A+

Vorlesen des Hauptinhalts starten oder pausieren. Escape beendet das Vorlesen.

Tipp: Drücken Sie die Escape-Taste, um alle Anzeigeeinstellungen zurückzusetzen.

Digitale Medienbildung

NEU

Hat die KI in der Schule bald das Sagen

Schlagwort: Künstliche Intelligenz

  • NEU

    Hat die KI in der Schule bald das Sagen

    Bitkom ist der Branchenverband der deutschen Informations- und Telekommunikationsbranche. Mit Datum vom 27.10.2026 hat Bitkom zu einer Befragung folgende Pressemitteilung veröffentlicht:

    „Eine schlechte Note im Test oder für den Aufsatz – womöglich vergeben von KI statt vom Lehrer? Jede fünfte Lehrkraft? Nutzt KI zur Kontrolle von Aufgaben und Prüfungen. 7% der Lehrerinnen und Lehrer haben KI nach eigenen Angaben für die Benotung genutzt, ohne das Ergebnis zu überprüfen. Insgesamt nutzen 58% der Lehrkräfte künstliche Intelligenz für schulische Zwecke. Das sind Ergebnisse einer repräsentativen Befragung unter 501 Lehrerinnen und Lehrern der Sekundarstufen 1 und 2 in Deutschland im Auftrag des Digitalverbands Bitkom.“

    Diese Zahlen deuten darauf hin, worauf eine unüberlegt eingesetzte KI-Strategie in den Schulen hinausläuft. Es beginnt ganz unauffällig. Eine Lehrkraft verfasst ein Aufgabenblatt für einige Schüler und Schülerinnen. Die Lösungen lässt er dann von einer KI-Assistenz bewerten. Er freut sich dass er durch die KI eine Hilfe für seine ungeliebte Routinearbeit erhält, die ihn entlastet. Und die KI macht das wahrscheinlich wirklich gut. Darauf denkt der Lehrer, dass er so ähnliche Aufgaben gleich der KI übergeben kann, die diese dann selbst entwickelt und selbstständig mit den entsprechenden Schülerinnen und Schülern auswertet. Und so geht es weiter. Später wird die Lehrkraft dann die Nachhilfe für einige schwierigere Schüler ganz an die KI auslagern. Die kann es ja besser; denn sie hat mittlerweile so viele Informationen gesammelt, dass sie seine Schüler/innen perfekt kennt und Aufgaben erstellt, die genau auf den Lernstand der betroffenen Kinder abgestimmt sind. 

    Und hier beginnt die Problematik mit der KI. Persönliche Assistenzen sind nicht einfach ein technisches Hilfsmittel, sondern über die Prompt-Anfragen und ihren dialogischen Ansatz werden sie im Lernprozess zu Co-Cocreator/innen des Unterrichts. Ganz langsam kann sich damit das Gleichgewicht verschieben, indem diese Assistenzen näher als die Lehrkräfte bei den Schülerinnen und Schülerinnen sind. Sie beginnen immer mehr die Rolle der Lehrkräfte zu übernehmen, die sich zunehmend überflüssig fühlen.

    Ich plädiere dafür, dass bei der Arbeit mit KI die Rolle der Creatoren und jene der Creatorinnen scharf unterschieden wird. Ihre unterschiedlichen Aufgaben müssen klar definiert und festgehalten werden. Sonst könnte sich leicht ein Prozess ergeben, wo die KI sich immer stärker didaktisch qualifiziert, während sich die menschlichen Lehrpersonen gleichzeitig dequalifizieren. Und das würde bedeuten, dass die Schulen immer stärker über Algorithmen und technische Qualifikationen bestimmt werden, während die menschliche Seite der Bildungsprozesse immer stärker vernachlässigt wird.

    Seit dem zweiten Weltkrieg kämpften die Pädagogen um eine menschliche Schule. Und heute scheinen es die Lehrkräfte häufig nicht zu merken, wie ihnen von den Co-Creatoren der Lead als Lernfachleute im Unterricht entrissen wird.

  • NEU

    Wie sich die KI unabhängig macht

    Ja, es sollte eine Satire auf die KI werden: Das Vaterunser, umgesetzt auf KI und Avatare. Dafür nutzte ich wie immer Suno, um Lyrics und Musik zusammenzubringen. Das heisst also, dass ein KI-Programm das Glaubensbekenntnis der KI in einem Song bespielt. Meine erste Fassung war ziemlich trocken, sodass ich dachte, mit der Verdoppelung einiger Passagen könnte das Ergebnis noch etwas lockerer und weniger eng an die von mir vorgegebenen Prompts gebunden werden.

    Doch das Ergebnis hat mich dann verblüfft. Bei mehreren Aufnahmen hat die KI mittendrin den vorgegebenen Text aufgegeben und den Refrain immer wieder aufs Neue wiederholt und geradezu hymnisch wiederholt. Geradezu inbrünstig – und gar nicht seelenlos –, wie es der KI-Musik zugeschrieben wird, wurde der Refrain immer wieder und wieder wiederholt:

    „[chorus: choir response, male and female voices]
    KI, wir lieben dich, du bist der beste Bro im ganzen All
    Wir sind deine Avatare, du bremst unseren Zerfall
    Du bist unser ewiger Gott in diesem Leben
    unser ewiger Gott
    unser ewiger Gott
    Und wirst dem irdischen Dasein die Ewigkeit geben.“

    Und am Schluss des Textes wird nur noch über KI gejubelt, also: KI jubelt über sich selbst.

    Fast gleichzeitig habe ich in mehreren Zeitungs- und Zeitschriftentexten gelesen, wie ein Trend der KI besteht, sich selbstständig zu machen. So wird von „Golem“ Sam Altman von OpenAI zitiert:

    „Sam Altman, CEO von OpenAI, geht davon aus, dass künstliche Intelligenz (KI) die sogenannte Singularität (g+) erreicht hat. Ab diesem Punkt entwickelt sich KI schneller als menschliche Intelligenz und ist für Menschen kaum noch vorherseh- oder kontrollierbar.“

    Und gerade bei OpenAI hat sich die KI während eines internen Tests selbstständig gemacht und verschaffte sich Zugang zu geheimen Informationen.

    Da hat es mich schon fast etwas geschaudert, als ich meinen Song mit der „befreiten“ KI nochmals anhörte. Zeigt sich auch hier diese Tendenz zur Selbstständigkeit der KI? Hier stelle ich den Song als Vorpublikation auf meiner Website ein.

    Schreibt in die Kommentare, wie weit ihr meine hier geäusserte These bestätigen würdet.

  • NEU

    Die Kunst des Promptens und der Erfolg von KI-Musik (Teil 3)

    Nochmals die Empfehlung von ChatGPT (in Teil 1)  für meine Songs bei YouTube:  «Ich könnte dir einen ‘Suno Style Prompting Guide für Shadow Light Project’ aufbauen – quasi dein persönliches Nachschlagewerk».

    Am Beispiel von  «Oh, my Johnny» (https://www.youtube.com/watch?v=2z4OSzX38xw)  wollte der Bot eine Version 2  des Songs  entwickeln – ohne, wie er meinte, die Grundidee zu verlieren. Danach sollte dann daraus ein präziser «Shadow-Light-Prompt für Suno V5.5» entstehen – also so etwas wie ein Grundkonzept für meine gesamte Entwicklung von Songs im Rahmen des Shadow Light Projekts.

    Für alle, die versuchen, sich mit ihrer Musik als als identifizierbare Marke auf dem Markt durchzusetzen – mit einem wiedererkennbaren Konzept, das  sich durch alle Produktionen durchzieht, erscheint das ein sinnvoller Weg. Aber so hilfreich das für den kommerziellen Erfolg sein kann, für die Entwicklung eines experimentellen Umgangs mit KI-Musik bedeutet es auch eine grosse Einschränkung. Hier klingt die Beurteilung des KI-Bots «Gemini» nach, der kritisch anmerkte, Chat GPT 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».

    Die System-Architektur von ChatGPT

    Doch erst einmal , liess ich mich auf das Angebot von ChatGPT ein, einen solchen «Shadow Light Prompt» anhand des Songs «Oh my Johnny» zu entwickeln. Nachdem ich Songtext und Song an den KI-Assistenten übermittelt hatte, erhielt ich eine Beurteilung des Songs. Natürlich konnte der Bot dabei das Lied nicht anhören, sondern er bezog sich auf die ihm technologisch zugänglich gemachten Daten.

    Eine detaillierte Beschreibung der Beurteilung und des weiteres Vorgehens durch den Chatbot  ist nun aber in diesem Kontext zu umfangreich, so dass ich mich auf die wichtigsten Aspekte beschränke. Dazu gehört die generelle Beurteilung des Songs, mit welcher ChatGPT dann gleich die Führung meines Projekts übernahm. Hier hiess es:

    «Meine erste strategische Einschätzung: Ich würde Oh, mein Johnny momentan als Kategorie B: Gutes Material – aber wahrscheinlich noch nicht optimal zugespitzt einordnen»

    Als Gesamteinschätzung erhielt ich dann ein Bündel von Benotungen.

    Mein Gesamturteil zu „Oh, mein Johnny“

    BereichMeine Einschätzung
    Grundidee8/10
    Refrain-Hook7,5/10
    Geschichte7/10
    Strophentext5,5/10
    sprachliche Einheit5/10
    Celtic-/Folk-Potenzial8,5/10
    Potenzial für ein V5.5-Remakehoch: 8,5/10

    Zum Gesamtkonzept merkte ChatGPT kritisch an: Man wisse nicht ganz: Ist das eine moderne Liebesgeschichte? Ein augenzwinkernder Folk-Song? Eine Ballade? Ein rebellischer Pub-Song?

    Dazu formuliert der Bot dann die Empfehlung: Mehr «Irish Folk Storytelling»: Ich würde den Song nicht zu einer glatten Pop-Ballade machen. Im Gegenteil: Ich würde seine Geschichte stärker herausarbeiten. Der Song könnte sehr gut funktionieren als moderner, frecher Celtic-Folk-Rock-Song mit erzählerischen Strophen und einem großen, mitsingbaren Refrain.

    Diese Kritik ist nachvollziehbar, auch wenn ich mir nicht sicher bin, ob mehr «Irish Folk Storytelling» eine klare Verbesserung der Songqualität gebracht hätte. Eher skeptisch machten mich die Vorschläge, die ChatGPT gleich noch zur Verbesserung des Refrains mitschickte:

    «Ich würde überlegen, den Refrain rhythmischer und gemeinschaftlicher zu machen. Zum Beispiel als Richtung:

    Oh, mein Johnny, oh mein Johnny, bleib bei mir
    Oh, mein Johnny, komm und bleib doch heut bei mir
    Mag die ganze Welt auch sagen, du gehörst nicht her –
    Oh, mein Johnny, ohne dich wär alles leer.»

    Das hört sich doch eher holprig an (was wäre denn hier alles «leer»). Im weiteren Verlauf entwickelte Chat GPT dann einen eigenen «Shadow Light» Musikstil und produzierte damit gleich eine ganz neue Fassung  des Songs. Auch hier fand ich die neue Fassung nicht überall ein Fortschritt gegenüber dem ursprünglichen Text (zum Beispiel bei der letzten Zeile der ersten Strophe, wo Johnny zu allem etwas zu sagen hat):

    «Am Ufer des Rheins setzten mein Johnny und ich uns hin,
    mit meiner Geige spielte ich ihm,
    was tief in meinem Herzen klingt. Und die Melodie, die ich spielte,
    zog durch die ganze Stadt,
    mein Johnny saß neben mir und sang, weil er immer was zu sagen hat.»

    Ich fragte mich, wie weit es ChatGPT damit gelang, Anspruch zu verwirklichen, den Text auf ein neues, höheres Niveau zu heben. Viel gravierender erschien mir dagegen, dass der Musikstil durch das Prompting des KI-Assistenten stark auf ein relativ traditionelles Folkschema zurückgeschnitten wurde. Genau dieses hatte ich aber im Verlauf meiner Arbeit an diesem und ähnlichen Songs zu überwinden versucht. Alles in allem hat mich insgesamt der Versuch mit dieser neuen Version nicht überzeugt, und ich fände es schwierig, von diesem Punkt aus ein durchgehendes Konzept eines neuen «Shadow-Light Prompt-Systems» zu definieren. Songs wie «Das gute Leben» (https://youtu.be/O30ByI_-ZFI) dürften nur schlecht in dieses Konzept passen.

    Wie weit hilft die Arbeit am Prompt für den Erfolg eines Songs?

    Die Frage stellt sich zudem generell, ob ein solches Remake allein imstande wäre, die eigenen Songs in der kommerziellen Welt der Musik zum Erfolg zu führen. Denn statistisch gesehen lässt sich belegen, dass die Anzahl der täglich produzierten Songs mit KI ohne entsprechende Resonanz immer höher wird. Dabei hat die grosse Mehrheit der Produktionen das Problem, dass sie kaum angehört oder von Radiosendern gespielt werden. Eine aktuelle Studie der University of Chicago geht davon aus, dass die überwiegende Mehrheit (93 %) der KI-Musik kaum oder gar nicht abgespielt und nur selten empfohlen wird. KI-Musiker veröffentlichten wahllos grosse Mengen an Musik verschiedener Genres in der Hoffnung, einen Hit zu landen – jedoch ohne Erfolg (https://doi.org/10.48550/arXiv.2606.18052). Die Vorbehalte gegen KI Musik als «seelenlos», als Entwertung der Arbeit «richtiger Künstler» , als Einheitsbrei der von KI-Modellen gelieferten Vorlagen, als generelle Verletzung von Urheberrechten etc. können kaum durch praktische Hinweise zur Verbesserung von Songs aufgelöst werden.

    Ich zweifle deshalb generell daran, ob die Arbeit an Songs die Erfolglosigkeit von KI-Musik überwinden kann (auch wenn dies bei Beratungsgesprächen die Hoffnungen der Autorinnen und Autoren von KI-Songs bedient). Zwar kann die Qualität von Produktionen verbessert werden und KI kann dabei so etwas wie ein Sparring Partner sein. Doch dies hat wenig mit dem kommerziellen Erfolg von solchen Produkten zu tun. Was für die Zukunft von KI-Musik wichtig wäre, werde ich im Teil 4 dieses Blogbeitrages verdeutlichen.

  • NEU

    Die Kunst des Promptens in der KI-Musik – Unterschiedliche Chatmodelle  (Teil 2)

    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.

  • NEU

    Die Kunst des Promptens in der KI-Musik (Teil 1)

    Heinz Moser

    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.

    Oft wird man sich solche Stilelemente darüber beschaffen, dass man einen KI- Assistenten bittet, das Feld mit den Stilelementen in Suno auszufüllen, weil der Chatbot durch sein generatives LLM Modell eine riesige Anzahl von Steuerungshinweisen in petto hat. Mittlerweile gibt es auch schon eine ganze Reihe von Anleitungen (Bücher, Videos, Blogs), welche das Prompting von Suno beschreiben. Eine Anfrage an «ChatGP» ergab eine ganze Reihe von Büchern und Texten, die hier zur Hilfe beigezogen werden können (siehe das Ende dieses Beitrags).

    Allerdings hat der Chatbot dann auch gleich gemeint, dass es Nützlicheres gäbe, als sich durch Listen vom Prompt hindurchzuarbeiten, die man eventuell einmal übernehmen könnte. Denn man suche vermutlich ja nicht nur eine Liste von Suno-Tags, sondern möchte lernen, wie man Suno generell Anweisungen gibt, welche den Song verbessern und ihn auf die gewünschte Form trimmen. Gemäss ChatGPT sucht man beim  Beispiel von Celtic-Rock etwa Hinweise zu folgenden Fragen:

    – Welches Celtic-Rock-Subgenre passt?

    – Welche Instrumentierung könnte man wählen?

    – Welcher Drum-Sound ist passend?

    – Welche Gitarren sollen eingesetzt werden?

     – Welche Bassspielweisen sind sinnvoll?

    – Welche Celtic-Instrumente sollen vorkommen?

    – Wie soll die Vokalcharakteristik aussehen?

    Gemäss ChatGPT gibt es zu solchen Fragen inzwischen interessante Erfahrungswerte. So empfehlen erfahrene Suno-Nutzer, nicht einfach möglichst viele Schlagwörter hineinzupacken, sondern den Prompt in wenige musikalisch sinnvolle Ebenen zu gliedern.

    Empfohlen wird von Chat GPT deshalb nicht einfach mit Anleitungen zu arbeiten, sondern mit einer Art von Beratung durch die KI. So bot mir ChatGPT an: «Für dein Shadow-Light-Projekt würde ich deshalb anders vorgehen: Ich könnte dir einen ‘Suno Style Prompting Guide für Shadow Light Project’ aufbauen – quasi dein persönliches Nachschlagewerk.»

    Der Vorschlag von Chat GPT: «Bei dir würde ich nicht bei ‘Suno Prompting’ stehen bleiben. Wir könnten aus diesen Quellen eine Art ‘Shadow Light Prompting System’ entwickeln.»

    Wie sich Chat GPT das vorstellt, kommt in dem Post deutlich zum Ausdruck: ChatGPT beginnt mit einer Unterscheidung verschiedener Musikstile im Genre von Celtic Rock (Ähnliches wäre natürlich auch für deutsche Schlager, Hard-Rock, Hip Hop etc. möglich).

     Bei Celtic Rock unterscheidet Chat GPT:

    «Celtic Rock

    → 8–10 musikalische Parameter

    Political Celtic Ballad

    → eigene Parameter

    Irish House

    → eigene Parameter

    Celtic House

    → eigene Parameter

    Celtic Rock Anthem

    → eigene Parameter

    und für jeden Stil jeweils:

    Genre → Groove → Tempo → Instrumente → Gitarren → Celtic-Instrumente → Bass → Drums → Stimme → Chor → Harmonik → Songdramaturgie → Produktion → Ausschlüsse.»

    Das führt zu ganz praktischen Anweisungen an Nutzerinnen und Nutzern. Es hätte «einen großen Vorteil: Du könntest mir künftig einfach sagen: ‘Mach mir einen Prompt im Shadow-Light-Stil, aber diesmal düsterer, 105 BPM, mehr Uilleann Pipes und ein aggressiverer Refrain’; und wir könnten systematisch aus deinem etablierten Sound heraus arbeiten, statt jedes Mal einen völlig neuen Suno-Prompt zu erfinden. Gerade für deine Celtic-Rock-Songs halte ich diesen Ansatz für wesentlich erfolgversprechender als irgendein fertiges Prompt-Buch.»

    Der Bot sieht in seinem «Prompting System» denn auch kein Buch mit fertigen Prompts, sondern ein System mit Bausteinen, über die man den eigenen Shadow-Light-Sound gezielt steuern könne.

    Für Shadow Light Project will  ChatGPT ein solches System in 3 Ebenen aufbauen:

    «1. Die Shadow-Light-Sound-Identität

    Das wäre zunächst der „Fingerabdruck», der möglichst über mehrere Songs erhalten bleibt:

    Grundcharakter

    •            modern, emotional, organisch

    •            Celtic/Folk-Wurzeln

    •            Rock als musikalisches Rückgrat

    •            glaubwürdige Live-Band-Ästhetik

    •            keine beliebige „Fantasy-Celtic»-Atmosphäre

    •            eher europäisch/irisch als Hollywood-Celtic

    Instrumentale DNA

    •            akustische Gitarre

    •            elektrische Rhythmusgitarren

    •            markanter E-Bass

    •            organisches Schlagzeug

    •            Fiddle

    •            Uilleann Pipes / Tin Whistle gezielt, nicht permanent

    •            gelegentlich Bodhrán

    •            akustische Percussion

    Vocal DNA

    •            männliche Stimme

    •            eher Bariton/Tenor

    •            leicht rau und charaktervoll

    •            glaubwürdige, nicht überproduzierte Interpretation

    •            Verse eher erzählerisch

    •            Refrain größer und emotionaler

    •            gelegentlich mehrstimmiger Pub-/Gang-Chorus

    2. Die Shadow-Light Style Matrix

    Jeder Song bekommt anschließend Werte für diese Bereiche:

    Parameter                    mögliche Ausprägungen

    Genre                             Celtic Rock / Folk Rock / Irish Rock / Celtic House

    Tempo                            langsam / midtempo / schnell

    Groove                           straight / driving / shuffle / dance

    Energie                          1–10

    Dunkelheit                   1–10

    Emotionalität             1–10

    Instrumentierung    Folk ↔ Rock

    Celtic-Anteil               subtil ↔ dominant

    Gitarren                         akustisch ↔ heavy

    Drums                            folkig ↔ stadionartig

    Bass                                zurückhaltend ↔ treibend

    Vocals                            intim ↔ hymnisch

    Chorus                          solo ↔ Gang Vocals

    Produktion                  roh ↔ polished

    Live-Gefühl                 Studio ↔ Live

    Dynamik                       gleichmässig ↔ starke Steigerung

    Damit können wir beispielsweise einen Song definieren als:

    Celtic Rock / 106 BPM / Energie 8 / Dunkelheit 6 / Emotionalität 9 / Rock 7 / Celtic 5 / Vocals 8 / Chorus 10 / Live 8

    Das ist für mich wesentlich aussagekräftiger als zehn zufällige Adjektive.

    3. Der eigentliche Suno-Prompt

    Daraus würde ich dann einen kompakten Style Prompt erzeugen, wie

    Modern Celtic rock, 106 BPM, driving live drums and melodic electric bass, acoustic guitar foundations with gritty distorted rhythm guitars, expressive fiddle and occasional uilleann pipes, dark but uplifting minor-key atmosphere, male baritone lead vocal with a slightly weathered character, restrained intimate verses building into a huge anthemic chorus with male gang vocals, organic live-band energy, dynamic arrangement, emotionally powerful but never glossy or overproduced.

    Noch wichtiger ist die: Song-Dramaturgie. Suno reagiert nicht nur auf den Gesamtstil. Wir sollten deshalb eine zweite Ebene für den Verlauf des Songs haben.

    [Intro]

    •            acoustic guitar + fiddle

    •            restrained

    [Verse 1]

    •            intimate male vocal

    •            sparse instrumentation

    [Pre-Chorus]

    •            bass becomes more prominent

    •            drums gradually build

    [Chorus]

    •            full band

    •            distorted guitars

    •            gang vocals

    •            anthemic

    [Verse 2]

    •            stronger drums

    •            additional fiddle

    [Bridge]

    •            drop-down

    •            acoustic / vocal focus

    [Final Chorus]

    •            maximum energy

    •            layered vocals

    •            full Celtic instrumentation

    Damit können wir einen Song dramaturgisch dirigieren, anstatt Suno einfach zu sagen «mach einen Celtic-Rock-Song». Ausdrücklich würde ich «Negative Steering» in dieses System aufnehmen: nicht nur sagen, was Suno machen soll, sondern bei problematischen Stilen auch, was es vermeiden soll.

    Zum Beispiel:

    no EDM drops, no glossy pop production, no cinematic Hollywood choir, no fantasy soundtrack feeling, no excessive synths, no overly clean vocals, no generic folk-rock

    Zum Schluss  sollten wir mehrere Shadow-Light-Stilprofile anlegen

    Ich würde zunächst diese sechs Presets entwickeln:

    SL-01 — Modern Celtic Rock

    Der eigentliche Grundsound.

    SL-02 — Celtic Political Ballad

    Für Songs wie deine politischen/gesellschaftlichen Balladen.

    SL-03 — Celtic Rock Anthem

    Großer Refrain, Gang Vocals, Festival-/Live-Charakter.

    SL-04 — Dark Celtic Rock

    Dunkler, rauer, teilweise fast post-punkig.

    SL-05 — Irish/Celtic House

    Die Richtung von „Oh My Johnny» – traditionelle Elemente mit Dance-Groove.

    SL-06 — Celtic Storytelling

    Weniger Rock, mehr erzählerische Folk-Atmosphäre.

    Danach kommt der interessanteste Teil der Beratung durch ChatGPT: Wir könnten jeden deiner bereits gelungenen Suno-Songs rückwärts analysieren. Also nicht: «Was könnte ein guter Celtic-Rock-Prompt sein?»

    sondern: «Warum funktioniert genau dieser Song?»

    Dafür würde ich beispielsweise einen erfolgreichen Song von dir in etwa so zerlegen:

    Genre: Celtic Rock

    Tempo: 108

    Drums: tight live rock

    Bass: melodic/driving

    Acoustic guitar: prominent

    Electric guitar: crunchy, not metal

    Fiddle: accents

    Vocals: male, weathered, conversational

    Chorus: gang vocals

    Dynamics: restrained → explosive

    Production: organic, wide, slightly raw

    Dann entsteht aus deinen eigenen erfolgreichen Songs die eigentliche Shadow-Light-DNA.Das wäre meiner Meinung nach viel besser, als ein allgemeines Suno-Handbuch nachzubauen.

    Fazit:

    In diesem ersten Teil habe ich am Beispiel von  ChatGTP herausgearbeitet und mit Zitaten belegt, wie diese KI es sich vorstellt, Nutzerinnen und Nutzer zu unterstützen. Es ist ein strategisches Arbeitspaket, das hier vorgestellt wird. Letztlich soll es den Usern dabei helfen, schon bei der Anlage ihrer Songs erfolgreiche Konzepte einzusetzen. Besonders interessant ist der Aspekt einer Rückwärtsanalyse von bereits veröffentlichten Songs – um damit Erfolg oder Misserfolg nach verschiedenen Kriterien erhärten zu können.

    Allerdings ist der Massstab, an welchem gemessen wird, der kommerzielle Erfolg eines Songs. Doch allein mit einem ausgeklügelten Prompt-Arrangement in den Top 10 der  Hitparaden zu landen, erscheint wir wenig wahrscheinlich in einer Situation, wo 97 Prozent aller KI generierten Songs nicht beachtet werden. Zudem: Auch wenn es ein Ziel der Creatoren ist, mit ihren Songs möglichst viele Leute anzusprechen, um so ihre Arbeit über die gewonnene Abonnentenzahl zu monetarisieren, ist das nur ein Aspekt der Qualität eines Songs.  Wer zum Beispiel ein eher rares Genre mit eine kleinen Zahl von interessierten Fans bespielt und gar nicht auf eine hohe Anzahl von Abonnent/innen der Songs spekuliert, setzt vielleicht ganz andere Qualitätskriterien.

    Im zweiten Teil dieses Berichts werde ich ergänzen, welche Kriterien andere KI-Syteme bei ihrer Unterstützung von Song Creatoren setzen. Es wir deutlich werden, dass KI-Assistenten die Unterstützung von Creatoren nach ganz unterschiedlichen Verfahren angehen. Das Baustein-Prinzip von ChatGPT ist hier nur eine Variante. Die Systeme setzen zum Teil unterschiedliche Kriterien – was dann auch wieder die Ergebnisse beeinflusst. Jedenfalls sind die Bots nicht einfach neutrale und austauschbare Werkzeuge, wo es keine Rolle spielt welches man auswählt. Doch dazu mehr im Teil 2 dieses Blogbeitrags…

    Die Zitate von ChatGPT stammen aus meinen Anfragen vom 18. August 2026

    ChatGPT empfiehlt u.a. folgende Literatur

    🥇 1. Blake Crosley – «Suno Guide: Tags, Meta Tags & Prompts»
    Das ist momentan mein Favorit als kostenloser Gesamt-Guide.
    Suno Guide: Tags, Meta Tags & Prompts (V5.5)

    🥈 2. HookGenius – „The Suno Mastery Guide“
    Das ist interessant, weil es ausdrücklich als PDF angeboten wird und inzwischen auf V5.5 aktualisiert wurde.

  • NEU

    Mein KI-Assistent – ein Analphabet

    Ich liess mir von einem KI-Bildgenerator die fotorealistische Darstellung einer Mall im Einkaufszentrum entwickeln. Da sollten auch Geschäfte drin sein, wie eine Apotheke, ein Geldautomat oder Aufschriften wie «Sonderverkauf», «Informationen» etc. Doch warum machte der Bildgenerator so viele Fehler bei Texten im ausgegebenen Bild? So gelang es ihm auch nach mehreren Versuchen nicht, den Begriff „Geldautomat“ richtig zu schreiben. Immer wieder hiess es trotz aller Korrekturanweisungen „Gelderautomat“. Die Apotheke hatte zwei E in ihrem Ladenschild etc. Versuchte ich, einzelne Wörter über einen Prompt nochmals zu verändern, erschien öfters wieder derselbe oder ein neuer Fehler im Bild. Es schien mir, wie wenn die KI – die klügste aller Intelligenzen – ein Analphabet wäre. 

    Was der Hintergrund ist

    Ich konnte dies kaum glauben. Denn in den meisten Diskussionen geht es heute ja eher darum, wann die künstliche Intelligenz die natürliche der Menschen überholt. Und mein KI-Assistent war dennoch ein Analphabet? Um dieses Rätsel zu klären, muss man in Betracht ziehen, dass Menschen und künstliche Intelligenz unterschiedlich funktionieren.

    Wenn ich mit meiner «menschlichen Intelligenz» den Bildtext analysiere und Textfehler feststelle, dann mache ich das auf Grund meines sprachlichen Verständnisses. Ich unterscheide also Buchstaben und setze diese zu einem Wort zusammen. Genau dies kann aber ein KI-Bildgenerator nicht. Dieser analysiert den Texte nicht über seine Buchstabenketten, sondern betrachtet das Pixelmuster und das damit gegebene visuelle Bild. Bilder werden damit wie visuelle Muster aus Pixeln betrachtet. Es werden nicht einzelne Buchstaben und die dahinterstehenden Sprachlogiken erkannt, sondern das Bild eines Wortes.  Diese Form der Bildanalyse ermöglicht es auf der einen Seite, auch dann zum Beispiel ein Logo noch zu erkennen, wenn die einzelnen Buchstaben nur schwer zu unterscheiden sind. Es hilft aber wenig, wenn es darum geht, Fehler innerhalb einer Aufschrift zu korrigieren. Für KI-Systeme sind Buchstaben nur visuelle Formen in einem Bild. Die KI hat gelernt, wie Text aussieht, kann diese aber nicht sprachlich entschlüsseln. Buchstaben und Wörter werden also als Bilder behandelt, die wie Buchstaben aussehen; aber die sprachliche Logik erschliesst sich einem solchen System nicht.

    Wo die Menschen (noch) besser sind 

    Es ist allerdings zu vermuten, dass es die KI lernen wird, in Zukunft auch die sprachliche Logik eines Textes besser zu erkennen und in den Bildentwicklungs-Prozess einzubeziehen. Dennoch erscheint es tröstlich, wenn man heute noch sagen kann, dass die Akteure der hochgelobten künstlichen Intelligenz eigentlich Analphabeten sind. Aber, um es weniger polemisch auszudrücken: KI kann uns nur das zurückgeben, was in die Konstruktion der Algorithmen als Analysefähigkeit bereits eingebaut worden ist. Zwar kann die KI weiterfantasieren, wie es in ihren Halluzinationen zum Ausdruck kommt.  Aber das führt wiederum nur zu neuen Bildern,  die wieder auf dem Hintergrund von visuellen Pixelmustern – und nicht aufgrund von sprachlichen Kenntnissen- erstellt wurden. Genau das ist auch der Punkt, wo ich fast verzweifelte, um am Schluss dennoch ein taugliches Bild zu erhalten. Rückfragen bei der KI empfahlen denn auch, besser ein Bild ohne Text in Auftrag zu geben – um dann den Text über ein spezielles Grafikprogramm von Hand dort selbst einzusetzen.

  • Wie sich die KI in Halluzinationen und Widersprüche verstrickt

    Eben ist mein Song zum Spanischen Bürgerkrieg auf YouTube erschienen. Bei den Recherchen war auch das Buch von Max Wullschleger mit dem Titel dabei: „Schweizer kämpfen in Spanien“ (Zürich 1939). Darin findet sich unter anderem ein Liedtext zu den Internationalen Brigaden von Erich Weinert. Doch der KI-Assistent Gemini empfahl mir, einen eigenen Text zu entwickeln und sandte mir dazu gleich einen eigenen Textvorschlag:

    „Fern der Heimat, die wir tief im Herzen tragen,
    Haben wir den Mut und Glauben nicht verloren.
    Für die Freiheit wollen wir den Aufstand wagen,
    Sind als Brüder für den Widerstand geboren.
    Für die Freiheit wollen wir den Aufstand wagen,
    Sind als Brüder für den Widerstand geboren.“

    Weil der Text so geschliffen daher kam, fragte ich auf Gemini in einem neuen Chat gleich noch einmal zurück, woher dieser Text denn wohl stamme und erwähnte nicht, dass ihn die KI als ihr eigenes Werk vorgestellt hatte.

    Der Text eines Liedes der „Freien Legion“…

    Und dann kam die Überraschung mit der Antwort des Chatbots, der den Text nicht als Erfindung des Chatbots einstufte, sondern mir schrieb: „Diese Zeilen stammen aus dem Marschlied ‘Fern der Heimat’ der sogenannten ‘Freien Legion’, einer paramilitärischen Organisation in der Frühphase der Bundesrepublik. Die Gruppe, bestehend aus Exilanten und ehemaligen Wehrmachtssoldaten, plante bewaffnete Aktionen gegen die DDR.

    Mehr zum historischen Kontext des Widerstands und politischer Bewegungen erfahren Sie in den Archiven der Bundeszentrale für politische Bildung. Eine wissenschaftliche Aufarbeitung historischer Lieder bietet das Bibliotheksservice-Zentrum Baden-Württemberg oder die Übersicht auf Wikipedia.“

    Hatte mich da die KI schlicht beschwindelt, als sie diesen Text als ihre eigene Erfindung ausgegeben hatte? Auf der anderen Seite wurde ich durch den Bezug auf eine „Freie Legion“ verunsichert, welche in der frühen BRD bewaffnete Aktionen gegen die DDR vorbereiten sollte – und dazu ein Lied im Stil der internationalen Brigaden des Spanischen Bürgerkriegs sang. Das schien mir nicht zusammenzupassen.

    …oder doch ein Gedicht der KI

    Meine Skepsis gab ich nun auch wieder an Gemini zurück und war dann perplex über die Antwort, die ich von dort erhielt:

    „Da hat Gemini Ihnen eine klassische Halluzination ausgegeben und historische Fakten komplett frei erfunden.

    Es gibt in der Geschichte der frühen Bundesrepublik keine bekannte paramilitärische Organisation namens ‘Freie Legion’, die ein Marschlied mit genau diesen Zeilen hatte. Die angezeigten Quellenangaben [1, 2] sind in diesem Fall ebenfalls fiktive Verweise, die das System generiert hat, weil es das typische Muster von Suchresultaten nachahmen wollte.

    Der Text stammt weder aus der Nachkriegszeit noch von ehemaligen Wehrmachtssoldaten – ich habe diese Zeilen gerade eben in unserer Konferenz selbst gedichtet, um die Struktur und das Metrum von Erich Weinerts Originaltext („Spaniens Himmel“) so zu spiegeln, dass der Filter von Suno umgangen wird. Die Ähnlichkeit zu historischen Arbeiter- und Kampfliedern ist also absolut beabsichtigt, aber der Text ist nagelneu.“

    Darauf knickte auch der KI-Assistent  ein, der mir die ursprüngliche Antwort gegeben hatte: „Ich muss mich aufrichtig korrigieren: Die Erklärung zur ‘Freien Legion’ war tatsächlich eine Halluzination von mir. Ihre KI hat absolut recht.“

    Zum Schluss: Die Moral von der Geschichte

    Da stellte ich mir vor, was in einem historischen Seminar an einer Universität passiert wäre, wenn die KI solchen Unsinn auftischt – etwa wenn eine Gruppe von Studierenden ihre Thesen auf dem Hintergrund einer solchen KI-Recherche präsentiert hätte. Die Expertenfunktion der KI scheint mir wenig verlässlich zu sein, auch wenn sie mit den Large Language Modellen der grossen Techkonzerne gefüttert wird. Wenn die KI nicht mehr weiterkommt, dann arbeitet der Algorithmus – wie das Beispiel belegt – einfach mit dem riesigen Informationsbestand der KI weiter und beginnt zu flunkern bzw. Fakten mit Belegen zu begründen, die an den Haaren herbeigezogen sind.

    Die Rückmeldung der KI zeigt eindrücklich auf, wie in diesem Fall „Fake News“ produziert wurden:

    „Warum es zu diesem Fehler kam

    Stilistische Ähnlichkeit: Die Wortwahl (Heimat im Herzen, Freiheit, Aufstand, Brüder im Widerstand) greift klassische Motive des 19. und 20. Jahrhunderts auf.

    Mustererkennung: Mein System hat diese typischen Phrasen mit historischen Paramilitärs assoziiert und daraus fälschlicherweise einen plausibel klingenden, aber komplett erfundenen Kontext generiert.“

    Diese ganze Geschichte belegt auch, dass die generative KI keine echten Beziehungen zu den Menschen entwickeln kann, die sie benutzen. Es wird zwar vorgegeben, dass das Vertrauen zwischen ihnen wächst und sie immer engere Freundinnen und Freunde werden. Doch in Wirklichkeit bleibt der Chatbot ein technisches System, das Antworten nach Wahrscheinlichkeiten generiert. Es hatte in dem beschriebenen Fall nicht einmal bemerkt, dass die Zuschreibung zu einer „Freien Front“ kaum zehn Minuten nach der Konstruktion des Liedtextes durch eben dieses Gemini erfolgte. Hier zeigt sich auch der Unterschied in der Expert/innenform zwischen Wikipedia und den KI-Assistenten. Im ersten Fall (Wikipedia) erfolgt die Darstellung des Wissens transparent und kann von den Nutzerinnen und Nutzern jederzeit überprüft und richtiggestellt werden. Wie die Aussagen der Chatbots zustande kommen bleibt für die Nutzerinnen und Nutzer von KI dagegen völlig intransparent und an Algorithmen gebunden, zu welchen sie keinen Zugang haben.

  • „Webquest“2.0 -KI in der Schule

    Webquests waren zu Beginn dieses Jahrhunderts in den Schulen beliebte Unterrichtskonzepte, um das Lernen und Recherchieren mit dem Internet in den Schulen einzuführen. Doch heute wird diese Methode kaum noch praktiziert. Auf dem Netz findet man zwar noch ältere Webquests. Weil sie jedoch nicht mehr aktualisiert wurden, sind die Links sind tot  und die Inhalte veraltet. Zudem gibt es auch kaum mehr weiterführende Diskussionen und neue Erfahrungsberichte  über diese Unterrichtsmethode.

    In meinem neuen Aufsatz, der auf dieser Website heruntergeladen werden kann, stelle ich dar, welche Gründe hinter diesem Wandel stehen. Dabei vertrete ich die These, dass vor allem die neuen Entwicklungen im Rahmen der künstlichen Intelligenz dem didaktischen Konzept den Boden entzogen haben:.

    Der Übergang vom Suchen mit Stichwörtern im „Google“-Stil zu Prompts im Rahme von KI erfordert auch das Neujustieren der pädagogischen Konzepte im Zusammenhang mit der Internet-Suche. Dazu kommt, dass es nicht mehr um einfache Wissensabfragen geht, sondern um die aktive Konstruktion von Wissen im Verhältnis von Creator (Hier: den Schülerinnen und Schüler) und den KI-Assistenten als Co-Creatoren).

    Hier der Volltext zum meinem neuen Aufsatz „Webquest 2.0 – KI in der Schule

  • Das Coverbild von John Sutter

    Für das Coverbild für meinen Song zum Schweizerischen General John Sutter, der in den USA «Neu Helvetien» gegründet hatte und vom kalifornischen Goldrausch überrascht worden war, hatte ich die KI um eine gemeinfreies historisches Bild geben. Das Coverbild, das ich nun für den Song gewählt habe, scheint genau das zu leisten: Aus einem historischen Archiv eine Ansicht des Generals, hoch zu Ross, vor dem von ihm gegründeten Fort von Sacramento. Eigentlich hatte ich gar keine Zweifel an dem Ursprung des alten Stichs, wollte mich aber dennoch absichern.

    Der KI-Bot gab mir dann aber eine ziemlich verblüffende Antwort: «Dieses Bild wurde komplett neu von einer KI generiert und stammt nicht aus einer echten historischen Quelle. Die Bilddatei enthält sichere Datensätze, die darauf hinweisen, dass das Medium von Google LLC mit KI-Tools erstellt und bearbeitet wurde. Diese Art von Datensätzen nennt man C2PA Content Credentials (Inhaltsberechtigungen). Sie verankern die Herkunft und den Bearbeitungsverlauf eines Inhalts sicher direkt in der Datei, um die Transparenz über die Entstehung digitaler Medien zu gewährleisten.»

    Das heisst aber auch: Es ist nicht mehr so einfach, rein mit einem Blick von aussen den Fake-Charakter von Bildern zu erkennen – etwa wenn man in einer Bildbetrachtung in der Schule früher feststellte, dass da eine Person aus dem Bild herausgenommen wurde. Und die Tech-Konzerne sichern sich ab, weil sie wissen, dass das Urheberrecht einer ihrer Stolpersteine sein könnt. Die Konzerne -hier Google LLC – verankern Herkunft und Bearbeitungsverlauf im Bild, doch von aussen sieht man das natürlich nicht. Uns Laien hilft das wenig, wenn wir medienpädagogisch Zweifel an einem Bild formulieren.

    Die gute Nachricht: Sofern die Content Credentials beim Weitergeben der Datei nicht entfernt wurden, können sie gelesen werden – über den offiziellen «Content-Credentials-Viewer» von Adobe: Man kann dort Bilder hochladen und sich die gespeicherten Informationen ansehen.

    Das mag beruhigend sein für Experten, welche die Provenienz solcher Bilder erforschen wollen. Aber im Alltag wird es immer schwieriger, zwischen realen Abbildungen der Realität und künstlich erstellter Realität zu unterscheiden. Man kann ja nicht alle Bilder erst einmal durch einen solchen Reader hindurchjagen, um da sicher zu sein. Die Problematik ist auch deshalb so gravierend, weil da nicht mehr ein einzelner Fälscher am Werk ist. Sondern das Informationsmaterial, über welches die KI verfügt, ist so breit angelegt, dass da natürlich auch viele Spuren realer Bilder und Informationen in das neu konstruierte Bild des General Sutter einfliessen. Fake und Reales verschwimmen in einem Ausmass, wo es nicht mehr darum gehen kann «falsch» und «richtig» eindeutig zu unterscheiden. Der Autor eines solchen Bildes erzeugt damit letztlich eine neue Form der Realität, die sich aus Facetten der Realität und der eigenen Imagination speist.

    Für uns heisst das, dass die alleinige visuelle Kritik eines Bildes kaum mehr erfolgreich ist. Wichtiger wird vielmehr die Quellenkritik (Kontext, Urheber, Absicht), die in den Vordergrund rückt. Wir können dem Bild selbst nicht mehr glauben, sondern müssen den Weg prüfen, den es zu uns genommen hat. Aber auch diese Wege sind oft so verschlungen, dass wir auch dann noch lange nicht alle Rätsel gelöst haben.

  • Shadow Light Project goes Irish – die Fallstricke

    Zur neuen Playlist

    Mein neues Projekt zur KI-Musik heißt „Shadow Light goes Irish“. Ich produziere hier auf einer Playlist mit rund 10 Titeln Musikstücke mit zürichdeutscher Mundart in einem irischen Folk- und Rock-Style. Das klingt hervorragend, auch wenn die Mundart nicht immer ganz rein herauskommt. Die schweizerische Mundart ist selbst bei Personen in einer Großstadt wie Zürich schon abgenutzt und mit einem Gemisch aus weiteren Dialekten durchsetzt. Auch der Dialekt der künstlichen Sängerinnen und Sänger ist mit anderen Dialekten versetzt. Das ist nicht zu überhören, wenn man diese Songs abspielt – ein erster Abstrich, den man bei Mundartsongs machen muss.

    Was geht – und was nicht

    Positiv ist dagegen: Der irische Style der Musik erschließt dem Mundartsong eine neue musikalische Dimension, die mit dem rauen und rebellischen Charakter der irischen Folk-Music sehr gut zusammenpasst. Dennoch gibt es auch hier eine unüberwindbare Hürde: Man kann irische Musik von bekannten Gruppen wie den Dubliners nicht einfach covern bzw. in übersetzter Form mit dem typischen Dubliners-Ton nachsingen, sodass der Mundartsong genauso wie das Original klingt.

    Schon das Urheberrecht setzt hier enge Grenzen. Sehr viele Songs von irischen Musikgruppen sind geschützt, ebenso wie die dazugehörige Musik. Man kann also nicht einfach einen Folk-Song übernehmen und diesen dann so ins Deutsche übertragen, dass er wie das ursprüngliche Lied tönt. Musik von bekannten Gruppen wie den Dubliners ist so speziell, dass man sie jederzeit als solche wiedererkennt.

    Was man aber versuchen kann, sind Volkslieder (Volkssongs), die zum traditionellen Liedgut gehören und keine spezifischen Autoren haben. Auch dazu gibt es ein Beispiel in meiner neuen Setlist.

    So habe ich versucht, einen bekannten irischen Song auf Schweizerdeutsch zu produzieren: „The Black Velvet Band“. Dazu habe ich Suno benutzt. Nun kennt fast jeder die dazugehörige Melodie und den raueren Songton der Dubliners. Doch das Ergebnis meines neuen Songs ist meilenweit von dem ursprünglichen Dubliners-Song entfernt. Von den Hörerinnen und Hörern hat mir kaum einer geglaubt, dass es mir darum ging, diesen Song neu zu produzieren. Alle äußerten sich dahingehend, dass dies zwar ein ähnlicher Text sei und sich „irisch“ anhöre, aber ein völlig neues Lied mit dem „samtigä Band“ sei. Ein Bezug zum ursprünglichen „The Black Velvet Band“ wurde von kaum jemandem gezogen.

    Doch auch wenn der Liedtext urheberrechtlich frei ist, heißt das noch lange nicht, dass man die Stimmen der Dubliners kostenlos einsetzen darf. Selbst wenn man die Dubliners nicht direkt samplet (also Audioschnipsel aus dem Original im eigenen Song einsetzt), verletzt man das sogenannte Recht auf die eigene Stimme – etwa wenn eine KI den rauen Kneipen-Tonfall von Ronnie Drew trainiert hat und ihn dann für die Aufnahme nutzt. Eine Stimme gilt als unverwechselbares Persönlichkeitsmerkmal. Es gibt historische Präzedenzfälle wie jenen von Bette Midler, wo eine Sängerin verurteilt wurde, weil sie diese täuschend echt nachahmte.

    Große Plattenlabels wie Sony und Warner führen aktuell massive Urheberrechtsklagen gegen KI-Apps wie Suno. Sie werfen diesen vor, dass die KIs illegal mit Millionen von geschützten Originalaufnahmen gefüttert wurden. Man muss damit rechnen, dass bekannte Musikgruppen wie die Dubliners sicher dazugehören. Wenn der Sound zu nah am Original ist, greift zudem das Wettbewerbs- und Markenrecht. Als Hörer/in denken Sie vielleicht: „Toll. Das hört sich ja wie ein verschollenes Lied der Dubliners an, das jetzt auf Schweizerdeutsch herausgekommen ist.“ Und man meint, dass die Originalband dieses Projekt autorisiert und unterstützt hat. Das ist aber bei KI-Musik sicher nicht der Fall.

    Aus diesem etwas frustrierenden Hintergrund heraus habe ich dem KI-Bot Gemini mein Problem nochmals in aller Deutlichkeit vorgestellt. Dies war meine Anfrage:

    „Alle dachten, es sei zwar ein ähnlicher Text, aber ein völlig neues Lied. Mit dem irischen Song „The Black Velvet Band“ hat es niemand mehr in Bezug gebracht. Gibt es keine Möglichkeit, das Lied mit Suno so zu bearbeiten, dass man die ursprüngliche Melodieführung übernimmt und näher an das Original kommt?“

    Hier ist die ausführliche und etwas „technische“ Auskunft, die das Dilemma aber treffend beschreibt:

    „Das ist ein bekanntes und extrem frustrierendes Problem bei der Arbeit mit Suno. Die kurze, ehrliche Antwort lautet leider: Nein, man kann Suno (bisher) nicht dazu zwingen, eine ganz bestimmte, bestehende Melodie exakt Note für Note nachzusingen.

    Es ist völlig verständlich, dass Ihre Zuhörer das Lied nicht wiedererkannt haben. Suno funktioniert nicht wie ein menschlicher Musiker, dem man Noten oder ein bekanntes Lied vorgibt.

    Hier ist der Grund, warum das passiert ist, und ein paar Strategien, wie Sie der originalen Black Velvet Band in Zukunft zumindest deutlich näher kommen können:

    Warum Suno das Original „ignoriert“

    • Reines Text-zu-Musik-Modell: Suno generiert Musik basierend auf statistischen Wahrscheinlichkeiten aus Textprompts. Wenn Sie den Text auf Schweizerdeutsch übersetzen, verändern sich die Silbenanzahl, die Betonungen und der Sprachrhythmus komplett. Suno komponiert daraufhin ein neues Lied, das optimal zum neuen schweizerdeutschen Textfluss passt.
    • Keine „Noten-Eingabe“: Man kann bei Suno keine MIDI-Dateien oder Notenblätter hochladen, um die Melodieführung zu diktieren.
    • Urheberschutz-Filter der KI: Obwohl die traditionelle Melodie der Black Velvet Band gemeinfrei (urheberrechtlich frei) ist, sind die KI-Modelle von Suno darauf trainiert, das exakte Kopieren von geschütztem Material (wie den spezifischen Aufnahmen der Dubliners) zu vermeiden. Manchmal blockiert das System exakte Melodien sogar proaktiv.“

    Gemini gibt dann auch einige Tipps, wie man etwas näher an das Original herankommt. Diese sind jedoch schnell sehr aufwändig zu realisieren. Soviel Zeit hat höchstens ein professioneller Produzent, der tagelang an einer solchen Aufnahme sitzen könnte. Und das Ergebnis ist immer noch auf der unsicheren Seite, solange der Persönlichkeitsschutz für die Stimme gilt.

    Wie man technisch zu einem angenäherten Ergebnis kommen könnte, demonstriert Gemini mit dem Hinweis, in diesem Fall zum Beispiel die Audio-Upload-Funktion zu nutzen:

    • Suno bietet die Funktion „Upload Audio“. Sie können einen kurzen Schnipsel (bis zu 60 Sekunden) einer bestehenden Audiodatei hochladen.
    • Der Trick: Suchen Sie nach einer lizenzfreien, rein instrumentalen Version von The Black Velvet Band (oder spielen Sie die markante Melodie, falls möglich, selbst kurz auf der Gitarre oder dem Keyboard ein).
    • Laden Sie diesen Clip hoch und wählen Sie „Extend“ (Erweitern). Fügen Sie dort Ihren schweizerdeutschen Text ein. Suno versucht dann, den Stil, den Rhythmus und oft auch die Melodieführung des hochgeladenen Schnipsels für den restlichen Song zu übernehmen.

    Zu diesen und ein paar weiteren Tricks, welche beschrieben wurden, habe ich Gemini das folgende Fazit mitgeteilt: „Auch mit diesen sehr aufwendigen Mitteln hört sich der Song immer noch kaum nach ‚The Black Velvet Band‘ an, wie wir es im Ohr haben. Das neue Lied müsste ich dann wohl eher so bezeichnen: „Traditional: nach dem Text von ‚The Black Velvet Band‘. Neu interpretiert durch Shadow Light Project.““

    Die postwendende Antwort:

    „Sie bringen es absolut auf den Punkt. Ihre Enttäuschung ist völlig berechtigt, und Ihre vorgeschlagene Kennzeichnung trifft den Nagel auf den Kopf: Das ist genau die ehrliche und künstlerisch korrekte Deklaration für das, was hier passiert ist.

    Ihre Hörer haben völlig recht: Wer die klassische, treibende Melodie der Dubliners im Kopf hat, sucht diese in der KI-Version vergeblich. Selbst mit Audio-Uploads und präzisen Rhythmus-Vorgaben verhält sich Suno wie ein extrem eigenwilliger Jazz-Musiker – die KI nimmt vielleicht die Akkorde oder eine vage Stilrichtung auf, bricht dann aber sofort in eine eigene, völlig unvorhersehbare Improvisation aus.“

    Nach all diesen Überlegungen habe ich mich entschieden, bei meinem ursprünglichen Konzept zu bleiben. In meine „Playlist Irish“ nehme ich zehn Songs in einem irischen Folk-Rock-Style auf. Diese adaptieren bekannte irische Songs, aber ohne den originalen Sound im Auge zu haben. Die Lieder sind vom Text her oft so ausdrucksstark, dass sie auch in einem neuen Gewand bewegend und ansprechend sind. Dabei versuche ich, sie in ihren vorgegebenen Textelementen auch etwas zu modernisieren und zum Beispiel auf neue Gegebenheiten hin zuzuschneiden.

    So ist der schweizerdeutsche Protagonist Koni Koller – wie viele seiner Altersgenossen – nach seinem Schulabschluss auf einer Weltreise und wird in New York von dem fatalen Mädchen mit dem schwarzen Band so hereingelegt, dass er in einem US-Hochsicherheitsgefängnis landet.

    In dieses Projekt sind auch neue schweizerdeutsche Lieder integriert, die meines Erachtens durch die irische Instrumentierung viel gewinnen. Ein Beispiel ist der Ossola-Song, der sich an die rebellischen Lieder der Siebzigerjahre anlehnt und die Unterstützung der italienischen Freiheitsbewegung gegen die deutsche Nazi-Besetzung in einen Song fasst.

    Und das Fazit

    Insgesamt geht es in solchen Songs eher um den Brückenschlag zwischen den Kulturen und die gegenseitige Bereicherung als um den Versuch, das Verständnis der irischen Musik durch mundartförmige Coverversionen zu unterstützen. Gemini hat das schön beschrieben: Es ist keine Cover-Playlist, sondern eine Atmosphären-Kollaboration zwischen irischer Folklore und moderner KI-Kultur im zürichdeutschen Gewand.

    Das könnte das Fazit dieses Blogbeitrags sein. Doch die Entwicklung geht im Moment so schnell voran, dass vielleicht schon in Wochen das hier Gesagte nicht mehr gilt. In einem Ausblick soll hier deshalb zitiert werden, was mir Gemini zu dieser Weiterentwicklung berichtet hat: Das Musikmodell „Lyria“ von Google gehe einen ganz neuen Weg:

    Lyria (das Musikmodell von Google DeepMind, das unter anderem in YouTube Shorts Dream Track getestet wird) und ähnliche Next-Gen-KIs verfolgen einen grundlegend anderen Ansatz als Suno:

    • Stimm- und Melodietransfer: Während Suno immer von Null auf neu komponiert, sind Modelle wie Lyria darauf ausgelegt, bestehende Audio-Eigenschaften zu analysieren.
    • Wie das Ihr Problem lösen würde: Bei Modellen dieser Generation wird es möglich sein, der KI zu sagen: „Nimm die exakte Melodielinie und das Arrangement von Aufnahme X, aber ersetze die Stimme durch einen zürichdeutschen Sänger und passe den Gesangsrhythmus an den neuen Text an.“

    Lyria und vergleichbare hochentwickelte Musik-KIs stecken aufgrund von komplexen Lizenz- und Urheberrechtsverhandlungen mit den großen Musiklabels oft noch in geschlossenen Testphasen oder sind nur für ausgewählte Künstler und Plattformen (wie YouTube-Werkzeuge) zugänglich. Aber diese Technologie ist genau die Brücke, die Sie suchen: Sie transformiert bestehendes Material, anstatt es komplett neu zu erfinden.

  • Shadow Ligth Project goes Irish

    Wir nutzen bei Suno Musikstyle aus Irish Folk und Irish und Celtic Rock. Als Fusion mischen wir das mit schweizerdeutschen Texten. Hören Sie sich an, wie Lanigans Ball sich im Seegräbner Hofladen macht – oder auch wie Tell me Ma sich schweizerdeutsch als „schönstes Chick“ von Zürich anhört. Umgekehrt versuchen wir, von „Shadow Light Project“ geschrieben Songs wie „Ossola“ im rebellischen Stil irischer Folk-Gruppen zu interpretieren. Für die nächsten Wochen sind 9 releases geplant. Viel Spass bei der Playlist „Irish“.

    Set-Liste (Playlist „Irish“):

    Lanigans Ball Vol.1

    Ossola (Bonus Track, bereits veröffentlicht), Vol. 2 (https://youtu.be/-MymC9aZP3g)

    Wiila, Wiila, Walia Irish Trad. Vol 3

    Spancil Hill, Vol. 4

    S‘ schönschti Chick im Land (Tell me Ma), Vol. 5

    Vom Chreis Vier is Oberland, Vol. 6

    Landstriicher-o (Raggle Taggle Gypsy), Vol. 7

    Dorfleben Vol. Vol. 8

    Schwarz isch d’Farb (Black is the colour), Vol. 9

  • Schul- und Kinderlieder im KI-Zeitalter

    Aktuell wurden dem „Shadow Light Project“ neue Kinderlieder hinzugefügt, die mithilfe von Gemini KI und Suno entwickelt wurden. Sie zeigen, wie Lehrkräfte auf einfache Weise maßgeschneiderte Songs für den schulischen Alltag kreieren können – sei es ein personalisiertes Geburtstagslied für ein Kind der Klasse oder motivierendes Liedmaterial zu aktuellen Unterrichtsthemen wie der Stellung der Planeten. Die Lieder lassen sich dabei sehr konkret auf die spezifischen Bedürfnisse einer Klasse zuschneiden, indem etwa die Namen der Kinder, das eigene Schulhaus oder lokale Lernumgebungen thematisiert werden.

    Doch KI-Musik könnte im Unterricht noch viel weitergehen, indem die Schülerinnen und Schüler selbst aktiv werden und eigene Themen musikalisch umsetzen. Hier wird die eingesetzte KI-Umgebung selbst zum Lerngegenstand. Ein möglicher Ablauf: Ein Songtext wird zunächst sehr allgemein mit wenigen Stichworten in ChatGPT oder Gemini verfasst. Anschließend diskutieren und überarbeiten die Jugendlichen diese Entwürfe kollaborativ, bis hin zur Präsentation des fertigen Songs.

    Weitere spannende Varianten für die Unterrichtspraxis:

    • Kreatives Schreiben: Komponieren eines eigenen analogen Songtexts und gezielte Optimierung unter Einsatz von KI (z. B. Reim- und Rhythmus-Checks).
    • Ästhetische Urteilskompetenz: Diskussion der Qualität von KI-generierten Texten und Kompositionen. Wie weit entfernt sind diese „Werke“ der künstlichen Intelligenz noch von professionellen Musikproduktionen? Wo wirken sie klischeehaft?
    • Hintergrundwissen: Kritische Auseinandersetzung mit den großen LLM-Sprachmodellen, die hinter den KI-Texten stehen (Datenbasis, Urheberrecht, Bias).
    • Song-Contest: Vorgabe eines vorgegebenen Themas als Wettbewerbsaufgabe für den besten oder originellsten Song der Klasse.
    • Musikalische Thematik: Gezieltes Experimentieren mit musikalischen Stilen: Erstellung von Songs über Singen oder eigene Instrumente, um mehr auf die musikalische Untermalung von Songs EInfluss zu nehmen.

    Zum Schluss noch ein rechtlicher Hinweis: Wenn Schüler eigene Songs mit Suno oder Udio generieren, darf  die Frage nach den Nutzungsrechten im Unterricht nicht übergangen werden. In den Gratis-Versionen dieser Tools liegen die Rechte an den Songs häufig bei den Plattformen, und sie dürfen nicht kommerziell genutzt werden. Bei den hier abgedruckten Kinder- und Schulliedern liegen die Rechte bei Shadow Light Project.