| Inhalt |
KI-generierte Bilder haben sich in kürzester Zeit von einem experimentellen Werkzeug zu einem elementaren Bestandteil digitaler Bildkulturen entwickelt – und beeinflussen infolgedessen zunehmend, wie Wirklichkeit visuell gefasst, gerahmt und verhandelt wird. Dies wirft zentrale Fragen auf: Was kennzeichnet KI-generierte Bilder, und worin unterscheiden sie sich beispielsweise von fotografischen und filmischen Bildformen? Welche Folgen haben KI-generierte Bilder für Praktiken des Zeigens, Bewertens und Urteilens in digitalen Öffentlichkeiten? Inwiefern verschieben sich dadurch unsere Vorstellungen von Authentizität, Evidenz, Bildlichkeit und Autor*innenschaft? Und nicht zuletzt: Welche ethischen, gesellschaftlichen, politischen, ökologischen und epistemischen Herausforderungen entstehen, wenn KI-Bilder in immer grösserer Zahl allgegenwärtig sind?
Um diese Fragen zu untersuchen und KI-generierte Bilder als soziologischen Forschungsgegenstand zu erschliessen, nähert sich das Seminar dieser spezifischen Form digitaler Visualität in drei Schritten. Im ersten Schritt beschäftigen wir uns mit der Entstehung von KI-generierten Bildern. Dabei betrachten wir die Funktionsweisen generativer Bildmodelle, die ästhetischen Charakteristika, die sie hervorbringen, und die sozialen wie epistemischen Implikationen, die in diesen Bildwelten eingeschrieben sind. Zugleich erproben und vergleichen wir die praktische Herstellung KI-generierter Bilder mit unterschiedlichen Tools. Im zweiten Schritt wenden wir qualitative Bildanalyseverfahren auf KI-generierte Bilder an, um aus ihnen soziologisch relevante Erkenntnisse zu gewinnen. In diesem Zusammenhang prüfen wir auch, an welchen Punkten diese Methoden an ihre Grenzen stossen – und wie sie gegenstandsangemessen weiterentwickelt werden können. Im dritten Schritt richten wir den Blick schliesslich auf die Verortung KI-generierter Bilder innerhalb grosser visueller Datenmengen, sogenannter Big Visual Data. Hierbei geht es einerseits um die Frage, welche Rolle KI-generierte Bilder in diesen Datenbeständen spielen, und andererseits darum, welche Bedeutung Big Visual Data – einschliesslich der Trainingsdaten, aus denen generative Modelle lernen – für die Stabilisierung oder Transformation sozialer und politischer Machtverhältnisse besitzen. Daran anknüpfend gehen wir der Frage nach, wie Plattformunternehmen und Regulierungsinstanzen diese Prozesse beeinflussen. |