Was andere Museen gerade mit KI machen – und was das für uns bedeuten könnte

Das Paulikloster in Brandenburg an der Havel ist ein historisches ehemaliges Dominikanerkloster, in dem heute das Archäologische Landesmuseum untergebracht ist: Funde, Vitrinen, Stille zwischen altem Gemäuer. Genau hier fand die Focus-Fachtagung statt, die sich mit der Frage beschäftigte, welche Rolle Künstliche Intelligenz für Museen spielen kann und soll. Der Kontrast war stark: jahrhundertealte Objekte und Mauern und die drängende Gegenwartsfrage, wie wir mit maschinellen Systemen umgehen wollen, die wir selbst kaum verstehen.

Ich war dort im Rahmen meiner Tätigkeit für das Museumsforum Steiermark und die Arbeitsgemeinschaft Digitalisierung der Sammlung am Universalmuseum Joanneum. Im Folgenden fasse ich zusammen, was mich am stärksten beschäftigt hat und was meiner Meinung nach auch für uns im Universalmuseum Joanneum und in den vielen Museen in den steirischen Regionen relevant ist.

Katrin Glinka, Professorin für Museumsdokumentation an der Hochschule für Technik und Wirtschaft Berlin, eröffnete mit etwas, das im Alltag gerne übersprungen wird: dem Versuch zu verstehen, womit wir es technisch tatsächlich zu tun haben. Ihr Ausgangspunkt war die Feststellung der Technik- und KI-Kritikerin Kate Crawford: KI ist weder künstlich noch intelligent. Was bedeutet das?

Machine-Learning-Modelle, auf denen die meisten KI-Werkzeuge basieren, arbeiten mit statistischen Wahrscheinlichkeiten und hochdimensionalen Vektoren und nicht mit Sprach- oder Bildkonzepten, wie wir sie verstehen. Jedes Bild wird zu einer Zahlenreihe; jedes Pixel erhält einen dreistelligen Vektorwert. Was die KI dann "vergleicht", sind mathematische Abstände zwischen diesen Zahlenreihen und nicht visuelle Qualitäten, nicht kunsthistorische Bedeutung, nicht kulturelle Kontexte.

"Wenn eine KI zwei Bilder als 'ähnlich' einstuft, hat sie etwas berechnet und nicht etwas gesehen oder verstanden. Die Vergleiche sind nicht vorstellbar und nicht transparent. Man gibt etwas ein, bekommt etwas zurück, und dazwischen liegt nicht Magic, sondern Mathematik, die wir nicht nachvollziehen können."
Katrin Glinka, sinngemäß

Das ist kein Argument gegen KI-Einsatz. Es ist ein Argument dafür, KI-Werkzeuge kritisch zu reflektieren, bevor sie zum Einsatz kommen. Glinka verwies auf eine eigene Studie, deren zentrales Ergebnis war: Anwender*innen sind kaum in der Lage, KI-Systeme kritisch zu beurteilen, weil die Systeme selbst nicht darauf ausgelegt sind, eine solche Reflexion zu ermöglichen. Transparenz ist keine Selbstverständlichkeit, sie muss eingefordert werden.

Ein Gedanke, den sie mitgab: Was sind unsere Annahmen und Erwartungen an KI-Fähigkeiten und entsprechen diese der Realität? Wer glaubt, KI "erkenne" ein Objekt, so wie eine Kunsthistorikerin es erkennt, liegt falsch. Wer das weiß und trotzdem KI einsetzt, mit klaren Grenzen und einem Bewusstsein für Fehlerquellen, handelt verantwortungsvoll.

Glinka sprach auch über eine Frage, die wir diskutieren sollten: Warum soll ich einem Museum, das über KI kommuniziert (KI-Chatbots im Museumsfoyer oder in den Ausstellungen, weil es keine Zeit hat, persönlich zu kommunizieren), meine Zeit schenken? Museen konkurrieren um echte Menschen mit begrenzten Zeitressourcen. Ich probiere gerne Neues aus und habe mich schon mit einigen Chat-Bots unterhalten, die Museen oder Drittanbieter anbieten, und habe mich dann gefragt: Welche Qualität haben diese Gespräche? Was nehme ich davon mit? Bekomme ich dadurch mehr Interesse daran, das Museum zu besuchen? Habe ich mehr erfahren als bei einem Museumsbesuch selbst? Jedenfalls habe ich schon einige Zeit damit verbracht.

Sebastian Ruff, Leiter des Stadtmuseums Berlin, sprach über etwas, das mir auch wichtig erscheint: den Mut, aus dem, was er "das Loch der Perfektion" nannte, herauszukrabbeln. Das Stadtmuseum Berlin verfügt über 4,5 Millionen Objekte, rund 40 Sammlungsbereiche, 150 Jahre Sammlungsgeschichte und einer Handvoll Mitarbeiter*innen für die Grunderschließung der Sammlung.

Das Museum hat eine Reihe von Video-Interviews mit Zeitzeug*innen in der Sammlung - bisher kaum zugänglich, weil nicht transkribiert, nicht verschlagwortet, nicht durchsuchbar. Mit dem Tool Aurelia.ai wurden diese Interviews automatisch transkribiert, untertitelt, zusammengefasst und mit Schlagworten versehen. Die Ergebnisse sind nicht perfekt. Aber der Bestand ist jetzt intern sichtbar. Das ist ein fundamentaler Unterschied.

"Perfekt sind die Ergebnisse nicht – aber sichtbar. Und unsichtbare Bestände nützen niemandem."
Sebastian Ruff, sinngemäß

Eine Universalsammlung mit 40 Sammlungsbereichen hat keine gemeinsame Fachsprache. Jede Abteilung denkt in ihren eigenen Begriffen. Ruffs Ziel war nicht, alle Spezifika abzubilden, sondern: Cluster in der Sammlung erkennbar zu machen – für Personen, die keine Fachexpert*innen sind. KI als Werkzeug zur Erstellung einer groben, durchsuchbaren Ordnung, nicht als Ersatz für kuratorisches Urteil.

Dabei legte das Stadtmuseum Wert auf nachvollziehbare Prozesse: jeden KI-Schritt durch die KI selbst begründen zu lassen, ethische Verantwortung vollständig beim Team zu belassen, und KI als Unterstützung zu denken, nicht als Lautsprecher.

Handschriftliche oder schlecht strukturierte Inventarbücher sind ein klassisches Erschließungsproblem in vielen Häusern. Das dritte Experiment des Stadtmuseums zielt darauf ab, diese Bestände mit KI-Unterstützung erstmals durchsuchbar zu machen. Daran scheiterten die getesteten KI-Tools. Grund: Die handschriftlichen Notizen, Korrekturen, Verweise waren zu menschlich und unsystematisch.

Ruffs Fazit: Die drei Experimente haben Ängste genommen. Nicht weil die Ergebnisse perfekt wären, sondern weil die Auseinandersetzung gezeigt hat, was möglich ist und was nicht. Auch in seinem Team sind Expert*innen mit hohen fachlichen Ansprüchen. Der Ansatz, bewusst nicht die volle fachliche Tiefe anzustreben, sondern Zugänglichkeit für Außenstehende zu priorisieren, hat einen Perspektivenwechsel gebracht und die KI-Experimente möglich gemacht. Fakt: Veröffentlicht wurden die KI-Ergebnisse (noch) nicht.

Neben Glinka und Ruff waren viele weitere Stimmen zu hören:

Martin Lätzel – Landesbibliothek Kiel
Schleswig-Holstein hat seit 2019 eine KI-Strategie. Sein wichtigster Punkt: Gute, geprüfte Daten sind die Grundlage – das ist genau der Beitrag, den Kultureinrichtungen zu einer verantwortungsvollen KI-Entwicklung leisten können. Open Data als Infrastruktur.

Daniel Meisen – Plausibilität ≠ Wahrheit
Sprachmodelle erzeugen, was gut klingt, und nicht, was stimmt. Das Phänomen der „Sycophancy" (KI will gefallen) ist real: Modelle geben unter Druck sogar Fehler zu, die sie nicht gemacht haben. Kritische Qualitätskontrolle bleibt Menschenaufgabe.

Melanie Robinet – Stadtmuseum Oldenburg
KI-gestützte Persona-Entwicklung ("AVA" und "Günther") zur Reflexion von Zielgruppen und Exklusionsmechanismen. Ergebnis: Personas helfen dem Team, eigene Vorurteile sichtbar zu machen. Persönlicher Kontakt zu Besucher*innen und Nicht-Besucher*innen bleibt Priorität.
Elio-Prototyp – Gestalt Robotics
Standardisierter Digitalisierungsroboter für kleine Objekte (1 mm–30 cm), entwickelt mit dem Naturkundemuseum Berlin. Ziel: Massendigitalisierung ohne Expertenfotografen-Wissen. Noch in der Stakeholder-Feedback-Phase.

Frank Jäkel – Intelligente Täuschung
Der Kognitionswissenschaftler ordnete aktuelle KI in eine längere Geschichte ein: von Rechenmaschinen des 17. Jahrhunderts bis zu Ada Lovelace (1843). Seine These (Buch bei transcript): Wir überschätzen KI systematisch. Sie lernt nicht selbstständig, sondern wird aufwendig trainiert. Pilot-Analogie: Technisch bräuchte es seit 30 Jahren keine Pilot*innen mehr, sie sitzen dennoch im Cockpit, aber ihnen fehlt im Notfall die Flugerfahrung. Genauso unklar bleibt, wie die Mensch-KI-Interaktion künftig gestaltet sein soll.
 

Die Tagung hat mir drei Dinge deutlich gemacht, die ich für grundlegend halte, unabhängig von der Größe des Museums:

Erstens: Die Frage ist nicht, ob KI ins Museum kommt, sondern wie wir sie gestalten. Das war der Konsens fast aller Beiträge – und Gestalten erfordert Auseinandersetzung. Die Mensch-Maschine-Interaktion wurde vielfach als „wilder Westen“ bezeichnet, aber der Appell war klar: Auseinandersetzung führt zu Verständnis und gibt uns die Möglichkeit, überhaupt zu entscheiden.

Zweitens: Gute Daten sind keine Selbstverständlichkeit, sondern ein menschlicher Beitrag zur Entwicklung von KI-Modellen. Was wir in der Erschließungsarbeit tun, dass wir Normdaten, kontrollierte Vokabularien, strukturierte Metadaten erstellen, ist nicht Selbstzweck, sondern nachhaltige Infrastruktur auch für KI-Systeme.

Drittens: Und hier höre ich auf, eine klare Haltung einzunehmen. Sebastian Ruff hat „Sichtbarkeit vor Perfektion“ als Prinzip formuliert und ich verstehe, was er meint: Unsichtbare Bestände nützen niemandem. Wer wartet, bis alles perfekt erschlossen ist, wartet möglicherweise ewig.

Und gleichzeitig frage ich mich: Was ist die Aufgabe des Museums in einer Gesellschaft mit KI? Ist es ein Schaufenster, das zuerst sichtbar sein muss, offen, einladend, auch für jene, die sonst keinen Zugang hätten oder wollten? Oder ist es ein Archiv des Wissens, das Verantwortung trägt für die Qualität und Zuverlässigkeit dessen, was es veröffentlicht?
Beides gleichzeitig? Vielleicht. Aber vielleicht auch nicht immer. Wer schnell sichtbar macht, riskiert, unfertige oder fehlerhafte Daten in die Welt zu setzen. Wer auf Vollständigkeit und Richtigkeit wartet, lässt Bestände jahrzehntelang im Verborgenen und macht auch Fehler. Was ich von dieser Tagung mitnehme, ist keine Gewissheit, sondern eine Einladung zur Diskussion. Ich freue mich auf das Gespräch.