Lexikographische Arbeit mit KI · Lexicographic Work with AI
Leksikografska obrada i umjetna inteligencija · Lexikographische Arbeit mit KI · Lexicographic Work with AI
Leksikografska obrada uz podršku umjetne inteligencije
Koncepcija i nastanak rječnika
Bosansko-njemački online rječnik predstavlja digitalni leksikografski projekt koji povezuje savremenu lingvistiku, računarsku obradu prirodnog jezika i umjetnu inteligenciju. Cilj je razvoj sveobuhvatnog dvojezičnog rječnika koji, pored prijevodnih ekvivalenata, pruža informacije o značenju, gramatičkim osobinama i upotrebi riječi u različitim kontekstima.
Rječnik je zamišljen kao dinamičan digitalni sistem čiji se sadržaj postupno proširuje, provjerava i unapređuje. Temelj obrade čini pojedinačno značenje riječi: višeznačne riječi razgraničavaju se po značenjima, a svakom se značenju pridružuju odgovarajući njemački ekvivalenti, gramatički podaci i, u skladu sa stepenom obrađenosti, primjeri upotrebe, tipične leksičke veze i frazeološki izrazi.
Jezički modeli u leksikografskoj obradi i kontroli
Posebnost projekta jeste primjena velikih jezičkih modela (Large Language Models – LLM) u različitim fazama izrade rječnika. Oni se koriste za analizu i strukturiranje leksičke građe, razgraničavanje značenja, predlaganje prijevodnih ekvivalenata i pripremu njihovih leksikografskih opisa.
Jezički modeli pomažu u semantičkoj obradi, provjeri gramatičkih podataka (uključujući rod, fleksiju, rekciju i valenciju), pripremi dvojezičnih primjera te prepoznavanju kolokacija, tipičnih leksičkih veza i frazeoloških izraza. Dodatni postupci automatske kontrole služe otkrivanju mogućih grešaka, nedosljednosti i nepotpunih podataka.
Obrada se odvija u više faza: analiza i priprema podataka, razgraničavanje značenja, njemačka semantička i gramatička obrada, provjera primjera i leksičkih veza te kontrola prije objavljivanja. Jezički modeli nisu nepogrešivi niti samostalno potvrđuju tačnost rječničkih podataka; njihovi rezultati podliježu redakcijskim pravilima i provjerama.
Pouzdanost podataka i moguće greške
Primjena umjetne inteligencije omogućava bržu obradu velike količine građe, ali ne isključuje greške. Posebno tokom razvoja rječnik može sadržavati netačne ili nepotpune informacije. Moguće vrste grešaka obuhvataju:
Prepoznavanje teksta i leme: pogrešno očitavanje slova, dijakritika, granica natuknice ili oblika riječi tokom digitalizacije i automatske obrade.
Semantičke i prijevodne greške: pogrešno razgraničavanje značenja, izostavljeno značenje ili njemački ekvivalent koji odgovara samo drugom kontekstu; moguć je i neidiomatičan prijevod.
Gramatičke greške: netačan rod, fleksija, glagolski oblik, rekcija, valencija ili druga gramatička informacija.
Primjeri i frazeologija: neprirodni primjeri, neprikladan prijevod ili pripisivanje izraza pogrešnom značenju.
Vjerovatnost greške nije jednaka u svim kategorijama. Povećan rizik postoji kod složene višeznačnosti, homonimije, rijetkih riječi, stručne terminologije i idiomatskih izraza, kao i kod loše očitane digitalizirane građe. To su kvalitativne procjene rizika, a ne izmjerene stope grešaka.
Pouzdani procenti grešaka po kategorijama mogu se objaviti tek nakon reprezentativne empirijske provjere. Automatska kontrola smanjuje dio rizika, ali ne garantuje potpunu tačnost.
Saradnja s čitaocima: od prijedloga do uredničke odluke
Rječnik je otvoren za čitalačke prijedloge, ali nije platforma na kojoj korisnici samostalno mijenjaju članke. Bez registracije je moguće predložiti novu natuknicu (lemu), novo značenje postojeće riječi, ispravku njemačkog ekvivalenta, gramatičke ili stilske oznake, primjer upotrebe, kolokaciju ili frazeološki izraz. Prijedlog se podnosi putem obrasca „Doprinosi rječniku“, dostupnog iz rječnika ili uz postojeći članak.
Čitalac šalje prijedlog. Bira vrstu izmjene, navodi riječ, opisuje prijedlog i, po mogućnosti, prilaže primjer i izvor (poveznicu ili do tri fotografije). Obavezni su ime, e-adresa, potvrda prava na predloženi materijal i saglasnost za obradu podataka. Fotografije se analiziraju pomoću AI-ja samo uz posebnu saglasnost.
Zaštićeni urednički pregled. Prijedlog se pohranjuje u privatnu radnu bazu. Ne pojavljuje se automatski među objavljenim člancima; o njemu odlučuje ovlašteni urednik.
AI-priprema i provjera izvora. Na urednikov zahtjev jezički model upoređuje prijedlog s postojećim člankom, razmatra lemu ili granice značenja, njemačke ekvivalente, primjere i druge leksikografske podatke te izrađuje privremeni nacrt. Posebna internetska pretraga može pronaći potencijalne potvrde i poveznice na primjere upotrebe; ona nije dostupna ili uspješna u svakoj analizi. Pronađena poveznica nije sama po sebi dokaz ispravnosti značenja. Izvore mora provjeriti urednik.
Urednik ponavlja analizu i doradu. Može zatražiti novu AI-provjeru drugim pristupom (npr. regionalni izvori ili njemački ekvivalenti), unijeti vlastite upute, ispraviti nacrt i vidjeti predloženi izgled članka. Nacrt i AI-ocjena nisu automatska urednička odluka.
Konačna ljudska odluka.Prof. dr. Vedad Smailagić odlučuje hoće li prijedlog odbiti ili, nakon provjere i vlastite potvrde, prihvatiti i objaviti. Tek tada se javni prikaz rječnika može automatski dopuniti. Postojeće leme i identifikatori značenja ostaju sačuvani; osnovne verzionirane datoteke ne mijenjaju se neposredno ovim postupkom.
Preporučeni kriterij za uvrštavanje jeste savremena razumljivost ili upotreba u Bosni i Hercegovini, odnosno historijski potvrđena upotreba na tom prostoru, za svako pojedinačno značenje. Prijedlozi i AI-odgovori ne podrazumijevaju automatsko prihvatanje; nepotvrđeni navodi ostaju označeni kao otvorena pitanja.
Čitalac može dati saglasnost za javno navođenje imena uz objavljeni doprinos. Nakon konačne odluke privatni radni prijedlog i prilozi brišu se, dok se u uredničkom pregledu zadržava samo kratka historija posljednjih 40 odluka bez kontaktnih podataka.
Kontinuirani razvoj
Rječnik se razvija kao živi digitalni leksikografski resurs. Njegova struktura omogućava proširivanje leksičkog fonda, naknadnu doradu postojećih jedinica i povezivanje s elektronskim korpusima radi pronalaženja autentičnih primjera i istraživanja kolokacija.
Dugoročni cilj jeste pouzdan, transparentan i naučno utemeljen bosansko-njemački online rječnik u kojem se jezički modeli, automatizirana kontrola, lingvistička redakcija i doprinosi korisnika međusobno dopunjuju.
Autor i voditelj projekta: Prof. dr. Vedad Smailagić
Lexikographische Arbeit mit KI-Unterstützung
Konzeption und Entstehung des Wörterbuchs
Das bosnisch-deutsche Onlinewörterbuch ist ein digitales lexikographisches Projekt, das moderne Sprachwissenschaft, computergestützte Sprachverarbeitung und künstliche Intelligenz verbindet. Ziel ist ein umfassendes zweisprachiges Wörterbuch, das neben Übersetzungsäquivalenten Informationen zur Bedeutung, Grammatik und Verwendung von Wörtern in unterschiedlichen Kontexten bereitstellt.
Das Wörterbuch ist als dynamisches digitales System angelegt, dessen Inhalte schrittweise erweitert, überprüft und verbessert werden. Im Mittelpunkt steht die einzelne Wortbedeutung: Polyseme Wörter werden nach Lesarten differenziert. Jeder Lesart werden geeignete deutsche Äquivalente, grammatische Angaben und – je nach Bearbeitungsstand – Verwendungsbeispiele, typische Wortverbindungen und phraseologische Ausdrücke zugeordnet.
Sprachmodelle in der lexikographischen Bearbeitung und Qualitätssicherung
Eine Besonderheit des Projekts ist der Einsatz großer Sprachmodelle (Large Language Models – LLMs) in verschiedenen Phasen der Wörterbucherstellung. Sie unterstützen die Analyse und Strukturierung lexikalischer Daten, die Unterscheidung einzelner Lesarten, die Ermittlung möglicher Übersetzungsäquivalente und die Erstellung lexikographischer Beschreibungen.
Sprachmodelle helfen bei der semantischen Analyse, der Kontrolle grammatischer Angaben (einschließlich Genus, Flexion, Rektion und Valenz), der Vorbereitung zweisprachiger Beispiele sowie bei der Erkennung von Kollokationen, typischen Wortverbindungen und Phraseologismen. Ergänzende automatische Prüfverfahren sollen mögliche Fehler, Inkonsistenzen und Datenlücken aufdecken.
Der Arbeitsprozess besteht aus mehreren Phasen: Datenaufbereitung, Lesartentrennung, deutsche Semantik und Grammatik, Prüfung von Beispielen und Wortverbindungen sowie Qualitätskontrolle vor der Veröffentlichung. Sprachmodelle sind nicht fehlerfrei und bestätigen lexikographische Angaben nicht eigenständig; ihre Ergebnisse unterliegen redaktionellen Regeln und Prüfungen.
Datenzuverlässigkeit und mögliche Fehler
Der KI-Einsatz beschleunigt die Verarbeitung großer Datenmengen, schließt Fehler jedoch nicht aus. Insbesondere während der Weiterentwicklung kann das Wörterbuch unrichtige oder unvollständige Informationen enthalten. Mögliche Fehlerarten sind:
Texterkennung und Stichwörter: falsch erkannte Buchstaben, diakritische Zeichen, Stichwortgrenzen oder Wortformen bei Digitalisierung und automatischer Verarbeitung.
Semantik und Übersetzung: falsche Lesartentrennung, übersehene Bedeutungen oder ein nur in einem anderen Kontext passendes bzw. unidiomatisches deutsches Äquivalent.
Grammatik: unzutreffendes Genus, falsche Flexions- oder Verbformen, Rektion, Valenz oder weitere grammatische Angaben.
Beispiele und Phraseologie: unnatürliche Beispiele, ungeeignete Übersetzungen oder die Zuordnung einer Wendung zu einer falschen Lesart.
Unvollständigkeit: fehlende Wörter, Bedeutungen, Fachtermini, Kollokationen oder Phraseologismen.
Das Fehlerrisiko ist nicht in allen Kategorien gleich. Es ist insbesondere bei komplexer Mehrdeutigkeit, Homonymie, seltenen Wörtern, Fachterminologie, idiomatischen Wendungen und schlecht erkannten Digitalisaten erhöht. Dies sind qualitative Risikoeinschätzungen, keine gemessenen Fehlerquoten.
Belastbare Prozentangaben zu Fehlerhäufigkeiten können erst nach einer repräsentativen empirischen Prüfung veröffentlicht werden. Automatische Kontrollen reduzieren bestimmte Risiken, gewährleisten aber keine vollständige Fehlerfreiheit.
Zusammenarbeit mit Lesern: vom Vorschlag zur redaktionellen Entscheidung
Das Wörterbuch nimmt Vorschläge seiner Leser entgegen, bietet jedoch keine direkte Bearbeitung veröffentlichter Artikel durch die Nutzer. Ohne Registrierung können sie neue Stichwörter (Lemmata), zusätzliche Lesarten vorhandener Wörter, Korrekturen deutscher Äquivalente, grammatischer Angaben und Gebrauchsmarkierungen sowie Beispiele, Kollokationen und Phraseologismen vorschlagen. Dafür steht das Formular „Doprinosi rječniku“ (Beiträge zum Wörterbuch) auf der Wörterbuchseite und bei bestehenden Artikeln zur Verfügung.
Vorschlag einreichen. Leser wählen die Art der Änderung, nennen das Stichwort und beschreiben ihren Vorschlag; nach Möglichkeit ergänzen sie ein Beispiel und eine Quelle (Link oder bis zu drei Fotos). Name, E-Mail, Erklärung der Nutzungsrechte und Einwilligung in die Datenverarbeitung sind erforderlich. Fotos werden nur mit gesonderter Zustimmung durch KI analysiert.
Geschützte redaktionelle Annahme. Die Einsendung wird in einer privaten Arbeitsdatenbank abgelegt und nicht automatisch veröffentlicht. Ausschließlich die autorisierte Redaktion kann darüber entscheiden.
KI-Analyse und Quellenrecherche. Auf Veranlassung des Herausgebers vergleicht ein Sprachmodell den Vorschlag mit dem vorhandenen Artikel, prüft mögliche Lesarten, deutsche Äquivalente, Beispiele und weitere Angaben und erstellt einen vorläufigen Artikelentwurf. Eine gesonderte Websuche kann nach möglichen Gebrauchsnachweisen und Quellenlinks suchen; sie ist nicht bei jedem Lauf verfügbar oder erfolgreich. Ein Suchtreffer ist noch kein bestätigter Beleg. Die Quellenprüfung bleibt redaktionelle Aufgabe.
Wiederholte Prüfung und Überarbeitung. Der Herausgeber kann die KI über andere Wege erneut recherchieren lassen (etwa in regionalen Quellen oder zu deutschen Entsprechungen), eigene Prompts formulieren, den Entwurf verfeinern und die geplante Artikelansicht prüfen. Weder KI-Vorschlag noch Rechercheergebnis ersetzen seine Entscheidung.
Endgültige menschliche Entscheidung.Prof. Dr. Vedad Smailagić lehnt den Vorschlag ab oder bestätigt nach eigener Prüfung die Annahme und Veröffentlichung. Erst nach dieser ausdrücklichen Freigabe wird der öffentliche Wörterbucheintrag automatisch ergänzt. Vorhandene Lemma- und Lesarten-IDs bleiben erhalten; die versionierten Masterdaten werden durch die Freigabe nicht unmittelbar überschrieben.
Maßgeblich für die Aufnahme ist die gegenwärtige Verständlichkeit oder Verwendung in Bosnien und Herzegowina beziehungsweise ein historischer Gebrauchsnachweis dort – auch für jede einzelne Lesart. Ungeklärte Quellen und KI-Vermutungen dürfen nicht als gesicherte Tatsachen ausgegeben werden.
Auf Wunsch und mit ausdrücklicher Einwilligung kann der Name des Beitragenden öffentlich genannt werden. Nach Abschluss des Vorgangs werden die privaten Vorschlagsdaten und Anhänge gelöscht; der geschützte Redaktionsbereich bewahrt lediglich eine knappe Historie der letzten 40 Entscheidungen ohne Kontaktdaten auf.
Kontinuierliche Weiterentwicklung
Das Wörterbuch wird als lebendiger digitaler lexikographischer Bestand entwickelt. Seine Struktur ermöglicht die Erweiterung des Wortschatzes, die Überarbeitung vorhandener Einträge und eine stärkere Anbindung an elektronische Korpora, um authentische Belege zu gewinnen und Kollokationen zu untersuchen.
Langfristiges Ziel ist ein zuverlässiges, transparentes und wissenschaftlich fundiertes bosnisch-deutsches Onlinewörterbuch, in dem Sprachmodelle, automatische Qualitätssicherung, sprachwissenschaftliche Redaktion und Beiträge der Nutzer zusammenwirken.
Autor und Projektleitung: Prof. dr. Vedad Smailagić
Lexicographic Work with AI Support
Concept and development of the dictionary
The Bosnian–German online dictionary is a digital lexicographic project combining modern linguistics, computational language processing and artificial intelligence. Its aim is to develop a comprehensive bilingual dictionary that provides not only translation equivalents but also information about word meanings, grammar and usage in different contexts.
The dictionary is designed as a dynamic digital resource whose content is gradually expanded, checked and improved. The fundamental unit of description is an individual sense: polysemous words are divided into distinct senses, each associated with suitable German equivalents, grammatical information and, depending on the stage of editing, usage examples, typical word combinations and phraseological expressions.
Language models in lexicographic processing and quality control
A distinctive feature of the project is the use of large language models (LLMs) at different stages of dictionary development. They support the analysis and structuring of lexical data, sense differentiation, the identification of potential translation equivalents and the preparation of lexicographic descriptions.
Language models assist with semantic analysis, the checking of grammatical information (including gender, inflection, government and valency), the preparation of bilingual examples and the identification of collocations, typical word combinations and idioms. Additional automated checks are intended to detect possible errors, inconsistencies and missing information.
The workflow includes several stages: data preparation, sense differentiation, German semantic and grammatical description, review of examples and word combinations, and quality checks before publication. Language models are not infallible and cannot independently guarantee the accuracy of dictionary entries; their outputs remain subject to editorial rules and review.
Data reliability and possible errors
Artificial intelligence makes it possible to process large volumes of data more efficiently, but it does not eliminate errors. Especially while the dictionary is under development, some information may be inaccurate or incomplete. Potential error types include:
Text recognition and headwords: incorrectly recognized letters, diacritics, entry boundaries or word forms during digitization and automated processing.
Semantics and translation: incorrect sense distinctions, missing meanings or German equivalents that are suitable only in another context or are not idiomatic.
Grammar: incorrect gender, inflectional or verb forms, government, valency or other grammatical details.
Examples and phraseology: unnatural examples, unsuitable translations or phrases assigned to the wrong sense.
The risk of error is not uniform across categories. It tends to be higher for complex polysemy, homonymy, rare words, specialized terminology, idiomatic expressions and poorly recognized digitized materials. These are qualitative assessments, not measured error rates.
Reliable percentages for each error category can only be published after a representative empirical evaluation. Automated checks can reduce certain risks but cannot guarantee complete accuracy.
Reader collaboration: from suggestion to editorial decision
The dictionary welcomes reader suggestions, but readers cannot edit published entries directly. Without registering, they may propose new headwords (lemmas), additional senses of existing words, corrections to German equivalents, grammatical information or usage labels, as well as examples, collocations and idioms. Suggestions can be submitted through the “Doprinosi rječniku” (Contribute to the dictionary) form on the dictionary page or from an existing entry.
Submit a suggestion. Readers select the change type, name the headword and explain the proposal. They may add a usage example and a source (a link or up to three photos). A name, email address, confirmation of rights to submit the material and consent to processing are required. Photos are analyzed using AI only with separate consent.
Private editorial intake. The suggestion is stored in a protected working database. It is not published automatically, and only an authorized editor may make the final decision.
AI review and source search. At the editor's request, a language model compares the proposal with the existing entry, considers sense distinctions, German equivalents, examples and other lexicographic information, and produces a provisional article draft. A separate web search may look for candidate attestations and links to real usage examples; it may fail or be unavailable. A search result alone does not establish a meaning. The editor must verify the sources.
Further analysis and revision. The editor can request another AI review using a different research approach (for example regional sources or German equivalents), provide their own prompts, refine the draft and examine the proposed entry as it would appear in the dictionary. Neither the AI recommendation nor search output is a binding editorial verdict.
Final human decision.Prof. Dr. Vedad Smailagić rejects the suggestion or, after checking and explicitly approving it, authorizes publication. Only then may the public dictionary entry be updated automatically. Existing lemma and sense identifiers remain unchanged; the underlying versioned master files are not directly overwritten by this process.
The inclusion criterion is current intelligibility or use in Bosnia and Herzegovina, or historically documented use there, applied to each individual sense. Unverified AI claims and candidate sources must not be presented as confirmed facts.
A contributor may opt in to public name attribution. When a case is closed, the private submission and attachments are deleted; the restricted editorial interface retains only brief metadata for the latest 40 decisions, without contact details.
Ongoing development
The dictionary is conceived as a living digital lexicographic resource. Its structure supports extending lexical coverage, revising existing entries and closer integration with electronic corpora to identify authentic examples and study collocations.
The long-term aim is a reliable, transparent and academically grounded Bosnian–German online dictionary in which language models, automated quality checks, linguistic editing and user contributions complement one another.
Author and project lead: Prof. dr. Vedad Smailagić
