Wie das Material ins Bild kam: Kulturelle Innovationen interdisziplinär mit Künstlicher Intelligenz erforschen

Gerade in einer Zeit, in der – nicht zuletzt auch bedingt durch die Corona-Pandemie – die Virtualisierung unterschiedlicher Lebensbereiche immer mehr zum Alltag geworden ist, rücken auch historische Virtualisierungen der physischen Welt in den Blickpunkt. Eine besonders nachhaltige und umfassende Entwicklung hat ihre Wurzeln in der Kunst des 14. Jahrhunderts, in der der Erkennbarkeit des Materials in der Darstellung erstmals seit der Antike ein bedeutender Stellenwert eingeräumt wurde. Diese Entwicklung, die die Kunstproduktion weiter Teile Europas erfasste, kann nur mit dem interdisziplinären Ansatz der Digital Humanities adäquat erforscht und in der Folge dem bekannten neuen Realismus, der sich gegen Mitte des 15. Jahrhunderts unter dem Einfluss der altniederländischen Malerei weithin durchsetzte, gegenübergestellt werden. Werden bis dato Künstliche Intelligenz-Verfahren überwiegend für Bereiche wie Sicherheit, autonomes Fahren oder Medizin entwickelt, wird das Potential, das ein solcher Zugriff für die digitalen Geisteswissenschaften bietet, gegenwärtig noch nicht ausreichend genutzt. Gerade wenn es, wie in diesem Projekt, um die Prozesse einer großen Entwicklung und damit um die Vergleiche von dargestelltem Material in vielen Bildern geht, ist ein Distant Viewing-Ansatz erforderlich. Nachdem ein manuelles Annotieren der relevanten Bildbereiche für ein solches Projekt Jahrzehnte dauern oder immense Arbeitskraftkapazitäten in Anspruch nehmen würde, ist die interdisziplinäre Zusammenarbeit von Kunstgeschichte und Visual Computing hier besonders zielführend. Auf der Basis von Quellenmaterial aus der Bilddatenbank REALonline werden Verfahren zur maschinellen Erkennung von in der Buchkunst und der Tafelmalerei dargestellten Materialstrukturen und Oberflächenqualitäten entwickelt. Die Verfahren machen Auswertungen hinsichtlich des dargestellten Materials möglich, die Muster und Tendenzen – aber auch Sonderlösungen – in Big Data-Corpora erkennen lassen, deren Kausalitäten in weiterer Folge mit kunsthistorischen Methoden untersucht werden können.