KI in der Kunst - Kunstgeschichte und Künstliche Intelligenz
KI in der Kunst - Kunstgeschichte und Künstliche Intelligenz
Einleitung
Künstliche Intelligenz verändert die Kunst, die Kunstgeschichte, die Bildwissenschaft, das Design, die Fotografie, die Museumspädagogik und den Kunstmarkt. Sie erzeugt Bilder, ordnet große Bildarchive, unterstützt Restaurierungen, analysiert Stile, vergleicht Motive und stellt zugleich grundlegende Fragen: Wer ist Urheber eines KI-generierten Bildes? Was bedeutet Kreativität, wenn ein Algorithmus Formen, Farben und Bildwelten vorschlägt? Wie verändert sich Kunstgeschichte, wenn Maschinen Millionen von Bildern nach Mustern durchsuchen können? Und wie bewertest Du ein Bild, dessen Entstehung nicht mehr allein auf menschlicher Handarbeit, sondern auf Trainingsdaten, Prompts, neuronalen Netzen und statistischer Bildsynthese beruht?
Dieser aiMOOC führt Dich in das Thema KI in der Kunst / Kunstgeschichte und Künstliche Intelligenz ein. Du lernst historische Vorläufer kennen, verstehst Grundprinzipien generativer Bildsysteme, untersuchst Chancen und Risiken für die kunsthistorische Forschung und reflektierst Fragen zu Ethik, Copyright, Autorschaft, Originalität, Provenienzforschung, Bildanalyse und Medienkompetenz. Der Kurs eignet sich für Schule, Oberstufe, Studium, Kunstunterricht, Medienbildung, Informatikunterricht und fächerübergreifende Projekte.
{{#ev:youtube| https://www.youtube.com/watch?v=FsntoAe-Z5E |500|center}}
Lernziele
Nach diesem aiMOOC kannst Du erklären, was KI-Kunst ist, wie generative KI Bilder erzeugt und warum Kunstgeschichte durch digitale Methoden neue Forschungsfragen entwickelt. Du kannst zwischen Computerkunst, generativer Kunst, digitaler Kunst, KI-Kunst und KI-gestützter Bildanalyse unterscheiden. Außerdem kannst Du einfache Prompts reflektiert formulieren, KI-Bilder kritisch bewerten, rechtliche Grundfragen benennen und ein eigenes kleines Forschungs- oder Kunstprojekt planen.
Videoeinstieg: KI-Kunst als Gegenwartsthema
Das Einstiegsvideo macht deutlich, dass KI-Kunst nicht nur ein technisches Thema ist. Es geht um Ästhetik, Kreativität, Urheberrecht, Trainingsdaten, Prompting, Kunstmarkt, Museum, Bildgeneratoren und die Frage, wie menschliche und maschinelle Bildproduktion zusammenwirken. Achte beim Ansehen besonders auf folgende Leitfragen: Welche Rolle spielt der Mensch? Welche Rolle spielt das Modell? Welche Daten wurden genutzt? Wie wird ein Ergebnis bewertet? Welche ethischen und rechtlichen Fragen bleiben offen?
Grundlagen: Was ist KI in der Kunst?
KI-Kunst bezeichnet Kunstwerke, künstlerische Prozesse oder kunstbezogene Forschung, die mithilfe von Künstlicher Intelligenz entstehen, unterstützt oder verändert werden. Dazu gehören KI-generierte Bilder, KI-gestützte Bildbearbeitung, algorithmische Installationen, interaktive Werke, maschinelle Bildklassifikation, Stilübertragung, Rekonstruktion beschädigter Werke, automatische Verschlagwortung von Sammlungen und digitale Vergleichsmethoden in der Kunstgeschichte.
Ein künstliches neuronales Netz besteht vereinfacht aus miteinander verbundenen Recheneinheiten. Es lernt nicht wie ein Mensch durch Bewusstsein, Erfahrung und Absicht, sondern erkennt statistische Zusammenhänge in Daten. In der Bild-KI können solche Daten Fotografien, Gemälde, Skizzen, Beschreibungen, Bildunterschriften, Stilbegriffe, Objektklassen oder andere visuelle Informationen sein. Das System lernt beispielsweise, dass bestimmte Farbfelder, Linien, Perspektiven oder Texturen häufig mit Begriffen wie Porträt, Landschaft, Barock, Kubismus oder Fotorealismus verbunden sind.
Drei Rollen von KI in der Kunst
- KI als Werkzeug: KI unterstützt Menschen beim Bearbeiten, Variieren, Restaurieren, Sortieren oder Visualisieren von Bildern. Der Mensch trifft wesentliche Entscheidungen über Auswahl, Ziel, Kontext und Bewertung.
- KI als Generator: KI erzeugt auf Grundlage von Eingaben neue Bilder, Bildvarianten, Stile oder Kompositionen. Der Mensch steuert den Prozess häufig über Prompts, Parameter, Auswahl und Nachbearbeitung.
- KI als Analyseinstrument: KI hilft der Kunstgeschichte, große Bildbestände zu durchsuchen, Motive zu erkennen, Werkgruppen zu vergleichen, Restaurierungsfragen vorzubereiten oder Sammlungsdaten zu erschließen.
Wichtige Begriffe
- Prompt: Eine sprachliche, visuelle oder kombinierte Eingabe, mit der Du einem KI-System mitteilst, welches Ergebnis erzeugt oder analysiert werden soll.
- Trainingsdaten: Daten, aus denen ein Modell Muster lernt. Bei Bild-KI können das Bilder, Beschreibungen, Metadaten oder Bild-Text-Paare sein.
- Generative KI: KI-Systeme, die neue Inhalte wie Bilder, Texte, Musik, Videos oder 3D-Modelle erzeugen.
- Deep Learning: Ein Bereich des maschinellen Lernens, bei dem tiefe neuronale Netze komplexe Muster in großen Datenmengen erkennen.
- Bias: Eine Verzerrung in Daten, Modellen oder Ergebnissen, die bestimmte Gruppen, Stile, Kulturen oder Sichtweisen über- oder unterrepräsentiert.
- Stiltransfer: Ein Verfahren, bei dem Merkmale eines Bildstils auf ein anderes Bild übertragen werden.
- Provenienz: Die Herkunfts- und Besitzgeschichte eines Kunstwerks.
- Ikonografie: Die Deutung von Bildmotiven, Symbolen und Figuren.
- Metadaten: Zusatzinformationen zu einem Bild, etwa Titel, Künstler, Entstehungszeit, Material, Sammlung, Lizenz oder Schlagwörter.
- Urheberrecht: Rechtsgebiet, das persönliche geistige Schöpfungen schützt und Nutzungen regelt.
Kunsthistorischer Hintergrund
KI-Kunst steht nicht plötzlich am Anfang der Kunstgeschichte. Sie knüpft an ältere Entwicklungen an: Automaten, Optik, Fotografie, Druckgrafik, Kinetische Kunst, Konkrete Kunst, Kybernetik, Computerkunst, Videokunst, Netzkunst und generative Kunst. Schon bevor heutige Bildgeneratoren populär wurden, arbeiteten Künstlerinnen und Künstler mit Regeln, Zufall, Maschinen, Computern und Programmen.
Von der Computerkunst zur KI-Kunst
Die frühen Ausstellungen zur Computerkunst in den 1960er Jahren zeigten, dass Computer nicht nur Rechenmaschinen, sondern auch Werkzeuge zur ästhetischen Produktion sein können. Künstler und Wissenschaftler wie Georg Nees, Frieder Nake und A. Michael Noll nutzten Programme und Plotter, um Linien, Formen und Muster zu erzeugen. Diese Werke waren oft streng, abstrakt und mathematisch. Dennoch stellten sie bereits eine Frage, die heute wieder zentral ist: Kann eine Maschine an künstlerischer Formfindung beteiligt sein?
AARON und frühe KI-Kunst
Ein wichtiger historischer Bezugspunkt ist AARON, ein von Harold Cohen entwickeltes Programm zur Erzeugung künstlerischer Bilder. AARON war kein heutiger Text-zu-Bild-Generator, sondern ein regelbasiertes, über Jahrzehnte entwickeltes System. Es zeigte, dass maschinelle Bildproduktion lange vor aktuellen KI-Modellen als künstlerisches Experiment verstanden wurde. Cohen fragte nicht nur, ob eine Maschine Kunst machen könne, sondern auch, welche Bedingungen ein Bild erfüllen muss, damit Menschen es als Bild lesen.
{{#ev:youtube| https://www.youtube.com/watch?v=xkrJwURBEfg |500|center}}
DeepDream, GANs und Diffusionsmodelle
Seit den 2010er Jahren wurden KI-Bilder durch Deep Learning sichtbarer. DeepDream machte neuronale Mustererkennung ästhetisch erfahrbar, indem es Bildstrukturen übersteigerte und traumähnliche Formen erzeugte. GANs erzeugten neue Bilder durch ein Wechselspiel zwischen einem Generator und einem Diskriminator. Später machten Diffusionsmodelle und Text-zu-Bild-Systeme die Erzeugung komplexer Bildwelten durch Prompts für viele Menschen zugänglich.
DeepDream zeigt anschaulich, dass KI-Bilder nicht einfach Fotos oder Gemälde kopieren. Sie entstehen durch die Verstärkung, Kombination und Transformation gelernter Muster. Gerade diese Musterhaftigkeit kann ästhetisch spannend sein, führt aber auch zu Fehlern, Klischees, Verzerrungen und Wiederholungen.
Ein GAN besteht vereinfacht aus zwei Teilen: Der Generator erzeugt Bildvorschläge, der Diskriminator bewertet, ob sie echten Trainingsbeispielen ähneln. Durch diesen Wettbewerb entstehen immer überzeugendere Bilder. Für die Kunst ist daran interessant, dass ein Modell nicht einfach eine einzelne Vorlage abmalt, sondern Wahrscheinlichkeiten aus vielen Beispielen nutzt.
Edmond de Belamy als Debattenfall
Das Bild Edmond de Belamy wurde international bekannt, weil es als KI-generiertes Werk im Kunstmarkt große Aufmerksamkeit erhielt. Es ist ein gutes Beispiel dafür, wie KI-Kunst Fragen nach Autorschaft, Kunstmarkt, Originalität, Signatur, Wert und kuratierter Präsentation auslöst. Entscheidend ist nicht nur das sichtbare Bild, sondern auch der Prozess: Wer hat das Modell gewählt? Wer hat Daten gesammelt? Wer hat Ergebnisse ausgewählt? Wer hat das Werk präsentiert, erklärt und verkauft?
KI in der Kunstgeschichte
Kunstgeschichte untersucht Werke, Stile, Materialien, Bildprogramme, Funktionen, Auftraggeber, kulturelle Kontexte, Rezeptionsgeschichte und Deutungen. KI kann in diesem Fach besonders dort helfen, wo große Bildmengen, komplexe Vergleichsfragen oder digitale Sammlungen eine Rolle spielen. Sie ersetzt aber nicht die kunsthistorische Interpretation. Ein Modell kann Muster finden, aber es versteht nicht automatisch historische Bedeutungen, politische Kontexte, religiöse Symbolik oder ästhetische Absichten.
Bildanalyse und Mustererkennung
KI-Systeme können in digitalen Sammlungen nach Ähnlichkeiten suchen. Sie können Formen, Gesichter, Objekte, Kompositionsschemata, Farben, Texturen oder Bildausschnitte vergleichen. So können Forschende Hinweise auf Werkstattzusammenhänge, Motivwanderungen, Kopien, Vorlagen, Bildserien oder stilistische Entwicklungen erhalten. Solche Hinweise sind aber keine endgültigen Beweise. Sie müssen mit Quellen, Materialuntersuchungen, historischen Dokumenten und kunsthistorischer Argumentation verbunden werden.
Provenienzforschung und Sammlungsdaten
In der Provenienzforschung geht es um die Herkunft von Kunstwerken und ihre Besitzgeschichte. KI kann helfen, große Datenmengen zu durchsuchen: Auktionskataloge, Inventare, Museumsdatenbanken, historische Fotografien, Archivdokumente oder digitalisierte Korrespondenzen. Besonders wichtig bleibt dabei die sorgfältige Quellenkritik. Ein automatisch gefundener Namensähnlichkeitstreffer ist noch kein Beleg für eine sichere Zuordnung.
Restaurierung und Rekonstruktion
Bei der Restaurierung kann KI beschädigte Bildbereiche analysieren, Farbschichten vergleichen, Röntgenbilder auswerten oder hypothetische Rekonstruktionen vorschlagen. Solche Vorschläge sind jedoch immer als Hilfsmittel zu verstehen. Sie dürfen nicht unkritisch als ursprünglicher Zustand ausgegeben werden. Restaurierung verlangt Transparenz: Was ist historisch belegt? Was ist ergänzt? Was ist Simulation? Was ist Interpretation?
Digitale Sammlungen und Vermittlung
Museen nutzen digitale Methoden, um Sammlungen zugänglich zu machen. KI kann automatische Bildbeschreibungen erzeugen, Suchfunktionen verbessern, Barrierefreiheit unterstützen oder personalisierte Vermittlungsangebote ermöglichen. Gleichzeitig entstehen Risiken: Wenn Metadaten fehlerhaft sind, übernimmt KI diese Fehler. Wenn Sammlungen bestimmte Regionen, Geschlechter oder Kunstformen bevorzugen, können diese Schieflagen verstärkt werden. Deshalb muss digitale Kunstvermittlung divers, überprüfbar und transparent gestaltet werden.
Prompting als künstlerische Praxis
Prompting ist mehr als das Schreiben eines kurzen Befehls. In der KI-Kunst wird Prompting zu einer gestalterischen Praxis. Du beschreibst Motiv, Stil, Stimmung, Material, Perspektive, Licht, Farbigkeit, Epoche, Komposition, Detailgrad und Ausschlüsse. Anschließend bewertest Du Ergebnisse, veränderst Formulierungen, kombinierst Bildvarianten, nutzt Referenzbilder, bearbeitest weiter oder verwirfst Resultate.
Bestandteile eines reflektierten Prompts
- Motiv: Was soll dargestellt werden?
- Kontext: In welcher Zeit, Situation, Kultur oder Umgebung soll das Bild stehen?
- Stil: Welche formalen Merkmale sollen auftreten, ohne lebende Künstlerinnen oder Künstler unzulässig zu imitieren?
- Materialität: Soll das Bild wie Ölmalerei, Tusche, Fotografie, Collage, Druckgrafik oder 3D-Render wirken?
- Komposition: Wie sollen Bildaufbau, Perspektive, Nähe, Bewegung und Blickführung aussehen?
- Licht: Welche Atmosphäre entsteht durch Licht, Schatten, Kontrast und Farbe?
- Transparenz: Wie dokumentierst Du, welche KI, welche Eingaben und welche Bearbeitungsschritte verwendet wurden?
- Ethik: Welche Stereotype, Klischees, kulturellen Aneignungen oder irreführenden Wirkungen könnten entstehen?
Beispiel für Prompt-Reflexion
Ein schwacher Prompt wäre: Male ein schönes Bild über Zukunft. Ein reflektierter Prompt wäre: Erzeuge eine nicht-fotorealistische Collage über das Verhältnis von Mensch, Maschine und Erinnerung in einer Museumslandschaft. Nutze fragmentierte Perspektiven, kühle Lichtstimmung, sichtbare digitale Artefakte und eine Komposition, die Betrachterinnen und Betrachter zwischen Archiv und Labor positioniert. Der zweite Prompt beschreibt Thema, Stil, Bildraum, Atmosphäre und Deutungsidee genauer. Trotzdem ist das Ergebnis kein fertiges Kunstwerk. Erst Auswahl, Kontextualisierung, Überarbeitung und Reflexion machen daraus eine bewusste künstlerische Arbeit.
Urheberrecht, Trainingsdaten und Verantwortung
KI-Kunst wirft schwierige rechtliche Fragen auf. Dazu gehören die Nutzung von Trainingsdaten, die Schutzfähigkeit von KI-Ergebnissen, die Rolle menschlicher Gestaltung, die Kennzeichnung synthetischer Bilder, die Nachahmung bestimmter Stile, die Verwendung geschützter Werke, Persönlichkeitsrechte und Lizenzbedingungen. In vielen Rechtsordnungen ist entscheidend, ob eine erkennbare menschliche schöpferische Leistung vorliegt. Rein maschinelle Erzeugung ohne menschlichen Gestaltungsspielraum wird häufig anders bewertet als ein Werk, bei dem Menschen Auswahl, Komposition, Bearbeitung und Kontext wesentlich prägen.
Text und Data Mining
Text und Data Mining beschreibt automatisierte Verfahren, mit denen große Datenmengen analysiert werden. Für KI-Training ist das besonders relevant, weil Bildgeneratoren aus sehr großen Datenbeständen lernen. In Deutschland und der Europäischen Union gibt es rechtliche Regelungen, die bestimmte Formen des Text und Data Mining erlauben, aber auch Bedingungen und Rechtevorbehalte kennen. Für Lernende bedeutet das: Prüfe immer, welche Daten, Lizenzen und Nutzungsbedingungen Du verwendest. Ein frei sichtbares Bild im Internet ist nicht automatisch frei nutzbar.
Autorschaft und künstlerische Entscheidung
Die Frage Wer ist Autorin oder Autor? lässt sich bei KI-Kunst nicht allein technisch beantworten. Beteiligt sein können Entwicklerinnen und Entwickler des Modells, Datensammler, Rechteinhaber der Trainingsdaten, Promptende, Kuratorinnen, Nachbearbeitende, Auftraggeber und Plattformen. Für die künstlerische Bewertung ist wichtig, ob eine Person eine erkennbare Idee verfolgt, Entscheidungen trifft, Ergebnisse auswählt, Varianten reflektiert und das Werk in einen Kontext stellt.
Ethik und Bias
KI-Systeme übernehmen Muster aus Daten. Wenn Daten einseitig sind, können Ergebnisse einseitig werden. In der Kunst betrifft das zum Beispiel Schönheitsnormen, Geschlechterdarstellungen, eurozentrische Kanons, koloniale Bildarchive, stereotype Körperbilder oder die unsichtbare Arbeit bestimmter Gruppen. Verantwortliche KI-Kunst fragt daher: Welche Perspektiven fehlen? Welche Bilder werden wiederholt? Welche Kulturen werden vereinfacht? Welche Machtverhältnisse werden ästhetisch normalisiert?
Kennzeichnung und Bildwahrheit
Generative KI erschwert die Unterscheidung zwischen Foto, Montage, Simulation und frei erzeugtem Bild. Für Kunst kann diese Unsicherheit produktiv sein, etwa wenn ein Werk über Wirklichkeit und Fiktion nachdenkt. In Journalismus, Wissenschaft, Politik und Bildung kann sie aber problematisch sein. Deshalb ist Transparenz wichtig: KI-Anteil, Prompt, Modell, Nachbearbeitung und Zweck sollten angemessen dokumentiert werden.
Chancen und Grenzen
KI eröffnet neue kreative Möglichkeiten: schnelle Skizzen, Stilvariationen, visuelle Experimente, barriereärmere Gestaltung, interaktive Ausstellungen, Analyse großer Sammlungen und neue Formen der Zusammenarbeit. Gleichzeitig entstehen Grenzen und Risiken: Abhängigkeit von Plattformen, unklare Trainingsdaten, rechtliche Unsicherheit, ästhetische Vereinheitlichung, Bias, fehlende Kontextkenntnis, irreführende Bildrealität und die mögliche Entwertung kreativer Arbeit.
Was KI gut kann
- Variation: KI kann schnell viele Bildvarianten erzeugen.
- Mustererkennung: KI kann Ähnlichkeiten in großen Bildmengen finden.
- Simulation: KI kann hypothetische Bildzustände oder visuelle Szenarien darstellen.
- Zugang: KI kann Menschen helfen, Ideen zu visualisieren, auch wenn sie nicht klassisch zeichnen können.
- Archivarbeit: KI kann digitale Sammlungen erschließen und Suchprozesse verbessern.
Was KI nicht ersetzt
- Historisches Verstehen: KI erkennt Muster, versteht aber nicht automatisch kulturelle Bedeutung.
- Künstlerische Verantwortung: Menschen müssen entscheiden, warum ein Bild entsteht und wie es verwendet wird.
- Quellenkritik: Automatische Ergebnisse müssen überprüft und eingeordnet werden.
- Materialerfahrung: Malerei, Skulptur, Druck, Performance und Installation haben körperliche, räumliche und handwerkliche Dimensionen.
- Ethik: Verantwortung für Wirkung, Kontext und Folgen bleibt beim Menschen.
Methoden für den Unterricht
Das Thema eignet sich für projektorientiertes Lernen. Du kannst KI-Kunst praktisch erproben, Bildgeneratoren vergleichen, Museumsdatenbanken untersuchen, Debatten zum Urheberrecht führen, eigene Prompts dokumentieren, historische Computerkunst recherchieren oder eine Ausstellung zu Mensch-Maschine-Kreativität kuratieren. Wichtig ist, dass Du nicht nur Ergebnisse zeigst, sondern auch Prozesse offenlegst.
Analysefragen für KI-Bilder
- Bildbeschreibung: Was ist sichtbar?
- Bildaufbau: Wie sind Raum, Perspektive, Farbe, Licht und Komposition gestaltet?
- Entstehung: Welche KI, welcher Prompt und welche Nachbearbeitung wurden genutzt?
- Datenfrage: Welche Arten von Trainingsbildern könnten das Ergebnis beeinflusst haben?
- Kunsthistorischer Vergleich: Welche Stile, Motive oder Epochen werden zitiert?
- Ethik: Gibt es Stereotype, Täuschung, problematische Aneignung oder fehlende Kennzeichnung?
- Bewertung: Welche menschliche Idee, Entscheidung oder Reflexion trägt das Werk?
Kleines Praxisprojekt: Prompt-Tagebuch
Führe ein Prompt-Tagebuch. Notiere für jedes Bild: Ziel, Prompt, Modell, Parameter, Ergebnis, Auswahlentscheidung, Nachbearbeitung, Probleme, ethische Fragen und Reflexion. Vergleiche am Ende nicht nur die schönsten Bilder, sondern auch gescheiterte Versuche. Gerade Fehler zeigen, wie KI-Systeme Muster interpretieren und wo menschliche Kontrolle notwendig bleibt.
Interaktive Aufgaben
Quiz: Teste Dein Wissen
Was bezeichnet KI-Kunst am treffendsten? (Kunst, die mithilfe von Künstlicher Intelligenz entsteht oder von ihr beeinflusst wird) (!Kunst, die immer vollständig ohne Menschen entsteht) (!Kunst, die ausschließlich aus Roboterskulpturen besteht) (!Kunst, die nur in Museen gezeigt werden darf)
Welche Funktion haben Trainingsdaten bei generativer Bild-KI? (Sie liefern Beispiele, aus denen das Modell statistische Muster lernt) (!Sie sind die endgültigen Kunstwerke im Museum) (!Sie verhindern, dass ein Modell Fehler macht) (!Sie ersetzen jede menschliche Entscheidung)
Was ist ein Prompt? (Eine Eingabe, mit der ein Mensch ein KI-System steuert) (!Ein Zufallsgenerator ohne Sprache) (!Ein Gesetzestext zum Urheberrecht) (!Ein Museumsraum für digitale Kunst)
Welche Aussage beschreibt ein GAN vereinfacht richtig? (Ein Generator erzeugt Vorschläge und ein Diskriminator bewertet sie) (!Ein Drucker kopiert ein Ölgemälde direkt auf Leinwand) (!Ein Museum sortiert Werke nur alphabetisch) (!Ein Künstler malt ohne jede Vorlage mit der Hand)
Warum ist Bias bei KI-Kunst wichtig? (Weil verzerrte Daten zu einseitigen oder stereotypen Bildern führen können) (!Weil Bias jedes Kunstwerk automatisch verbessert) (!Weil Bias nur bei alten Gemälden vorkommt) (!Weil Bias ein anderes Wort für Leinwand ist)
Welche Aufgabe kann KI in der Kunstgeschichte sinnvoll unterstützen? (Sie kann große Bildbestände nach Mustern und Ähnlichkeiten durchsuchen) (!Sie kann historische Bedeutung immer fehlerfrei verstehen) (!Sie kann alle Quellenkritik ersetzen) (!Sie kann Provenienz automatisch endgültig beweisen)
Was gehört zu einem verantwortlichen Umgang mit KI-Bildern? (Transparenz über KI-Einsatz, Quellen, Bearbeitung und Kontext) (!Geheime Nutzung ohne Kennzeichnung) (!Übernahme aller Ergebnisse ohne Prüfung) (!Vermeidung jeder Reflexion)
Was bedeutet Provenienz in der Kunstgeschichte? (Die Herkunfts- und Besitzgeschichte eines Kunstwerks) (!Die genaue Temperatur im Museumsraum) (!Die Anzahl der Farben in einem Bild) (!Die Größe einer digitalen Datei)
Warum ersetzt KI die kunsthistorische Interpretation nicht vollständig? (Weil historische Bedeutung, Kontext und Quellen kritisch gedeutet werden müssen) (!Weil Computer keine Bilder speichern können) (!Weil Kunstgeschichte nur aus Jahreszahlen besteht) (!Weil Museen keine digitalen Daten nutzen)
Welche rechtliche Frage ist bei KI-Kunst besonders wichtig? (Ob Trainingsdaten, menschliche Gestaltung und Nutzungsrechte geklärt sind) (!Ob jedes Bild automatisch gemeinfrei ist) (!Ob nur blaue Bilder geschützt werden) (!Ob Prompts grundsätzlich verboten sind)
Memory
| Neuronales Netz | Lernendes Modell |
| Trainingsdaten | Grundlage des Lernens |
| Prompt | Eingabe an die KI |
| Generator | Erzeugt Bildvorschläge |
| Diskriminator | Bewertet Echtheit |
| Bias | Verzerrung im Datensatz |
| Provenienz | Herkunft eines Werkes |
| Ikonografie | Deutung von Bildmotiven |
Drag and Drop
| Ordne die richtigen Begriffe zu. | Thema |
|---|---|
| Computerkunst | Frühe Kunst mit Programmen, Plottern und algorithmischen Regeln |
| AARON | Frühes KI-Kunstsystem von Harold Cohen |
| DeepDream | Verfahren, das erkannte Bildmuster traumartig verstärkt |
| GAN | Modelltyp mit Generator und Diskriminator |
| Diffusionsmodell | Modelltyp, der Bilder schrittweise aus Rauschen erzeugen kann |
Kreuzworträtsel
| Prompting | Wie nennt man das gezielte Formulieren von Eingaben für KI-Systeme? |
| Datensatz | Wie heißt eine geordnete Sammlung von Daten für Analyse oder Training? |
| Generator | Welcher Teil eines GAN erzeugt neue Bildvorschläge? |
| Bias | Wie nennt man eine Verzerrung in Daten oder Ergebnissen? |
| Provenienz | Wie heißt die Herkunfts- und Besitzgeschichte eines Kunstwerks? |
| Ikonografie | Wie heißt die Deutung von Bildmotiven und Symbolen? |
LearningApps
Lückentext
Offene Aufgaben
Leicht
- Bildbeschreibung: Wähle ein KI-generiertes Bild oder ein digitales Kunstwerk aus und beschreibe genau, was sichtbar ist. Achte auf Motiv, Farbe, Licht, Perspektive und Stimmung.
- Begriffskarte: Erstelle eine Begriffskarte zu fünf Begriffen aus dem Kurs, zum Beispiel Prompt, Trainingsdaten, Bias, Provenienz und Urheberrecht.
- Prompt-Vergleich: Schreibe drei unterschiedliche Prompts zum gleichen Thema und erkläre, welche Bildidee jeweils entsteht.
- Museumsblick: Suche in einer digitalen Sammlung ein historisches Kunstwerk und überlege, welche Informationen eine KI daran erkennen könnte und welche nicht.
Standard
- Prompt-Tagebuch: Erstelle mit einem erlaubten KI-Werkzeug eine kleine Bildserie und dokumentiere Prompt, Änderungen, Auswahl und Reflexion.
- Kunsthistorischer Vergleich: Vergleiche ein KI-Bild mit einem historischen Kunstwerk. Untersuche Komposition, Stil, Symbolik und Wirkung.
- Ethik-Plakat: Gestalte ein Plakat mit Regeln für verantwortliche KI-Kunst in Schule, Museum oder Social Media.
- Datenkritik: Analysiere, welche Verzerrungen entstehen könnten, wenn ein Bildgenerator vor allem mit einseitigen Trainingsdaten arbeitet.
Schwer
- Kuratorisches Konzept: Plane eine kleine Ausstellung mit dem Titel Mensch, Maschine, Museum. Formuliere Thema, Werkgruppen, Raumidee, Vermittlung und ethische Hinweise.
- Urheberrechtsdebatte: Führe eine strukturierte Debatte zur Frage, ob KI-Training mit öffentlich zugänglichen Bildern ohne individuelle Zustimmung erlaubt sein sollte.
- Forschungsprojekt: Entwickle eine kunsthistorische Forschungsfrage, bei der KI helfen könnte, etwa bei Motivsuche, Provenienz, Stilgruppen oder Restaurierung.
- Künstlerisches Statement: Erstelle ein eigenes Werk oder Konzept zur Beziehung von Mensch und KI und schreibe ein Statement über Deine Entscheidungen, Grenzen und Verantwortung.
|
|
Lernkontrolle
- Transferanalyse: Erkläre an einem selbst gewählten Beispiel, warum ein KI-Bild nicht nur technisch, sondern auch kunsthistorisch und ethisch bewertet werden muss.
- Vergleich: Vergleiche KI als Werkzeug, KI als Generator und KI als Analyseinstrument. Zeige Gemeinsamkeiten, Unterschiede und mögliche Überschneidungen.
- Fallprüfung: Ein Museum nutzt KI, um beschädigte Bildbereiche zu rekonstruieren. Entwickle Kriterien, wie transparent diese Rekonstruktion gekennzeichnet werden sollte.
- Argumentation: Beurteile die Aussage: KI demokratisiert Kunst, weil mehr Menschen Bilder erzeugen können. Berücksichtige Gegenargumente.
- Quellenkritik: Ein KI-System findet Ähnlichkeiten zwischen zwei Gemälden. Erkläre, welche zusätzlichen Belege nötig wären, bevor man daraus eine kunsthistorische These ableitet.
- Ethiktransfer: Entwickle Regeln für eine Schulaufgabe, bei der KI-Bilder erlaubt sind, aber faire Bewertung, Urheberrecht und Dokumentation gesichert bleiben.
Lernnachweis
Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du nicht nur Fakten wiedergibst, sondern Zusammenhänge verstehst und reflektiert anwendest. Geeignete Nachweise sind ein Portfolio, ein Prompt-Tagebuch, eine Bildanalyse, ein kuratorisches Konzept, eine Präsentation, ein Essay, ein praktisches Kunstprojekt oder eine dokumentierte Debatte.
- Fachwissen: Du erklärst zentrale Begriffe wie KI-Kunst, Prompt, Trainingsdaten, GAN, Diffusionsmodell, Bias und Provenienz.
- Analysekompetenz: Du analysierst KI-Bilder nach Motiv, Form, Stil, Kontext, Entstehungsprozess und Wirkung.
- Kunsthistorische Einordnung: Du verbindest KI-Kunst mit Computerkunst, generativer Kunst, digitaler Kunst und kunsthistorischer Bildanalyse.
- Rechts- und Ethikbewusstsein: Du benennst Fragen zu Urheberrecht, Trainingsdaten, Kennzeichnung, Bias und Verantwortung.
- Praxisreflexion: Du dokumentierst eigene Gestaltungsentscheidungen und bewertest Ergebnisse kritisch.
- Transferleistung: Du entwickelst eigene Fragestellungen für Kunst, Museum, Archiv, Unterricht oder Forschung.
OERs zum Thema
Links
aiMOOC-Projekte
Schulfach+
|
|
aiMOOCs
aiMOOC Projekte
|
|
THE MONKEY DANCE
{{#ev:youtube | https://youtu.be/rFhZlg38Zf8?si=9KdMNZYRkRD81YTo%7C 500 | center}}
|
{{#ev:youtube | https://youtu.be/Ob7etf9QuBo?si=t_NBA71bWg3Rq3LI%7C 500 | center}}
|
|