Re-Experiencing History
Modelling, Analyzing, Understanding the Past Through AI-Powered Key Moments
Über das Projekt
Re-Experiencing History ist eine Webanwendung, die es ermöglicht, aus historischen Texten niedrigschwellig Bilder und Szenen zu generieren — als Arbeitsmaterial für das eigene Nachdenken über die Vergangenheit. Das Projekt ist am Historischen Seminar der Universität Zürich angesiedelt.
Visualisierung wird dabei nicht als nachträgliche Illustration verstanden, sondern als Zwischenschritt im Erkenntnisprozess: als eine Form des Modellierens, in der man Hypothesen sichtbar macht, Varianten erprobt und die eigenen Annahmen greifbar werden lässt. Ein Bild, das nicht aufgeht oder anachronistisch wirkt, ist kein Scheitern — es ist ein Signal, das zur erneuten Lektüre der Quellen auffordert.
Das Projekt richtet sich an Forschende, Lehrkräfte und Museen. In der Schule können Schüler:innen aus Quellenauszügen eigene Darstellungen erzeugen und im Unterricht diskutieren. Für Museen bietet es die Möglichkeit, Besucher:innen eigene Versionen historischer Momente erstellen zu lassen.
Funktionen
Bildgenerierung
Bilder aus Textbeschreibungen erstellen — mit verschiedenen KI-Modellen: GPT Image 1 (OpenAI), Gemini (Google), Stable Diffusion XL oder Flux LoRA mit historisch feinabgestimmten Gewichten (Militär, Triumphzug, Architektur).
RAG-basierte Prompt-Optimierung
Auf Wunsch können Prompts mit Wissen aus einer Datenbank antiker Forschungsliteratur angereichert werden. Jede Änderung wird mit der Quelle belegt und transparent nachvollziehbar gespeichert.
Iterative Bearbeitung
Generierte Bilder weiterbearbeiten: Details anpassen, Szenen verfeinern und schrittweise an historisch plausibleren Darstellungen arbeiten — mit Masking-Unterstützung für gezielte Bildbearbeitung.
Workflow-Management
Jede Bearbeitung wird als Workflow-Baum gespeichert. In verschiedene Richtungen verzweigen, Varianten vergleichen und durch die gesamte Bearbeitungshistorie navigieren.
Historisches Fine-Tuning
Speziell trainierte LoRA-Gewichte auf historischem Bildmaterial (römisches Militär, Triumphzüge, antike Architektur) sorgen für visuell plausiblere Ergebnisse als Standard-Modelle.
Plausibilitäts-Score
Generierte Bilder auf historische Plausibilität prüfen lassen. Ein KI-gestützter Score bewertet auf 6 Achsen (Materielle Kultur, Architektur, Räumlichkeit, Zeitliche Kohärenz, Komposition, Atmosphäre), identifiziert mögliche Anachronismen und schlägt Verbesserungen vor.
Community Gallery
Die besten Bilder in einer öffentlichen Gallery teilen. Ähnliche Bilder werden automatisch räumlich gruppiert. Andere Nutzer:innen können Bilder in den eigenen Workspace übernehmen und weiterbearbeiten.
Wichtige Hinweise
Keine historische Wahrheit
KI-generierte Bilder sind keine Fenster in die Vergangenheit. Sie sind Modelle: vereinfachend, selektiv, von Trainingsdaten und Designentscheidungen geprägt. Sie können unbemerkt Gegenwartsklischees reproduzieren oder anachronistische Elemente enthalten.
Bias und Verzerrung
Die verwendeten Modelle können systematische Verzerrungen aufweisen — etwa bei der Darstellung von Geschlecht, Ethnie oder sozialer Hierarchie. Es lohnt sich, die Ergebnisse kritisch zu hinterfragen.
Produktivität des Vorläufigen
Die erzeugten Szenen beanspruchen nicht den Status einer Rekonstruktion. Gerade eine Darstellung, die nicht plausibel erscheint, ist ein Signal: Sie zeigt an, wo die Quellenlage dünn ist oder wo moderne Projektionen unbemerkt hineingelangen. Das ist kein Fehler — es ist ein Erkenntnisgewinn.
Verantwortungsvoller Umgang
Die generierten Bilder sollten nicht als vermeintlich authentische historische Darstellungen verwendet werden. Sie sind stets als KI-generiert zu kennzeichnen. Die Bilder sind Arbeitsmaterial — nicht Endprodukt.
Forschungsliteratur
Die Prompt-Optimierung und Plausibilitätsprüfung greifen auf eine umfangreiche Vektordatenbank mit über 3,2 Millionen Textpassagen aus der altertumswissenschaftlichen Forschungsliteratur zu. Die Datenbank umfasst Werke zur materiellen Kultur, Architektur, Militärgeschichte und Sozialgeschichte der Antike und wird laufend erweitert.
Publikationen
Ströbel, P. B., Steger, N., Willi, E. M., Maier, F. K. (in press). Re-Experiencing History an der Schnittstelle zwischen automatischer Bildgenerierung, Bildung und historischer Plausibilität. In Berg M., Lorenz, A., Gorf-Roloff, S., Gürtel, A., Muckel, K. (Eds.), Prompted Pasts? Visuelle Geschichtsdarstellungen zwischen Illustration und KI.
Ströbel, P. B., & Maier, F. K. (2025). Re-experiencing history: a platform for the re-enactment of historical events with multimodal large language models. DHd 2025, 510–511. doi:10.5281/zenodo.14943096
Ströbel, P. B., Guo, Z., Karagöz, Ü., Willi, E. M., & Maier, F. K. (2024). Bringing Rome to life: evaluating historical image generation. CEUR Workshop Proceedings, 113–126. ceur-ws.org/Vol-3834/paper58.pdf
Team & Kontakt
Re-Experiencing History ist ein Projekt des Historischen Seminars der Universität Zürich, Lehrstuhl für die Geschichte Asiens und Europas im ersten Millennium. Das Projekt wird unterstützt durch die Digitale Initiative Zürich (DIZH).