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 zusammenshow moreshow less

Download full text files

Export metadata

Metadaten
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 (German):Report on the Preliminary Study: IMAI Intermedia Collection Research with Artificial Intelligence 2024
Editor:Dominik BönischORCiD, Christian GeigerORCiD, Linnea SemmerlingORCiD
Edition:Version 2
Page Number:14
URN:urn:nbn:de:hbz:due62-opus-52739
DOI:https://doi.org/10.20385/opus4-5273
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:2025/05/07
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.