Wenn KI kaputt klingt: Warum ihre Fehler plötzlich Musik werden

Du gibst einer Maschine einen Klang. Vielleicht ein Geräusch, eine Stimme, einen Beat oder ein Instrument. Du erwartest, dass sie daraus etwas Neues macht. Und dann macht sie etwas, das eigentlich nicht passieren sollte. Der Klang wird deformiert. Ein Detail taucht auf, das vorher nicht da war. Die Maschine scheint etwas zu „erkennen“, das gar nicht existiert. Das Ergebnis ist nicht sauber, nicht realistisch und manchmal nicht einmal besonders sinnvoll. Aber es klingt interessant.

Genau an diesem Punkt beginnt eine ziemlich spannende Entwicklung in der Musik-KI: Was wäre, wenn wir nicht länger versuchen, die Fehler der künstlichen Intelligenz zu beseitigen – sondern sie als musikalisches Material benutzen?

Ein Sampler, der nicht einfach sampelt

Ein aktuelles Beispiel dafür ist Engram, ein experimentelles Hardware-Instrument des Entwicklers Thoughtful Things. The Verge hat das Gerät kürzlich vorgestellt.

Engram sieht auf den ersten Blick aus wie eine weitere Groovebox oder ein Sampler. Sein eigentliches Konzept liegt aber woanders: Das Gerät nutzt kleine generative Audiomodelle direkt auf der Hardware, um aus vorhandenem Audiomaterial neue Klänge zu erzeugen. Das Entscheidende dabei ist nicht, dass die Maschine möglichst originalgetreu arbeitet. Im Gegenteil.

Engram soll gerade das produzieren, was bei vielen anderen KI-Anwendungen als Problem gilt: unerwartete Ergebnisse. Die KI hört beispielsweise einen Klang und erzeugt daraus etwas, das nur noch lose mit der ursprünglichen Quelle verbunden ist. Aus einer Stimme kann etwas entstehen, das wie eine Stimme klingt, aber keine menschliche Sprache mehr ist. Aus einem Instrument wird eine Art akustische Erinnerung an dieses Instrument. Es ist weniger „KI komponiert einen Song“ als: KI interpretiert einen Klang – und liegt dabei auf interessante Weise daneben.

Die Halluzination wird zum Feature

In der klassischen KI-Welt ist eine Halluzination ein Fehler.

Ein Sprachmodell erfindet eine Quelle. Ein Bildmodell fügt einem Objekt plötzlich zusätzliche Finger hinzu. Ein Audiomodell erzeugt einen Klang, der physikalisch oder musikalisch keinen Sinn ergibt. Normalerweise versucht man, solche Fehler zu reduzieren. In der Musik ist das Verhältnis zum Fehler allerdings komplizierter. Denn Musikgeschichte ist voller Situationen, in denen aus technischen Einschränkungen und Fehlern plötzlich eine Ästhetik entstanden ist.

Das Knistern einer Schallplatte wurde vom Störgeräusch zum Bestandteil des Sounds. Bands und Produzenten haben Tonbänder manipuliert, Samples rückwärts abgespielt, Geräte übersteuert und Verstärker bewusst an ihre Grenzen gebracht. Im Bereich der elektronischen Musik wurden defekte oder zweckentfremdete Geräte zu Instrumenten. Beim Circuit Bending besteht ein Teil des Reizes gerade darin, dass sich ein elektronisches Gerät plötzlich anders verhält, als es der Hersteller vorgesehen hat.

Der Fehler ist dann kein Fehler mehr. Er ist Material.

Vom Zufall zum Instrument

Das Interessante an KI ist, dass sie diese Idee auf eine neue Ebene bringt. Ein Synthesizer reagiert auf seine Parameter. Ein Sampler spielt eine Aufnahme ab. Ein Effektgerät verändert ein Signal nach bestimmten Regeln.

Ein generatives Modell dagegen kann eine wesentlich schwerer vorhersehbare Beziehung zwischen Eingabe und Ergebnis erzeugen. Du gibst ihm einen Klang – aber du weißt nicht unbedingt genau, was es darin „erkennt“. Und genau daraus kann eine neue Form des Instrumentalspiels entstehen.

Der Musiker arbeitet dann nicht mehr ausschließlich mit vorhersehbaren Parametern. Er arbeitet mit Wahrscheinlichkeiten, Interpretationen und Überraschungen. Das verändert auch die Rolle des Musikers. Man muss nicht mehr unbedingt wissen, wie man einen bestimmten Klang exakt erzeugt. Man muss vielmehr lernen, interessante Ergebnisse zu erkennen und darauf zu reagieren. Das ist gar nicht so weit von Improvisation entfernt.

Vielleicht ist das die interessantere Seite von KI-Musik

Die öffentliche Diskussion über KI und Musik konzentriert sich derzeit häufig auf eine andere Frage: Kann eine Maschine einen Song erzeugen, der wie ein menschlicher Song klingt?

Das ist zweifellos technisch interessant. Aber musikalisch führt diese Frage schnell in eine Sackgasse. Denn wenn das Ziel ausschließlich darin besteht, möglichst überzeugend Popmusik zu imitieren, wird die Maschine letztlich an einer menschlichen Referenz gemessen.

Interessanter wird es dort, wo die KI nicht versucht, menschliche Musik möglichst perfekt nachzuahmen. Engram steht für genau diese Idee. Die Maschine muss nicht wissen, wie ein guter Song funktioniert. Sie muss nicht den perfekten Beat bauen. Sie muss auch nicht den nächsten Hit schreiben. Vielleicht reicht es, wenn sie einen Klang produziert, auf den ein Mensch allein nicht gekommen wäre.

Der Reiz des Unvorhersehbaren

Ein klassischer Synthesizer gibt enorme Kontrolle. Frequenz, Hüllkurve, Filter, Resonanz, Modulation – alles lässt sich einstellen. Aber Kontrolle ist nicht automatisch Kreativität. Manchmal entsteht etwas Interessantes gerade dann, wenn ein System nicht exakt das tut, was man erwartet. Das kennt jeder Musiker, der schon einmal einen Synthesizer zufällig moduliert, ein Sample falsch geschnitten oder einen Effekt zu stark aufgedreht hat.

Die KI könnte nun eine Art automatisierten Zufallsgenerator mit Gedächtnis darstellen. Sie produziert nicht einfach Rauschen. Sie reagiert auf vorhandenes Material. Sie versucht, darin Muster zu erkennen – und erzeugt daraus etwas Neues. Der Unterschied zwischen „falsch“ und „interessant“ wird damit plötzlich zu einer musikalischen Entscheidung.

Die Maschine muss nicht kreativ sein

Vielleicht liegt darin auch ein wichtiger Perspektivwechsel. Man muss gar nicht entscheiden, ob eine KI „wirklich kreativ“ ist. Diese Frage führt schnell in philosophische Sackgassen. Ein Gitarrist muss nicht darüber diskutieren, ob sein Distortion-Pedal kreativ ist. Ein Sampler muss keine eigene künstlerische Absicht besitzen. Auch ein Zufallsgenerator hat keine musikalische Meinung. Trotzdem können all diese Dinge Teil eines kreativen Prozesses sein.

Warum sollte das bei einem generativen Audiomodell anders sein? Vielleicht ist die KI deshalb weniger ein Ersatz für den Musiker als eine neue Art von unberechenbarem Instrument.

Und plötzlich werden die Fehler interessant

Das Spannende an Engram ist deshalb nicht unbedingt die Hardware selbst. Es ist die Idee dahinter. Während ein großer Teil der KI-Industrie versucht, Modelle zuverlässiger, genauer und realistischer zu machen, könnte die Musik einen anderen Weg einschlagen.

Vielleicht wollen Musiker gar nicht immer eine Maschine, die alles richtig macht. Vielleicht wollen sie eine Maschine, die auf eine interessante Weise falsch liegt. Das wäre keine besonders gute Eigenschaft für einen Taschenrechner. Für ein Musikinstrument könnte es eine ziemlich gute sein. Denn am Ende geht es in der Musik nicht darum, ob ein Klang die richtige Antwort ist. Es geht darum, ob er eine neue Frage aufwirft.

(Quelle: The Verge)

Engram auf einen Blick

Was ist Engram?
Ein experimenteller Hardware-Sampler und Groovebox von Thoughtful Things, der lokale KI-Modelle nutzt, um eingespeiste Klänge zu verändern und daraus neue, ungewöhnliche Sounds zu erzeugen.

Das Besondere:
Engram versucht nicht, möglichst realistische Instrumente oder fertige Songs zu produzieren. Stattdessen nutzt das Gerät die unvorhersehbaren Ergebnisse generativer Audiomodelle – inklusive sogenannter „Halluzinationen“ – als kreatives Ausgangsmaterial.

KI läuft lokal
Das verwendete Audiomodell läuft direkt auf dem Gerät. Engram benötigt dafür keine Internetverbindung und keine Cloud.

Für wen?
Vor allem für Musiker:innen, Sounddesigner:innen und Produzent:innen, die experimentelle Texturen, Glitches und ungewöhnliche Klangquellen suchen.

Open Firmware
Thoughtful Things plant, die Firmware zu öffnen. Dadurch sollen Nutzer:innen das System verändern und perspektivisch auch eigene Modelle verwenden können.

Preis:
Ab 675 US-Dollar über die aktuelle Kickstarter-Kampagne. Der Hersteller bezeichnet diesen Betrag als vergünstigten Einführungspreis; ein späterer regulärer Verkaufspreis ist noch nicht offiziell festgelegt.