Zusammenfassung
Dieser Beitrag stellt mögliche Anwendungsfelder für Künstliche Intelligenz in der Arbeit mit kulturellen Gütern vor. Er zeigt die Einflüsse auf die Kreation und Produktion von Kunst ebenso wie auf deren Kuratierung, Analyse und Rezeption. In der Betrachtung von Kulturbetrieben stehen insbesondere Museen im Vordergrund, da sie durch ihr breites Aufgabenfeld die größte Vielfalt möglicher Einsatzbereiche vorgeben. Es zeigt sich, dass vor allem Maschinenlernen derzeit in der Kreation und Produktion von Kulturgütern und Kunstwerken bereits angewandt wird. Zu beachten ist hier die getrennte Betrachtung von kreativem Prozess und kreativem Ergebnis. Nach den meisten Definitionen kann Künstliche Intelligenz keinen mit dem Menschen vergleichbaren kreativen Prozess durchführen, jedoch beachtliche Ergebnisse in vielen kreativen Feldern hervorbringen. Es ist in einigen Disziplinen bereits schwer, die Unterschiede zwischen menschen- und maschinengemachten künstlerischen Ergebnissen zweifelsfrei festzustellen. Ein Effekt dieser vergleichbaren Qualität mit menschlicher Schöpfungskraft kann ein starker Anstieg der Verfügbarkeit kunstähnlicher Produkte sein. Weitere Einsatzgebiete Künstlicher Intelligenz sind auch in kulturellen Institutionen vorstellbar, aber bis auf Ausnahmen noch nicht weit verbreitet. Insbesondere in der Kuratierung, der wissenschaftlichen Untersuchung von Sammlungsobjekten, sowie der Schaffung eines Publikumserlebnisses kommen einige der Stärken von Maschinenlernen und KI zum Tragen: Erkenntnisgewinne aus der Analyse großer Datenmengen, Vergleiche und anlassbezogene Zusammenstellung von Werken und ihren Metadaten. Doch stellt die Verwertung von derlei Daten für viele kulturelle Institutionen bislang ein schwieriges und kaum zu finanzierendes Problem dar. Die Effizienzsteigerung durch KI kann dafür eine Lösung sein. Selbstverständlich werden sich KI-Anwendungen vermehrt auch in Marketing, Kommunikation, Verwaltung und dem Infrastrukturmanagement von kulturellen Institutionen finden. Diese Gebiete werden hier nicht weiter beleuchtet, da sie vergleichbaren Anwendungen in anderen Wirtschaftsbereichen stark ähneln, für die bereits umfassende Literatur vorliegt. Es seien beispielhaft Kommunikationsbots, Analysewerkzeuge für Social-Media-Aktivitäten oder Einsatzplaner für Personal genannt. Neue Gefahren beim Einsatz von KI in kulturellen Institutionen entstehen durch Abhängigkeiten von Unternehmen, deren Geschäftstätigkeit nicht prioritär kulturell geprägt ist und die eine Alleinstellung in der Verwertung kultureller Daten haben. Weiterhin könnten der starke Einfluss und die hohe Innovationskraft von Technologieunternehmen zu einem Rückzug des Staates aus der kulturellen und kulturwissenschaftlichen Arbeit führen.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsLiteratur
Akten, M. (2016). Review of machine/deep learning in an artistic context. Medium. https://medium.com/machine-intelligence-report/machine-deep-learning-in-an-artistic-context-441f28774bcc. Zugegriffen: 29. Apr. 2018.
Bibel, W. (2008). Künstliche Kreativität. In M. Dresler & T. G. Baudson (Hrsg.), Kreativität – Beiträge aus den Natur- und Geisteswissenschaften (S. 107–127). Stuttgart: Hirzel Verlag.
Caines, M. (2017). Bringing artificial intelligence to the art world. The telegraph connect. https://www.telegraph.co.uk/connect/small-business/artfinder-bringing-ai-to-the-art-world/#comments. Zugegriffen: 29. Apr. 2018.
Cardoso, A., & Wiggins, G. A. (2007). Proceedings of the 4th International joint workshop on computational creativity. Goldsmiths, University of London http://computationalcreativity.net/ijwcc07/. Zugegriffen: 29. Apr. 2018.
Ciecko, B. (2017). Examining the impact of artificial intelligence in museums. MW 2017. https://mw17.mwconf.org/paper/exploring-artificial-intelligence-in-museums/. Zugegriffen: 29. Apr. 2018.
Coeckelbergh, M. (2017). Can machines create art? Philosophy & Technology, 30(3), 285–303.
Craft (2017). Europeana pro website. https://pro.europeana.eu/data/craft. Zugegriffen: 1. Apr. 2018.
Doury, S., & Ferrier, E. (2018). Art palette. https://experiments.withgoogle.com/arts-culture/art-palette. Zugegriffen: 29. Apr. 2018.
Elgammal, A., Liu, B., Elhoseiny, M., & Mazzone, M. (2017a). CAN: Creative adversarial networks, generating “Art” by learning about styles and deviating from style norms.
Elgammal, A., Kang, Y., & Den Leeuw, M. (2017b) Picasso, matisse, or a fake? automated analysis of drawings at the stroke level for attribution and authentication.
Forschen. (2017). Museumsbund website. http://www.museumsbund.de/forschen/. Zugegriffen: 29. Apr. 2018.
Gallica Studio. (2017). Plongez dans les images de 14–18 avec notre nouveau moteur de recherche iconographique GallicaPix. http://gallicastudio.bnf.fr/boîte-à-outils/plongez-dans-les-images-de-14-18-en-testant-un-nouveau-moteur-de-recherche. Zugegriffen: 28. Apr. 2018.
Gomez-Uribe, C., & Hunt, N. (2015). The netflix recommender system: Algorithms, business value, and innovation. ACM Transaction on Management Information System, 6(4), 1–19.
Google Cultural Institute. (2015). Discover artworks, collections and stories from all around the world like never before. https://www.google.com/culturalinstitute/about/users/. Zugegriffen: 28. Apr. 2018.
Hadjeres, G., Pachet, F., & Nielsen, F. (2016) DeepBach: A steerable model for bach chorales generation. Proceedings of the 34th International Conference on Machine Learning, PMLR 70:1362–1371, 2017.
Innovation Lab For Museums. (2013). American alliance of museums. http://www.aam-us.org/resources/center-for-the-future-of-museums/projects-and-reports/innovation-lab-for-museums. Zugegriffen: 1. Apr. 2018.
Kurzweil. R. (2014). Menschheit 2.0: Die Singularität naht. Berlin: Lola Books.
Lecoutre, A., Négrevergne, B., & Yger, F. (2017). Recognizing art style automatically in painting with deep learning. ACML. JMLR: Workshop and conference proceedings 80, 1–17. http://www.lamsade.dauphine.fr/~bnegrevergne/webpage/documents/2017_rasta.pdf. Zugegriffen: 28. Apr. 2018.
Malen mit Künstlicher Intelligenz. Die digitale Muse. (2017). Deutschlandfunk Kultur Podcast. http://www.deutschlandfunkkultur.de/malen-mit-kuenstlicher-intelligenz-die-digitale-muse.2156.de.html?dram:article_id=395085. Zugegriffen: 29. Apr. 2018.
McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the dartmouth summer research project on artificial intelligence. Stanford university. http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html. Zugegriffen: 8. Apr. 2018.
Online Art Trade Report. (2017). Hiscox. https://www.hiscox.co.uk/sites/uk/files/documents/2017-05/hiscox-online-art-trade-report-2017.pdf. Zugegriffen: 30. Apr. 2018.
Ramalho, A. (2017). Will robots rule the (Artistic) world?: A proposed model for the legal status of creations by artificial intelligence systems. Journal of Internet Law, 21(1), 13.
Sawyer, R. K. (2011). Explaining creativity: The science of human innovation. New York: Oxford University Press USA – OSO.
Schuettpelz, E., Frandsen, P., Dikow, R., Brown, A., Orli, S., Peters, M., Metallo, A., Funk, V., & Dorr, L. (2017). Applications of deep convolutional neural networks to digitized natural history collections. Biodiversity Data Journal 5: e21139. https://doi.org/10.3897/BDJ.5.e21139. Zugegriffen: 28. Apr. 2018.
The National Gallery predicts the future with artificial intelligence. (2017). Dexibit Pressemeldung. https://dexibit.com/wp-content/cache/all/about/media/the-national-gallery-predicts-the-future-with-artificial-intelligence/index.html. Zugegriffen: 29. Apr. 2018.
Veitch, M. (2016). The story behind Rembrandt’s last, 3D-printed masterpiece. http://www.idgconnect.com/abstract/17302/the-story-rembrandt-3d-printed-masterpiece. Zugegriffen: 1. Mai 2018.
Volland, H. (2018). Die kreative Macht der Maschinen. Weinheim: Beltz.
Widmer G. (2001). Using ai and machine learning to study expressive music performance: Project survey and first report. Draft version of a paper to appear in AI Communications 14, 2001. http://www.ofai.at/cgi-bin/tr-online?number+2001-06. Zugegriffen: 28. Apr. 2018.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Volland, H. (2019). Einsatzgebiete Künstlicher Intelligenz in der inhaltlichen Arbeit von Kulturbetrieben. In: Pöllmann, L., Herrmann, C. (eds) Der digitale Kulturbetrieb. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-24030-1_6
Download citation
DOI: https://doi.org/10.1007/978-3-658-24030-1_6
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-24029-5
Online ISBN: 978-3-658-24030-1
eBook Packages: Business and Economics (German Language)