Wikipedia arbeitet mit KI-Firmen zusammen, um den Datenzugang zu verbessern

Wikimedia Deutschland hat am Mittwoch eine neue Datenbank vorgestellt, die KI-Modellen den Zugang zum umfangreichen Wissensschatz von Wikipedia erleichtern soll.
Die Initiative mit dem Namen Wikidata Embedding Project nutzt eine vektorbasierte semantische Suchtechnologie, die es Computern ermöglicht, Wortbedeutungen und -beziehungen zu erfassen - angewandt auf das riesige Netzwerk von Wikipedia mit fast 120 Millionen Einträgen auf seinen Schwesterplattformen.
Mit zusätzlicher Kompatibilität für das Model Context Protocol (MCP), einem Framework, das die Kommunikation zwischen KI und Datenquellen erleichtert, verbessert das Projekt die Art und Weise, wie große Sprachmodelle mit Informationen interagieren und diese über natürlichsprachliche Abfragen abrufen.
Die deutsche Abteilung von Wikimedia hat dieses Projekt zusammen mit Jina.AI, einem Spezialisten für neuronale Suche, und der zu IBM gehörenden Firma DataStax, die sich auf Echtzeit-Trainingsdaten spezialisiert hat, angeführt.
Während Wikidata seit langem maschinenlesbare Daten aus Wikimedia-Beständen bereitstellt, waren die bisherigen Tools auf die Suche nach Schlüsselwörtern und SPARQL-Abfragen beschränkt. Dieses aktualisierte System verbessert die Retrieval-Augmented Generation (RAG)-Fähigkeiten und ermöglicht es KI-Entwicklern, ihre Modelle in der von den Redakteuren verifizierten Wissensbasis von Wikipedia zu verankern.
Die Datenbank strukturiert Daten mit reichhaltigem semantischen Kontext. Die Suche nach "scientist" liefert beispielsweise Listen bedeutender Nuklearwissenschaftler und Bell Labs-Forscher, zusammen mit mehrsprachigen Übersetzungen, kuratierten Wikimedia-Bildern und verwandten Begriffen wie "researcher" und "scholar".
Wikidata ist über Toolforge zugänglich und wird am 9. Oktober ein Webinar für Entwickler veranstalten, um das Potenzial der Plattform vorzustellen.
Treffen Sie mehr als 10.000 Tech- und VC-Pioniere auf der Disrupt 2025
Schließen Sie sich Branchengrößen wie Netflix, Box, a16z, ElevenLabs und Vinod Khosla in über 200 Sessions an, die sich mit Wachstumsstrategien für Startups und technischen Einblicken beschäftigen. Sichern Sie sich noch heute Ihr Early-Bird-Ticket und sparen Sie bis zu 444 $, bevor der allgemeine Einlass beginnt.
Treffen Sie mehr als 10.000 Tech- und VC-Pioniere auf der Disrupt 2025
Schließen Sie sich Branchengrößen wie Netflix, Box, a16z, ElevenLabs und Vinod Khosla in über 200 Sessions an, die sich mit Wachstumsstrategien für Startups und technischen Einblicken beschäftigen. Sichern Sie sich noch heute Ihr Early-Bird-Ticket und sparen Sie bis zu 444 $, bevor der allgemeine Einlass beginnt.
Diese Veranstaltung findet zu einem Zeitpunkt statt, an dem KI-Entwickler zunehmend nach hochwertigen Datenquellen für die Modellverfeinerung suchen. Moderne Trainingssysteme - heute eher komplexe Ökosysteme als einfache Datensätze - erfordern nach wie vor sorgfältig kuratierte Informationen, insbesondere für genauigkeitskritische Anwendungen. Der faktengeprüfte Inhalt von Wikipedia bietet einen deutlichen Vorteil gegenüber Massendaten wie Common Crawl.
Das Streben nach Qualitätsdaten birgt Risiken: Anthropic schlug kürzlich einen Vergleich in Höhe von 1,5 Milliarden Dollar vor, nachdem Autoren wegen der unerlaubten Verwendung ihrer Werke für Schulungszwecke geklagt hatten.
Der Leiter des KI-Projekts von Wikidata, Philippe Saadé, hob die Unabhängigkeit des Projekts hervor: "Dies beweist, dass leistungsstarke KI jenseits von Unternehmenssilos gedeihen kann - offen, gemeinschaftlich und zum Nutzen der Allgemeinheit", sagte er der Presse.
Verwandter Artikel
Ollie setzt auf Datenschutz, um das Rennen um den KI-Assistenten zu gewinnen
Um wirklich hilfreich zu sein, muss ein KI-Assistent seinen Nutzer genau verstehen. Ollie, ein für den Alltag konzipierter persönlicher Assistent, basiert auf der Prämisse, dass dies nicht mit der Wei
So wird die „AI LIVE: London“ KI und industrielle Automatisierung beleuchten
Auf dem Gipfel werden Führungskräfte der obersten Ebene aus aller Welt zusammenkommen, um dringende Herausforderungen in globalen Branchen zu erörtern – von KI-getriebenen Umbrüchen bis hin zu wirtsch
Anthropic tritt in den Markt für KI-gestützte Rechtstechnologie ein, während der Wettbewerb zunimmt
Anthropic hat am Dienstag eine Reihe neuer Chatbot-Funktionen vorgestellt, die darauf abzielen, Rechtsanwaltskanzleien automatisierte Unterstützung zu bieten. Diese Verbesserungen erweitern die bereits zu Jahresbeginn eingeführte, mandantenspezifisch
Empfehlungen zu verwandten Spezialthemen
Kommentare (3)
So they're basically selling training data to AI companies? As long as the knowledge stays accessible, I'm cool with it. 🤔
Das ist ein wirklich cleverer Schachzug von Wikipedia! Vektorsuche in ihren riesigen Datenbeständen könnte die Qualität von KI-Ausgaben enorm verbessern und vielleicht endlich mit den Halluzinationen aufräumen. Hoffentlich bleibt der Zugang aber transparent und für alle fair, damit nicht nur die großen Tech-Konzerne profitieren. Die deutsche Wikimedia-Abteilung zeigt mal wieder, dass sie vorne mitmischt. 💡

Wikimedia Deutschland hat am Mittwoch eine neue Datenbank vorgestellt, die KI-Modellen den Zugang zum umfangreichen Wissensschatz von Wikipedia erleichtern soll.
Die Initiative mit dem Namen Wikidata Embedding Project nutzt eine vektorbasierte semantische Suchtechnologie, die es Computern ermöglicht, Wortbedeutungen und -beziehungen zu erfassen - angewandt auf das riesige Netzwerk von Wikipedia mit fast 120 Millionen Einträgen auf seinen Schwesterplattformen.
Mit zusätzlicher Kompatibilität für das Model Context Protocol (MCP), einem Framework, das die Kommunikation zwischen KI und Datenquellen erleichtert, verbessert das Projekt die Art und Weise, wie große Sprachmodelle mit Informationen interagieren und diese über natürlichsprachliche Abfragen abrufen.
Die deutsche Abteilung von Wikimedia hat dieses Projekt zusammen mit Jina.AI, einem Spezialisten für neuronale Suche, und der zu IBM gehörenden Firma DataStax, die sich auf Echtzeit-Trainingsdaten spezialisiert hat, angeführt.
Während Wikidata seit langem maschinenlesbare Daten aus Wikimedia-Beständen bereitstellt, waren die bisherigen Tools auf die Suche nach Schlüsselwörtern und SPARQL-Abfragen beschränkt. Dieses aktualisierte System verbessert die Retrieval-Augmented Generation (RAG)-Fähigkeiten und ermöglicht es KI-Entwicklern, ihre Modelle in der von den Redakteuren verifizierten Wissensbasis von Wikipedia zu verankern.
Die Datenbank strukturiert Daten mit reichhaltigem semantischen Kontext. Die Suche nach "scientist" liefert beispielsweise Listen bedeutender Nuklearwissenschaftler und Bell Labs-Forscher, zusammen mit mehrsprachigen Übersetzungen, kuratierten Wikimedia-Bildern und verwandten Begriffen wie "researcher" und "scholar".
Wikidata ist über Toolforge zugänglich und wird am 9. Oktober ein Webinar für Entwickler veranstalten, um das Potenzial der Plattform vorzustellen.
Treffen Sie mehr als 10.000 Tech- und VC-Pioniere auf der Disrupt 2025
Schließen Sie sich Branchengrößen wie Netflix, Box, a16z, ElevenLabs und Vinod Khosla in über 200 Sessions an, die sich mit Wachstumsstrategien für Startups und technischen Einblicken beschäftigen. Sichern Sie sich noch heute Ihr Early-Bird-Ticket und sparen Sie bis zu 444 $, bevor der allgemeine Einlass beginnt.
Treffen Sie mehr als 10.000 Tech- und VC-Pioniere auf der Disrupt 2025
Schließen Sie sich Branchengrößen wie Netflix, Box, a16z, ElevenLabs und Vinod Khosla in über 200 Sessions an, die sich mit Wachstumsstrategien für Startups und technischen Einblicken beschäftigen. Sichern Sie sich noch heute Ihr Early-Bird-Ticket und sparen Sie bis zu 444 $, bevor der allgemeine Einlass beginnt.
Diese Veranstaltung findet zu einem Zeitpunkt statt, an dem KI-Entwickler zunehmend nach hochwertigen Datenquellen für die Modellverfeinerung suchen. Moderne Trainingssysteme - heute eher komplexe Ökosysteme als einfache Datensätze - erfordern nach wie vor sorgfältig kuratierte Informationen, insbesondere für genauigkeitskritische Anwendungen. Der faktengeprüfte Inhalt von Wikipedia bietet einen deutlichen Vorteil gegenüber Massendaten wie Common Crawl.
Das Streben nach Qualitätsdaten birgt Risiken: Anthropic schlug kürzlich einen Vergleich in Höhe von 1,5 Milliarden Dollar vor, nachdem Autoren wegen der unerlaubten Verwendung ihrer Werke für Schulungszwecke geklagt hatten.
Der Leiter des KI-Projekts von Wikidata, Philippe Saadé, hob die Unabhängigkeit des Projekts hervor: "Dies beweist, dass leistungsstarke KI jenseits von Unternehmenssilos gedeihen kann - offen, gemeinschaftlich und zum Nutzen der Allgemeinheit", sagte er der Presse.
Ollie setzt auf Datenschutz, um das Rennen um den KI-Assistenten zu gewinnen
Um wirklich hilfreich zu sein, muss ein KI-Assistent seinen Nutzer genau verstehen. Ollie, ein für den Alltag konzipierter persönlicher Assistent, basiert auf der Prämisse, dass dies nicht mit der Wei
So wird die „AI LIVE: London“ KI und industrielle Automatisierung beleuchten
Auf dem Gipfel werden Führungskräfte der obersten Ebene aus aller Welt zusammenkommen, um dringende Herausforderungen in globalen Branchen zu erörtern – von KI-getriebenen Umbrüchen bis hin zu wirtsch
Anthropic tritt in den Markt für KI-gestützte Rechtstechnologie ein, während der Wettbewerb zunimmt
Anthropic hat am Dienstag eine Reihe neuer Chatbot-Funktionen vorgestellt, die darauf abzielen, Rechtsanwaltskanzleien automatisierte Unterstützung zu bieten. Diese Verbesserungen erweitern die bereits zu Jahresbeginn eingeführte, mandantenspezifisch
So they're basically selling training data to AI companies? As long as the knowledge stays accessible, I'm cool with it. 🤔
Das ist ein wirklich cleverer Schachzug von Wikipedia! Vektorsuche in ihren riesigen Datenbeständen könnte die Qualität von KI-Ausgaben enorm verbessern und vielleicht endlich mit den Halluzinationen aufräumen. Hoffentlich bleibt der Zugang aber transparent und für alle fair, damit nicht nur die großen Tech-Konzerne profitieren. Die deutsche Wikimedia-Abteilung zeigt mal wieder, dass sie vorne mitmischt. 💡





Heim






