Mona Wiebke Urban

• Die vorliegende Arbeit präsentiert eine innovative, semi-automatisierte Methode zur Erstellung und Validierung historischer Ereignisdatenbanken. Damit wird ein Beitrag zur Bewältigung der steigenden Anforderungen der Digitalisierung in der Geschichtswissenschaft geleistet. Das Ziel besteht in der effizienten Erfassung historischer Daten sowie deren Darstellung in einer benutzerfreundlichen, interaktiven Form. Die Kombination von Large Language Models (LLMs), wie beispielsweise ChatGPT, mit fortschrittlichen Visualisierungstechniken resultierte in der Entwicklung einer Methode, welche eine Datenextraktionspipeline mit interaktiven kartografischen Darstellungen integriert. Die entwickelte Methode ermöglicht die verständliche und zugängliche Präsentation historischer Ereignisse im räumlichen und zeitlichen Kontext. Die entwickelte Methode wurde in einer Vergleichsstudie evaluiert, in welcher die Lern- und Nutzungserfahrungen von Probanden untersucht wurden. Die Resultate demonstrieren, dass die interaktive Visualisierung das Interesse und die Zufriedenheit der Nutzer signifikant fördert, jedoch auch die kognitive Belastung potenziell erhöht. Dies verdeutlicht die Notwendigkeit, benutzerfreundliche Schnittstellen zu entwickeln, die es ermöglichen, komplexe Informationen leicht zugänglich zu machen. Insgesamt leistet die Arbeit einen wichtigen Beitrag zur digitalen Transformation der Geschichtswissenschaften, indem sie neue Möglichkeiten für die effiziente Erfassung und interaktive Präsentation historischer Daten aufzeigt. Die Erkenntnisse bieten wertvolle Ansätze für zukünftige Forschungen zur Verbesserung der Zugänglichkeit und Effektivität digitaler Geschichtsanalyse-Tools.