Universität Passau/ZLF
SoSe 2026
Sa, 9. Mai 2026, 11-18h
Sa, 16. Mai 2026, 11-18h
Sa, 23. Mai 2026, 11-18h
Raum Community Lab IG 107, 1. Stock, mit C. Reitmaier, Sa, 20. Juni 2026, 11-18h
SoSe 2026
Sa, 9. Mai 2026, 11-18h
Sa, 16. Mai 2026, 11-18h
Sa, 23. Mai 2026, 11-18h
Raum Community Lab IG 107, 1. Stock, mit C. Reitmaier, Sa, 20. Juni 2026, 11-18h
Filter︎KI |
Filter und Grundlagen digitaler (Portrait-)Bilder mit Bildbearbeitung
Universität Passau/ZLF
Sonnja Genia Riedl, Koop. Christian Reitmaier
![]()
(Abb. der Punktraster-Vögel, Wand Untergeschoss bei den Gleisen, Bhf. Passau)
Anhand verschiedener Aufnahmen zu Figur und Portrait variieren wir Darstellungsweisen fotografischer Bilder. Wie wirken einzelne Filter jeweils? Was bedeuten die RGB-Kanäle und die Begriffe Sättigung, Hex-Wert eines Farbcodes oder CMYK einer digitalen Druckvorstufe? Was unterscheidet .png von .jpg oder dem zweistufigen Bitmap? Wieso können manche Bilder besser vektorisiert werden als andere, und was ist der grundlegende Unterschied zwischen einer Pixelgrafik und einem benötigten Vektorformat für z.B. ein Logo? Spielerisch modifizieren wir manche unserer Portraits in frontaler Ansicht, im Halb-Profil und in 2/3-Ansicht in Pixelgrafiken unterschiedlicher Art, um die Optik von PixArt gemeinsam als Gestaltungsmittel auszuloten.
Und schließlich befassen wir uns mit Pixelfeldern anhand leuchtender 8x8-LED-Kästchen, die wir mit einem Microcontroller via USB ansprechen und so programmieren können, dass nicht nur diverse Muster erscheinen, sondern auch die Funktionsweise von Filtern deutlich wird. Diverse Filter werden im Vorfeld eingeführt sowie ihr mathematischer Hintergrund und ihre Bedeutung für die Klassifikation von Bildern durch ein neuronales Netz betrachtet. Was das alles für Schule und den Kunstunterricht bedeuten kann, oder wie wir Raster nicht nur zum Vergrößern beim Zeichnen in Aufgabenstellungen in Kunst einsetzen können, besprechen wir anhand einem Blick auf diverse Studienarbeiten von Schülerinnen und Schülern aus verschiedenen Jahrgangsstufen. Mit dem Lasercutter vom ZLF Passau drucken wir zum Seminarende auf Holzplatten einige der entstandenen Kunstwerke durch Rasterung und Liniengravur oder Vektorschnitt in 40x40cm aus.
![]()
_________________________________
2. oder 3. Sa-Blocktermin:
(SGR)
- Das digitale Bild (gibt es nicht)
- Codierung (bin, dez, hex, ascii)
- Farbcodes (hex. RGB) und die Bedeutung der ‘255’
- ASCII-Art und PixArt
- Druckraster (Rasterdruck, Flächendruck)
- Dateiformate und Komprimierung | Überblick
- Farbreduktion und Schwellenwert
- Microcontroller | Kurz-Info
(CR)
- Filter allgemein
- Filter und ihr mathematischer Hintergrund
- Vorführung/ Visualisierung von Filtern anhand des Pixelfeldes
- Anwendung von Filtern in Klassifikation:
- Arten maschinellen Lernens | Kurz-Info
- Wie ist ein neuronales Netz aufgebaut?
- Wie funktioniert Forward Propagation?
- Wie funktioniert Bild-Klassifikation und welche Bedeutung haben Filter?
- Zusatz: Generative KI für Bilder - Funktionsweise
(SGR / CR)
- KI-Apps offener + geschlossener Modelle | Überblick/Kritik
- Python als Programmiersprache | Einführung/Info
- Jupyter Notebooks und Markdown | Kurz-Info
- Bildklassifikation mit Hunden und Katzen
- Grundlagen Vektorgrafiken
- Lasercut und Vektorgrafik für (Hoch-)Druckplatten
_________________________________
Der Fokus des Seminars ist die Entwicklung von einem Grundverständnis von Digitalität und von KI/Maschinellem Lernen bzw. Generativen Bildern/Videos. Wir besprechen Grundlagen und machen digitale Übungen. Wir nähern uns digitaler Bildbearbeitung durch Programmierung und durch die genauere Betrachtung von Filtern.
Die Postproduktion von Bildern erlaubt unzählige Möglichkeiten einer Nachbearbeitung. Ungeachtet der Optionen KI-generierter Bilder ist eine eigene Postproduktion von Fotos ein zeitlos spannendes Unterfangen. Was macht den Unterschied einer Bildreduktion, Bildkomprimierung oder KI-Interpolation aus? Was bedeutet der Schwellenwert anhand eines Portraitfotos oder der Schwellenwert-Regler beim Lasercutter?
Wieso ist es auch im Fach Kunst bedeutsam zu verstehen, dass die Rechenmaschinen nichts wirklich verstehen können, und wenn überhaupt, dann nur 0 oder 1. Und was bedeutet diese Zahl “255”, die bei RGB jeweils zu lesen ist? 28 ist 256, aber warum ist das wichtig für das binäre Zahlensystem, das nur die Ziffern 0 oder 1 kennt?
Wie wirken Rasterungen, beispielsweise bei Portraitbildern, und was haben die Formen der Raster-Elemente oder Liniendichten für optische Wirkungen? Wieso kann bei einem fotografischen schwarz-weißen Zeitungsbild mit der typischen (Punkt-)Rasterung ein menschliches Auge verschiedene unterschiedliche Grautöne erkennen, obwohl es nur mit einer (schwarzen) Farbe gedruckt ist?
Was sind Filter genau und welche Bedeutung haben sie bei Convolutionalen Neuronalen Netzen (CNN)?
Wie funktionieren Filter? Wir erfahren Hintergründe zu klassischen Funktionen (Gauss u.a.), die es schon seit Jahrzehnten in Apps wie Adobe Photoshop gab - vor den Erweiterungen mit KI-Funktionalitäten.
Eine Dimensionsreduktion eines CNN bedeutet einen Verlust von Details und komprimierte Bilddaten durch Anwendung eines Filters (Max-Pooling). Dies kennen wir beispielsweise von Bildformaten wie der .jpg-Komprimierung. Reduzieren wir ein .jpg-Bild weiter auf ein kontrastives Bitmap-Format kennen wir diese schwarz-weiss-Grafiken als Tonwertausdruck und Belichtungsvorlage hoher visueller Prägnanz. Fotografische Portraits können beispielsweise auf 2-3 Helligkeitsstufen reduziert werden durch eine Anpassung von Schwellenwerten oder Tonwerten. Farbreduktion auf grafische Flächen oder Linien und Punkten von photographischen Abbildungen in einer oder mehreren Farben erinnern uns schnell an berühmte Portraits der PopArt von Andy Warhol. Im K-Means-Algorithmus wird die Visualisierung mit der Laborklasse umgesetzt.
Visuelle Abstraktion als sichtbares künstlerisches Ergebnis geht hier über einen praktischen Nutzen einer Bilddaten-Reduktion hinaus. Ästhetik und Technik bedingen sich gegenseitig und stehen in wechselseitigen Wirkmechanismen zueinander. Daten sind Materialität1, da Software in Hardware resultiert. “Als solche sind sie also Teil einer Wertschöpfungskette, die die Existenz von Natur und Menschen betrifft.” 2 1, 2 vgl. https://www.monopol-magazin.de/pinakotheken-ausstellung-daten-kolonialismus-city-cloud-data-ground)
Es kann ein Schwerpunkt im Kontext des Trainings von KI-Modellen via Jupyter Notebooks (.ipynb) liegen, - visualisiert am Beispiel von Max-Pooling Filtern, wie sie bei CNNs für die Bildverarbeitung relevant sind. In Dimensionsreduktion (Feature Map) und Effizienzsteigerung fokussiert es wichtigste Merkmale eines digitalen Bildes.Anmerkung: In genauerer Betrachtung zeigt sich, dass wir gar nicht von ‘digitalen Bildern’ sprechen können, vgl. Claus Pias ‘Das digitale Bild gibt es nicht’, denn es gibt nur Zahlenkolonnen von 0 und 1 die nach Übersetzungen von Elektronik mit verfügbarem oder nicht verfügbarem Strom nach binärer Codierung als Bilder interpretierbar sind.
Das digitale Grundverständnis kann durch Übungen zur Codierung und zu Grundkonzepten von Programmierung ergänzt werden. Die Übungen zur Codierung (binär, dezimal, hexadezimal, ASCII-Code) schlagen eine Brücke zu hiermit verbundenen künstlerischen Ausdrucksformen (ASCII-Art, Pixart) als auch zu Max-Pooling als Schlüsseltechnik von Bildverarbeitung mit maschinellem Lernen/KI eines sog. Künstlichen Neuronalen Netzes (Convolutional Neural Network CNN). Die Übungen zur Programmierung können mit einem kleinen Microcontroller und LED-Leuchten umgesetzt werden, konkret mit einer 8x8-LED-Matrix plus ESP32 - einem 32-Bit-Microcontroller, ansprechbar mit Micropython und Adafruit ampy.
Sonnja Genia Riedl
Lehre in Kunstpädagogik an der Universität Passau und AdBK München, bzw. ISB München/ Medienabteilung
Christian Reitmaier Lehre an dem ASG Passau als PIZ-Schule Informatik und Referent in der Fachgruppe KI an der ALP Dillingen für die Bayerische Lehrerfortbildung zu KI/Informatik.
mit Dank an: Hackzogtum Coburg - Oett, für das ESP32-Modul mit 8x8-Matrix/ LEDs
vgl. https://pad.hackzogtum-coburg.de/s/blinkenLightsCheatSheet#
Literatur
- Half past selber schuld, halfpastselberschuld.de
- Schneider, Julia, KI - wir müssen reden. Graphic-Novel in schwarz-weiß, we-need-to-talk.ai
- Schneider, Julia u.a., Von Schokorobotern und Deepfakes
Filter und Grundlagen digitaler (Portrait-)Bilder mit Bildbearbeitung
Universität Passau/ZLF
Sonnja Genia Riedl, Koop. Christian Reitmaier
(Abb. der Punktraster-Vögel, Wand Untergeschoss bei den Gleisen, Bhf. Passau)
Anhand verschiedener Aufnahmen zu Figur und Portrait variieren wir Darstellungsweisen fotografischer Bilder. Wie wirken einzelne Filter jeweils? Was bedeuten die RGB-Kanäle und die Begriffe Sättigung, Hex-Wert eines Farbcodes oder CMYK einer digitalen Druckvorstufe? Was unterscheidet .png von .jpg oder dem zweistufigen Bitmap? Wieso können manche Bilder besser vektorisiert werden als andere, und was ist der grundlegende Unterschied zwischen einer Pixelgrafik und einem benötigten Vektorformat für z.B. ein Logo? Spielerisch modifizieren wir manche unserer Portraits in frontaler Ansicht, im Halb-Profil und in 2/3-Ansicht in Pixelgrafiken unterschiedlicher Art, um die Optik von PixArt gemeinsam als Gestaltungsmittel auszuloten.
Und schließlich befassen wir uns mit Pixelfeldern anhand leuchtender 8x8-LED-Kästchen, die wir mit einem Microcontroller via USB ansprechen und so programmieren können, dass nicht nur diverse Muster erscheinen, sondern auch die Funktionsweise von Filtern deutlich wird. Diverse Filter werden im Vorfeld eingeführt sowie ihr mathematischer Hintergrund und ihre Bedeutung für die Klassifikation von Bildern durch ein neuronales Netz betrachtet. Was das alles für Schule und den Kunstunterricht bedeuten kann, oder wie wir Raster nicht nur zum Vergrößern beim Zeichnen in Aufgabenstellungen in Kunst einsetzen können, besprechen wir anhand einem Blick auf diverse Studienarbeiten von Schülerinnen und Schülern aus verschiedenen Jahrgangsstufen. Mit dem Lasercutter vom ZLF Passau drucken wir zum Seminarende auf Holzplatten einige der entstandenen Kunstwerke durch Rasterung und Liniengravur oder Vektorschnitt in 40x40cm aus.
_________________________________
2. oder 3. Sa-Blocktermin:
(SGR)
- Das digitale Bild (gibt es nicht)
- Codierung (bin, dez, hex, ascii)
- Farbcodes (hex. RGB) und die Bedeutung der ‘255’
- ASCII-Art und PixArt
- Druckraster (Rasterdruck, Flächendruck)
- Dateiformate und Komprimierung | Überblick
- Farbreduktion und Schwellenwert
- Microcontroller | Kurz-Info
(CR)
- Filter allgemein
- Filter und ihr mathematischer Hintergrund
- Vorführung/ Visualisierung von Filtern anhand des Pixelfeldes
- Anwendung von Filtern in Klassifikation:
- Arten maschinellen Lernens | Kurz-Info
- Wie ist ein neuronales Netz aufgebaut?
- Wie funktioniert Forward Propagation?
- Wie funktioniert Bild-Klassifikation und welche Bedeutung haben Filter?
- Zusatz: Generative KI für Bilder - Funktionsweise
(SGR / CR)
- KI-Apps offener + geschlossener Modelle | Überblick/Kritik
- Python als Programmiersprache | Einführung/Info
- Jupyter Notebooks und Markdown | Kurz-Info
- Bildklassifikation mit Hunden und Katzen
- Grundlagen Vektorgrafiken
- Lasercut und Vektorgrafik für (Hoch-)Druckplatten
_________________________________
Der Fokus des Seminars ist die Entwicklung von einem Grundverständnis von Digitalität und von KI/Maschinellem Lernen bzw. Generativen Bildern/Videos. Wir besprechen Grundlagen und machen digitale Übungen. Wir nähern uns digitaler Bildbearbeitung durch Programmierung und durch die genauere Betrachtung von Filtern.
Die Postproduktion von Bildern erlaubt unzählige Möglichkeiten einer Nachbearbeitung. Ungeachtet der Optionen KI-generierter Bilder ist eine eigene Postproduktion von Fotos ein zeitlos spannendes Unterfangen. Was macht den Unterschied einer Bildreduktion, Bildkomprimierung oder KI-Interpolation aus? Was bedeutet der Schwellenwert anhand eines Portraitfotos oder der Schwellenwert-Regler beim Lasercutter?
Wieso ist es auch im Fach Kunst bedeutsam zu verstehen, dass die Rechenmaschinen nichts wirklich verstehen können, und wenn überhaupt, dann nur 0 oder 1. Und was bedeutet diese Zahl “255”, die bei RGB jeweils zu lesen ist? 28 ist 256, aber warum ist das wichtig für das binäre Zahlensystem, das nur die Ziffern 0 oder 1 kennt?
Wie wirken Rasterungen, beispielsweise bei Portraitbildern, und was haben die Formen der Raster-Elemente oder Liniendichten für optische Wirkungen? Wieso kann bei einem fotografischen schwarz-weißen Zeitungsbild mit der typischen (Punkt-)Rasterung ein menschliches Auge verschiedene unterschiedliche Grautöne erkennen, obwohl es nur mit einer (schwarzen) Farbe gedruckt ist?
Was sind Filter genau und welche Bedeutung haben sie bei Convolutionalen Neuronalen Netzen (CNN)?
Wie funktionieren Filter? Wir erfahren Hintergründe zu klassischen Funktionen (Gauss u.a.), die es schon seit Jahrzehnten in Apps wie Adobe Photoshop gab - vor den Erweiterungen mit KI-Funktionalitäten.
Eine Dimensionsreduktion eines CNN bedeutet einen Verlust von Details und komprimierte Bilddaten durch Anwendung eines Filters (Max-Pooling). Dies kennen wir beispielsweise von Bildformaten wie der .jpg-Komprimierung. Reduzieren wir ein .jpg-Bild weiter auf ein kontrastives Bitmap-Format kennen wir diese schwarz-weiss-Grafiken als Tonwertausdruck und Belichtungsvorlage hoher visueller Prägnanz. Fotografische Portraits können beispielsweise auf 2-3 Helligkeitsstufen reduziert werden durch eine Anpassung von Schwellenwerten oder Tonwerten. Farbreduktion auf grafische Flächen oder Linien und Punkten von photographischen Abbildungen in einer oder mehreren Farben erinnern uns schnell an berühmte Portraits der PopArt von Andy Warhol. Im K-Means-Algorithmus wird die Visualisierung mit der Laborklasse umgesetzt.
Visuelle Abstraktion als sichtbares künstlerisches Ergebnis geht hier über einen praktischen Nutzen einer Bilddaten-Reduktion hinaus. Ästhetik und Technik bedingen sich gegenseitig und stehen in wechselseitigen Wirkmechanismen zueinander. Daten sind Materialität1, da Software in Hardware resultiert. “Als solche sind sie also Teil einer Wertschöpfungskette, die die Existenz von Natur und Menschen betrifft.” 2 1, 2 vgl. https://www.monopol-magazin.de/pinakotheken-ausstellung-daten-kolonialismus-city-cloud-data-ground)
Es kann ein Schwerpunkt im Kontext des Trainings von KI-Modellen via Jupyter Notebooks (.ipynb) liegen, - visualisiert am Beispiel von Max-Pooling Filtern, wie sie bei CNNs für die Bildverarbeitung relevant sind. In Dimensionsreduktion (Feature Map) und Effizienzsteigerung fokussiert es wichtigste Merkmale eines digitalen Bildes.Anmerkung: In genauerer Betrachtung zeigt sich, dass wir gar nicht von ‘digitalen Bildern’ sprechen können, vgl. Claus Pias ‘Das digitale Bild gibt es nicht’, denn es gibt nur Zahlenkolonnen von 0 und 1 die nach Übersetzungen von Elektronik mit verfügbarem oder nicht verfügbarem Strom nach binärer Codierung als Bilder interpretierbar sind.
Das digitale Grundverständnis kann durch Übungen zur Codierung und zu Grundkonzepten von Programmierung ergänzt werden. Die Übungen zur Codierung (binär, dezimal, hexadezimal, ASCII-Code) schlagen eine Brücke zu hiermit verbundenen künstlerischen Ausdrucksformen (ASCII-Art, Pixart) als auch zu Max-Pooling als Schlüsseltechnik von Bildverarbeitung mit maschinellem Lernen/KI eines sog. Künstlichen Neuronalen Netzes (Convolutional Neural Network CNN). Die Übungen zur Programmierung können mit einem kleinen Microcontroller und LED-Leuchten umgesetzt werden, konkret mit einer 8x8-LED-Matrix plus ESP32 - einem 32-Bit-Microcontroller, ansprechbar mit Micropython und Adafruit ampy.
Sonnja Genia Riedl
Lehre in Kunstpädagogik an der Universität Passau und AdBK München, bzw. ISB München/ Medienabteilung
Christian Reitmaier Lehre an dem ASG Passau als PIZ-Schule Informatik und Referent in der Fachgruppe KI an der ALP Dillingen für die Bayerische Lehrerfortbildung zu KI/Informatik.
mit Dank an: Hackzogtum Coburg - Oett, für das ESP32-Modul mit 8x8-Matrix/ LEDs
vgl. https://pad.hackzogtum-coburg.de/s/blinkenLightsCheatSheet#
Literatur
- Half past selber schuld, halfpastselberschuld.de
- Schneider, Julia, KI - wir müssen reden. Graphic-Novel in schwarz-weiß, we-need-to-talk.ai
- Schneider, Julia u.a., Von Schokorobotern und Deepfakes