Musik als Handlungsfeld von Big Data - Algorithmen errechnen den nächsten Hit
Nur wenig verbindet uns Menschen emotional so sehr wie Musik. Doch die Vielfalt, die uns die Musik bietet, scheint heutzutage immer mehr in Gefahr zu geraten, denn mittlerweile entscheidet schon lange nicht mehr das Bauchgefühl der Plattenbosse und Manager, ob es etwas erfolgreich und somit unter Vertrag genommen wird (unser Filmtipp hierzu: „That Thing You Do“ von Tom Hanks).
Musik ist vielmehr einer der Schauplätze von Big Data geworden. Algorithmen errechnen unsere Musikvorlieben - und somit den nächsten potenziellen Hit. Denn der geneigte Musikhörer gibt durch seine digitalen - und damit gläsernen - Hörgewohnheiten bereitwillig (oder vielleicht ja auch ungern?) Informationen über seine Vorlieben preis, Stichwort „Musik-Streaming“. Unternehmen können daraus Aussagen über die Beliebtheit von Songs und Künstlern treffen - und damit auch über Markenaffinitäten und Konsumgewohnheiten. Selbst passende Bandnamen und Songtitel lassen sich mittlerweile erfolgreich vorhersagen.
Ist das noch Kunst, mag sich da so mancher fragen, wenn künftig von Computer errechnete nackte Zahlen, Auskunft darüber geben sollen, wie wahrscheinlich der Erfolg einer Band, eines Interpreten oder eines Songs ist. Einheitsbrei und Gleichförmigkeit droht.
So haben sich auch schon diverse musikorientierte Firmen mit analytischen Informationssystemen wie Next Big Sound sowie HitPredictor etabliert. Und dann gibt es natürlich noch die Platzhirsche Shazam und vor allem Spotify, die sich sehr erfolgreich darauf spezialisiert haben, unzählige Big Data-Datenmengen auszuwerten und zu analysieren. Anhand dieser Daten wird dann entschieden, was als Single-Auskopplung in den Laden ...äh… ins (Internet)Radio oder auch in die Werbung kommt. Der ganze Prozess hat auch schon einen treffenden Namen von der Industrie erhalten: Hit Song Science schimpft sich der Vorgang so treffend. HitPredictor konnte so 2015 in den USA bereits 48 Titel der Top 50 vorhersagen.
Doch das führt wie gesagt zum Immergleichen, da alle Plattenlabels ein Stück vom begehrten Kuchen abhaben wollen und Musiktrends nacheifern und mit ähnlichen Songs und Acts auf den Markt drängen, die ihnen von Hit Song Science-Firmen empfohlen werden. Doch nicht nur die Labels wollen das Gleiche, auch der Musikhörer giert nach mehr - und überhört dabei oft die Alternativen, die auch mal unkonventionell vorgehen und damit die eigentliche Kunst am Leben erhalten. Zum Glück gibt es dennoch Musiker, die weniger Wert auf das Kommerzielle legen und nach wie vor der Kunst den Vorzug geben. Aber ob sie von der Musik leben können, steht natürlich wieder auf einem anderen Blatt Papier.
Und wie sieht er nun aus, der laut Big Data perfekte Pop-Song? Darauf lässt sich zumindest keine eindeutige Antwort geben, denn die Interessen und Geschmäcker ändern sich ja mit der Zeit. Vor 50 Jahren klang der perfekte Song noch anders als heutzutage oder beispielsweise in 20 Jahren. Laut einer 2015er Big Data Musik-Studie englischer Forscher der Queen-Mary-Universität in London war übrigens der Hip Hop bzw. Rap die größte Revolution in der Geschichte der Pop-Musik - und die Jahre 1964, 1983 und 1991 die stilprägendendsten.
Und wie sieht es derzeit aus? Was wird den Musikern gegenwärtig empfohlen, wenn sie - zumindest kommerziell - erfolgreich sein wollen?
Textlich sollten möglichst viele der folgenden Wörter in den Lyrics verwendet werden: Now, wanna, really, yeah, love, like, feel, want, got, go, get make, every, never, need, younger, night.
Und musikalisch wird derzeit ein Dreiviertel- oder Sechsachteltakt angeraten, vom Tempo her möglichst zwischen 90 und 130 Beats pro Minute. Eine gewisse Tanzbarkeit ist auch nicht verkehrt und neben der Hauptharmonie sollte möglichst noch Geklimper und Geknister eingebaut werden. Das Ganze dann mit rhythmischen Variationen versehen. Aber Obacht: Zu aufdringlich darf der Song wiederum auch nicht sein, die meisten Hörer bevorzugen nette, dahinplätschernde Stücke.
Na dann, jetzt wissen Sie hoffentlich Bescheid.
(R. Altenkirch)
