Mensch, Maschine, Mensch – Wie KI bei der Erschließung von Chor-Medaillen im Münzkabinett unterstützt

Lucy Berkl, Rebecca Kowalski und Benedikt von Samson

Künstliche Intelligenz am Werk

In den vergangenen Monaten haben wir im Münzkabinett des LMW an einem Erschließungsprojekt gearbeitet. Wir konnten untersuchen, ob und in welcher Form der Einsatz von Künstlicher Intelligenz (KI) eine tatsächliche Arbeitserleichterung in der numismatischen Erfassung darstellen kann.

Das Projekt, das vom Numismatischen Verbund Baden-Württemberg (NV BW) unterstützt wurde, beschäftigte sich mit Chor-Medaillen, die das LMW 2023/24 aus dem ehemaligen Silcher-Museum in Schnait übernommen hatte. Ziel des Projektes war es, diese Medaillen digital zu erfassen und ihre Daten anschließend für die Öffentlichkeit zugänglich zu machen. Das Besondere an diesem Projekt war, dass solche Beschreibungen der Medaillen nicht wie sonst üblich vom Menschen geschrieben, sondern auf der Basis von Bilderkennung mithilfe von KI verfasst wurden.

 

 

 

 

 

 

 

 

 

 

 

 

KI (Chat GPT 5-0) erstellte dabei nach den Vorgaben des Museums in einem eigenen Interface Datensätze zu den einzelnen Medaillen. Diese enthielten unter anderem Angaben wie Titel, Beschreibungen der Vorder- und Rückseite, Inschriften sowie weitere relevante Informationen. Unsere Aufgabe bestand darin, die KI-generierten Daten zu überprüfen und gegebenenfalls zu korrigieren. Dabei interessierte uns besonders, wie gut und zuverlässig die KI bereits in der Lage ist, solche Aufgaben zu übernehmen und in welchem Umfang sich durch ihren Einsatz Arbeitszeit einsparen lässt.

 

Der Ablauf im KI-Projekt

Für das KI-Projekt fertigten wir zunächst Fotografien der Chor-Medaillen an. Diese Bilder bildeten die Grundlage für die weitere Bearbeitung. Anschließend übermittelte das Museum die Fotos zusammen mit soggenannten Prompts – also gezielten Anweisungen an die Künstliche Intelligenz – an das Unternehmen 4eyes. In einem ersten Schritt wurden einige Medaillen testweise durch die KI beschrieben, um zu sehen, ob eine Anpassung der Prompts nötig ist. Wir haben diese ersten Ergebnisse überprüft und Feedback an das Unternehmen gegeben, um entsprechend nachbessern zu lassen. Nach einem erneuten Testlauf und einer Feinjustierung der Prompts ging es dann in die Umsetzung: Nach der Bilderkennung der Medaillen mit den neuen Abfragen war es unsere Aufgabe, in einem letzten Schritt die Ergebnisse der KI zu kontrollieren und Fehler zu korrigieren. Dabei haben wir im System die Qualität der einzelnen Datensätze mit einem Ampelsystem zum jeweiligen Bedarf der Nacharbeit bewertet.

Wir haben die KI also nicht allein arbeiten lassen, sondern sie als Zwischenglied in unsere Arbeit integriert. So ist es auch in den KI-Leitlinien des LMW festgelegt. Die KI hat mit unseren Anweisungen gearbeitet und ihre Ergebnisse wurden im letzten Schritt durch uns korrigiert. Wir haben also nach dem Schema Mensch – Maschine – Mensch gearbeitet.

 

 

 

 

 

Ergebnisse, Fehler und Grenzen der KI

Bei der Analyse und Erfassung der Chor-Medaillen lieferte die KI in vielen Fällen bereits erstaunlich gute Ergebnisse und unterstützte uns damit spürbar bei der Arbeit.

Positiv hervorzuheben ist vor allem die automatisierte Vergabe von Schlagworten, die in den meisten Fällen auch deshalb äußerst treffend ausfiel, weil die KI aus einem geprüften Begriffspool aus der Objektdatenbank auswählen konnte, der über eine Verbindung zur Datenbank, einen so genannten Endpunkt, zur Verfügung stand.

Gleichzeitig zeigte sich jedoch auch, dass die KI immer wieder Fehler machte oder an ihre Grenzen stieß. So kam es beispielsweise vor, dass Inschriften falsch gelesen, Details der Darstellung missinterpretiert oder Informationen ungenau wiedergegeben wurden.

Dass die Maschine nicht unfehlbar ist, zeigte sich auch immer wieder in kleineren Fehlern, die ohne eine detaillierte menschliche Kontrolle leicht übersehen werden können. So dichtete die KI bei einer Medaille auf das 22. Liederfest vom Sängergau Schwarzwald bei der abgebildeten römischen Zahl einfach ein „I“ dazu. Statt XXII (22) las sie XXIII (23). Außerdem erkannte das System hier den durch einen Schriftzug durchbrochenen Violinschlüssel fälschlicherweise als zwei Symbole (einen Violinschlüssel und eine Note).

 

 

 

 

 

 

 

 

 

 

 

Auch verschnörkelte, weniger klare Schriften machten der KI zu schaffen. Bei einer Medaille mit einer Abbildung des Ulmer Münsters erkannte sie nicht nur die Jahreszahl falsch (1878 statt 1884), auch die Wiedergabe der gotischen Buchstaben auf dem Revers war fehlerhaft.

 

Floskeln und Allgemeines

Neben der Generierung von Objektinformationen für die Erfassung sollte die KI auch bei der Formulierung von beschreibenden Texten für die Online-Ausspielung unterstützen.

Auffällig war bei den ersten Texten, dass die von der KI erstellten Beschreibungen häufig Floskeln enthielten. Auch waren sie eher allgemein erklärend als spezifisch beschreibend. Die Texte erklärten Dinge, die unserer Auffassung nach keiner weiteren Erklärung bedurften und ließen dafür andere Informationen weg, die nicht erkannt worden waren.

Ein besonders gutes Beispiel dafür waren die Ösen an den Medaillen. Die KI erwähnte in nahezu jedem Text deren Vorhandensein und erklärte wiederholt, dass die Medaille an einer solchen Öse aufgehängt oder um den Hals getragen werden könne und somit als tragbares Erinnerungsstück diente. Diese Erklärung erschien in den Beschreibungen so regelmäßig, dass sie fast zu einer Art Standardformulierung wurde – selbst dann, wenn sie für die konkrete Beschreibung der jeweiligen Medaille nur begrenzten Mehrwert bot.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

50% – 42% – 8%: zur Bewertung der KI-generierten Texte

Nach zwei Anpassungsrunden der Prompts stellte sich eine deutliche Verbesserung ein. Von den 150 Medaillen konnten wir 75, also genau die Hälfte, als gut bewerten. Bei diesen Objekte dauerte die Nachbearbeitung maximal 5 Minuten. Bei 63 Medaillen, also bei 42%, mussten wir zwischen 5 und 10 Minuten für die Überarbeitung aufwenden. Und nur bei 12 Medaillen, also 8%, gab es noch einen Nachbearbeitungsaufwand von mehr als 10 Minuten. Dieser war insbesondere fehlenden Beschreibungstexten geschuldet.

 

 

 

 

 

 

 

 

 

 

Unser Fazit

Während der Arbeit mit KI begegneten uns immer wieder Herausforderungen und Fehler – Fehler, die wir Menschen gemacht haben, und Fehler der KI. Von den Texten, die die KI zur Beschreibung der Medaillen erstellt hatte, musste nur ein sehr kleiner Teil überhaupt nicht angepasst werden. Trotzdem hat die Arbeit mit der KI insgesamt eine Zeitersparnis gebracht, da bereits eine Beschreibung vorhanden war, die von uns nur stellenweise verbessert werden musste und wir nicht die ganze Beschreibung selbst machen mussten.

Die Qualität der von der KI erstellten Datensätze war dabei sehr unterschiedlich. Bei einigen mussten nur kleine Verbesserungen durchgeführt werden, bei anderen musste der gesamte Datensatz überarbeitet werden, in einigen Fällen auch nach Anpassungen in den Feedbackrunden. Besonders häufig war es notwendig, die Titel anzupassen und die Beschreibungstexte zu überarbeiten, um KI-Floskeln zu entfernen. Die Inschriften auf den Medaillen konnte die KI im Vergleich dazu in den meisten Fällen gut entziffern, stieß aber bei unkonventionellen Schriftdesigns an ihre Grenzen. Die von der Maschine vergebenen Schlagwörter konnten wir in den allermeisten Fällen ohne Korrekturen übernehmen.

Eine wichtige Erkenntnis aus dem Projekt war zudem, wie entscheidend die Formulierung der Prompts ist. Im Vergleich zu den ersten Probedurchläufen waren die späteren Beschreibungen deutlich brauchbarer, nachdem die Anweisungen an die KI präziser formuliert worden waren.

Abschließend lässt sich festhalten, dass KI die Beschreibung der Medaillen derzeit nicht vollständig eigenständig übernehmen sollte. Vielmehr hat sich ein Arbeitslablauf bewährt, der nach dem Prinzip Mensch – Maschine – Mensch funktioniert: Zunächst bereitet der Mensch die Daten vor und gibt die entsprechenden Anweisungen, anschließend erstellt die Maschine einen ersten Entwurf, der im letzten Schritt erneut sorgfältig vom Menschen geprüft und gegebenenfalls korrigiert wird.

Künstliche Intelligenz ist ein hilfreiches Werkzeug, das Menschen dabei unterstützt, Aufgaben, wie zum Beispiel im Bereich der Erschließung von Objekten, schneller und effizienter zu erledigen. Die abschließende Kontrolle durch uns Menschen derzeit aber ein unverzichtbarer Bestandteil des Prozesses.

 

Weitere Informationen bietet dieser Beitrag: Lucy Berkl / Rebecca Kowalski / Benedikt von Samson, Künstliche Intelligenz als Entlastung? Erschließung von Musik-Medaillen im Münzkabinett des Landesmuseums Württemberg, in: Zeitarbeit 7 (2026), S. 1-11.

 

Abbildungsnachweis und Nutzungsbedingungen:

Abb. 1, 3-5: Landesmuseum Württemberg (CC BY-SA 4.0), MK 2024-213, MK 2024-222, MK 2024-216 & MK 2023-116.

Abb. 2: Grafik erstellt mit generativer KI (Gemini 3 Flash & Chat GPT 5.3 (Public Domain 1.0).

Abb. 6: KI-generierter Text, Screenshot, bearbeitet von Rebecca Kowalski, Landesmuseum Württemberg (CC BY 4.0).

Abb. 7: Landesmuseum Württemberg (Public Domain 1.0).