Die Verwendung von KI-Systemen in der Forschung wirft die Frage nach ihrer Transparenz und Nachvollziehbarkeit auf. Klassische chatbasierte KI-Modelle bleiben häufig undurchsichtig, was ihre Datenbasis, Schlussfolgerungen und internen Prozesse betrifft. Eine Alternative bieten strukturierte Wissensgraphen: maschinenlesbare, überprüfbare Modelle kulturellen Wissens. Hier wäre Wikidata ein besonders verbreitetes Beispiel. Dieses Potenzial bleibt unausgeschöpft, wenn die Nutzung Kenntnisse semantischer Modellierung und – im Fall von Wikidata – der Abfragesprache SPARQL voraussetzt.
Der Beitrag soll einen Versuch machen, gleichermaßen beide Probleme anzugehen: Das Vorgehen kombiniert die semantische Integration kunsthistorischer Daten mit aktuellen dialogischen KI-Systemen. Wir gehen von dem in den letzten zehn Jahren aufgebauten Wissensgraphen des Corpus der barocken Deckenmalerei (CbDD) aus, der kürzlich in eine offene normdatenbasierte Struktur auf Wikidata transformiert werden konnte. Als dialogisches Interface dient SPINACH: eine an der Stanford University entwickelte, KI-gestützte Chat-Oberfläche zur Generierung und Auswertung von SPARQL-Abfragen.
Der Vortrag beleuchtet drei Ebenen: (1) die erkenntnistheoretische Relevanz semantischer Modellierung für die kunsthistorische Forschung: Wie lassen sich dort relevante Daten strukturiert und relational erfassen? (2) die praktische Umsetzung der Ontologisierung, Normdatenanbindung und Wikidata-Kompatibilität und (3) das Potenzial dialogischer KI zur explorativen, transparenten und skalierbaren Nutzung solcher Datenmodelle: etwa in projektübergreifender Kooperation, dialogischer Lehre und interdisziplinärer Forschung.
Hier scheinen neue Potenziale digitaler Kunstgeschichte auf, wenn Forschungsdaten nicht nur aggregiert, sondern als epistemische Objekte sichtbar, verständlich und erweitert nachnutzbar werden.