Transcript
Speaker: ArtistoCast, der Podcast zur digitalen Kunstgeschichte.
Speaker: Der Arbeitskreis Digitale Kunstgeschichte lädt ein zu einem Dialog über die Analyse und Generation von Texten und Bildern durch maschinelles Lernen.
Speaker: Das war der Startgedanke für das Forum Digitale Kunstgeschichte, das ich zusammen mit Peter Bell für den 37.
Speaker: Kongress für Kunstgeschichte geplant hatte.
Speaker: In Erlangen kamen dann auch am Samstag, den 16.
Speaker: März 2024, über 100 KollegInnen in einem Vorlesungsraum des Kollegienhauses zusammen, um sich auf diesen Dialog einzulassen.
Speaker: In dieser Spezialfolge des ArtistoCast werfe ich einen Blick zurück auf dieses Forum, das unter dem Motto Raum für KI, Bildgeneratoren und Wissensmaschinen die KI-Debatte im Fachkontext gestanden hat.
Speaker: Dass es diese Folge überhaupt gibt, ist einem unglücklichen Zufall geschuldet.
Speaker: Peter Bell ist krankheitsbedingt ausgefallen und hat um einen Mitschnitt gebeten.
Speaker: In einer Nacht- und Nebelaktion habe ich das Equipment besorgt, um die Veranstaltung mitzuschneiden.
Speaker: Mit einer mehr amateurhaften Ausstattung, eben das, was man so auf die Schnelle auftreiben kann, und ohne professionelles Tonteam hat das dann auch irgendwie funktioniert.
Speaker: Und was macht man als Podcasterin mit einer Aufnahme?
Speaker: Natürlich eine neue Folge at Histocast.
Speaker: Ich habe also nun die zweistündige Veranstaltung so eingekürzt und geschnitten, dass man einen guten Eindruck von dem Forum bekommt, auch wenn man nicht in Erlangen sein konnte.
Speaker: Die Tonqualität ist jetzt vielleicht nicht das, was man von Artistokast gewohnt ist, aber es ist hörbar und für diejenigen, die nicht mit uns in Erlangen diskutieren konnten, vielleicht ein kleiner Trost.
Speaker: Wir steigen also nun ein in meine Vorstellungen des Forums und dann geht es auch schon mit den Statements unserer Gäste los.
Speaker: Eins vorweg, die Kunstgeschichte als Wissenschaft wird sich durch die künstliche Intelligenz nicht abschaffen.
Speaker: Darauf können wir uns schon mal einigen.
Speaker: Noch klarer ist, dass die Wissenschaftswelt sich in den letzten Jahrzehnten, also das ist das, was ich live miterlebt habe, verändert hat, sich noch mehr verändern wird.
Speaker: Das ist der Lauf der Geschichte.
Speaker: Und eins ist auch sicher, wir als Kunsthistorikerinnen und Kunsthistoriker können auch damit umgehen, mit Geschichte und Veränderung von Wissen.
Speaker: Und trotzdem waren einige mit der Veröffentlichung des Sprachbords JetGPT irgendwie überrascht.
Speaker: Diese Anwendungen waren in der Welt.
Speaker: Man konnte mit diesen künstlichen Intelligenzen, in Anführungszeichen, interagieren.
Speaker: Stable Diffusion hat einem Bilder gemacht am laufenden Band.
Speaker: Manche sehen, dass da so ein Launch, so ein Startschuss passiert ist in ein technisches Zeitalter.
Speaker: anderen war irgendwie schon klar, dass es schon immer da war.
Speaker: Für manche war es die Büchse der Pandora, die wir geöffnet haben mit dem Loslassen der Sprachbots, Bildbots auf die Gesellschaft.
Speaker: Als Gesellschaft befinden wir uns gerade in solchen Aushandlungsprozessen.
Speaker: Manches ist angestoßen, vieles ist nicht klar.
Speaker: Wir stecken mitten in Debatten.
Speaker: Wir können nicht von einer sprechen, es sind mehrere, die parallel laufen.
Speaker: Manches können wir im Überblick behalten, einiges überholt uns einfach in der Geschwindigkeit der Entwicklung.
Speaker: Auch das ist normal, das ist sehr menschlich.
Speaker: Und es fällt auch selbst mir nicht leicht, bei all diesen Themen, bei all diesen Techniken immer up to date zu sein.
Speaker: Darum sprechen wir miteinander.
Speaker: Das hier ist das Forum des Arbeitskreises Digitale Kunstgeschichte.
Speaker: Und ich bin sehr froh, dass heute sehr viele da sind, die nicht im Arbeitskreis Digitale Kunstgeschichte sind.
Speaker: Denn das war auch das Ziel.
Speaker: Es soll nicht hier ein Arbeitstreffen sein, wo wir untereinander und es wurde in der Vorbereitung gesagt, ihr Freaks unter euch irgendwie uns diese ganzen Fachbegriffe um die Ohren hauen.
Speaker: Nein, dieses Forum ist gedacht als Einladung, als Gesprächsanreger und als Austausch über die aktuelle Debatte Künstliche Intelligenz im Fachkontext.
Speaker: Und wir nehmen uns diesen Raum vor allem, um miteinander zu sprechen.
Speaker: Ich bin Jacqueline Klusig-Eckert, damit Sie auch wissen, wer zu Ihnen gerade spricht.
Speaker: Ich bin promovierte Kunsthistorikerin.
Speaker: Ich habe hier in Erlangen meine Promotionsarbeit geschrieben.
Speaker: Und aktuell bin ich im Heine Center for Artificial Intelligence and Data Science an der Heinrich-Heine-Universität in Düsseldorf, einem ganz spannenden KI-für-alle-Projekt.
Speaker: Mir zur Seite stünde eigentlich Peter Bell.
Speaker: Peter Bell ist Professor für Kunstgeschichte und Digital Humanities an der Philips-Universität in Marburg.
Speaker: Er stünde hier konjunktiv, ist leider erkrankt und kann deswegen heute nicht hier sein.
Speaker: Er grüßt ganz herzlich.
Speaker: Das ist nicht nur für mich sehr schade oder für Sie wahrscheinlich.
Speaker: Ich sehe einige enttäuschte Gesichter.
Speaker: Es ist auch generell sehr schade, weil wir hier gerne einen Abschluss gesetzt hätten hinter unsere eher lange Zeit.
Speaker: Als er hergekommen ist als Junior Professor für digitale Kunstgeschichte, ich als Koordinatorin des IZ Digitals für Digital Humanities, haben wir in vier Jahren einiges geschafft.
Speaker: In dieser Zeit auch Andreas kennengelernt und ihn und sein Team ganz schön oft abgehalten.
Speaker: Es wäre schön gewesen, nach vier Jahren gemeinsamer Zusammenarbeit hier in diesem Forum, hier in Erlangen, über diese Debatte zu sprechen.
Speaker: Leider ist es ein Konjunktiv geblieben.
Speaker: Wenn ich also jetzt nun in der Vorbereitung und in der Kontextualisierung, warum wir eigentlich hier sind und was ich mit Ihnen vorhabe, immer wieder ins Wir verfalle, ist es nicht, weil ich durchgedreht bin, sondern weil Peter und ich einfach ganz viel zusammen konzipiert haben.
Speaker: Und wir ist dann auch eben immer er mit gemeint.
Speaker: Bei der Vorbereitung dieses Forums haben wir natürlich auch im Arbeitskreis Digitale Kunstgeschichte darüber gesprochen, was machen wir eigentlich damit, machen wir wieder etwas für uns, machen wir etwas für alle.
Speaker: Es war sehr schnell klar, dass es ein KI-Thema geben muss.
Speaker: Es ist unsere Aufgabe, digitalen Themen in der Kunstgeschichte für die Kunstgeschichte zu erklären oder zu erzählen und reinzubringen.
Speaker: Und dass künstliche Intelligenz als Thema überall immer eine Rolle spielt, sieht man, dass es ja alleine drei Fachforen gegeben hat dieses Jahr, die sich damit auseinandergesetzt haben.
Speaker: Einige von Ihnen haben ja eins, zwei, drei besucht.
Speaker: Damit Sie aber wissen, wer wir eigentlich sind als Arbeitskreis digitaler Kunstgeschichte.
Speaker: Ich bin dort auch schon seit einer Weile Mitglied.
Speaker: Es ist ein offener Zusammenschluss.
Speaker: Es ist nicht eine offizielle Mitgliedschaft oder ein Verein.
Speaker: Nein, Gleichgesinnte treffen sich, um über gleiche Themen oder ähnliche Themen zu sprechen.
Speaker: Und um nicht alleine an den Instituten zu sein, weil oft ist man dann nicht so der Einzige oder die Einzige mit digital, in Anführungszeichen, oder einem Untertitel bei den Projekten.
Speaker: Man kann einfach mitmachen, schauen Sie auf die Homepage.
Speaker: Das ist sehr niedrigschwellig, auch wenn man jung ist und sich irgendwie alleine fühlt mit seinem Digital-Thema an einem Institut.
Speaker: Einfach vorbeikommen, keine Berührungsängste haben.
Speaker: Wir können gar nicht beißen, ist ja alles digital.
Speaker: Jetzt gehen wir mal in Medias Rees und gucken uns an, was wir heute machen.
Speaker: Peter und ich, wir haben uns bei diesem Forum gedacht, dass wir nicht nur sehr frontal zu allen sprechen möchten mit den Gästen, die wir heute hier haben, sondern wir werden auch das Ganze dann öffnen und in Dialog treten.
Speaker: Weil auch wenn man bei der Podiumsdiskussion das Publikum zu Wort kommen lässt, kommt dann doch nicht wieder jeder ans Sprechen.
Speaker: Man traut sich nicht oder denkt man, die Frage darf ich nicht stellen.
Speaker: Mein Ziel wäre heute, dass wir
Speaker: im Gespräch unser Verständnis für dieses Verfahren der künstlichen Intelligenz im Einsatz kunsthistorischer Forschung und im Alltag, auch in der Praxis der kunsthistorischen Lebenswelt, dass wir uns da annähern, Berührungsängste verlieren und wirklich miteinander ins Gespräch kommen, an den Beispielen selbst.
Speaker: Das Problem ist aber, dass wir unterschiedliche und heterogene Wissensstände haben.
Speaker: Und das ist ganz normal.
Speaker: Ich wäre in einem Italien-Forum auch komplett aufgeschmissen.
Speaker: Das ist kein Problem.
Speaker: Deswegen machen wir das heute als dialogische Form dann später.
Speaker: Es wird einen Moment geben, wo wir das hier öffnen.
Speaker: Wir verlassen dann auch das Podium.
Speaker: Und Sie haben alle schon beim Herlaufen gesehen, dass wir im Flur Poster aufgehängt haben.
Speaker: Das sind Projekte, die im Bereich Einsatz künstlicher Intelligenz für die Kunstgeschichte entstanden sind.
Speaker: Wir werden uns auch unterschiedlich positionieren.
Speaker: Und Sie können dann an den Beispielen selber, also was gerade schon gemacht ist oder was schon vor zehn Jahren, vor fünf Jahren gemacht wurde, versuchen nachzuvollziehen, wie das eigentlich ist und dann nochmal genauer nachfragen.
Speaker: Wir werden auch alle hier sein.
Speaker: Es wird hier vorne auch einen Turing-Test geben.
Speaker: Also alle, die ein bisschen abschweifen, weil wir schon am Ende der Tagung sind.
Speaker: Den hat Peter Bell gemacht.
Speaker: Das ist immer ein generiertes Bild und ein Original sozusagen.
Speaker: Also natürlich das Digitalisat eines Originals.
Speaker: Kann man ein bisschen sein kunsthistorisches Wissen, Hauptwerkekenntnisse schulen, aber auch Sehgewohnheiten überprüfen.
Speaker: Dazu dann später mehr.
Speaker: Also Sie merken, wir machen das hier alles so ein bisschen anders, es ist ein bisschen lockerer.
Speaker: So ist es halt in der digitalen Kunstgeschichte.
Speaker: Und ich lade Sie ein, auch wenn es jetzt so spät ist und der Zug nach Hause lockt, dieses Experiment des Dialogs mal mit uns zu wagen.
Speaker: Das ist mal was Neues.
Speaker: Also Ziel ist das Format des Austauschs und das machen wir am besten, indem wir auf unterschiedliche Perspektiven da mal drauf schauen.
Speaker: Und die Podiumsgäste, die wir uns ausgesucht haben für heute, kommen aus drei unterschiedlichen Perspektiven.
Speaker: Wir haben die Technik, die Theorie und die Praxis.
Speaker: Manche von diesen Verfahren, die Sie heute sehen werden oder manche Sachen, die in der Praxis passieren, sind Pilotprojekte, manches ist etabliert.
Speaker: Es hat unterschiedliche Stadien auch von gemacht werden, gemacht sein.
Speaker: Das heißt, das müssen wir auch immer so ein bisschen reflektieren.
Speaker: Jetzt muss ich noch ein bisschen mich aus der Erklärungsnot herausbringen, weil wie Sie sehen, es ist das Podium nur männlich besetzt.
Speaker: Liegt nicht daran, dass es keine Frauen gibt, die in dem Bereich forschen.
Speaker: Es liegt daran, dass die Frauen, die in dem Bereich forschen, sehr wenige sind und alle keine Zeit haben.
Speaker: Wir wollten noch andere Perspektiven mit reinbringen, um das Ganze, um die ganzen Facettenfächer aufzumachen.
Speaker: Das ist uns leider nicht gelungen.
Speaker: Und dann war es auch so, dass man relativ früh ja die Sprecherinnen und Sprecher einreichen muss.
Speaker: Und erst auf der DHD vor zwei Wochen in Passau sind dann noch einige bekannt geworden,
Speaker: die man vorher einfach nicht gesehen hat, weil sie in der Wissenschaftskommunikation noch nicht so sichtbar waren und deswegen heute nicht hier sind.
Speaker: Also es ist nicht so, dass wir das nicht mitgedacht haben.
Speaker: Es ist nur die Entschuldigung jetzt gerade, dass meine Kolleginnen, die da draußen unterwegs sind und uns sicherlich auch viele wichtige Sachen erzählen könnten, einfach woanders gerade sprechen.
Speaker: Dann.
Speaker: So viel davor reden.
Speaker: Fangen wir doch mal an mit den Blicken in die Geschichte.
Speaker: Ich habe mir gedacht, aber das ist jetzt ohne Absprache mit Peter Bell, dass ich auf diese ganze Vorstellung des akademischen Lebenslaufs einfach verzichten werde.
Speaker: Die Referenten wissen auch Bescheid.
Speaker: Ich finde das natürlich zielführend.
Speaker: Ich werde eher sagen, warum die jeweilige Person heute hier ist.
Speaker: Sie können ja dann den ganzen Lebenslauf nachlesen auf der LinkedIn-Seite oder der Institutsseite.
Speaker: Wir werden jetzt so vorgehen, dass wir drei Statements bekommen, einmal aus Theorie, einmal aus Technik und Praxis.
Speaker: Und wir werden dann zusammen zu viert ins Gespräch gehen miteinander.
Speaker: Auf einem gewissen Punkt, vor allem wenn Sie unruhig werden und Ihnen die Fragen unter den Fingernägeln jucken, also die Hände ganz schön so hochschnellen, werde ich Sie mit einbeziehen.
Speaker: Wir werden Fragen aus dem Plenum mit in unsere Diskussion reinnehmen.
Speaker: Wenn ich merke, es sind so viele Fragen oder sie werden unruhig und wollen auch nicht mehr sitzen und wollen raus an die Poster, in die Praxis rein, dann beenden wir auch das Ganze mit dem Podium hier vorne.
Speaker: Wir öffnen uns und verteilen uns dann im Raum.
Speaker: Dann, Andreas, ich stelle dich kurz vor, dann kannst du schon mal hier vorkommen.
Speaker: Andreas Mayer kennen wir jetzt auch schon seit erlanger Zeit, ist Professor für Pattern Recognition und bei 50 habe ich aufgehört zu zählen.
Speaker: Du hast viel mehr in deinem Team.
Speaker: Weißt du es genau, wie viel du hast?
Speaker: Also das Pattern Recognition Lattes hier in Erlangen hat sicherlich an die 100 Mitarbeiterinnen und Mitarbeiter oder Forschende, die in seinem Team mit drin sind, Traumzustelle für die Kunstgeschichte.
Speaker: Er hat an der European Time Machine mit konzipiert und ist dort auch immer noch aktiv und hat unter sich auch dieses Computational Humanities Group, aus dem er uns heute einiges erklären wird oder vorstellen wird.
Speaker: Er ist unser Mann für die Technik.
Speaker: Vielen Dank für die sehr nette Einführung.
Speaker: Ich darf Sie vorwarnen.
Speaker: Ich bin Informatiker von der Ausbildung her und ich hoffe, Sie verzeihen mir den einen oder anderen Lapsus in Bezug auf Kunstgeschichte.
Speaker: Eine Arbeitsgruppe bei uns beschäftigt sich mit den Themen Digital Humanities, Computational, also quasi...
Speaker: rechnerbasierte Herangehensweisen in verschiedenen Bereichen der Geisteswissenschaften.
Speaker: Aber tatsächlich, wenn Sie vorhin gehört haben, dass relativ viele Mitarbeiter haben, ein großer Teil arbeitet auch in anderen Bereichen, in denen eben Mustererkennung, Maschinenlernen eingesetzt wird.
Speaker: Und dabei sind wir natürlich hier in Erlangen mit Siemens Herfingers vor der Tür auch sehr stark in der Medizintechnik involviert.
Speaker: Tatsächlich sind die Themenbereiche in den Geisteswissenschaften natürlich auch besonders spannend.
Speaker: Und wir haben hier nicht nur mit der Kunstgeschichte Zusammenarbeit, aber eben auch mit der Geschichte, wo es dann auch sehr viel um die Analyse von Dokumenten ging, Handschriften, nicht nur die Handschrift lesbar zu machen, sondern auch zu verstehen, wer es geschrieben hat, wie viele Leute waren beteiligt,
Speaker: an der Erstellung eines Manuskripts, um da weitere Einsichten in die Vergangenheit zu bekommen, in das Verstehen von einzelnen Texten.
Speaker: Hier möchte ich jedoch eher vorstellen unsere Arbeiten, die wir in Richtung Kunstgeschichte und natürlich mit Bildern vollzogen haben.
Speaker: Und ein wesentliches Problem, das sich dabei immer wieder stellt, ist, dass man versucht, verschiedene Bilder miteinander zu vergleichen und das für einen Computer überhaupt beschreibbar zu machen.
Speaker: Was ist auf einem Bild zu sehen?
Speaker: Wie kann ich das Ganze analysieren?
Speaker: Und dazu stellt sich auch immer wieder die Fragestellung, wie man quasi zwei unterschiedliche Bilder ins selbe Koordinatensystem bringt.
Speaker: Und das wird mit eines Prozesses gemacht, der Bildregistrierung heißt.
Speaker: Also wenn ich von Registrierung rede, gehe ich nicht davon aus, dass jemand zu einer Konferenz geht und sich dafür registriert und seinen Namen und seine Adresse angibt und dann nachher eine Rechnung bezahlen muss.
Speaker: Bei Registrierung verstehen wir in diesem Kontext, dass wir zwei Bilder in dasselbe Koordinatensystem zu bringen.
Speaker: Und das bringt natürlich verschiedenste Herausforderungen.
Speaker: Und ich habe hier drei Beispiele mitgebracht.
Speaker: zum Beispiel der Analyse von Porträts, um quasi diese miteinander vergleichbar zu machen.
Speaker: Und das Schöne daran ist, dass wir hier letzten Endes auf ähnliche Herangehensweisen setzen, wie wir eben auch das in der visuellen Wahrnehmung haben, auch ähnliche Fragestellungen, die sich quasi in der sogenannten Computer Vision, in dem Rechner sehen, stellen, dass man quasi Gesichter erkennt, Teile von Gesichtern, wo ist die Nase, wo sind die Augen.
Speaker: Und wenn ich das erkennen kann,
Speaker: Wenn ich quasi in der Lage bin, auf einem Porträt letzten Endes biometrische Merkmale zu erkennen, dann kann ich die auch nutzen, um die ins selbe Koordinatensystem zu bringen.
Speaker: Und unter anderem kann man dann zum Beispiel auch Fragestellungen nachgehen, ob zum Beispiel Schablonen verwendet wurden, wie ähnlich sind sich Bilder, handelt es sich hierbei eventuell um, ist es nur inspiriert oder wurde hier doch noch...
Speaker: technischer vorgegangen, dass es also tatsächlich sich um eine Vergrößerung oder Reproduktion handelt.
Speaker: Und solche Fragestellungen kann man mit solchen Techniken bearbeiten.
Speaker: Natürlich haben wir nicht nur Kamerabilder von, also Digitalisate von entsprechenden Porträts oder generell Gemälden, sondern wir haben auch andere Sensorik, die dabei eingesetzt wird.
Speaker: Und besonders spannend sind zum Beispiel
Speaker: Mit Röntgenaufnahmen kann ich dann Unterzeichnungen erkennen und noch genauer gelegene Analysen machen.
Speaker: Das Problem dabei ist aber, dass die Bilder häufig und mit unterschiedlichen Sensoren eben aufgenommen werden und daher nicht in derselben Perspektive liegen und gegeneinander verschoben sind.
Speaker: Und auch hier müssen wir quasi Methoden finden, um die Bilder wieder in dasselbe System zu bringen, sie miteinander zu registrieren.
Speaker: Und ein besonders interessanter Marker ist das Crackele, weil das Crackele, das sehe ich sowohl in dem Bild selbst,
Speaker: als auch in der Röntgenprojektion und kann dann dicht, also weil das Craculé auf dem ganzen Werk auftaucht, miteinander in Übereinstimmung gebracht werden, um beispielsweise ein Bild von einem Röntgensensor in Übereinstimmung mit einem fotografischen Bild zu bringen.
Speaker: Ein letztes Beispiel, das ich zeigen möchte, ist, dass viele Dinge, die für uns als Menschen häufig ganz einfach sind, Konturen zu extrahieren, sind für den Computer sehr, sehr schwierig.
Speaker: Insbesondere, wenn ich anfangen möchte, Gemälde zum Beispiel mit Drucken zu vergleichen.
Speaker: Die Beschaffenheiten von Drucken sind eben ganz anders.
Speaker: Wir haben...
Speaker: dann auch nur eine Farbe, müssen mit Schraffuren arbeiten, um entsprechende Eindrücke zu erzeugen.
Speaker: Und gerade Computer können zum Beispiel sehr gut mit Kanten arbeiten.
Speaker: Aber wenn ich mir jetzt hier ein Gemälde im Vergleich zu einem Druck ansehe, dann stelle ich fest, dass der Druck viel mehr Kanten hat.
Speaker: Und das ist gar nicht so leicht herauszufinden oder dem Computer zu sagen, welche der Kanten jetzt die maßgebliche ist, die in Übereinstimmung gebracht werden muss.
Speaker: um die beiden Medien miteinander zu vergleichen.
Speaker: Und dafür haben wir auch hier einen Ansatz entwickelt, der die relevanten Gesichtszüge, die relevanten Kanten extrahiert und die eben nicht relevanten Kanten unterdrückt, um dann quasi eine Vergleichbarkeit auch über die Grenzen hinweg von Gemälde bis hin zum Druck zu ermöglichen.
Speaker: Ja, also Sie sehen, vieles von dem, was wir tun, hat mit Messbaumachung zu tun, ist wahrscheinlich aus Ihrer Sicht sehr basal, weil es für uns erstmal darum geht, überhaupt den Computer zu ermöglichen, mit Bildern richtig zu arbeiten und diese nachvollziehbar für den Computer zu machen.
Speaker: Und das sind natürlich erste Schritte, die dann eben weitergehen, um kunsthistorische Theorien dann an größeren Stichproben, an größeren Bildmengen entsprechend validieren zu können und zur Unterstützung dienen zu können.
Speaker: Mehr werden wir wahrscheinlich in der Diskussion haben.
Speaker: Ich will meine fünf Minuten nicht überziehen, deswegen bedanke ich mich für die Möglichkeit, mich jetzt Wort melden zu dürfen und freue mich schon auf die Diskussion.
Speaker: Da wird es ziemlich bunt und für Theorie haben wir Roland Mayer heute hier.
Speaker: Er ist aktuell Mitarbeiter in SFB Virtuelle Welten und mir und Peter Bell aufgefallen durch seine starke Social-Media-Aktivität, weil er dort rege und jetzt auch dauernd die aktuelle Debatte, die es um generierte Bilder gibt, mitkommentiert, mitvernetzt, mitdiskutiert mit den Leuten, die dort mit ihm mitdiskutieren.
Speaker: Also es zeigt sich, dass Sichtbarkeit auch erzeugt wird durch Wissenschaftsaufklärungen, die man auf Social Media machen kann.
Speaker: Unter diesem Aspekt würde ich das sehen.
Speaker: Ich verfolge seine Aufsätze und Aktivitäten dadurch schon länger.
Speaker: Und du hattest, als wir am Donnerstag im Forum waren, gemeint, du siehst dich als Medienteoretiker auch eher so als am Spielfeldrand.
Speaker: Und ich lade dich jetzt einmal mitzuspielen.
Speaker: Ja, genau.
Speaker: Ja, ganz herzlichen Dank.
Speaker: Ganz herzlichen Dank für die Einladung, für die nette Einführung.
Speaker: Ja, ich schaue eben, genau, du hast es gesagt, von einer ganz anderen Perspektive.
Speaker: Was mich interessiert, sind eben diese neueren Tools der Bildgenerierung, DELI, Midjourney, Stable Diffusion, jetzt auch SORA und was das...
Speaker: für unsere Bildbegriffe und auch vielleicht für kunsthistorische Begriffe heißen kann.
Speaker: Und das ist sozusagen auch jetzt der Inhalt meines kleinen Statements, dass ich sozusagen an drei Bildern entwickeln will.
Speaker: Das ist das Erste.
Speaker: Ich hoffe, Sie können das lesen.
Speaker: Das ist eine Werbekampagne der Wiener Tourismuswerbung, die da tatsächlich auch am Broadway diese Kampagne geschaltet hat, wo sie Bildgenerative KI benutzt hat, um Variationen von Schiele, Klimt und ich glaube auch Bruegel,
Speaker: als jetzt Cat-Content sozusagen unter die Leute zu bringen.
Speaker: Und der Claim war See the Art Behind AI Art in Vienna.
Speaker: Also man muss nach Wien fahren, um die Originale zu sehen.
Speaker: Wir zeigen hier sozusagen die künstlich generierten Variationen.
Speaker: Und auf dem anderen, das kann man wahrscheinlich nicht mehr lesen, Sorry Gustav, but your art made AI art possible.
Speaker: Und das entwickelt natürlich eine ganz spezifische Perspektive auf Kunst- und Bildgeschichte, die jetzt erstmal so ein bisschen witzig und flapsig daherkommt, aber die ich relevant finde.
Speaker: Erstmal nämlich, dass alles, was an digital...
Speaker: vorhandener Bildgeschichte verfügbar ist, jetzt zur Ressource wird für maschinelles Lernen, für diese großen Foundation Models, da eingespeist wird, ausgewertet wird und tatsächlich sozusagen jetzt eben die Generierung von immer neuen Bildvariationen anfeuert.
Speaker: Und das verändert natürlich auch, würde ich sagen, unser Verständnis von Bildern und von Bildgeschichte, wenn jedes Bild,
Speaker: tatsächlich sozusagen historisch vorhandene Bild im Grunde nur eine mögliche Variante in einer endlosen Kette von Variationen ist.
Speaker: Denn was diese Modelle letzten Endes machen, ist, dass sie alle diese Bilder projizieren als Vektoren, als Datenpunkte in einen Raum möglicher Bilder.
Speaker: Und die tatsächlich sozusagen vorhandenen Bilder sind dann sozusagen eine statistische Möglichkeit, aber man kann eben unendlich viele Varianten erzeugen.
Speaker: Und was alle diese Bilder jetzt sozusagen zu Bildern im Stile von Schiele macht oder im Stile von Klimt, ist, dass sie eine gewisse Nachbarschaft oder Nähe in diesen hochdimensionalen Vektorräumen gewissermaßen aufweisen.
Speaker: Und das heißt eben auch, dass hier die Frage nach Stil eine ganz große Rolle spielt.
Speaker: Das wurde auch schon angesprochen gestern, auf ganz unterschiedlichen Ebenen eine Rolle, auch bei Fragen von Stil.
Speaker: Copyright oder möglichen Plagiat oder der Frage, wie Künstlerinnen damit umgehen, dass ihre Bilder, zeitgenössische Künstlerinnen zum Beispiel, eingespeist werden in diese Modelle.
Speaker: Das wäre sozusagen meine zweite Illustration, das ist eine Tabelle, die können Sie im Netz abrufen von allein FotografInnen und deren Stilen.
Speaker: Das sind, wenn ich es richtig in der Nase habe, über 370 Namen, die da aufgeführt sind.
Speaker: Da haben Leute sozusagen ganz systematisch mal ausprobiert, was passiert, wenn ich diese...
Speaker: Namen als Prompts bei Midjourney eingebe.
Speaker: Und das finde ich auch ein sozusagen bedenkenswerter Akt überhaupt.
Speaker: Was heißt es, dass ein Künstlerinnahme zu einem Prompt Bestandteil wird?
Speaker: Was heißt es, dass es zu einem Parameter wird, der dann in Gang setzt, die Produktion von
Speaker: Stilimitaten, Stilvarianten.
Speaker: Das ist sozusagen erstmal auch etwas, was die Befürchtungen bestätigt, die viele Künstlerinnen natürlich hegen, dass ihr Name, wenn er jetzt Teil eines Promts wird, unendlich viele...
Speaker: Varianten erzeugt, die dann quasi auch mit ihren eigenen Werken um Aufmerksamkeit konkurrieren.
Speaker: Es zeigt aber auch sozusagen, dass Stil hier wirklich sozusagen eine neue Funktion bekommt.
Speaker: Stil wird gewissermaßen operativ.
Speaker: Stil wird sozusagen etwas, was
Speaker: Hannes Bayou hat das insgesamt für Prompt gesagt, operative Ekphrasis-Beschreibungen werden zu etwas, was Bildgenerierung in Gang setzt und Stile, in dem Fall Individualstile, die sich mit Namen verknüpfen, haben dann eine ganz bestimmte Funktion dabei.
Speaker: Aber, und das wäre sozusagen der dritte Punkt, Stil ist eben hier nicht nur begrenzt auf etwas, was sich mit dem Namen einer Künstlerin, eines Künstlers verbindet, auch nicht nur mit Epochenstilen oder einem anderen, was man sozusagen aus kunsthistorischer Sicht unter Stil verbuchen würde.
Speaker: Wenn man sozusagen in diese einschlägigen Papers, das ist jetzt aus einem Google Paper, schaut, was da unter Style verhandelt wird, und bei so Techniken wie Style Drop oder Style Transfer, dann ist das eine...
Speaker: ganze Bandbreite von Ästhetiken, Looks, Visualitäten, die in erster Linie das gemeinsam haben, dass sie sich aus Bildern extrahieren lassen und auch andere Bilder in der einen oder anderen Form übertragen lassen.
Speaker: Und das inkludiert jetzt eben nicht nur künstlerische Individualstile, sondern auch die bestimmten ästhetischen Eigenschaften von technischen Medien, die Visualitäten, die sich mit bestimmten populärkulturellen Formaten anbieten,
Speaker: verbinden, die Looks von bestimmten künstlerischen, illustrativen und sonstigen Techniken, aber auch die spezifische Ästhetik von bestimmten Game Angels zum Beispiel, wäre auch sozusagen etwas, das in diesem weiten Sinne unter Style verbucht wird.
Speaker: Das finde ich, denke ich, aus kunsthistorischer Sicht interessant und bedenkenswert,
Speaker: Was heißt es, wenn Stil eine Kategorie wird, die in dem Maß entgrenzt wird, dass es tatsächlich alle möglichen Formen von Looks, Ästhetiken, Vibes umfassen kann, die jetzt sozusagen zur Ressource werden, die extrahiert werden können aus großen Bildermassen und in die Produktion neuer Bilder automatisiert einfließen.
Speaker: Also da findet eine Operationalisierung von Stil statt und eine Enthierarchisierung und Ausweitung, die ich für
Speaker: bedenkenswert, halt auch für eine kunsthistorische Methodendiskussion in dem Blick auf diese Modelle.
Speaker: Das war der Punkt, den ich machen wollte.
Speaker: Dankeschön.
Speaker: Danke dir.
Speaker: Dann sind wir auch in der digitalen Pflanzgeschichte.
Speaker: Und dann eben heute in einer gewissen Doppelfunktion, einmal hier als Podiumsgast und dann als Netzwerk-Knotenpunkt in die deutsch-österreichische digitale Kunst-Arbeitskreis-Beziehung, ist Christian Hümer heute eingeladen für den Blick auf die museale Praxis.
Speaker: Wir kennen ihn wahrscheinlich eher als Zoom-Kachel, zumindest ich habe ihn so kennengelernt, über die Veranstaltung des Kunstmuseums im digitalen Zeitalter, auch so eine Tagung, die einfach gesetzt ist im Tagungskalender des Jahres.
Speaker: Bei mir ist schon fest dazugehört, weil es immer für mich so dieser Abriss ist, was ist gerade Debatte im Museum und international, was wird gerade gemacht, wo sind die Themen?
Speaker: Und deswegen ist er auch heute hier.
Speaker: Ich habe ihn überrumpelt.
Speaker: Wir wollten eigentlich nur darüber sprechen, wie kriegen wir unsere beiden Arbeitskreise in Kontakt.
Speaker: Und ich habe gedacht, komm doch einfach aufs Podium.
Speaker: Hast doch genug gemacht.
Speaker: Und er hat sich überrumpeln lassen.
Speaker: Und selbst bringt er nicht nur diese Perspektive aus dieser Tagung mit, sondern hat auch im Bereich digitale Kunstmarktforschung gearbeitet und schon viel früher über Standards nachgedacht, als wir das vielleicht heute in unserem Fach tun.
Speaker: Deswegen bin ich sehr froh auf dein Statement und deine Perspektive auf KI und Kunst.
Speaker: Ja, ich möchte mich recht herzlich bedanken für die Einladung.
Speaker: Wie gesagt, mir ist es ein großes Anliegen als Vertreter von DATIST Austria, also dem Netzwerk für digitale Kunstgeschichte in Österreich, den Kontakt herzustellen zu den deutschen Kolleginnen vom Arbeitskreis Kunstgeschichte.
Speaker: Das ist etwas ganz, ganz Wichtiges.
Speaker: Wie gesagt, wir arbeiten alle an sehr ähnlichen Themen.
Speaker: Wir brauchen den Austausch und den Kontakt.
Speaker: Andererseits ist schon erwähnt worden, also dieses jährliche Event, das Kunstmuseum im digitalen Zeitalter, ist ja auch immer so ein Event, wo man feststellen kann, was tut sich in der Museumslandschaft, weil wir die immer mit einem Open Call eigentlich planen.
Speaker: Und die gibt es jetzt schon seit sechs Jahren und in diesen sechs Jahren hat man wirklich sehen können, wie sich die Schwerpunkte verschieben.
Speaker: Und ich wollte es ursprünglich eigentlich nur einmal machen.
Speaker: Jetzt ist eine Serie geworden, die ich nicht mehr loskriege.
Speaker: Und wir haben wirklich gesehen, also vor zwei, drei Jahren war ganz stark eben diese ganzen Kryptosachen, NFTs und so weiter.
Speaker: Dann war das Metaverse hier und dann halt JetGPT.
Speaker: Aber interessanterweise...
Speaker: waren die spannenden Projekte oft schon vorgestellt in Konferenzen, bevor JetGPT gelauncht wurde im Zusammenhang mit Machine Learning oder künstlicher Intelligenz, war also gar nicht mehr so neu, wie der Hype kam.
Speaker: Und bei der letzten Tagung im Jänner 2024, also heuer, haben wir geglaubt, man macht ein eigenes Panel extra nur für künstliche Intelligenz und Museums,
Speaker: Und das war deswegen nicht möglich, weil künstliche Intelligenz fast in jedem Paper in irgendeiner Form drinnen war.
Speaker: Also es hat man gar nicht mehr separieren können von den anderen Beiträgen.
Speaker: Ja, KI im Museum, muss ich mir wahrscheinlich ein bisschen sputen hier, das ist nämlich eigentlich sehr breit, das ist Querschnittsmaterie, das digitale Querschnittsmaterie im Museum betrifft eigentlich alle Abteilungen und ist letztlich auch bei KI so, da gibt es Anwendungsfälle im Besucherservice, in der Kunstvermittlung, im Marketing haben wir schon gesehen, natürlich auch in der Forschung und so weiter, betrifft also alle.
Speaker: Was Museen ganz stark eigentlich brauchen, zunächst ist eine Debatte nicht in erster Linie über Technologie, sondern wie arbeiten wir zusammen, um den Herausforderungen des Digitalen gewachsen zu sein.
Speaker: Also es hat bei uns dazu geführt, dass wir agile Arbeitsgruppen über Abteilungen hinweg auf den Weg bringen mussten, um überhaupt diesen Herausforderungen irgendwo gewachsen zu sein.
Speaker: Ich habe hier drei Beispiele mitgebracht, die jetzt eher die Forschung repräsentieren, weil das mein Aufgabenbereich im Museum ist.
Speaker: Also wo KI oder Machine Learning schon im Einsatz war, sind auch alle Projekte, die schon eigentlich vor GPT losgegangen sind und großteils auch schon abgeschlossen waren.
Speaker: Also hier dieses Beispiel zu den Fakultätsbildern von Gustav Klimt, das war eine Kooperation mit Google Arts & Culture und zunächst ist darum gegangen, eine große Retrospektive online zu Klimtbildern zu machen.
Speaker: Da sind auch 700 Werke, glaube ich, dazu hochauflösend gescannt worden und auch schön präsentiert worden.
Speaker: Aber es gab dann diese Idee, die verlorengegangenen Fakultätsbilder zu rekolorieren,
Speaker: Diese Hauptwerke von Klimt, die ursprünglich für die Universität in Wien für den Festsaal gemalt wurden, die ein Riesenskandal um 1900 waren, sind ja dann Ende des Zweiten Weltkriegs in einem Brand im Schloss Immendorf verloren gegangen.
Speaker: Und was die Forschung hat, sind in erster Linie Schwarz-Weiß-Fotos.
Speaker: und ein paar Skizzen oder Details, die einen Hinweis auf die Farbigkeit geben.
Speaker: Hier hat man versucht, in dieser Kooperation mit textlichen Quellen, also Beschreibungen in der Kunstkritik, Referenzen in der Farbigkeit zu schaffen und auch Referenzen zu anderen Bildern, die Klimt in dieser Zeit um 1900 gemalt hat und man hat dann diese Bilder rekoloriert.
Speaker: Der Kurator Franz Mohler, der das betreut hat, ist der Meinung, es wäre sehr nahe dem Original, wenn man es denn wirklich wüsste.
Speaker: Es kann man sicher debattieren, aber was rauskommt ist, dass es schon sehr provokativ gewesen sein muss, also sehr intensivfarbig, sehr verstörend auch in der Flächigkeit.
Speaker: Ich mache ein bisschen schneller hier.
Speaker: Was natürlich eine Hauptanwendung ist von künstlicher Intelligenz, ist die Anreicherung von Metadaten im Bereich der Sammlung.
Speaker: Da kommen wir auch in die Kernaufgabe des Museums, die Auseinandersetzung mit der digitalen Sammlung.
Speaker: Und diese Sammlungen sind ja meistens auch sehr groß, haben Tausende, Zehntausende, oft Millionen Einträge und dass man sich da gewisser Hilfsmittel bedient, über das Menschliche hinaus ist naheliegend.
Speaker: Das war ein Projekt, wo man versucht hat, mit der Methode des World Embeddings,
Speaker: die sehr intensive Beschlagwortung der Bilder im Belvedere anzureichern mit Sprache, die aus dem Netz kommt.
Speaker: War wirklich ein sehr spannendes Experiment, um hier also praktisch semantische Pfade sich vorschlagen zu lassen durch die Sammlung.
Speaker: Und ein ähnliches Projekt war auch dies, nur geht das über die Sammlung des Belvediers hinaus.
Speaker: Man hat da drei exemplarische Sammlungen, Wiener Sammlungen genommen, um künstliche Intelligenz einzusetzen, diese Sammlungen über die Silos hinaus durchsuchen zu lassen.
Speaker: Also auch ein Testcase, hier ein Modell zu entwickeln, wie uns künstliche Intelligenz helfen kann, Ähnlichkeiten in Bildern zu finden.
Speaker: Während das Vorgängerprojekt Dustin Data sich nur auf die Metadaten bezogen hat, ist da durchaus auch das Bildmaterial einbezogen worden.
Speaker: Ja, ich lasse es einmal jetzt bei diesen Beispielen, da wird es bestimmt noch Fragen geben.
Speaker: Danke.
Speaker: Danke dir.
Speaker: Alle diese Projekte können Sie dann draußen auch auf dem Post.
Speaker: Ich baue jetzt mal kurz um und erkläre Ihnen auch, warum hier so ein kleines Puschelmikrofon steht.
Speaker: Dadurch, dass Peter nicht da sein kann, hat er gebeten, ob wir vielleicht aufzeichnen.
Speaker: Dann haben wir bei dem WWE schon aufzeichnet, machen wir doch gleich eine Podcast-Folge draus.
Speaker: Und das war jetzt auch die Podcast-Werbung, die sich reingeschlichen hat.
Speaker: Eine Art Artistokatz.
Speaker: Danke für eure Statements und so ein bisschen Schlaglicht an das, was ihr macht, worüber ihr forscht.
Speaker: Ich glaube, es wird klar geworden, dass wir jetzt wirklich aus drei ganz unterschiedlichen Perspektiven auf dieses Thema schauen können.
Speaker: Ich möchte gerne bei dir anfangen, Andreas.
Speaker: Der Hauptteil deiner Forschung, auch die größte Gruppe, die um dich herum ist, hat es mit medizinischen Willen zu tun.
Speaker: Ihr habt diese Woche sehr schön große Teilen gehabt zu Höter- und Weckerknirschen, also Mustererkennung und Medizin.
Speaker: Was unterscheidet denn die Kunstgeschichte als Anwendungsfach oder als Anwendungsszenario von der Medizin?
Speaker: Ist das viel komplizierter, einfacher?
Speaker: Ich denke, das ist bei interdisziplinärer Arbeit immer so, dass man sich auf die andere Diszipline einlassen muss.
Speaker: Und insofern unterscheiden sich natürlich die Medizin und Kunstgeschichte fundamental.
Speaker: Aber es ist natürlich auch in der Arbeit eine gewisse Ähnlichkeit, da man quasi auch die interdisziplinäre Herangängsweise braucht.
Speaker: Aber ansonsten, wir bieten eben Methoden und natürlich auch die Methoden, die wir hier gesehen haben, um beispielsweise in Bildern das Krakele zu detektieren.
Speaker: Die Ansätze ereignen sich auch ganz hervorragend, um Gefäße in medizinischen Bildern hervorzuheben, herauszuheben und dann entsprechend analysieren zu können.
Speaker: Also es gibt immer wieder Querbeziehungen, aber natürlich...
Speaker: geht es am Ende darum, nicht einen Algorithmus zu bauen, sondern neues Wissen zu generieren.
Speaker: Und das geht nur in dem interdisziplinären Zusammenspiel.
Speaker: Bei den vielen Sachen, die ihr jetzt schon gemacht habt, also vom Scannen von geschlossenen Schriftrollen über hunderte Luther-Bildnisse vergleichen, welcher Fall hat euch aus informatischer Perspektive die größte Herausforderung bereitet?
Speaker: Ich weiß es aus unserer Zusammenarbeit, wenn man sich eben aus der Kunstgeschichte denkt, das könnt ihr mal so schnell machen, das ist doch schnell einfach, kommt ein großes Auge rollen.
Speaker: Also hast du irgendwie so ein
Speaker: So ein Beispiel, das du vielleicht auch hier hast oder im Kopf hast, das geht nicht oder da können wir noch nicht.
Speaker: Das ist unsere Grenze aus der Informatik?
Speaker: Also ich denke, das tritt einfach immer wieder auf, dass es gar nicht klar ist, welche Dinge schwierig sind und welche Dinge einfach sind.
Speaker: Also sobald man was messen kann, ist es sehr einfach, Dinge miteinander zu vergleichen, auch in großer Stückzahl.
Speaker: Immer wieder Dinge, die sich wiederholen, in ähnlicher Art und Weise an großen Mengen durchzufinden.
Speaker: Das ist sehr, sehr einfach.
Speaker: Aber den Vergleich richtig hinzubekommen, wie auch gerade schon eingangs gezeigt, dass man quasi, wenn man, naja, das eine ist ein Druck, das andere ist ein Gemälde, das kann doch nicht so schwer sein, aber da steckt dann der Informatiker die Hände über den Kopf zusammen und sagt, um Gott, die sehen ja völlig anders aus, die muss ich ja ganz anders beschreiben.
Speaker: Und eben...
Speaker: den richtigen Stil finden, um mit diesen Bildern arbeiten zu können.
Speaker: Und das sind Dinge, die eben große Herausforderungen stellen.
Speaker: Und es ist häufig so, dass teilweise, also es tritt immer wieder auf, dass gewisse Fragestellungen gar nicht angesprochen werden, weil der Partner dann denkt, das ist sehr schwierig, wenn jetzt schon das Vergleichen von einem Druck und einem Gemälde schon so schwierig ist, dann frage ich die
Speaker: Komplizierte Frage nicht und irgendwann wird es ja doch gestellt, wo ich festgestellt habe, das ist ganz einfach, das habe ich in 15 Minuten realisiert.
Speaker: Jetzt habe ich die Anschlussfrage vergessen, aber deswegen knüpfe ich woanders an.
Speaker: Wenn ihr Dinge entwickelt, also in der Informatik forscht, geht es euch ja auch ganz oft um Optimierung von Modellen.
Speaker: Das heißt, eine Forschungsgruppe oder eine Person sitzt da, überlegt sich, wie sieht eigentlich diese Architektur aus, wie ist das Forschungsdesign, was sind die Grunddaten, mit denen ich arbeite.
Speaker: Liefert die Kunstgeschichte genug Grunddaten, um diese Modelle auch zu trainieren oder funktionieren die manchmal auch für die Kunstgeschichte nicht, weil die Datenmenge zu wenig ist?
Speaker: Es gibt ja auch Milliarden Katzenbilder, aber es gibt halt nur eine gewisse Anzahl von Leonados und Divers da draußen.
Speaker: Das ist wieder etwas, was ähnlich ist in der Medizin und in der Kunstgeschichte, dass die Datenquellen eben limitiert sind.
Speaker: Es gibt nur endlich viele Bilder, es gibt nur wenige Daten in der Medizin, schlicht und einfach auch, weil wir auch die Patienten Privatheit natürlich respektieren wollen und deswegen auch sehr spärlich mit den Daten umgehen.
Speaker: Insofern ist man dort am besten beraten, indem man entsprechendes Vorwissen der Verwissen
Speaker: aus den anderen Disziplinen in einen Algorithmus einbinden kann, weil man dann mit sehr, sehr viel weniger Daten schon ordentliche Ergebnisse produzieren kann.
Speaker: Also auch hier die Zusammenarbeit ist das auch gut.
Speaker: Ihr hattet ja mal dieses Projekt Medical Donors, bei dem sich Leute freiwillig entscheiden konnten, ob sie ihre Knieaufnahmen, Schädel-CTs, sonst irgendwas euch zur Verfügung stellen für Forschungszwecke.
Speaker: Läuft das noch?
Speaker: Funktioniert das?
Speaker: Wäre es auch ein Modell für die Kunstgeschichte?
Speaker: Art Donors in unserer Institutionen?
Speaker: Ja, bei den Medical Data Donors hatten wir herbe Rückschläge durch die Pandemie, weil wir gerade die rechtliche Fragestellung geklärt hatten, rechtssicher waren.
Speaker: Und dann hat quasi die Pandemie angefangen, was dazu geführt hat, dass eben in den Krankenhäusern absoluter Notfallzustand war und die haben mit allen wirklichen anderen Dingen zu tun getappt.
Speaker: als sich jetzt um Datenspenden zu kümmern.
Speaker: Inzwischen ist es so, dass die Datenspende auch ein Teil der neuen Gesundheitsgesetzgebung ist und wir über die elektronischen Patientenakten das auch ermöglichen können werden.
Speaker: Insofern ist der eigentliche Grund, weswegen wir den Verein gegründet haben, durch neue gesetzliche Rahmenbedingungen absolviert geworden.
Speaker: Und deswegen haben wir auch tatsächlich jetzt erst am Anfang der Woche die Auflösung des Vereins beschlossen.
Speaker: Das ist aber ein gutes Modell, wenn man nachdenken könnte für die Kunstgeschichte.
Speaker: Also wenn es grundsätzlich mit Sammlungsdaten bereitgestellt werden müssten, um auch als Trainingsdaten zur Verfügung stehen zu können, wieder viel Konjunktiv auf einmal, hätten wir vielleicht auch eine ganz andere Grundlage.
Speaker: Wie geht ihr eigentlich in Belvedere damit um?
Speaker: Ihr habt ja auch digitalisiert.
Speaker: Jetzt nutzt ihr die Sachen selber, um die KI-Anwandlung zu trainieren?
Speaker: Bei Schiele hat man das ja jetzt ein bisschen gesehen.
Speaker: Wie ist da die Offenheit im eigenen Haus?
Speaker: Also die Außenperspektive ist, da läuft ganz viel.
Speaker: Ja, also prinzipiell ist das Hauptanliegen, ich glaube, das haben wir zumindest laut in der Research Center Mission drinnen, dass wir einen offenen, vernetzten Zugang zum kulturellen Erbe haben möchten.
Speaker: Und offen war der erste Schritt, dass wir schon 2018, und das sind wir in Österreich die Ersten gewesen, und ich glaube, noch kaum jemand nachgezogen, obwohl jetzt rechtlich sich noch einiges geändert hat,
Speaker: Wir haben alle gemeinfreien Werke mit Druckqualität öffentlich zur Verfügung gestellt und die Metadaten sowieso.
Speaker: Also prinzipiell möchten wir, dass diese Daten in die Welt hinausgehen, dass sie verwendet werden.
Speaker: Und man muss dann auch damit leben können, dass man natürlich Kontrolle verliert, weil das ist so immer ein bisschen Angst im Museum.
Speaker: Aber wir können jetzt nicht mehr kontrollieren, was mit all diesen Klimmbildern passiert.
Speaker: Die sind sowieso immer draußen gewesen und hat sowieso immer schlechter als Merchandising gemacht.
Speaker: gehabt, aber vielleicht wird es dann in der Forschung nutzbar, in Computationen oder sonst wo.
Speaker: Ich meine, die Frage ist natürlich auch noch, was es bedeutet, wenn es dann Trainingsdaten werden für die Kairita, haben wir noch wenig darüber diskutiert.
Speaker: Oder wenn man jetzt überlegt...
Speaker: Durch die generierten Bildmodelle, du hattest einige gesagt, einige genannt, semi-diffusion, mid-journey, wie sich alle heißen, kann man in einer Sekundenschnelle oder zumindest wenn man sich nicht viel Müll gibt, den Traum zu schreiben, ein neues Bild generieren.
Speaker: Wie geht man jetzt damit um, dass es eine neue Art von Bilderflut gibt?
Speaker: Wir haben vor zehn Jahren schon über Bilderflut gesprochen.
Speaker: Was haben wir jetzt für der Tsunami?
Speaker: Ja, ich weiß nicht.
Speaker: Ich bin da jetzt nicht für die beste Metapher vielleicht der Ansprechbar.
Speaker: Aber klar, es gibt eine Explosion, eine Inflation vielleicht.
Speaker: Das wäre vielleicht meine Nächste Metapher, weil sich tatsächlich überhaupt nicht Wertfragen daran stellen.
Speaker: Also A, was ist sozusagen ein einzelnes
Speaker: Bild wert, wie viel von dem, was dann generiert ist, vielleicht auch wertlos.
Speaker: Also ich meine, man muss sich vorstellen, man bei Midjourney bekommt man für jeden Prompt erstmal vier Bilder.
Speaker: Warum?
Speaker: Weil wahrscheinlich höchstens eins davon halbwegs der Erwartung entspricht.
Speaker: Also man bekommt immer sozusagen schon mal mehr Bilder, als man
Speaker: eigentlich bräuchte, weil die meisten nicht dementsprechend, was man sich wünscht.
Speaker: Das ist im Grunde das Prinzip des Fotoautomaten, wenn man das sozusagen mit den historischen Rückfall folgt.
Speaker: Da war es ja auch schon so, wenn man auf dem einen Bild die Augen zu hat, dann war vielleicht das nächste gelungen.
Speaker: Und so ähnlich ist es ja auch hier und gerade, wenn diese Technologien eingesetzt werden, in gestalterischen Bereichen, wo es wirklich darum geht, dass irgendwie ein
Speaker: halbwegs vernünftiges Endkontrums-Erhaben.
Speaker: Es ist nicht nur so, dass man sehr, sehr viele Durchläufe hat, sehr viele Iterationen des sogenannten Prompt-Engineering, also letzten Endes des Ausprobierens von Prompts und dann auch danach bearbeiten.
Speaker: Es gibt also sozusagen eine massive Überproduktion von Bildern, allein schon bevor irgendeines davon veröffentlicht wird.
Speaker: Und man muss sich aber klar machen, dass das schon auch Teil der Funktionsweise dieser kommerziellen Tools ist, dass sie natürlich auch beobachten, auf welche Bilder reagieren Leute wie, welche werden überhaupt vergrößert, welche werden geteilt, das ist im Grunde ja eine Form auch,
Speaker: der eingeblendeten Optimierung durch User-In-Feedback sozusagen.
Speaker: Also man hat eine Überproduktion, aber die zielt natürlich auch immer darauf, dass Leute reagieren auf diese Bilder, diese Bilder bewerten und damit sozusagen Rückmeldung geben, wo funktioniert das Modell und wo funktioniert es vielleicht noch nicht.
Speaker: Also auf der Ebene gibt es sozusagen schon eine Inflation und eine Überproduktion und dann gibt es natürlich auch ein Problem sozusagen, und das zeigt sich ja jetzt schon massiv, dass die Grenzkosten der Bildproduktion so gering sind, dass damit natürlich völlig neue, sehr problematische Geschäftsmodelle möglich werden, wie die Produktion von Fake Content für Amazon, wo dann billig zusammengearbeitet
Speaker: klickt Bilderbücher auf einmal sozusagen diese Marktplätze fluten und darauf setzen, dass Leute aus Versehen einfach etwas kaufen, was dessen Endes ein minderwertiges und nicht für Kinder geeignetes Produkt ist.
Speaker: Das hat alles seine Vorläufe, das gab es bei YouTube auch schon eine ganze Zeit lang vor, generativer KG, dass da sozusagen
Speaker: billig produzierter Mord sozusagen ausgenutzt hat die Empfehlungsalgorithmen, aber das potenziert sich.
Speaker: Also ja, da gibt es auch einfach ein Massenproblem, was wirklich auch ein ökonomisches Problem ist.
Speaker: Da sind wir jetzt noch gar nicht bei der ganzen Frage von Fake News und Desinformation, was natürlich auch stellt.
Speaker: Ich muss nur versuchen, gerade irgendwie auf Amazon ein Bildband zu kaufen, der wirklich ein echter Bildband ist und nicht irgendwas Billiges, Gedrucktes, Gemachtes.
Speaker: Da gibt es ganz viele Fake-Produkte einfach.
Speaker: Andreas, für dich aus der Perspektive der Informatik.
Speaker: Jetzt haben große Unternehmen wie OpenAI, sind da vorgeprescht, haben die Sachen nach ausgeworfen.
Speaker: Ist es für euch jetzt ausgeforscht?
Speaker: Wir haben auch ein Poster von Björn Ommar da.
Speaker: Da haben wir auch geplant, euch mal beide ins Gespräch zu kriegen und zu schauen, was der eine Informator sagt zu dem anderen.
Speaker: Klingt wie ein Witz, aber es war eigentlich erst gemeint.
Speaker: Wie...
Speaker: Wie ist jetzt euer Verhältnis zu diesen Sachen in dem Moment, in dem nicht mehr ihr als Informatiker die Oberhand hat, generative Modelle anzustoßen und mit ihnen was machen zu lassen, wenn jetzt jeder oder auch durch Promz viel schneller programmieren kann?
Speaker: Oder entwickelt ihr da auch weiterhin Witz?
Speaker: Also was macht ihr jetzt mit den Dingen, in dem Moment, wenn sie öffentlich sind?
Speaker: Machen die euch Angst?
Speaker: Also mir macht das keine Angst, aber ich verdiene ja auch nicht mein Geld, durch Bilder zu erzeugen oder Texte zu schreiben.
Speaker: Ich habe auch vorher schon meine ganzen Texte, auch Lehrbücher, auch im Access veröffentlicht, weil das dann für unsere Studenten besser zugänglich ist.
Speaker: Also insofern habe ich da wahrscheinlich auch ein völlig anderes Problembewusstsein, als eben jemand, der finanziell eben davon abhängig ist.
Speaker: Die Modelle, dass die jetzt verfügbar sind, also zum Beispiel OpenAI ist natürlich insofern problematisch, dass die Modelle ständig ausgetauscht werden, man nicht nachvollziehen kann, mit welcher Version von dem Modell man überhaupt gearbeitet hat und es ist auch in keiner Weise richtig reproduzierbar.
Speaker: Trotzdem funktioniert das gut.
Speaker: Ich setze das sowohl GPT-4 als auch DELI regelmäßig ein, schlicht und einfach um Webseiten zu gebildern und so weiter.
Speaker: Also das sind Werkzeuge, die für mich einfach sehr nützlich sind.
Speaker: Auch das Programmieren wird dadurch viel einfacher, wenn man sich anguckt.
Speaker: Informatiker haben diesen Trends mit Opus ausgestartet, das wurde am Anfang sehr belächelt, aber inzwischen ist das de facto der Standard, dass jeder seine Algorithmen einfach frei zugelassen hat und von anderen nachgenutzt werden.
Speaker: Also die werden einfach kopiert,
Speaker: Und in ein anderes Stück Software eben mit hineingepackt.
Speaker: Und das ist überhaupt gar kein Problem, sondern das ist der Start der Technik, so zu arbeiten.
Speaker: Und insofern, wenn man jetzt Tools hat, die einem beim Programmieren helfen kann, viele Programmierer haben vorher einfach gegoogelt und sich dann ein passendes Stück Quellcode eben wo runtergeladen und dann angepasst.
Speaker: Heute macht das die KI für einen.
Speaker: Die passt einem sogar noch das Stück an, dass es genau reinpasst.
Speaker: Also insofern sehe ich, dass die Sachen eine neue Ebene der Produktivität ermöglichen.
Speaker: Aber die Werkzeuge haben natürlich eine Grenze.
Speaker: Und wir haben jetzt seit zwei Semestern in Folge ein Seminar, Programming of Large Language Models gehabt, in dem einfach...
Speaker: diverse Projekte angegangen werden.
Speaker: Also in der ersten Instanz hat ein Student ein Bewässerungssystem für seine Pflanzen gebaut mit Lichtsensor, Pumpe und hat sich quasi beraten lassen, welche Teile muss er bestellen, wie muss er sie zusammenbauen und welche Software muss er dazu schreiben.
Speaker: Das hat ihm alles dieses Null-English-Moggle dabei unterstützt.
Speaker: Also diverse Projekte.
Speaker: Was wirklich faszinierend war.
Speaker: Aber wir sind immer an die Grenzen gekommen, wenn es um neuartige Dinge ging, neuartige Programmierschnittstellen, weil die eben noch nicht in den Trainingsdaten waren.
Speaker: Und dann bei komplexen Fragestellungen, wenn es also wirklich große Softwareprojekte waren.
Speaker: Dafür waren die Systeme nicht geeignet.
Speaker: Insofern, man kann sehr schnell vorankommen.
Speaker: Ich denke, die Systeme sind auch...
Speaker: unheimlich nützlich, um neue Fähigkeiten zu erlernen.
Speaker: Fähigkeiten, von denen man sich vielleicht gar nicht überlegt hat, dass man das überhaupt kann.
Speaker: Also teilweise kommt das ein bisschen so vor wie in der Matrix, wenn der jetzt sagt, ich muss jetzt in den Helikopter fliegen, und dann kann er in den Helikopter fliegen.
Speaker: Also man kommt schnell voran, aber das heißt nicht, dass das, was aus dem System kommt, eben eine hochgradige Qualität hat.
Speaker: Das ist so eine 80-Prozent-Lösung.
Speaker: Gerade in sicherheitskritischen Bereichen ist das also
Speaker: Schwerwiegend davon abzuwarten, weil da immer wieder bekannte Sicherheitslücken eben noch drin sind, die eben noch im Internet zu finden sind.
Speaker: Aber es ist nützlich.
Speaker: Was du jetzt gerade stark gemacht hast, ist eben auch der Einsatz dieser Werkzeugverfahren, gerade wenn es dann in der Anwendung überführt ist, also nicht nur der Code ist, nicht nur das Modell ist, sondern auch für Nichtprogrammierende nutzbar ist über diesen Sprachbord oder über Eingabesysteme, mit denen wir arbeiten können, dann ist es ja auch lustig und dann muss man aber gucken, wie man den Zugang gestalten kann, was es für alle lustig ist.
Speaker: Christian, wie nutzt ihr denn KI als Assistenzsystem im Museum?
Speaker: Also gibt es bis jetzt schon Bereiche oder auch aus den Projekten, die du kennst, in deinem Umfeld oder auch über die Tagung, in den Verfahren oder auch sogar schon Anwendungen im Einsatz sind, die als Assistenzsystem Aufgaben im Museum erleichtern?
Speaker: In einem von diesen Sammelnwahn forschen, vermitteln, Rubriken.
Speaker: Ja, also prinzipiell auf einer ganz banalen Ebene ist es so, dass auch so Dinge wie Deeper Budget GPT-Museum verwendet werden.
Speaker: Also unsere Geschäftsführung zum Beispiel hat auch ganz offensiv das ausgerollt für die MitarbeiterInnen und auch ein Trainingsprogramm MySkills.ai zur Verfügung gestellt.
Speaker: Also diese Dinge sind in den ganzen Unternehmen, auch Museumsunternehmen sehen, verteilt.
Speaker: Dann mehr spezifisch in der Kunstgeschichte ist natürlich, in der Kunsthistorisch ist immer herausfordernd, ich habe es vorhin schon erwähnt, also wie geht man um mit Sammlungen, die ja relativ groß oft sind, die haben Tausende, Zehntausende, Hunderttausende und so weiter.
Speaker: Werke, die brauchen in irgendeiner Form Beschreibung, brauchen Metadaten und so weiter.
Speaker: Und da sehe ich schon sehr stark, wie künstliche Intelligenz eingesetzt wird, obwohl ich mich da immer frage, ob nicht andere und vielleicht auch bessere Alternative dazu tatsächlich diese Citizen Science Projekte sind, diese Social Tagging.
Speaker: weil man ja will als Museum, dass sich die Leute mit dem Werk auseinandersetzen.
Speaker: Ich kann zwar im Sinne von Automatisierung Metadaten mit KI relativ schnell anreichern und auch schaffen, aber schöner ist es doch, wenn Tausende von Leuten uns helfen, uns mit unserer
Speaker: unseren Werken zu beschäftigen.
Speaker: Wahrscheinlich ist eine Mischung von beiden ideal, dass die KI etwas vorschlägt, eben wie wir es auch bei diesem Beispiel Livia AI gesehen haben.
Speaker: Da kriegt man dann so eine Kachel von 5x5 Bildern und es schlägt die KI vor zu dem, dass in der Mitte steht, welche sind ähnlich, die werden dann rundherum angeordnet.
Speaker: Das Problem ist immer dieser Blackbox-Charakter, der mich nervt, dass ich nicht weiß, warum die K. Ich glaube, dass diese Bilder ähnlich sind.
Speaker: Aber wenn man da halt diesen Loop reinbauen kann, dass der Mensch wieder was macht und man kriegt neue Vorschläge und verfeinert das, ich glaube, in dieser Richtung kann man ein ziemliches Potenzial.
Speaker: Und das andere, was halt immer wieder auch erwähnt wird, ist im Sinne von Chatbots.
Speaker: Das kommt auch mehr und mehr zumindest für die Basisinformation, die man in einem Museum will.
Speaker: wo jemand heute noch am Telefon Informationen gibt.
Speaker: Das kann man wahrscheinlich über Chatbots sehr schnell auch abdecken.
Speaker: Oder es gibt auch natürlich Beispiele, wo man mit verstorbenen Künstlern reden kann, mit Dali oder so.
Speaker: Oder direkt mit Bildern.
Speaker: Ich weiß nicht, wie weit man da gehen will als seriöses Museum.
Speaker: Das wird ein Ausdifferenzierungsprozess sein, weil da kommt man sehr stark in diese kommerzielle Schiene, die man mit diesen Immersive-Spektakeln sieht.
Speaker: Also wo ordnet sich da das Museum dann ein als autoritative Institution, als um Kunstgeschichte geht?
Speaker: Das ist natürlich auch ein Aspekt, den man sich immer bedenken muss, wie weit geht man und was macht man.
Speaker: In meinem Freundeskreis, alle nicht in der Kunstgeschichte und Geisteswissenschaft unterwegs, die lieben diese Ausstellungen.
Speaker: Die pilgern zum immer sieben Klimt, zum immer sieben Van Gogh, reisen bis in die Britannien, in einen großen Bunker, in den mit unglaublich viel PowerPoint-Präsentationen, also ich sage es jetzt mal ganz banal, sagen gemacht werden,
Speaker: beten fast vor Refik Anadols Datenhalluzinationen und ich sehe dich, kann ich gerade Luft schnappen.
Speaker: Was macht das mit unserem Kunstbegriff oder ist das vielleicht auch der Grund, dass wir auf der einen Seite irgendwie so eine Faszination für diese Dinge haben, weil wir sie vielleicht auch nicht richtig verstehen, weil vieles dann intransparent ist, in ihrem Gemachten sein.
Speaker: Ist das vielleicht auch der Grund, warum wir seit, ich hielt es gefühlt, zwei Jahren einmal im Monat eine Tagung haben oder einen Abendvortrag mit Ist KI Kunst, Kann KI Kunst?
Speaker: Wie kreativ ist KI?
Speaker: Also wie gehen wir mit so einer Gleichzeitigkeit von diesen Sachen, wie gehen wir auch aus der Persönlichkeit?
Speaker: Was ist da noch, was ist gerade die Herausforderung für die BIRS-Theorie?
Speaker: Das sind jetzt sehr viele Fragen.
Speaker: Ich frage mich, in welchem Verhalten ich da aufgreifen möchte.
Speaker: Vielleicht fangen wir an, weil ich finde, das steht stellvertretend für eine bestimmte Art von Kunst mit KI.
Speaker: Und ich denke, der Name ist allgemein bekannt, aber vielleicht müssen wir mal in Erinnerung rufen.
Speaker: Das sind eben auch tendenziell fast immersive,
Speaker: Installationen in Düsseldorf im Kunstmuseum Kunstpalast, eine große Ausstellung, in MoMA war eine Ausstellung, die riesige Datenmengen nehmen und visualisieren in Form von Dingen, die schon auch als Lavalampen und Bildschirmschoner beschrieben wurden und nicht ganz so unwählen.
Speaker: Also faszinierende Farbwirbel, die behaupten, da irgendetwas sichtbar zu machen, was sozusagen
Speaker: diese Datenmengen in irgendeiner Form hervorbringen.
Speaker: Und das ist natürlich eine Mystifizierung von Machine Learning letzten Endes und eine Form der Ästhetik der Erhabenheit.
Speaker: Es wird dann auch betextet als Verbindung von Kunst, Natur, Technik, Wissenschaft und der Mensch und so weiter.
Speaker: Also die größten Flosken werden dann da sozusagen in den kuratorischen Texten draufgepackt.
Speaker: Und das ist mit uns natürlich den Firmen, die das vorantreiben, durchaus gefällt.
Speaker: Das ist auch kein Zufall, dass zum Beispiel die KI-Kunstausstimmung in Leipzig, die von Palantir gesponsert wurde, also der Firma von Peter Thiel, einer Firma, die mit Massenüberwachung ihr Gehälften macht und von einem rechtsradikalen Milliardär,
Speaker: angeführt wird, dass dort auch jemand wie Refik Anadol war.
Speaker: Weil da sozusagen die Kunst ist, die sozusagen ein bestimmtes Bild von KI als so eine Art Naturkraft, als etwas sozusagen, dem wir nur staunend begegnen können, da anschaulich wird und inszeniert wird.
Speaker: Und dann gibt es eben andere KünstlerInnen, die mit und über KI arbeiten, Nito Steyl, der vielleicht bekannteste,
Speaker: aber auch Leute wie Adam Harvey, Trevor Peglin, die versuchen, den kritischen Blick darauf zu werben, zu schauen, okay, was haben wir denn hier zu tun?
Speaker: Wo kommen diese Datenmengen denn her?
Speaker: Was sind das für Prozesse?
Speaker: Was sind vielleicht auch die materiellen Voraussetzungen dafür?
Speaker: Was sind die Ressourcen darauf, diese Technologie?
Speaker: Was sind ihre sozialen Implikationen?
Speaker: Das ist sozusagen eine Art von Kunst mit KI und über KI, die ich persönlich nicht sehr viel kompatischer und spannender finde.
Speaker: Aber erstmal finde ich es interessant, dass im Kunstfeld
Speaker: das auch mit ausgetragen wird.
Speaker: Also wie schauen wir auf KI?
Speaker: Schauen wir auf KI als etwas, was von mächtigen ökonomischen Playern vorangetrieben wird und auf das man auch eine gesellschaftliche und politische Antwort finden muss?
Speaker: Oder schauen wir auf KI als diese Naturmacht, die sozusagen jetzt so über uns kommt und der wir uns eigentlich nur noch ausliefern können?
Speaker: Und das ist, glaube ich, die Botschaft von so Nusserlef schon wie die von Yves Vick Anderdol.
Speaker: Und das...
Speaker: greifen natürlich eine bestimmte Überwältigungsästhetik auf, die viel älter ist und die mit sehr viel mit anderen Formen des beliebten Spektakels zu tun haben und da unmittelbar anschließt.
Speaker: Und vielleicht ist ja wahrscheinlich, wir rechnen doch nur die ganze Zeit, wo kommen diese Mystifizierungen, oder ist euch das auch bewusst?
Speaker: Gibt es deswegen, vielleicht auch anders gefragt, auch in der Informatik gerade eher den Hang, die Blackbox, das intransparent, transparenter zu machen?
Speaker: Ist das bei euch gerade eine Debatte, also Richtung explainer AI?
Speaker: Ne, also...
Speaker: Ich habe keine Angst vor KI, ich habe Angst vor den falschen Leuten mit KI.
Speaker: Also das ist eine Methode, die eben für verschiedenste Dinge eingesetzt werden kann.
Speaker: Und das ist immer eine Dual-Jugus-Problematik, die sich dabei auftut.
Speaker: Aber vor der KI-Singularität oder wie man das auch öfter mal in den sozialen Medien findet, gibt es, wenn man sich das genau anschaut, herzlich wenig...
Speaker: substanzielles dazu, dass man da wirklich Angst haben musste.
Speaker: Aber ansonsten, ja, man muss es eben richtig nutzen.
Speaker: Diese Folge wurde von Jacqueline Klusig-Eckert produziert im Auftrag des Arbeitskreises Digitale Kunstgeschichte.
Speaker: Unterstützt wird sie dabei von der Redaktion der Arbeitskreismitglieder Peter Bell, Lisa Diekmann, Peggy Große, Waltraud von Pippich und Holger Siemann.
Speaker: Finanziert wird AdHistocast, der Podcast zur digitalen Kunstgeschichte von NFDI for Culture, dem Konsortium in der nationalen Forschungsdateninfrastruktur, das sich mit Forschungsdaten zu materiellen und immateriellen Kulturgütern befasst.
Speaker: Unterstützt wird AdHistocast durch den Deutschen Verband für Kunstgeschichte.
Speaker: Du hast noch eine Frage oder Anregungen?
Speaker: Kontaktiere uns einfach unter podcast.digitale-kunstgeschichte.de
