Die Dieter-Bohlen-Maschine

mp | Dieter Bohlen zittert. Bisher galt: Nur die wenigsten haben das Zeug dazu, vorauszusagen, welches Lied später ein Hit wird. Castingshows für Musiker gab es auch deshalb, weil Forscher bisher nicht voraussagen konnten, welche Musik viele Menschen erreicht und berührt. In früheren Studien suchten Autoren erfolgreiche neue Musik anhand der Melodien, Songtexte und Tempi. Vergeblich. Wissenschaftler nennen es das „Hit Song Science“-Problem. Möglicher­weise haben dieses Problem nun drei Wissenschaftler aus Claremont in den USA gelöst. Die Autoren um den Neurowissenschaftler Paul Zac konzentrierten sich auf die Reaktion der Hörer. Sie legten 33 Probanden tragbare Sensoren an, die die Herzraten aufzeichneten. In Gruppen von fünf bis acht Personen hörten die Teilnehmer 24 neue Pop-Lieder. Ein paar der Songs hatten die Gipfel der Charts erstürmt, andere waren „gefloppt“. Die Herzraten der Probanden wurden mithilfe eines Algorithmus ausgewertet, der auf maschinellem Lernen beruht. Dieser wandelte die Daten in eine Messgröße um, mit der sich die neurologische Antwort der Hörer ableiten lassen soll. Zusätzlich werteten Probanden in einem Fragebogen aus, wie ihnen die Songs gefallen hatten. Das KI-Modell identifizierte in der Studie 97% der späteren „Hits“ korrekt. Demgegenüber lieferten die Fragebögen, die die Probanden selbst ausgefüllt hatten, keine zuverlässige Voraussage für erfolgreiche Musik. Ob das Modell wirklich funktioniert, bleibt abzu­warten. Denn der Algorithmus, der neurologische Signale aus der Herz­rate ableitet, ist kaum validiert. An fast allen vorherigen Studien zu diesem Modell arbeitete der Neurowissenschaftler Paul Zac selbst mit. Vielleicht verbirgt sich hier ein Interessenkonflikt. Und nicht alle seiner Studien sind wissenschaftlich begutachtet. Doch Experten vermuten: Zeigt sich die Technik doch als effektiv, würde sie die kommerzielle Musikproduktion deutlich billiger machen – und Casting-­Juroren wie Dieter Bohlen überflüssig. |