ImagePlot und seine Nützlichkeit in der Kunstgeschichte I.

Der Name des Softwareprogrammes ImagePlot wird den meisten von euch womöglich nicht sonderlich vertraut sein, deswegen muss ich zuerst kurz auf verschiedene theoretische Aspekte des Programmes eingehen bevor ich mit der Auseinandersetzung von ImagePlot und der Kunstgeschichte überhaupt erst beginnen kann.

Allgemeines zu ImagePlot:

Bei ImagePlot handelt es sich um ein Visualisierungstool, mit dem man sich große Mengen an digitalen Bildern, nach selbst definierten Eigenschaften, in Diagrammen anzeigen lassen kann. Es ist eine Open Source Software, die auf der Webseite der Software Studies Initiative heruntergeladen werden kann (http://lab.softwarestudies.com/p/imageplot.html#download).

In diesem Downloadordner sind auch bereits Beispielsdateien vorhanden, mit denen man sehr einfach arbeiten kann. Darüber hinaus gibt es auf der Webseite der Software Studies Initiative eine detaillierte „ImagePlotDocumentation“, mit der man sehr schnell den Einstieg in die Software findet. 

Genauer betrachtet handelt es sich bei ImagePlot um ein in Java geschriebenes Programm, das  als Macro (ein Art Unterprogramm) in ImageJ arbeitet. ImageJ stammt eigentlich aus der Wissenschaft und der Medizin und ist ein Bildverarbeitungsprogramm, das beispielsweise für die Vermessung von Mikroskopaufnahmen verwendet wird.

Entwickelt wurde ImagePlot 2010 durch die Software Studies Initiative von dem Medientheoretiker und Kunsthistoriker Lev Manovich mit Unterstützung der National Endowment for Humanities (NEH), dem California Institue for Telecommunications and Information Technology (Calit2) und dem Center for Research in Computing and the Arts (CRCA).

Was kann das Programm und wie wird es eingesetzt? :

ImagePlot visualisiert, wie anfangs bereits erwähnt, bestimmte Metadaten und zeigt diese in Diagrammen an. Dies ist insofern nicht neu da auch andere Visualisierungsprogramme, wie Gephi dies können. Im Gegensatz zu diesen Programmen kann ImagePlot die Daten jedoch nicht nur Mittels einfachen Streudiagrammen oder Netzwerken anzeigen, sondern kann diese auch mit Bildern unterlegen idem es die Bilder selbst als Diagramm anzeigt. Genau in diesen Bilddiagrammen soll auch der Nutzen, den man als Kunsthistoriker aus diesem Programm ziehen kann, liegen. 

Streudiagramm vs. Bilddiagramm 

127 Werke von Mondrian, geschaffen zwischen 1905 - 1917

Das Programm bietet für die Visualisierung der Bilder verschiedenen Möglichkeiten. So kann man zum einen die Informationen frei wählen nach denen die Diagramme geschaffen werden sollen. Dies wären beispielsweise bereits existierende Metadaten wie Erscheinungsjahr oder Künstlername oder die visuelle Beschaffenheit der Werke wie Helligkeit, Farbton oder Sättigung. Zum anderen kann man aber auch eigens kreierte Metadaten wie Tags zu Bildinhalten verwenden.

Die Anzahl der verwendeten Bilder spielt dabei keine Rolle. Das Programm kann Diagramme mit nur ein paar Bildern entwerfen aber auch Diagramme mit Tausenden von Bildern. Nur die Verarbeitungslänge, die das Programm benötigt um die entsprechenden Diagramme zu entwerfen, unterscheidet sich dabei teilweise enorm.

Ein Anfangsproblem, mit dem man gerne konfrontiert ist, ist die nicht reichende Speicherkapazität. Will man sich beispielsweise ein Diagramm mit Tausenden, hochauflösenden Bildern anzeigen lassen so erscheint die Fehlermeldung: Java out of heap space. Dies liegt daran, dass die Basiseinstellung der Speicherkapazität nicht ausreichend ist, um die Bilder anzeigen zu können. Dieses Problem lässt sich jedoch ziemlich leicht lösen indem man die Memory & Threads Kapazität auf ihren maximalen Wert erhöht. Dieser Wert bezieht sich dabei auf die RAM-Kapazität des verwendeten Computers.

Aber was kann das Programm nun genau?

Um sich mit dem Programm vertraut zu machen, ist es am Anfang am einfachsten mit den mitgelieferten Beispieldateien zu arbeiten. Dabei handelt es sich um 776 Werke von Vincent van Gogh, die zwischen 1881 und 1890 entstanden sind und 128 Werken von Piet Mondrian, die zwischen 1905 und 1917 geschaffen wurden. Diese Dateien erhalten bereits verschiedene Metadaten, wie Datum, Ort, Helligkeit, Sättigung oder Titel mit denen man verschiedene Sachen untersuchen kann.

So kann man beispielsweise untersuchen wie sich die Helligkeit innerhalb van Goghs Oeuvre im Laufe der Zeit verändert hat oder ob es eine Verbindung zwischen Sättigung und Abstraktion bei Mondrians Werken gibt.

                                    776 Gemälde von Vincent van Gogh:

                                    X-Achse= Jahr; Y-Achse= Helligkeit

Der Mehrwert der dieses Programm für die Kunstgeschichte hat, liegt aber sicherlich nicht darin nur mit diesen Beispielsdateien zu arbeiten. So hat man die Möglichkeit auch seine eigenen Bilder für eine Visualisierung zu nutzen. Will man ein einfaches Diagramm ohne Bilder erschaffen so braucht man lediglich eine Textdatei. Will man aber ein Diagramm mit Visualisierung so braucht man zusätzlich zu der Textdatei, eine Datei mir entsprechenden Bildern. Die Informationen, mit denen man arbeiten will, hängen dabei von dem jeweiligen Untersuchungsvorhaben ab und können dabei natürlich frei gewählt werden. Darüber hinaus bietet das Programm aber auch noch ein sehr nützliches Tool.  Mit Hilfe von „ImageMeasure“ kann man sich die Helligkeit, Sättigung und den Farbton automatisch berechnen lassen und für seine Visualisierungen nutzen.

Die Software Gephi – und wie man sie für Kunstgeschichte verwenden kann

Visualisierung von Daten aus der MoMA-Datenbank – Künstler und ihre Nationalität

Das Programm Gephi beschäftigt sich mit der Visualisierung von Netzwerken. Anhand von Daten, die man vorher bearbeiten kann und teilweise auch in der Software Gephi selbst, werden Verknüpfungen, bzw. Verbindungen zwischen ihnen sichtbar. 

Allgemeines zu Netzwerken

Die Beschäftigung mit Netzwerken hat ihre theoretischen Impulse aus der Soziologie und der Ethnologie. Für diese Felder ist die Netzwerkforschung ein zentrales Thema und wird häufig angewendet, um neue Ergebnissen oder neue Impulse in der Forschung zu erlangen.

Was ist überhaupt ein Netzwerk? Ein Netzwerk wird generell definiert als eine abgegrenzte Menge von Knoten (engl. nodes) oder Elementen und der Menge der zwischen ihnen verlaufenden Kanten (engl. edges).

Dabei repräsentieren die Knoten die Akteure und die Kanten symbolisieren die Beziehung zwischen ihnen. Um ein Netzwerk auszuwerten, liegt der Schwerpunkt der Beschäftigung auf den Kanten und deren Zusammenhängen.

Darstellung eines Netzwerks

Verschiedene Tools in dem Programm Gephi können das Netzwerk modifizieren. Das heißt, bestimmte Merkmale der Daten können hervorgehoben, oder nicht relevante Daten aussortiert werden, die jedoch nicht im Datensatz verschwinden, sondern nur auf der Visualisierungsebene. Übersichtlicher gestalten lässt sich das Netzwerk mit unterschiedlichen Layouts, die über Algorithmen die Daten sortieren und übersichtlich anordnen. 

Anhand von verschiedenen Filtermöglichkeiten kann man die Darstellung beeinflussen und die Analyse eines Netzwerks vereinfachen. Die Statistik-Funktion ermöglicht eine kritische Betrachtung des Netzwerks anhand von Kennzahlen. Durch diverse Optionen ist es möglich beispielsweise herauszufinden, wie hoch die maximale Anzahl von Kanten durch einen Knoten ist und durch die Filter würde sich dieser dann darstellen lassen. Um verschiedene Elemente eines Netzwerks voneinander abzuheben, gibt es zudem die Möglichkeit, das Netzwerk einzufärben und damit zusammenhängende Bereiche zu markieren. Die Größe der Knoten und die Breite der Kanten lassen sich ebenfalls einstellen, manuell oder anhand von ihrer Proportionalität zueinander. Äußerst praktisch ist auch die Darstellung der benannten Labels, also die Bezeichnungen der Knoten erscheinen in Textform im Netzwerk. Gephi bietet eine Vielzahl von Darstellungsmöglichkeiten, so dass jeder in der Lage ist, seine gewünschten Informationen aus einem Netzwerk herauslesen zu können.

Gephi in der Kunstgeschichte

Wie könnte sich Gephi, bzw. ein Visualisierungsprogramm von Netzwerken für die Kunstgeschichte anwenden lassen? Welche neuen Erkenntnisse könnte man daraus schließen?

Ähnlich der Soziologie, in der die Strukturen von Gesellschaften analysiert werden, oder sogar Facebook-Netzwerke erstellt und analysiert werden, könnte man es auch für die Kunstgeschichte verwenden. Wie wäre es mit einem Netzwerk der Maler im 15. Jahrhundert? Wer kannte wen? Wer ließ sich von wem inspirieren? Welche Schlüsse lassen sich daraus ziehen?

Durch diverse Plugins lassen sich z.B. Timelines oder Weltkarten integrieren, die dann beispielsweise aufzeigen könnten, wie sich die Kontakte eines Künstlers innerhalb der Jahre erweitert haben oder welcher Künstler durch die Welt reiste und welche Kontakte in den jeweiligen Ländern entstanden. Diese Fragestellungen lassen sich beliebig erweitern und würden durchaus zu neuen Erkenntnissen führen.  Netzwerkforschung für die Kunstgeschichte hat Potenzial, jedoch wird es zunächst mit den Daten etwas problematisch sein. Die Daten zu erfassen, die man benötigt und dann diese auch richtig zu verknüpfen und auszuwerten, wird sicher einige Zeit in Anspruch nehmen. Erst wenn die Daten vorhanden sind, kann eine solche Netzwerkforschung und deren Analyse beginnen. Aber wenn es soweit ist, wird sich ein Feld neuer Möglichkeiten ergeben.

Fazit

Wie viele andere Software-Programm auch, erfordert Gephi eine etwas tiefere Auseinandersetzung. Es ist nicht unbedingt selbsterklärend und kann anfangs zu Frustrationen führen, jedoch gleicht sich das schnell wieder aus, wenn man einige Tutorials in youtube zu Hilfe nimmt und man später mit wenigen Klicks wunderbare Netzwerke erstellen kann. Ein großes Problem mag der fehlende „rückgängig-Button“ sein, den es aber in der neuen Version, die Ende Dezember erscheint, geben wird.  

Was meint ihr dazu? Probevisualisierung mit Gephi

Wie ein paar von euch vielleicht schon mitbekommen haben, schreibe ich gerade meine Bachelorarbeit zum Thema: Die Generierung von Metadaten in der Kunstgeschichte. Eine praktische Untersuchung.

Unteranderem habe ich in meiner Arbeit einen Fragebogen an die Museumsbesucher der Sammlung Schack verteilt, mit der Bitte, drei Bilder zu annotieren. (Anselm Feuerbach: Hafis am Brunnen & Der Garten des Ariost und Moritz von Schwind: Die Hochzeitsreise)
Diese Annotationen möchte ich jetzt sinnvoll auswerten Was ist aber die beste Methode?

Bei einem herkömmlichen Balkendiagramm in Excel stellt sich folgendes Problem: Die Liste wird einfach zu lang, wenn man jeden Tag berücksichtigt. Daher bin ich ganz nach ARTigo Regelung vorgegangen und habe nur alle Tags, die mehr als zwei Mal genannt wurden, berücksichtigt. Dadurch fallen aber 80% meiner Begriffe weg. Das ist ganz schön viel, vor allem, da es ja korrekte Bezeichnungen sind und sie eine viel größere Sprachvielfalt wiedergeben als bei ARTigo.
Dazu kommt, dass das Balkendiagramm zwar übersichtlicher ist, aber trotzdem noch lang. Auf jedes einzelne Wort will ich natürlich auch nicht eingehen, das ist auch bei einer Menge von ca. 250 unique Tags pro Bild unmöglich. Daher habe ich mich entschlossen die Begriffe in Gruppen einzuteilen, um so eine bessere Übersicht zu bekommen und alle Begriffe zu berücksichtigen. Die Einteilung in Nomen, Adjektiv und Verb greift hierbei aber zu kurz. Ich habe meine Liste daher noch etwas um Begriffe wie Stil, Analyse etc. erweitert.
Insgesamt hat meine csv-Datei jetzt 1566 Tags (so viele Schlagwörter sind für alle drei Bilder im Museum getaggt worden) Das ist eine viel zu große Menge an Daten, um das noch selbst fassen zu können. Eine Visualisierung muss einfach her!
Aber wie gehe ich am besten vor? Mein Freund hat zu mir gesagt: "Mach doch einfach ein Excel-Tortendiagramm, dann hast du die Prozentzahlen und deine Gruppen." Ich habe mich jetzt aber für Gephi entschieden, weil dabei die einzelnen Wörter als Knoten dargestellt werden. Ich kann meine Begriffsgruppen auch deutlicher hervorheben und die Tags, die stärker gewichtet sind, weil sie öfter getaggt wurden, stehen näher an der Begriffsgruppe.
So sieht das Ganze dann vorerst aus:

Man kann hier schon die dickeren Kanten (die Verbindungslinien) erkennen. Sie weisen größere Gewichtungen auf, als die Knoten, die weiter weg stehen und deren Kanten dünner sind. 

Das Programm erlaubt einem auch die Labels anzuzeigen (meine Tags). Allerdings wird es dadurch in der png Datei etwas unübersichtlich und verpixelt. Weiß jemand zufällig wie man dieses Problem löst?

Wenn ich die Darstellung als PDF sichere, kann ich richtig reinzoomen und alles ziemlich gut erkennen. Lasse ich mein Layout noch etwas weiterlaufen, damit die Knoten weiter auseinanderstehen, geht die Grafik einfach zu weit auseinander (finde ich). Ich habe mir auch überlegt, ob ich nur die Begriffsgruppen benennen soll und die Labels der Tags weglassen soll. 

Was meint ihr denn generell zu diesem Problem? 

Installationsanleitung für Gephi

Visualisierung von Netzwerken

Die OpenSource Software Gephi dient der Visualisierung von Netzwerken.
Da das Programm in Java geschrieben ist, ist eine aktuelle Java Version nötig.

1. Ist Java installiert? Wenn ja, dann weiter bei 2, wenn nicht, ist hier der Download möglich: https://www.java.com/de/download/manual.jsp

2. Gephi auf https://gephi.github.io/users/download/ für die jeweilige Betriebssoftware herunterladen

Der Download von Gephi sollte eigentlich keine Probleme bereiten. Wenn alles funktioniert hat und ihr das Programm öffnet, sieht die Benutzeroberfläche so aus:



Nun brauchen wir noch Daten, mit denen wir arbeiten können. In der Dropbox befindet sich eine csv-Datei. Diese beinhaltet eine gekürzte Version der MoMA-Daten, da sonst der Datensatz zu groß ist und das Bearbeiten erschwert wird. Runterladen könnt ihr den Datensatz hier:

https://www.dropbox.com/s/70soj0s27r22h2t/ArtistsAndCountry.csv?dl=0

Nun sollte einer Beschäftigung mit Gephi nichts mehr im Wege stehen.