Veranstaltungsprogramm

The presentation outlines the results of an initial collaborative, ethnographic, grounded-theory-based requirement engineering process. This process marks the first phase of an iterative research software engineering project, which will continue with software development and collaborative user-testing. The initial requirement engineering has yielded requirements, a traceability map, and potential use cases. These requirements can be re-contextualized to their foundational data, including field notes and interview transcripts through the traceability mapping. This mapping facilitates both forward and backward traceability throughout the iterative software development process, serving as a key quality criterion in research software engineering. The rich context data in connection with requirement statements facilitate the development of software use cases that integrate existing research practices with technological solutions. Traceability mapping also enables detailed process modelling tailored to the specific case of FAIR qualitative interview transcript data preparation.

In diesem Beitrag zu den laufenden Bestrebungen des Erhalts digitaler Forschungsergebnisse und insbesondere Forschungsapplikationen möchten wir unseren pragmatischen Ansatz zur Nachhaltigkeit von Forschungssoftware am Cologne Center for eHumanities (CCeH) und Data Center for the Humanities (DCH) vorstellen und diskutieren. Dabei stützen wir uns auf etablierte Herangehensweisen und versuchen unsere Strategien im Kontext unserer lokalen Gegebenheiten und limitierten Ressourcen soweit zu formalisieren, dass Forscher*innen eindeutige Entscheidungskriterien und Arbeitsabläufe hinsichtlich der Nachhaltung ihrer Forschungsergebnisse und -software bereits während deren Entwicklungsphase bereitgestellt werden können. Unser Ziel ist dabei einerseits Transparenz zu schaffen und andererseits Mittel einzusparen, die wir in den operativen Erhalt der nachgehaltenen Projekte investieren.

Die zunehmende Integration von LLM-basierten Programmierwerkzeugen wie GitHub Copilot oder JetBrains AI markiert einen Paradigmenwechsel in der Softwareentwicklung. Im Zentrum steht dabei das Konzept des „Vibe-Coding“, bei dem Nutzer:innen Ideen in natürlicher Sprache formulieren und KI-Assistenten die technische Umsetzung übernehmen. Dies erleichtert zwar den Zugang zur Programmierung und steigert die Produktivität, wirft jedoch im Kontext der Digital Humanities neue Herausforderungen auf – insbesondere hinsichtlich der Behandlung von KI-generiertem Code als Forschungsdaten gemäß den FAIR-Prinzipien. Die technische Qualität dieses Codes leidet häufig unter mangelnder Wartbarkeit, fehlenden Metadaten und Lizenzunsicherheiten, was seine Auffindbarkeit und rechtssichere Zugänglichkeit einschränkt. Zudem widersprechen unsichere Bibliotheken, inkonsistente Coding-Standards und potenzielle Sicherheitsrisiken grundlegenden Anforderungen an Interoperabilität und Wiederverwendbarkeit. Ohne gründliche Nachbearbeitung durch qualifiziertes Fachpersonal drohen technische Schulden, die eine nachhaltige Integration in digitale Forschungsinfrastrukturen erschweren. Ob LLM-generierter Code als FAIR gelten kann, hängt daher entscheidend von der Qualitätssicherung und verantwortungsvollen Nachnutzung ab – ein Aspekt, der im wissenschaftlichen Umgang mit KI-gestützter Softwareentwicklung stärker berücksichtigt werden muss.