Feinfühlige Musikbibliothek

Je mehr Musik man besitzt, desto schwerer ist es auch, den richtigen Song zur richtigen Zeit zu finden. Wissenschaftler an der LMU München arbeiten derzeit an einer Lösung: Einer Abspielsoftware, die Titel nach Stimmung und Gefühl sortiert.

Jukebox-Programme wie Apples populäres iTunes oder MP3-Spieler wie der iPod haben den Nachteil, dass man lange Listen mit Musik herunterscrollen muss. "Viele iPod-Besitzer haben mir erzählt, dass sie diese Listen gar nicht mehr lesen. Sie erinnern sich einfach an die Stellen, an denen ihre Lieblingskünstler stehen und bewegen sich dann dort hin - sie haben sich jeweils gemerkt, wie lange es dauert, bis sie an die richtige Stelle scrollen", meint der Doktorand Otmar Hilligens, der an dem Projekt arbeitet.

Doch der Trick hilft eher wenig, wenn man es mit einer Musiksammlung aus mehreren Tausend Songs zu tun hat. In vielen Fällen haben die Nutzer außerdem noch nicht einmal den Titel oder den Künstler im Kopf - eher ein Gefühl dafür, was sie jetzt gerne hören würden. Dann könnten sie beispielsweise nach einem Genre wie "Jazz" suchen, aber auch das zeigt den Nutzern nicht an, wie sich der Song anhört oder in welche Stimmung er sie versetzt.

Einige MP3-Spielerbesitzer übergeben daher lieber einfach dem Gerät die Kontrolle - sie stellen ihren Player auf Zufallswiedergabe. So ergeben sich Musikmischungen, die die verschiedensten Genres abdecken, meint Paul Lamere, Softwareingenieur in den Labors von Sun Microsystems in Santa Clara. "Da folgt dann Hardrock auf Kinderlieder. Wir nennen das gerne auch ein iPod-Schleudertrauma." Was der Nutzer jedoch wirklich wolle, sei ein Knopf, mit dem genau die Musik gespielt würde, die er zum jetzigen Zeitpunkt bevorzuge.

Die Münchner Wissenschaftler entwickelten daher eine Software, mit der sich Musiksammlungen anhand ihres Klanges und ihrer Ähnlichkeiten kartografieren lassen. Das Projekt namens "AudioRadar" verwendet Algorithmen aus der Akustikforschung der letzten Jahre. Beim Scan der Musiksammlung werden verschiedene Parameter erfasst - das Tempo, Akkordveränderungen, Lautstärke, Harmonien und so weiter. Daraus ergeben sich dann vier Kernkriterien: Schnell oder langsam, melodisch oder rhythmisch, turbulent oder ruhig sowie rau oder clean. (Die Turbulenz wird z.B. durch die Abruptheit der Akkordwechsel bestimmt, Rauheit hat mit der Zahl dieser Wechsel zu tun.)

Anhand dieser Werte wird dann eine Karte erstellt, bei der ein gewählter Song in der Mitte des Bildschirms steht, während ähnliche Titel in einem Kreis herum gruppiert werden - ähnlich wie die "Blips" auf einem Radarschirm. Dann können die Nutzer die Charakteristik anderer Songs über die relative Position zu anderen Titeln auf der Karte bestimmen. Geht es um einen ruhigen Song, wäre z.B. ein weiterer Titel am Grenzbereich des Kreises zweimal so ruhig wie der Song in der Mitte. Der Musikcluster verändert sich mit jedem neuen Song. Somit können die Nutzer ihre Sammlung durchgehen, ohne sich jeden einzelnen Titel zu merken. Sie können auch stimmungsbetonte Playlisten zusammenstellen oder einfach den nächsten ähnlichen Titel wählen.

AudioRadar unterscheidet sich dadurch deutlich von Online-Empfehlungsdiensten wie "Liveplasma", "Pandora" oder "Last.fm", die den Musikgeschmack des Nutzers nach Künstlern analysieren und dann neue Titel vorschlagen. Auch hat AudioRadar wenig mit "Musipedia" zu tun, einem Service, bei dem ein Nutzer einen Titel pfeifen oder vorsingen kann, um dann Titel und Künstler zu erfahren.

Die nächsten Verwandten des Münchner Projektes sind in den USA in Entwicklung: "Playola" von einem Studenten an der Columbia University und "Search Inside the Music" von Sun Microsystems. Playola untersucht Muster in Songs und ordnet sie dann in Genres ein - Elektronik, Rock und so weiter. Hat man einen Titel gehört, kann man dann einen Regler anpassen, der die Auswahl des nächsten Songs bestimmt - beispielsweise "mehr Folk, weniger Rock". Auch Playola ermöglicht die Musikauswahl nach Stimmung und nutzt ähnliche Algorithmen wie AudioRadar, wie Don Ellis, außerordentlicher Professor für Elektroingenieurwesen an der Columbia University, betont. Ellis betreut Playola, lobt aber die nutzerfreundliche Darstellung von AudioRadar.

Auch Search Inside the Music ist eine Musikabspielsoftware, die Songeigenschaften analysiert. Die Software zeigt Titel als Sterne an einem künstlichen Himmel an, die nach Genre und Klang gleichermaßen gruppiert sind. So kann man eine musikalische Reise durch seine Musiksammlung unternehmen. Man erklickt sich einen Startsong (etwa Rock) und geht dann Schritt für Schritt in die leichtere Musik, um dann etwa mit einem langsamen Klassikstück zu enden. Ein "iPod-Schleudertrauma" wird so vermieden.

"Riesige Musiksammlungen brauchen unbedingt bessere Navigationsinstrumente", meint Ellis von der Columbia University. Sowohl AudioRadar als auch Search Inside the Music sind derzeit noch Prototypen - das Sun-Projekt wird demnächst bei einem Symposium in Kanada vorgestellt.

Das aktuelle Hauptproblem ist die Ineffizienz bei der Songerfassung. "Es dauert sehr lange", meint Hilliges. Die 10.000 Songs, die AudioRadar einmal analysieren können soll, hat er noch nicht ausprobiert, weil der Erfassungsprozess zu frustrierend sei. So dauert es zwischen fünf und zehn Prozent länger, einen Titel zu vermessen, als ihn abzuspielen. Bei großen Musiksammlungen dauert der Prozess dadurch viele Stunden.

Stephen Downie von der University of Illinois hält das Problem aber nur für temporär. Der Multimedia- und Datenbank-Spezialist glaubt, dass Systeme wie AudioRadar mit dem Fortschritt der Rechentechnik gleich in Musikspielern wie dem iPod eingebaut werden könnten.

Noch hat die Musikerkennung aber noch Kinderkrankheiten. "Über die Ähnlichkeiten eines Songs bestimmt der Mensch", meint Sun-Mann Lamere. Sie sei ein subjektives Phänomen: Menschen hielten Titel aus den verschiedensten Gründen für ähnlich.

Aktuell orientierten sich die Algorithmen aber noch nicht daran, dementsprechend "unähnlich" klängen manche vom Computer entdeckte Übereinstimmungen. Je breiter der Musikgeschmack, desto problematischer wird dies. So gruppierte etwa eine frühe Version von Search Inside the Music plötzlich Heavy Metal neben Klassik, weil das Timbre der Instrumente ähnlich war: Cembalo und E-Gitarre klangen für den Rechner gleich.

Ein anderes Problem: Die Rechner können charakteristische Merkmale nicht immer erfassen. "Als Mensch erkennt man "Stairway to Heaven" auch dann, wenn es auf dem Banjo gespielt wird. Die Technik kann das noch nicht", meint Downie. Er freue sich aber trotzdem darüber, dass die Sortierung nach Stimmung und Gefühl nun auch Endkunden erreiche. Zuvor müsse man nur noch einige Probleme lösen.

Übersetzung: Ben Schwan. (nbo)