Vault mit Daten-, Anforderungs- und Designdokumentation
- funktionaler Minimal Viable Research Tool Prototyp
- GitHub-Repository und dokumentierter Entwicklungsprozess
- Projektpräsentation mit Live-Demo
Prompt Engineering Tagebuch
Typ: Reflexionsdokument
Fällig: Sitzung 9
Abgaben:
- dokumentierte zentrale Prompt-Interaktionen
- fachliche Bewertung erfolgreicher und gescheiterter Strategien
- Reflexion über Kontextgestaltung, Verifikation und nicht explorierte Optionen
Ressourcen
Wesentliche Werkzeuge
Empfohlene Literatur
Online-Ressourcen
-
Promptotyping: Zwischen Vibe Coding, Vibe Research und Context Engineering
Methodische Grundlage der Prototypentwicklung im Kurs.