Conference Agenda

This paper explores an AI-assisted approach to iconographic analysis of medieval manuscript illuminations. Adapting a workflow originally developed for early modern woodcuts - combining Large Language Models (LLMs) with Retrieval-Augmented Generation (RAG) - we apply it to automatically generate Iconclass metadata for the 14th-century Wenzelsbibel. Our study makes two main contributions: assessing the method’s suitability for medieval visual culture and evaluating its integration into a TEI-based digital edition. We critically reflect on challenges such as limited domain-specific training data and stylistic variation across periods. Central to our approach is an "expert-in-the-loop" design ensuring scholarly oversight. This work aligns with the conference’s theme by addressing both the algorithmic foundations for visual data analysis and the epistemological implications of machine-generated metadata in the humanities.

In der Botanik und Pharmazie vollzog sich seit dem ausgehenden Mittelalter infolge innovativer Technologien und der Entdeckungsreisen ein Wandel in den Grundlagen der Epistemik: Die Vielzahl der überall auf der Welt neu entdeckten Pflanzen- und Tierarten initiierte den Aufbau großer Naturaliensammlungen und botanischer Gärten. Zugleich entstand der Anspruch auf Autopsie: Die Heilkundigen, die Pflanzensammlerinnen und -sammler strebten nach der eigenen und unmittelbaren Anschauung der Arten in ihrer natürlichen Umgebung und die Dokumentation zielte auf eine möglichst naturgetreue Wiedergabe in bildlichen Darstellungen. Das Projekt ViFaPi (Visuelle Fachinformation: Automatische Bildverarbeitung für Pflanzen in historischen Drucken, Handschriften und Herbarien) erprobt innovative automatische Bildverarbeitungsverfahren für historische Quellen. ViFaPi prüft, ob automatische KI Verfahren Pflanzen in Drucken und Herbarien auf Basis der visuellen Information erkennen können. Der Beitrag geht auf die verwendeten Sammlungen und erste Ergebnisse ein. Eine Evaluierung zeigte, dass die App FloraIncognita gute Ergebnisse liefert, die Trefferquote aber für ältere Materialien niedrig liegt.

Welche Möglichkeiten bieten KI-gestützte Analysen ikonographischer Szenen in Kunstgeschichte und Archäologie? Im Zentrum dieses Beitrags steht die Frage, inwieweit historische Bilderzählungen automatisiert erkannt, annotiert und vergleichend ausgewertet werden können. Am Beispiel christlicher Bildüberlieferungen von der Spätantike bis in die Frühe Neuzeit zeigen wir auf der Basis interdisziplinärer Projekterfahrungen auf, welche Verfahren und Ergebnisse aus der Perspektive von Kunstgeschichte und Christlicher Archäologie als aktueller Status quo gelten können. Die Annotation durch Fachwissenschaftler:innen und das Training neuronaler Netze bilden dabei methodische Herausforderungen, insbesondere bedingt durch die stilistische und mediale Heterogenität der Bildträger sowie die vergleichsweise geringe Datenbasis. Gleichwohl erweisen sich Verfahren der Objekt- und Posenerkennung als heuristisch vielversprechend. Ansätze wie „few-shot object detection“ eröffnen darüber hinaus Perspektiven für datenarme Kontexte. Der Vortrag unterstreicht die Notwendigkeit interdisziplinärer Kooperation, einer domänenspezifischen Modellarchitektur sowie der Entwicklung offener, standardisierter Bildcorpora.