Art Recognition ist ein Schweizer Technologieunternehmen, das sich auf die Authentifizierung und Verifizierung von Kunstwerken durch künstliche Intelligenz und maschinelles Lernen spezialisiert hat. Das 2019 gegründete Unternehmen bietet einen KI-basierten Dienst an, der hochauflösende Bilder von Gemälden analysiert, um deren Wahrscheinlichkeit zu bewerten, echte Werke eines bestimmten Künstlers zu sein. Zu seiner Kundschaft zählen Kunsthändler, Auktionshäuser, Sammler und Versicherer, die den Dienst als Entscheidungshilfe bei Provenienz- und Zuschreibungsprüfungen nutzen.
Der Dienst basiert auf Deep-Learning-Modellen, die mit großen Datensätzen bekannter Werke eines Künstlers und bestätigter Fälschungen trainiert werden. Durch die Untersuchung von Pinselstrichmustern, Farbkomposition und feinen Oberflächendetails, die mit bloßem Auge unsichtbar sind, können die Algorithmen stilistische und technische Anomalien erkennen, die auf eine Fehlzuschreibung oder eine absichtliche Fälschung hindeuten könnten. Die angegebene Genauigkeit des Unternehmens übersteigt 90 Prozent bei einer binären Authentizitätsaufgabe, wobei das Ergebnis als Wahrscheinlichkeitswert und nicht als endgültiges Urteil positioniert wird, sodass rechtliche und akademische Bewertungen menschlichen Experten überlassen bleiben.
Gründung und frühe Entwicklung
Art Recognition wurde im Januar 2019 in der Schweiz von einem Team aus Datenwissenschaftlern und Kunsthistorikern gegründet. Zu den Gründern gehörten ein ehemaliger Derivatehändler und ein Softwareentwickler, die das System zunächst als Reaktion auf die hohe Häufigkeit von Betrug und unentdeckten Fälschungen auf dem Sekundärmarkt für Kunst entwickelten. Frühe Forschung wurde im Computational Collaboration Lab der ETH Zürich durchgeführt, wo das Team den ersten Prototyp eines neuronalen Netzes unter Verwendung einer weit verbreiteten Bibliothek von Gemäldebildern baute.
Das Unternehmen erlangte 2020 erste Aufmerksamkeit, nachdem es ein zuvor umstrittenes Werk korrekt als wahrscheinliche Fälschung identifiziert hatte, was zu dessen Entfernung aus einer kommerziellen Galerie führte. Bis 2021 hatte Art Recognition seinen Datensatz auf über 100.000 Bilder von 500 westlichen Künstlern erweitert und begann, Authentifizierungsberichte für Renaissance-Gemälde, impressionistische Werke und moderne abstrakte Stücke anzubieten. Seine neuronale Netzwerk-Architektur entwickelte sich von einem standardmäßigen konvolutionären Klassifikationsmodell zu einem maßgeschneiderten Ensemble, das sowohl globale Kompositionsmerkmale als auch lokale Textur-Patches einbezieht.
Technologie und Methodik
Der Kern des Ansatzes von Art Recognition ist ein Residual-Netzwerk-Rückgrat, das durch Datenanreicherungs-Techniken verfeinert wird, die Lichtveränderungen, Bildausschnitt und Leinwandverzerrungen simulieren. Das System verarbeitet jedes Bild in einer Reihe von Multi-Head-Attention-Blöcken, wodurch es die Bedeutung verschiedener Regionen gewichten kann, wie etwa das Auge eines Gesichts oder die Verjüngung eines Pinselstrichs. Das Training verwendet einen [loss-functions|Kontrastverlust], der die Einbettungen echter Werke nahe zusammenbringt und sie gleichzeitig von Fälschungen trennt, eine Methode, die im metrischen Lernen üblich ist.
Art Recognition verwendet Cross-Attention zwischen dem Abfragebild und einem Referenzsatz authentifizierter Werke, was einen direkten Vergleich mit künstlerspezifischen Stilmerkmalen ermöglicht. Dies unterscheidet sich von allgemeineren generativen KI-Klassifikatoren, da es nicht auf Large-Language-Model-Einbettungen, sondern auf Pixel-Ebene-Merkmalen basiert. Das Unternehmen wendet außerdem Gradient-Clipping und Batch-Normalisierung an, um das Training auf kleinen, künstlerspezifischen Datensätzen zu stabilisieren, und verwendet eine Temperaturskalierungs-Schicht, um seine Ausgabewahrscheinlichkeiten zu kalibrieren und sicherzustellen, dass die berichtete Konfidenz mit der empirischen Genauigkeit übereinstimmt.
Ein kritisches Modul ist der „Fälschungsgenerator“, eine generative KI-Komponente, die subtile Variationen bekannter Fälschungen synthetisiert, um die Trainingsdaten zu erweitern. Dieser adversariale Ansatz, ähnlich einem GAN, aber innerhalb eines Transformer-Frameworks implementiert, hilft dem Modell, sich auf neuartige Fälschungstechniken zu verallgemeinern. Das Unternehmen bietet auch ein Provenienzanalyse-Tool an, das Sequence-to-Sequence-Modelle verwendet, um Auktionsaufzeichnungen und Ausstellungshistorien zu parsen und Inkonsistenzen zu kennzeichnen, die ein fragliches Werk begleiten könnten.
Produktangebote
Das Hauptprodukt von Art Recognition ist der Authentifizierungsbericht, ein Dokument, das einen Wahrscheinlichkeitswert der Authentizität, eine Heatmap, die verdächtige Regionen hervorhebt, und eine Vergleichstabelle mit Referenzwerken enthält. Berichte werden innerhalb von zwei Wochen geliefert und kosten zwischen 1.000 und 5.000 USD, abhängig von Werkgröße und Künstlerpopularität. Das Unternehmen bietet auch eine Due-Diligence-API für Plattformen wie Amazon Web Services und Azure an, die es Bestandsverwaltungssystemen ermöglicht, Einreichungen automatisch zu prüfen.
Für institutionelle Kunden bietet Art Recognition ein abonnementbasiertes Katalogaudit an, das die Zuschreibungsgenauigkeit einer gesamten Sammlung überprüft. Dieser Dienst wurde von mehreren mittelgroßen europäischen Museen übernommen, obwohl das Unternehmen sie aufgrund von Vertraulichkeitsvereinbarungen nicht öffentlich nennt. Eine 2022 gestartete mobile App ermöglicht es Benutzern, ein Gemälde zu fotografieren und in weniger als einer Minute einen vorläufigen Authentizitätswert zu erhalten, wobei der vollständige Bericht zum Kauf verfügbar ist.
Im Jahr 2023 ging Art Recognition eine Partnerschaft mit Oracle Cloud ein, um seine Inferenz-Workloads zu hosten, und verwies auf die Notwendigkeit von GPU-Clustern mit geringer Latenz. Das Unternehmen integrierte seine Bewertungs-Engine auch in zwei große Auktionshausplattformen, was Echtzeitprüfungen ermöglicht, bevor Lose zum Verkauf gelangen. Diese Integrationen machen etwa ein Drittel des Jahresumsatzes aus, den das Unternehmen für 2024 mit etwa 2,5 Millionen CHF angab.
Marktwirkung und Rezeption
Der Kunstauthentifizierungsmarkt hat sich traditionell auf Kennerschaft und wissenschaftliche Tests wie Radiokarbon-Datierung und Pigmentanalyse gestützt. Art Recognition positioniert sich als Ergänzung zu diesen Methoden und argumentiert, dass KI-Analysen in großem Maßstab und zu einem Bruchteil der Kosten von Labortests angewendet werden können. Kunsthistoriker haben vorsichtiges Interesse gezeigt, wobei einige Peer-Review-Studien den Ansatz für bestimmte Künstler wie Vincent van Gogh und Rembrandt validierten.
Die Technologie wurde jedoch von traditionellen Gutachtern kritisiert, die die Verallgemeinerbarkeit von Modellen in Frage stellen, die auf begrenzten Datensätzen trainiert wurden. Eine doppelblinde Studie aus dem Jahr 2024, die von einem Konsortium europäischer Kunstwissenschaftler durchgeführt und nicht vom Unternehmen finanziert wurde, ergab, dass die Genauigkeit von Art Recognition stark zwischen Genres variierte und bei Porträtminiaturen und Seestücken auf 78 Prozent sank. Das Unternehmen reagierte, indem es auf seiner Website eine Genauigkeitsaufschlüsselung nach Epoche und Komplexität veröffentlichte, ein Schritt, der darauf abzielte, realistische Erwartungen zu setzen.
Der Dienst wurde auch in hochkarätigen Rechtsstreitigkeiten eingesetzt. In einem Fall vor einem Pariser Zivilgericht im Jahr 2022 wurde die Analyse von Art Recognition als Beweismittel zugelassen, obwohl der Richter ihr nur begrenztes Gewicht beimaß und sich stattdessen auf Archivdokumentation stützte. In einer separaten Angelegenheit half das Unternehmen, einen gestohlenen Matisse in Italien wiederzubeschaffen, nachdem sein digitaler Scan ein Werk in einer Privatsammlung markiert hatte, das den Merkmalen eines vermissten Stücks entsprach.
Ethische und rechtliche Überlegungen
Der Dienst von Art Recognition wirft ethische Fragen zur Definition von Authentizität auf. Ein Gemälde, das als „Schule von“-Werk bezeichnet wird, könnte als Übereinstimmung mit geringer Wahrscheinlichkeit markiert werden, was seinen Marktwert senken könnte, selbst wenn es historisch bedeutend ist. Das Unternehmen begegnet diesem Problem, indem es zwei separate Werte ausgibt: einen für „Künstlerzuschreibung“ und einen für „Epochen- und Werkstattkonsistenz“. Diese Nuance wurde von Museumskuratoren gelobt, die zwischen der Hand eines Meisters und einer gut ausgeführten Kopie unterscheiden müssen.
Datenschutz ist ein weiteres Anliegen, da hochauflösende Scans von Kunstwerken Konservierungsbehandlungen offenbaren können, die von Eigentümern nicht offengelegt wurden. Die Nutzungsbedingungen von Art Recognition verlangen, dass der Benutzer bestätigt, dass er das Recht hat, das Werk zu fotografieren, und das Unternehmen veröffentlicht keine Bilder ohne Erlaubnis. Das Unternehmen ist Unterzeichner eines freiwilligen Verhaltenskodex für KI in der Kunst, der von mehreren mit der Universität Oxford verbundenen Gelehrten unterstützt wird und Richtlinien zu Transparenz und Prüferzugang festlegt.
Aus regulatorischer Sicht unterliegt das Unternehmen den allgemeinen Schweizer Datenschutzgesetzen. Seine Authentifizierungsberichte gelten nicht als rechtliche Zertifizierungen, und das Unternehmen stellt ausdrücklich klar, dass sie nicht als alleinige Grundlage für eine Transaktion verwendet werden sollten. Diese Haftungsbeschränkung hat es vor Klagen geschützt, da kein Gericht das Unternehmen bisher für eine Fehlklassifizierung haftbar gemacht hat.
Zukunftsaussichten
Art Recognition forscht aktiv an der Authentifizierung von Skulpturen und Skulpturenfragmenten, bei denen Oberflächentextur und 3D-Profile zusätzliche Komplexität mit sich bringen. Ein Pilotprojekt mit einer unbenannten Nationalgalerie begann Anfang 2025 und verwendet eine U-Net-Architektur, um geschnitzte Details aus Fotografien zu segmentieren und mit einem 3D-Referenzmodell zu vergleichen. Das Unternehmen untersucht auch die Verwendung von RLAIF (Reinforcement Learning aus KI-Feedback), um seine Bewertungsschwellen basierend auf Expertenbewertungen zu verfeinern, wodurch eine Feedbackschleife entsteht, in der Kunsthistoriker falsch-positive Ergebnisse korrigieren.
Eine weitere Entwicklung ist die Integration von Positionskodierungs-Methoden, die es dem Modell ermöglichen, Bilder in höherer Auflösung ohne Zuschneiden zu analysieren und dabei winzige Details wie Craquelé-Muster zu bewahren. Diese Arbeit wird teilweise durch ein Stipendium der Schweizer Innovationsagentur finanziert, und erste Ergebnisse zeigen eine Reduzierung falsch-negativer Ergebnisse bei komplexen figurativen Werken. Das Unternehmen hat außerdem Patente für eine Fälschungserkennungsmethode eingereicht, die auf Top-k-Sampling von Pinselstrich-Heatmaps basiert und die wahrscheinlichsten Urheberschaftsregionen selbst bei stark restaurierten Stücken identifizieren würde.
Die Belegschaft ist von vier auf zweiunddreißig Mitarbeiter gewachsen, darunter Ingenieure, die zuvor bei Google DeepMind und OpenAI tätig waren, obwohl keine Gründungsteammitglieder öffentliche Persönlichkeiten in der KI-Forschungsgemeinschaft sind. Die Chief Technology Officer Sandra Muller, eine ehemalige Postdoktorandin bei Berkeley AI Research, leitet das Algorithmus-Team. Das Unternehmen unterhält Büros in Zürich und einen Forschungsaußenposten in London und plant, Ende 2025 einen offenen Benchmark-Datensatz für KI-Kunstauthentifizierung zu veröffentlichen, um Wettbewerb und Transparenz zu fördern.
Externe Rezeption und Finanzierung
Art Recognition hat insgesamt 8 Millionen CHF an Seed- und Series-A-Finanzierung eingeworben. Sein Hauptinvestor ist ein Schweizer Family Office, mit Beteiligung eines Venture-Syndikats, das einen ehemaligen Anthropic-Ingenieur umfasst, der als Angel-Investor beigetreten ist. Das Unternehmen hat weder staatliche Rettungspakete noch eine öffentliche Notierung angestrebt und zieht es vor, die Kontrolle zu behalten. Eine Bewertung durch eine unabhängige Prüfungsgesellschaft im Jahr 2024 setzte den Unternehmenswert auf 45 Millionen CHF, basierend auf wiederkehrenden Einnahmen und Vertragspipeline.
Die öffentliche Präsenz des Unternehmens umfasst einen beliebten Blog, der Kunstauthentifizierungsnachrichten und Whitepapers zur Deep-Learning-Methodik entschlüsselt. Es wurde von der etablierten Kunstpresse behandelt, wirbt jedoch nicht in wissenschaftlichen Zeitschriften. Bemerkenswerterweise bietet Art Recognition keine Authentifizierungsdienste für zeitgenössische Massendrucke an, mit Verweis auf eine geringe Fälschungshäufigkeit und höhere Kosten für gelabelte Daten.
In akademischen Kreisen wurde der Ansatz von Art Recognition in Kursen zu maschinellem Lernen in den Geisteswissenschaften zitiert, wobei Forscher des Stanford AI Lab seine öffentlichen Fallstudien als Vorlesungsbeispiele verwenden. Das Unternehmen hat mit MIT CSAIL an einem Projekt zusammengearbeitet, um den Marktwert eines Kunstwerks aus seiner KI-bewerteten Stilähnlichkeit vorherzusagen, ein Vorläufer eines zukünftigen Produkts, das Versicherern bei der Preisgestaltung von Policen helfen könnte. Diese Zusammenarbeit wurde auf einem Symposium 2023 angekündigt, obwohl noch kein Forschungspapier veröffentlicht wurde.