PROJEKTABSTRACT
Das Projekt zielt darauf ab, sowohl praktische als auch theoretisch orientierte Überlegungen zum Einsatz von Bildähnlichkeitsbewertungen in der Kunstgeschichte anzustellen. Diese Überlegungen sollen sich von den existierenden Ansätzen in der Kunstgeschichte in zweierlei Hinsicht unterscheiden.
Erstens soll kunsthistorisches Fachwissen in Form von digitalisierten oder digital verfügbaren Textbeständen genutzt werden. Dazu sollen in einem halbautomatischen und interdisziplinären Verfahren Wissensgraphen erstellt und zum Training hybrider Modelle der Künstlichen Intelligenz verwendet werden.
Zweitens wollen wir die KI-generierten Ergebnisse erklärbar machen. Dies soll insbesondere durch die Einbeziehung von Expertentexten und deren Repräsentation in maschineninterpretierbaren Wissensgraphen geschehen, um die Black-Box-Eigenschaft datengetriebener Deep-Learning-Modelle zu durchbrechen. Der praktische Teil wird daher von einer reflexiven Untersuchung in vier Forschungsszenarien begleitet, in denen wir die Auswirkungen unterschiedlicher Textressourcen und Wissensgraphen auf die KI-generierten Ergebnisse und schließlich auf kunsthistorische Forschungsprozesse untersuchen.
Die Perspektive unseres Vorhabens ist es, die Akzeptanz der in den Geisteswissenschaften allgemein stark kritisierten KI zu erhöhen, indem wir uns mit den methodischen Problemen ihres Einsatzes auseinandersetzen.
Team:
Prof. Dr. Ralph Ewerth, Universität Hannover
Kontakt: ralph.ewerth@tib.eu
Prof. Dr. Hubertus Kohle, Ludwig-Maximilians-Universität München
Kontakt: hubertus.kohle@lmu.de
Matthias Springstein, Universität Hannover
Kontakt: matthias.springstein@tib.eu
Julian Stalter, Ludwig-Maximilians-Universität München
Kontakt: Julian.stalter@kunstgeschichte.uni-muenchen.de
Stefanie Schneider, Ludwig-Maximilians-Universität München
Kontakt: stefanie.schneider@itg.uni-muenchen.de
Dr. Eric Müller-Budack, Universität Hannover
Kontakt: eric.mueller@tib.eu
Maximilian Kristen, Ludwig-Maximilians Universität München
Kontakt: max@kristenonline.de