MOIA
Eine interaktive KI-Kunstinstallation, die Menschen verbindet, statt sie zu ersetzen.

Zwei Besucher erschaffen in Echtzeit gemeinsam ein KI-Kunstwerk: Eine Person steuert den Prompt über Magnetregler, die andere die Komposition mit Objekten. Ich habe das Besuchererlebnis und die Museums-Website gestaltet und die physische Ausstellung mit aufgebaut.
Ansehen: Digitales Museum ↗- Rolle
- Experience Designer & Web Developer
- Team
- Studierendenteam, KI-Projektmodul
- Kontext
- Hochschulprojekt — HM München
- Tools
- Python, TouchDesigner, Computer Vision, StreamDiffusion, Cloudflare Workers
So funktioniert es

Person A — der Prompt
Schiebt Magnete über physische Regler für Kunststil, Farbe und Motiv. Computer Vision erkennt die Magnete und übersetzt ihre Position in Prompt-Werte.
Person B — die Komposition
Platziert und bewegt physische Objekte auf einer Fläche. Ein Echtzeit-Diffusionsmodell (StreamDiffusion) macht aus Szene und Prompt das finale Bild, live angezeigt in einem digitalen Bilderrahmen.
Danach scannen Besucher einen QR-Code, um ihr Werk herunterzuladen oder es später im Online-Museum wiederzufinden.
Die Frage dahinter
Die meisten Gespräche über generative KI drehen sich um Ersatz — was sie statt Menschen tun wird. Unser Team wollte das Gegenteil ausloten: Kann KI ein Medium werden, über das Fremde miteinander in Kontakt kommen?
Das Briefing aus dem KI-Projektmodul war offen. Wir haben es als Experience-Problem statt als Modell-Problem verstanden: Die Technik sollte hinter etwas verschwinden, das man sofort versteht und unbedingt ausprobieren will.
Meine Rolle
- Die Visitor Journey gestaltet — vom Herantreten an die Installation bis zum Verstehen, was zu tun ist, ganz ohne Anleitung.
- Die Website des digitalen Museums konzipiert und gebaut, auf der Besucher ihre Kunstwerke finden und herunterladen.
- Mitgeholfen, den Prototyp zur physischen Installation auszubauen — inklusive Wand, Podeste und Verkabelung.
Vom Prototyp zur Ausstellung
Wir haben bewusst klein angefangen: ein MacBook und zwei iPhones als Kameras. Das reichte, um den Kern-Loop zu testen — fühlt sich das Bild so an, als hätte man selbst es ausgelöst? –, bevor wir in Hardware investiert haben.
Als der Loop stimmte, haben wir Schritt für Schritt skaliert:
- Die Interaktion mit Laptop und Handykameras validieren.
- Auf eigene Kameras, Python und TouchDesigner für Computer Vision in Echtzeit umsteigen.
- Die Steuerung in physische Objekte übersetzen — Magnetregler und bewegliche Formen –, damit niemand eine Anleitung braucht.
- Den Kreis für Besucher schließen: Download per QR-Code und ein Online-Museum auf Cloudflare Workers.
Bevor wir irgendetwas gebaut haben, haben wir den Raum skizziert: ein Input-Screen, das Output-„Gemälde“, ein Spielfeld mit Objekten, ein Sockel mit den Reglern — und eine Bank, damit andere zuschauen können.


Die Installation musste echten Besuchern standhalten, also haben wir sie selbst gebaut: Sockel für die Steuerung, eine grüne Wand mit gerahmten Bildschirmen als „Museum“, Kameraarme über den Flächen und die komplette Verkabelung dazwischen.
Was ich als Nächstes tun würde
- Die Installation instrumentieren, um zu verstehen, wie lange Menschen bleiben und wie oft sich Paare spontan finden.
- Kurze Exit-Interviews führen, um herauszufinden, in welchem Moment das Konzept „Klick“ gemacht hat.
- Das Setup so verpacken, dass es mit minimalem Konfigurationsaufwand an andere Orte reisen kann.
Was ich gelernt habe
Früh und günstig zu prototypen war die beste Entscheidung, die wir getroffen haben. So konnten wir das Erlebnis vor der Technik testen, und das Team blieb sich einig, was wir eigentlich bauen. Dasselbe Prinzip wende ich in der Produktarbeit an: zuerst die riskanteste Annahme absichern.