Eine neue Studie der University of Riverside zeigt, dass die Einordnung historischer Kunstwerke in heutige Genres oft zu Fehlinterpretationen führt. Ein Beispiel hierfür ist der Film „Sinners", der auf den ersten Blick als Horrorfilm klassifiziert wird. In Wirklichkeit nutzt das Werk das Genre als Metapher für den rassistischen Gewalt im amerikanischen Südosten des frühen 20. Jahrhunderts und ist ebenso ein Kostümdrama. Dieser Widerspruch ist kein bloßer Geschmacksunterschied, sondern ein messbares Problem, das die Bewertung und Entdeckung kultureller Werke verzerrt. Demetrius Lewis, Assistenzprofessor für Management an der University of Riverside, hat gemeinsam mit Wissenschaftlern der Emory University und der University of North Carolina at Chapel Hill einen KI-basierten Ansatz entwickelt, um diese Verzerrungen zu korrigieren. Die Studie, veröffentlicht im Fachjournal „Academy of Management Discoveries", argues, dass die Verwendung moderner Genre-Labels für ältere Werke systematische Missverständnisse erzeugt. Da sich die Definitionen von Genres im Laufe der Zeit verändern, spiegeln heutige Klassifikationen oft nicht wider, wie ein Werk ursprünglich gemeint oder rezipiert wurde. Diese retrospektive Voreingenommenheit hat erhebliche Konsequenzen für Kreativen. Werke, die sich mehreren Genres gleichzeitig zuordnen lassen, werden häufig bestraft, da sie nicht in starre Kategorien passen. Das könnte zu niedrigeren Bewertungen führen, da das Publikum solche hybriden Produkte schwerer einordnen kann. Lewis weist jedoch darauf hin, dass diese Strafe nicht unveränderlich ist. Mit der Zeit gewöhnen sich das Publikum an neue Stilmischungen, und das, was einst als verwirrend galt, wird zum Standard oder sogar gefeiert. Historische Beispiele wie die Entstehung des Folk-Rock durch Künstler wie Bob Dylan oder die Erweiterung des Horror-Genres durch den Film „Carrie" belegen diese Evolution. Um diese Entwicklungen zu erfassen, entwickelten die Forscher ein computergestütztes Werkzeug auf Basis von Large-Language-Modellen. Dieses System analysiert die Verschiebung von Genre-Definitionen und übersetzt zwischen vergangenen und heutigen Klassifizierungssystemen. Der Kern des Verfahrens besteht darin, ein Werk so zu betrachten, wie es beim Erscheinen verstanden wurde, anstatt es mit dem heutigen Label zu versehen. Dazu wurde das GPT-Modell zweimal befragt: einmal mit dem aktuellen Wissen und einmal unter Ausschluss von Nachwissen, lediglich mit dem kulturellen Kontext des Entstehungsjahres. Der Vergleich der beiden Ergebnisse macht die zeitliche Entwicklung der Genres sichtbar. Für Schaffende bietet dieser Ansatz eine fairere Bewertung, da risikoreiche, grenzüberschreitende Projekte nicht mehr wegen falscher Einordnung abgewertet werden. Für das Publikum ermöglicht die präzisere Klassifikation eine bessere Entdeckung und Interpretation von Kunstwerken, da sie nicht mehr durch übermäßige Vereinfachung oder falsche Etikettierung gelenkt werden. Das Ziel der Forscher ist es, mit Hilfe solcher KI-Tools den wahren Charakter kreativer Produkte und deren ursprüngliche Rezeption besser zu erfassen, um so den kulturellen Kontext der Entstehungszeit wiederherzustellen.