Resultieren Preise von Kunstwerken aus den Emotionen von Kunstliebhabern oder gibt es erklärende, natürliche Faktoren? Ziel dieses Projekts war es, ein Modell zu entwickeln, das mit vergangenen Auktionsdaten und Informationen zum Kunstmarkt Auktionspreise von Kunstwerken automatisiert schätzen kann. Mittels Machine-Learning-Algorithmen wurden Modelle trainiert, um den Auktionspreis eines Kunstwerks zu prognostizieren. Die Ergebnisse zeigten, dass so die Auktionspreise automatisiert ähnlich gut geschätzt werden konnten wie von den Experten der Auktionshäuser. Die Preise lassen sich nämlich primär durch vergangene Auktionspreise des jeweiligen Künstlers erklären und weniger durch Bildmerkmale. Das entwickelte Modell lässt sich in einer Applikation einbinden, die Auktionshäuser, Galerien und Kunsthändler bei der Kunstbewertung unterstützt.

Mit:

• Thomas Maier, Senior Expert Data Scientist, Datahouse
• Andreas Thürlimann, Data Scientist, Datahouse
• Johann Burkhard, ArteMorfosis
• Bruno Y. Thalmann, Art Leasing & Invest AG
• Leo Herrmann, Hochschulkommunikation (ETH Zürich), Moderation