Ein Gemälde kommt ins Auktionshaus. Ist es ein Rubens oder eine Werkstattkopie, die nur einen Bruchteil wert ist? Vier Jahrhunderte lang gehörte diese Frage einer kleinen Priesterschaft von Kennern — Gelehrten, die zehntausend Leinwände gesehen hatten und ihrem Auge vertrauten. Jetzt will ein neuronales Netz mitreden. Und die Kunstwelt kann sich nicht einigen, ob sie ihm eine Stimme geben soll.
Das Unternehmen, das die Sache vorantreibt, heißt Art Recognition, eine Schweizer Firma, 2019 bei Zürich gegründet. Sie trainiert neuronale Netze auf dem gesicherten Werk eines Künstlers und bewertet dann ein strittiges Bild danach, wie genau dessen Pinselführung, Textur und tonaler Rhythmus übereinstimmen. Das Ergebnis ist unverblümt: eine Prozentzahl. 2021 gab das System einem umstrittenen Gemälde eine Echtheitswahrscheinlichkeit von 91 Prozent. Schlagzeilen folgten. Und mit ihnen der Streit.
Worauf der Algorithmus tatsächlich schaut
Vergessen Sie für einen Moment die Romantik des geschulten Auges. Das Modell von Art Recognition kümmert sich nicht um Provenienzpapiere, Ausstellungsgeschichte oder darum, wem das Bild 1780 gehörte. Es liest Pixel. Das Netz zerlegt einen hochauflösenden Scan in kleine Felder und fragt für jedes einzelne, ob die Handschrift nach dem Meister aussieht oder nach jemandem, der ihn nachahmt. Pinseldruck, die Art, wie Farbe an einer Kante zusammenläuft, der Mikro-Rhythmus einer wiederholten Geste — das hinterlässt einen statistischen Fingerabdruck, der sich wirklich schwer fälschen lässt. Denn ein Kopist konzentriert sich auf das Bild, nicht darauf, eine unbewusste motorische Gewohnheit zu reproduzieren.
Dieser Ansatz auf Feldebene ist das Clevere daran — und zugleich die Schwäche. Bei einem Rubens-Kandidaten von 2025 kamen die Ergebnisse gemischt zurück: Die meisten Felder lasen sich als echt, eine Handvoll nicht. Was ist nun das Urteil über das ganze Gemälde? Ein Rubens mit Werkstatthilfe? Eine spätere Übermalung über echter Grundierung? Die Zahl sagt es nicht. Sie markiert, wo die Handschrift schwankt, und überlässt die Deutung den Menschen — genau die Arbeit, von der die Kenner dachten, die Maschine würde sie ihnen abnehmen.
Warum alte Meister der schwierigste Fall sind
Caravaggio ist das Horrorszenario, und ein lehrreiches dazu. Er schuf vielleicht sechzig erhaltene Werke in einem kurzen, gewalttätigen Leben und löste ein Jahrhundert von Nachahmern aus, die so geschickt waren, dass der Begriff „caravaggesk“ ein eigenes Forschungsfeld bildet. Ein kleines dokumentiertes Werk plus ein riesiges Nachleben der Imitation ist Gift für jedes statistische Modell — Sie verlangen von ihm, einen Stil aus kaum genügend Beispielen zu lernen und dann den Meister von Nachfolgern zu unterscheiden, die ihn besessen studiert haben. Trainieren Sie mit zu wenig, wird das Netz selbstsicher über Rauschen. Das ist kein hypothetischer Fehler, sondern die strukturelle Bedingung des gesamten Altmeistermarktes.
Rembrandt steht am anderen Ende. Das Rembrandt Research Project hat jahrzehntelang Gemälde ab- und wieder aufgewertet, und der zugeschriebene Bestand ist groß und gut fotografiert. Da hat ein Modell etwas zu kauen. Aber selbst dort sind die harten Fälle aus demselben Grund hart wie für Menschen: Ein Werkstattbild, unter dem Auge des Meisters und mit seinen Korrekturen gemalt, ist ein reales Objekt, das zwischen den Kategorien sitzt, die kein sauberes Etikett fassen kann.
Die Kenner wehren sich — und sie haben nicht unrecht
Im März 2026 brachte CNN einen Beitrag mit einem Titel, der das Patt einfing: Kunsthistoriker und KI könnten sich nicht einig werden. Die Einwände der Fachleute sind konkret und berechtigt. Die Trainingsdatensätze sind klein und oft verzerrt zugunsten dessen, was sich leicht fotografieren lässt. Die Modelle sind proprietär — Sie bekommen eine Prozentzahl, keine Begründung, und „87 Prozent echt“ ist kein Argument, das Sie in einen wissenschaftlichen Disput tragen können. Und Sicherheit ist nicht Richtigkeit. Ein Netz, das auf 150 angeblich echten Caravaggios trainiert wurde, wird eine clevere Fälschung bereitwillig mit 80 Prozent bewerten, wenn der Fälscher die richtigen Gewohnheiten kopiert hat.
Darunter liegt ein schärferer Einwand. Zuschreibung war nie ein rein visuelles Problem. Sie verflicht das Auge, die Dokumente, die Pigmentanalyse, die Dendrochronologie der Holztafel, die Lücke in den Akten einer Sammlung. Art Recognition liest nur die Oberfläche. Seine Zahl als Urteil zu behandeln statt als ein Instrument unter vielen auf der Werkbank — da fängt der Ärger an. Und genau da ist ein nervöser Markt, der sich nach einem klaren Ja oder Nein sehnt, am ehesten versucht, zu weit zu gehen.
Folgen Sie dem Geld, denn der Markt tut es längst
Warum das über den Seminarraum hinaus zählt, ist einfach. Eine Zuschreibung kann den Wert eines Gemäldes um das Hundertfache verschieben. Ein „Umkreis des Rubens“ bei einer Regionalauktion und ein eigenhändiger Rubens bei Christie’s sind dasselbe Objekt mit einem anderen Satz dahinter. Diese Kluft ist das ganze Spiel, und darum ist eine KI-Prozentzahl so gefährlich und so verführerisch zugleich. Verkäufer wollen die hohe Zahl. Käufer wollen Abstreitbarkeit. Versicherer wollen einen Wert zum Zeichnen. Alle würden das Risiko gern an ein Modell auslagern, das man nicht verklagen kann und das nicht relativiert.
Die Auktionshäuser haben die Technik in ihren öffentlichen Katalogen überwiegend auf Abstand gehalten, und diese Vorsicht ist vielsagend. Sie wissen: Eine strittige Zuschreibung übersteht man, einen Prozess darüber nicht. Also taucht das KI-Urteil dort auf, wo die Einsätze trüber sind — im Handel unterhalb der Spitzenlose, in den Auseinandersetzungen zwischen einem hoffnungsvollen Eigentümer und einem skeptischen Gelehrten, in der Pressemitteilung, die „KI bestätigt“ schreibt, während das Modell eher „wahrscheinlich, mit Vorbehalten“ sagte.
Ein Werkzeug, kein Orakel
Die ehrliche Einschätzung, wo das alles landet: KI-Authentifizierung ist real, sie ist bereits im Einsatz, und sie ist genau dann am nützlichsten, wenn man sie als die am wenigsten maßgebliche Stimme im Raum behandelt. Als Triage-Werkzeug — um die hundert Gemälde in einem Depot zu markieren, die einen zweiten menschlichen Blick wert sind — verdient sie sich ihren Platz. Als Stichentscheid, der einen sorgfältigen Gelehrten überstimmt, ist sie eine Haftung im Gewand der Objektivität. Die Prozentzahl fühlt sich gerade deshalb wie ein Beweis an, weil sie ihre Begründung verbirgt — und diesem Gefühl ist zu misstrauen.
Was die alten Meister der Maschine also beibringen, ist eine Demut, für die sie nicht gebaut wurde. Eine Caravaggio-Zuschreibung ist kein Klassifikationsproblem mit versteckter richtiger Antwort. Sie ist ein Urteil, gefällt unter Unsicherheit, von Menschen, die bereit sind, öffentlich falsch zu liegen. Das Netz kann dieses Urteil schärfen. Die Bereitschaft, dafür geradezustehen, kann es nicht ersetzen.
Neugierig, wie weit KI die visuelle Grenze verschieben kann — bei neuen Werken, nicht bei vierhundert Jahre alten Leinwänden? Entdecken Sie, was unsere generativen Werkzeuge können, auf ai-art-designer.de.
Bilder: AI-Designed
Dieser Beitrag ist auch verfügbar auf:
Deutsch