Digital resources in the Social Sciences and Humanities OpenEdition Our platforms OpenEdition Books OpenEdition Journals Hypotheses Calenda Libraries OpenEdition Freemium Follow us

Hackathon am 13.10.2025

Hackathon: AI Between Research, Education, and Analysis

On October 13, 2025, the Heidelberg Center for Digital Humanities (HCDH) hosted a hackathon that brought together researchers from a variety of disciplines to explore innovative applications of artificial intelligence in the humanities and educational sciences.
The projects presented during the event demonstrated the remarkable diversity of current AI research at the HCDH—ranging from semantic modeling and multimodal analysis to personalized learning systems, adaptive infrastructures, and interactive teaching formats. 

Apertus as “Public AI”

The scientific discourse on Artificial Intelligence is increasingly shaped by the need to ensure transparency, ethical responsibility, and digital sovereignty. In this context, the release of the language model Apertus marks an important step.
Apertus, developed by the EPFL, ETH Zurich, and the Swiss Supercomputing Centre (CSCS), is a Large Language Model (LLM) distinguished by its complete open-source nature. Unlike many proprietary models and so-called “open-weight” models, where only the model weights are accessible, Apertus offers comprehensive transparency:

  • Open Weights: The model weights are freely available.
  • Open Data: The training dataset used is disclosed and extensively documented.
  • Full Transparency: The exact training methods and the entire architecture are freely accessible.

This makes Apertus a truly open (fully open) model (Latin Apertus means “open”), allowing for complete traceability and reproducibility of the research process.
The model is positioned as a contribution to the idea of “Public AI” – a collaboratively developed and accountable form of artificial intelligence that serves the common good.
The Apertus initiative offers new perspectives, particularly for research projects in the Digital Humanities (such as those at HCDH). For example, Dr. Thomas Renkert (Heidelberg School of Education) explained in a presentation that the model pursues an innovative approach focused not only on the training data but, crucially, on the training methods. A core feature of the Apertus framework is the retrospective deletion of data, which opens up new possibilities for an ethically responsible use of AI. This approach is particularly relevant for low-resource languages—i.e., languages without standardized corpora or extensive data collections—such as Medieval Latin or Middle French, both of which play a central role in various HCDH projects. Apertus was trained on 15 trillion word units (tokens) from over 1000 languages, with a significant proportion of the data (40 percent) being non-English. This enables the inclusion and modeling of language variants that were previously underrepresented in existing LLMs.
Renkert also emphasized the model’s ability to integrate Swiss language variants, thereby creating a link between local linguistic usage and computational modeling. The subsequent discussion also addressed the challenge of whether and how synthetic data generation techniques—successfully applied in image generation, for example—can be meaningfully transferred to linguistic data. The question remains open as to how “randomness” could be productively implemented and modeled in language data (https://ethz.ch/de/news-und-veranstaltungen/eth-news/news/2025/09/medienmitteilung-apertus-ein-vollstaendig-offenes-transparentes-und-mehrsprachiges-sprachmodell.html).

Knowledge Graphs and RAG Systems: Advancing the librAIry App

Jonathan Gaede (HCDH) used the hackathon to further develop the librAIry app as part of the project “ALMA – Knowledge Networks in the Medieval Romania.”
The focus was on expanding the existing Retrieval-Augmented Generation (RAG) system—currently based on a FAISS vector store and embeddings generated from scholarly literature on medieval medicine—by implementing a Graph-RAG approach.
The conventional RAG mechanism relies on limited-length text chunks and is thus well suited for retrieving specific information such as names, dates, or bibliographic references. The Graph-RAG approach, by contrast, aims to uncover broader conceptual and thematic relationships. To achieve this, knowledge graphs are created whose nodes and clusters are enriched with summaries and embeddings, enabling the system to reconstruct interconnections between concepts across multiple contexts.
During the hackathon, a first working prototype of the Graph-RAG system was successfully integrated into librAIry. Although generating the graph proved computationally intensive on standard hardware, the preliminary results underscore the promise of this method. In parallel, the application is being migrated from Streamlit to Flask, a step that facilitates the integration of additional components such as a IIIF viewer. In the long term, a web-based demo version is planned for the ALMA project website.

RAISE: AI-Driven Personalization in E-Learning

Dr. Nicole Flindt (Heidelberg University of Education) continued her work on the AI-based learning system RAISE, developed within the EU project “Young Refugees AI Student Empowerment Program.” The project seeks to harness artificial intelligence for personalized learning, analyzing individual learning styles, preferences, and needs to generate adaptive educational content.
The hackathon provided Nicole Flindt with an opportunity to deepen her exchange with members of the CAEDHET network and to gather new impulses for a planned project collaboration. Her work illustrates how AI and e-learning can mutually reinforce one another and contribute to the ongoing transformation of pedagogical models.
Within the RAISE project, a machine learning–based curriculum was developed that can be flexibly integrated into a variety of digital learning environments. This initiative exemplifies how data-driven analysis can support individual learning paths and educational inclusion. A detailed discussion of the project appears in Rohde/Flindt (2025), “Young Refugees AI Student Empowerment Program,” (pp. 136 ff).

Multimodal Classroom Analysis: Integrating Image, Sound, and Speech

Stefan Pietrusky (HCDH) presented a compact analytical tool for audiovisual classroom data designed to jointly evaluate multiple signal types—such as sound, image, and speech. Instead of treating these modalities separately, the project employs multimodal models that interpret different data streams within a shared contextual framework. The goal is to generate insights into teaching processes more efficiently—for example, by automatically producing summaries, identifying discussion topics, measuring speaking time, or classifying question types. The current prototype explores several approaches to event and segment detection along the video timeline—such as identifying pauses, transitions between presentation and board phases, or patterns of participation. The project places particular emphasis on data minimization, transparency of results, and the ethical handling of sensitive material.
What began as an experimental hackathon project is evolving into a practically oriented analysis tool. Future work will focus on improving robustness, usability, and export functionality, while maintaining the exploratory spirit that characterized its inception.

Visualization and Automation: The MCP System

Florian Nieser (HCDH) dedicated his hackathon project to the Model Context Protocol (MCP) and to implement custom builds into a working toolchain concerning research of Middle High German Data. The project’s long-term vision is to create on top of a copmplex retreival system a “self-building RAG”—a system capable of dynamically adapting to new research contexts and reconfiguring itself semi-autonomously.
At its core, the initiative explores how technical modularity can be used and implemented in different workflows to make research processes more transparent and reliable. Through his participation in the hackathon, Florian Nieser gained valuable perspectives on combining and customizing different MCPs and their combination with other MCPs as well as different client-integrations.

Interactive AI Learning Environments: Integration into Quarto

Jonas Braun (Heidelberg University of Education) focused on the integration of interactive web applications into the Markdown-based Quarto framework to convey concepts of data and AI literacy in an accessible, hands-on manner. The goal is to develop engaging, adaptive learning materials that can be embedded directly into websites, online courses, and presentations.
During the hackathon, Jonas Braun succeeded in embedding such applications within Quarto while centralizing dependency management, thereby enabling seamless integration of complex tools such as neural network training modules or data visualizations into digital learning environments. This approach allows learners to experience AI concepts without additional software or disruptive context switching.
In the next development phase, user interactions will be stored across multiple web modules, enabling coherent case studies and personalized learning paths. This feature will make it possible to track and adapt learning progress across sessions.

Conclusion: Openness as a Principle of Research

The projects presented by Dr. Thomas Renkert, Jonathan Gaede, Dr. Nicole Flindt, Stefan Pietrusky, Dr. Florian Nieser, and Jonas Braun exemplify the breadth of AI-related research at the HCDH. From semantic analysis of medieval texts and adaptive learning systems to multimodal video analytics, custom MCP frameworks, and interactive teaching tools, the hackathon showcased how technical innovation, methodological reflection, and interdisciplinary collaboration can intersect productively.
Once again, it became clear that the future of artificial intelligence in the humanities lies in openness, transparency, and creative co-design—principles that continue to be explored and refined in initiatives like this hackathon.

 

—German version—

 

Hackathon am HCDH: KI zwischen Forschung, Bildung und Analyse

Am Heidelberg Center for Digital Humanities (HCDH) fand am 13. Oktober 2025 erneut ein Hackathon statt, bei dem Forschende und Entwickler:innen aus unterschiedlichen Disziplinen zusammenkamen, um innovative Anwendungen Künstlicher Intelligenz in den Geistes- und Bildungswissenschaften zu erproben. Die vorgestellten Projekte verdeutlichten die beeindruckende Bandbreite aktueller KI-Forschung am HCDH – von der semantischen Modellierung und multimodaler Analyse über personalisierte Lernsysteme und adaptive Infrastrukturen bis hin zu interaktiven Lehrformaten.

Apertus – Eine “Public AI”

Apertus, entwickelt von der EPFL, der ETH Zürich und dem Schweizerischen Supercomputing-Zentrum (CSCS), ist ein Large Language Model (LLM), das sich durch seine vollständige Open-Source-Natur auszeichnet. Im Gegensatz zu vielen proprietären Modellen und sogenannten “Open-Weight”-Modellen, bei denen nur die Modellgewichte zugänglich sind, bietet Apertus eine umfassende Transparenz:
– Open Weights: Die Modellgewichte sind frei verfügbar.
– Open Data: Der verwendete Trainingsdatensatz ist offengelegt und umfassend dokumentiert.
– Volle Transparenz: Die genauen Trainingsmethoden und die gesamte Architektur sind frei zugänglich.

Damit ist Apertus ein wirklich offenes (fully open) Modell (lateinisch Apertus bedeutet “offen”), das eine vollständige Nachvollziehbarkeit und Reproduzierbarkeit des Forschungsprozesses ermöglicht.
Das Modell versteht sich als Beitrag zur Idee der “Public AI” – einer gemeinsam entwickelten und rechenschaftspflichtigen Form der künstlichen Intelligenz, die dem Gemeinwohl dient.
Die Apertus-Initiative bietet insbesondere für Forschungsprojekte im Bereich der Digital Humanities (wie am HCDH) neue Perspektiven. So führte Dr. Thomas Renkert (Heidelberg School of Education) in einem Vortrag aus, dass das Modell einen innovativen Ansatz verfolgt, der nicht nur auf den Trainingsdaten liegt, sondern vor allem auf den Trainingsmethoden. Ein zentrales Feature des Apertus-Frameworks ist die nachträgliche Löschbarkeit von Daten (retrospektive Deletion), was neue Möglichkeiten für einen ethisch verantwortungsvollen Umgang mit KI eröffnet.
Dieser Ansatz ist von besonderer Relevanz für Low-Resource-Sprachen, d.h. Sprachen ohne standardisierte Korpora oder umfangreiche Datensammlungen, wie sie Mittellatein oder Mittelfranzösisch darstellen und die in verschiedenen HCDH-Projekten eine zentrale Rolle spielen. Apertus wurde auf 15 Billionen Worteinheiten (Tokens) aus über 1000 Sprachen trainiert, wobei ein signifikanter Anteil der Daten (40 Prozent) nicht-englischsprachig ist. Dies ermöglicht die Einbeziehung und Modellierung von Sprachvarianten, die in bisherigen LLMs unterrepräsentiert waren.
Zusätzlich betonte Renkert die Fähigkeit des Modells, Schweizer Sprachvarianten zu integrieren, wodurch eine Verbindung zwischen lokalem Sprachgebrauch und rechnergestützter Modellierung geschaffen wird. Die darauffolgende Diskussion thematisierte zudem die Herausforderung, ob und wie Techniken zur synthetischen Datengenerierung – die etwa in der Bildgenerierung erfolgreich angewandt werden – sinnvoll auf linguistische Daten übertragen werden können. Es bleibt die offene Frage, wie “Zufälligkeit” produktiv in Sprachdaten implementiert und modelliert werden könnte (https://ethz.ch/de/news-und-veranstaltungen/eth-news/news/2025/09/medienmitteilung-apertus-ein-vollstaendig-offenes-transparentes-und-mehrsprachiges-sprachmodell.html).

Wissensgraphen und RAG-Systeme: Weiterentwicklung der librAIry-App

Jonathan Gaede (HCDH) nutzte den Hackathon, um die librAIry-App im Rahmen des Projekts „ALMA – Wissensnetze in der mittelalterlichen Romania“ technisch zu erweitern. Im Mittelpunkt stand der Versuch, das bestehende Retrieval-Augmented-Generation-System (RAG), das bislang mit einem FAISS-Vectorstore und aus Fachliteratur zur mittelalterlichen Medizin generierten Embeddings arbeitet, um einen Graph-RAG-Ansatz zu ergänzen.
Der bisherige RAG-Mechanismus operiert auf Basis von Textabschnitten begrenzter Länge („Chunks“) und ist daher besonders für punktuelle Informationsabfragen geeignet – etwa um Namen, Daten oder Literaturstellen zu identifizieren. Der Graph-RAG-Ansatz hingegen zielt darauf, größere thematische Zusammenhänge sichtbar zu machen. Dafür werden Wissensgraphen erstellt, deren Knoten und Cluster mit Zusammenfassungen und Embeddings versehen sind. Diese Struktur erlaubt es dem System, bei Anfragen Beziehungen zwischen Konzepten übergreifend zu rekonstruieren. Während des Hackathons gelang es, einen ersten funktionalen Prototyp des Graph-RAGs in librAIry zu integrieren. Die Generierung des Graphen erwies sich auf herkömmlicher Hardware zwar als zeitintensiv, doch die bisherigen Ergebnisse unterstreichen das Potenzial des Ansatzes. Parallel dazu erfolgt derzeit eine Migration der App von Streamlit zu Flask, um die Integration zusätzlicher Komponenten – etwa eines IIIF-Viewers – zu erleichtern. Perspektivisch soll die Anwendung als Web-Demoversion auf der ALMA-Projektseite bereitgestellt werden.

RAISE: KI-gestützte Personalisierung von E-Learning-Angeboten

Dr. Nicole Flindt (Pädagogische Hochschule Heidelberg) setzte ihre Arbeit am KI-basierten Lernsystem RAISE fort, das im Rahmen des EU-Projekts „Young Refugees AI Student Empowerment Program“ entwickelt wurde. Ziel des Projekts ist es, KI-Methoden für personalisierte Lernprozesse nutzbar zu machen, indem individuelle Lernstile, Präferenzen und Bedürfnisse algorithmisch analysiert und adaptive Lernangebote generiert werden.
Der Hackathon bot Nicole Flindt die Gelegenheit, den fachlichen Austausch mit Mitgliedern des CAEDHET-Netzwerks zu vertiefen und neue Impulse für eine geplante Projektkooperation zu gewinnen. Der Ansatz verdeutlicht, wie Künstliche Intelligenz und E-Learning sich wechselseitig befruchten und langfristig zur Transformation didaktischer Konzepte beitragen können.
Im Projekt RAISE wurde ein KI-gestützter Lernplan entwickelt, der sich flexibel in unterschiedliche digitale Lernumgebungen integrieren lässt. Das Vorhaben zeigt exemplarisch, wie datenbasierte Analysen zur individuellen Förderung und Inklusion beitragen können. Eine ausführliche Beschreibung findet sich in Rohde/Flindt (2025)„Young Refugees AI Student Empowerment Program“ (S. 136 ff.).

Multimodale Unterrichtsanalyse: Zusammenführung von Bild, Ton und Sprache

Stefan Pietrusky (HCDH) präsentierte ein kompaktes Analysetool für audiovisuelle Unterrichtsdaten, das darauf abzielt, verschiedene Signalarten – etwa Ton, Bild und Sprache – gemeinsam auszuwerten. Statt diese Modalitäten getrennt zu betrachten, setzt das Projekt auf multimodale Modelle, die unterschiedliche Datenströme als zusammenhängenden Kontext interpretieren. Ziel ist eine effizientere Erkenntnisgewinnung über Unterrichtsprozesse, etwa durch automatische Inhaltszusammenfassungen, die Identifikation von Diskussionsthemen, Redeanteilen oder Fragetypen.
Im aktuellen Prototyp werden verschiedene Verfahren zur Ereignis- und Segmenterkennung entlang der Video-Timeline erprobt – etwa zur Identifikation von Pausen, Wechseln zwischen Präsentations- und Tafelphasen oder Mustern der Beteiligung. Besondere Aufmerksamkeit gilt dabei Datensparsamkeit, Nachvollziehbarkeit der Ergebnisse und einem sensiblen Umgang mit personenbezogenen Daten. Das Projekt, das ursprünglich als Experiment im Rahmen des Hackathons begann, entwickelt sich zunehmend zu einem praxisorientierten Analysetool. Künftige Arbeitsschwerpunkte liegen auf der Robustheit der Erkennungsmethoden, der Alltagstauglichkeit und klaren Exportmöglichkeiten – ohne die experimentelle Offenheit aufzugeben, die das Projekt bislang geprägt hat.

Visualisierung und Automatisierung: Das MCP-System

Florian Nieser (HCDH) widmete sein Hackathon-Projekt dem Model Context Protocol (MCP) und der Implementierung maßgeschneiderter (custom) Builds in eine funktionierende Toolchain für die Forschung mit mittelhochdeutschen Daten. Die langfristige Vision des Projekts ist es, aufbauend auf einem komplexen Retrieval-System ein „selbstbauendes RAG“ (Retrieval-Augmented Generation) zu schaffen – ein System, das sich dynamisch an neue Forschungskontexte anpassen und sich semi-autonom rekonfigurieren kann.
Im Kern untersucht die Initiative, wie technische Modularität in verschiedenen Workflows genutzt und implementiert werden kann, um Forschungsprozesse transparenter und zuverlässiger zu gestalten. Durch seine Teilnahme am Hackathon gewann Florian Nieser wertvolle Einblicke in die Kombination und Anpassung verschiedener MCPs und deren Zusammenspiel mit anderen MCPs sowie unterschiedlichen Client-Integrationen.

Interaktive KI-Lernumgebungen: Einbettung in Quarto

Jonas Braun (Pädagogische Hochschule Heidelberg) konzentrierte sich auf die Integration interaktiver Webanwendungen in das Markdown-basierte Framework Quarto, um KI- und Datenkompetenzen auf anschauliche Weise zu vermitteln. Ziel ist es, lernaktive, adaptive Lehrmaterialien zu entwickeln, die direkt in Webseiten, Online-Kurse und Präsentationen eingebettet werden können. Im Rahmen des Hackathons gelang die technische Umsetzung der Einbettung und die zentrale Verwaltung von Code-Abhängigkeiten, sodass komplexe Anwendungen wie neuronale Netz-Trainings oder Datenvisualisierungen unmittelbar in Lernumgebungen integrierbar sind. Auf diese Weise lassen sich KI-Konzepte ohne zusätzliche Software und ohne Medienbruch erfahrbar machen. Für die nächste Entwicklungsphase ist geplant, Nutzerinteraktionen über mehrere Webmodule hinweg zu speichern, um zusammenhängende Fallstudien und Lernpfade zu ermöglichen. Dadurch kann der Lernprozess über mehrere Sitzungen hinweg dokumentiert und personalisiert fortgesetzt werden.

Fazit: Offenheit als Forschungsprinzip

Die Projekte von Dr. Thomas Renkert, Jonathan Gaede, Dr. Nicole Flindt, Stefan Pietrusky, Dr. Florian Nieser und Jonas Braun zeigen exemplarisch, wie breit das Spektrum der KI-Forschung (am HCDH) gefasst ist. Von der semantischen Analyse mittelalterlicher Texte über adaptive Lernsysteme und multimodale Unterrichtsauswertungen bis hin zu datenvisualisierenden Entwicklungsumgebungen und interaktiven Lehrframeworks demonstrierte der Hackathon, wie technische Innovation, methodische Reflexion und interdisziplinäre Kooperation ineinandergreifen können. Damit wurde erneut deutlich: Die Zukunft der Künstlichen Intelligenz in den Geisteswissenschaften liegt in ihrer Offenheit, Nachvollziehbarkeit und Gestaltbarkeit – Prinzipien, die bei Hackathons wie diesem erprobt und weiterentwickelt werden.


OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
sophiarueeck (23. Dezember 2025). Hackathon am 13.10.2025. DH in HD . Abgerufen am 19. Februar 2026 von https://doi.org/10.58079/15ew0


Das könnte dich auch interessieren …