Bericht zur Vorstudie: IMAI Intermediale Sammlungsforschung mit Artificial Intelligence 2024
- Modelle der sogenannten Künstlichen Intelligenz (KI) ermöglichen eine systematische Strukturierung von riesigen Datenmengen zum Zweck der Erkenntnisgewinnung aus bestehenden Informationen. Ein Verfahren wie das Maschinelle Lernen kann dabei unterstützen, einen neuen Blick auf vorhandenes Wissen in digitalen Archiven zu werfen. Diese lernfähigen Maschinen sollen im Projekt „IMAI – Intermediale Sammlungsforschung mit Artificial Intelligence“ untersucht werden, um Archivar*innen sowie Kunst- und Medienhistoriker*innen bei der Sichtung des audiovisuellen Materials zu unterstützen und den Umgang mit Sammlungen zeitbasierter Medien effizienter sowie komfortabler zu machen. In einer ersten Projektphase (2024) sollten durch die Erprobung verfügbarer Prototypen und durch die Sichtung des Videoarchivs des Inter Media Art Institute Anwendungsoptionen abgewogen werden. Die bislang genutzten Werkzeuge zur Erschließung von Archiven wurden dabei genauso betrachtet wie die Arbeitsweisen weitererModelle der sogenannten Künstlichen Intelligenz (KI) ermöglichen eine systematische Strukturierung von riesigen Datenmengen zum Zweck der Erkenntnisgewinnung aus bestehenden Informationen. Ein Verfahren wie das Maschinelle Lernen kann dabei unterstützen, einen neuen Blick auf vorhandenes Wissen in digitalen Archiven zu werfen. Diese lernfähigen Maschinen sollen im Projekt „IMAI – Intermediale Sammlungsforschung mit Artificial Intelligence“ untersucht werden, um Archivar*innen sowie Kunst- und Medienhistoriker*innen bei der Sichtung des audiovisuellen Materials zu unterstützen und den Umgang mit Sammlungen zeitbasierter Medien effizienter sowie komfortabler zu machen. In einer ersten Projektphase (2024) sollten durch die Erprobung verfügbarer Prototypen und durch die Sichtung des Videoarchivs des Inter Media Art Institute Anwendungsoptionen abgewogen werden. Die bislang genutzten Werkzeuge zur Erschließung von Archiven wurden dabei genauso betrachtet wie die Arbeitsweisen weiterer betroffener Anwender*innen. Der Bericht fasst die Erkenntnisse aus der Vorstudie zusammen.…


| Author: | Linnea SemmerlingORCiD, Dominik BönischORCiD |
|---|---|
| Qualitätssicherung: | redaktionell geprüft |
| open access: | Diamant - ohne Publikationskosten mit Lizenzhinweis |
| Research fields: | Informationstechnologie / Künstliche Intelligenz und Big Data |
| Fachbereich/Einrichtung: | Hochschule Düsseldorf / Fachbereich - Medien |
| Document Type: | Workingpaper / Report |
| Year of Completion: | 2025 |
| Language of Publication: | Multiple languages |
| Publisher: | Hochschule Düsseldorf |
| Place of publication: | Düsseldorf |
| Title Additional (English): | Report on the Preliminary Study: IMAI Intermedia Collection Research with Artificial Intelligence 2024 |
| Editor: | Dominik BönischORCiD, Christian GeigerORCiD, Linnea SemmerlingORCiD |
| Edition: | Version 1 |
| Page Number: | 14 |
| URN: | urn:nbn:de:hbz:due62-opus-48257 |
| DOI: | https://doi.org/10.20385/opus4-4825 |
| GND Keyword: | Maschinelles Lernen; Medienkunst; Digitales Archiv; Intermedialität |
| Dewey Decimal Classification: | 0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 000 Informatik, Informationswissenschaft, allgemeine Werke |
| 0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 005 Computerprogrammierung, Programme, Daten | |
| Licence (German): | Creative Commons - CC BY - Namensnennung 4.0 International |
| Release Date: | 2025/02/20 |
| Note: | +++ ERRATA +++ Auf S. 7 sind in Bezug auf CLIP nicht "Ontologien" zu nennen, sondern "Embeddings". Eine neue Version des Textes liegt unter der DOI:10.20385/opus4-5273 |
