Künstliche Intelligenz in der Kunstbewertung – Über Möglichkeiten und Grenzen der Technologie

Künstliche Intelligenz in der Kunstbewertung

Künstliche Intelligenz verändert zunehmend auch die Bewertung von Kunstwerken. Was bei standardisierten Werken und Editionen durchaus Orientierung bieten kann, stößt bei Unikaten schnell an Grenzen. Denn im gehobenen Kunstmarkt entsteht Wert nicht allein aus Bilddaten oder Preishistorien, sondern aus Kontext, Provenienz, Marktposition und der konkreten Marktsituation.

Gerade bei Erbschaften sowie im Rahmen vermögensrelevanter Entscheidungen reicht ein automatisierter Schätzwert deshalb selten aus. Wer Kunstvermögen realistisch einordnen will, braucht keine schnelle Antwort, sondern ein belastbares Markturteil. Im Folgenden beleuchten wir die aktuellen Herausforderungen und Grenzen der Technologie und zeigen auf, wie der Wert von Kunstwerken im gehobenen Marktsegment zuverlässig ermittelt werden kann.

Das Wichtigste in Kürze:

  • KI kann bei standardisierten Werken unterstützen. Bei Editionen, Multiples und klar vergleichbaren Objekten liefert die Auswertung großer Datenmengen sinnvolle Orientierungswerte.
  • Bei Unikaten stößt reine Bildanalyse an ihre Grenzen. Künstlerische Einordnung, Provenienz, Zustand, Ausstellungs- und Sammlungsgeschichte lassen sich nicht zuverlässig aus einem Foto ableiten.
  • Der Marktwert entsteht im Kontext. Im Kunstmarkt spielen Zeitpunkt, Käuferkreis, Marktstimmung und Verwertungsweg eine entscheidende Rolle für die Bewertung.
  • Für Nachlässe und Sammlungen braucht es mehr als einen Algorithmus. Wer Kunstvermögen zuverlässig bewerten lassen und realisieren will, benötigt nicht nur KI, sondern auch Marktkenntnis, Erfahrung und Zugang zu den richtigen Ansprechpartnern.

Wo Technologie glänzt – Das Reich der Multiples & Editionen

Um die Grenzen der Künstlichen Intelligenz im Kunstmarkt zu verstehen, muss man zunächst anerkennen, wo die tatsächlichen Stärken der Technologie liegen. KI-Modelle sind hervorragende Mathematiker. Sie glänzen dort, wo sie mit großen vor allem standardisierten Datenmengen gefüttert werden.

Im Kunstmarkt betrifft dies primär das Segment der Editionen, Skulpturen und Multiples. Wenn ein identisches Motiv eines Siebdrucks von Andy Warhol oder einer Lithographie von Salvador Dali in einer Auflage von 20, 100 oder 3.000 Exemplaren existiert, hinterlässt dies eine breite digitale Spur. Diese Werke werden regelmäßig auf dem internationalen Markt angeboten, taxiert und öffentlich gehandelt.

Für KI-Systeme ist dieses Segment ein dankbares Terrain:

  • Algorithmen können historische Auktionsdaten über Jahrzehnte hinweg in Millisekunden scannen, Muster auslesen und Preistrends berechnen.
  • Dank moderner Bilderkennung ordnen sie das Werk der richtigen Serie zu, vergleichen die Farbvariante mit vergangenen Verkäufen und unterstützen bei der Authentifizierung.
  • In diesen hochgradig liquiden Märkten sind Plattformen wie ArtDAI oder Artprice in der Lage, fundierte und automatisierte Marktberichte zu generieren, die Sammlern einen verlässlichen, historischen Orientierungsrahmen bieten.

Bei standardisierten Multiples fungiert KI somit als effizienter Helfer, der historische Datenmengen strukturiert und vergleichbar macht. Das Problem beginnt jedoch in dem Moment, in dem der Algorithmus das standardisierte Terrain verlässt und mit der Einzigartigkeit eines echten Unikats konfrontiert wird.

Warum KI bei Unikaten versagt – Das Picasso-Experiment

Das grundlegende Problem moderner Algorithmen zeigt sich dort, wo sie das standardisierte Terrain der Editionen verlassen und mit echten Unikaten konfrontiert werden. Ein frühes Kirchner-Gemälde, eine Zeichnung von Edgar Degas oder ein Aquarell von Egon Schiele sind keine Massenprodukte, sondern singuläre kreative Schöpfungen, die sich einer rein statistischen Erfassung entziehen.

Experiment zeigt die schwäche von KI-Bewertungen auf

Wie deutlich Künstliche Intelligenz hier an Grenzen stößt, zeigte ein Experiment des Kunstökonomen Magnus Resch aus dem Frühjahr 2026. Gemeinsam mit Datenanalysten aus dem Silicon Valley trainierte er ein sogenanntes Fine Art Large Vision Model (LVM) mit Fotos von Millionen Kunstwerken und den dazugehörigen historischen Auktionspreisen. Ziel des Experiments war es, den Marktwert eines Kunstwerks allein auf Basis dessen zu bewerten, was das System visuell erfassen kann, d.h. unabhängig von Basisinformationen wie dem Künstlernamen, der Provenienz oder dem Renommee der Galerie.

Das Ergebnis sorgte international für Aufmerksamkeit, weil es den Schwachpunkt KI-gestützter Kunstbewertung deutlich machte: Das rein auf visuelle Daten trainierte Modell taxierte einen echten Picasso auf unter 1.000 US-Dollar und ordnete das Foto eines unbekannten Street-Art-Künstlers aus New York mit einem siebenstelligen Wert ein. Erst als dem System im nächsten Schritt die Namen der Künstler sowie die zugehörigen Galerie- und Auktionshäuser hinzugefügt wurden, näherten sich die Prognosen den realen Marktergebnissen an.

Das Experiment macht damit deutlich, dass der kulturelle und finanzielle Wert eines Kunstwerks nicht in den Pixeln oder in der Leinwand selbst liegt. Ein Picasso ist nicht wegen der bloßen Anordnung von Pinselstrichen wertvoll, sondern weil sein Wert in einem über Jahrzehnte gewachsenen kunsthistorischen Konsens verankert ist, der von Kuratoren, Experten, Museen und Sammlern immer wieder bestätigt wurde. Trennt man das Werk von diesem Kontext und reduziert es auf reine Bilddaten, produziert selbst eine hochentwickelte KI Fehlurteile. Individuelle Eigenschaften eines Werkes, bestehend aus der dokumentierten Provenienz, der Ausstellungsgeschichte und dem Erhaltungszustand, lassen sich nicht in einen rein visuellen Algorithmus einspeisen.

Strukturelles Dilemma der Modellarchitekturen

Reine Bildmodelle (Convolutional Neural Networks / CNNs) analysieren lediglich die Bildoberfläche und scheitern bei Unikaten, da sie naturgemäß den kunsthistorischen Diskurs nicht erfassen können. Wesentlich präziser agieren sogenannte multimodale Modelle, wie sie in der aktuellen KI-Forschung diskutiert werden: Sie verknüpfen visuelle Bildinformationen mit textlichen und numerischen Metadaten.

Doch selbst diese Systeme der neuen Generation stoßen im High-End-Segment an systemische Grenzen. Sie sind, ähnlich wie traditionelle, rein mathematische Preisberechnungen, hervorragend darin, die statistische Vergangenheit zu strukturieren. Sie scheitern jedoch an der unvorhersehbaren Psychologie der Zukunft: dem Moment, in dem die Einzigartigkeit eines Werkes auf die unberechenbare Dynamik des Marktes trifft.

Aus Sicht unserer Beratungspraxis greift das Vertrauen auf rein KI-basierte Schätzungen noch aus einem weiteren Grund zu kurz: Die Algorithmen trainieren auf Daten, die bereits einer starken Marktselektion unterliegen. Sie erfassen die Umsätze der großen Auktionshäuser, vernachlässigen aber aber die zehntausenden Werke, die im klassischen Kunsthandel oder im diskreten Private Sale den Besitzer wechseln. Diese Systeme liefern damit ein unvollständiges, verzerrtes Bild des Marktes, das auf historischen Einzelwerten basiert und einen Großteil des Marktes unberücksichtigt lässt.

Das Dilemma der „einmaligen Konstellation“ am Markt

Warum aber stoßen selbst jene KI-Modelle so oft an ihre Grenzen, die den historischen Kontext und das weitere Marktumfeld in die Bewertung mit einbeziehen? Die Antwort liegt in der Natur des Kunstmarktes selbst: Der Kunstmarkt ist kein rationaler, transparenter Aktienmarkt, der auf unzähligen vergleichbaren Daten basiert. Wie der Finanzprofessor Roman Kraussl treffend festhält, gibt es für Kunst keinen mathematisch berechenbaren fundamentalen Wert.

Als Maurizio Cattelan 2019 auf der Art Basel Miami eine mit herkömmlichem Panzertape an die Wand geklebte Banane unter dem Titel Comedian für 120.000 US-Dollar anbot, schien die Grenze des Nachvollziehbaren erreicht. Als exakt dieselbe konzeptionelle Arbeit im November 2024 in New York für 6,2 Millionen US-Dollar versteigert wurde, war klar: Ein rein datenbasiertes Modell, das auf klassischen Marktstatistiken basiert, kann die Mechanismen hinter einem solchen Phänomen nicht gänzlich erfassen.

Im klassischen Galeriehandel sind Preise ohnehin meist das Ergebnis diskreter, intransparenter Eins-zu-eins-Verhandlungen. Der vielzitierte Hammerpreis bei einer Auktion ist deshalb kein statistisches Produkt, sondern das Resultat einer hochspezifischen und einmaligen Konstellation am Tag der Versteigerung: Wenn an einem Dienstagabend in London oder New York zwei vermögende Sammler aufeinandertreffen, die genau dieses eine Werk für ihre Privatsammlung begehren, kann diese psychologische Dynamik jede statistische Erwartung aushebeln. Ein emotionales Bietergefecht lässt sich nicht algorithmisch prognostizieren.

Ebenso wenig kann eine KI makroökonomische Verschiebungen, kurzfristige Änderungen des globalen Zinsniveaus oder das strategische Agieren von Marktakteuren verlässlich antizipieren. Die Preisfindung im High-End-Segment ist kein mathematisches Rätsel, sondern ein zutiefst menschlicher Prozess, der auf Vertrauen, Prestige, Marktkenntnis und persönlicher Überzeugung beruht. Wo keine konstanten Bedingungen herrschen, stößt eine vorausschauende Preisberechnung per KI strukturell an ihre Grenzen.

Daten als Fundament, der Mensch als Entscheider

Bedeutet das, dass Technologie und Künstliche Intelligenz im modernen Kunstmarkt keinen Platz haben? Keineswegs. Führende Auktionshäuser und internationale Galerien nutzen bereits hochentwickelte Systeme, um historische Marktdaten, Ausstellungsgeschichten und Provenienzangaben zu analysieren und Zusammenhänge sichtbar zu machen. Daten sind dabei kein Ersatz für Expertise, sondern eine bedeutende, historische Informationsbasis.

Der entscheidende Impuls für die Preisfindung im gehobenen Segment bleibt jedoch menschlich. Ein Algorithmus erkennt Zahlen und Vergleiche, ein erfahrener Experte liest den Markt im aktuellen Kontext. Er bringt das nötige Feingefühl mit, um Nuancen zu erkennen, die sich aus Daten allein nicht ableiten lassen. Dieses Marktgespür kann in der Praxis über den Erfolg einer Transaktion entscheiden, bspw. indem ein Werk bewusst mit einer defensiven Schätzung von EUR 100.000 bis 150.000 in die Auktion gegeben wird, um gezielt die Nachfrage zu stimulieren. In anderen Fällen ist ein diskreter Private Sale zum Festpreis von EUR 220.000 der passendere Weg.

Technologie hilft, Vergangenes zu ordnen. Die Einordnung im konkreten Marktumfeld bleibt jedoch Aufgabe der Experten.

Fazit: Die richtigen Spezialisten orchestrieren

Wer den Wert seines Kunstvermögens im Zuge einer Nachlassregelung oder einer Sammlungsbereinigung nachhaltig schützen möchte, benötigt daher keine standardisierte Software, sondern den gezielten Zugang zu jenen menschlichen Akteuren, die den Markt aktiv lenken.

Unserer Erfahrung nach liegt die Lösung in einem methodischen Ansatz, der die Vorteile datenbasierter Analyse mit der Unersetzlichkeit menschlicher Expertise verbindet. Es reicht im High-End-Segment selten aus, einfach das nächstbeste Auktionshaus zu kontaktieren oder jenes, mit dem größten Marketingbudget. Die Kunst besteht darin, exakt jene Spezialisten ausfindig zu machen, die für Werke des jeweiligen Künstlers das passende Umfeld bieten und über persönliche Kontakte zu potenziellen Käufern verfügen.

Quellen und weiterführende Informationen

Titelbild: Foto von Brando Makes Branding auf Unsplash

Über ARTMAKLER

ARTMAKLER ist eine international tätige Kunstberatung, die sich auf den Verkauf hochwertiger Kunstobjekte spezialisiert hat. Als unabhängiger Partner begleiten wir Sammler, Erben aber auch institutionelle Kunden bei der gezielten Veräußerung ihrer Werke. mehr erfahren