Diese Fallstudie basiert auf den Erfahrungen, die Łukasz Ściebior (MUZA) und Katarzyna Reszka (Museum von Warschau) im Rahmen einer Präsentation im Programm ERC2026 geteilt haben.
Sie beschreibt, wie KI-Tools in MUZA integriert wurden – zunächst durch Implementierungsarbeiten im Jahr 2024 in Zusammenarbeit mit dem Museum von Warschau und später durch die weitere Entwicklung von MUZA im Jahr 2026.
KI ist nur ein Teil von MUZA. Das System bildet ein umfassenderes Umfeld für die Verwaltung von Museumssammlungen, Dokumentationen und organisationsweiten Prozessen.
Die alltäglichen Herausforderungen im Sammlungsmanagement
Museen arbeiten mit umfangreichen und vielfältigen Informationen: Objektbeschreibungen, Bildmaterial, Dokumentationen, Forschungsergebnisse, Terminologien, konservierungstechnische Daten, Leihvorgänge, Objektbewegungen sowie Inhalte für Publikationen.
Im Arbeitsalltag können Teams mit folgenden Problemen konfrontiert sein:
- unvollständige oder inkonsistente Objektbeschreibungen;
- Informationen, die über verschiedene Systeme, Tabellenkalkulationen, Dokumente und Ordner verstreut sind;
- wiederholtes Kopieren und Übertragen derselben Informationen;
- schwierige Recherche in umfangreichen Sammlungsbeständen;
- uneinheitliche Terminologie;
- zeitaufwendige Katalogisierung und Dokumentation;
- begrenzte Kapazitäten, um Inhalte für unterschiedliche Zielgruppen aufzubereiten;
- getrennte Arbeitsumgebungen für die Aufbereitung, Prüfung und Veröffentlichung von Informationen.
Diese Probleme betreffen nicht nur die Inventarisierungsabteilung. Sie erschweren unter anderem die Beantwortung von Anfragen, die Vorbereitung von Ausstellungen, die Verwaltung von Leihgaben, die Veröffentlichung von Sammlungsdaten, die Arbeit mit digitalen Inhalten sowie den Wissensaustausch zwischen den Abteilungen.
MUZA unterstützt Museen, indem es Sammlungsdaten und die damit verbundenen Prozesse in einer browserbasierten Umgebung zusammenführt. Es hilft dabei, Informationen zu strukturieren, Terminologien zu vereinheitlichen, die Zusammenarbeit zu fördern sowie Daten leichter auffindbar und wiederverwendbar zu machen.
KI erweitert diese Möglichkeiten, indem sie bei ausgewählten Aufgaben innerhalb des Systems Unterstützung bietet.
Anwendungsfall: Museum von Warschau
Das erste KI-gestützte Projekt, das auf der ERC2026 vorgestellt wurde, entstand im Zuge der 2024 begonnenen Einführung von MUZA im Museum von Warschau.
Das Museum von Warschau verwaltet eine Sammlung von etwa 765.000 Objekten. Besonders hervorzuheben ist die fotografische Sammlung: Sie stellt einen der umfangreichsten Bestände dar, stößt auf großes öffentliches Interesse und erfordert häufig komplexe historische Recherchen.
Vor der Einführung arbeitete das Museum jahrelang mit einem älteren System, das weder eine ausreichende Terminologiekontrolle noch Datenkonsistenz oder Prozessautomatisierung bot. Da Informationen auf unterschiedliche Weise erfasst wurden, war es schwierig, die Datensätze miteinander zu vergleichen, zu verknüpfen oder zu durchsuchen.
Die Migration zu MUZA umfasste rund 300.000 Datensätze aus dem Altsystem sowie weiteren Quellen. Dieser Prozess machte das Ausmaß der Herausforderungen in Bezug auf Datenqualität und Katalogisierung deutlicher sichtbar.
Einige Datensätze erforderten weiterführende Recherchen, Ergänzungen oder eine Standardisierung. Fotografien enthielten oft handschriftliche Notizen, Beschriftungen oder Stempel, die zwar wertvolle Hinweise lieferten, sich jedoch manuell nur schwer in großem Umfang verarbeiten ließen.
Daraus ergab sich ein klarer Bedarf an Werkzeugen, die das Museumspersonal unterstützen, ohne ihm die Verantwortung für den endgültigen Datensatz zu entziehen.
KI-gestützte Aufbereitung von Objektdatensätzen
Das erste KI-Modul wurde als erste Implementierungsstufe entwickelt – basierend auf den Anforderungen, die sich aus der Zusammenarbeit mit dem Museum von Warschau ergaben.
Ausgehend von einer Fotografie und den verfügbaren Kontextinformationen kann das Modul Vorschläge für folgende Aspekte erstellen:
- Objektbeschreibungen;
- Schlagwörter;
- Materialien und Techniken;
- Datierung;
- mögliche Urheberschaft;
- Abmessungen;
- ausgewählte Inventarfelder;
- Begriffe aus kontrollierten Vokabularen.
Zudem kann das Modul neue Vokabularbegriffe vorschlagen, falls ein relevanter Begriff noch nicht im hinterlegten Wörterverzeichnis existiert.
Das Modul kann auf Basis eines bereitgestellten Bildes arbeiten. Das Bild muss keine hochwertige Digitalisierung sein; ein mit einem Smartphone aufgenommenes Foto kann einen nützlichen Ausgangspunkt bieten, sofern es den relevanten Kontext enthält.
Die Vorschläge stellen keine endgültigen Museumsinformationen dar. Sie bilden einen strukturierten Ausgangspunkt für die weitere Arbeit von Registraren, Kuratoren und anderen Fachleuten.
Auslesen von Informationen aus Fotografien
Das Modul kann mittels optischer Zeichenerkennung (OCR) einen Transkriptionsvorschlag für Notizen, Etiketten und Stempel erstellen, die auf Fotografien zu sehen sind – dies schließt auch Informationen ein, die sich auf der Rückseite eines Bildes befinden.
Ein Mitarbeitender kann den Vorschlag mit dem Quellbild vergleichen, die Transkription korrigieren und entscheiden, ob die Information für den Objektdatensatz relevant ist.
KI unterstützt bei der Verarbeitung der sichtbaren Informationen. Sie entscheidet jedoch nicht darüber, wie ein historischer Hinweis zu interpretieren ist.
Überprüfung und fachliche Kontrolle
Die Gespräche mit dem Museum Warschau haben unterstrichen, dass Museumsfachleute eine verlässliche Kontrolle über Sammlungsdaten benötigen.
KI-generierte Inhalte können Fehler, Auslassungen oder nicht belegte Aussagen enthalten. Aus diesem Grund umfasst der MUZA-Arbeitsablauf mehrere Prüfschritte.
Mitarbeitende können:
- Vorschläge Feld für Feld bewerten;
- diese mit weiteren Quellen vergleichen;
- Konfidenzindikatoren (Sicherheitswerte) prüfen;
- einzelne Vorschläge annehmen, anpassen oder ablehnen.
Die Verantwortlichkeiten können auf verschiedene Rollen verteilt werden:
- Die kuratorische Fachkraft bewertet Inhalte und Belege;
- die für die Sammlungsdokumentation zuständige Person (Registrar) prüft die Datenqualität, Pflichtfelder und die verwendete Terminologie;
- eine prüfende Person bereitet den Entwurf vor und kontrolliert ihn;
- eine für die Veröffentlichung zuständige Person oder ein autorisierter Nutzender gibt den endgültigen Inhalt für das jeweilige Feld frei.
Dies schafft einen Arbeitsablauf, bei dem der Mensch stets eingebunden bleibt („Human-in-the-loop“). Die KI unterstützt bei der Vorbereitung und Überprüfung, doch die Verantwortung für die Informationen, die in den Datensatz einfließen, verbleibt bei den Museumsfachleuten. Mit KI-Unterstützung generierte Inhalte sind eindeutig gekennzeichnet.
KI-gestützte Suche mittels RAG
Eine der KI-Funktionen in MUZA ist ein KI-Chat, der auf „Retrieval-Augmented Generation“ (RAG) – also der durch Informationsabruf erweiterten Generierung – basiert.
RAG ist kein allgemeiner Chatbot mit uneingeschränktem Internetzugriff. In diesem Anwendungsfall fungiert das System primär als Such- und Abrufinstanz, die von einem Sprachmodell unterstützt wird.
Der Prozess besteht aus zwei Hauptphasen:
- Das System durchsucht ausgewählte, angebundene Museumsdaten nach relevanten Informationen;
- das Sprachmodell nutzt den abgerufenen Kontext, um eine Antwort in natürlicher Sprache zu formulieren.
Die implementierte Suchfunktion kann auf Informationen zugreifen, die in MUZA gespeichert sind – darunter Objektbeschreibungen und ausgewählte Metadaten. Nutzer können Anfragen stellen, ohne den exakten Katalogbegriff kennen zu müssen; sie finden relevante Objekte, können die Datensätze einsehen, die zur Beantwortung der Anfrage herangezogen wurden, und ausgewählte Objekte in einer Arbeitsliste speichern.
Dies unterstützt:
- Abfragen zum Sammlungsbestand;
- die Vorbereitung von Ausstellungen;
- Forschungsarbeiten;
- das Auffinden von Objekten nach Themen, Urhebern oder Kontexten;
- eine geringere Abhängigkeit von komplexen Filtern und einer exakten Fachterminologie.
Die Quelldatensätze bleiben von Bedeutung. Das System soll den Zugang zu Sammlungsdaten erleichtern, nicht jedoch verschleiern, aus welcher Quelle eine Antwort stammt.
Quellen, die mit RAG verknüpft werden können
Die RAG-Ebene kann mit ausgewählten Quellen gespeist werden, die die Institution durchsuchbar machen möchte.
Der aktuelle Anwendungsfall basiert primär auf:
- Objektbeschreibungen;
- ausgewählten Metadaten;
- in MUZA gespeicherten Sammlungsdaten.
Die Lösung lässt sich zudem um weitere indexierte Quellen erweitern, wie etwa:
- digitalisierte Dokumentationen;
- bibliografische Nachweise;
- digitalisierte Bücher;
- Forschungsmaterialien;
- ausgewählte Repositorien oder Dokumentenbestände.
Für jede Implementierung werden zusätzliche Quellen ausgewählt, aufbereitet und indexiert. Sobald sie konfiguriert sind, können sie über den Chat durchsucht werden.
Datensicherheit und Infrastruktur
Das im Rahmen der Vorbereitung für ERC2026 erörterte Konzept sieht einen lokalen Betrieb innerhalb einer Infrastruktur vor, die vom MUZA-Team oder der jeweiligen Institution verwaltet wird. Bei einem lokal gehosteten Modell werden die aus den Sammlungsdatensätzen abgerufenen Textpassagen innerhalb dieser Infrastruktur verarbeitet. Wird ein externes Modell konfiguriert, so erfolgt die Verarbeitung der übermittelten Textpassagen gemäß der jeweiligen Konfiguration sowie den Datenschutzbestimmungen des Anbieters.
Diese Architektur kann der Institution dabei helfen, die Kontrolle über Folgendes zu behalten:
- welche Quellen indexiert werden;
- welche Daten für die Suche bereitgestellt werden;
- wo die Daten verarbeitet werden;
- wer das Modul nutzen darf;
- wie der Zugriff auf das System verwaltet wird.
RAG an sich bietet keine automatische Garantie für Sicherheit oder Genauigkeit. Das tatsächliche Schutzniveau hängt von der gewählten Infrastruktur, dem Modell, den Zugriffskontrollen, der Integration, der Wartung sowie den Regeln für die Datenverarbeitung ab.
Aus diesem Grund müssen Sicherheit und Datenschutz als integraler Bestandteil der Implementierungsarchitektur betrachtet werden – nicht als bloßes Marketing-Feature.
Erstellung von Beschreibungen für unterschiedliche Zielgruppen
Im Jahr 2026 wurde MUZA um Funktionen erweitert, die bei der Erstellung von Beschreibungen helfen, welche auf unterschiedliche Zielgruppen und Zwecke zugeschnitten sind.
Dieselben Objektdaten können als Ausgangsbasis für Inhalte dienen, die für folgende Gruppen bestimmt sind:
- Kinder;
- erwachsene Besucherinnen und Besucher;
- Forschende;
- pädagogische Fachkräfte;
- Ausstellungsteams;
- Menschen im Autismus-Spektrum.
Das System nutzt bereits im Objektdatensatz vorhandene Informationen, um einen Entwurf zu erstellen. Die Mitarbeitenden prüfen, bearbeiten und genehmigen das Ergebnis, bevor es in der Museumsarbeit oder in Online-Sammlungen verwendet wird.
Ziel ist es, den Aufwand für wiederkehrende Schreibarbeiten zu verringern und gleichzeitig die Wiederverwendbarkeit des bereits vorhandenen Wissens über die Sammlung zu erleichtern.
Inhalte für Barrierefreiheit
MUZA umfasst zudem Werkzeuge, die Maßnahmen zur Barrierefreiheit unterstützen.
Sie helfen beispielsweise bei:
- der Identifizierung von Bildern, bei denen ein Alternativtext fehlt;
- der Erstellung von Entwürfen für Alternativtexte;
- der Erstellung von Transkripten für Audio- und Videodateien;
- der Erstellung barrierefreier Untertitel;
- der Identifizierung von Sprechenden, Geräuschen und Hintergrundklängen;
- der Erstellung von Entwürfen für Audiodeskriptionen von Bildern sowie vollständigen, mit Zeitstempeln versehenen Skripten für Audiodeskriptionen in Filmen.
Für Filme kann das MUZA-System ein vollständiges Skript für eine Audiodeskription entwerfen. Es analysiert das Video in Abschnitten und beschreibt, was jeweils zu sehen ist – ergänzt durch Zeitstempel, sodass die Mitarbeitenden direkt zur entsprechenden Szene springen und die Beschreibung mit dem Originalmaterial abgleichen können. Das Skript lässt sich als WebVTT-Datei herunterladen.
Diese Werkzeuge lösen ein praktisches Problem: Die Erstellung von Inhalten für Barrierefreiheit in einer umfangreichen digitalen Sammlung kann sehr zeitaufwendig sein und erfordert oft wiederholte manuelle Arbeitsschritte.
Übersetzung unter Berücksichtigung von Museumsterminologie
Eine weitere KI-Funktion von MUZA unterstützt bei Übersetzungen.
Mitarbeitende können ausgewählte Felder oder Beschreibungen übersetzen, das Original mit dem Übersetzungsvorschlag vergleichen und das Ergebnis vor der Veröffentlichung überprüfen. Der Arbeitsablauf ermöglicht es zudem, bestimmte Eigennamen oder Begriffe in der Originalsprache beizubehalten.
Die Terminologie lässt sich zudem für die jeweilige Institution konfigurieren. Dies ist wichtig, da eine allgemeine Übersetzung möglicherweise nicht die spezifische Bedeutung eines musealen Fachbegriffs wiedergibt.
Der Prozess ermöglicht eine schnellere Aufbereitung mehrsprachiger Sammlungsinhalte, wobei die Verantwortung für die endgültige Formulierung weiterhin beim Museumspersonal liegt.
MUZA ist mehr als nur KI.
KI ist eine Gruppe von Werkzeugen innerhalb von MUZA, definiert das System jedoch nicht in seiner Gesamtheit.
MUZA unterstützt ein breites Spektrum musealer Tätigkeiten, darunter:
- Sammlungs- und Inventarverwaltung;
- Dokumentation und Digitalisierung;
- Archivarbeit;
- Restaurierung und Konservierung;
- Leihverkehr und Hinterlegungen;
- Objektbewegungen;
- Ausstellungen und Projekte;
- Portale und öffentlicher Zugang;
- abteilungsübergreifende Zusammenarbeit;
- Datenmigration und Verbesserung der Datenqualität.
Das System soll Museen dabei helfen, den Wechsel zwischen nicht miteinander verknüpften Werkzeugen zu reduzieren, mehrfache Dateneingaben zu vermeiden, Such- und Filterfunktionen zu verbessern, mit gemeinsamen Informationen zu arbeiten sowie Sammlungsdaten in verschiedenen Prozessen wiederzuverwenden.
KI-Werkzeuge unterstützen ausgewählte Tätigkeiten in diesem Umfeld. Sie ersetzen weder das Sammlungsverwaltungssystem noch museale Arbeitsabläufe oder fachliche Expertise.
Über das Experiment hinaus
Das Beispiel von MUZA und dem Museum Warschau zeigt, dass die praktische Entwicklung von KI bei konkreten operativen Herausforderungen ansetzen kann:
- unvollständige Datensätze;
- repetitive Katalogisierungsaufgaben;
- schwierige Suchvorgänge;
- Verlust des historischen Kontextes;
- Arbeitsaufwand für die Zugänglichmachung von Inhalten;
- Arbeitsaufwand für Übersetzungen;
- Notwendigkeit, Inhalte für unterschiedliche Zielgruppen aufzubereiten;
- fragmentierte Prüf- und Freigabeprozesse.
Das erste Modul entstand im Zuge der Implementierungsarbeiten mit dem Museum Warschau im Jahr 2024. Im Rahmen der Produktentwicklung von MUZA wurden 2026 weitere KI-Funktionen eingeführt und entwickelt.
Die passende Lösung hängt von den Daten, Arbeitsabläufen, der Terminologie, der Infrastruktur, den Sicherheitsanforderungen und den fachlichen Zuständigkeiten einer Institution ab.
KI kann Museen dabei unterstützen, Zeit zu sparen, den Zugang zu Informationen zu verbessern und vorhandenes Wissen besser zu nutzen. Eine menschliche Überprüfung, klare Verantwortlichkeiten und die Kontrolle über die Daten bleiben dabei unerlässlich.

Sprechen wir über KI und Sammlungsmanagement in Ihrem Museum
Ziehen Sie den Einsatz von KI für die Katalogisierung, Sammlungsrecherche, Barrierefreiheit, Übersetzung oder die Suche in Sammlungsbeständen in Betracht?
Teilen Sie uns mit, was Ihr Museum benötigt, und finden Sie heraus, ob wir das MUZA-System kostenfrei in Ihrer Institution implementieren können.
Kontaktieren Sie das MUZA-Team:
Jan Sikora
International Business Growth Partner
jan.sikora@mobilems.pl
+48 797 418 825

