Institut für Kunstgeschichte
print


Navigationspfad


Inhaltsbereich

DFG-Projekt: „iART“

Im Rahmen eines DFG-geförderten Projektes entwickelt der Lehrstuhl für Mittlere und Neuere Kunstgeschichte an der Ludwig-Maximilians-Universität München gemeinsam mit der Forschungsgruppe Visual Analytics der Technischen Informationsbibliothek (TIB) Hannover und der Fachgruppe „Intelligente Systeme und Maschinelles Lernen“ des Heinz Nixdorf Instituts das e-Research-Tool „iART“ zur verbesserten Nutzbarmachung und Auswertung großer Bilddatenmengen im geisteswissenschaftlichen Forschungsprozess. Mit „iART“ soll die Bildrecherche in elektronischen Bilddatenbanken optimiert und damit die Leistungsfähigkeit bestehender wissenschaftlicher Informationssysteme für den geisteswissenschaftlichen Forschungsprozess erhöht werden.

abb-3a abb-3b abb-3c

Kunsthistorische Analysetechniken beruhen im Kern auf Vergleichsprozessen, etwa bei der stilgeschichtlichen Bestimmung oder in der kulturwissenschaftlich orientierten Ikonologie. Grundlage des Vergleichs ist die Bestimmung eines Maßes von Ähnlichkeit, die ebenso auf inhaltlichen wie formalen Kriterien beruhen kann. In der Formgeschichte begründen Kriterien wie Räumlichkeit, Diversität oder Darstellungspräzision die Zugehörigkeit zu einer bestimmten Stilepoche. Die dort unterschiedlich ausgebildeten phänomenologischen Muster der Gestaltung fassen Kunstwerke der gleichen Epoche in Gruppen zusammen, die in sich divers sein können, sich aber gegenüber anderen hinlänglich unterscheiden. In den Kunstwissenschaften besteht daher ein wissenschaftliches Interesse, in Bilddatenbanken von Werkreproduktionen eine Menge von Kunstwerken zu bestimmen, die nach definierbaren Kriterien (sowohl auf Pixelebene als auch auf der Metadatenebene) ähnlich sind, um darauf eine tiefergehende Analyse und Deutung aufzusetzen.

Ziel des Projekts „iART“ ist die Entwicklung eines Tools zur Unterstützung einer systematischen Suche in elektronischen Bilddatenbanken und zur automatisierten (ähnlichkeitsbasierten) Analyse großer Bildkorpora, basierend auf Methoden des maschinellen Lernens (ML) und Konzepten der Statistik und Datenanalyse. Konkret zeichnet sich das geplante Tool durch die drei Funktionalitäten Mustererkennung (u.a. basierend auf Deep Learning), Ähnlichkeitsanalyse (z. B. Clustering) und Personalisierung bzw. Adaption an Nutzerpräferenzen aus, die in dieser Kombination bislang noch in keinem vergleichbaren Projekt realisiert wurden. „iART“ soll diese Forschungs- bzw. Anwendungslücke schließen und mithilfe einer frei und im Quellcode zur Verfügung gestellten Lösung die Suche in kunsthistorischen Bildbeständen ermöglichen. Das Tool soll Forschenden browserbasiert über das Internet zur Verfügung stehen und über standardisierte Schnittstellen auf weitere Datenbanken übertragbar sein. Für den Forschungsprozess in digitalen Arbeitsumgebungen soll „iART“ die Auffindbarkeit von Bildern signifikant verbessern, effizienter gestalten und so die Bildung neuartiger Forschungsfragen und Hypothesen anregen.

Projektleitung

MitarbeiterInnen