Der Song hat gerade funktioniert. Die Stimme blieb hängen, der Refrain auch. Dann steht unter dem Künstlernamen ein Hinweis: vollständig KI-generiert. An der Aufnahme hat sich nichts verändert. Trotzdem kann sich eine neue Frage zwischen Musik und Hörer schieben: Wer wollte mir hier eigentlich etwas erzählen?
Herkunft kann ein Teil des Musikerlebnisses sein. Wie stark sie zählt, hängt aber davon ab, was wir gerade bewerten. Ob ein Stück gefällt, ob beim Hören eine Geschichte entsteht und ob wir den vermeintlichen Künstler unterstützen möchten, sind verschiedene Fragen. Neue Experimente zeigen genau diese Unterschiede. Sie ergeben ein interessanteres Bild als die Behauptung, KI-Musik sei entweder ununterscheidbar und deshalb gleichwertig oder automatisch gefühllos.
Ein neuer Schalter, eine alte Kulturfrage
Am 13. Oktober 2026 hat Deezer einen Filter für vollständig KI-generierte Musik angekündigt. Er soll entsprechende Titel, Alben und zugehörige Künstler aus Suchergebnissen ausblenden können. Auch der Unternehmensbericht vom 27. Oktober nennt die Einführung weiterhin als Vorhaben bis Jahresende. Zum Recherchestand dieses Beitrags, dem 1. November, ist das eine angekündigte Funktion, kein hier nachgewiesener bereits allgemein verfügbarer Schalter.
Die Dimension lässt sich leicht falsch lesen. Deezer spricht von fast 90.000 vollständig KI-generierten neu angelieferten Titeln täglich und an Spitzentagen von mehr als der Hälfte der täglichen Anlieferungen. Auf solche Musik entfielen nach Unternehmensangaben jedoch nur ein bis drei Prozent der Streams. Anlieferungen und tatsächliches Hören haben unterschiedliche Nenner. Eine halbe Eingangslieferung ist keine halbe Hörgewohnheit. Die Zahlen stammen zudem vom Anbieter, dessen Erkennungssystem wir hier nicht unabhängig prüfen konnten.
Für Hörer berührt der Schalter mehr als eine Geschmacksfrage. Wollen sie einen bestimmten Klang? Wollen sie eine Person entdecken? Oder möchten sie mit ihrer Aufmerksamkeit eine bestimmte Form musikalischer Arbeit unterstützen? Alle drei Ziele können zu derselben Playlist führen. Sie müssen es aber nicht.
Streaming hat diese Ebenen ohnehin enger verbunden. Ein empfohlenes Stück ist zugleich Musik und ein Platz in einer Verteilung von Aufmerksamkeit. Wie stark Plattformen diese Verteilung prägen, erklärt unser Beitrag über Empfehlungsbias bei Musikstreaming. Ein Herkunftsfilter gibt dieser Auswahl nun eine zusätzliche, ausdrücklich benannte Dimension.
Der saubere Versuch: den Klang lassen, den Absender wechseln
Wenn Menschen eine KI-Komposition schlechter bewerten als ein menschliches Werk, ist die Erklärung zunächst offen. Vielleicht waren die Stücke unterschiedlich gut. Vielleicht passte das Genre unterschiedlich. Vielleicht störte die Herkunft. Um das zu trennen, muss man möglichst denselben Klang unter verschiedenen Zuschreibungen vergleichen.
Genau hier setzt die 2026 veröffentlichte Untersuchung von Sarah H. Wu und Kevin J. Holmes an. Im entscheidenden Experiment hörten 300 ausgewertete Teilnehmende acht kurze Klavierstücke: vier menschliche Kompositionen und vier mit AIVA erzeugte Gegenstücke. Die Angaben „Mensch“ oder „KI“ wurden unabhängig von der tatsächlichen Herkunft variiert. Ein bestimmtes Stück konnte also bei verschiedenen Personen mit anderem Etikett auftreten.
Unter dem Mensch-Etikett berichteten die Hörenden im Mittel etwas mehr narrative Beteiligung: beispielsweise, dass sie sich eine lebhafte Geschichte vorgestellt hatten. Der Unterschied war statistisch nachweisbar, aber klein. Die Grafik zeigt die Größenordnung, die das Wort „signifikant“ allein verschweigt.
Ein kleiner Unterschied auf der ganzen Skala
Narrative Beteiligung im zweiten Experiment von Wu und Holmes: Mittelwerte nach zugeschriebener Herkunft.
Gleiche Clips, unterschiedliche Herkunftsangabe
300 ausgewertete Personen, acht kurze Klavierclips. Antworten von 1 bis 6; die Balken beginnen zur Größenordnung bei 0.
Skala: 0 bis 6 Punkte. Balken öffnen: Einordnung lesen.
Etikett Mensch · 3,42 Punkte
Die Zuschreibung wurde unabhängig von der tatsächlichen Urheberschaft variiert.
Etikett KI · 3,23 Punkte
Auch unter diesem Etikett war narrative Beteiligung möglich; ein Mittelwert beschreibt nicht jede Person.
Differenz: 0,19 Punkte. Deskriptive Mittelwerte, keine individuellen Vorhersagen; keine Unsicherheitsintervalle dargestellt. Gemessen wurden vorgestellte Geschichten, nicht Gefühle insgesamt.
Wu und Holmes: Originalstudie, Ergebnisse von Studie 2
Werte als Tabelle lesen
| Gruppe | Punkte |
|---|---|
| Etikett Mensch | 3,42 Punkte |
| Etikett KI | 3,23 Punkte |
Das ist kein Test, ob eine Maschine fühlen kann. Es ist ein Test, ob eine Information über die vermutete Urheberschaft unsere eigene gedankliche Beteiligung verändert. Ebenso wenig bedeutet ein niedrigerer Mittelwert, niemand habe bei einem KI-etikettierten Stück etwas empfunden. Untersucht wurden kurze Klavierclips und Selbstauskünfte zu vorgestellten Geschichten, keine lebenslange Bindung an einen Lieblingssong.
Ein denkbarer Zugang ist die Vorstellung eines Gegenübers. Wenn ich einen Song als Ausdruck einer Person höre, suche ich vielleicht nach einer Absicht, einem Erlebnis oder einem Konflikt. Wird derselbe Klang als maschinelles Ergebnis angekündigt, suche ich womöglich weniger intensiv danach. Das ist eine Erklärungsmöglichkeit, kein bewiesener alleiniger Mechanismus. Auch Erwartungen an Aufwand, Qualität oder die Verlässlichkeit der Angaben können mitwirken.
Quer durch das Archiv
Zufällig entdeckt
Drei Beiträge aus dem ganzen Magazin. Wohin führt deine Neugier?
Politik
Rüstungskontrolle: Warum Atomwaffensperrvertrag, IAEA-Inspektionen und asymmetrische Bedrohungen das System unter Druck setzen
Gesellschaft
Warum manche Ausländergruppen in der Kriminalstatistik überrepräsentiert sind
Umweltwissenschaft
Kreislaufwirtschaft: Warum Recycling allein keine Ressourcenwende ersetzt
Neue Auswahl alle 12 Sekunden.
Der Gegenbefund gehört mitten in die Geschichte
Die Forschung liefert keine Regel, nach der das Wort KI jedes Musikerlebnis zuverlässig beschädigt. Das zeigt schon eine frühere Versuchsserie von Daniel B. Shank und seinem Team, erschienen 2023. In einem Experiment mit elektronischer Musik veränderte die zufällig zugewiesene Komponistenidentität das Gefallen nicht. In einem weiteren Versuch mit klassischer, stärker menschlich wirkender Musik trat dagegen eine Abwertung bei KI-Zuschreibung auf.
Das ist mehr als eine Fußnote. Es verhindert, aus einzelnen Versuchen eine feste Eigenschaft des Publikums zu machen. Allerdings beweist der Vergleich auch nicht, dass allein das Genre die Unterschiede verursacht: Die Experimente unterscheiden sich in mehreren Punkten. Er zeigt zunächst, dass der Effekt unter bestimmten Bedingungen auftritt und unter anderen ausbleibt.
Für die Einordnung müssen wir deshalb genauer fragen als „Mögen Menschen KI-Musik?“. Welche Musik? Mit welcher Beschreibung? Vor oder nach dem Anhören? Und meint „mögen“ eine angenehme Minute, eine bedeutungsvolle Erfahrung oder eine Entscheidung für einen Künstler?
Auch das Hören selbst hat unterschiedliche Zwecke. Eine Konzentrationsplaylist kann genau deshalb passen, weil sie wenig persönliche Ansprache verlangt. Bei einem Lied, mit dem jemand eine Trennung verbindet, kann die zugeschriebene Biografie dagegen Teil der Bedeutung werden. Diese Gegenüberstellung ist ein gedankliches Beispiel, keine Rangliste wertvollerer Hörweisen. Unser Beitrag über Playlists als Werkzeug der Selbststeuerung beschreibt, wie vielfältig solche Alltagserwartungen sind.
Ein Lied kann besser sein als sein Ruf
Besonders aufschlussreich ist eine 2026 veröffentlichte Arbeit von Andrew B. Edelblum und Joshua Poe. In ihren Experimenten bewerteten Teilnehmende Musik zunächst nach der angekündigten Herkunft und anschließend nach dem tatsächlichen Anhören. In einem Versuch hörten alle denselben KI-erzeugten R&B-Ausschnitt; unterschiedlich war die Beschreibung des Entstehungsprozesses.
Vorher war die Erwartung unter dem KI-Etikett niedriger. Nach dem Hören wurde der Unterschied deutlich kleiner und war in diesem Vergleich nicht mehr statistisch nachweisbar. Das ist kein formaler Beweis exakter Gleichheit, wohl aber ein guter Grund, erwartete und erlebte Qualität zu trennen.
In weiteren Versuchen blieb trotz angenäherter Qualitätsbewertungen ein Nachteil bei der angegebenen Bereitschaft, erneut zuzuhören, mehr vom Künstler zu erkunden oder das Stück weiterzuempfehlen. Wichtig: Hier wurden Absichten abgefragt. Die Studie beobachtete keine langfristigen Streamingverläufe und zählte keine tatsächlich versandten Empfehlungen.
Damit wird ein scheinbarer Widerspruch verständlich. „Das gefällt mir“ und „Dafür möchte ich stehen“ sind keine identischen Urteile. Jemand kann einen Refrain genießen und trotzdem lieber eine menschliche Band weiterempfehlen. Ebenso kann jemand ohne Interesse an einer Künstlerbiografie den nächsten guten Titel hören wollen. Die Forschung beschreibt Bewertungsunterschiede; sie entscheidet nicht stellvertretend, welches dieser Ziele ein Hörer haben soll.
Was ändert sich, wenn Geld auf dem Spiel steht?
Bei Absichtserklärungen bleibt offen, ob sie eine reale Entscheidung überstehen. Ein CESifo-Arbeitspapier von Jana Friedrichsen, Julia Schwarz und Michel Clement erweitert deshalb die Perspektive. Es umfasst drei Studien mit deutschsprachigen Teilnehmenden. Die dritte untersuchte 1.248 regelmäßige Hörer von Pop und elektronischer Tanzmusik und kombinierte tatsächliche Herkunft mit deren Offenlegung.
Die Zahlungsbereitschaft für eine digitale Kopie wurde dabei mit einer finanziell wirksamen Entscheidung erhoben: Ein zufällig gezogener Preis konnte zum Kauf führen und wurde dann von einem bereitgestellten Betrag abgezogen. Das ist aussagekräftiger als eine folgenlose Geldangabe. Die ebenfalls erhobenen Angaben zu Konzertkarten und Streamingabos waren dagegen hypothetisch.
Ohne Herkunftswissen schnitt die KI-Musik beim Gefallen keineswegs schlechter ab; die Offenlegung senkte die Zahlungsbereitschaft, vor allem bei den Pop-Hörern. Die Arbeit ist ein Working Paper, keine hier als abgeschlossen begutachtete Zeitschriftenpublikation. Auch ein einzelner experimenteller Downloadkauf bildet noch keinen gesamten Musikmarkt ab.
Trotzdem ist die zusätzliche Ebene wichtig. Wenn Hören, Herkunft und Bezahlen unterschiedliche Ergebnisse liefern, kann keine einzelne Kennzahl die kulturelle Frage ersetzen. Gute Klangqualität sagt noch nicht, wem Menschen ihr Geld geben wollen. Eine geringere Zahlungsbereitschaft sagt umgekehrt nicht, dass die Aufnahme akustisch nichts taugt.
Das Etikett kann zugleich zu grob sein
„KI-Musik“ klingt wie eine eindeutige Kategorie. In der Praxis lohnt sich die Nachfrage, welcher Teil eines Werks überhaupt gemeint ist: Komposition, Text, Gesangsstimme, Bearbeitung oder Produktion. Wer nur ein Wort sieht, kann sehr unterschiedliche Entstehungsprozesse darunter zusammenfassen.
Ein konkretes Gegenbeispiel zur Vorstellung, KI schließe menschliche künstlerische Arbeit aus, ist Holly Herndons eigene Beschreibung von Holly+. Das Projekt verwendet ein mit ihrer Stimme trainiertes Modell. Ein hochgeladenes Audiosignal behält Tonhöhen und Rhythmen, erhält aber erlernte Stimmmerkmale. Herndon beschreibt außerdem Fragen der Zustimmung und der gemeinschaftlichen Entscheidung über offizielle Nutzungen ihrer digitalen Stimme. Das ist eine Projektbeschreibung der Beteiligten, kein unabhängiger Wirksamkeitsnachweis und keine Auskunft über den heutigen Funktionsumfang des Dienstes.
Für unsere Frage zeigt dieses Beispiel vor allem: Die menschliche Entscheidung kann sich verschieben. Sie verschwindet nicht zwangsläufig, sobald ein Modell beteiligt ist. Deshalb lässt sich ein Versuch mit der knappen Information „vollständig von KI erzeugt“ nicht ohne Weiteres auf jedes Werkzeug im Studio übertragen. Deezers angekündigter Filter bezieht sich ausdrücklich auf vollständig generierte Musik, nicht auf jede Form technischer Unterstützung.
Eine genaue Herkunftsangabe müsste verständlich machen, was Menschen entschieden haben, was ein Modell erzeugt hat und wessen Stimme verwendet wurde. Das wäre hilfreicher als ein Etikett, das im Kopf aller Betrachter dieselbe eindeutige Produktionsgeschichte voraussetzt. Es ist eine redaktionelle Folgerung aus den unterschiedlichen Fragestellungen, kein Ergebnis eines hier getesteten optimalen Kennzeichnungssystems.
Die bessere Frage nach dem Hören
Wenn dich ein KI-Hinweis bei einem Song irritiert, musst du den ersten Eindruck nicht nachträglich für ungültig erklären. Die Musik kann dir gefallen haben. Zugleich darf die Herkunft für das wichtig sein, was du anschließend mit ihr anfangen möchtest.
Hilfreich ist, die eigene Frage präziser zu stellen: Hat sich mein Urteil über den Klang verändert? Vermisse ich ein menschliches Gegenüber? Oder möchte ich andere Arbeitsweisen unterstützen? Damit lassen sich Geschmacksurteil, Bedeutung und Entscheidung auseinanderhalten, ohne eines davon lächerlich zu machen.
Die Studien machen aus dieser Unterscheidung keine endgültige Antwort auf den Wert von Kunst. Sie zeigen, warum ein neuer Hinweis auf dem Display mehr verändern kann als die technische Information über eine Datei. Wir hören eine Aufnahme. Manchmal hören wir auch die Person mit, die wir dahinter vermuten.
Schreibe einen Kommentar