Ultralytics YOLO27: Trag dich in die Warteliste ein.
YOLO lizenzieren
Visuelle KI

KI in der Archäologie ebnet den Weg für neue Entdeckungen

Erfahre, wie KI Archäologinnen und Archäologen dabei hilft, verborgene Fundstätten aufzuspüren, antike Artefakte zu restaurieren und neue Erkenntnisse über die Geschichte der Antike zu gewinnen.

Abirami VinaAbirami Vina8 Min. Lesezeit
KI hilft Archäologinnen und Archäologen, Fundstätten aufzuspüren und antike Artefakte zu restaurieren

Die Archäologie untersucht die Geschichte vergangener Kulturen durch die Ausgrabung und Analyse von Artefakten. Sie steht häufig vor Herausforderungen wie weitläufigen Untersuchungsgebieten und der Zerbrechlichkeit von Fundstücken. Traditionelle Methoden können zeitaufwendig sein und dazu führen, dass verborgene Fundstätten oder Schätze übersehen werden. Künstliche Intelligenz (AI) kann hier Abhilfe schaffen. Bei einem jüngsten Durchbruch auf der Halbinsel Yucatán wurden mithilfe von Deep Learning mehr als 60.000 bislang unbekannte archäologische Fundstätten der alten Maya unter dichter Vegetation entdeckt.

Insbesondere kann Computer Vision Archäologen dabei helfen, Bilder zu analysieren und Artefakte zu erkennen sowie antike Fundstätten präzise zu kartieren. Die Bildanalyse kann verborgene Muster in Landschaften aufdecken und sogar zerbrochene Artefakte zusammensetzen. Das beschleunigt Entdeckungen und hilft, selbst kleinste Details unserer Geschichte und Kultur zu bewahren. Archäologen erschließen neue KI-gestützte Möglichkeiten, die Vergangenheit schneller, präziser und aufschlussreicher als je zuvor zu erforschen.

Die Entwicklung KI-gestützter archäologischer Verfahren#

Gegen Ende des 20. Jahrhunderts sorgten Fortschritte bei der Datenanalyse dafür, dass KI in der Archäologie zunehmend an Bedeutung gewann. In den 1990er-Jahren begannen Archäologen, maschinelles Lernen und Data Mining zur Analyse der großen Informationsmengen einzusetzen, die sie gesammelt hatten. Einer der ersten großen Erfolge war die Vorhersage möglicher archäologischer Fundstätten anhand historischer und geografischer Datenmuster. Dadurch veränderte sich die Planung von Ausgrabungen grundlegend.

Ein frühes Beispiel für die wachsende Bedeutung von KI in der Archäologie ist die Arbeit von Iconem, einem 2010 gegründeten Unternehmen mit Sitz in Paris. Iconem setzt Drohnen und KI ein, um digitale 3D-Modelle historischer Bauwerke zu erstellen, die durch Krieg, Konflikte und natürlichen Verfall bedroht sind. Mit Tausenden von Bildern hat Iconem Stätten in mehr als 20 Ländern dokumentiert, darunter die antiken Ruinen von Pompeji, assyrische Städte im Irak und buddhistische Klöster in Afghanistan. Diese digitalen Dokumentationen sind wertvolle Ressourcen für Bildung und Forschung, insbesondere bei schwer zugänglichen oder beschädigten Stätten.

Iconems 3D-Modell von Palmyra in Syrien, bevor die Stadt 2015 zerstört wurde

Abb. 1 Iconems 3D-Modell von Palmyra in Syrien, bevor die Stadt 2015 zerstört wurde.

Bis 2021 wurde KI sogar zur Restaurierung antiker Artefakte eingesetzt. Projekte wie die RePAIR-Initiative in Italien nutzten Roboter, um zerbrechliche Fundstücke aus Orten wie Pompeji vorsichtig zusammenzusetzen. Heute wächst die Rolle der KI in der Archäologie weiter und umfasst Aufgaben wie die Entzifferung antiker Texte und die Analyse von Satellitenbildern. KI ist zu einem unverzichtbaren Werkzeug geworden, um unsere Geschichte aufzudecken und zu bewahren.

Wie Computer Vision in der Archäologie eingesetzt wird#

Computer Vision ist ein Teilgebiet der KI, das Computern ermöglicht, visuelle Daten zu verstehen und zu interpretieren. In der Archäologie hilft Computer Vision Forschern, Artefakte zu analysieren, antike Stätten zu kartieren und sogar historische Bauwerke zu rekonstruieren. Durch die Verarbeitung von Bildern und Videos mithilfe von Deep Learning kann Computer Vision Erkenntnisse gewinnen, die den Erhalt und die Interpretation archäologischer Funde erleichtern.

Artefakte mit Computer Vision analysieren#

Bei Ausgrabungen finden Archäologen oft Tausende Fragmente wie Töpferware, Knochen und andere Materialien. Traditionell erfordert es viel Zeit und Fachwissen, diese Stücke zu identifizieren und zu katalogisieren. Computer Vision kann diesen Prozess jedoch automatisieren. So nutzt das Projekt Arch-I-Scan an der University of Leicester Bilderkennung und maschinelles Lernen, um Details von Keramikfragmenten automatisch zu identifizieren und zu erfassen. Das System kann Fotos von Mobilgeräten analysieren und Artefakte nach Größe, Form, Gestaltung und Textur klassifizieren.

Arch-I-Scan erkennt und erfasst Details von Keramikfragmenten

Abb. 2 Arch-I-Scan kann dabei helfen, Details von Keramikfragmenten zu erkennen und zu erfassen.

Kartierung archäologischer Stätten mit visuellen Verfahren#

KI ist besonders in den frühen Phasen archäologischer Projekte hilfreich. Sie kann potenzielle Fundstätten erkennen, bevor Ausgrabungen beginnen, und das Risiko verringern, historische Gebiete zu beschädigen. Bei der Verarbeitung von Luft- oder Satellitenbildern können Computer-Vision-Modelle wie Ultralytics YOLOv8 mithilfe der Objekterkennung vergrabene Fundstätten aufspüren. YOLOv8 lässt sich darauf trainieren, subtile Veränderungen in einer Landschaft zu erkennen, die auf verborgene Bauwerke wie antike Mauern, Straßen oder Gebäude hindeuten können. Tatsächlich können schon leichte Unterschiede in der Bodenfarbe, im Pflanzenwachstum oder in der Bodenstruktur unterirdische Überreste erkennen lassen.

Mit KI mögliche Ausgrabungsorte erkennen

Abb. 3. Mit KI mögliche Ausgrabungsorte erkennen (Quelle: ArchAI).

Ein gutes Beispiel dafür ist eine Fallstudie in der Region Alto Minho in Portugal. Forscher entwickelten ein KI-Modell, das mit annotierten Grabhügeln trainiert wurde. Dabei kam eine Technik namens Datenerweiterung zum Einsatz, bei der der Datensatz durch neue, ähnliche Trainingsbeispiele vergrößert wird. Das KI-System kann mögliche neue Standorte von Grabhügeln vorschlagen. Obwohl die Luftperspektive der LiDAR-Daten zu falsch positiven Ergebnissen führen kann, erreichte dieser Ansatz nach der Validierung durch Experten eine Erfolgsquote von 72,53 %.

3D-Rekonstruktion antiker Artefakte#

Bei Ausgrabungen finden Archäologen häufig Bruchstücke statt unversehrter Artefakte. Traditionell ist es eine langsame und akribische Arbeit, diese Fragmente zusammenzusetzen. Eine KI-gestützte 3D-Rekonstruktion geht jedoch deutlich schneller. Anhand digitaler 3D-Modelle können Algorithmen die Formen der Fragmente analysieren und die ursprünglichen Artefakte präzise wiederherstellen. Das spart Zeit, ermöglicht genaue Messungen und vermittelt ein besseres Verständnis der Artefakte – und damit tiefere Einblicke in die Kulturen, die sie geschaffen haben.

3D-Rekonstruktion von Artefaktfragmenten

Abb. 4. 3D-Rekonstruktion von Fragmenten.

KI in der Unterwasserarchäologie#

Ein spannendes Einsatzgebiet von KI bei der Erforschung der Vergangenheit ist die Unterwasserarchäologie. In Baiae, einer versunkenen römischen Stadt vor der Küste Italiens, hilft KI dabei, die antiken Ruinen unter dem Meer zu überwachen und zu erhalten. WSense, ein auf Unterwasserkommunikation spezialisiertes Start-up, hat ein Netzwerk aus akustischen Modems und KI-gestützten Sensoren entwickelt. Diese Systeme passen sich in Echtzeit an wechselnde Meeresbedingungen an und übertragen Umweltdaten. So lässt sich die Stätte aus der Ferne überwachen, Taucher können unter Wasser kommunizieren und navigieren, und schon bald könnten auch Touristen die Systeme über interaktive Tablets nutzen.

Taucher erkunden die Unterwasserruine von Baiae bei Neapel in Italien

Abb. 5 Taucher erkunden die Unterwasserruine von Baiae bei Neapel in Italien.

Mit KI antike Texte verstehen#

KI macht auch bei der Entzifferung antiker Texte große Fortschritte. DeepMinds Ithaca nutzt Deep Learning, um beschädigte Inschriften wiederherzustellen, ihren Ursprung zu bestimmen und sie genau zu datieren. Ithaca wurde mit einem umfangreichen Datensatz griechischer Inschriften trainiert und kann Texte mit einer Genauigkeit von 62 % wiederherstellen sowie ihr Alter auf bis zu 30 Jahre genau bestimmen. KI definiert die Geschichtsforschung neu, indem sie Wissenschaftlern ermöglicht, wichtige Epochen der griechischen Geschichte genauer zu untersuchen. In Kombination mit menschlicher Fachkenntnis können KI-Systeme die Genauigkeit von Textrekonstruktionen erheblich verbessern.

Beispiel für eine restaurierte Inschrift aus dem Jahr 485/4 v. Chr.

Abb. 6 Beispiel für eine restaurierte Inschrift aus dem Jahr 485/4 v. Chr.

Vor- und Nachteile des KI-Einsatzes in der Archäologie#

KI bietet der Archäologie viele Vorteile und kann Archäologen dabei helfen, Muster und Erkenntnisse zu entdecken, die ihnen sonst möglicherweise entgehen würden. Hier sind einige der wichtigsten Vorteile von KI in der Archäologie:

  • Verbessert die Genauigkeit bei der Identifizierung und Klassifizierung von Artefakten.
  • Verringert menschliche Fehler und ermöglicht dadurch genauere Interpretationen.
  • Stellt sicher, dass Erkenntnisse auf fundierten Daten statt auf persönlichen Vorurteilen beruhen.
  • KI hilft dabei, detaillierte Aufzeichnungen zu Artefakten zu erstellen, die weltweit geteilt werden können.
  • Innovative Technologien erleichtern Forschern die Zusammenarbeit und helfen dabei, wertvolle Kulturgeschichte für künftige Generationen zu bewahren.

Trotz der vielen Vorteile gibt es auch Herausforderungen, wenn man sich in der Archäologie auf KI verlässt. Hier sind einige der wichtigsten Herausforderungen beim Einsatz von KI in der Archäologie:

  • Digitale Werkzeuge könnten traditionelle archäologische Methoden in den Hintergrund drängen.
  • Die über Jahrhunderte entwickelten praktischen Fähigkeiten und Techniken könnten an Bedeutung verlieren.
  • Ethische Fragen, etwa zum Schutz des Kulturerbes und der Rechte indigener Bevölkerungsgruppen, müssen sorgfältig berücksichtigt werden.
  • Eine übermäßige Abhängigkeit von Technologie könnte das kritische Denken und die Kreativität schmälern, die menschliches Fachwissen in die Archäologie einbringt.

Insgesamt ist es wichtig, ein Gleichgewicht zu finden, bei dem traditionelle archäologische Praktiken unterstützt und nicht ersetzt werden. Eine offene Kommunikation zwischen KI-Fachleuten und Archäologen ist entscheidend, um dieses Gleichgewicht zu wahren.

Welche Faktoren sind bei der Einführung von KI in der Archäologie zu berücksichtigen?#

Die Integration von KI in die Archäologie erfordert sorgfältige Planung, damit sie traditionelle Methoden ergänzt, statt sie zu ersetzen. Um KI-Werkzeuge erfolgreich in die archäologische Forschung einzubinden, solltest du einige wichtige Schritte beachten. Lege zunächst klare Ziele für den KI-Einsatz fest: etwa die Datenanalyse zu beschleunigen, die Klassifizierung von Artefakten zu verbessern oder die Kartierung von Stätten zu unterstützen. Konkrete Ziele helfen dir, die passenden KI-Werkzeuge für deine Forschungsanforderungen auszuwählen.

Berücksichtige bei der Auswahl von KI-Werkzeugen außerdem, wie gut sie zu deinen archäologischen Zielen passen. Idealerweise sind die Werkzeuge skalierbar, können wachsende Datenmengen verarbeiten und sind benutzerfreundlich, damit Archäologen sie ohne umfangreiche technische Kenntnisse wirksam einsetzen können. Auch die Kosteneffizienz ist wichtig, denn die Implementierung und Wartung von KI-Lösungen kann teuer sein.

Zusammenfassung unserer Erkenntnisse#

KI verändert die Archäologie und macht sie schneller, präziser und zugänglicher. Durch die Analyse großer Datenmengen, die Entdeckung verborgener Fundstätten und die Restaurierung antiker Artefakte verbessert KI die Art und Weise, wie wir die Vergangenheit erforschen und verstehen. Dank der schnellen und präzisen Verarbeitung von Informationen können Archäologen Entdeckungen machen, für die traditionelle Methoden früher Jahre gebraucht hätten. Mit der Weiterentwicklung der KI ist ihr Potenzial, noch mehr über unsere Geschichte aufzudecken, beträchtlich. Die Zukunft der Archäologie sieht vielversprechend aus: KI spielt eine wichtige Rolle bei der Bewahrung unseres kulturellen Erbes und vertieft unser Verständnis antiker Zivilisationen.

Wenn du mehr über KI erfahren möchtest, besuche unser GitHub-Repository und tausche dich mit unserer Community aus. Entdecke auf unseren Lösungsseiten KI-Anwendungen in der Fertigung und der Landwirtschaft.

Verfasst von

Abirami Vina
Abirami Vina

Content Creator · Ultralytics

Zu Beginn ihrer Laufbahn als Computer-Vision-Ingenieurin legte Abirami Vina ein solides Fundament in visueller KI und maschinellem Lernen. Sie ist Content Creator bei Ultralytics sowie Gründerin und leitende Autorin bei Scribe of AI, wo sie hochwertige technische Inhalte für Unternehmen mit Schwerpunkt auf KI erstellt. Angetrieben von ihrer Leidenschaft, KI verständlich und zugleich ansprechend zu vermitteln, schlägt ihre Arbeit eine Brücke zwischen Spitzentechnologie und praktischer Wirkung.

Kommentare

Stelle eine Frage, teile deine Ergebnisse oder hilf anderen.

Lösungen entdecken

Computer Vision im Sport

Computer Vision im Sport

Entdecke, wie Ultralytics YOLO die Sportbildanalyse voranbringt – mit Spieler- und Ballverfolgung, Leistungsanalysen, Erkenntnissen für das Coaching und der Rehabilitation von Athleten.
Mehr erfahren
Computer Vision für Luftbilder

Computer Vision für Luftbilder

Verwandle Drohnen- und Luftbilder mit Ultralytics YOLO in Echtzeit-Erkenntnisse für Landwirtschaft, Aquakultur, Naturschutz und Geodatenanalyse.
Mehr erfahren
Computer Vision in der Luft- und Raumfahrt

Computer Vision in der Luft- und Raumfahrt

Setze Computer Vision in der Luft- und Raumfahrt mit Ultralytics YOLO ein – für Flugzeuginspektionen, die Erkennung von Fremdkörpern auf Start- und Landebahnen, den Bodenbetrieb am Flughafen und die Erkennung von Verbundwerkstofffehlern.
Mehr erfahren
Computer Vision im Sicherheitsbereich

Computer Vision im Sicherheitsbereich

Schütze jeden Standort mit Ultralytics YOLO-Modellen. Vision-KI ermöglicht die Überwachung von Grundstücksgrenzen, die Erkennung von Bedrohungen, die Kennzeichenerkennung und die Sicherheit am Arbeitsplatz.
Mehr erfahren
Computer Vision in der Robotik

Computer Vision in der Robotik

Mach Maschinen mit Ultralytics YOLO-Modellen leistungsfähiger. Vision-KI in der Robotik ermöglicht autonome Navigation, Wahrnehmung, Objektverfolgung und Steuerung in Echtzeit.
Mehr erfahren
Bildverarbeitung in der Logistik

Bildverarbeitung in der Logistik

Optimiere die Logistik mit Ultralytics YOLO-Modellen. Vision AI ermöglicht die Paketprüfung, Sortierung und Fahrzeugverfolgung sowie die Sicherheitsüberwachung von Lagerhäusern in Echtzeit.
Mehr erfahren
Bildverarbeitung im Einzelhandel

Bildverarbeitung im Einzelhandel

Gestalte den Einzelhandel mit Ultralytics YOLO-Modellen neu. Vision AI ermöglicht Bestandsverfolgung, Regalüberwachung und Warteschlangenmanagement und liefert bessere Einblicke in das Kundenverhalten.
Mehr erfahren
Bildverarbeitung im Gesundheitswesen

Bildverarbeitung im Gesundheitswesen

Entwickle Lösungen für das Gesundheitswesen mit Ultralytics YOLO-Modellen. Vision AI ermöglicht im Gesundheitswesen schnellere medizinische Bildgebung, bessere Diagnostik und die Überwachung von Patienten.
Mehr erfahren
Computer Vision in der Fertigung

Computer Vision in der Fertigung

Optimiere die Fertigung mit Ultralytics-YOLO-Modellen. Vision AI ermöglicht Qualitätskontrolle, Fehlererkennung, die Überprüfung der Einhaltung von Vorgaben zu persönlicher Schutzausrüstung und die Automatisierung von Montagelinien.
Mehr erfahren
Computer Vision in der Automobilbranche

Computer Vision in der Automobilbranche

Setze Computer Vision in der Automobilbranche mit Ultralytics-YOLO-Modellen ein. Vision AI verbessert die Verkehrssicherheit, Fahrerassistenz und Fahrzeugautomatisierung – für intelligentere Straßen.
Mehr erfahren
Computer Vision in der Landwirtschaft

Computer Vision in der Landwirtschaft

Setze mit Ultralytics YOLO-Modellen KI für Bildverarbeitung in der intelligenten Landwirtschaft ein. Ermögliche die Überwachung von Nutzpflanzen, die Verfolgung von Nutztieren und Präzisionslandwirtschaft für höhere und nachhaltigere Erträge.
Mehr erfahren

Lass uns gemeinsam die Zukunft der KI gestalten!

Starte deine Reise in die Zukunft des maschinellen Lernens