<li>Künstliche Intelligenz ist interessant, aber kein Selbstzweck: Wir entwickeln KI für gemeinwohlorientierte Ziele, erhöhen die Datenverfügbarkeit, arbeiten interdisziplinär und suchen einen breiten gesellschaftlichen Dialog in der Entwicklung.</li><li>Besucher*innen zu Nutzer*innen: Nicht nur anschauen, sondern selbständige Zugänge finden und selbst entscheiden, wie Du die Sammlung weiterverwenden willst. Wir arbeiten mit einer CC-0-Lizenz, damit der freie Zugang zu Kultur möglich ist und eine Nachnutzung rechtssicher.</li><li>Viele der Objekte sind nicht in Ausstellungen vor Ort zugänglich und werden hier erstmalsdigital zugänglich gemacht. Wir möchten den Nutzer*innen weltweit einen ortsunabhängigen und eigenständigen Zugang zu den Sammlungen des Museums bieten.</li><li>Jeder Mensch hat andere inhaltliche Interessen: Wir unterstützen den individuellen Zugang zu den Sammlungen.</li><li>Häufig wissen wir wenig über den Hintergrund, wenn wir ein Objekt betrachten: Wir verbessern die Datenverfügbarkeit und die Datenqualität mit dem Ziel, leichter inhaltliche Kontexte zu erschließen. </li><li>So viele Dinge – wie soll ich da einen Überblick oder Zugang bekommen? Wir verbessern die Suchbarkeit und Auffindbarkeit digitaler Museumsobjekte. </li><li>Das Tool ist nicht eine einzelne KI, „die“ Museums-KI oder ein einzelnes neuronales Netz, sondern bietet Unterstützung von einzelnen Nutzungs-Anforderungen durch Maschine-Learning-Verfahren und KI-Modelle.</li><li>Dabei stehen immer die Anforderungen an gewünschte Zugänge zur digitalen Sammlung der Nutzer*innen des Badischen Landesmuseums und des Allard Pierson Museums im Mittelpunkt.</li>

Welche KI-Strategie steckt dahinter?

<li>Um eine Ausstellung zu erstellen, bitten wir darum, Dich anzumelden. Deine Ausstellung kannst Du für andere veröffentlichen. Aus Datenschutzgründen und für die inhaltliche Qualitätssicherung benötigen wir hier Deine Anmeldung. Deine Daten sind beiuns sicher. Bitte beachte dafür auch die <termsLink>Nutzungsbedingungen</termsLink> und die <privacyLink>Datenschutzbedingungen</privacyLink>.</li>

Was passiert mit meinen Daten?

<li>Ethik-Leitfaden: Unsere KI-Initiative richtet sich nach den Empfehlungen des DeutschenEthikrates von 2023.</li><li>Unterstützung durch KI: Unser Ziel ist es, KI zu nutzen, um Besucher*innen zuunterstützen und einen besseren Zugang zu Kunst und Kultur zu ermöglichen.KI-Lösungen werden im Tool eingesetzt, um Handlungsfähigkeit im Rahmen des digitalenMuseumsbesuchs zu verbessern. Wir bemühen uns, ein realistisches Verständnis vonKünstlicher oder besser maschineller Intelligenz zu fördern.</li><li>Kennzeichnung maschineller Ergebnisse: Wir stellen sicher, dass alle durch KI erzeugtenInhalte klar und deutlich als solche gekennzeichnet sind, um Transparenz zugewährleisten.</li><li>Vermeidung von irreführenden KI-Bildern: Wir vermeiden es, KI als allmächtigdarzustellen, um realistische Erwartungen zu fördern.</li><li>Kein Anthropomorphismus: Wir vermeiden die Vermenschlichung von KI, um ein klaresVerständnis ihrer Funktionsweise zu fördern.</li><li>Diversität und Internationalität im Team: Unser internationales und vielfältiges Teambezieht unterschiedliche Nutzergruppen von Beginn an in die Entwicklung ein.</li><li>Forschungs- und Entwicklungsstandards: Wir orientieren uns stets am aktuellenForschungs- und Entwicklungsstand, um die Qualität und Relevanz der KI-Anwendungenzu sichern.</li>

Welche ethischen Richtlinien wurden beachtet, um maschinelle Intelligenz einzusetzen und zu entwickeln?

<li>Für Kulturerbe-Fans und Sammlungsbegeisterte – Techies und Entwickler*innen – Mitdenker*innen und Kreative.</li><li>Für Schüler*innen, Studierende, Forscher*innen oder Personen mit kulturhistorischen Spezialinteressen.</li>

Für wen ist der xCurator?

<li>Wilde Geschichte – frag lieber nicht. Es gab Pizza, Club-Mate und Online-Meetings.</li><li>Es gab verschiedene <dataLabLink>Hackathons, bei denen wilde Ideen entwickelt wurden.</dataLabLink> </li><li>Eine Gruppe interessierter KI-Pilot*innen hat das Projekt vom Beginn der Entwicklung an begleitet und Hinweise gegeben, welche Wünsche und Anforderungen sie an einen KI-gestützten Zugang zur Sammlung haben. Nur durch viele Gespräche und digitales Ehrenamt war die Toolentwicklung möglich – vielen Dank! </li><li>Das Team von <dreipc>3pc</dreipc> hat 2022 und 2023 an der Konzeption und Umsetzung gearbeitet.</li><li>Der Bürgerbeirat des Badischen Landesmuseums hat wichtige Anregungen zur Toolentwicklung beigesteuert!</li><li>Das Team des Badischen Landesmuseums und Allard Pierson hat viel diskutiert, welcher Umgang mit maschineller Intelligenz angemessen ist. </li><li>Außerdem haben viele Expert*innen aus der ganzen Welt Wissen und Tipps beigesteuert.Die Liste der beteiligten Personen findest Du <dataLabLink>hier</dataLabLink>. </li>

Wie wurde das Tool entwickelt?

<li>Du kannst Stories mit KI-Unterstützung erstellen und so mithelfen, Deine wichtigsten Geschichten auch für andere zugänglich zu machen.</li><li>Du kannst Feedback geben, wenn Ergebnisse unklar oder falsch sind. Mit dem Feedback verbessern wir die KI-Verfahren im Hintergrund. </li><li>Du kannst dir hier den Code anschauen und Vorschläge machen, wie wir das Tool verbessern können. </li><li>Für Fragen oder Ideen wende Dich einfach an creative@landesmuseum.de </li>

Wie kann ich zur Entwicklung und Verbesserung beitragen?

<li>Empfehlungen für den Einsatz im schulischen Bildungsbereich sind <recommendation>hier</recommendation> zu finden. </li>

Wie kann ich das Tool in der Schule oder der Bildungsarbeit einsetzen?

<li>Diese Inhalte wurden maschinell mit Künstlicher Intelligenz generiert. Bitte beachte, dass ein menschliches Urteil nötig ist, um letztlich die Richtigkeit zu beurteilen. Häufig sind Inhalte nicht zu 100% richtig, sondern z.B. nur zu 90% wahrscheinlich. Es ist also besonders wichtig, dass du die Ergebnisse kritisch prüfst!</li><li>Diese Übersetzung wurde maschinell generiert.</li><li>Diese Schlagworte wurden maschinell generiert durch einen Entity-Recognition-Algorithmus.</li><li>Diese Bilder werden maschinell erkannt, um dir wahrscheinlichere Suchergebnisse anzuzeigen.</li><li>Diese Zusammenhänge werden dir durch einen Bilder-Clustering-Algorithmus vorsortiert.</li><li>Dieser Text wurde automatisch durch ein Sprachmodell generiert. Bitte prüfe ihn sorgfältig, ob er für deine Zwecke geeignet und sprachlich sowie inhaltlich richtig ist.</li>

Infobuttons

<li>Entdecken: Dein Blick in die Geschichte: Du kannst in 50.000 Jahre Kulturgeschichte eintauchen, Zusammenhänge entdecken und eigene Geschichten entwickeln. Mit einer experimentellen neuronalen Suche findest Du spannende und überraschende Motive.</li><li>Erstellen: Du kannst kleine Ausstellungen kuratieren und sie teilen. Hier kannst du hochwertige Vorlagen nutzen und sie deinen Wünschen entsprechend anpassen.</li><li>Lass Dich unterstützen durch maschinelle Intelligenz: Verschiedene Verfahren maschinellen Lernens und generativer künstlicher Intelligenz helfen Dir und überraschen Dich vielleicht mit einer neuen Perspektive?</li><li>Hilf dem Museum: Die Algorithmen müssen manchmal noch von Dir lernen. Willst Du richtige Inhalte bestätigen und andere rückmelden? Wenn Dir etwas auffällt, freuen wir uns über Dein Feedback, um das KI-Training langfristig zu verbessern!</li>

Was kann ich hier machen?

Du willst mehr über Künstliche Intelligenz erfahren? Dann schau in unserem <Link>Deep Dive</Link> vorbei, der dir Grundlagenwissen zum Thema Künstliche Intelligenz und ergänzende Informationen zu den eingesetzten KI-Verfahren und Technologien liefert.

Was bedeutet Künstliche Intelligenz?

<li>Der KI-Guide unterstützt dich in der Nutzung des xCurators und zeigt dir auf, an welchen Stellen KI zum Einsatz kommt. Du öffnest den KI-Guide, indem du das Symbol <ki></ki> unten rechts öffnest</li>. <li>Zudem werden alle maschinell erstellten Ergebnisse durch dieses Symbol <stars></stars> gekennzeichnet, damit Du erkennst, was mit Hilfe von maschineller Intelligenz erstellt wurde und es selbstständig kritisch prüfen kannst. Auch die Übersetzungen wurden maschinell erstellt. Bitte sei also vorsichtig und überprüfe im Zweifel das Originaldokument.</li>

Wo ist denn hier Künstliche Intelligenz?

<li>xCurator wurde als nachnutzbare und anpassbare Open Source Software Lösung entwickelt, die hier im Detail nachvollziehbar ist: <gitLink>https://github.com/Badisches-Landesmuseum/xcurator</gitLink> </li><li>xCurator verwendet verschiedene Verfahren des maschinellen Lernens, um Dich bei der Erschließung, dem Verständnis und dem eigenen Produktionsprozess zu unterstützen. Im xCurator werden Verfahren aus dem Bereich Natural Language Processing, Entity Extraction und Entity Linking, Bilderkennung, intelligente Suche, multimodale Verfahren und generative Sprachmodelle eingesetzt.</li><li>Verwendet werden aktuell Lösungen und Modelle von Elastic Search, Open Clip, DeepL, Spacey, <elasticSimilarLink>Elasticsearch Similarity</elasticSimilarLink>;<elasticSearchSpring> Elasticsearch Queries with Spring Data</elasticSearchSpring>;<mappingTypes> Alternatives to mapping types</mappingTypes>;<elasticSearchRelation> Managing Relations Inside Elasticsearch</elasticSearchRelation>; <dslQuery>Query DSL</dslQuery>, <elasticSearchDoc>Py ElasticSearch Documentation</elasticSearchDoc>, <elasticSearchDoc>Py ElasticSearch GitHub</elasticSearchDoc>,<entiyLinker> Radbound Entity Linker (REL)</entiyLinker>; <flairLink>flairNLP (Beta)</flairLink>,<openClip> OpenClip </openClip> eine Lösung von <pixSolution>https://github.com/pixolution/embeddings-grid </pixSolution></li><li>Zudem wurde ein Named Entity Recognition und Entity Linking System gemeinsam mit der Staatsbibliothek zu Berlin - Preußischer Kulturbesitz (https://staatsbibliothek-berlin.de/) aus dem Projekt QURATOR - Curation Technlogies (https://qurator.ai) umgesetzt.</li><li>Wir haben viel diskutiert, geforscht und getestet: Das Tool verwendet aktuell auch die Sprachmodell-Lösung von OpenAI. Warum? Weil Sprachmodelle unsere Gegenwart prägen und neben Risiken auch Chancen bieten. Weil es wichtig ist, sich aktiv mit den Auswirkungen von Formen Künstlicher Intelligenz wie Sprachmodellen zu beschäftigen – und zwar auch in geschützten Räumen und über Kultur. Hier kannst Du üben, mit einer gesicherten faktischen Grundlage Inhalte mit Hilfe des Sprachmodells zu erstellen. Dein neuer Superskill wird das Prompten und das Faktenchecken, versprochen! </li><li>In der <gitDocs>technischen Dokumentation</gitDocs> und dem <dataLabLink>Datalab </dataLabLink>findest Du mehr zu den Technologien und Hintergründen und außerdem einen experimentellen Ort, der auch für Neugierige, Forscher*innen und Entwickler*innen spannend ist. Einfach einsteigen und Teil des Kosmos werden! </li>

Welche KI-Verfahren und Modelle wurden genau verwendet?

<li>Künstliche Intelligenz sollte ethisch und gemeinwohlorientiert eingesetzt werden und menschliche Autor*innenschaft und verantwortliches Handeln unterstützen. Mit dem xCurator haben wir gemeinsam mit der Öffentlichkeit und Expert*innen nach Wegen gesucht, das digitale Museum weiter zugänglich zu machen.</li><li>Machine Learning und Deep Learning können verwendet werden, das Vorhandene neu zubetrachten. Die Fähigkeit von Verfahren künstlicher neuronaler Netze, Archive oder Exponate der Sammlungen neu zu sortieren, kann neue Zusammenhänge sichtbar machen.</li><li>Im Projekt Creative User Empowerment wurden verschiedenen Verfahren untersucht undentwickelt, um mit maschineller Intelligenz neue Zugänge zu digitalen Sammlungen zu schaffen. Dabei stand immer die Frage im Mittelpunkt, wie die Verfahren die Nutzer*innen bestmöglich unterstützen können und welche Rolle und welches Bild wir Künstlicher Intelligenz zuschreiben wollen. Aus der Ideengeschichte wissen wir, dass sich Vorstellungen zu abstrakten Konzepten über die Zeit verändern. Welches Verständnis wir jeweils von Künstlicher Intelligenz haben, ist also immer auch historisch zu verstehen.<dataLabLink> Zur Projektdokumentation und Experimentierraum.</dataLabLink></li>

Warum nutzen wir maschinelle Intelligenz?

<li>Ja klar, Du kannst ganz analog <museumLink>ins Museum gehen</museumLink> oder <digitalLink>hier</digitalLink> andere digitale Angebote finden. Dort entdeckst Du sicher wieder andere Themen und Geschichten. Das Museum freut sich auf Dich!</li>

Geht es auch ohne Künstliche Intelligenz?

Hier findest Du alle Antworten zu Deinen Fragen rund um den xCurator.

Über den xCurator

Kein Titel

Hier kannst du die Nutzerdaten exportieren.

Nutzerdaten exportieren

Hier kannst du die gemeldeten Objekte verwalten.

Objects verwalten

Hier kannst du die gemeldten Stories und Objekte verwalten sowie die LLM (Large Language Model) Templates verwalten.

Admin

Hier kannst du die gemeldeten Stories verwalten.

Stories verwalten

Hier kannst du die LLM Vorlagen bearbeiten.

LLM Vorlagen bearbeiten

Meldungen verwalten

Hier findest du alle Informationen zu dem Objekt

Hilf uns, indem Du die Qualität der Schlagworte und automatischen Verlinkungen beurteilst.

Details zum Objekt

Wusstest du übrigens, dass du die Spracheinstellungen ändern kannst und die Titel und Objekttexte dann in der gewählten Sprache angezeigt werden? Auch dahinter steckt maschinelle Intelligenz. Durch eine <li>DeepL-Integration</li> werden die zentralen Textinhalte in allen für das Projekt genutzten Sprachen übersetzt und bereitgestellt.

In den Beschreibungen von Museumsobjekten werden häufig Personen, Orte oder Organisationen erwähnt. Um dir die Recherche zu erleichtern, haben wir  unsere Datensätze mit Hilfe von maschineller Intelligenz mit zusätzlichen Informationen angereichert. Dazu wurden alle Textinformationen der Museumsobjekte analysiert, um benannte Entitäten (Personen, Orte, Organisationen) zu identifizieren. Dieser Prozess nennt sich Named Entity Linking. Die gefundenen Begriffe wurden anschließend mit externen Quellen wie <wikipedia>Wikipedia</wikipedia>, <wikidata>Wikidata</wikidata> und der <gnd>Gemeinsamen Normdatei (GND)</gnd> verlinkt und in den Texten unterstrichen markiert, so dass du direkt auf weiterführende Informationen zugreifen kannst. Zusätzlich werden die Ergebnisse genutzt, um die Metadaten der Museumsobjekte zu ergänzen. Die ermittelten Begriffe werden als violette Schlagworte über den Bildern angezeigt. So kannst du auch erkennen, welche Inhalte KI-generiert sind: Die violette Schrift und die Sterne zeichnen immer KI-generierte Inhalte aus.

Auf dem Canvas, der digitalen Arbeitsfläche, werden die Suchergebnisse übersichtlich dargestellt. Die Museumsobjekte erscheinen in sogenannten Clustern, also Objektgruppen, die inhaltliche und visuelle Verbindungen aufzeigen. Diese Cluster helfen dir, die Vielfalt der Sammlungsobjekte schneller und zusammenhängender zu erschließen.

Der beste Treffer, der deiner Suchanfrage am nächsten kommt, wird ins Zentrum gerückt. Die umliegenden Objekte sind die nächstbesten Treffer in absteigender Reihenfolge ihrer Übereinstimmung. Je weiter du dich von der Mitte entfernst, desto geringer ist die Übereinstimmung der Ergebnisse mit deiner Suchanfrage.

Entdecken

Canvas & Cluster

Fehler entdeckt?

Computer Vision ist ein Forschungsgebiet der Informatik, das sich mit der Fähigkeit von Computern beschäftigt, visuelle Daten wie Bilder und Videos zu analysieren und zu interpretieren. Im Zentrum der Forschung steht das menschliche Wahrnehmungsvermögen und die Frage, wie die menschliche Wahrnehmung in Computersystemen simuliert werden kann. Computer Vision umfasst eine Vielzahl von Anwendungen, die Maschinen befähigen, Informationen aus visuellen Daten zu analysieren, zu klassifizieren und Muster zu erkennen. Zu den häufigsten Anwendungen von Computer-Vision-Systemen gehören Gesichtserkennung, die Objekterkennung, die optische Zeichenerkennung (OCR) und die semantische Segmentierung. Computer-Vision-Anwendungen sind heute in vielen Bereichen des täglichen Lebens zu finden. Sie kommen beim Entsperren der Smartphones, beim automatischen Tagging von Fotos auf Social-Media-Plattformen und in autonomen Fahrzeugen zum Einsatz.

Ein zentrales Element des maschinellen Sehens sind Convolutional Neural Networks (CNNs). CNNs sind spezielle Arten von <li>Künstlichen Neuronalen Netzen</li>, die sich besonders gut für die Verarbeitung und Analyse visueller Daten eignen. Sie sind darauf ausgelegt, Muster in Bildern zu erkennen, indem sie mehrere Schichten von Filtern anwenden, die unterschiedliche Merkmale wie Kanten, Texturen oder Farben identifizieren. Diese Merkmale werden schließlich kombiniert, um komplexere Strukturen wie Formen und Objekte zu identifizieren.

Nutze die neuronale Suche des xCurator und entdecke mithilfe von Filtern die digitalisierten Sammlungen des Badischen Landesmuseums und Allard Pierson Amsterdam.

Interessiert an den KI-Funktionen im xCurator? Das Deep-Dive-Symbol führt dich zu vertiefenden Informationen.

Im xCurator hast du Zugriff auf eine Vielzahl von Objekten aus den Sammlungen des Badischen Landesmuseums sowie des Allard Pierson Museums in Amsterdam. Im Modus 'Entdecken' kannst du durch 50.000 Jahre Kulturgeschichte stöbern und zahlreiche spannende Inhalte entdecken. Um die digitalisierten Museumsobjekte besser durchsuchbar zu machen, werden die Datensätze im xCurator mit Hilfe <li>maschineller Intelligenz</li> erweitert – ein Prozess, der auch als 'Data Enrichment' bezeichnet wird. Dabei werden die vorhandenen Datensätze durch neue, von KI generierte Informationen angereichert. Diese zusätzlichen Informationen umfassen unter anderem Farbzuordnungen, die Identifizierung von Mustern und Motiven in Bildern sowie die Analyse und Übersetzung von Objekttexten. Maschinelle Intelligenz ermöglicht es zudem, große Mengen von Bilddaten zu analysieren und so Themen, Gemeinsamkeiten und Korrelationen zwischen verschiedenen Datensätzen zu erkennen. Im Idealfall werden dadurch neue Perspektiven auf die Sammlungen eröffnet.

Damit du diese erweiterten Daten optimal nutzen kannst, haben wir eine benutzerfreundliche Oberfläche entwickelt, mit der du die Museumssammlungen intuitiv erkunden und neue Zusammenhänge zwischen den Objekten entdecken kannst.

Ein besonderes Highlight des 'Entdecken'-Modus ist die intelligente Suche. Sie liefert dir nicht nur Ergebnisse basierend auf deinem Suchbegriff, sondern auch Vorschläge, die durch visuelle Ähnlichkeiten ergänzt werden.

Um eine intelligente Suche zu ermöglichen, müssen Bilddaten zunächst in sogenannte <li>Embeddings</li> (Einbettungen) umgewandelt werden. Embeddings sind digitale Repräsentationen (numerische Darstellungen) von Daten wie Bildern oder Texten, die es dem System ermöglichen, komplexe Informationen zu verarbeiten. Um Embeddings zu erzeugen, werden vorab trainierte KI-Modelle verwendet. Im xCurator wird beispielsweise ein CLIP Modell verwendet, um die Embeddings zu erzeugen. <li2>CLIP</li2> (Contrastive Language-Image Pretraining) ist ein von OpenAI entwickeltes Modell, das sowohl Bild- als auch Textdaten im gleichen Dimensionsraum verarbeitet. Dies ermöglicht eine multimodale Suche.

Multimodal bedeutet, dass die Suche nicht nur auf einen Datentyp (z.B. Text), sondern auf mehrere Datentypen (z. B. Text, Bild, Video, Audio) gleichzeitig zugreift und diese zusammenführt. Dazu werden für jede Modalität spezifische Merkmale extrahiert (Feature Extraction):<ul><liItem>Text: Wichtige Schlüsselwörter, semantische Bedeutungen oder Entitäten (Personen, Orte, Organisationen).</liItem><liItem>Bilder: Objekte, Farben, Muster, Gesichter.</liItem><liItem>Audio: Sprachmuster, Tonhöhen, Wörter und Phrasen.</liItem><liItem>Video: Visuelle Szenen, Objekte, Bewegungsmuster, zusammen mit der Sprache, die in den Tonspuren enthaltenen ist.</liItem></ul>Diese Merkmale werden dann in eine gemeinsame Darstellungsform gebracht, so dass sie miteinander verglichen und kombiniert werden können. Dies führt zu präziseren und umfassenderen Suchergebnissen. Die generierten Embeddings werden im xCurator für verschiedene Such- und Erkundungsfunktionen verwendet, um dir relevante und kontextbezogene Ergebnisse zu liefern.Detaillierte Informationen zu den Modellen im xCurator findest du <li>hier</li>.

Was sind Einbettungen (Embeddings) und multimodale Verfahren?

Manchmal erscheinen maschinell erzeugte Ergebnisse „falsch“, da sie auf Wahrscheinlichkeiten und Näherungswerten beruhen. Zum Teil erfinden KI-Systeme (insbesondere Sprachmodelle) Informationen. Dieses Phänomen bezeichnet man als <li>KI-Halluzinationen</li>. Eine annähernd 100%ige Trefferquote ist nur mit menschlicher Mithilfe möglich. Daher ist es wichtig, maschinell generierte Ergebnisse kritisch zu hinterfragen und gegebenenfalls selbst nachzubearbeiten. Das kann manchmal herausfordernd sein. Denke daran, dass maschinelle Intelligenz nicht dasselbe ist wie menschliche Intelligenz – dein eigenes Urteilsvermögen bleibt immer entscheidend.

Metadaten sind Daten, die Informationen über andere Daten (z.B. Museumsobjekte) liefern. In der Museumswelt beziehen sich Metadaten auf die beschreibenden Informationen, die ein Objekt charakterisieren und seine Verwaltung, Suche und Präsentation ermöglichen. Wenn ein Objekt in einer Sammlung digital erfasst wird, werden eine Vielzahl von Metadaten aufgezeichnet – dazu gehören grundlegende Informationen wie Titel, Hersteller*in, Entstehungszeitraum und Material, aber auch spezifischere Details wie Erhaltungszustand und historische Bedeutung.

Metadaten spielen bei der digitalen Verwaltung von Sammlungen eine entscheidende Rolle und sind der Schlüssel, um Objekte auf vielfältige Weise zu durchsuchen, zu kategorisieren und miteinander in Beziehung zu setzen.

Jedes Objekt erhält einen Datensatz, der all diese Informationen enthält und in einer Museumsdatenbank gespeichert wird. Diese strukturierte Erfassung ermöglicht es, die Objekte nicht nur physisch, sondern auch digital zu verwalten und zu recherchieren.

Mit verschiedenen Filtern kannst du die Suche nach Farben, Zeiträumen, Materialien und Orten erweitern oder eingrenzen. Allerdings wird nur die Farberkennung durch maschinelle Intelligenz unterstützt. Die anderen Filter basieren auf Schlagworten und Metadaten aus der Museumsdatenbank. Für die Farberkennung werden Verfahren des <li>maschinellen Sehens</li> eingesetzt. Dabei findet eine KI-basierte Bildsegmentierung (Bildzerlegung) statt, um das Objekt im Bild vom Hintergrund zu trennen. Anschließend werden die Pixel des Objekts gruppiert, um eine Farbpalette für das Museumsobjekt zu erstellen.

Das 'Training' der KI-Modelle ist jedoch entscheidend für die Genauigkeit und Leistungsfähigkeit des Systems. Je umfangreicher und vielfältiger die Trainingsdaten, desto besser kann das Modell später unbekannte Bilder korrekt einordnen. Eine sorgfältige Auswahl und präzise Annotation der Daten ist also unerlässlich, da fehlerhafte oder ungenaue Trainingsdaten die Ergebnisse verfälschen können.

Damit KI-Modelle Bilder korrekt zuordnen können, benötigen sie eine solide Datenbasis - und hier kommen Trainingsdaten und Annotationen (Beschriftungen) ins Spiel.

Da kommerzielle KI-Anwendungen häufig auf Basis von Datensätzen aus dem Internet trainiert werden, die oft von sozialen und historischen Vorurteilen (bias) geprägt sind, ist es wichtig sich kritisch mit der Datengrundlage auseinanderzusetzten. Die Tatsache, dass viele dieser Daten aus dem Internet aus einer Wohlstandsgesellschaft stammen, führt häufig zu einem einseitig geprägten Weltbild. Auch die Klassifikationssysteme und Begriffe, die zur Annotation von Bildern verwendet werden, können Vorurteile enthalten und diese noch verstärken. Zudem ist die Annotation und Klassifizierung von Daten im Grunde eine interpretative Arbeit, die jedoch häufig an ungeschulte und unfair bezahlte Arbeitskräft ausgelagert wird. Dabei fehlen oft klare Annotationsstandards oder Richtlinien, was zu einer sehr individuellen und oft nicht nachvollziehbaren Datenannotation führt. Problematisch ist auch, dass selten dokumentiert oder überprüft wird, welche Verzerrungen durch Bias in den vorhandenen Datensätzen bestehen. Dies ist besonders kritisch, da viele KI-Modelle auf Basis derselben Datensätze vortrainierten werden. Weitere Informationen zu dieser Thematik findest du <li>hier.</li>

Um beispielsweise zu lernen, wie Bilder klassifiziert werden, müssen KI-Modelle mit Tausenden, oft sogar Millionen von Bildern trainiert werden. Nur so sind sie in der Lage, Motive in Bildern zu erkennen und richtig einzuordnen. Diese Daten, mit denen die KI-Modelle im Lernprozess gefüttert werden, werden als Trainingsdaten bezeichnet. Damit die KI 'versteht', was auf den Bildern zu sehen ist, müssen diese zuvor mit Annotationen versehen werden. Annotationen sind Beschriftungen, die relevante Objekte oder Motive im Bild markieren. So kann das System 'lernen', was ein Hund, ein Baum oder ein Gebäude ist.

Unsere intelligente, KI-gestützte Suche ermöglicht dir ein einfaches Stöbern in unseren Sammlungen. Du kannst nach Objekten oder Themen suchen, die dich interessieren und dabei überraschende Verbindungen zwischen Museumsobjekten entdecken. Du kannst aber auch gezielt nach Motiven (z.B. Blumenmuster oder Tiere) suchen oder dich von emotionalen Begriffen leiten lassen. Probiere es einfach aus!

Wonach kann ich suchen?

Eine intelligente Suche ist eine Suche, die den Zusammenhang und die Absicht hinter einer Suchanfrage versteht. Anstatt nur nach exakten Übereinstimmungen von Schlüsselwörtern zu suchen, berücksichtigt sie auch Synonyme, verwandte Begriffe und die Semantik (Bedeutung) eines Suchbegriffs, um relevantere Ergebnisse zu liefern. Dank der <li>Verarbeitung natürlicher Sprache</li> kann eine intelligente Suche auch unstrukturierte Daten verstehen und Anfragen in natürlicher, umgangssprachlicher Form bearbeiten. Dadurch kann die Maschine auch komplexe Suchanfragen präzise beantworten. Im xCurator wird auch eine visuelle Suche unterstützt, das heißt es werden Bilderkennungsverfahren (<li2>Computer Vision</li2>) genutzt, um Bilder zu analysieren und zu sortieren. Das System erkennt dabei Farben, Motive, Objekte und Themen in den Bildern und identifiziert Ähnlichkeiten zwischen ihnen. Durch die Kombination von Bild- und Textanalyse spricht man von einer multimodalen Suche. Sie ermöglicht es, die Inhalte unserer Sammlung auf vielfältige und effiziente Weise zu durchsuchen und zu erkunden um so einen umfassenden Überblick über Zehntausende von Objekten aus unseren Sammlungen zu erhalten.

Was ist eine intelligente Suche?

Der Prozess, bei dem Entitäten in Texten identifiziert und verknüpft werden, wird als 'Named Entity Extraction and Linking' bezeichnet. Dabei kommt ein Entity Recognition Algorithmus zum Einsatz, der mit Verfahren der natürlichen Sprachverarbeitung bestimmte Entitäten in Texten automatisch erkennt und kategorisiert. Es handelt sich um ein komplexes Verfahren, bei dem Begriffe durch maschinelle Lernverfahren identifiziert und anschließend automatisch mit bestehenden Einträgen verknüpft werden.

Ausführliche Informationen zu diesem im xCurator eingesetzten Verfahren findest du <li>hier.</li>

Im xCurator hilft dir maschinelle Intelligenz bei der Suche nach ähnlichen Objekten und Bildern in der Sammlung. Die Funktion zur Identifizierung visuell ähnlicher Bilder wird durch Computer Vision ermöglicht, eine Technologie, die Bilder auf Pixelbasis analysiert. Durch Verfahren wie Bildsegmentierung und Mustererkennung, werden ähnliche Bildinhalte identifiziert und Bilder neu sortiert. So wird eine umfassende Untersuchung des gesamten Bildbestandes ermöglicht, die mit bloßem Auge kaum denkbar wäre.

Der xCurator nutzt eine Vielzahl von KI-Technologien, um den Benutzer*innen beim Entdecken, Verstehen und Erstellen von Inhalten zu unterstützen. Dabei kommen verschiedene Verfahren des maschinellen Lernens zum Einsatz, darunter <li1>Bilderkennung</li1>, <li2>Verarbeitung natürlicher Sprache</li2>, <li3>generative Sprachmodelle</li3>, <li4>intelligente Suchalgorithmen</li4>, <li5>multimodale Verfahren</li5> sowie <li6>die Extraktion und Verlinkung benannter Entitäten</li6>. Darüber hinaus verwendet der xCurator <li7>Deep Learning Algorithmen</li7>, um Objekte automatisch zu kategorisieren und zu klassifizieren. Diese Algorithmen analysieren sowohl visuelle als auch textbasierte Merkmale und ordnen die Objekte passenden Kategorien zu. Somit findest du ähnliche Objekte einfacher und kannst mühelos durch unsere umfangreichen Sammlungen navigieren.

Die technische Dokumentation zum xCurator findest du <li>hier.</li>

Das klingt vielleicht zunächst kompliziert, aber keine Sorge - wir führen dich Schritt für Schritt durch den Prozess und erklären dir die einzelnen Verfahren, während du den xCurator verwendest.

Hier kannst Du Anpassungen in der Lizenzvergabe vornehmen. Standardmäßig ist die Lizenz CC-0 vorausgewählt. Informationen zu CC-Lizenzen findest Du hier: https://de.creativecommons.net/was-ist-cc/

Nachdem du einige Objekte in deiner digitalen Ausstellung gespeichert hast, bietet dir die Funktion „Ausstellung bearbeiten“ die Möglichkeit, deine Ausstellung weiter auszubauen und zu verfeinern. Unter 'Empfohlen' werden dir basierend auf deinen bisherigen Suchanfragen und Titelangaben automatisch weitere Objekte vorgeschlagen, die thematisch zu deiner Ausstellung passen. Gleich wie auf dem Canvas wird diese Funktion durch <li>Computer Vision</li> ermöglicht. Die Eigenschaften der bereits ausgewählten Objekte werden analysiert und mit ähnlichen oder ergänzenden Objekten in der Sammlung verglichen. So kannst du deine Ausstellung gezielt erweitern und neue, spannende Verbindungen zwischen den Museumsobjekten entdecken.

Ausstellung bearbeiten

Nutzung generativer Sprachmodelle

Wähle deine Prompts

Titel bearbeiten

Interessierst du dich dafür, wie generative KI die Textarbeit unterstützen kann?

<li>Algorithm-Watch</li> ist eine gemeinnützige Nichtregierungsorganisation mit Sitz in Berlin und Zürich. Sie setzt sich dafür ein, dass Algorithmen und Künstliche Intelligenz (KI) Gerechtigkeit, Demokratie, Menschenrechte und Nachhaltigkeit stärken, statt sie zu schwächen.

Du verstehst noch immer nicht so genau, wie Verfahren der Künstlichen Intelligenz funktionieren und was ein Algorithmus ist? Dann schau doch einfach mal beim <li>KI-Campus</li> vorbei, der Lernplattform für Künstliche Intelligenz. Hier findest du viele leicht verständliche Lernmaterialien zum Thema. Du kannst ganz nach deinen Vorlieben Onlinekurse besuchen, Videos anschauen oder Podcasts anhören. Los geht´s!

Ein spannendes Beispiel liefert ﻿das Harvard Art Museum mit dem AI Explorer. Es untersucht, wie verschiedene Computer Vision Systeme kommerzieller Anbieter ihre Sammlung sehen und klassifizieren. <li>Hier</li> erfährst du mehr dazu.

KI-Campus zur Stärkung deiner Grundlagen

Der <li>konstruktive KI-Kompass</li> des Bonn-Instituts bietet eine praktische Orientierungshilfe für den effektiven Einsatz von KI in der Textredaktion.

Willst du noch mehr über maschinelle Intelligenz erfahren? Es gibt noch so viel mehr zu berichten und die technologischen Entwicklungen im Gebiet sind rasant, weshalb wir hier keinen Anspruch auf Vollständigkeit erheben können. Wenn du jedoch noch mehr erfahren möchtest, findest du hier einige spannende Links und Quellen, die dir weiterhelfen können.

<li>Hier</li> findest du einen spannenden Artikel zum Thema.

Was, wenn wir bald nicht mehr unterscheiden können, welche Texte mit KI produziert wurden und welche nicht?

Im Mai 2024 wurde der <li>'EU AI-Act'</li> verabschiedet, eine europäische Verordnung, die den Einsatz von Künstlicher Intelligenz regelt. Sie ist die erste umfassende Regulierung von KI durch eine bedeutende Aufsichtsbehörde weltweit.

Das Projekt Recoding Art der beiden Künstler Bruno Moreschi and Gabriel Pereira in Kooperation mit dem Van Abbemuseum untersucht, wie Maschinen Kunst wahrnehmen und bewerten. Interessiert? Dann schau dir <li>hier</li> die Videodokumentation zum Projekt an.

Wie sieht es mit den rechtlichen Grundlagen zur Nutzung von KI aus? 

Der xCurator liefert dir eine Fülle an Informationen, die sich teils mit KI-generierten Inhalten vermischt. Maschinelle Intelligenz beruht auf mathematischen Prinzipien, Logik und Wahrscheinlichkeiten, während in der Vermittlung von Kultur diverse Bedeutungen und Perspektiven berücksichtigt werden. Deshalb ist es wichtig, alle Informationen stets kritisch zu prüfen. Führe einen Faktencheck durch, um sicherzustellen, dass die bereitgestellten Daten verlässlich sind. Vergleiche die KI-generierten Inhalte mit anderen vertrauenswürdigen Quellen (z.B. Objekttexten) und hinterfrage eventuelle Abweichungen. Deine eigene kritische Bewertung ist unerlässlich.

Möchtest du tiefer in diese Themen einsteigen? Unser letzter Deep-Dive-Artikel bietet weiterführende Informationen und hilfreiche Links.

Verantwortung im Umgang mit KI geht jedoch über die reine Faktenprüfung hinaus. Um KI-Technologien verantwortungsvoll zu nutzen, ist es wichtig ein umfassendes Verständnis der zugrundeliegenden Technologie (siehe Deep Dives), ihrer rechtlichen Rahmenbedingungen und ethischen Fragestellungen (siehe FAQ) zu entwickeln. Auch die Entstehung von Verzerrungen und Voreingenommenheit bei der Nutzung von KI sollte bewusst reflektiert werden. Ein bisher oft vernachlässigtes, aber bedeutendes Thema betrifft zudem die Umweltbelastungen, die durch das Training und den Betrieb solcher Technologien entstehen.

Weitere Informationen zu generativen Sprachmodellen und zum Prompting findest du <li>hier.</li>

Im xCurator verwenden wir die Sprachmodell-Lösung von <li>OpenAI</li>, bekannt als ChatGPT. Wir haben uns dafür entschieden, weil 'large language models' (LLMs) wie ChatGPT unsere Gegenwart prägen und ein enormes Potenzial bieten. Es ist jedoch wichtig, sich in einem geschützten Rahmen mit den Risiken und Chancen dieser KI-Modelle auseinanderzusetzen.

Im xCurator kannst du diese Technologie nutzen, um Inhalte auf einer gesicherten Faktenbasis (unserer Museumsdatenbank) zu erstellen. Das Ziel ist es, dass du lernst, mit solchen Modellen umzugehen, indem du deine Fähigkeiten im Prompten und im Faktenchecken weiterentwickelst. Diese Fähigkeiten werden immer wichtiger, da Sprachmodelle wie ChatGPT zunehmend in verschiedenen Bereichen unseres Lebens eingesetzt werden.

Große Sprachmodelle werden auf immensen Textmengen trainiert, um menschliche Sprache zu verstehen und darauf angemessen zu reagieren. Sie basieren auf <li>Künstlichen Neuronalen Netzen</li>, die während dem Training statistische Modelle entwickeln und die Wahrscheinlichkeiten des Auftretens einer bestimmten Wortkombination, von Wortfolgen oder Textfragmenten vorhersagen. Sie können Texte erzeugen, die oft überraschend gut formuliert und kontextbezogen sind. Dabei greifen sie auf die Muster zurück, die sie während des Trainings gelernt haben, um aus deinen Eingaben – den Prompts – passende Antworten oder Texte zu erstellen. Oft begegnen uns Large Language Models in Form vom Chatbots oder autonomen Agenten. die uns auf Unternehmenswebseiten assistieren.

Im xCurator steht dir ein großes generatives Sprachmodell (Large Language Model (LLM)) zur Verfügung, das dich beim Erstellen von Texten und beim Entdecken neuer Zusammenhänge unterstützt. Das Modell dient als kreativer Co-Pilot und liefert dir Vorschläge für Objektbeschreibungen, Einleitungen und Schlussfolgerungen. Dafür greift es auf die umfangreichen Sammlungsdaten zurück, um dir wirklich relevante und spannende Inhalte zu liefern. Um sicherzustellen, dass die KI-generierten Texte so genau wie möglich sind, haben wir intensiv an der Datenbasis gearbeitet. So reduzieren wir das Risiko, dass das Modell Inhalte „halluziniert“ – also ungenaue oder irrelevante Informationen liefert. Aus Sicherheitsgründen haben wir die Prompts für Dich voreingestellt. Denke aber daran, dass die Ergebnisse des generativen Sprachmodells immer kritisch bewertet werden sollten. Denn KI berechnet lediglich statistische Wahrscheinlichkeiten und orientiert sich nicht an objektiver Wahrheit oder der realen Welt. Nutze daher die vorhandenen Museumstexte, um die KI-generierten Inhalte zu überprüfen und sicherzustellen, dass sie deinen Anforderungen und der Realität entsprechen

Hier kannst du ein neues Kapitel erstellen

Die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) ist ein Bereich der maschinellen Intelligenz, der es Computern ermöglicht, menschliche Sprache zu verstehen, zu analysieren und darauf zu reagieren. Durch verschiedene Techniken können Systeme Texte und gesprochene Sprache erfassen, strukturieren und daraus relevante Informationen gewinnen. NLP kommt in zahlreichen Alltagsanwendungen zum Einsatz, wie z. B. bei Sprachassistenten, automatischen Übersetzungen oder Tools zur Textanalyse. Das Hauptziel von NLP ist es, die Kommunikation zwischen Mensch und Maschine so natürlich und intuitiv wie möglich zu gestalten.

Der Begriff Prompt stammt aus dem Englischen und bedeutet so viel wie 'auffordern', 'vorsagen' 'anregen'. Im Bereich KI sind Prompts die Eingaben, die einem generativen Sprachmodell wie ChatGPT gegeben werden, um eine Antwort oder einen Text zu erhalten. Sie sind im Wesentlichen die Anweisungen, die dem Modell sagen, welche Art von Inhalt es erzeugen soll. Ein Prompt kann eine Frage, eine Anweisung oder einfach ein paar Stichworte sein – alles, was dem Modell hilft, den Kontext zu verstehen und eine passende Antwort zu formulieren.

Wähle eine der verschiedenen Promptvorlagen, um das zugrunde liegende Sprachmodell zu testen. Beachte, wie feine Unterschiede im Prompt den Ausgabetext beeinflussen. Probier es aus und vergleiche die Ergebnisse!

Der Einfluss der Prompts auf das Sprachmodell ist enorm. Die Qualität und Klarheit des Prompts bestimmen, wie gut das Modell die Erwartungen erfüllt. Ein präziser und gut formulierter Prompt führt in der Regel zu einer präzisen und passenden Antwort. Die Fähigkeit, präzise Anweisungen an generative KI-Modelle zu formulieren, wird als Prompt-Engineering bezeichnet. Prompt-Engineering hat sich übrigens inzwischen zu einem eigenständigen Berufsfeld entwickelt.

Melde Dich an und speichere Deine Lieblingsobjekte aus den digitalen Sammlungen des Badischen Landesmuseums und Allard Pierson.

Favoriten

Mit dem xCurator kannst Du in die Sammlungen des Badischen Landesmuseums Karlsruhe und  Allard Pierson Amsterdam eintauchen.

Start

Dein KI-Copilot. Tauche in Sammlungen ein, entdecke ungeahnte Verbindungen und gestalte deine Ausstellung.

Bei den KI-generierten Inhalten auf unserem Portal ist es in der Regel gestattet, die Texte sowie darin eingehängte Dokumente zu kopieren, zu drucken und zu verteilen. KI-generierte Inhalte ohne menschlichen Beitrag sind zum aktuellen Stand gemeinfrei (12/2023). Sofern sie doch urheberrechtlich geschützt sind, können sie unter der jeweils angegebenen freien Lizenz unter Achtung der Bedingungen genutzt und weitergegeben werden.

Datenschutzerklärung des Badischen Landesmuseums.

Erklärung zur Barrierefreiheit des Badischen Landesmuseums.

Realisierung

Impressum

Passe hier deine im Onboarding gewählten Präferenzen an.

Onboarding

Präferenzen

Kreiere jetzt Deine eigene Ausstellung mit dem xCurator oder setze diese fort!

Hier kannst Du Dir die Ausstellung im Präsentationsmodus ansehen.

Du findest diese Ausstellung unangebracht? Hier kannst Du sie unseren Admins melden.

Präsentation

Möchtest Du Deinen Account wirklich löschen?

Achtung: Alle Deine Stories und Favoriten werden gelöscht und können nicht wiederhergestellt werden.

Hier kannst du deine persönlichen Angaben wie Name und Email-adresse anpassen.

Nutzername

Profileinstellungen

Schaue Dir die Ausstellungen von anderen Nutzer:innen des xCurator an.

Unter 'Erstellen' kannst du ganz unkompliziert deine eigene kleine Ausstellung zusammenstellen. Durchsuche die umfangreichen Sammlungen im xCurator nach spannenden Themen und wähle die Objekte aus, die dich am meisten faszinieren. Zu jedem ausgewählten Objekt kannst du eigene Texte verfassen und sie deiner Ausstellung hinzufügen. Oder du lässt dich beim Schreiben von maschineller Intelligenz in Form eines <li>generativen Sprachmodells</li> unterstützen.

Du entscheidest, ob deine Ausstellung privat bleiben soll oder ob du sie veröffentlichen möchtest. Unter 'Alle Ausstellungen' findest du eine Übersicht der bereits veröffentlichten Ausstellungen. Deine Ausstellung kannst du ganz einfach mit anderen teilen und so deine Entdeckungen weitergeben.

Die Anordnung der Bilder auf dem Canvas wird durch einen speziellen Algorithmus erstellt. Dieser Algorithmus wandelt eine Liste von Bildern in eine visuelle Darstellung um. Dazu kommt eine <li>Selbstorganisierende Karte (SOM)</li> zum Einsatz, die die Bilder nach Ähnlichkeit sortiert und anordnet.Eine Selbstorganisierende Karte (SOM) ist ein Künstliches Neuronales Netzwerk, das von der Funktionsweise des menschlichen Gehirns inspiriert ist. Insbesondere von der Art, wie dort sensorische Reize von benachbarten Sinnesorganen in angrenzenden Bereichen verarbeitet werden.

Im xCurator wird eine Selbstorganisierende Karte implementiert, um der Bilderflut unserer Sammlungen Gewalt zu werden und die Bilder sortiert in einem zweidimensionalen Raster anzuordnen. Detaillierte Informationen zum Algorithmus im xCurator gibt es <li>hier</li>.

Der Hauptmechanismus der SOM besteht darin, dass hochdimensionale Eingabedaten auf eine niedrigdimensionale Karte (meist 2D) projiziert werden. Diese Projektion erfolgt so, dass ähnliche Eingabedaten im Ausgaberaum in benachbarten Bereichen der Karte liegen. Somit können komplexe Datensätze vereinfacht und Zusammenhänge visualisiert werden. Während des Lernprozesses passt sich die Karte dynamisch an, indem sie die Muster und Ähnlichkeiten in den Eingabedaten erkennt und selbst neu organisiert. Typische Einsatzbereiche Selbstorganisierender Karten finden sich in der Klassifizierung, Visualisierung und Clusterbildung hochdimensionaler Daten sowie im Data Mining.

Erstelle Deine eigene Ausstellung im xCurator und nutze dafür ein generatives Sprachmodell zur Unterstützung 

Alle Ausstellungen

Meine Ausstellungen

Du hast die Möglichkeit, Deine Beiträge auf xCurator zu veröffentlichen. Bitte denk immer daran, dass Deine Beiträge öffentlich zugänglich sind, sobald Du sie auf „Öffentlich“ setzt.

Für Deine Ausstellung liegt die Autorschaft bei dir. Sofern Du Dich zur Veröffentlichung entscheidest, werden die Stories und die Inhalte der Allgemeinheit zur freien Nutzung und Weitergabe zur Verfügung stehen. Zu diesem Zweck ist standardmäßig die Lizenz auf Creative Commons CC0 eingestellt. Das bedeutet, dass die Ausstellung als Open Content frei und ohne Bedingungen von der Allgemeinheit genutzt werden kann. Du kannst auch eine andere Creative Commons-Lizenz für eine Ausstellung selbst wählen.