Zehn Fakten in Kurzform:
1. Wenn wir heute über künstliche Intelligenz und Musik sprechen, entsteht schnell der Eindruck: Man gibt einen Text ein, drückt auf einen Knopf – und die Maschine komponiert einen fertigen Song. Und tatsächlich kann SUNO AI innerhalb weniger Sekunden Musik erzeugen, für die ein menschlicher Musiker früher möglicherweise Stunden oder Tage gebraucht hätte. Aber genau hier beginnt das eigentlich Interessante: Was passiert, wenn das erste Ergebnis zwar gut ist, aber noch nicht genau das ist, was wir uns vorgestellt haben?
2. Genau an diesem Punkt verändert sich die Rolle des Menschen. Wir sind dann nicht mehr einfach derjenige, der einen Auftrag erteilt und auf das Ergebnis wartet. Wir werden zum Zuhörer, zum Kritiker, zum Regisseur und gewissermaßen zum Produzenten. Wir hören uns das Ergebnis an und stellen fest: Das Intro gefällt mir /// Der Refrain ist großartig /// Aber die Stimme ist an dieser Stelle zu hektisch bzw. „Wie wäre es, wenn anstatt einer männlichen Stimme eine weibliche den Part übernimmt?“ /// Die Bridge könnte spannender sein. /// Der Bass dürfte etwas stärker hervortreten. /// Der Klang des MiniMoog-Synthesizers ist noch nicht so, wie er sein sollte … und plötzlich beginnt eine Art Dialog zwischen Mensch und Maschine.
3. Dabei ist eine Erkenntnis unserer Arbeit besonders wichtig: Man sollte nicht jedes Mal den gesamten Song neu erzeugen, nur weil einem ein Detail nicht gefällt. Wenn 90 Prozent eines Stückes bereits genau richtig sind, wäre es geradezu unsinnig, diese 90 Prozent ebenfalls wieder dem Zufall zu überlassen. Moderne KI-Musiksysteme ermöglichen es zunehmend, einzelne Abschnitte gezielt zu verändern. Wir können also sagen: Dieser Teil bleibt – aber an dieser Stelle versuchen wir etwas anderes.
4. Das funktioniert ähnlich wie bei einer echten Musikproduktion. Stellen sie sich vor, sie sind in einem Tonstudio, haben einen Song in Arbeit und sitzen vor verschiedenen Reglern eines physischen Mischpults oder einer DAW. Aber darüber hinaus ist auch „der Gesang“ – anders als im wahren Leben – regelbar. Ebenso der Bass, die Drums, die gesamte Song-Atmosphäre, das Tempo, die Dynamik und die Instrumentierung sind regelbar. Natürlich kann eine KI wie SUNO diese Regler nicht buchstäblich wie ein Toningenieur bedienen. (…nebenbei bemerkt können auch wir Menschen Gefühle wie Angst / Freude / Lernen nicht physisch regeln, aber trotzdem verfügen wir über virtuelle Schalter im Kopf und können so Furcht unterdrücken, Glück empfinden oder Wissen optimaler speichern…) Allerdings können wir der KI durch unsere Beschreibung, durch die subtile Änderung eines Prompts ziemlich genau mitteilen, welche musikalische Eigenschaft wir verändert haben möchten.
5. Und hier kommt ein zweites Prinzip ins Spiel: Je genauer wir definieren, was uns stört, desto besser können wir mit der KI arbeiten. Allerdings ist: „Mach den Song besser“ hier keine besonders hilfreiche Anweisung. „Lass den Gesang im zweiten Refrain etwas ruhiger und räumlicher wirken, ohne Melodie, Tempo und Instrumentierung zu verändern“ ist schon etwas völlig anderes. Wir geben der KI damit nicht nur eine Änderungsanweisung, sondern gleichzeitig Leitplanken: Das soll sich verändern – und das andere bitte möglichst erhalten bleiben. Und der KI einen Tipp zu geben, wie: „Hör‘ dir mal diesen Song an, da klingt eine EMS Synthesizer so, wie es auch bei dir klingen soll.“ ist ebenso hilfreich, wobei dabei natürlich Urheber- und/oder Verwertungsrechte unbedingt zu beachten sind. Im Falle der Elektroniksounds verfügt XYNTHETIX über akustische Datenbanken von Tausenden rechtefreien analogen und digitalen Synthesizer-Sounds und Hunderten ebenso rechtefreien Musikstücken aus den 1970er bis 2020er Jahren – viele aus Studio- und Livemitschnitten von unveröffentlichten Proben und verworfenen Ideen. Und SUNO AI lernt schnell und gut. Inzwischen können SUPRNOVA und XYNTHETIX Dutzende Elektroniksounds, die weltweit von allen Nutzen verwendet werden bzw. verwendet werden können, als „von uns entwickelt“ identifizieren.
6. Genau deshalb ist auch die Formulierung „Was soll bleiben?“ mindestens genauso wichtig wie die Frage „Was soll sich ändern?“. Wenn mir beispielsweise die Melodie gefällt, möchte ich sie nicht plötzlich verlieren. Wenn die Stimme perfekt passt, möchte ich nicht unbedingt eine neue Stimme. Wenn der Groove funktioniert, sollte die KI nicht gleichzeitig das gesamte rhythmische Konzept verändern. Wir lernen also, musikalische Entscheidungen immer stärker in einzelne Bestandteile zu zerlegen.
7. Und damit entsteht etwas, das ich besonders spannend finde: Der Entstehungsprozess wird iterativ. Wir erzeugen eine erste Version. Wir hören sie. Wir analysieren sie. Wir entscheiden uns für eine kleine Veränderung. Dann entsteht die nächste Version. Wieder hören wir. Wieder entscheiden wir. Vielleicht verändern wir anschließend nur noch die Bridge oder das Outro. Aus einem einzigen Prompt entsteht so eine ganze Entwicklungskette. Version 1, Version 2, Version 3, Version 4 – und jede Version enthält ein Stück menschliche Entscheidung.
8. Genau das möchte ich Ihnen jetzt anhand einiger Beispiele zeigen. Sie hören nicht einfach mehrere zufällig erzeugte SUNO-Stücke. Sie hören die Entwicklung eines musikalischen Gedankens. In der ersten Version war die Grundidee vorhanden. In der zweiten haben wir eine bestimmte musikalische Eigenschaft verändert. In der dritten wurde ein anderer Abschnitt bearbeitet. Und vielleicht hören Sie bei der letzten Version Dinge, die bereits in der ersten Version vorhanden waren – aber auch Dinge, die erst durch unsere menschlichen Eingriffe entstanden sind.
9. Deshalb würde ich das Ergebnis auch nicht einfach als „AI-generated“ bezeichnen. Denn die Maschine hat zwar einen erheblichen Teil der musikalischen Umsetzung erzeugt – aber sie hat nicht allein entschieden, welches Ergebnis am Ende bestehen bleibt. Der Mensch hat ausgewählt, verworfen, verändert, präzisiert und erneut angestoßen. Die KI liefert Möglichkeiten. Der Mensch entscheidet, welche Möglichkeit weiterverfolgt wird. Und genau deshalb gefällt mir die Bezeichnung: „Generated by AI and Human Support.“
10. Vielleicht ist das sogar ein ganz gutes Bild für die zukünftige Zusammenarbeit zwischen Mensch und künstlicher Intelligenz. Es geht nicht unbedingt darum, dass die Maschine den Menschen ersetzt. Und es geht auch nicht darum, dass der Mensch der Maschine einfach Befehle erteilt. Interessanter wird es dort, wo beide Seiten unterschiedliche Dinge beitragen: Die KI kann in kürzester Zeit Varianten erzeugen, auf die wir vielleicht selbst nicht gekommen wären. Der Mensch besitzt dagegen die Fähigkeit, diese Ergebnisse zu hören, zu bewerten, eine Vorstellung zu entwickeln und zu sagen: „Das ist interessant – aber noch nicht ganz das, was ich meine. Versuch es noch einmal. Und diesmal ändern wir nur diesen einen Schalter.“ Und genau dort beginnt die eigentliche kreative Zusammenarbeit zwischen Mensch und Maschine.
Rainer W. Sauer (AI&R-Manager bei SUPRNOVA), Jena im Herbst 2026