08 – Vergleichsmatrix
Einleitung
Die Entwicklung von VERA-VM erfolgt nicht im Vakuum. Verschiedene Projekte, Forschungsinitiativen und technologische Ansätze setzen sich bereits mit KI und Bildanalyse auseinander, jedoch mit unterschiedlichen Zielen, Methoden und epistemischen Grundlagen.
Die folgende Vergleichsmatrix zeigt, wie VERA-VM sich in diesem Feld positioniert und worin seine Besonderheit besteht. Dabei werden fünf etablierte Kategorien betrachtet: wissenschaftliche KI-Projekte, universitäre Kunst-KI-Initiativen, Digital Art History, klassische Computer-Vision-Verfahren und die traditionelle Hermeneutik der Kunstgeschichte.
Standardvergleich (immer identisch aufgebaut)
Legende: 🟩 = vorhanden 🟨 = teilweise / rudimentär 🟥 = fehlt
| Methode / Feature | VERA-VM | ReflectAI (LMU) | Stanford AI & Art | Digital Art History | Computer Vision | Klassische Hermeneutik |
|---|---|---|---|---|---|---|
| Modulare Pipeline A1–A5 | 🟩 | 🟥 | 🟥 | 🟥 | 🟥 | 🟥 |
| Formanalyse (A1) | 🟩 | 🟨 | 🟨 | 🟥 | 🟩 (technisch) | 🟩 |
| Kontextualisierung (A2) | 🟩 | 🟥 | 🟨 | 🟩 (Metadaten) | 🟥 | 🟩 |
| Theorieanwendung (A3) | 🟩 | 🟩 (didaktisch) | 🟥 | 🟥 | 🟥 | 🟩 |
| Interpretation / Synthese (A4) | 🟩 | 🟨 | 🟥 | 🟥 | 🟥 | 🟩 |
| PDF / Archivierung (A5) | 🟩 | 🟥 | 🟥 | 🟥 | 🟥 | 🟥 |
| Verstehensprüfung / Handover | 🟩 | 🟥 | 🟥 | 🟥 | 🟥 | 🟩 (menschlich) |
| Guardrails / methodischer Imperativ | 🟩 | 🟨 | 🟥 | 🟥 | 🟥 | 🟩 |
| Quellenkritik integriert | 🟩 | 🟨 | 🟥 | 🟥 | 🟥 | 🟩 |
| KI als Ko-Analytiker | 🟩 | 🟨 | 🟨 | 🟥 | 🟥 | 🟥 |
| Hermeneutische Struktur | 🟩 | 🟨 | 🟥 | 🟥 | 🟥 | 🟩 |
1. ReflectAI (LMU München)
Fokus: kritische KI-Didaktik und wissenschaftliche Reflexion
ReflectAI untersucht KI-Bildanalysen aus einer didaktischen und reflexiven Perspektive. Das Projekt vermittelt, wie KI zu bewerten ist, welche Fehler sie produziert und wie Studierende mit maschinellen Beschreibungen kritisch umgehen können.
Es handelt sich nicht um ein produktives Analysewerkzeug, sondern um ein Reflexionsinstrument. KI wird als Gegenstand kritischer Auseinandersetzung verstanden.
Unterschied zu VERA-VM:
VERA-VM ist kein Reflexionsangebot, sondern ein operatives System. Es strukturiert KI nicht didaktisch, sondern funktional: durch Module, Handover-Regeln und analytische Disziplin. Der Fokus liegt auf der Produktion kontrollierter Analysen, nicht auf der pädagogischen Kontextualisierung.
2. Stanford AI & Art Initiative
Fokus: technische Experimente und explorative Bildinterpretationen
Die Stanford-Initiative verbindet Informatik und Kunstgeschichte in experimenteller Weise. KI wird genutzt, um Muster zu erkennen, ästhetische Merkmale zu analysieren oder hypothetische Stilvergleiche zu erstellen. Die Ergebnisse sind explorativ, nicht methodisch gebunden.
Die Projekte liefern inspirierende Einsichten, aber die Texte und Analysen sind nicht hermeneutisch strukturiert.
Unterschied zu VERA-VM:
VERA-VM arbeitet nicht explorativ, sondern methodenbasiert. Die KI darf keine freien Deutungen formulieren, keine assoziativen Beschreibungen erzeugen und keine ungesicherten Stilzuschreibungen vornehmen.
Die Stanford-Ansätze bleiben experimentell – VERA-VM ist ein kontrolliertes Framework mit wissenschaftlichem Anspruch.
3. Digital Art History (DAH)
Fokus: Big Data, Mustererkennung und visuelle Clusteranalyse
Die Digital Art History untersucht große Datenmengen: Bildkorpora, formale Muster, Beziehungsnetzwerke. KI wird genutzt, um Stilgruppen, Cluster, Trends oder ikonografische Variationen zu erkennen. Die Ergebnisse können analytisch wertvoll sein, beziehen sich jedoch selten auf ein einzelnes Werk in hermeneutischer Tiefe.
Unterschied zu VERA-VM:
VERA-VM ist ein werkbezogenes Verfahren. Es analysiert nicht tausende Bilder gleichzeitig, sondern ein konkretes Kunstwerk anhand eines modularen, nachvollziehbaren Analysepfades.
Während DAH Strukturen im großen Maßstab untersucht, wendet VERA-VM Prinzipien der Einzelwerkanalyse an.
4. Computer Vision
Fokus: algorithmische Mustererkennung ohne hermeneutische Ebene
Computer-Vision-Systeme analysieren Bilder mathematisch: Kanten, Formen, Farbräume, Features, Objekterkennung. Diese Verfahren sind extrem leistungsfähig, aber blind für Bedeutung, historische Kontexte oder ästhetische Synthesen.
Sie liefern Datenpunkte, keine Interpretation.
Unterschied zu VERA-VM:
VERA-VM nutzt Large Language Models, keine CV-Algorithmen. Die Analyse ist sprachlich, hermeneutisch und theoriegebunden.
Während Computer Vision nur quantitative Informationen erzeugt, erzeugt VERA-VM qualitative und argumentativ strukturierte Analysen.
5. Klassische kunsthistorische Hermeneutik
Fokus: methodische Disziplin, Argumentation, Kontextwissen
Die traditionelle Hermeneutik arbeitet mit einer klaren Trennung von Beschreibung, Kontext, Theorie und Interpretation. Sie verlangt Begründung, Quellenkritik und argumentatives Vorgehen.
Dies bildet den methodischen Kern kunsthistorischer Wissenschaft.
Unterschied zu VERA-VM:
VERA-VM imitiert diese Struktur nicht — es implementiert sie.
Die Module A1–A5 bilden die kunsthistorische Arbeitsweise technisch ab, erzwingen die Trennung der Ebenen und binden jede Aussage an überprüfbare Zwischenschritte.
VERA-VM ist damit kein Ersatz für Hermeneutik, sondern eine maschinelle Umsetzung hermeneutischer Disziplin.
Fazit der Vergleichsmatrix
Die Analyse zeigt: VERA-VM steht in keinem direkten Wettbewerb mit bestehenden KI- oder DH-Ansätzen. Es ist weder ein Reflexionsangebot noch ein technisches Experiment, weder Big-Data-Analyse noch Computer Vision.
VERA-VM ist ein methodisches Framework, das KI in die Ordnung kunsthistorischer Erkenntnis einpasst und dadurch ein bislang fehlendes Element einführt: eine kontrollierte, wissenschaftlich belastbare maschinelle Hermeneutik.
