1. Ausgangslage & Der blinde Fleck im Betrieb
Ein Klick, ein Prompt – fertig ist das Meisterwerk. So lautet das gängige Marketingversprechen rund um generative Künstliche Intelligenz. Die Realität sieht anders aus.
In den Chefetagen und Entwicklungsabteilungen kursieren zwei extreme Denkmuster: Die einen verteufeln jedes generative Ergebnis pauschal als minderwertigen Abfall („AI Slop“), während die anderen dem Irrglauben aufsitzen, dass man komplexe kreative oder fachliche Wertschöpfung komplett an ein System delegieren kann, ohne selbst Fachwissen mitzubringen.
Beide Sichtweisen greifen zu kurz.
Um der Frage auf den Grund zu gehen, was generative Systeme heute tatsächlich leisten – und wo ihre harten Grenzen liegen –, habe ich den Praxistest gemacht: 200 Arbeitsstunden, ein klares Ziel und ein hochkomplexes Genre. Ein vollständiges, kohärentes Symphonic-Metal-Konzeptalbum im Stil von Nightwish und Within Temptation. Mit Storyboard, Duetten (Bariton und Sopran), Orchesterarrangements, chirurgischem Audio-Mastering und weltweitem Vertrieb via DistroKid.
Das Resultat steht heute unter dem Pseudonym Neural Requiem mit dem Album „Sanguine Crescendo“ auf den Plattformen bereit. Wer ein Ohr riskieren möchte, kann gerne auf Spotify reinhören oder das Projekt unterstützend auf Apple Music und weiteren Streaming-Diensten erwerben.
Und dennoch biete ich Musikproduktion ganz bewusst nicht als Dienstleistung an. Warum? Weil dieses Projekt schonungslos offengelegt hat, was passiert, wenn die Theorie des „One-Click-Promptings“ auf die operative Praxis trifft.
2. Der pragmatische Lösungsansatz
Wer ein echtes Album mit rotem Faden erschaffen will, scheitert mit einem einfachen Textbefehl. KI besitzt kein Gedächtnis über mehrere Iterationen hinweg, kein Konzept von Taktgefühl und kein Verständnis für narrative Kohärenz.
Die Lösung liegt in einer strikten Entkopplung von Konzeption, Vorbereitung, Generierung und Nachbearbeitung.
Schritt 1: Prompt-Chaining und duale Textführung (Gemini)
Ein Songtext für das Booklet ist nicht derselbe Text, den eine Audio-Engine benötigt. Zusammen mit habe ich Songtexte in zwei getrennten Versionen ausgearbeitet:
- 1Das Album-Textblatt: Leserlich, lyrisch und für den Hörer optimiert.
- 2Die funktionale Prompt-Struktur: Durchsetzt mit exakten Struktur-Tags, Rollenzuweisungen in eckigen Klammern und dynamischen Hinweisen.
Soll die Männerstimme rau einsetzen, die Frau mit zartem Falsett antworten und der Refrain im Duett explodieren, muss das Vokabular präzise vorgegeben werden. Ein falsches Satzzeichen zerstört den Rhythmus.
Schritt 2: Generative Kern-Engine & Audio-Inpainting (Suno Studio)
Der größte Mythos: Ein guter Prompt liefert ein fertiges Lied. In der Realität generiert man für einen einzigen funktionierenden Songentwurf gut und gerne 100 Varianten.
War der Grundtrack gefunden, begannen die eigentlichen Probleme: Vertauschte Rollen im Duett, genuschelte Endungen oder abrupte Tonartwechsel. Hier half nur chirurgisches Arbeiten über Inpainting:
- Millisekunden-genaue Markierung der Fehlerstellen.
- Neudefinition des Style-Prompts für den jeweiligen Schnipsel.
- Fixierung der Audio Influence auf exakt 80 %, um harmonische Brüche beim Übergang zu verhindern.
Schritt 3: Post-Production, Frequenzbereinigung & Mastering (BandLab DAW)
Das Rohsignal aus generativen Audiomodellen klingt digital matschig. Die Frequenzen überlagern sich, das Schlagzeug schmiert die Vocals zu. Hier zeigte sich die Stärke multimodaler : Anhand hochgeladener Audiospuren ließen sich Resonanzen analysieren und konkrete Entzerrungswerte berechnen.
Das finale Signal wurde in BandLab manuell und schrittweise veredelt:
- Hochpassfilter (Highpass): Schnitt in den tiefen Frequenzen (nahe 80–100 Hz) gegen tieffrequentes Rumpeln auf den Stimmspuren.
- Mittenbereinigung: Absenkung im „Muff“-Bereich (ca. 300–500 Hz) um einige dB, damit die Artikulation verständlich bleibt.
- De-Essing digitaler Artefakte: Schmalbandige Dämpfung des aggressiven KI-Zischens im Hochtonbereich (z. B. bei 6–8 kHz).
- Frequenz-Freigabe für die Instrumente: Gezielte EQ-Dips in den Rhythmusgitarren und Streichern, um dem Bariton-Gesang Raum zu geben.
- Dynamik-Kontrolle: Kompression zur Glättung von Lautstärkesprüngen.
- Mastering: Finale Politur mit angepasstem Input Gain im Light-Bereich, um die Dynamik der leisen Passagen nicht zu plätten.
3. Architektur & Vergleich im Praxistest
Der Mythos der mühelosen Generierung löst sich auf, sobald man den gesamten Workflow analysiert. Ohne tiefes Verständnis der Domäne (Songwriting, Tontechnik, Urheberrecht, Distribution) bleibt das Ergebnis unbrauchbar.
| Kriterium | KI-Hype-Vorstellung („One Click“) | Realer hybrider Workflow (200 Stunden) |
|---|---|---|
| Input-Aufwand | Ein Satz / Basis-Prompt | Dutzende Prompt-Iterationen, duale Skripte, Inpainting |
| Ergebnis-Güte | Inkonsistent, digitale Artefakte | Bereinigter Audiomix mit EQ-Korrektur und Mastering |
| Ausschussquote | Oft über 95% unbrauchbar | Gezieltes Reduzieren durch 80% Audio-Influence-Schnitt |
| Rechtliche Basis | Gratis-Accounts / Grauzone | Kommerzielle Lizenzen (Bezahl-Abos) & DistroKid-Compliance |
| Gesamtaufwand | 5 Minuten | 200 Stunden konzentrierte Schnittstellenarbeit |
Rechtlich gilt: Wer ernsthafte Projekte plant, braucht bezahlte Accounts, um die kommerziellen Nutzungsrechte zu sichern. Und selbst dann endet die Reise nicht beim Audiofile. Bildgenerierung für das Artwork, Videoschnitt in DaVinci Resolve für Trailer sowie die weltweite Verteilung über DistroKid verlangen ein solides Prozessgerüst.
4. Was Entscheider daraus ableiten müssen
Warum biete ich diesen Service trotz des erfolgreichen Releases nicht für Kunden an?
Schlussendlich aus zwei Gründen: Erstens gehört es nicht zur Kernpositionierung von Küttel AI & IT Solutions. Zweitens verlangt ein kommerzielles Musikprojekt den Aufbau einer echten Personenmarke, kontinuierliche Medienpräsenz und massive Marketinginvestitionen. KI senkt die Hürde für die Prototypenerstellung, sie ersetzt aber weder die Vermarktung noch den strategischen Atem.
Für den DACH-Mittelstand lässt sich aus diesem Experiment eine fundamentale Lehre ziehen:
Wer Digitalisierung und KI im Unternehmen einführen will, darf nicht auf den Marketing-Slogan hereinfallen. Man muss dorthin schauen, wo die Arbeit wirklich verrichtet wird. Im Lean Management nennt man diesen Grundsatz den Gemba Walk („Go see, ask why, show respect“). Führungskräfte müssen verstehen, welche manuellen Schritte, welches Domänenwissen und welche Qualitätskontrollen nötig sind, um aus einem rohen KI-Entwurf einen funktionierenden Geschäftsprozess zu formen.
KI nimmt Ihnen nicht das Denken ab. Sie nimmt Ihnen nicht die Qualitätskontrolle ab. Aber richtig verdrahtet, fungiert sie als kraftvoller Multiplikator für Menschen, die ihr Handwerk verstehen.