Hat künstliche Intelligenz einen Platz in einem so unbeständigen und eigenwilligen Umfeld wie dem Sekundärmarkt für Kunst? Kann ein Algorithmus lernen, den Wert eines Kunstwerks bei einer Auktion vorherzusagen?
Diesen und anderen Fragen ging eine Forschergruppe nach, zu der Roman Kräussl, Professor am Fachbereich Finanzwirtschaft der Universität Luxemburg, und die Koautoren Mathieu Aubry (École des Ponts ParisTech), Gustavo Manso (Haas School of Business, University of California at Berkeley) und Christophe Spaenjers (HEC Paris) gehörten. Der daraus resultierende Artikel mit dem Titel „Biased Auctioneers“, wurde zur Veröffentlichung im renommierten Journal of Finance angenommen.
Training eines neuronalen Netzes zur Bewertung von Kunst
In dieser Studie, die die Bereiche Finanzen und Informatik miteinander verbindet, verwendeten die Forschenden maschinelles Lernen und künstliche Intelligenz (KI), um einen Algorithmus für ein neuronales Netz zu entwickeln, der die Arbeit menschlicher Gutachter nachahmt, indem er Preisprognosen für Kunstwerke auf Auktionen generiert. Dieser Algorithmus stützt sich auf Daten, die sowohl visuelle als auch nicht-visuelle Merkmale von Kunstwerken verwenden. Die Autoren der Studie haben ihren Algorithmus auf einen riesigen Satz von Kunstverkaufsdaten angewandt, der 1,2 Millionen Gemäldeauktionen zwischen 2008 und 2014 umfasst und das neuronale Netzwerk sowohl mit einem Bild des Kunstwerks als auch mit Informationen wie dem Namen des Künstlers, dem Medium und dem Auktionshaus, in dem das Werk verkauft wurde, trainiert. Nachdem es mit diesem Datensatz trainiert worden waren, ließen die Autoren das neuronale Netz die Vorverkaufsschätzungen des Auktionshauses, den Kaufpreis (den Mindestpreis, zu dem das Kunstwerk verkauft wird) und den Endpreis für Kunstverkäufe im Jahr 2015 vorhersagen. Anschließend war es möglich, die Schätzung des Algorithmus mit den tatsächlichen Daten zu vergleichen und zu ermitteln, ob das relative Niveau der von der Maschine erstellten Preisvorhersagen die relativen Preisergebnisse vorhersagt.
Ein Weg zu einem effizienteren Kunstmarkt?
Wie zu erwarten war, waren die Vorhersagen der menschlichen Experten genauer als die des Algorithmus, dessen Vorhersage wiederum genauer war als das lineare hedonische Standardmodell, das die Forschenden zur Auswertung der Studie herangezogen hatten. Als Gründe für die Diskrepanz zwischen Mensch und Maschine nennen die Autoren vor allem den Zugang zu einer größeren Menge an Informationen über die einzelnen Kunstwerke, einschließlich Herkunft, Zustand und historischem Kontext. Wenngleich interessant, war es nicht das Ziel der Autoren, Mensch und Maschine bei dieser speziellen Aufgabe gegeneinander auszuspielen. Vielmehr versuchten die Autoren, den Nutzen und die potenziellen Anwendungen maschinenbasierter Bewertungen zu erforscchen. Beispielsweise könnte mithilfe eines solchen Algorithmus festgestellt werden, ob die Vorverkaufsbewertungen eines Auktionators zu pessimistisch oder zu optimistisch sind, was wiederum eine genauere Vorhersage von Schätzfehlern der Auktionatoren ermöglichen würde. Letztlich könnten diese Informationen genutzt werden, um solche vom Menschen verursachten Marktineffizienzen zu korrigieren.
Über die Auktionshäuser hinaus
Die Auswirkungen dieser Methodik und der angewandten Rechenleistung sind jedoch nicht auf die Kunstwelt beschränkt. Andere Märkte, die mit „echten“ Vermögenswerten handeln und in hohem Maße von menschlichen Gutachtern abhängig sind, wie insbesondere der Immobilienmarkt, können von dieser Forschung profitieren. Auch wenn KI den Menschen wahrscheinlich noch nicht ersetzen wird, könnte die Technologie des Maschinenlernens, wie von den Forschern demonstriert, ein wichtiges Werkzeug für Investoren und Vermittler werden, die möglichst schnell und kostengünstig auf möglichst viele Informationen zugreifen möchten.
Roman Kräussl
University of Luxembourg
DOI 10.2139/ssrn.3347175
https://wwwde.uni.lu/universite/actualites/a_la_une/l_intelligence_artificielle_...
Roman Kräussl
University of Luxembourg
University of Luxembourg
Criteria of this press release:
Journalists
Art / design, Economics / business administration, Information technology, Mathematics
transregional, national
Research results
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).