Mit iART wird eine offene Web-Plattform zur Suche in kunst- und kulturwissenschaftlichen Bildinventaren präsentiert, die von in den Geistes­wissenschaften etablierten Methoden wie dem Vergleichenden Sehen inspiriert ist. Das System integriert verschiedene maschinelle Lerntechniken für das schlagwort- und inhaltsgesteuerte Retrieval sowie die Kategorienbildung über Clustering. Mithilfe eines multimodalen Deep-Learning-Ansatzes ist es zudem möglich, text- und bildbasiert nach Konzepten zu suchen, die von trainierten Klassifikationsmodellen zuvor nicht erkannt wurden. Unterstützt von einer intuitiven Benutzeroberfläche, die die Untersuchung der Ergebnisse durch modifizierbare Objektansichten erlaubt, können Nutzer:innen circa eine Millionen Objekte aus kunsthistorisch relevanten Bilddatenbanken, etwa des niederländischen Rijksmuseums, explorieren. Ebenso können eigene Bestände importiert werden.

Der Datensatz des Game with a Purpose ARTigo umfasst ein reiches Schlagwortrepertoire, das im Rahmen der Spielpraxis gesammelt wurde und Kunstobjekte inhaltlich, stilistisch und konnotativ beschreibt. Die Auswertung dieser Daten eröffnet die Möglichkeit einer kunsthistorischen Evaluation und Interpretation: Bei der Datenbereinigung werden in der Regel Informationen herausgefiltert, die als nutzlos oder inkorrekt kategorisiert werden. Doch tragen nicht auch diese „wertlosen“ Schlagwörter empirische Bedeutung in sich? Unsere Analyse belegt, dass Verwechslungen von Künstler:innennamen nicht willkürlich geschehen, sondern auf evidente Ähnlichkeiten in der Arbeitsweise und biografische Korrelationen der jeweiligen Künster:innen zurückzuführen sind. Für die Kunstgeschichte bedeutet dies, dass durch die „Weisheit der Vielen“ historisch bedeutsame Wechselbeziehungen offengelegt werden können, auch wenn die Spieler:innen keine Expert:innen des Faches sind.

Kleidung, Tracht und Mode kommunizieren die Vorstellung des Trägers von Schönheit, Status, Körper, Form, sozialer Hierarchie und religiöser Zugehörigkeit, kurz: die Identität des Trägers. Die Informationen in den historischen Quellen zur Kleidung, in bildlichen Darstellungen, beschreibenden Texten und textilen Artefakten, werden in dem interdisziplinären Forschungs- und Digitalisierungsprojekt „Restaging Fashion. Digitale Kontextualisierung vestimentärer Quellen“ (UCLAB, Fachhochschule Potsdam) interpretiert und kontextualisiert. Eine tiefe inhaltlche Erschließung, sowie im Projekt angefertigte Digitalisate bilden dafür die Datenbasis. Ein besonderer Schwerpunkt wird zum einen auf der prototypischen 3D-Digitalisierung historischer Kleidung liegen. Zum Anderen wird die Datenvisualisierung als epistemisches Werkzeug sowohl im Prozess der Erfassung genutzt als auch für die Sammlungspräsentation im Web eingesetzt.