Aus dem DNI-Newsletter von Jochen Fassbender:
“Walter Greulich hatte bereits in einer E-Mail im Oktober auf das
Statement der ASI über KI und Buch-Indexing hingewiesen. Die zentrale
Aussage daraus übersetzt:
“Die Tests des [ASI-]Komitees zeigen, dass auf Large Language Models
(LLMs) basierende KI-Tools, wie ChatGPT und Claude, weder vollständig
noch teilweise brauchbare Buchregister erstellen können. Die
resultierenden Register weisen Mängel auf hinsichtlich Vollständigkeit
(Zugriff auf alle wesentlichen Informationen), Navigierbarkeit
[innerhalb des Indexes] (den Leser auf Unter- und verwandte Themen
hinweisen) und Genauigkeit (nur korrekte Informationen sowie
Berücksichtigung der Terminologie des Autors). Sie erfordern eine
umfangreiche Überprüfung und Korrektur durch einen Menschen, was fast
immer zeitaufwändiger und teurer ist als die Zusammenarbeit mit einem
professionellen Indexer von Anfang an.”
Der Hinweis auf korrekte Informationen bezieht sich auf von KI
verursachte Halluzinationen.
Zum ASI-Statement gehören auch ein 27-seitiges White Paper
“LLM-Generated Book Indexes: Can They Replace Professionally Created
Indexes?”:
https://asindexing.org/wp-content/uploads/2025/08/Can_LLM-generated_Book_Indexes_Replace_Professional_Indexes.pdf
sowie Empfehlungen für Autoren, Verleger und Indexer:
https://asindexing.org/ai-and-book-indexing/#authed
Eine gekürzte Fassung des White Paper, allerdings ergänzt um
Literaturhinweise, ist in Key Words Vol. 33, No.3 (Fall 2025), S. 16-19
erschienen.
Empfehlungen für Indexer:
– KI-Tools sollten auf absehbare Zeit nicht für die Erstellung von
Buchregistern benutzt werden.
– Inhalte, die indexiert werden, sollten nicht (jedenfalls nicht ohne
ausdrückliche Genehmigung der Auftraggeber) mit KI in Kontakt kommen, da
(viele?) Verlage nicht möchten, dass KI Zugriff auf ihre Inhalte
bekommt, allein schon aus Copyright-Gründen.
– Statement zu KI und Registererstellung auf der eigenen Website, ggf.
verlinkt mit dem ASI-Statement.
– Bei der Überarbeitung von KI-generierten Registern kann es
wahrscheinlich nötig sein, große oder alle Teile eines Werkes neu zu
indexieren. Über den Umfang dieser Arbeiten sollten Auftraggeber offen
und respektvoll, aber deutlich informiert werden.
– Nicht-Indexer aufklären über die derzeitigen Mängel von KI, auch nur
im Ansatz gute Register abzuliefern.
ASI-Mitglied Elizabeth Bartmess, die am White Paper beteiligt war, hat
zudem den aus 99 Folien bestehenden Vortrag “AI: Where You Can Use It
and Where You Shouldn’t” auf der Konferenz 2025 des kanadischen
Indexer-Verbandes in Vancouver gehalten:
Wobei der alternative Titel dieses Vortrags (Seite 2) übersetzt recht
deutlich wird: “KI-generierte ‘Indexe’ sind Schrott, und wir müssen dies
Autoren, Verlegern und zukünftigen Indexern mitteilen”. Sie untersucht
u.a., wie und weshalb LLMs schlecht bei der Buchregistererstellung
abschneiden. Zum Einsatz kamen ChatGPT, Perplexity.AI und Claude an drei
verschiedenen Texten. Die LLMs scheiterten größtenteils an folgenden
Hauptaspekten:
– zu wenig Haupteinträge (Unterindexierung) im Vergleich zu den
Originalregistern
– inkorrekte Behandlung des Meta-Themas (Hauptthema des Buches)
– kaum oder absurde Querverweise und damit auch keine Vokabularkontrolle
– Halluzinationseinträge (frei erfundene Themen)
– Kontext-Probleme (Themen in adäquaten Kontext zueinander zu setzen)
Gründe für das schlechte Abschneiden seien u.a., dass es viele schlechte
Register gibt, auf die die LLMs Zugriff haben und dass das meiste
Trainingsmaterial für gute Registererstellung öffentlich nicht
zugänglich ist, und es KI folglich schwer hat, sich zu verbessern.
Derzeitige LLMs sind weder trainiert noch entwickelt für
Registererstellung, und Geldgeber, die dies potenziell umsetzen könnten,
seien nicht in Sicht.
Elizabeth Bartmess geht dann noch auf sinnvolle Nutzung von KI ein,
insbesondere auf die Erstellung von Macros und Regular Expressions durch
LLMs.
In The Indexer sind in den letzten zwei Jahren vier Artikel zu KI und
Indexing erschienen. Darunter auch “Generative Artificial Intelligence
(AI) and Its Performance at Indexing Tasks” von SI-Mitglied Tanya
Izzard, in dem es um die Indexierung des Kurztextes “A history of
England” von Jane Austen aus dem Jahr 1791 durch die beiden LLMs Claude
and Adobe AI Assistant und deren Mängel geht. Diese Tools taugten aber
nicht mal zur Extraktion von Eigennamen aus dem Text, was unvollständig
und fehlerhaft verlief.
Sicherlich folgen weitere Tests sowie Artikel in den Fachzeitschriften.
Die derzeit größte Herausforderung für uns Indexer bleibt, möglichst
viele Leute ohne spezielle Indexing-Kenntnisse über den Stand der Dinge
aufzuklären.”

