Wie rechnen KI-Systeme semantisch mit Bildern oder Texten? Wo entstehen Annahmen, Bias und Vorurteile, und wie können wir uns sowohl konzeptuell als auch praktisch innerhalb dieser kontingenten Ergebnisse positionieren?

In diesem erweiterten Workshop experimentieren wir mit Python-Programmierung, um Einblicke in die Funktionsweise dieser Black Boxes zu gewinnen. Die Lehrveranstaltung versteht sich zugleich als Einführung darin, wie wir als künstlerisch Forschende generative KI nutzen können, ohne die kritische Auseinandersetzung mit ihren technischen Bedingungen aus dem Blick zu verlieren.

Die meisten bildgenerierenden Modelle basieren auf Systemen, die zwischen Sprache und Bild übersetzen – ein neuartiges Phänomen, in dem visuelle und sprachliche Bedeutung rechnerisch aufeinandertreffen. Menschliches Sehen ist ein zutiefst kontextueller Prozess, geprägt von persönlicher Geschichte, kulturellen Rahmenbedingungen und verkörperter Erfahrung. Maschinelles Sehen hingegen operiert über statistische Analysen großer Datensätze und reduziert die Komplexität von Bildern auf mathematische Relationen.

In der Praxis untersuchen wir die Mechanismen dieser Vision-Systeme anhand konkreter Programmierübungen. Wir erforschen, woher Verzerrungen und Bias stammen und wie diese künstlerisch sichtbar oder sogar gezielt verstärkt werden können. Daraus ergeben sich Möglichkeiten zur Entwicklung visueller Installationen oder bewegter Bildpraktiken. Gemeinsam diskutieren wir unterschiedliche Perspektiven und Referenzen und verorten unsere Praxis im Kontext kritischer Auseinandersetzungen mit KI in der Kunst.

Verwandte Themen: Ollama, Contrastive Language-Image Pre-Training (CLIP), Large Language and Vision Assistant (LLaVA), bildgenerierende Modelle wie Stable Diffusion.

• Aktive Teilnahme am gesamten Workshop
• Mitarbeit an praktischen Übungen

Der Kurs wird in Zusammenarbeit mit Ting-Chun Liu gehalten.

Maximale Teilnehmer:innenzahl: 15

Unterrichtssprache: Englisch