Die Digital Arts Residency dieses Jahres umfasst eine hybride Residency mit einem Monat vor Ort in Berlin sowie eine Produktionsförderung zur Realisierung einer neuen Arbeit. Amanda E. Metzger wird Information Compression to Move Beyond Synchronomnia entwickeln*,* ein Projekt, das Kompressionstechnologien als generative Werkzeuge untersucht.

Die Notwendigkeit, Informationen zu komprimieren, scheint verloren gegangen zu sein; Speicherkapazitäten und Übertragungsraten nehmen täglich zu. Es gibt keinen Grund mehr, sich an tatsächliche Informationen zu erinnern – nur noch an den Hinweis, der auf sie verweist. Welche Auswirkungen hat das Nicht-Erinnern, das bloße Aufzeichnen? Und wie verlassen wir die Gegenwart-Vergangenheit, um dem Informationsstrudel zu entkommen, in dem wir uns gefangen sehen?

In den letzten drei Jahrzehnten sind Informationen durch technologische Entwicklungen unmittelbar und in enormem Umfang verfügbar geworden. Den gegenwärtigen Moment könnten wir daher als Synchronomnia bezeichnen – als ein Alles-zur-gleichen-Zeit, statt eines ‚Post'-irgendetwas. Diese Synchronomnia, in der die Vergangenheit in den meisten ihrer Details gegenwärtig bleibt, versetzt uns in einen Zustand permanenter Überlastung. Ihre Auswirkungen wurden von Mark Fisher beschrieben, der argumentierte, dass sich Musik seit Mitte der 2000er Jahre nicht mehr weiterentwickelt und seitdem nur noch ein Remix des Vorangegangenen ist; ebenso wie von Paul Virilio, der beobachtete, dass mit der Beschleunigung des Zugangs zu Informationen der Abstand zu ihnen zusammenbricht. Doch oft ist es gerade dieser Abstand, der Raum für Überraschung und Kreativität schafft.

Metzger schlägt Kompression als kreatives Werkzeug vor: Um etwas Neues zu schaffen, müssen wir tatsächlich vergessen. Komprimierte Informationen erfordern Vorstellungskraft, um das Verlorene zu ergänzen. Indem Informationen weniger unmittelbar verfügbar gemacht werden, öffnen sich Räume für die Zukunft anstatt ständig auf die Vergangenheit zu verweisen. Kompressionsalgorithmen sind ein zentrales Forschungsgebiet innerhalb der Informatik, getrieben von dem Ziel, Kompression so verlustfrei wie möglich zu gestalten. Die neueste Form davon sind Machine-Learning-Modelle, bei denen mehrdimensionale Informationen auf niederdimensionale Räume abgebildet und mit bemerkenswerter Präzision wieder abgerufen werden. Metzgers Interesse gilt der verlustbehafteten Kompression und ihrer Funktionsweise in verschiedenen Feldern. Unter Rückgriff auf die Neurowissenschaften und den Prozess des Erinnerns bewegt sich das Projekt über unterschiedliche Felder hinweg – von der klassischen Informatik bis hin zu entstehenden Bereichen wie Quanten- und Biocomputing.

Das Ziel ist nicht, Informationen im Prozess zu zersetzen, sondern Kompressionsmodi zu finden, die genug bewahren, um alles Notwendige in sich zu tragen – und dabei genug weglassen, dass die imaginative Qualität von Informationslücken aufgerufen werden muss.