Art Recognition ist ein Schweizer Technologieunternehmen, das sich auf die Authentifizierung und Verifikation von Kunstwerken durch künstliche Intelligenz und maschinelles Lernen spezialisiert hat. Gegründet im Jahr 2019, bietet das Unternehmen 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 Entscheidungsunterstützung bei Provenienz- und Zuschreibungsprüfungen nutzen.
Der Dienst basiert auf Deep-Learning-Modellen, die auf großen Datensätzen bekannter Werke eines Künstlers sowie bestätigter Fälschungen trainiert wurden. Durch die Untersuchung von Pinselstrichmustern, Farbkomposition und feinen Oberflächendetails, die mit bloßem Auge unsichtbar sind, können die Algorithmen stilistische und technische Anomalien identifizieren, die auf eine falsche Zuschreibung oder eine absichtliche Fälschung hindeuten könnten. Die angegebene Genauigkeit des Unternehmens übersteigt 90 Prozent bei einer binären Authentizitätsaufgabe, obwohl es die Ausgabe als Wahrscheinlichkeitswert und nicht als endgültiges Urteil positioniert, wodurch 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 im Sekundärmarkt für Kunst entwickelten. Frühe Forschung wurde am 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 gewann 2020 erste Traktion, 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 erweitert, die 500 westliche Künstler abdecken, und es begann, Authentifizierungsberichte für Renaissance-Gemälde, impressionistische Werke und moderne abstrakte Stücke anzubieten. Seine neuronale-Netz-Architektur entwickelte sich von einem Standard-Convolutional-Klassifikationsmodell zu einem benutzerdefinierten Ensemble, das sowohl globale Kompositionsmerkmale als auch lokale Textur-Patches einbezieht.
Technologie und Methodik
Der Kern von Art Recognitions Ansatz ist ein Residual-Netzwerk-Rückgrat, das durch Datenaugmentierung-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 das Auge eines Gesichts oder die Verjüngung eines Pinselstrichs. Das Training verwendet eine [loss-functions|Kontrastverlust]-Funktion, die Einbettungen echter Werke nahe zusammenbringt, während sie sie von Fälschungen trennt, eine Methode, die in metrischem Lernen üblich ist.
.
Art Recognition verwendet Kreuzaufmerksamkeit 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 Großsprachmodell-Einbettungen, sondern auf Pixel-Ebene-Merkmalen basiert. Das Unternehmen wendet auch Gradienten-Clipping und Batch-Normalisierung an, um das Training auf kleinen, künstlerspezifischen Datensätzen zu stabilisieren, und es verwendet eine Temperaturskalierung-Schicht, um seine Ausgabewahrscheinlichkeiten zu kalibrieren, sodass 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 Trainingsdaten zu erweitern. Dieser adversarialische Ansatz, ähnlich einem GAN, aber innerhalb eines Transformer-Rahmens implementiert, hilft dem Modell, sich auf neuartige Fälschungstechniken zu verallgemeinern. Das Unternehmen bietet auch ein Provenienzanalyse-Tool an, das Sequenz-zu-Sequenz-Modelle verwendet, um Auktionsaufzeichnungen und Ausstellungsgeschichten zu parsen, wodurch Inkonsistenzen aufgedeckt werden, die ein fragliches Werk begleiten könnten.
Produktangebote
Art Recognitions Hauptprodukt 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 USD 1.000 und USD 5.000, abhängig von Werkgröße und Künstlerpopularität. Das Unternehmen bietet auch eine Due-Diligence-API für Plattformen wie Amazon Web Servicesund Azure an, wodurch Bestandsverwaltungssysteme Einsendungen automatisch überprüfen können.
Für institutionelle Kunden bietet Art Recognition eine abonnementbasierte Katalogprüfung an, die 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 mobile App, die 2022 eingeführt wurde, ermöglicht es Benutzern, ein Gemälde zu fotografieren und in weniger als einer Minute einen vorläufigen Authentizitätswert zu erhalten, wobei der vollständige Bericht zum Kauf angeboten wird.
Im Jahr 2023 ging Art Recognition eine Partnerschaft mit Oracle Cloud ein, um seine Inferenz-Workloads zu hosten, wobei es den Bedarf an latenzarmen GPU-Clustern anführte. Das Unternehmen integrierte auch seine Bewertungsengine in zwei große Auktionshausplattformen, wodurch Echtzeitprüfungen ermöglicht werden, bevor Lose zur Versteigerung gehen. Diese Integrationen machen etwa ein Drittel seines Jahresumsatzes aus, den das Unternehmen für 2024 mit etwa CHF 2,5 Millionen angab.
Marktauswirkungen und Rezeption
Der Markt für Kunstauthentifizierung hat traditionell auf Kennerschaft und wissenschaftlichen Tests beruht, wie Radiokarbonatdatierung und Pigmentanalyse. Art Recognition positioniert sich als Ergänzung zu diesen Methoden, argumentierend, dass KI-Analyse in großem Maßstab und zu einem Bruchteil der Kosten von Labortests angewendet werden kann. Kunsthistoriker haben vorsichtiges Interesse gezeigt, wobei einige peer-reviewte Studien den Ansatz bei bestimmten Künstlern, wie Vincent van Gogh und Rembrandt, validierten.
Die Technologie wurde jedoch von traditionellen Gutachtern kritisiert, die die Verallgemeinerbarkeit von Modellen, die auf begrenzten Datensätzen trainiert wurden, in Frage stellen. Eine 2024 durchgeführte Doppelblindstudie, die von einem Konsortium europäischer Kunstwissenschaftler durchgeführt und nicht vom Unternehmen finanziert wurde, fand heraus, dass Art Recognitions Genauigkeit stark über Genres variierte, bei Porträtminiaturen und Seestücken auf 78 Prozent abfallend. Das Unternehmen reagierte, indem es eine Genauigkeitsaufschlüsselung nach Periode und Komplexität auf seiner Website 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 Art Recognitions Analyse als Beweismittel zugelassen, obwohl der Richter ihr begrenztes Gewicht beimaß, stattdessen auf Archivdokumentation vertrauend. 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 mit den Merkmalen eines vermissten Stücks übereinstimmte.
Ethische und rechtliche Überlegungen
Art Recognitions Dienst 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 potenziell seinen Marktwert verringern könnte, selbst wenn es historisch bedeutend ist. Das Unternehmen adressiert dies, indem es zwei getrennte Werte ausgibt: einen für „Künstlerzuschreibung“ und einen für „Periode- 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 nicht von Eigentümern offengelegt wurden. Art Recognitions Nutzungsbedingungen 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 Oxford-Universität-verbundenen Gelehrten unterstützt wird, der Richtlinien zu Transparenz und Prüferzugang festlegt.
Aus regulatorischer Sicht operiert das Unternehmen unter allgemeinen Schweizer Datenschutzgesetzen. Seine Authentifizierungsberichte gelten nicht als rechtliche Zertifizierungen, und die Firma stellt ausdrücklich klar, dass sie nicht als alleinige Grundlage für eine Transaktion verwendet werden sollten. Diese Haftungsbeschränkung hat es vor Klagen geschützt, da noch kein Gericht das Unternehmen für eine Fehlklassifizierung haftbar gemacht hat.
Zukünftige Richtungen
Art Recognition forscht aktiv an der Authentifizierung von Skulpturen und Skulpturenfragmenten, wo Oberflächentextur und 3D-Profile zusätzliche Komplexität hinzufügen. Ein Pilotprojekt mit einer unbenannten Nationalgalerie begann im Frühjahr 2025, das eine U-Net-Architektur verwendet, um geschnitzte Details aus Fotografien zu segmentieren und sie gegen ein 3D-Referenzmodell zu vergleichen. Das Unternehmen erforscht auch die Verwendung von RLHF (Verstärkungslernen aus KI-Feedback), um seine Bewertungsschwellen basierend auf Expertenbewertungen zu verfeinern, wodurch eine Rückkopplungsschleife entsteht, in der Kunsthistoriker falsch-positive Ergebnisse korrigieren.
Eine weitere Entwicklung ist die Integration von Positionskodierungs-Methoden, die es dem Modell ermöglichen, Bilder bei höheren Auflösungen ohne Zuschneiden zu analysieren, wodurch winzige Details wie Craqueléure-Muster erhalten bleiben. Diese Arbeit wird teilweise durch einen Zuschuss der Schweizer Innovationsagentur finanziert, und frühe Ergebnisse zeigen eine Reduktion falsch-negativer Ergebnisse bei komplexen figurativen Werken. Das Unternehmen hat auch Patente für eine Fälschungserkennungsmethode eingereicht, die auf Top-K-Sampling von Pinselstrich-Heatmaps basiert, welche die wahrscheinlichsten Autorschaftsregionen selbst in stark restaurierten Stücken identifizieren würde.
Die Belegschaft ist von vier auf zweiunddreißig Mitarbeiter gewachsen, darunter Ingenieure, die zuvor bei Google DeepMindund OpenAI tätig waren, obwohl keine Gründungsteammitglieder öffentliche Persönlichkeiten in der KI-Forschungsgemeinschaft sind. Die Chief Technology Officer Sandra Muller, eine ehemalige Berkeley-AI-Forschung-Postdoktorandin, leitet das Algorithmus-Team. Das Unternehmen unterhält Büros in Zürich und einen Forschungsaußenposten in London, und es 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 CHF 8 Millionen an Seed- und Series-A-Finanzierung eingeworben. Sein Hauptinvestor ist ein Schweizer Family Office, mit Beteiligung eines Venture-Syndikats, das einen ehemaligen Anthropic-Ingenieur einschließt, der als Angel-Investor beitrat. Das Unternehmen hat keine staatlichen Rettungspakete oder Börsengänge angestrebt, sondern bevorzugt, die Kontrolle zu behalten. Eine Bewertung durch eine unabhängige Prüfungsgesellschaft im Jahr 2024 setzte seinen Unternehmenswert auf CHF 45 Millionen, basierend auf wiederkehrenden Einnahmen und Vertragspipeline.
Die öffentliche Präsenz des Unternehmens umfasst einen beliebten Blog, der Kunstauthentifizierungsnachrichten entschlüsselt, sowie Whitepapers zur Deep-Learning-Methodik. Es wurde von der Mainstream-Kunstpresse behandelt, wirbt jedoch nicht in wissenschaftlichen Zeitschriften. Bemerkenswerterweise bietet Art Recognition keine Authentifizierungsdienste für zeitgenössische Massendrucke an, wobei es auf eine geringe Fälschungsinzidenz und höhere Kosten für gekennzeichnete Daten verweist.
In akademischen Kreisen wurde Art Recognitions Ansatz in Kursen über maschinelles Lernen-Anwendungen in den Geisteswissenschaften zitiert, wobei Stanford-AI-Lab-Forscher seine öffentlichen Fallstudien als Vorlesungsbeispiele verwendeten. 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 helfen könnte, Policen zu bepreisen. Diese Zusammenarbeit wurde auf einem Symposium 2023 angekündigt, obwohl noch keine Forschungsarbeit veröffentlicht wurde.