Typologie-Handling zur Dokumentation mit Hilfe künstlicher Intelligenz

Der Umgang mit Typologien in der archäologischen Museumsdokumentation erfordert zunächst Methoden, die auf archäologischen Überlegungen und geometrischen Vergleichen basieren, die zur eigentlichen Typologiebildung führen. Fortgeschrittene Methoden beinhalten den Einsatz von künstlicher Intelligenz wie Machine-, bzw. Deep-Learning oder Semantic Reasoning.

Vergleiche zwischen digitalisierten Features in automatisierten Verfahren können mit regelbasierten beschriebenen archäologischen Beschreibungen kombiniert werden. Dies erfordert eine semantische Modellierung, die beide Methoden kombiniert und zu schlüssigen Typologie-Einschätzungen führt. Diese, sowie Research Software wie ein “Comparison Viewer”, ermöglichen die Anwendung von AI-Methoden wie Semantic Reasoning.

Unterschiedliche, in verschiedenen europäischen Forschungstraditionen bereits entwickelte Typologien der gleichen Fundgattung müssen in einer international orientierten Erfassung mit Hilfe von semantischen Regeln miteinander verknüpft werden. Die Ceramic Typologies Ontology (CeraTyOnt) bietet die Möglichkeit, in der Sammlungsdokumentation die Bezüge zwischen den bestehenden unterschiedlichen Typologien mit Hilfe eines Viewers zu visualisieren und im Wissensmanagement durch die Anwendung von Semantic Reasoning Objekte verschiedener Typologien miteinander in Beziehung zu setzen.

Der Vortrag zeigt Überlegungen und Implementierungen aus dem BMBF geförderten Kooperationsprojekt “ARS3D”, die am RGZM zusammen mit dem i3mainz der Hochschule Mainz entwickelt wurden, sowie aus dem Projekt “CeraTyOnt” des SFG Handlungsfeldes “Semantic Modelling & Knowledge Graphs / Artificial Intelligence” des Arbeitsbereichs Wissenschaftliche IT, Digitale Plattformen und Tools am RGZM.