Ein Gemälde hängt seit Jahrzehnten unter dem Namen eines berühmten Meisters. Fachleute haben es begutachtet, Archive wurden durchforstet, Pigmente untersucht und trotzdem bleibt die Zuschreibung umstritten. Genau an diesem Punkt bekommt das geschulte menschliche Auge Konkurrenz von einem ganz anderen Blick: KI kann die Oberfläche eines Bildes mit Hunderten gesicherten Werken, Kopien und Fälschungen vergleichen. Nicht um das letzte Wort zu haben, sondern um eine festgefahrene Debatte mit einer neuen Form der Evidenz wieder zu öffnen.

Die Authentifizierung von Kunstwerken stützt sich seit Langem auf drei Formen der Beweisführung: das geschulte Auge von Fachleuten, die Provenienzforschung und die Materialanalyse. KI-gestützte Bildanalyse ergänzt eine vierte. Sie vergleicht die digitale Aufnahme eines umstrittenen Gemäldes mit anerkannten Werken, Kopien, Arbeiten aus dem Umfeld sowie Fälschungen und sucht dabei nach wiederkehrenden Mustern auf der Bildoberfläche. Ihr besonderer Wert liegt darin, Zuschreibungen einer zusätzlichen Prüfung zu unterziehen, die sich sonst durch finanzielle Interessen, Reputation und den Wunsch nach einer bestimmten Urheberschaft über Jahre halten können.

Wenn sich Fachleute nicht einig sind

1932 musste ein Berliner Gericht entscheiden, ob der Kunsthändler Otto Wacker rund 30 gefälschte Van-Gogh-Gemälde verkauft hatte. Zwei der führenden Fachleute für Van Gogh untersuchten die Bilder. H. P. Bremmer hielt sie für authentisch. Jacob-Baart de la Faille lehnte sie zunächst ab, akzeptierte später einige und änderte seine Einschätzung schließlich erneut. Beide hatten sich jahrelang mit Van Gogh beschäftigt, genossen hohes Ansehen und jeweils einen eigenen Catalogue raisonné zu seinem Werk verfasst. Trotz all dieser Expertise kamen sie zu gegensätzlichen Ergebnissen.

Da die fachliche Begutachtung zu keinem eindeutigen Ergebnis führte und keine belastbare Provenienz vorlag, zog das Gericht einen Chemiker hinzu.

Martin de Wild stellte Materialien fest, die nicht mit Van Goghs bekannter Arbeitsweise vereinbar waren. Wacker wurde verurteilt. Der Fall gilt häufig als jener Moment, in dem die Naturwissenschaft Einzug in die Authentifizierung von Kunstwerken hielt. Seine eigentliche Lehre reicht jedoch weiter: Wenn fachliche Einschätzungen in einer Sackgasse enden, kann eine andere Form der Evidenz notwendig sein, um eine Entscheidung zu ermöglichen.

Die Authentifizierung von Kunstwerken stützt sich bis heute auf drei etablierte Methoden. Die Kennerschaft beruht auf dem geschulten Blick von Fachleuten. Die Provenienzforschung rekonstruiert die dokumentierte Geschichte eines Objekts. Die Materialanalyse untersucht Leinwand oder Bildträger, Pigmente, Grundierung, Unterzeichnungen und spätere Restaurierungen. Diese Methoden können einander stützen, aber auch zu widersprüchlichen Ergebnissen führen.

Eine Leinwand aus dem 17. Jahrhundert mit zeittypischen Pigmenten kann ebenso gut aus der Werkstatt oder dem Umfeld des vermuteten Kunstschaffenden stammen. Eine über Jahrhunderte dokumentierte Besitzgeschichte kann einen Fehler fortschreiben, der bereits vor 200 Jahren gemacht wurde. Und eine Restaurierung kann genau jene Pinselführung verdecken, die Fachleute für ihre Beurteilung benötigen. Max Friedländer bezeichnete das Urteil von Expert:innen als „Überzeugung“. Das klingt nach dem Ergebnis eines Gerichtsverfahrens. Doch bei solchen Verfahren wird die vorhandene Evidenz mitunter unterschiedlich interpretiert, manchmal ist sie äußerst dürftig und die „Zeuginnen und Zeugen“ widersprechen sich.

Große Namen erzielen große Preise

Aus „Umkreis von Rembrandt“ wird „Werkstatt Rembrandts“ und der Preis steigt. Streicht man auch noch den Zusatz „Werkstatt“, schnellt er in die Höhe. Am Gemälde selbst hat sich nichts verändert. Die finanzielle Magie entsteht allein durch die Formulierung im Katalog.

Der Kunstmarkt belohnt Optimismus. Auktionshäuser, Kunsthandel und Eigentümerschaft profitieren erheblich davon, wenn ein Werk einem bedeutenderen Namen zugeschrieben wird. Dafür braucht es keinen Betrug, auch wenn dieser gelegentlich vorkommt. Die finanziellen Anreize wirken auch ohne böse Absicht. Wird die Urheberschaft eines Werks zu hoch angesetzt, können sowohl die begutachtende Person, die zugleich im Kunsthandel tätig sein kann, als auch die verkaufende Seite erheblich mehr verdienen. Und im Nachhinein lässt sich nur schwer unterscheiden, ob tatsächlich ein Irrtum vorlag oder eine Zuschreibung bewusst aus finanziellen Motiven erfolgte.

Der Traum des Kunstmarkts ist der sogenannte „Sleeper“: ein günstig erworbenes Gemälde, das jahrzehntelang übersehen und schließlich dem Œuvre eines berühmten Kunstschaffenden zugeschrieben wird. Solche echten Wiederentdeckungen kommen gerade häufig genug vor, um Schlagzeilen zu machen und die Hoffnung auf weitere verschollene Schätze wachzuhalten. Wer ein fragliches Werk besitzt, kann Gutachten in Auftrag geben, Fachleute kontaktieren und Archive durchsuchen, bis sich irgendwo Unterstützung für die erhoffte Zuschreibung findet. Spätestens dann kann aus einer offenen Untersuchung eine PR-Kampagne werden.

Ein Beispiel ist ein Gemälde, das 2016 auf einem Flohmarkt in Minnesota für weniger als 50 Dollar gekauft wurde. Es zeigt einen älteren Mann und trägt die Signatur „Elimar“. Die Eigentümerschaft hält es für einen verschollenen Van Gogh. Das Van Gogh Museum hat diese Zuschreibung zweimal zurückgewiesen. Auch nahezu alle anderen Personen, die das Gemälde auf Fotografien beurteilt haben, kamen unabhängig von ihrer fachlichen Ausbildung zu diesem Ergebnis. Für die Zeit vor dem Flohmarktfund existiert keine dokumentierte Provenienz, das Werk findet sich in keinem Catalogue raisonné zu Van Gogh und ihm fehlen der für Van Gogh charakteristische pastose Farbauftrag und die rhythmische Pinselführung. Wer hält es also tatsächlich für einen echten Van Gogh? Vor allem diejenigen, die das Bild besitzen und damit ein unmittelbares finanzielles Interesse an einer erheblichen Wertsteigerung haben.

Von wem stammt das Gemälde dann? Einige Fachleute haben den dänischen Maler Henning Elimar ins Spiel gebracht. Dass ein mit „Elimar“ signiertes Bild tatsächlich von Elimar stammt, erscheint zumindest als naheliegendere Erklärung als die Annahme eines nie dokumentierten und stilistisch stark abweichenden Van Gogh.

Das Schweizer Unternehmen Art Recognition, das KI zur Authentifizierung von Kunstwerken einsetzt und das der Autor dieses Beitrags berät, analysierte das Gemälde ebenfalls. Das Van-Gogh-Modell wurde mit 834 anerkannten Werken und 1.785 Negativbeispielen trainiert, darunter Fälschungen, Arbeiten aus dem Umfeld des Künstlers und stilistisch verwandte Gemälde. Das System bezifferte die Wahrscheinlichkeit einer Urheberschaft Van Goghs auf drei Prozent. Zum Vergleich: Werke, die in der Forschung einhellig als authentisch gelten, erreichen im Testsystem von Art Recognition Werte von mehr als 65 Prozent.

Trotz des Spotts in der Presse und der ablehnenden Einschätzungen jener Fachleute, die sich überhaupt mit dem Fall beschäftigten, wurde die Kampagne für einen „Elimar von Van Gogh“ fortgesetzt. Dabei besteht ein entscheidender Unterschied zwischen zwei Fragen: „Von wem stammt dieses Gemälde?“ ist eine offene Untersuchung. „Wie lässt sich beweisen, dass Van Gogh dieses Gemälde gemalt hat?“ ist bereits ein Auftrag mit vorgegebenem Ergebnis.

Was das Auge der Maschine sieht

Ein auf einen bestimmten Kunstschaffenden spezialisiertes KI-Modell analysiert anerkannte Werke gemeinsam mit Negativbeispielen wie Kopien, Imitationen, Werkstattarbeiten, Fälschungen und Werken stilistisch verwandter Kunstschaffender. Dabei sucht es nach wiederkehrenden Mustern in Pinselführung, Farbgebung, Komposition, Konturen und räumlichen Beziehungen. Einige davon können erfahrene Fachleute beschreiben, andere lassen sich mit dem menschlichen Auge über Hunderte Bilder hinweg kaum konsistent vergleichen.

Das Ergebnis ist eine Wahrscheinlichkeit. Sie gibt an, wie stark das untersuchte Bild mit den Mustern übereinstimmt, die das Modell aus seinem Trainingsmaterial gelernt hat. Art Recognition wertet Ergebnisse von mehr als 65 Prozent als eine Evidenz neben Provenienz, technischer Untersuchung und fachlicher Beurteilung. Als Ausgangspunkt für das Training dient der maßgebliche Catalogue raisonné des jeweiligen Kunstschaffenden. Er bündelt jahrzehntelange Forschung zu Zuschreibungen und Provenienzen sowie, soweit vorhanden, technische Untersuchungen. Anschließend prüft das Modell das umstrittene Bild auf visuelle Muster aus diesem Material. Fachleute stellen weiterhin den Datensatz zusammen, beurteilen dessen Verlässlichkeit und ordnen das Ergebnis im Zusammenspiel mit den übrigen Befunden ein. Deshalb bezeichne ich KI als die vierte Säule der Authentifizierung.

Dem Datensatz kommt dabei enorme Verantwortung zu. Werden umstrittene Gemälde als gesicherte Werke eingespeist, lernt das System aus einer verunreinigten Grundlage. Bei qualitativ schlechten Aufnahmen kann es statt des Werks etwa Reflexionen, Kompressionsartefakte oder eine fehlerhafte Farbbalance analysieren. Starke Restaurierungen können die ursprüngliche Pinselführung verdecken. Und bei Kunstschaffenden mit einem sehr kleinen erhaltenen Œuvre fehlt möglicherweise eine ausreichende Datenbasis für ein robustes Modell.

KI sieht zudem nur die visuelle Oberfläche, die ihr zur Verfügung gestellt wird. Kunsthistorisch Forschende stellen den Datensatz zusammen, untersuchen die Geschichte des Werks und entscheiden, welches Gewicht dem KI-Ergebnis im Gesamtbild zukommt.

Drei Lautenspieler, ein neuronales Netz

Die drei umstrittenen Fassungen von Caravaggios Der Lautenspieler eignen sich besser als Prüfstein für die KI-Analyse als die beinahe Monty-Python-artige Elimar-Saga. Denn hier vertreten anerkannte Fachleute tatsächlich unterschiedliche Positionen.

Eine Version befindet sich in der Eremitage in St. Petersburg. Ihre Zuschreibung an Caravaggio ist am wenigsten umstritten und wird in der Forschung weitgehend anerkannt. Eine zweite gehörte dem Duke of Beaufort in Badminton House und hat zunehmend wissenschaftliche Unterstützung erhalten. Eine dritte Version aus der Wildenstein-Sammlung erhielt 1990 prominente Unterstützung, als Keith Christiansen, damals Kurator am Metropolitan Museum, sie als wiederentdeckten Caravaggio präsentierte. Andere Fachleute bleiben jedoch skeptisch.

Das Gemälde in der Eremitage verfügt über eine überzeugende frühe Provenienz und weist technische Merkmale auf, die mit Caravaggios Arbeitsweise in Verbindung gebracht werden, darunter Veränderungen während des Malprozesses. Auch die ehemalige Badminton-Version enthält Pentimenti, Ritzungen und optische Details, die darauf hindeuten, dass die Komposition während des Malens weiterentwickelt wurde. Bei der Wildenstein-Version hingegen sind die Provenienz umstritten und die Grundierung abweichend. Die Familie Wildenstein erwarb das Gemälde ursprünglich nicht als Caravaggio. Technische Untersuchungen fanden keine Pentimenti, zudem haben Fehler in der Darstellung der Laute Zweifel bei Fachleuten für historische Musikinstrumente geweckt. Doch die Einschätzung einer hoch angesehenen Fachperson kann zahlreiche gegenteilige Indizien überstrahlen. Genau hier kann eine zusätzliche, stärker objektivierbare Methode wie die KI-Analyse hilfreich sein.

2025 untersuchte Art Recognition die drei Gemälde mit einem Modell, das anhand von 69 anerkannten Caravaggio-Werken und 398 Negativbeispielen trainiert worden war. Die Version aus der Eremitage erreichte 90,9 Prozent, die ehemalige Badminton-Version 85,7 Prozent und die Wildenstein-Version 38 Prozent.

Damit entsprach die Rangfolge der KI jener, die sich bereits aus den archivalischen und technischen Befunden abzeichnete. Wenn mehrere voneinander unabhängige Methoden zum gleichen Ergebnis kommen, lässt sich die daraus abgeleitete Zuschreibung schwerer von der Hand weisen.

Gemälde Alter Meister tragen oft mehrere Handschriften

Die Werkstattpraxis Alter Meister stellt die eindeutige Zuschreibung zu einer einzelnen Person vor ein weiteres Problem. Meister entwarfen Kompositionen, Mitarbeitende ihrer Werkstätten malten weniger zentrale Partien und der Meister selbst übernahm möglicherweise später ein Gesicht, eine Hand oder eine Schlüsselfigur. Der Kunstmarkt bevorzugt dennoch einen berühmten Namen. Die historische Werkstattpraxis war weitaus komplexer.

KI kann einzelne Bereiche eines Gemäldes getrennt untersuchen. Bei der Analyse von Rembrandts Der polnische Reiter durch Art Recognition deuteten große Teile des Bildes auf Rembrandts eigene Hand hin, während die Beine des Pferdes und Teile des Bodens schwächere Ergebnisse erzielten. Genau diese Bereiche hatten in der Forschung bereits seit Jahren Zweifel hervorgerufen. Zusätzlich erschwert wurde die Beurteilung dadurch, dass sie umfangreich restauriert worden waren.

Das könnte erklären, weshalb die Einschätzungen auseinandergehen. Fachleute beurteilen hier eine Bildoberfläche, auf der sich möglicherweise Rembrandts eigene Arbeit, Beiträge aus seiner Werkstatt und spätere Übermalungen überlagern. Ein einziger Prozentwert für die gesamte Leinwand würde diese komplexe Entstehungsgeschichte verdecken. Eine regionale KI-Analyse kann dagegen jene Bereiche sichtbar machen, die anschließend technisch genauer untersucht werden sollten.

Damit stellt sich zugleich eine unbequeme Frage für den Kunstmarkt: Wie viel Rembrandt muss in einem Gemälde stecken, damit der Zusatz „Werkstatt Rembrandts“ aus dem Katalog verschwindet? Die Kunstgeschichte kann mit einer komplexen Antwort leben. Auktionsschätzungen bevorzugen Eindeutigkeit. Ein einzelner großer Name verkauft sich besser, doch bis ins 19. Jahrhundert arbeiteten Kunstschaffende nur selten allein.

Prozentwerte müssen interpretiert werden

Ein Prozentwert mit einer Nachkommastelle wirkt beruhigend präzise. Doch diese Genauigkeit kann größer erscheinen, als es die Aussagekraft des Verfahrens tatsächlich zulässt. Anbieter von KI-Analysen sollten deshalb offenlegen, wie ihre Datensätze zusammengesetzt sind, welche Qualität das verwendete Ausgangsbild hat, welche bekannten Grenzen bestehen und wie das Modell bei Kontrollbeispielen abschneidet.

Auch diejenigen, die eine Analyse in Auftrag geben, müssen die richtige Ausgangsfrage stellen. Die Untersuchung sollte die Urheberschaft als offene Frage behandeln. Wer dagegen so lange verschiedene Analysen einholt, bis das gewünschte Ergebnis erscheint, überträgt die traditionelle Suche nach einer möglichst attraktiven Zuschreibung lediglich ins digitale Zeitalter.

Ich berate Art Recognition in kunsthistorischen Fragen. Dadurch erhalte ich Einblick in Fälle und Methoden des Unternehmens, und diese Verbindung sollte für die Lesenden transparent sein. Am überzeugendsten sind die Ergebnisse des Unternehmens dort, wo sie auch einer kritischen Prüfung durch Personen standhalten, die kein Interesse daran haben, der Eigentümerschaft eines Werks zu gefallen. Art Recognition hat seine Methoden zudem in begutachteten Fachzeitschriften aus dem Bereich Informatik veröffentlicht. Ein solches Maß an Transparenz ist notwendig, damit die Ergebnisse einer KI-Analyse belastbar eingeordnet werden können.

Ein nützlicher „Angriff“ auf zugeschriebene Realität

Unser Misstrauen gegenüber digitalen Beweisen hat gute Gründe. KI kann heute mit erschreckender Leichtigkeit Fotos, Stimmen und Videos fälschen. Doch dieselbe Technologiefamilie kann auch ein Gemälde überprüfen, dessen anerkannte Identität womöglich auf Einschätzungen beruht, die über Generationen hinweg immer wieder übernommen wurden.

Hinter dem Sammelbegriff „KI“ verbergen sich Werkzeuge mit völlig unterschiedlichen Zwecken. Das Spektrum reicht von der Erzeugung gefälschter Fotografien bis zum Vergleich eines umstrittenen Gemäldes mit Hunderten anerkannten und abgelehnten Werken.

KI-gestützte Bildanalyse sollte deshalb bereits früh im Authentifizierungsprozess zum Einsatz kommen. Eine hochwertige Aufnahme kann eine erste Einschätzung ermöglichen, bevor die Eigentümerschaft das Gemälde verschickt, Proben entnehmen lässt, umfangreiche Laboruntersuchungen bezahlt oder eine öffentliche Kampagne für eine bestimmte Zuschreibung startet. Ein deutlich negatives Ergebnis kann jahrelange kostspielige Bemühungen um eine gewünschte Zuschreibung verhindern. Ein vielversprechendes Ergebnis kann der Forschung dagegen Hinweise geben, an welcher Stelle weitere Untersuchungen sinnvoll sind.

Der Berliner Richter brauchte 1932 einen Chemiker, weil zwei bedeutende Van-Gogh- Expert:innen in einer Sackgasse gelandet waren. Heute ist die Chemie nicht mehr die einzige zusätzliche Stimme. Kennerschaft, Provenienzforschung und Materialanalyse bleiben unverzichtbar. KI ergänzt sie als vierte Säule und lässt gewissermaßen die Oberfläche des Gemäldes selbst in der Debatte mitsprechen.