Provenance research examines the origin of objects and aims to reconstruct their ownership history. This paper presents an image-based method for information retrieval in large data collections while using neural networks. The authors provide the technical conceptualization of image similarity underlying the algorithm.

This paper argues that deep learning for computer vision can tackle both challenges of theater photography – the medium’s precarious status and archive size –, enabling distant viewing approaches from Digital Literary Studies and Art History applied to Theater Studies.

Beim Einsatz moderner KI-Methoden zeigen sich immer wieder Hürden in der Bilderkennung. Anhand digitalisierter Fotografien japanischer Architektur folgt der Beitrag neuen Impulsen der architekturhistorischen Forschung und fordert stärkere interdisziplinäre Kooperation, um der Architekturgeschichte weitere Wege zu eröffnen.

This paper presents a concept for research data management using WikiFAIR. The analysis is based on data related to the visual culture of European hospitals. Furthermore, Wikidata is presented as a reference ontology for data modeling and linking.

Das Working Paper untersucht die Anwendung von Topic Modeling in den Geschichtswissenschaften mit Fokus auf der praxisorientierten Reflexion des gesamten Arbeitsprozesses. Die Autor*innen plädieren für eine methodenkritische Anwendung von Topic Modeling, die quellenkritische und hermeneutische Ansätze umfasst.

Der Beitrag befasst sich mit der maschinellen Umsetzung und Schematisierung der universellen Struktur des Märchens. Dafür wird ein eigenes Markup-Schema zur standardisierten Kodierung des Inhalts verwendet. Vorgestellt wird u. a. ein digitaler Assistent für die semiautomatische Annotation des volkstümlichen Märchens.

Der Beitrag zeigt den Dialog zwischen einer Kunsthistorikerin und einem Informatiker, die Möglichkeiten und Herausforderungen des Einsatzes von Methoden der künstlichen Intelligenz (KI) für kunst- und bildwissenschaftliche Fragestellungen erörtern. Behandelt werden neben Bildähnlichkeit Fragen nach der Klassifizierung, Interpretation und Wertung.

Der Beitrag zeigt am Beispiel der Rocaille den Einsatz von Deep-Learning-Verfahren für das Training von neuronalen Netzen zur Annotation von Ornamentklassen mit dem Ziel via Bild- oder Texteingabe durch ein Vision-Language-Model Ähnlichkeitsvorschläge zu generieren.

Der Beitrag untersucht das Konzept der Ähnlichkeit im Rahmen der Explainable Artificial Intelligence (XAI) in Modellen des maschinellen Lernens für die kunsthistorische Bildsuche und -analyse.