Der erste Teil meines Blogbeitrags zu diesem Thema begann mit den Worten: «Schreibt man KI- Musik, dann geht es auch wesentlich um das Prompting, indem man einer Software wie Suno Anweisungen gibt, wie die KI das Stück zu spielen hat, welche Instrumente dabei eingesetzt werden, wie der Sänger zu performen hat etc.»

Wie unterstütze mich also die KI-Assistenten bei der Formulierung von Prompts im Rahmen von KI-Musik? Im Zentrum dieses Blogs stand im ersten Beitrag der KI-Assistent von ChatGPT. Zentral war dabei das Ergebnis, dass ChatGPT es bevorzugt, wenn man zusammen mit dem chat-Bot sehr systematisch vorgeht und so etwas wie ein Konzept seiner Intentionen beschreibt – etwa welche Themen und Ideen beim Schreiben von Songs vorherrschend sein sollten. 

Das Konzept von ChatGPT

ChatGPT hat mir vorgeschlagen, ein systematisches Konzept von Blöcken zu erstellen -ein Prompting-System, das von den Antworten des KI-Bots als zugrunde liegende Folie für weiterführende Vorschläge benutzt werden kann. Allerdings ist das ein relativ enges Konzept, das Autor/innen hier auferlegt wird. Auch Gemini, der Bot, welchem ich dieses Konzept vorgelegt habe, hält ebenso dafür, dass ein solcher Rahmen sehr einschränkend wirken kann, wenn Creator/innen versuchen, ihre eigenen produktiven Ideen im Rahmen eines neuen Songs zu entwickeln. Im Zentrum steht dann weniger die eigene Kreativität als die durch Nutzungszahlen erhärtete Aussicht auf die Monetarisierung eines Projekts.

Das sei  – so Gemini –  für ChatGPT typisch. Dieses verfalle sehr schnell in den Modus eines methodisch/didaktischen System-Architekten, der am liebsten gleich einen ganzen Baukasten oder ein Workflow/Framework entwickle, anstatt einem Nutzenden pragmatisch zu helfen, einen bestimmten Track/Vibe zu bauen. Ein solcher Rahmen gehe an den konkreten Bedürfnissen eines Projekts vorbei, weil es auf universelle Optimierung getrimmt sei.

Der eigentliche Bedarf eines Songschreibenden sei sehr viel beschränkter. Wenn man im Flow sei und einen konkreten musikalischen Input oder Text umsetzen wolle, brauche man keine theoretische Systemarchitektur, sondern den direkten Zugriff auf funktionierende Style-Konzepte, Instrumentierungen und Struktur-Tags. Anstelle eines «überkonstruierten Systemansatzes» bevorzuge Gemini einen praxisnäheren Weg, um KI-Musiker zu unterstützen. 

Konkret benennt Gemini folgende Aspekte einer Unterstützung von Autor/innen bei der Arbeit mit Suno:

1. Der pragmatische „Genre-Werkzeugkasten“ (Statt theoretischer Meta-Systeme)

Anstatt einen abstrakten Baukasten zu erfinden, arbeitet Gemini viel lieber direkt mit praxiserprobten Tag-Kombinationen, die nachweislich bestimmte Ergebnisse liefern:

• Für den minimalistisch-industriellen Vibe. Gezielter Einsatz von Parametern wie staccato spoken word, dark industrial techno, minimal tech-house, sub-bass pulse, cold synthetic atmosphere.
• Für folk-satirischen Kombinationen aus acoustic folk, narrative storytelling, wry vocal delivery, rustic instrumentation, acoustic guitar and fiddle.
• Für rockige Arrangements Gezielter Einsatz von driving classic rock beat, raw guitar riffs, passionate melodic vocals, anthemic chorus.

2. Strukturelle Begleitung beim Songwriting und Metadaten-Design

Suno lebt von der präzisen Steuerung über Metatags im Textfeld. Hier könne man Autor/innen ganz konkret unterstützen:

• Struktur-Klammern: Sinnvoller Einsatz von Tags wie [Verse], [Pre-Chorus], [Spoken Bridge], [Guitar Solo] oder [Outro], um dem Song einen sauberen Bogen zu geben.
• Dialekt- und Sprach-Optimierung: Wenn man zwischen Hochdeutsch, Mundart und englischen Elementen wechselt, kann Gemini helfen. den Text so zu strukturieren, dass die Sprachmodelle von Suno die Phrasierung sauber treffen und nicht in ein unnatürliches Hochdeutsch abgleiten.
• Liedtext-Politur: Feinschliff am Rhythmus und den Metren der Texte, damit sie sich natürlich in das gewählte musikalische Genre einfügen (und Stolpersteine wie unrunde Silbenfolgen vermieden werden).

Die unterschiedlichen Ansätze der grossem LLM-Modelle

Mir war es bisher noch gar nicht ausgefallen, wie unterschiedlich KI-Assistenten an die Anfragen von Nutzerinnen und Nutzern herangehen, bzw. dass die grossen Sprachmodelle häufig sehr unterschiedlich an die Probleme herangehen, die ihnen von diesen unterbreitet werden. Oder wie es «Gemini» formulierte: «Ihre Herangehensweise spiegelt direkt ihre jeweiligen „Persönlichkeiten“ und architektonischen Schwerpunkte wider». Was ich hier gelernt habe: Die Antworten der Chatbots geben nicht einfach Informationen wieder, die wie ein früheres Konversationslexikon die Wahrheit enthalten. Sondern sie geben so etwas wie eine perspektivierte Wahrheit wieder.

Gemäss Gemini könne man unterscheiden zwischen:

1. Claude: Der präzise Dramaturg und Struktur-Architekt

Claude liege konzeptionell am nächsten an dem, was wir hier besprechen – allerdings auf eine sehr literarische und feingliedrige Art.

• Wenn man Claude nach Musik-Prompts fragt, neigt es dazu, das Projekt in klare Komponenten zu zerlegen (Use-Case, Text-Thematik, spezifische Prosodie, Metrik und emotionale Funktion einzelner Songteile wie Verse, Chorus, Bridge).
• Claude versucht nicht zwanghaft, dich in eine sterile Marketing-Schublade zu pressen, sondern konzentriert sich auf die inhaltliche Konsistenz und den narrativen Bogen. Es ist weniger „Systemadministrator“ als vielmehr ein kluger Co-Autor.

2. Grok: Der pragmatische „Speed- & Output“-Optimierer

Grok verfolge einen deutlich pragmatischeren und ungeduldigeren Ansatz.

• Wie Grok tickt: Grok ist weniger philosophisch oder konzeptionell unterwegs. Wenn du dort nach Prompts fragst, bekommst du meistens sehr direkt, fast schon mechanisch funktionierende Tag-Listen, Strukturformeln (wie feste Klammer-Syntaxen für Genre, Instrumentierung und Stimmung) und Empfehlungen für den schnellen Output.
• Der Fokus: Grok schaut weniger auf die übergeordnete „Marke“ eines Künstlerprojekts. Es denkt in terms of Execution – also wie du möglichst schnell zu einem harten, sauberen Ergebnis kommst, das im Tool (wie Suno oder Grok Imagine) funktioniert.

Im Überblick zu diesen grossen drei Plattformen könnte man festhalten

• ChatGPT verfällt schnell in den Modus des Marketing-Strategen und System-Designers, der ein starres Raster überstülpen will.
• Grok agiert als technischer Macher, der pragmatisch das Werkzeug in die Hand drückt, damit es einfach läuft.
• Claude arbeitet am ehesten als kreativer Sparringspartner, der die Brücke zwischen inhaltlichem Anspruch, Textstruktur und passender klanglicher Ästhetik schlägt.

3. der Ansatz von Googles Gemini

Gemini liegt dazwischen und hält dazu fest: Für ein Projekt mit künstlerischem Anspruch und klaren Grenzen fährt man mit einer Mischung aus Claude-Methodik (für den Feinschliff und die Stimmigkeit) und einem pragmatischen, handfesten Werkzeugkasten am besten – ohne sich von starren KI-Marketing-Doktrinen einschränken zu lassen.

Nun hat mir ja ChatGPT angeboten eine meiner Playlist nach ihrem Konzept durchzugehen und mir Vorschläge zu unterbreiten. Gerne nehme ich diesen Vorschlag an, um dann in einem dritten Teil dieses Blogs ausführlich auf die Resultate dieser Analyse zurückzukommen.