Nach der Einführung des Diagramm-Begriffs gehen die zwei nachfolgenden Sitzungen explizit auf explorative Potentiale dieses Konzepts ein. In diesem Moment des Kurses soll einen Schritt zurückgetreten werden und erneut die Grundsätze der Kulturtechnik hinterfragt werden. Konkret passiert das in dieser Konzeption an zwei Stellen: einmal an der Erwartung eines von Menschen betrachtbaren Bild am Ende eines Visualisierungsprozesses und ein anderes mal an der Vorstellung eines rein anthropogenen Ursprungs von Datenstrukturen. Im ersten Teil geht es um erstere nicht-anthropozentrische Visualisierungen und ihre nachfolgenden Fragen. Was wenn Datenbilder nicht mehr für das menschliche Auge zugänglich sind? Verlieren sie dann ihre Wertigkeit oder erschließt sich gerade dadurch eine Verständnis für eine erweiterte Visualisierungskultur? Gerade im Kontext maschinellen Sehens stellen sich die Fragen nach der Sichtbarkeit und Datengestaltung neu.
In der Sitzung werden dazu zeitgenössische Postionen besprochen, wie sie etwa bei Benjamin Bratton formuliert werden. Diese Theorien dienen aber nur als Schablone für eine praktische Auseinandersetzung mit zeitgenössischen Formen der nicht-repräsentationalen Bildverarbeitung durch Algorithmen des sogenannten „Machine Learnings“. In der Sitzung werden aktuelle Bildpraktiken durch, mit und über generative Modelle der sogenannten künstlichen Intelligenz angeschaut und besprochen. Empfehlenswert ist die Beschäftigung mit multimodalen Modellen (Text und Bild), wie Bing, Bard oder ChatGPT, um Vorstellungen von Datenvisualisierung in ihrer Automation zu aktualisieren.
Bratton, Benjamin. 2016. „Notes for ‚The Work of the Image in the Age of Machine Vision‘“. In: Salemy, Mohammad (Hg.). For Machine Use Only: Contemplations on Algorithmic Epistemology. Seattle: TripleAmpersand. S. 19-22.
Fleuret, Francois. 2023. „The Little Book of Deep Learning“. https://fleuret.org/public/lbdl.pdf.
