Ruhr-Uni-Bochum
HGI

Copyright: HGI, stock.adobe.com: chinnarach

Elisabeth Kirsten erhält Google PhD Fellowship 2026

Das Programm würdigt ihre herausragende Forschung an der Schnittstelle zwischen Maschinellem Lernen und menschenzentrierter KI

Junge Frau mit lockigem Haar und gestreiftem Shirt lächelt im Freien vor unscharfem Hintergrund mit Bäumen

Elisabeth Kirsten gehört zu den diesjährigen Stipendiatinnen und Stipendiaten des Google PhD Fellowship in der Kategorie „Natural Language Processing“. Sie hat kürzlich ihr drittes Jahr als Doktorandin am Lehrstuhl AI and Society an der Fakultät für Informatik begonnen und ist zudem Teil des UA Ruhr Research Center for Trustworthy Data Science and Security. In ihrer Forschung untersucht sie das Verhalten von Large Language Models (LLMs) in realen Situationen.

Das Programm fördert herausragende Doktorandinnen und Doktoranden, die durch ihre wegweisende Forschung die Zukunft der Informatik und verwandter Fachgebiete prägen. Es bietet den Fellows wichtige finanzielle Unterstützung für ihre Promotionsvorhaben und verbindet sie mit einem globalen Peer Netzwerk.

In ihrer Forschung betrachtet Elisabeth Kirsten Künstliche Intelligenz sowohl aus technischer als auch aus gesellschaftlicher Perspektive. Ihr Ziel ist es, zu verstehen, wie sich LLMs in realen Situationen verhalten und wie sie sich auf den Einzelnen und die Gesellschaft auswirken. Da diese Systeme zunehmend über das Beantworten von Fragen hinausgehen und mittlerweile auch im Internet recherchieren, mit Tools interagieren, Informationen über Nutzer speichern und komplexe Aufgaben ausführen, stellen sich neue Fragen hinsichtlich ihrer Zuverlässigkeit und ihrer gesellschaftlichen Auswirkungen. Elisabeth untersucht diese Fragen, indem sie Methoden entwickelt, um LLM-gesteuerte Systeme zu verstehen, zu bewerten und zu verbessern.

Ein zentraler Schwerpunkt ihrer Forschung ist die Bewertung von LLMs über traditionelle Benchmark-Ranglisten hinaus, die die Leistung bei eng definierten Aufgaben messen und daher nur begrenzte Einblicke in das Verhalten der Modelle in komplexen, offenen und mehrdeutigen Situationen der realen Welt liefern. Solche Situationen erfordern oft, dass KI-Systeme nach Informationen suchen, externe Tools nutzen und mehrere Schritte durchlaufen, um zu einer Lösung zu gelangen. Elisabeth möchte daher die Lücke zwischen Benchmark-Leistung und Verhalten in der realen Welt schließen, indem sie nicht nur untersucht, ob KI-Systeme richtige Antworten liefern, sondern auch, wie sie zu diesen gelangen, wann und warum sie scheitern und auf welche Informationen sie sich stützen.

Sie hat ihre Forschungsergebnisse bereits auf renommierten internationalen Konferenzen vorgestellt, darunter ACL, COLM, NAACL und WWW. Ihre Forschungsarbeit „Characterizing Web Search in The Age of Generative AI“ erhielt internationale Medienaufmerksamkeit, die über den akademischen Kreis hinausging.

„Das Fellowship würdigt Elisabeths Forschungsvision und ihre Fähigkeit, menschenzentrierte Aspekte mit anspruchsvoller Forschung im Bereich des maschinellen Lernens zu verbinden. Ihre Pionierarbeit im Bereich der generativen Suche und ihre Forschung zur Übertragung von Ideen zur Wissensvielfalt aus den Geistes- und Sozialwissenschaften in die Bewertung von LLMs, veranschaulichen die Breite und technische Tiefe ihres Ansatzes“, betont Professor Bilal Zafar, Leiter des Lehrstuhls AI and Society und Betreuer von Elisabeth Kirsten. Ihre Forschung wird außerdem von Professorin Nicole Krämer von der Universität Duisburg-Essen betreut.


Seit 2009 hat das Google PhD Fellowship-Programm weltweit mehr als 1.100 Doktoranden gefördert. In den vergangenen 17 Jahren haben sich ehemalige Teilnehmende des Programms zu Professorinnen und Professoren, Gründerinnen und Gründern von Start-ups, Open-Source-Pionieren und führenden Forschenden entwickelt, die die Zukunft der Technologie mitgestalten. Im Jahr 2026 wurden 148 neue Doktoranden aus 38 Ländern ausgewählt, die das Fellowship mit einer Förderung von 13 Millionen US-Dollar durch Google.org erhalten.

Allgemeiner Hinweis: Mit einer möglichen Nennung von geschlechtszuweisenden Attributen implizieren wir alle, die sich diesem Geschlecht zugehörig fühlen, unabhängig vom biologischen Geschlecht.