Menschen schlagen Maschinen bei der Musikauswahl

Ein Mann hört mit einem Ipad Musik. Foto: Daniel Bockwoldt
Ein Mann hört mit einem Ipad Musik. Foto: Daniel Bockwoldt

Künstliche Intelligenz ist eines der großen Schlagworte unserer Zeit. Doch die Automatisierung intelligenten Verhaltens steckt noch immer in den Kinderschuhen. Das zeigt sich auch deutlich beim musikalischen Verständnis. Hier fehlt der Maschine die Kreativität. Musikstreaming-Dienste können beim Zusammenstellen von Songs für Playlisten auf menschliche Expertise, auf maschinelle Algorithmen oder auf eine Mischung aus beidem setzen. Allerdings bringen es Algorithmen allenfalls auf gefällige Songabfolgen.

Zu wahrer Kreativität sind sie nicht imstande. Das berichtet die Zeitschrift «Technology Review» (Ausgabe 1/16). Menschengemachte Tracklisten könnten den Hörer dagegen immer wieder in überraschende neue Richtungen führen oder geradezu absurde Verbindungen sogar zwischen Songs ganz unterschiedlicher Genres identifizieren. Algorithmen hätten sich in den letzten Jahren zwar stark verbessert, aber ihnen fehle immer noch das Verständnis für die emotionale Resonanz und den kulturellen Kontext von Songs, so die Experten. Selbst wenn Musikstücke mit Hunderten Eigenschaften markiert worden sind, vom Genre über die Instrumentierung bis hin zur Tonart, bleibe die Songauswahl der Maschine immer ziemlich vorhersehbar: Wer etwa mit den Beatles anfange, werde vermutlich nie ein stilistisch deutlich anderes Stück aus der gleiche Zeit hören oder auch ein Hip-Hop-Sample eines Beatles-Songs.

Ein weiterer Ansatz der Streaming-Dienste für nuanciertere Playlists ist es, Algorithmen mit den eigenen Hörgewohnheiten, den Daten anderer Hörer und Meinungen zu neuen Songs aus Blogs oder sozialen Netzwerken anzureichern. Dahinter steckt der Ansatz, dass ein Song, der einem Hörer mit ähnlichem Musikgeschmack gefällt, mit einer relativ großen Wahrscheinlichkeit auch einem selbst zusagt. Das Konzept sei nützlich, aber nicht überwältigend, so das Fazit der Experten. Denn am Ende unterschieden sich die Vorschläge nicht groß von dem, was man ohnehin schon höre.

Zudem gebe es eine prinzipielle Beschränkung von Algorithmen: Neue Songs könnten sie erst dann vorschlagen, wenn es Daten darüber gibt, wie die Stücke bei anderen Hörern überhaupt ankommen.

dpa