ALIMA – Ein RAG-basiertes System zur LLM-gestützten Sacherschließung: Prototypentwicklung und erste Erfahrungen aus der Praxis

Zusammenfassung Die Sacherschließung von Neuerwerbungen gehört zu den zeitaufwendigen Kernaufgaben des Fachreferats an wissenschaftlichen Bibliotheken. Die Zuordnung von kontrollierten Schlagworten aus der Gemeinsamen Normdatei (GND) sowie die klassifikatorische Einordnung (DK, RVK) erfordern sowohl Fachwissen als auch bibliothekarische Expertise. Dieser Beitrag beschreibt ALIMA (AI-powered Library Indexing and Metadata Assignment), ein System zur Sacherschließung unterstützt durch Large Language Models (LLM, große Sprachmodelle), das seit Januar 2025 an der Universitätsbibliothek der TU Bergakademie Freiberg entwickelt wird und sich seit Sommer 2025 in einer Erprobungsphase befindet. Diese Arbeit dokumentiert den aktuellen Entwicklungsstand eines funktionsfähigen Prototyps sowie erste qualitative Erfahrungen aus dem praktischen Einsatz. Die Implementierung verwendet einen Retrieval Augmented Generation (RAG)-Ansatz über Datenbankzugriffe mit standardisierten Programmierschnittstellen (Application Programming Interfaces, APIs), um die bekannten Halluzinationsprobleme von LLMs zu vermeiden und gleichzeitig die inhaltliche Erschließungsqualität zu bewahren.