Generative KI kann in kurzer Zeit umfangreiche Texte zur Bildanalyse erzeugen. Diese Texte basieren jedoch nicht auf präziser visueller Beobachtung, sondern auf statistischen Musterfortsetzungen. Die Modelle erzeugen Beschreibungen, die plausibel wirken, aber nicht sicher an das konkrete Bild gebunden sind. Dadurch verschwimmen die Grenzen zwischen formaler Beobachtung, Interpretation und Kontextzuschreibung. KI kann keine visuelle Evidenz prüfen, sondern extrapoliert aus Trainingsdaten. Das führt zu inhaltlichen Ungenauigkeiten, Vermischungen unterschiedlicher Bildtypen und inkonsistenten Beschreibungen. Ohne methodische Rahmung verliert die Bildanalyse ihre Bindung an Wahrnehmung, Terminologie und kunsthistorische Standards.