Projekt „Die Malweiber“ – Künstlerinnen des 19. Jahrhundert (ganzer Bericht)


„Die Malweiber“ – Künstlerinnen des 19. Jahrhundert

  1.  „Die Malweiber“ – Künstlerinnen im 19. Jahrhundert
  2. Artigo Datensatz bezüglich der Künstler und Künstlerinnen im 19. Jahrhundert
  3. Methodik – Erweiterung des Datensatzes
  4. Vergleich der Werke von Künstlern und Künstlerinnen im 19. Jahrhundert
    4.1 Vergleich der Werke hinsichtlich der Motive anhand verschiedener Datensätze
    4.1.1 Artigo Tags
    4.1.2 Artigo, Microsoft Computer Vision API, Google Vision API
    4.2 Vergleich der Werke hinsichtlich der Farben
    4.2.1 Hell und Dunkel
    4.2.2 Dominante Farben
    4.3 Zeitlicher Verlauf
    4.3.1 Fertigstellung der Kunstwerke
    4.3.2 Motive
    4.3.3 Helligkeit
  5. Fazit, Ausblick und kritische Betrachtung des Datensatzes

 

1. „Die Malweiber“– Künstlerinnen im 19. Jahrhundert

Heute im 21. Jahrhundert wird die Mehrheit an den Kunsthochschulen von Frauen gebildet, jedoch war es ein langer und mühsamer Emanzipationsprozess, den die Künstlerinnen seit jeher durchlaufen mussten. Dabei spielt die Entwicklung der Stellung der Frau in der Gesellschaft eine entscheidende Rolle.

Künstlerinnen gab es bereits während der Renaissance, doch eine allgemeine Anerkennung der Frau in der Kunstwelt begann sich erst vor circa 200 Jahren zu etablieren. Während des langen 19. Jahrhunderts, welches mit der französischen Revolution begann und mit dem Erstem Weltkrieg endete, drängten immer mehr Frauen darauf, im Bereich der bildenden Kunst arbeiten zu können und als Künstlerinnen gesehen zu werden. Doch nur ein paar wenigen gelang es, gesellschaftliche Anerkennung zu gewinnen. Der Großteil der Künstlerinnen wurde in dieser Zeit noch spöttisch als „Malweiber“ bezeichnet.

Die klassischen Rollenbilder von Mann und Frau waren, insbesondere in der Mittel und Unterschicht, im 19. Jahrhundert noch sehr unterschiedlich. Der Mann, der das Geld verdiente, hatte die Stellung des Oberhauptes der Familie und seine Frau war für den Haushalt und die Kinder zuständig. Da den Frauen der Zugang zu einer professionellen Ausbildung größtenteils versagt war, wurde ihnen die künstlerische Arbeit lediglich als Freizeitbeschäftigung zugeschrieben. Erst seit 1918 dürfen Frauen in Deutschland offiziell an öffentlichen Kunstakademien studieren. Im selben Jahr wurde auch das Frauenwahlrecht eingeführt. 1) http://www.bundestag.de/besuche/ausstellungen/parl_hist/frauenwahlrecht/einfuehrung/246998

Trotzdem gab es einige herausragende Künstlerinnen, die im 19. Jahrhundert gelebt und gearbeitet haben. Es ist zu beobachten, dass die Frauen in der Kunstwelt emanzipierter wurden, je weiter die Zeit voran schritt. Ab Mitte des 19. Jahrhunderts steigt die Präsenz der bildenden Künstlerin stark an. 2) Muysers, Carola: Die bildende Künstlerin: Wertung und Wandel in deutschen Quellentexten, 1855-1954, Verl. der Kunst, 1999, S.37
Inwiefern unterscheiden sich die Kunstwerke der Künstlerinnen im 19. Jahrhundert von denen ihrer männlichen Kollegen? Gibt es Unterschiede in der Motiv- und Farbwahl, die durch die Rahmenbedingungen der beiden Geschlechter geprägt wurden? Zudem wäre es interessant diese Aspekte anhand des zeitlichen Verlaufes zu betrachten. Haben sich die Motiv- und Farbauswahl im Laufe der Zeit und der fortschreitenden Etablierung der Künstlerinnen verändert? Diesen Fragen möchten wir in dem folgenden Bericht nachgehen. Hierfür wurden verschiedene Datensätze untersucht, in denen Kunstwerke von männlichen und weiblichen KünstlerInnen aus dem langen 19. Jahrhundert verzeichnet sind. 3) http://www.kunstverein-bremerhaven.de/fileadmin/media/pdfs/Skript_Eroeffnungsrede_Frauen_Sparkasse.pdf  4) https://de.wikipedia.org/wiki/Frauen_in_der_Kunst

 

2. Der Artigo Datensatz bezüglich der Künstler und Künstlerinnen im 19. Jahrhundert

Zur Analyse der männlichen und weiblichen Künstler im langen 19. Jahrhundert wurde vornehmlich der Artigo Datensatz genutzt. Dieser Datensatz umfasst 33.354 Kunstwerke im betrachteten Zeitraum. Bei dieser Zählung wurde jeweils das Jahr der Fertigstellung berücksichtigt. Ist im Datensatz eine Zeitspanne der Entstehung angegeben, wie zum Beispiel von 1789 bis 1808, dann wird angenommen, dass 1808 das Fertigstellungsjahr ist und das Werk somit im 19. Jahrhundert entstanden ist.

Das Geschlecht der Künstler und Künstlerinnen wurde anhand ihrer Vornamen bestimmt. Dazu wurden die Python Module „sexmachine“ und „gender_guesser“ sowie die APIs von „gender-api.com“ und „genderize.io“ genutzt. Die Module bzw. APIs wurden sukzessive auf die noch nicht bestimmten Vornamen angewendet. Bei Auftreten von Doppelnamen wurde immer nur der Erste berücksichtigt. Für Künstler, für die im 19. Jahrhundert mehr als drei Kunstwerke vorhanden sind und deren Geschlecht nicht auf Anhieb bestimmt werden konnte (es handelt sich dabei um ca. zwanzig Künstler, meist mit chinesischen Namen), wurde eine manuelle Analyse mit Hilfe von Wikipedia durchgeführt.
Der gesamte Artigo Datensatz umfasst 6.249 verschiedene Vornamen, das Geschlecht konnte von 5.947 bestimmt werden: 5.289 sind männliche Künstler, 658 sind weibliche Künstlerinnen und 301 Namen blieben unbestimmt. In Bezug auf das 19. Jahrhundert und die im Datensatz enthaltenen 33.354 Kunstwerke, konnten 27.510 Kunstwerke männlichen Künstlern zugeordnet werden, 905 Kunstwerke weiblichen Künstlerinnen und für 4.939 Kunstwerke konnte das Geschlecht des Künstlers nicht bestimmt werden. Für nur 260 dieser 4.939 Kunstwerke ist im Datensatz ein Vorname vorhanden. Das heißt, es konnte für nur etwa 1% der Kunstwerke für die ein Vorname vorliegt kein Geschlecht bestimmt werden. Dies ist ein zu vernachlässigender Anteil.

Die 27.510 Kunstwerke wurden von 3.644 Künstlern erstellt, die 905 Kunstwerke wurden von 226 Künstlerinnen erstellt. Daraus folgt, dass die Künstler durchschnittlich etwa 7,5 Kunstwerke angefertigt haben, die Künstlerinnen nur etwa vier Kunstwerke. Dabei ist zu berücksichtigen, dass der Anteil der Künstlerinnen im Artigo Datensatz sehr viel geringer ist, als der Anteil ihrer männlichen Kollegen. Da viele Frauen im 19.Jahrhundert nicht als Künstlerin anerkannt wurden, ist davon auszugehen, dass sie auch heutzutage in der Kunstgeschichte noch nicht ausreichend oder sogar gar nicht erforscht sind. Wir gehen davon aus, dass der Kanon der Kunstgeschichte vor allem von männlichen Kunsthistorikern und Kritikern geprägt wurde. Das ist der Grund für die extreme ungleiche Verteilung bei der Anzahl der Künstler und Künstlerinnen, sowie der Anzahl der fertig gestellten Kunstwerke. 5) Muysers, Carola: Die bildende Künstlerin: Wertung und Wandel in deutschen Quellentexten, 1855-1954, Verl. der Kunst, 1999, S.7

 

3. Methodik – Erweiterung des Datensatzes

Für den Vergleich der Motive zwischen den einzelnen Bildern wurden zu Beginn des Projekts lediglich die Labels von Artigo zur Verfügung gestellt. Um diese Daten weiter anzureichern wurde eine Analyse verschiedener Datenprovider durchgeführt.
In Frage kamen die Dienstleistungen von Microsoft Cognitive Services, Google Cloud Vision und Amazon Rekognition. Der genaue Algorithmus der Services ist nicht bekannt, aber es handelt sich hier vermutlich um neuronale Netze, die darauf trainiert sind, Bilder zu klassifizieren. Tests zeigten dass die APIs von Microsoft und Google die beste Datenqualität liefern. Dies konnte auf einer einfachen Maske auf den Websites der jeweiligen Services getestet werden. 6) https://cloud.google.com/vision/ 7) https://aws.amazon.com/de/rekognition/ 8) https://azure.microsoft.com/en-us/try/cognitive-services/

Die Datenakquise war vergleichsweise einfach: Beide Provider bieten eine sogenannte „REST API“, bei der man die Daten im JSON-Datenstandard erhält, mit welchem man dann recht einfach Analysen fahren kann. Der Zugriff auf die APIs ist jedoch auf ein gewisses Budget beschränkt, das bei der Registrierung auf den Websites von Google und Microsoft erstellt wird. Für den Rahmen dieser Forschungsarbeit waren die Testversionen der Services ausreichend. Um eine Wiederverwendbarkeit der erhaltenen Daten in späteren Lehrveranstaltungen zu gewährleisten, wurden das JSON-Format in das Format des Artigo Datensatzes umgewandelt.

Aus Zeitgründen wurden alle Berechnungen für die Datenakquise auf virtuellen Maschinen in der Microsoft-Cloud „Azure“ ausgeführt, da diese Rechner mit weitaus höherer Leistung, als gewöhnliche Heimcomputer, bereitstellen.

Außer den Labels war außerdem interessant, die Gemälde anhand ihrer Helligkeit und der Farbgebung zu analysieren. Deshalb wurde der Datensatz mithilfe von Bildanalyse-Methoden angereichert. Hierzu wurde die Software OpenCV verwendet, die sich mittels Python-Binding einbinden lässt.

Zur Veranschaulichung des Prozesses, dient das Folgende Beispiel:

Kunstwerk: „Bonaparte visitant les pestiférés de Jaffa“ von Antoine-Jean Gros. Das Ölgemälde wurde 1804 gemalt und ist derzeit im Louvre in Paris ausgestellt.

„Bonaparte visitant les pestiférés de Jaffa“, Antoine-Jean Gros, 1804

Zunächst wurden die Rot-, Grün- und Blauwerte jedes Kunstwerkes ermittelt und daraus die Helligkeit berechnet. Zur Analyse der durchschnittlichen Helligkeit der Kunstwerke wurde der Luminescence-Wert, welcher verwendet wird, um RGB-Werte in Helligkeit umzurechnen, genutzt.
Die Formel zur Berechnung des Luminescence-Wertes ist:

Y = 0.299*R + 0.587*G + 0.144*B 9) Banjeri, Ashok: Multimedia Technologies, Tata McGraw-Hill Education, New Delhi 2010

Zudem wurde eine Analyse der dominanten Farben in den Bildern durchgeführt. Die dominanten Farben wurden mithilfe des k-means Algorithmus gefunden. Dazu wurden die RGB-Werte des Bildes in den Arbeitsspeicher im OpenCV-eigenen Format geladen und danach wurde der k-means Algorithmus im dreidimensionalen Raum ausgeführt. Die dadurch entstandenen Cluster entsprechen den dominanten Farben im Bild. 10)Grus, Joel: Data Science from Scratch, O’Reilly Media, 2015 Für unsere Datenakquise wurde k = 5 verwendet. In der Grafik können die RGB-Histogramme und die dominanten Farben des Bildes gesehen werden.

Farbenhistogramm des Gemäldes von Antoine-Jean Gros

Dominante Farben des Gemäldes von Antoine-Jean Gros

Zusätzlich zu den dominanten Farben der einzelnen Kunstwerke wurden auch die dominanten Farben, gruppiert nach männlichen und weiblichen,Künstlern berechnet. Um dies zu erreichen, wurden die RGB-Werte aller Kunstwerke betrachtet. Zunächst wurde Downsampling durchgeführt, bei dem von mehreren Pixeln der Durchschnitt gebildet wurde und anschließend wieder der k-Means Cluster Algorithmus ausgeführt.

4. Vergleich der Werke von Künstlern und Künstlerinnen im 19. Jahrhundert

Im Folgenden wird untersucht inwieweit Unterschiede bzw. Gemeinsamkeiten zwischen den Kunstwerken der Künstler und Künstlerinnen im langen 19. Jahrhundert vorhanden sind.
Dazu wurde einerseits die Motivwahl der KünstlerInnen betrachtet und andererseits, in wie weit sich die Kunstwerke bezüglich der dominanten Farben und in der Helligkeit voneinander unterscheiden. Abschließend werden diese Aspekte im zeitlichen Verlauf, an Hand des langen 19. Jahrhunderts, betrachtet.

 4.1 Vergleich der Werke hinsichtlich der Motive anhand verschiedener
Datensätze

Der folgende Abschnitt betrachtet inwieweit es Gemeinsamkeiten oder Unterschiede in der Motivwahl der Künstler und Künstlerinnen im langen 19. Jahrhundert gibt. Dazu wurden die Artigo Tags, Microsoft Azure und die Google Vision API genutzt.

  4.1.1 Artigo Tags

Die Artigo Tags der Kunstwerke wurden nach männlichen und weiblichen Künstlern gruppiert und die Werte dann mit dem Tf-idf-Mass normalisiert. Das Ergebnis ist in der folgenden Abbildung graphisch dargestellt:

Top 30 Tags aller Kunstwerke im 19. Jahrhundert nach männlichen und weiblichen Künstlern

Bei Betrachtung des Diagramms wird ersichtlich, dass Künstlerinnen vor allem Frauen abbildeten, wohingegen ihre männlichen Kollegen ebenfalls vermehrt Personen ihres eigenen Geschlechtes gemalt haben. Abgesehen von diesem Punkt sind die weiteren Tags vor allem auf die Landschaft bezogen und bei beiden Gruppen ähnlich vertreten.
Frauen im 19. Jahrhundert war das Zeichnen von männlichen Akten verboten, ebenso wie eine klassische Kunstausbildung. Demnach konnten sich die Künstlerinnen vor allem mit Ihresgleichen beschäftigen, denn die Gesellschaft von anderen Damen war problemlos. Männer hatten keine Einschränkungen was ihre Motivauswahl betraf und waren somit auch für die Portraitmalerei zuständig, wie man anhand der Tags erkennen kann, was für die Malerin ohne klassische Ausbildung unüblich war.

Anhänge:

  4.1.2 Artigo, Microsoft Computer Vision, Google Vision

Im folgenden Abschnitt werden die drei Plattformen bzw. Services Artigo, Microsoft Computer Vision und Google Vision in Bezug auf vorhandene Tags untersucht. Die folgende Tabelle 1 gibt eine allgemeine Übersicht darüber, wie viele Tags insgesamt für die relevanten Kunstwerke gespeichert sind.

Plattform / Service Artigo Microsoft Computer Vision API Google Vision API
Künstlerinnen: Anzahl der verschiedenen Tags 9030 701 243
Künstler: Anzahl der verschiedenen Tags 77180 717 2638

Tabelle 1: Vergleich der Tag-Anzahl der drei Plattformen Artigo, Microsoft Computer Vision API und Google Vision API. 

Die Artigo Datenbank beinhaltet vergleichsweise die meisten Tags (da das Hinzufügen von Tags als eine mögliche Funktionen für alle Benutzer der Artigo-Seite zur freien Verfügung steht). Im Durchschnitt sind es bei Artigo 9,97 verschiedene Tags pro Bild für die Gemälde der Künstlerinnen und 2,80 verschiedene Tags pro Bild für die Gemälde der Künstler. Auffallend ist zudem, dass Microsoft eine gleiche Anzahl an verschiedener Tags aufweist, trotz der viel höheren Bildanzahl von männlichen Künstlern.

Die folgenden beiden Tabellen beinhalten die fünf am häufigsten verwendeten Tags in Bezug auf alle Bilder der Künstlerinnen (Tabelle 2) und in Bezug auf alle Künstler (Tabelle 3)  im Vergleich zwischen den Plattformen.

Plattform / Service Artigo Microsoft Computer Vision API Google Vision API
1. häufigster Tag [Vorkommnis] WEISS [359] text [305] art [542]
2. häufigster Tag [Vorkommnis] SCHWARZ [324] old [197] painting [303]
3. häufigster Tag [Vorkommnis] FRAU [262] outdoor [132] artwork [284]
4. häufigster Tag [Vorkommnis] LICHT [242] indoor [115] illustration [258]
5. häufigster Tag [Vorkommnis] GRAU [220] book [111]  black and white [224]

Tabelle 2: Vergleich der fünf häufigsten Tags der Kunstwerke von Künstlerinnen zwischen den drei Plattformen Artigo, Microsoft Computer Vision API und Google Vision API.

 

Plattform / Service Artigo Microsoft Computer Vision API Google Vision API
1. häufigster Tag [Vorkommnis] WEISS [10541] old [9326] art [13651]
2. häufigster Tag [Vorkommnis] SCHWARZ [8950] text [7939] painting [10780]
3. häufigster Tag [Vorkommnis] LICHT [7707] outdoor [6212] history [9374]
4. häufigster Tag [Vorkommnis] GRAU [7459] book [3166] artwork [9253]
5. häufigster Tag [Vorkommnis] SCHATTEN [6977] person [3028] black and white [7596]

Tabelle 3: Vergleich der fünf häufigsten Tags der Kunstwerke von Künstlern zwischen den drei Plattformen Artigo, Microsoft Computer Vision API und Google Vision API.

Gut erkennen lässt sich, dass sich die fünf häufigsten Tags der verschiedenen Plattformen vollständig von denen der anderen Plattformen unterscheiden. Hingegen sind die Tags im Vergleich der Gemälde in Bezug auf das Geschlecht der Künstlerin bzw. des Künstlers jeweils nur in einem Tag oder der Häufigkeits-Reihenfolge unterschieden (in den Tabellen als fett markiert). Bemerkenswert ist, dass bei den Artigo Tags der Künstlerinnen der Tag „Frau” vorkommt, hingegen bei den Artigo Tags der Künstler nicht der Tag „Mann”. Dies unterstreicht auch noch einmal erneut die Auffälligkeit, dass Künstlerinnen im 19. Jahrhundert vermehrt Frauen gemalt haben. Vor allem, wenn man im Vergleich dazu die Tag Ergebnisse der männlichen Künstler setzt, wird deutlich, dass diese eine viel größere Motivwahl bei ihrem Schaffen hatten.

Ebenfalls lassen sich die Tags mit ihren Häufigkeiten im Auftreten grafisch anschaulich in Form einer Tag Cloud 11) Martin Halvey and Mark T. Keane, An Assessment of Tag Presentation Techniques, poster presentation at WWW 2007, 2007  repräsentieren. Die folgenden Grafiken (Abbildungen 2, 3, 4) zeigen dementsprechend den gesamten Tag-Raum aller drei Plattformen mit der Gegenüberstellung zwischen Künstlerinnern und Künstlern.

Abbildung 2: Tag Cloud für Artigo Tags der Kunstwerke von Künstlerinnen (links) und Künstler (rechts).

Abbildung 3: Tag Cloud für Microsoft Computer Vision Tags der Kunstwerke von Künstlerinnen (links) und Künstler (rechts).

Abbildung 3: Tag Cloud für Google Vision Tags der Kunstwerke von Künstlerinnen (links) und Künstler (rechts).

Anhänge:

4.2 Vergleich der Werke hinsichtlich der Farben

Dieser Abschnitt betrachtet die Gemeinsamkeiten und Unterschiede der Kunstwerke von Künstlern und Künstlerinnen im Bezug auf die verwendeten Farben. Insbesondere wurden die Kunstwerke hinsichtlich der durchschnittlichen Helligkeit und der dominanten Farben untersucht.

  4.2.1 Hell und Dunkel

Die durchschnittliche Helligkeit der Bilder weiblicher Künstler betrug 158.0, die der männlichen Künstler 158.4.

Demnach konnten keine nennenswerten Unterschiede zwischen den Helligkeitswerten beider Bildergruppen erkannt werden. Daraus schließen wir, dass die Stilentwicklungen im langem 19. Jahrhundert geschlechterübergreifend stattgefunden haben und alle bildenden KünstlerInnen sich ähnlich bezüglich der Helligkeit ihrer Werke entwickelt haben.

  4.2.2 Dominante Farben

Im Vergleich der dominanten Farben zwischen Bildern von Künstlern und Künstlerinnen, ergab sich für beide Geschlechter ein eindeutiges aber ähnliches Ergebnis: Die dominanten verwendeten Farben liegen hauptsächlich im blauen Farbraum.

Zurückführen könnte man diese Beobachtung auf folgende Begebenheit: Das natürliche Pigment Ultramarinblau war noch zu Beginn des 19. Jahrhunderts teurer denn je. Im Jahr 1824 erfanden jedoch die beiden Chemiker Jean-Baptiste Grimmet und Christian Gmelin eine Lösung zur chemischen Herstellung dieses Farbtons. So konnte dieser von nun an zu weitaus erschwinglicheren Preisen erstanden werden und demnach auch öfter von Künstlern in breiteren Kreisen Verwendung finden. 12) Finlay, Victoria: Colours, Die Geschichte der Farben, Theiss Verlag by WBG, Damstadt, 2015

Die fünf dominantesten Farben, welche von den weiblichen Künstlerinnen verwendet wurden. Die Größe der Farbräume entsprechen dem prozentualen Anteil.

 

Die fünf dominantesten Farben, welche von den männlichen Künstlern verwendet wurden. Die Größe der Farbräume entsprechen dem prozentualen Anteil.

Dabei wirken die dominanten Blautöne, welche Künstlerinnen hauptsächlich genutzt haben, insgesamt heller und variieren nicht über ein so großes Spektrum wie die von den Künstlern verwendeten Blautöne.

Zum weiteren Vergleich zeigen die beiden folgenden Grafiken die Farbverteilung im RGB-Farbraum auf, entsprechend der dominantesten Farbe pro Gemälde.

Verteilung im RGB-Farbraum: Jeder Datenpunkt im 3d-Scatterplot repräsentiert den RGB-Wert der dominantesten Farbe, für jedes Gemälde der Künstlerinnen.

Verteilung im RGB-Farbraum: Jeder Datenpunkt im 3d-Scatterplot repräsentiert den RGB-Wert der dominantesten Farbe, für jedes Gemälde der männlichen Künstler.

Im Vergleich zueinander weisen die beiden Farbräume grundsätzlich eine sehr ähnliche Form auf. Zu berücksichtigen ist allerdings die Menge an Datenpunkten in den Grafiken. Im Scatterplot der von Künstlerinnen gemalten Werke (rot), lässt sich erneut die Tendenz Blautöne zu präferieren, erkennen. Da der Scatterplot der von Künstlern gemalten Werke (blau), mehr als 29.000 Datenpunkte enthält, lässt sich diese Präferenz hier allerdings schwerer nachvollziehen. Im Gegensatz stehen hier zudem auch die vielen Abweichungen von der erkennbaren mond-förmigen Verteilung der Farbdaten. Dass es mehrere Punkte mit einer Abweichung gibt, ist ebenfalls der Menge an Datenpunkten zuzuschreiben.

 4.3 Zeitlicher Verlauf

Dieser Abschnitt betrachtet zum Einen wann die Kunstwerke im langen 19. Jahrhundert angefertigt wurden, zum Anderen ob es bestimmte Perioden gab, in denen männliche bzw. weibliche Künstler mehr oder weniger aktiv waren. Anschließend wird die Korrelation der Motivwahl untersucht und die Frage bestrachtet, inwiefern bestimmte Perioden im langen 19. Jahrundert existierten in denen heller oder dunkler gemalt wurde.

  4.3.1 Fertigstellung der Kunstwerke

In den folgenden beiden Abbildungen ist der zeitliche Verlauf der Fertigstellung der Kunstwerke nach männlichen und weiblichen Künstlern normalisiert mit Tf-idf und nicht normalisiert dargestellt.
Vor der durchgeführten Datenanalyse wurde angenommen, dass es wahrscheinlich tendenziell einen kontinuierlichen Anstieg bei der Fertigung von Kunstwerken im 19. Jahrhundert gibt, sowohl bei den Künstlern, als auch bei en Künstlerinnen, da sich auch der Kunstmarkt stetig weiterentwickelt hat. 13) http://www.hsozkult.de/conferencereport/id/tagungsberichte-5197 
Betrachtet man nun die Diagramme, ist Auffällig, dass besonders viele Kunstwerke von weiblichen Künstlerinnen im Jahr 1808 fertiggestellt worden sind. Zudem ist erkennbar, dass ein deutlichen Abwärtstrend bei der Fertigstellung von Kunstwerken der männlichen Künstler in der zweiten hälfte des 19. Jahrhunderts stattfindet, sowie einen leichten Aufwärtstrend bei weiblichen Künstlerinnen.
Es ist davon auszugehen, dass die politischen Unruhen in Europa dafür der Grund sind. Kriege prägten das 19. Jahrhundert. Männer waren davon mehr als Frauen betroffen, denn sie wurden als Soldaten eingezogen. 14) https://de.wikipedia.org/wiki/Liste_von_Kriegen_und_Schlachten_im_19._Jahrhundert

Fertigstellung der Kunstwerke in der Artigo Datenbank nach männlichen und weiblichen Künstlern im langen 19. Jahrhundert normalisiert mit Tf-idf

Fertigstellung der Kunstwerke in der Artigo Datenbank nach männlichen und weiblichen Künstlern im langen 19. Jahrhundert

Bei Betrachtung der Diagramme lässt sich prinzipiell keine konkrete Linie erkennen. Es sind immer wieder Ausschläge zu vermerken. Tendenziell geht laut der Kurve die Produktion von Kunstwerken bei den männlichen Künstlern gegen Ende des 19. Jahrhunderts ein wenig zurück. Dies lässt sich jedoch nicht durch konkrete kunsthistorische Gegebenheiten belegen.
Dennoch gibt es eine Auffälligkeit bei der Fertigstellung von Kunstwerken bei den Künstlerinnen: ein extremer Ausschlag im Jahr 1808, welcher sich nicht direkt erklären lies. Auch durch weitreichende Recherchen konnten in diesem Jahr keine Besonderheiten im Verhalten der weiblichen Künstlerinnen festgestellt werden. Um dennoch zu untersuchen wie der signifikante Anstieg zustande gekommen ist, sind im Folgenden alle Kunstwerke von weiblichen Künstlerinnen im Jahr 1808 aufgelistet. Das Ergebnis dieser Untersuchung ist, dass für alle Kunstwerke der Künstlerin Christina Chalon 1758 bis 1808 als Fertigstellungsjahr im Artigo Datensatz hinterlegt ist. Einige Werke von ihr sind zudem doppelt in dem Datensatz zu finden. Es ist davon auszugehen, das Christina Chalon eine der wenigen besser erforschten Künstlerinnen im 19. Jahrhundert ist und somit ihr breites Oevre in den Datensatz aufgenommen wurde, wohingegen von weiteren Künstlerinnen nur einzelne Werke zu finden sind. Der starke Anstieg im Jahr 1808 ist demnach auf diese ungenaue Angabe des Fertigstellungsjahres bei Christina Chalon zurückzuführen (die vollständige Liste ist im Anhang dieses Abschnitts – „Artists_1808“ zu finden):

  • Artist: Christina Chalon, Title: Vader met kind , Completion Year: 1758 – 1808
  • Artist: Christina Chalon, Title: Vader met kind , Completion Year: 1758 – 1808
  • Artist: Christina Chalon, Title: Buste van onbekende man met dochter , Completion Year: 1758 – 1808
  • Artist: Christina Chalon, Title: Buste van onbekende man met dochter , Completion Year: 1758 – 1808
  • Artist: Christina Chalon, Title: Vier voorstellingen van het gezinsleven , Completion Year: 1758 – 1808

Anhänge:

  4.3.2 Motive

Um zu untersuchen, ob es zeitliche Zusammenhänge bei der Motivwahl von männlichen und weiblichen Künstlern im 19. Jahrhundert gibt, wurden die Zeitreihen der Top 100 Tags nach männlichen und weiblichen Künstlern geplottet. Dabei wurden einmal die Tags pro Kunstwerk gezählt (Dateiname taggingByYearNumberOfArt$.png) und einmal die Anzahl der Tags (taggingByYear$.png). Alle Grafiken hierzu sind im Anhang dieses Beitrags zu finden.

Klare Ergebnisse können bei der Betrachtung des Tags „Nackt“ gesehen werden. Es findet sich insbesondere ein Anstieg der Tags bei den Künstlerinnen ab Mitte des 19. Jahrhunderts wieder. Dies ist keinesfalls verwunderlich, denn in Folge ihrer Emanzipation in der Kunstwelt ist es für die bildende Künstlerin einfacher geworden, auch Akte zu porträtieren.
Bei dem Tag „Portrait“ ist ein Anstieg bei beiden Geschlechtern zu erkennen. Im Laufe des 19. Jahrhunderts konnten es sich mehr Menschen leisten, ein Portrait Gemälde von sich anfertigen zu lassen, was im 18. Jahrhundert noch den Adligen und höheren Gesellschaftsschichten vorbehalten war.
Ebenfalls relativ gleichmäßig angestiegen ist der Tag „Impressionismus“ bei den KünstlerInnen. Dies belegt die gleiche stilistische Entwicklung der Männer und Frauen in der Kunstwelt, da sie sich doch stets gegenseitig beeinflusst haben und somit die Weiterentwicklung zumindest vorwiegend gleich bzw. ähnlich voranschreitet.

  4.3.3  Helligkeit

Eine weitere Annahme ist, dass die unterschiedlichen Kunst-Stilrichtungen im langen 19. Jahrhundert unterschiedliche Helligkeiten aufweisen. Dass Bilder die dem Impressionismus zugeordnet werden beispielsweise etwas heller sind, als Werke aus anderen Stilrichtungen und somit eine Zunahme der durchschnittlichen Helligkeit zum Ende des 19. Jahrhunderts erkennbar sein müsste. Um diese Hypothese zu überprüfen wurden die Helligkeitswerte der Künstler und Künstlerinnen in dem untersuchtem Zeitraum gruppiert. 15) BANERJI, Ashok: Multimedia Technologies, Tata McGraw-Hill Education, New Delhi 2010 Das Ergebnis ist in der folgenden Abbildung dargestellt:

Durchschnittliche Helligkeit der Kunstwerke im zeitlichen Verlauf über das lange 19. Jahrundert

Durch Betrachtung des Diagramms können wir einen durchschnittlichen Helligkeitsverlauf in den Werken der Künstlerinnen erkennen. Die einzelnen Peaks im Verlauf sind auf die geringe Zahl der Kunstwerke von Künstlerinnen im Datensatz zurückzuführen.
Bei ihren männlichen Kollegen ist dagegen keine auffallenden Entwicklung des Wertes zu sehen. Der Impressionismus entwickelte sich bereits ab Mitte des 19. Jahrhunderts. Unsere These könnte jedoch trotzdem zutreffend sein, wenn wir davon ausgehen, dass Künstlerinnen hauptsächlich mit Gemälden in der Datenbank vertreten sind und von Künstlern dagegen auch Zeichnungen, Kupferstiche und Radierungen zu finden sind. Es ist davon auszugehen, dass es sich bei den Werken von Künstlerinnen in der Artigo-Datenbank hauptsächlich um vollendete, erforschte Gemälde handelt. Von Künstlern hingegen ist eine breitere Auswahl an Werken zu finden, bei denen Zeichnungen und Dergleichen also den Helligkeitswert dementsprechend ausgleichen. Es wäre also durchaus interessant in einem nächsten Schritt nur die Gemälde zu filtern und diese zu betrachten.

 

5. Fazit, Ausblick und kritische Betrachtung der Datensätze

In dieser Arbeit wurde zum Vergleich von dominanten Farben insbesondere der RGB-Farbraum betrachtet und verglichen. Der RGB-Farbraum ist allerdings eine digitale Repräsentation der Bilder und wird somit auf jedem Computer Bildschirm anders dargestellt. Um Farben der menschlichen Wahrnehmung entsprechend zu interpretieren, müsste man genau genommen also den LUA-Farbraum betrachten. Mit den Artigo-Datensätzen in Bezug auf den LUA-Farbraum beschäftigt sich unter anderem die Arbeit von Matthias Moosburger. 16)Matthias Moosburger: Colour Labelling of Art Images Using Colour Palette Recognition, Institut für Informatik, Ludwig-Maximilians-Universität München, 2017

Allgemein gesehen ist die Aussagekraft der fünf häufigsten Tags bei allen drei Plattformen als recht gering einzuordnen, da es sich zumeist um äußerst unspezifische Begrifflichkeiten handelt. Die gesamte Auflistung der Tag-Häufigkeiten aller Plattformen befindet sich für weitere Interpretationsmöglichkeiten im Anhang.

Ein weiterer interessanter und aufschlussreicher Ansatz, der verfolgt werden könnten wäre eine umfangreiche Analyse und Interpretation aller dominanten Farben. Allerdings ist dies auch eine der rechenaufwendigsten Methoden, da die dominanten Farben durch Clustering Algorithmen berechnet werden müssten. Mit einer stärkeren Rechenleistung und einem größeren Zeitrahmen, wäre es demnach möglich auch noch weitere dominante Farben, abgesehen von Blautönen, heraus zu kristallisieren und zu untersuchen.
Danach könnte man abermals einen Schritt weiter gehen, die primären Farben im zeitlichen Verlauf zu betrachten und daraus weitere Schlüsse zu ziehen.

Entgegen unserer zu vorigen Erwartungen hat sich herausgestellt, dass die Unterschiede zwischen männlichen und weiblichen Künstlern im Großen und Ganzen doch eher gering sind. Die Verwendung von ähnlichen Farben und Helligkeiten spricht für eine ähnliche stilistische Entwicklung von Männern und Frauen in der Kunstwelt. Dies ist genau genommen jedoch doch nicht sehr überraschend, da sie sich doch stets gegenseitig beeinflusst haben und somit auch die Weiterentwicklung vorwiegend gleich voranschreitet. Bei diesem Ergebnis ist jedoch zu berücksichtigen, dass der Artigo Datensatz nur sehr wenige Kunstwerke von Künstlerinnen beinhalten und deswegen unter Umständen nicht repräsentativ ist. Um das Ergebnis zu widerlegen oder zu bestätigen wäre die Untersuchung des Datensatzes aus dem Projekt „Marktanalyse Kunstwerke des langen 19. Jahrhundert“ eine Möglichkeit.

Abschließend lässt sich sagen, dass sich eine Zusammenarbeit der beiden Disziplinen Informatik und Kunstgeschichte aus durchaus sinnvoll herausgestellt hat. Durch die Datenanalysen konnten viele interessante Gesichtspunkte betrachtet und so zum Teil Angenommenes belegt werden, was ohne das Fachwissen beider Disziplinen und die Kooperation nicht möglich gewesen wäre.

Bibliographie   [ + ]

1. http://www.bundestag.de/besuche/ausstellungen/parl_hist/frauenwahlrecht/einfuehrung/246998
2. Muysers, Carola: Die bildende Künstlerin: Wertung und Wandel in deutschen Quellentexten, 1855-1954, Verl. der Kunst, 1999, S.37
3. http://www.kunstverein-bremerhaven.de/fileadmin/media/pdfs/Skript_Eroeffnungsrede_Frauen_Sparkasse.pdf
4. https://de.wikipedia.org/wiki/Frauen_in_der_Kunst
5. Muysers, Carola: Die bildende Künstlerin: Wertung und Wandel in deutschen Quellentexten, 1855-1954, Verl. der Kunst, 1999, S.7
6. https://cloud.google.com/vision/
7. https://aws.amazon.com/de/rekognition/
8. https://azure.microsoft.com/en-us/try/cognitive-services/
9. Banjeri, Ashok: Multimedia Technologies, Tata McGraw-Hill Education, New Delhi 2010
10. Grus, Joel: Data Science from Scratch, O’Reilly Media, 2015
11. Martin Halvey and Mark T. Keane, An Assessment of Tag Presentation Techniques, poster presentation at WWW 2007, 2007
12. Finlay, Victoria: Colours, Die Geschichte der Farben, Theiss Verlag by WBG, Damstadt, 2015
13. http://www.hsozkult.de/conferencereport/id/tagungsberichte-5197 
14. https://de.wikipedia.org/wiki/Liste_von_Kriegen_und_Schlachten_im_19._Jahrhundert
15. BANERJI, Ashok: Multimedia Technologies, Tata McGraw-Hill Education, New Delhi 2010
16. Matthias Moosburger: Colour Labelling of Art Images Using Colour Palette Recognition, Institut für Informatik, Ludwig-Maximilians-Universität München, 2017

Anhänge

neueste älteste
Benachrichtige mich bei