Das Gemälde „Die Mühle von Wijk“, dass kürzlich aufgefunden und Vincent van Gogh zugeordnet wurde, ist mithilfe Künstlicher Intelligenz und Machine Learning auf seine Echtheit hin überprüft worden. Die Münchner KI und Data Science Spezialisten der Alexander Thamm GmbH konnten keine Auffälligkeiten feststellen, die Hinweise auf eine Fälschung geben. Das zugrunde liegende Modell aus neuronalen Netzen erkennt insgesamt sieben von acht gesicherten Van Gogh Fälschungen. Sie wurden von dem Kunsthändler Otto Wacker Ende der 20er Jahre und Anfang der 30er Jahre in Umlauf gebracht. Auch das 2010 in Italien aufgetauchte angebliche Van Gogh Gemälde „Protestantische Scheune“ wird von dem Algorithmus, wie von zahlreichen Experten, als Fälschung klassifiziert.
Das vom Leading Data Scientist des Unternehmens, Wolfgang Reuter, seit Anfang 2017 entwickelte und immer wieder verbesserte Modell ist generell mit relativ hoher Genauigkeit in der Lage, Fälschungen zu erkennen. Das LKA Berlin unterstützt das Projekt seit mehreren Jahren – und hat dem KI-Experten in dieser Zeit insgesamt 75 gesicherte Fälschungen von sechs verschiedenen Künstlern zur Verfügung gestellt. Im Schnitt werden davon drei Viertel der Fälschungen erkannt, wobei die Präzision von Maler zu Maler unterschiedlich ist. Von 34 Penck-Fälschungen der Behörde etwa erkennt das Modell 67, von vermeintlichen Max Beckmann Bildern jedoch 100 Prozent. Bei Heinrich Campendonk liegt die Erkennungs-Quote bei 90 Prozent, Max Liebermann Fälschungen werden zu 80 Prozent erkannt.
„Wichtig ist allerdings“, sagt Reuter, „dass bei der angewandten Methode auch immer ein bestimmter Anteil an Originalen positiv, also als verdächtig oder auffällig klassifiziert wird“. Im Schnitt liegt dieser Anteil bei elf Prozent. Der Entwickler sagt deshalb ganz offen, dass auch Künstliche Intelligenz niemals ein sicheres oder gerichtsfestes Urteil darüber abgeben kann, ob ein Gemälde von einem bestimmten Künstler stammt – oder eben nicht. Dies allerdings trifft auch auf alle anderen Methoden der Echtheitsprüfung statt.
So haben sich menschliche Kunstexperten und -sachverständige in der Vergangenheit täuschen lassen, wie der Fall des Ende 2011 zu sechs Jahren Haft verurteilten „Jahrhundert-Fälschers“ Wolfgang Beltracchi zeigt. Die Provenienz-Forschung kann ebenfalls nur Anhaltspunkte liefern, insbesondere wenn die Herkunft eines Bildes seit der Entstehung nur lückenhaft dokumentiert ist. Selbst chemische Analysen sind nur bedingt aussagekräftig, insbesondere wenn die verwendeten Farben unauffällig sind, schließlich achten viele Fälscher penibel darauf, keine nur Pigmente zu benutzen, die zur vermeintlichen Entstehungszeit eines Gemäldes handelsüblich waren. Dazu kommt, dass es Fälle gab, in denen neuere Farben über Restaurationen auf ein Kunstwerk aufgetragen wurden. Reuter sieht den Algorithmus deshalb als weitere, zusätzliche Indikation für die Echtheit, die keines der bisher üblichen Verfahren überflüssig macht, diese jedoch ergänzt.
Im Fall von van Gogh liegt die Präzision bei der Erkennung der Fälschungen bei 89 Prozent – allerdings würden auch knapp elf Prozent der Originale positiv getestet (siehe Graphik unten).
Alle blauen Punkte unterhalb des grün eingezeichneten Schwellenwerts sind originale van Gogh-Bilder, die von dem Modell als „auffällig“ klassifiziert würden. Die roten Punkte unterhalb der Linie repräsentieren erkannte Fälschungen. Der etwas verdeckte rote Punkt bei dem Wahrscheinlichkeitswert von 0,81 repräsentiert die „Mühle von Wijk“, der darüber gelegene und noch stärker verdeckte Punkt bei 0.87 bezeichnet die einzige von acht Fälschungen des Kunstsammlers Otto Wacker, die nicht als solche erkannt wurde.
Die Wacker-Fälschungen wurden Alexander Thamm von Henry Keazor, Professor für Neuere und Neueste Kunstgeschichte an der Uni Heidelberg zur Verfügung gestellt. Sie sind im Folgenden abgebildet.
Die hell markierten Stellen zeigen Bildpartien, die sogenannte Konvolutionale Neuronale Netze als ausgesprochen „van Gogh typisch“ erkannt haben. Dies allerdings ist als ex-post Betrachtung zu sehen, also als nachträgliche Analyse der Arbeitsweise des Modells: Der Algorithmus erhält als Input von jedem Kunstwerk nur 100 zufällig ausgewählte und unveränderte Bildausschnitte mit je 224 x 224 Pixel Abmessung. Welche Stellen oder Bildpartien „charakteristisch“ für einen Maler sind oder eben nicht, lernt der Algorithmus während des Trainings selbst.
Weder die Alexander Thamm GmbH noch Wolfgang Reuter haben Kontakt oder eine Verbindung zu dem derzeitigen Besitzer des Bildes, dem Versteigerungshaus oder sonst irgendeinem an der geplanten Auktion Beteiligten. Die Analyse erfolgte auf eigene Initiative und aus rein wissenschaftlichem und ohne jedes kommerzielle Interesse.
Bei Rückfragen können Sie sich gerne telefonisch (+49 151/ 14659820) oder per E-Mail (wolfgang.reuteralexanderthammcom) an Wolfang Reuter wenden.
Wolfgang Reuter
Wolfgang Reuter ist Leading Strategist und KI-Experte bei Alexander Thamm. Er studierte Umweltwissenschaften an der UEA in Norwich, UK, und ist ausgebildeter Journalist. Er war unter anderem Korrespondent für den "Spiegel" in Frankfurt und Berlin, Ressortleiter Unternehmen & Märkte beim "Handelsblatt" und stellvertretender Redakteur beim "Focus". Vor etwa sechs Jahren begann er, sich mit Programmierung zu beschäftigen und konzentrierte sich später auf künstliche Intelligenz. Vor zweieinhalb Jahren, mit damals 52, wechselte er den Beruf - und arbeitet nun hauptberuflich in diesem Bereich.
Cookie Freigabe
Diese Website verwendet notwendige Cookies zur Sicherstellung des Betriebs der Website. Eine Analyse des Nutzerverhaltens durch Dritte findet nicht statt. Detaillierte Informationen über den Einsatz von Cookies finden Sie in unseren Datenschutzerklärung.
Individuelle Cookie Einstellungen
Datenschutzeinstellungen
Hier finden Sie eine Übersicht über alle verwendeten Cookies. Sie können Ihre Zustimmung zu ganzen Kategorien geben oder sich weitere Informationen anzeigen lassen und so nur bestimmte Cookies auswählen.
Notwendige Cookies
Diese Cookies ermöglichen grundlegende Funktionen und sind für die einwandfreie Funktion der Website erforderlich.
Cookie Informationen anzeigen
Cookie Informationen verbergen
Hubspot CMS
HubSpot CMS ist ein Content-Management-System, das verschiedene Cookies zur Verfolgung von Besucherinteraktionen verwendet.
Anbieter: | HubSpot, Inc., 25 First Street, Cambridge, MA 02141, USA |
Cookiename: | __hstc; hubspotutk; __hssc; __hssrc; __cf_bm; __cfruid |
Laufzeit: | 6 Monate; 6 Monate; 30 Minuten; Sitzungsende; 30 Minuten; Sitzungsende |
Datenschutzlink: | https://legal.hubspot.com/de/privacy-policy |
Host: | .hubspot.com |
Matomo Analytics
Matomo ist eine Open-Source-Webanalyselösung, die Datenschutz und Datenhoheit betont und statistische Nutzer-Informationen festhält.
Anbieter: | InnoCraft Ltd., 150 Willis St, 6011 Wellington, New Zealand |
Cookiename: | _pk_id..; _pk_ses.. |
Laufzeit: | 13 Monate; 30 Minuten |
Datenschutzlink: | https://matomo.org/gdpr-analytics/ |
Host: | .matomo.cloud |
Cookies für Externe Inhalte
Inhalte von Videoplattformen und Social Media Plattformen werden standardmäßig blockiert. Wenn Cookies von externen Medien akzeptiert werden, bedarf der Zugriff auf diese Inhalte keiner manuellen Zustimmung mehr.
Cookie Informationen anzeigen
Cookie Informationen verbergen
YouTube
YouTube setzt verschiedene Cookies zur Verwaltung von Benutzereinstellungen und zur Verfolgung von Nutzerinteraktionen. Und wird verwendet, um YouTube-Inhalte freizuschalten.
Anbieter: | Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Ireland |
Cookiename: | YSC; VISITOR_INFO1_LIVE; PREF |
Laufzeit: | Sitzungsende; 6 Monate; 8 Monate |
Datenschutzlink: | https://policies.google.com/privacy?hl=de |
Host: | .youtube.com |
Podigee
Podigee ist ein Podcast-Hosting-Dienst, der Cookies für die Freischaltung von Inhalten gesetzt.
Anbieter: | Podigee GmbH, Revaler Straße 28, 10245 Berlin, Deutschland |
Cookiename: | Nicht spezifiziert |
Laufzeit: | Nicht spezifiziert |
Datenschutzlink: | https://www.podigee.com/de/ueber-uns/datenschutz/ |
Host: | .podigee.com |
Google Maps
Dient zum Entsperren von Google Maps-Inhalten. Google Maps verwendet Cookies, um Benutzerpräferenzen zu speichern und die Nutzung zu erleichtern.
Anbieter: | Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland |
Cookiename: | SID; HSID; NID |
Laufzeit: | 2 Jahre; 2 Jahre; 6 Monate |
Datenschutzlink: | https://policies.google.com/privacy?hl=de |
Host: | .google.com |
Ihre Cookie-Einstellungen erlauben keine externen Inhalte von Google Maps.
Ihre Cookie-Einstellungen erlauben keine externen Inhalte von Matomo Analytics.