Zahlenspiele Die Vermessung der Musik

Beispiel einer LastGraph-Visualisierung
Beispiel einer LastGraph-Visualisierung | Screenshot: Psychonaut / CC0 1.0 public domain

Warum Hits nicht vorhergesagt werden können und dennoch Big Data das Musikbusiness aufmischt.

Wie jeder erfolglose Musiker zu berichten weiß, ist die Erfüllung vom Traum des Charterfolgs weitgehend dem Zufall überlassen. Das ist nicht unbedingt die scheinheilige Ausrede eines Versagers, denn auch Wissenschaftler kommen zum gleichen Ergebnis: Während Musik-Konsumenten sich bei unabhängigem Hören über die Qualität von Pop-Songs noch relativ einig sind, wird die Rangliste fast komplett durcheinandergewürfelt, sobald sie Informationen darüber haben, welche Lieder von anderen Konsumenten bevorzugt werden. Im Chaos dieses dynamischen, gegenseitigen Geschmacksabgleichs ziehen beliebte Lieder immer mehr Fans an, und die „Qualität“ der Musik als Erfolgsmerkmal geht fast komplett verloren. Zwar schaffen es immer noch meist nur Lieder an die Spitze, die auch unabhängig als gut beurteilt werden, aber welches davon die Nase vorn hat, das lässt sich kaum vorhersagen. Dies ist auch der Tenor anderer Studien, die dennoch versucht haben, solch eine Vorhersage zu machen und mehr oder weniger scheiterten.

Musikalität der Massen

Folgerichtig zapfen Firmen, die Interesse daran haben, vorherzusagen, wer welche Musik mögen wird, andere Datenquellen an. Zum Beispiel werden bei Amazon mit dem leicht verschwurbelten Satz: "Kunden, die diesen Artikel gekauft haben, kauften auch..." recht anständige Musikempfehlungen gegeben. Dies ist eine Collaborative-Filtering-Technik, die erst im Zeitalter von Big Data möglich geworden ist, denn dafür braucht man offensichtlich die Daten von vielen anderen Benutzern. Last.fm benutzt ähnliche Techniken, um aus meinen Hörgewohnheiten und derer von ähnlichen Hörern neue Lieder oder Interpreten vorzuschlagen. Das Londoner Startup MusicMetric ermittelt die Popularität von Liedern, indem sie das Internet nach Tweets, legalen und illegalen Downloads durchforstet. Shazam geht noch einen Schritt weiter. Die App, mit der mein Smartphone erkennen kann, welches Lied ich gerade in meinem Lieblingscafé höre, ist nicht nur für mich als App-Nutzer nützlich: Anhand der Anfragen erkennt die Firma, welche Lieder die Leute aufhorchen lassen und kann so schon oft erkennen, was gerade in welcher Stadt hip ist, und das, bevor es in den Charts steht. Kurzum: Big Data, die Nutzung von rauen Mengen an Daten zur besseren Einschätzung der Kundenvorlieben und Erfolgsaussichten, ist längst in der Musikbranche angekommen.

Unter dem akustischen Mikroskop

Umso erstaunlicher ist es, dass die Eigenschaften der eigentlichen Musikaufnahmen selbst kaum eingesetzt werden – der sogenannte Content scheint zweitrangig zu sein. Das könnte sich bald ändern, denn die Musik-Informatik, die computerbasierte Analyse von Akkorden, Beats, Takten, Tonarten, Rhythmen und Instrumenten, wird immer erwachsener, und das nicht nur in der universitären Forschung . Zum Beispiel hat Google schon 2011 erforscht, wie man Nutzerdaten und Audioanalysen kombiniert. Das Startup The Echonest, das sich auf Musik-Analyse spezialisiert, wurde erst kürzlich von Spotify, dem weltweiten Marktführer im Streaming, akquiriert. Das heißt: Auch Musik-Informatik ist jetzt Mainstream. Meine Forschung beschäftigt sich ebenfalls mit Musik-Informatik. Zusammen mit meinen Kollegen habe ich gezeigt, dass sich die musikalischen Eigenschaften der Charts, besonders Akkorde und Instrumentierung, über die Jahre messbar verändern. Außerdem ist bemerkenswert, dass sich die gemessenen Eigenschaften erfolgreicher Lieder oft von denen von Flops deutlich unterscheiden.

Musikalischer Wetterbericht

Also sind Lieder in den Top 10 doch anders. Wie passt das mit unserer Erkenntnis zusammen, dass der Zufall den Charterfolg dominiert? Es kommt auf die Fragestellung an. Da größere Trends durchaus messbar sind, ist es nicht undenkbar, Erfolgswahrscheinlichkeiten anhand von Audio-Merkmalen zu berechnen. Das wird für einzelne Lieder zwar selten korrekt sein, aber im Durchschnitt besser als der Zufall – genau wie die Wettervorhersage. Meine Vorhersage ist daher, dass man langfristig nicht daran vorbeikommen wird die Audioanalyse mitzuberücksichtigen, denn in der Wirtschaft zählen auch kleine Wettbewerbsvorteile.

Genuss trotz Wissen?

Zwei große Fragen bleiben: Wird das Wissen um die messbaren Eigenschaften der Musik uns den Genuss an ihr verderben? Und: Wird Musik nicht eintöniger werden, wenn Musiker besser vorhersagen können, was erfolgreich wird? Ich tendiere bei beiden Fragen zu: nein.

Wissen schützt vor Torheit nicht. Menschen verlieben sich immer noch ineinander, auch wenn wir inzwischen wissen, dass das passiert, weil diejenigen Vorfahren, die sich verliebten, von der Evolution begünstigt wurden. Ebenso wird Musikwissen nicht die Macht haben, Menschen davon abzubringen, Musik zu genießen.

Die zweite Frage ist komplizierter. Schon Theodor Adorno befürchtete, dass Musik immer eintöniger werden würde, aber wir haben das in unserer Forschung nicht bestätigen können – die US-Charts scheinen ein gesundes Maß an Vielfalt behalten zu haben. Denn auch wenn es schon immer einige Musiker gab, die mit Vorliebe erfolgreiche Musik imitierten, gab es auch immer andere, die darauf hofften, mit andersartiger, einzigartiger Musik den großen Wurf zu landen. Oder sich über kommerziellen Erfolg einfach keine Gedanken machten. Sorgen um die Zukunft interessanter Musik mache ich mir daher nicht.