AI in de bibliotheek: automatisch boeken catalogiseren
Collecties catalogiseren is voor bibliotheken een tijdrovende en complexe taak. Artificiële intelligentie biedt een oplossing! Hannes Lowagie legt uit hoe de Koninklijke Bibliotheek van België (KBR) dit proces automatiseert.
Miljoenen boeken, maar niet altijd vindbaar
De Koninklijke Bibliotheek van België (KBR) verzamelt alle hedendaagse Belgische publicaties en heeft daarnaast een grote historische collectie met onder meer boeken, handschriften, kaarten en prenten. Die enorme hoeveelheid publicaties moet worden opgenomen in de online catalogus. Tot voor kort waren veel werken daar echter niet in terug te vinden, waardoor ze onzichtbaar bleven voor het publiek. Wat nodig was om dat op te lossen? Een manier om snel en efficiënt te catalogiseren!
Automatisch catalogiseren met AI
Modellen trainen
Daarom ontwikkelde de KBR een tool die met behulp van artificiële intelligentie bibliografische data verwerkt en valideert. Ze gingen aan de slag met het Microsoft Power Platform: dat bevat kant-en-klare AI-modellen, maar je kan er ook modellen op maat trainen. Zo kan je een nieuw model maken voor documentverwerking door je eigen bestanden te uploaden en zelf de relevante informatie eerst handmatig te labelen. Het AI-model analyseert dan de lay-out van je bestanden en extraheert gegevens uit de juiste velden.
Titelpagina's als basis
Het eerste model van de KBR werd getraind op titelpagina's van boeken. Hoewel die elk uniek zijn, kan het model op basis van de lay-out de voornaamste types herkennen en verwerken. Het resultaat? Vertrekkend van één eenvoudige scan van de titelpagina, kunnen ze nu automatisch een boek beschrijven en vindbaar maken in de online catalogus. Zo krijgt de bibliotheek meer inzicht in haar collectie en vinden lezers sneller het juiste boek.
Hoe gebruiken bibmedewerkers deze tool?
Deze AI-tool is ingebed in de dagelijkse workflow van de KBR-medewerkers. Ze sturen de titels en achterflapteksten van boeken naar het AI-model, samen met een vaste rubriekenlijst. Op basis van deze input selecteert het model automatisch de meest geschikte rubriek per boek.
Bij de keuze voor het Microsoft Power Platform stond de gebruikerservaring voorop. Ten eerste zorgt de integratie met bestaande applicaties (zoals Windows 365, SharePoint en OneDrive) ervoor dat AI geen losstaand experiment is, maar echt een onderdeel wordt van de dagelijkse workflow bij KBR. Zo is de drempel voor medewerkers laag en zien ze meteen de toegevoegde waarde. Daarnaast laat het platform toe om snel aanpassingen te implementeren en in te spelen op veranderende noden.
“ Dankzij AI krijgt de bibliotheek meer inzicht in haar collectie, en vinden lezers sneller het juiste boek. ”
Andere bestanden digitaliseren
Het team ontwikkelde ook AI-modellen die andere bestandstypes dan titelpagina's kunnen verwerken:
- Colofons: Door onder meer ISBN-nummers automatisch te extraheren, worden ook hedendaagse boeken sneller en foutloos geregistreerd.
- Oude kaarten: Een automatische beschrijving helpt deze historische bronnen te digitaliseren en toegankelijk te maken.
- Catalogusfiches (gedrukt of handgeschreven): AI-verwerking van scans helpt oudere catalogi te digitaliseren en doorzoekbaar te maken.
- Tijdschriften: Door de automatische toekenning van trefwoorden aan inhoudsopgaven, vinden gebruikers sneller de juiste informatie.
Deze brede inzet van AI stelt de bibliotheek in staat om efficiënter nieuwe boeken te verwerken, en de toegankelijkheid en bruikbaarheid van de bestaande collectie te verbeteren. Bovendien kan deze methode ook toegepast worden in andere sectoren, eigenlijk door elke organisatie die papieren informatie wil digitaliseren.
Kansen en uitdagingen
AI heeft het catalogiseren in de bibliotheek een enorme boost gegeven:
- Waar vroeger manueel werk nodig was, neemt de technologie nu repetitieve taken over.
- Daardoor kunnen medewerkers zich focussen op de complexere aspecten van bibliografisch werk.
Maar deze automatisering leidt ook tot fouten:
- Sommige titelpagina’s wijken sterk af van het standaardformaat. Dan heeft AI moeite met de juiste interpretatie.
- Classificatie op basis van tekst alleen is soms onvoldoende: een boek fysiek bekijken kan nodig zijn om een roman van een strip te onderscheiden. (Hoewel: Een voorbeeld van beeldherkenning: strips detecteren in het archief)
- Extra complex zijn werken als Mijn leven is een strip! van Maryvonne Rebillard: een roman over een jongen die een strip leest. Omdat de samenvatting meerdere keren het woord ‘strip’ bevat, werd het werk fout gelabeld als stripverhaal.
Bibliotheekmedewerkers en AI samen sterk
De AI-integratie bij KBR toont hoe technologie bibliotheken kan helpen sneller en efficiënter te catalogiseren, om hun collecties nog beter te ontsluiten. Maar de beperkingen wijzen er dan weer op dat je AI-output altijd moet opvolgen en de methodes moet blijven verfijnen, bijvoorbeeld door je model extra info mee te geven.
De KBR blijft de mogelijkheden van artificiële intelligentie voor de bibliotheeksector verkennen - altijd vanuit de overtuiging dat AI een hulpmiddel is en geen menselijke expertise vervangt. Door bibliothecarissen met diepgaande kennis te ondersteunen via automatisering, maken we de rijke Belgische boekencollectie toegankelijker dan ooit!
Lees meer!
Maak je eigen app
Wil je een eigen catalogusapplicatie bouwen? Deze gids helpt je op weg:
Meer lezen?
- Artificial intelligence helps the Royal Library of Belgium quickly catalogue books (Engelstalig artikel)
- Artificial intelligence helps the Royal Library of Belgium quickly catalogue books (Engelstalig filmpje)
Van AI tot Z: AI-training voor bibliotheekmedewerkers
Opleiding - Overal in Vlaanderen - VAIA & Hub-C (Cultuurconnect)
AI voor informatieprofessionals: een verdieping
studiedag - Brussel - VVBAD (Vlaamse Verening voor Bibliotheek, Archief & Documentatie)
Een voorbeeld van beeldherkenning: strips detecteren in het archief
Geschiedenis en AI tegenpolen? Dat is slechts schijn, weet doctoraatsstudent Bas Vercruysse van de UGent. Om de historische evolutie van strips te bestuderen, detecteert hij met behulp van AI automatisch stripverhalen in oude tijdschriften. En dat bespaart veel tijd.
Hannes Lowagie
Hannes Lowagie behaalde in 2012 een doctoraat in de geschiedenis aan de Universiteit Gent. Sindsdien werkt hij bij de Koninklijke Bibliotheek van België (KBR): de nationale bibliotheek die miljoenen erfgoedstukken bewaart en onderzoekt. Hij onderzocht er middeleeuwse munten, werkte bij de digitalisatiedienst en nam daarna de leiding over de implementatie van een nieuw bibliotheekbeheersysteem.
Vandaag is hij hoofd van het Agentschap voor Bibliografische Informatie. Daar is hij verantwoordelijk voor de catalografische verwerking van alle binnenkomende publicaties. Het doel is om de informatie over deze documenten zo gestructureerd en correct mogelijk aan te bieden, zodat gebruikers snel vinden wat ze zoeken. In dit kader zoekt hij voortdurend manieren om de verwerking efficiënter te maken. Hij onderzoekt hoe artificiële intelligentie kan worden ingezet in de werkprocessen, zowel voor het beschrijven en ontsluiten van historische documenten als van recente publicaties.
