Wikimedia-Hackathon 2026: offene Technologie und Gemeinschaft

Der Wikimedia Hackathon 2026 ist das wichtigste jährliche Treffen der technischen Community der Wikimedia-Projekte. Im Jahr 2026 war Mailand Austragungsort des Hackathons, bei dem Entwickler, Forscher und Redakteure zusammenkamen, um Tools für freies Wissen zu entwickeln. Die Veranstaltung ging über das reine Programmieren hinaus und zeichnete sich als Ort der Zusammenarbeit, des praktischen Lernens und des Austauschs zwischen den Teilnehmern aus.

Mitglieder von Wikimedia Brasil nahmen an der Veranstaltung teil und entwickelten Projekte zum Einsatz von Sprachmodellen zur Generierung von Antworten auf der Grundlage wissenschaftlicher Artikel in Wikidata, zu einem Modell für die maschinelle Übersetzung von Suchanfragen in natürlicher Sprache in SPARQL in Wikidata sowie zu einem Vorschlag zur Überarbeitung des Übersetzungstools von Wikipedia.

Die Gruppe traf sich mit Vertretern anderer lateinamerikanischer Länder im Rahmen eines regionalen Koordinierungstreffens (LATAM Technical Community Meetup). Das Treffen bot die Gelegenheit, die Organisation von Veranstaltungen, Initiativen zur technischen Weiterbildung und den Aufbau einer stärker vernetzten Entwickler-Community in der Region zu erörtern.

Übersetzung von Inhalten auf Wikipedia: Verbesserungen der Benutzerfreundlichkeit und Tests mit neuen Übersetzungsmaschinen

Von Lucas Belo

Das Übersetzungstool von Wikipedia (Content Translation) ist eine Erweiterung, mit der Nutzer Artikel von einer Sprache in eine andere übersetzen können, was für die Verbreitung des freien Wissens über Sprachgrenzen hinweg von entscheidender Bedeutung ist. Um die Übersetzung von Artikeln zu verbessern, habe ich einige Aktivitäten in zwei Bereichen initiiert: zum einen die Verbesserung der Benutzerfreundlichkeit des Tools, um den Bearbeitungsablauf flüssiger zu gestalten, und zum anderen die Erforschung der Integration neuer Übersetzungsmaschinen mit generativen KI-Modellen, um zu prüfen, ob diese bessere Ergebnisse liefern als die bereits vorhandenen maschinellen Übersetzungsmaschinen.

Diese Aktivitäten sind aus praktischen Bedürfnissen entstanden, die sowohl in der Gemeinschaft als auch im akademischen Umfeld festgestellt wurden. Sie stehen im Einklang mit der Wunschliste der Lusophonie und mit dem AEX – Signalverarbeitung und dynamische Systeme auf der portugiesischen Wikipedia, einer Weiterbildungsinitiative der Universität von São Paulo, an der ich beteiligt bin. Da ich in der Praxis die Herausforderung erlebt habe, akademische Konzepte präzise zu übersetzen, wurde mir klar, wie sehr ein flexibleres Werkzeug benötigt wird. All diese Motivation nahm während des Wikimedia-Hackathons 2026 in Mailand technische Gestalt an, wo ich die Gelegenheit hatte, mich mit erfahrenen Entwicklern über den Umfang des Projekts auszutauschen, die mir die besten architektonischen Ansätze zur Umsetzung dieser Verbesserungen im Code vermittelten.

Als nächste Schritte wird der Schwerpunkt darauf liegen, diese Ideen in Code umzusetzen und mit den ersten Praxistests zu beginnen. Die Integration neuer Übersetzungsmaschinen mit generativen KI-Modellen wird zunächst in einer Testphase mit einer kleinen Nutzergruppe erfolgen, um sicherzustellen, dass die Qualität der Übersetzungen und die Beibehaltung des Quellcodes den Standards von Wikipedia entsprechen. Verbesserungen der Benutzerfreundlichkeit werden durch das Erstellen und Bearbeiten von Tickets sowie durch Diskussionen auf Phabricator entwickelt. Ich bin überzeugt, dass wir mit diesen Verbesserungen das Übersetzungserlebnis wesentlich zugänglicher gestalten können, sodass mehr Freiwillige dazu beitragen können, Wissen zu demokratisieren.

Ein kleines Sprachmodell zur Beantwortung von Fragen auf der Grundlage von Wikidata

Von Hector Gabriel

Die meisten der heute verfügbaren KI-Tools basieren auf proprietären Systemen. Es handelt sich um „Black Boxes“, die von großen Unternehmen kontrolliert werden. Wer forscht oder lehrt, hat weder Kontrolle darüber, was mit seinen Daten geschieht, noch darüber, wie die Antworten generiert werden. Das Projekt Open Small Language Models for Real-World Question Answering from Scholarly Wikidata geht von einer anderen Prämisse aus: dem Aufbau einer von Anfang bis Ende vollständig offenen Lösung.

Das System ermöglicht es Studierenden und Forschenden, Fragen in natürlicher Sprache – auch auf Portugiesisch – zu stellen und Antworten zu erhalten, die auf wissenschaftlichen Artikeln basieren, die in Wikidata indexiert sind. Der gesamte Ablauf ist offen und nachvollziehbar. Die Frage wird von einem kleinen, offenen Sprachmodell (wie Qwen2.5-3B-Instruct) verarbeitet, die relevanten Artikel werden mithilfe von SPARQL in Wikidata Scholarly abgerufen. Die Zusammenfassungen der Artikel werden über OpenAlex abgerufen. Auf diese Weise wird die Antwort aus diesem Kontext heraus generiert und stützt sich direkt auf die Referenzquellen. Keine proprietäre API. Es werden keine Daten an Server von Drittanbietern gesendet. Alles lässt sich lokal ausführen.

Das Projekt befindet sich in der Anfangsphase der Entwicklung. Zu den nächsten Schritten gehören eine bessere Rückverfolgbarkeit von Zitaten, das Hinzufügen von Links zu Seiten auf Wikidata und Wikipedia, Kriterien für die Aufnahme von Manuskripten sowie der Export in die Formate CSV und Zotero.

Der Code ist verfügbar unter: https://github.com/CorraleH/slm-wd-scholarly-mapping

Präsentation verfügbar auf Wikimedia Commons: https://w.wiki/Mpmq

Fragen in natürlicher Sprache zur wissenschaftlichen Produktion von NeuroMat auf Wikidata

Von Erika Guetti

Die Arbeit stellt eine vorläufige NL2SPARQL-Lösung für den wissenschaftlichen Bereich vor. Der Ansatz kombiniert die Schlussfolgerungsfähigkeiten generativer KI-Modelle mit der strukturellen Genauigkeit einer akademischen Ontologie, die auf der Grundlage des Datenökosystems von NeuroMAT (Forschungszentrum für Neuromathematik) entwickelt wurde. Ziel ist es, die Machbarkeit der Automatisierung komplexer SPARQL-Abfragen auf der Grundlage von Aussagen in natürlicher Sprache für ausgewählte Anwendungsfälle zu demonstrieren. Der Ansatz zeigt, wie Nutzer Fragen auf Portugiesisch stellen und strukturierte Daten abrufen können, ohne die SPARQL-Syntax kennen zu müssen.

Der Vorschlag zielte darauf ab, die Notwendigkeit einer Demokratisierung des Zugangs zu wissenschaftlichen Informationen aus Wikidata hervorzuheben. Die Abhängigkeit von fortgeschrittenen SPARQL-Kenntnissen wirkt heute als Ausschlussbarriere und schränkt den Zugang der breiten Öffentlichkeit zu freiem Wissen ein. Der Hackathon bot die Gelegenheit, erste Ansätze zu testen und Feedback von der technischen Community einzuholen.

Der Code ist verfügbar unter: https://github.com/eguetti/hackathon_2026_Wikimedia

Präsentation verfügbar auf Wikimedia Commons: https://w.wiki/NsPa

Unterstützung und Danksagungen

Wir danken der Wikimedia-Stiftung über den Stipendienausschuss für die Möglichkeit zur Teilnahme und Mitarbeit an den Veranstaltungen des Wikimedia-Hackathons 2026, wodurch die Teilnahme von Hector Gabriel, Erika Guetti und Lucas Belo ermöglicht wurde. Der Teilnehmer Hector Gabriel wird bei seinen Forschungsaktivitäten von der FAPESP (#2024/05572-7) und dem WikiProjekt Hörgesundheit unterstützt.