598

2009

598 (teaching the ground)

Installation im „Springhornhof“ als Bestandteil der Ausstellung  „Landscape 2.0“ im Jahr 2009

Die Videoinstallation „598“ besteht aus einer hochauflösenden Videoinstallation, digital bearbeitetem Originalto und fünf Matten aus unbehandelter Schafwolle (42′ Videostream, der von einer speziell entwickelten Software gewonnen wird).

„598“ zeigt eine primitive Heidelandschaft, bearbeitet durch eine Computersoftware, die ohne unser Wissen oder unsere Interpretationsfähigkeit arbeitet. Wie vor unserem geistigen Auge baut sich eine Art Landschaft des wahrgenommenen Bildes auf. Die Schafe orientieren sich in ihren Bewegungen nicht nur an der Gruppe, sondern auch an dem unter ihnen befindlichen Nahrungsangebot. Die Bewegungen der einzelnen Tiere, aber auch der Herde als Ganzes, geben also Auskunft über die Beschaffenheit der Landschaft. Das Bild ist an sich schon eine interpretierende Vision des Bodens unter ihren Füßen, der im Laufe der Jahrhunderte auf die gleiche Weise als Weide genutzt wurde.

Die Form der Lüneburger Heide zeigt bereits die Auswirkungen der weidenden Schafe. Ihr Verzehr von Gras und jungen Trieben schützt die Heide vor der Aufforstung und schafft Lichtungen und offene Grünflächen, also eine Heide. Das Auftreten von frei beweideten Flächen hat im Laufe der Jahrhunderte eine Landschaft entstehen lassen, deren Form sich aus dieser Symbiose ergibt. Man kann aber auch andere Formen der Zusammenarbeit erkennen, und die Schafe, die keinen eigenen Willen haben, sind ein lohnendes Beispiel für die Untersuchung von Verhaltensstrategien, die über den Egoismus hinausgehen.

Für uns Menschen reicht es nicht mehr aus, nur zu beobachten und zu lernen, zu verstehen. Im Computer haben wir ein Werkzeug entwickelt, das weidende Schafe und eine beruhigende Landschaft mit Hilfe einer lernfähigen Struktur analysiert und kategorisiert. Diese Software lernt von der Landschaft und von den 598 Schafen – aufgenommen mit einer Videokamera, die auf einem Kran montiert ist, als wären wir Menschen, die aus den Wolken herunterschauen, allwissend.

Es entsteht eine neue, künstliche Landschaft, die es erlaubt, die Eigenschaften der beobachteten Dinge wahrzunehmen. Durch die Bewegung der Schafe über die Heide sind diese Eigenschaften zwar zu erkennen, aber als Einzelbilder sind sie nicht zu sehen.

Trailer des Videos

 

Die Lüneburger Heide zeigt in ihrer Gestalt bereits die Auswirkungen der Schafe. Ihr Fressen von Gras und Schößlingen bewahrt die Heide vor der „Verwaldung“, schafft Lichtungen und Grünflächen, eben eine „Heide“.
Das entstehen von freigefressenen Terrains hat so über die Jahrhunderte eine Landschaft entstehen lassen, die ihre Gestalt aus dieser Symbiose herleitet. Aber nicht nur dieses Zusammenspiel ist erkennbar, die willenlosen Schafe sind ein dankbares Anschauungsbeispiel, um kollektive Handlungstrategien jenseits von Egosimen zu studieren.

Nun reicht es uns Menschen ja nicht, einfach hinzuschauen und verstehen zu lernen. So haben wir im Rechner ein Werkzeug entworfen, die weidenden Schafe und die ruhende Landschaft durch eine lernfähige Struktur zu analysieren und kategorisieren. Diese Software lernt von der Landschaft und von 598 Schafen – aufgenommen von einer Videokamera auf einem Kran, so als wären wir Menschen allwissend aus einer Wolke schauend.

Es entsteht eine neue, künstliche Landschaft, die es ermöglicht, Eigenschaften des Gesehenen wahrzunehmen, die aufgrund der Bewegungen der Schafe durch die Heide erkennbar werden, aber im Einzelbild nicht offensichtlich sind.

zur Software:
Die bishergie Software berechnet Differenzbilder vom aktuellen Bild eines Videos zu einem Referenzbild, um so Bewegungen fest zu stellen. Sie enthält weiterhin eine Art neuronales Netz, dessen Neuronen sich einzeln an die Differenzwerte jedes einzelnen Bildpunktes anpassen. Jeder Bildpunkt entspricht einem Neuron. Diese Software soll weiter entwickelt werden, so dass jedes Neuron nicht nur einzeln für sich den ihm zugewiesenen Bildpunkt lernt. Es sollen zusätzlich die Nachbarschaftsbeziehungen sowohl der Bildpunkte als auch der Neuronen mit einfließen. Dadurch entsteht ein selbst organisierendes System, Neuronen, die schon bestimmte Differenzwerte gelernt haben, fühlen sich zu ähnlichen Werten stärker angezogen. Sie lernen diese stärker mit. Somit werden sich Bereiche innerhalb des neuronalen Netzes ausbilden, die einerseits ähnlichen Differenzwerten entsprechen andererseits aber auch immer noch an den Ort der jeweiligen Bildpunkte gebunden sind.
August 2009
Programmierung: Matthias Weber, Sebastian Stang
Sound: Maximilian Netter, Sebastian Stang