Im November 2022 veröffentlichte die Firma OpenAI (heute Teil von Microsoft) ein Online-Chat-System (ChatGPT), das auf Basis von Eingabeanweisungen Texte generiert. Inzwischen gibt es eine Fülle solcher Systeme, für die sich der nicht ganz zutreffende Begriff „künstliche Intelligenz“ (KI) eingebürgert hat. Im Hinblick auf Sprache und Musik haben KI-Systeme das Potenzial, Routineabläufe bei der Produktion und Bearbeitung von Audiomaterial zu automatisieren und diese somit sehr kosteneffizient zu gestalten. Diese Entwicklung hat einschneidende Auswirkungen auf die Tätigkeitsfelder von Tonmeisterinnen, Tonmeistern und anderen Tonschaffenden (vgl. 1 ). Die Leitung der Berliner Regionalgruppe beschloss daher, eine nachfolgend beschriebene Podiumsdiskussion zu organisieren, um die einschlägig Betroffenen an das Thema KI heranzuführen.

Die Funktion des trainierten Modells kann durch eine vielschichtige mathematische Funktion analytisch beschrieben werden, der Machine Learning Function (MLF). Mittels der jeweiligen MLF können Entscheidungen getroffen oder Aktionen ausgelöst werden, z. B. Klassifizierung von Musik-Genres, von Fehlern an überwachten Systemen, oder von Qualitätsstufen von Produkten.

Generative KI-Systeme erfordern jedoch zusätzliche Verarbeitungsschritte (vgl. z. B.17 ). Die Erzeugung des Outputs eines solchen Systems beginnt mit einer Eingabeanweisung, die die Anfrage an das System verbal im sogenannten Prompt beschreibt. Prompts können sehr ausführlich sein. Sie zu verfassen ist eine Fertigkeit für sich; sie können gegebenenfalls sogar ein Urheberrecht begründen.

Attraktiv sind auch solche Systeme, die das Mischen nicht selbst vornehmen, sondern Vorschläge für die Parameter des Mischvorgangs machen. Das eigentliche Mischen führen die Tonmeisterinnen und Tonmeister dennoch selbst durch. Damit erweitert sich ihr Gestaltungsspielraum. Weiterhin ergibt sich z. B. die Möglichkeit, Störgeräusche wie Atmen, Nachhall, Verkehrslärm, Lüftungsgeräusche und Knacken gezielt zu mindern.

KI-Systeme zur Quellentrennung wurden inzwischen zur Marktreife entwickelt. Sie sind die Voraussetzung für objektorientierte Mischungen von immersivem Audio und für die Konstruktion virtueller Räume.

Schließlich wurde von Georg Fett9] und Herrn Decker10] angemerkt, dass die Verfügbarkeit von KI-gestützten Misch- und Mastering-Systemen Auswirkungen auf die Ausbildung von Tonschaffenden haben werde. Ein geübtes Gehör sei dann weniger wichtig als die Fähigkeit, die KI-Systeme effizient zu bedienen. Es stellte sich deshalb die Frage: Warum soll ich dann überhaupt noch Tonmeister studieren?

Solche Systeme (z. B. Suno, Udio) sind sehr leistungsfähig. Sie vertonen (eigene oder von ChatGPT erzeugte) Texte und erstellen damit mehrstimmige Tonspuren in Radio-Qualität (mp3 mit 192 kBit).

Unser Kollege Thomas Forster16 kommentierte kurz und bündig: „Jetzt bin ich arbeitslos!“

Das Trainingsmaterial wird allerdings in der Regel nicht offengelegt. Man vermutet, dass dafür die kommerziellen Repertoires der großen Musikverlage angezapft worden sind. Im Prompt gibt der Nutzer ein paar Anweisungen zum Genre und zum emotionalen Ausdruck der gewünschten Komposition. Der Text wird dann wahlweise z. B. von einem Sänger, einer Sängerin, einem Männer- oder Frauenchor oder einem Musikinstrument der Wahl vorgetragen und auf Wunsch auch von einer Band begleitet. Mit spezieller Klon-Software (z. B.19 ) kann eine beliebige Gesangsstimme verwendet werden – auch die eigene!

Es kann übrigens geschehen, dass die KI eine Komposition erzeugt, die einem natürlichen Original so nahekommt, dass man sie als Plagiat einstufen kann. Beweispflichtig sind die Geschädigten. Bei Suno können sie Beschwerde einreichen; daraufhin wird vom System nicht die KI-Version ausgegeben, sondern ein Link zum Original auf YouTube. Dies geschieht z. B. bei Songs bekannter Pop-Stars.

Das Thema „Generative Kompositionssysteme“ löste eine rege Debatte aus. Peter Hirscher4 startete mit der oft gestellten Frage, ob KI letztlich den Menschen ersetze, und regte an, dazu folgendes zu bedenken: Durch KI entstünden viele Use-Cases, auf die Menschen gar nicht gekommen wären. Zum Beispiel könnten in kürzester Zeit zweckbestimmte Songs (Skalierbares Audio) geschaffen werden, die Menschen so schnell und kostengünstig nicht erstellen könnten. Dadurch ergäbe sich z. B. die Möglichkeit, Songs zu kreieren, die sonst niemand produzieren würde, die aber einen unterhaltsamen Zweck erfüllen.

Eine häufig vorgetragene These ist die folgende:

„Nur Menschen sind zu Kreativität fähig, Maschinen nicht."

Daraus wird abgeleitet, dass menschengemachte Produkte wertvoller seien als maschinengemachte, was ein Marktvorteil für deren Produzenten wäre. Aber ist individuelle Kunst tatsächlich ein marktmächtiger Faktor für die Tonproduktion? Simon Hestermann17 schreibt dazu wörtlich: „Der wirtschaftliche Vorteil guter KIs ist nicht von der Hand zu weisen. Warum sollte ein Label Künstler bezahlen, die Musik für Workout-Playlists auf Spotify produzieren, wenn eine KI die passende Musik en masse liefert? Warum sollte ein Musikhörer nach Künstlern für das Candlelight-Dinner suchen, wenn eine KI personalisierte Musik für den Abend komponiert? Es stellt sich nicht mehr die Frage ob, sondern wann die Technologie die Musikindustrie vor vollendete Tatsachen stellt. Auf die Moral und Wertschätzung der Massen sollte man dabei nicht bauen, wie uns das Streaming-Zeitalter schon lehrte. Letztlich gewinnt die Bequemlichkeit der Konsumenten.“

An dieses Zitat schloss sich die Frage an, ob tatsächlich nur der Mensch zu Kreativität fähig sei, oder ob auch Maschinen kreativ sein könnten. Jens Blauert1 trug hierzu folgende Gedanken vor, die gemeinsam diskutiert wurden: „KI ist bekanntlich in der Lage zu ‚halluzinieren‘, d. h. sich etwas vorzustellen, was einem aktuellen Faktencheck nicht standhält. KI kann also ‚spinnen‘. Können solche ‚spinnerte‘ Gedanken nicht nützlich Vorschläge für die Zukunft enthalten? Tun wir Menschen nicht das Gleiche, wenn wir kreativ sind, nämlich spinnen?“

Der durch KI ausgelöste Wandel hat jedoch weiterreichende soziale Folgen. Kurz gesagt: Der massive Einsatz von Kapital durch mächtige Investoren führt zur „Enteignung“ der individuellen Klangschöpfer7. Voraussichtlich wird in der Zukunft ein neuer Gesellschaftsvertrag erforderlich sein, um dieses Problem in den Griff zu bekommen4.

Theodor Przybilla11 schließt dies nicht aus, nimmt aber zu der Notwendigkeit eines angepassten Gesellschaftsvertrages einen optimistischen Standpunkt ein. Er vertraue auf die menschliche Fähigkeit, neue Technologien zu unserem Nutzen einzusetzen und die notwendigen Voraussetzungen dafür zu schaffen. Pilos Kostas12 berichtet darüber, dass die Rezeption von KI-Audio-Produkten auch vom Erfahrungshorizont der Zuhörer abhänge. So seien Kinder oft eher in der Lage als Erwachsene, KI-Songs als solche zu entlarven (vgl.20). Trainieren wir etwa ständig unfreiwillig unsere Akzeptanz von Consumer-Kunst?

Die Audioproduktion befindet sich bereits jetzt in einer Transformationsphase, in der die Rolle von KI rapide zunimmt. Wie bereits im einleitenden Statement betont wurde, ist KI zweifelsohne ein nützliches Werkzeug für die Audioproduktion. Produktiv einsetzen können dieses Werkzeug aber letztlich nur diejenigen, die seinen Gebrauch beherrschen. Die Teilnehmer dieses Panels gingen daher in der Gewissheit auseinander, dass es notwendig war und weiterhin sein wird, dieses Thema ausführlich zu diskutieren.

Fazit: Gut, dass wir darüber geredet haben!