Kann KI Kunst?

Wenn KI-Bilder Kunstwerke wären – wer wäre dann der Künstler? Und wenn erst die Formulierung ausgefeilter Prompts Anwender zu Künstlern macht – was ist dann von Bildern zu halten, die ohne Prompt entstehen? Doc Baumann versucht, diese Fragen aus kunstwissenschaftlicher Sicht zu beantworten. Obwohl dieses Bild mit einem sehr offenen Prompt auskam (»Kommunikation, Aktion, Akademismus, Moebius, Präraffaeliten«) scheint das errechnete Ergebnis eine tiefere Bedeutung zu haben, die es rechtfertigt, eine scheinbar dahinterstehende Intention zu interpretieren (NightCafé, SDXL). | Alle Grafiken: Doc Baumann mit KI-Unterstützung Setzen wir KI dazu ein, Bilder hervorzubringen, dann haben wir fast immer die Absicht und Hoffnung, dass die Ergebnisse möglichst genau die eingegebenen Prompts umsetzen. Dank dieser Vorgabe ist dann klar, dass wir am Entstehungsprozess maßgeblich beteiligt waren. Alles, was eine KI darüber hinaus hinzufügt, vor allem aber weglässt, ist in der Regel unerwünscht. Wir hoffen darauf, dass solche Abweichungen möglichst bald nicht mehr vorkommen und fertige Bilder genau das zeigen werden, was wir als Beschreibung eingetippt haben. Ich möchte hier jedoch einmal andersherum vorgehen und untersuchen, wie KI reagiert, wenn die Prompts so offen wie möglich sind und die KI sozusagen „freie Hand“ hat. Denn in einem solchen Fall wäre unsere eigene Mitwirkung minimal und das Ergebnis weitestgehend unabhängig von ihr. Wir sind mit einem ähnlichen Problem jedes Mal konfrontiert, wenn das Resultat nicht wunschgemäß ausfällt – sei es, weil die KI zu eigenmächtig vorgegangen ist, sei es, weil unsere Erfahrung, zielgerichtete Prompts zu formulieren, nicht groß genug war. Die dabei herauskommenden Bilder sind dann zwar für unseren konkreten Zweck unbrauchbar – für sich betrachtet sind viele von ihnen aber von so hoher Qualität, dass es mitunter lohnt, sie für späteren Gebrauch aufzubewahren. Wie können solche Bilder eingeschätzt, vor allem aber bewertet werden? Sind sie gar Kunst, mit oder ohne Anführungsstriche? Wenn wir uns bei gelungenen – im Sinne von prompt-gemäßen – Bildern als deren Urheber verstehen, möglicherweise das Ergebnis sogar als Kunst einschätzen, blieben in solchen Fällen nur die Programmierer der KI und das von ihnen herangezogene Trainingsmaterial, die solche Ansprüche stellen könnten. Aber beide haben nur sehr mittelbar zum Ergebnis beigetragen und nie die Absicht verfolgt, dass eben dieses Bild entstehen soll. Damit bliebe nur die KI als „ästhetisches Subjekt“ selbst übrig. Nun darf man nicht in die Falle der Anthropomorphisierung tappen und ihr irgendwelche eigenen Absichten unterstellen. Aber wir können zumindest probehalber so tun, als sei die KI der Urheber. Dazu sind allerdings gewisse Umwege nötig. Mit dem Prompt »Rost« hat das Bild aus NightCafè (SDXL) wenig zu tun. Stilelemente von Moebius und Caspar David Friedrich dagegen sind deutlich zu erkennen. Was tun die beiden Wanderer in diesem Wald? Die Porno-KI Pornpen.ai lässt keine eigenen Prompts zu, sondern nur die Auswahl zwischen vorgegebenen Parametern zu Körpern, Kleidung, Hintergrund, Modifikatoren und Ähnlichem. Neben ein paar formalen Vorgaben wurde hier lediglich »Bibliothek« aktiviert. Auch hier fühlt sich der Betrachter herausgefordert, eine Bedeutung und die Beziehung der beiden Männer zu entschlüsseln. Geht es um Trost oder böse Hintergedanken? Ist Fotografie Kunst? Um diese Frage beantworten zu können, müsste man erst einmal bestimmen, was Kunst überhaupt ist. Als Kunstwissenschaftler weiß ich es natürlich genau: Kunst ist, wenn ein Rahmen drumrum ist oder es auf einem Sockel steht, vor allem, wenn sich das Objekt in einem Museum oder einer Galerie befindet. Das ist eine höchst unbefriedigende Definition, ich weiß. Aber ich fürchte, genauer geht es nicht. So, wie ein US-Richter einmal feststellte: Ich kann nicht erklären, was Pornographie ist, aber ich erkenne sie, wenn ich welche sehe. Und so, wie für die Schulbehörde von Florida Michelangelos David-Statue unter Pornographie fällt und für die meisten von uns nicht, sind auch die Grenzbereiche dessen, was als Kunstwerk gilt, sehr unscharf. Nach meinen eigenen Maßstäben halte ich vieles, was der obigen „Definition“ entspricht, persönlich keineswegs für Kunst – jedenfalls für keine, die mich interessiert oder anspricht. Mit dem Prompt »Strukturalismus« konnte keine der KIs etwas anfangen, mit »Fragmentiere die Welt und füge die Stücke dann wieder zusammen« schon eher (NightCafé – SDXL 0.9). Gute Nachricht für Vertreter sogenannter geschlechterneutraler Sprache: Offensichtlich ist „die Welt“ als nichtgenerisches Femininum wohl eine Frau. Ein Bereich, in dem glasklar definiert wird und möglichst keine Uneindeutigkeiten vorkommen sollen, ist die Gesetzgebung. Wer allerdings erwartet, das Urheberrecht könnte hier weiterhelfen, wird enttäuscht. Die Interpretationsspielräume sind auch hier gewaltig. So referiert etwa die Webseite „jura-basics“: „Fotos (Bilder) (…) erfordern für die Herstellung eine Lichtenergie. Bilder, die ohne Lichtenergie hergestellt worden sind, können keine Lichtbilder oder Lichtbildwerke sein. Dies gilt beispielsweise für mit dem Computer erstellte Bilder (sog. Computerbilder). Diese Bilder werden ohne Lichtenergie erstellt.“ Eine sehr eng gefasste Definition! Und bei „it-recht-kanzlei“ ist zu lesen: „Dementsprechend könne allein das Ergebnis des Herstellungsverfahrens letztlich nicht maßgeblich sein, denn sonst wäre bereits jedes Bild, das optisch wie eine Fotografie wirkt, als lichtbildähnliches Erzeugnis im Sinne des § 72 UrhG zu klassifizieren.“ Als juristischer Laie kann man da nur fragen: Ja, warum denn nicht? „Computerbilder“ wären also schon mal außen vor, und was gar KI-generierte Bilder betrifft, so werden die dem Gesetzgeber und uns allen rechtlich wohl noch einige Sorgen bereiten. So heißt es im Urteil eines Berliner Gerichts, „dass die am Computer mittels elektronischer Befehle erstellten Abbildungen virtueller Gegenstände weder nach § 2 Abs. 1, 2 UrhG noch nach § 72 UrhG urheberrechtlich schutzfähig seien.“ Was juristisch betrachtet (einstweilen) hieße: KI-Bilder können keine Kunst sein, und solche (fast) ohne Prompt schon gar nicht. „Lichtbildwerke“ dagegen gelten als Kunstwerke – in Ab-grenzung von bloßen „Lichtbildern“. Oder auf Deutsch: Ein Selfie oder ein im Freundeskreis geteiltes Handyfoto des heutigen Mittagsessens ist anspruchslose Knipserei (dennoch nicht ganz ungeschützt) – ein Foto dagegen, bei dessen Aufnahme sich jemand offensichtlich (für wen?) Gedanken gemacht hat über Aufnahmepunkt, Beleuchtung, Komposition und so weiter ist das Ergebnis einer geistigen Leistung und die Realisierung einer subjektiven Absicht, mithin Kunst. Ist das plausibel? Was Fotografie betrifft, so gibt es ja zwei Extrempositionen: Fotografie ist objektiv, weil sie nur das zeigt, was vor der Linse war – Fotografie ist subjektiv, weil der Fotograf durch eine ganze Reihe von Entscheidungen festlegt, was aufs belichtete Bild kommt: der Augenblick des Auslösens (oder deren Verweigerung), Ausschnitt, Blende, Unschärfe, Perspektive … Wer hat recht? Irgendwie natürlich beide. Aber ich würde den Schwerpunkt eindeutig auf „objektiv“ legen. Selbst wenn das Motiv inszeniert wurde, kann die Kamera immer nur das abbilden, was vor der Linse war; andersherum: Sie kann nichts wiedergeben, was optisch nicht dort war. Allerdings kann man dieselbe Szene auch ganz ohne eine geistige Leistung, ohne ästhetische Absicht, ablichten. Der objektive Aspekt ist also immer da, der subjektive kann hinzukommen – oder nicht. Welche Folgen hat das? Gestalterische Absicht hin oder her, jedes fotografierte Bild ist das Ergebnis eines technischen Prozesses, für dessen Realisierung es eine „Maschine“ braucht, wobei diese zu erheblichen Teilen elektronisch gesteuert wird. Vor dem Druck auf den Auslöser werden bestimmte Bedingungen geschaffen, etliche Parameter eingestellt, im Anschluss die Taste gedrückt. Das Generieren eines KI-Bildes lässt sich mit exakt denselben Worten beschreiben, nur nennt man die finale Taste nicht Auslöser, sondern Eingabetaste. Das ist der ganze Unterschied. Die oben zitierte Urteilsbegründung steht also auf sehr wackligen Beinen. Zumal die gestalterischen Vorbereitungen bis zum Vorliegen eines fertigen KI-Bildes in der Regel nicht weniger umfangreich sind als die beim Anfertigen eines Fotos. Vorläufiges Fazit also: Wenn Fotografien Kunstwerke sind, sind es auch KI-Bilder. Und wenn KI-Bilder keine Kunstwerke sind, können es auch Fotografien nicht sein. Das gilt jedenfalls bei Vorgabe exakter Prompts und bei der Auswahl zwischen vielen generierten Resultaten. Doch wie sieht das (fast) ohne Prompt-Vorgaben aus? Drei überraschende Parallelen Der Umweg ist noch nicht zu Ende; im Gegenteil, er nimmt noch drei ziemlich unerwartete Schleifen: zur Methode des Strukturalismus, zur Maschinen-Ethik sowie zum Verhältnis zwischen Zeichnung und Stich. Die dabei angesprochenen Aspekte können zu einer klareren Einschätzung verhelfen. 1966 erschien im „Kursbuch 5“ ein kurzer Aufsatz des französischen Philosophen Roland Barthes mit dem Titel „Die strukturalistische Tätigkeit“. Zwar beschreibt er dort die Vorgehensweise des Strukturalismus, aber die Parallele zu jener der KI (vergleiche den Beitrag auf Seite 68ff.) ist verblüffend: „Der strukturale Mensch nimmt das Gegebene, zerlegt es, setzt es wieder zusammen; (…) zwischen den beiden Objekten (…) bildet sich etwas Neues, und dieses Neue ist nichts Geringeres als das allgemein Intelligible, das Simulacrum, das ist der dem Objekt hinzugefügte Intellekt (…) Die strukturalistische Tätigkeit umfasst zwei typische Operationen: Zerlegung und Arrangement. Indem man das erste Objekt zerlegt, findet man in ihm lose Fragmente, deren winzige Differenzen untereinander eine bestimmte Bedeutung hervorbringen; das Fragment an sich hat keine Bedeutung, es ist aber so beschaffen, dass die geringste Veränderung, die man an seiner Lage und Gestalt vornimmt, eine Änderung des Ganzen bewirkt …“ (Seite 190 ff.) Die zweite Parallele bezieht sich auf die sogenannte Maschinen-Ethik; am bekanntesten sind wohl Überlegungen bezüglich selbstfahrender Autos, die in Extremsituationen Entscheidungen (zwischen zwei nicht wünschenswerten Alternativen – Fahrer oder Fußgänger töten) treffen müssen. Unsere Fragestellung betrifft das insofern, als es Ethik mit Werten zu tun hat: Die Maschine soll sich wertebasiert verhalten. Bezüglich mancher philosophischer Grundsatzfragen spielt es dabei eine geringe Rolle, ob diese Werte ethischer oder zum Beispiel ästhetischer Natur sind. Da es Maschinenethik überwiegend mit Robotern zu tun hat, können nicht alle Definitionen auch auf KI-Systeme zur Bildgenerierung übertragen werden. So haben Letztere weder Körper noch Effektoren, die Befehle in mechanische Bewegungen umsetzen. Ebenso fehlt es ihnen an Sensoren zur direkten Wahrnehmung ihrer Umgebung; sie sind vollständig auf ihr Gedächtnis angewiesen. So bleiben als wichtigste Merkmale, dass sie in einem gewissen Maße autonom, also nicht gesteuert, agieren und in ihre Umgebung hineinwirken. (Eine gute Zusammenfassung der Thematik findet sich in dem Buch „Roboterethik“ von Janina Loh.) Ein weites Problemfeld ist die Anthropomorphisierung, die Unterstellung menschlicher Eigenschaften. Bei Chat GPT etwa neigt man leicht dazu, die KI als Gesprächspartner zu behandeln. Oft ist diese Übertragung bedenklich, im Falle sozialer Roboter etwa in der Altenpflege dagegen durchaus gewollt. Aber Midjourney oder Firefly betrachten wir in diesem Sinne kaum als „Künstler“. Es ist nicht leicht zu unterscheiden, ob ein (menschlicher oder KI-)Akteur bestimmte Fähigkeiten tatsächlich hat oder sie lediglich (perfekt) simuliert, wenn die Handlungsergebnisse sich kaum unterscheiden. Beim sogenannten Turing-Test soll ein menschlicher Beobachter entscheiden, ob die an seinem Monitor im Dialog erscheinenden Texte von einem Menschen oder einer Maschine gesendet werden. In abgewandelter Form ließe sich fragen: Wurde ein Bild von einem Menschen geschaffen oder von einer KI? Und wenn die KI ästhetische und darstellende Kompetenzen so gut simuliert, dass eine Entscheidung schwer oder unmöglich ist – spielt der Unterschied dann praktisch noch eine Rolle? Der Prompt (»Kommunikation, Aktion, Akademismus, Moebius, Präraffaeliten«) war hier derselbe wie bei dem Bild auf Seite 84, ebenfalls mit NightCafé/SDXL generiert. Üblicherweise gelten solche Eigenmächtigkeiten einer KI als unerwünscht und das Ergebnis als unbrauchbar, aber hier war der Prompt bewusst so offen formuliert, dass man sich ohne Kenntnis des Entstehungsprozesses fragen würde: Was hat der Maler damit gemeint, was will uns das Gemälde sagen? Drei Ausschnittvergrößerungen von Holzstich-Darstellungen des Kasseler Herkules-Monuments von 1847, 1845 und 1870. Für die ungewöhnliche Architekturform gab es keine Vorlagen, so dass die Stecher die Vorlageskizzen nur nach ihren visuellen Erfahrungen umsetzen konnten. Noch einmal die Analogie zur Ethik: „Es genügt die Betrachtung von außen, um ein Wesen als moralisches Handlungssubjekt einzustufen. Damit verfahren wir grundsätzlich phänomenologisch und behavioristisch, ihre Untersuchung basiert .lediglich auf dem, was als beobachtbar spezifiziert wird (…) Es geht einzig und allein um die Konsequenzen des Handelns …‘“ (Loh, S. 50). Das ist das Gegenteil der Position des Urheberrechts, „das Ergebnis des Herstellungsprozesses sei nicht maßgeblich.“ Die dritte Parallele ist vielleicht am überraschendsten. Die Hersteller von Kupfer-, Stahl- oder Holzstichen waren meist Handwerker. Vor allem im 19. Jahrhundert, als Holzstiche das wichtigste Medium aktueller Bildberichterstattung waren, kamen sie nie „vor Ort“ und hatten die Szenen, Personen und Objekte nie selbst gesehen, die sie stachen. Sie arbeiteten auf der Basis von Zeichnungen, die Reporter an den Schauplätzen anfertigten, aber natürlich nie mit fotografischer Präzision (Fotos dienten erst ab den 1880er Jahren als Vorlagen). Sie hatten also eine ungefähre Vorstellung des Gesamtbildes (Prompt), mussten aber alle Details (Wolken, Bäume, Strukturen …) auf der Basis ihres visuellen Gedächtnisses (Trainingsmaterials) rekonstruieren. Künstlerischer Produktionsprozess und fertiges Werk Sie erhalten von einem Freund eine Mail, angehängt ein Foto mit einem spektakulären Motiv. Sie sind begeistert und bewundern ihn für diese Leistung. Aus einer späteren Mail erfahren Sie, dass er das Bild mit einem Prompt und einer KI hergestellt hat. Das Bild hat sich nicht verändert. Aber wem gilt nun Ihre Bewunderung? Dem Freund für Prompt und Auswahl, der KI „selbst“, den Programmierern, den Fotografen des Trainingsmaterials? Ihre Bewunderung läuft ins Leere und hat niemanden mehr, an dem sie sich festmachen kann. Es gibt (mindestens) zwei mögliche Sichtweisen der ästhetischen Bewertung von KI-Bildern: Betrachtet man ausschließlich den Produktionsprozess, so wird man sie kaum als Kunstwerke einstufen. Eine „künstlerische Absicht“ kann sich eigentlich nur in Prompt und Bildauswahl äußern. Aber welche Rolle spielen dann die vielen nicht vorgegebenen Details, und was ist insbesondere mit Bildern, die nahezu ohne Prompt auskommen? Stil und Technik kann der Nutzer vorgeben, aber er muss sie nicht einmal selbst beherrschen. Pornpen.ai errechnete dieses Bild mit wenigen unspezifischen Vorgaben, zu denen als Hintergrund »Notre Dame« gehörte; man kann damit also nicht nur „explizite“ Bilder generieren lassen. Mit den Werkzeugen klassischer Ikonographie interpretiert, ließe sich hier spekulieren, dass die in ein weißes Gewand gekleidete Frau die französische Nonne Margareta Maria Alacoque ist, auf deren spirituelles Erlebnis 1673 die Andachtsbewegung zum Heiligsten Herzen Jesu zurückgeht. Das „Gemälde“ könnte dann die Einsetzung des Herz-Jesu-Festes symbolisieren, die von Papst Pius IX. im Jahre 1856 verfügt wurde; der rot gekleidete Mann wäre dann ein Kardinal. Aber ob pornpen das wirklich „gemeint“ hatte? Sicherlich nicht. Ein weiteres Beispiel für ein Bild, das Pornpen aus einen knappen, unspezifischen Prompt generierte; wiederum als klassisches Gemälde ikonographisch gedeutet: Die Versuchung des heiligen Antonius ist ein bekanntes Thema in der christlichen Kunst: die Darstellung der (erotischen) Versuchungen, denen der Mönch Antonius ausgesetzt war, um ihn zur Sünde zu verführen. Sind seine Hände zum Gebet gefaltet, oder berührt er die verführerische Dämonin? Was bedeutet deren zweifelnder Blick? Warum hat der „Maler“ die Szene nicht in der ägyptischen Wüste angesiedelt, sondern in einer unbestimmten Landschaft, oder in einem Innenraum mit Wandbemalung? Auch ohne Intention – viele Interpretationen. Ganz anders sieht es aus, nimmt man – nur – das Ergebnis in den Blick. Versteht man Kunst als Kommunikation, bei der ein Sender mit einer Intention Empfängern durch Zeichen etwas mitteilt, dann hätten promptlos entstandene Bilder zwar wenig mit einem solchen Zeichenprozess zu tun. Da sie sich phänomenologisch aber nicht von herkömmlichen Bildern unterscheiden, hindert nichts einen Betrachter daran, sie so zu interpretieren, als ob sie eine Intention transportierten. In der Regel wissen Betrachter nichts über den Entstehungsprozess, sondern sehen nur das fertige Werk. Dabei spielt oft eine wesentlich größere Rolle, was jemand subjektiv (inhaltlich und emotional) mit einem Kunstwerk „anfangen“ kann, als die zutreffende Interpretation der Absicht des Künstlers. Diese zu entschlüsseln ist eine eher akademische Fragestellung. Michael J. Hußmann hat in DOCMA 105 diese Fragen aus anderer Perspektive ja schon einmal behandelt (Seite 84 ff.) Er gelangt dabei zu einer negativen Einschätzung von KI-Stilübernahmen als Plagiaten. Aber wie bei Fälschungen geht es dabei eher um eine Störung der kunsthistorischen Einordnung, die nicht notwendig etwas mit der ästhetischen Qualität eines Werkes zu tun hat. Ob ein Bild eine Fälschung ist oder ein Plagiat, sagt nichts über seinen möglichen künstlerischen Wert aus und ist eine äußerliche und ergänzende Information; sie verlangt als Bewertungskriterium ein Zusatzwissen, ohne das der ästhetische Genuss ungestört bliebe. Anlässlich der documenta 6 habe ich 1977 eine Untersuchung zur Kunstrezeption durchgeführt, unter anderem am Beispiel des Gemäldes „Sizilianischer Großgrundbesitzer mit Marionetten“ von Werner Tübke. Tübke wurde dem Sozialistischen Realismus zugeordnet. Nahezu alle Befragten interpretierten die bildbeherrschenden, lebensgroßen Marionetten im Kontext ökonomischer Macht und Manipulation, gar als Mafia-Bezug. Später erzählte mir Tübke im Interview: Nein, die würden gar nichts symbolisieren, die hätten beim Porträtieren nun mal einfach da an den Wänden gehangen. Das bedeutet, auch im Sinne des Konzepts des „offenen Kunstwerks“: Man kann vieles (hinein)interpretieren, aber das muss mit den Intentionen eines Künstlers nicht unbedingt etwas zu tun haben. Daraus folgt, dass man auch dann interpretieren und emotional reagieren kann, wenn es gar keine Intentionen gegeben hat, und damit ist auch ein künstlerisches Subjekt nicht notwendig. Ein KI-Bild, selbst ein prompt-loses, ließe sich gegenüber unbefangenen Betrachtern ohne weiteres als Werk eines menschlichen Schöpfers ausgeben. Und da das Wissen um den Produktionsprozess weder für den ästhetischen Genuss noch für die Interpretationen des sichtbaren Werkes notwendig ist, kann also auch ein KI-Bild ein Kunstwerk sein.