KI IN DEINER SPOTIFY-PLAYLIST: WAS DU HÖRST UND WAS DU DARÜBER ERFÄHRST

🟨 WENN DIE PLAYLIST MEHR WEISS ALS DER HÖRER

Eine personalisierte Playlist verspricht eine einfache Sache: Musik, die zum eigenen Geschmack passt. Ob ein Song von einer Band eingespielt, mit generativen Werkzeugen produziert oder aus mehreren Arbeitsweisen zusammengesetzt wurde, hört man ihm nicht zwingend an. Wer sich dafür interessiert, braucht zusätzliche Informationen. Genau dort setzt eine am 12. Oktober veröffentlichte Untersuchung des Duke Tech Policy Program an.

Das studentische Forschungsteam prüfte, ob sich KI-Musik anhand öffentlich sichtbarer Merkmale erkennen lässt. Fünf neue Premium-Accounts wurden auf unterschiedliche Genres ausgerichtet und 28 Tage lang genutzt. Erfasst wurden 1.221 verschiedene Songs von 728 Künstlern; 76 Künstler wurden näher bewertet. Das Projekt ist eine kleine Pilotuntersuchung, keine repräsentative Vermessung von Spotify.

🟨 WAS DER ABGLEICH MIT DEEZER ZEIGT

Bei 64 Künstlern war ein Abgleich mit Deezers Kennzeichnungen möglich. Neun wurden darüber als KI-generiert eingeordnet, alle waren im untersuchten Material über Release Radar aufgetaucht. Die Ergebnisse beruhen damit auf einem externen Erkennungssystem, nicht auf der Einsicht in sämtliche Produktionsdateien. Laut Forschungsteam legten diese Künstler ihre KI-Nutzung in den untersuchten Informationen nicht selbst offen.

Das liefert einen konkreten Anlass, die Transparenz personalisierter Empfehlungen zu untersuchen. Es beweist jedoch keine gezielte Bevorzugung von KI-Musik durch Spotify. Dafür müsste man beispielsweise vergleichbare Veröffentlichungen, ihre Verfügbarkeit und ihre Empfehlungschancen systematisch gegenüberstellen. Das bloße Auftauchen in einer Playlist erklärt noch nicht, welcher Faktor die Auswahl ausgelöst hat.

Auch die rechnerischen rund 14 Prozent, also neun von 64 überprüften Künstlern, sind kein KI-Anteil am Spotify-Katalog. Sie beziehen sich auf eine vorausgewählte Teilgruppe. Die meisten erfassten Künstler wurden gar nicht auf diese Weise geprüft. Eine Schlagzeile wie „Jeder siebte Spotify-Künstler ist KI“ würde aus dieser Untersuchung etwas machen, das sie nicht hergibt.

🟨 DIE METHODE HAT EINEN WICHTIGEN BLINDEN FLECK

Das Team suchte unter anderem nach Veröffentlichungshäufigkeit, Onlinepräsenz, Liveauftritten und mutmaßlich generierten Bildern. Bekannte menschliche Musiker sowie Künstler mit ausreichenden Auftrittsbelegen wurden vor der weiteren Bewertung aussortiert. Außerdem wurden die Playlisttypen unterschiedlich lange gehört. Diese Entscheidungen begrenzen die Aussagekraft des Vergleichs.

Aus WILD-Sicht ist besonders die Vorauswahl erklärungsbedürftig. Dass ein Mensch auf einer Bühne steht, sagt zunächst etwas über seine Existenz und seine Auftrittstätigkeit aus. Es beweist nicht, dass jede seiner Aufnahmen ohne generative Werkzeuge entstanden ist. Eine Untersuchung der Künstleridentität und eine Untersuchung der Produktionsweise benötigen deshalb unterschiedliche Nachweise.

Umgekehrt macht das Fehlen von Konzertvideos aus einem Studioprojekt keinen KI-Act. Ein Produzent kann ausschließlich Instrumentalmusik veröffentlichen, auf öffentliche Auftritte verzichten oder erst am Anfang stehen. Auch ein künstlich gestaltetes Cover dokumentiert zunächst eine gestalterische Entscheidung. Wer daraus die Herkunft des Audios ableitet, überspringt einen entscheidenden Beweisschritt.

🟨 SPOTIFY HAT BEREITS KI-ANGABEN, ABER MIT GRENZEN

Der zugespitzte Titel des Duke-Blogbeitrags, „Spotify Won’t Label AI Music“, braucht eine Ergänzung. Spotify bietet bereits sogenannte AI Credits an. Nach der aktuellen Hilfeseite kennzeichnen sie einzelne generierte Beiträge, etwa Text, Gesang oder Produktion. Sie sind freiwillig, befinden sich in einer Beta und werden über unterstützende Distributoren angeliefert.

Auf Mobilgeräten erscheinen sie laut Spotify in den Song-Credits und der Ansicht des laufenden Titels. Sie sind kein pauschales Etikett für den gesamten Song. Spotify weist außerdem ausdrücklich darauf hin, dass fehlende Credits nicht beweisen, dass keine KI verwendet wurde. Damit bleibt eine zentrale Lücke: Eine nicht vorhandene Angabe lässt mehrere Erklärungen zu.

Für die Praxis bedeutet das, dass Hörer zwischen „nicht angegeben“ und „nachweislich nicht verwendet“ unterscheiden müssten. Diese Unterscheidung ist leicht zu übersehen. Ein leeres Informationsfeld wirkt schnell wie eine verlässliche Auskunft, obwohl es tatsächlich keine ist. Gute Gestaltung sollte diesen Unterschied verständlich machen.

🟨 KÜNSTLERIDENTITÄT UND MUSIKPRODUKTION SIND ZWEI EBENEN

Zusätzlich kündigte Spotify am 11. August ein „AI Persona“-Kennzeichen mit einem Rollout ab Mitte September an. Es bezieht sich auf künstlich erzeugte öffentliche Künstleridentitäten. Spotify erklärte dazu, solche Profile grundsätzlich aus redaktionellen und algorithmischen Empfehlungen herauszuhalten, mit Ausnahmen etwa für Nutzer, die ihnen folgen. Das Unternehmen unterscheidet diese Identitätskennzeichnung ausdrücklich von Angaben darüber, wie die Musik produziert wurde.

Daraus folgt nicht, dass jeder mithilfe von KI erzeugte Song automatisch unter diese Regel fällt. Ein menschlicher Musiker kann generativen Gesang oder Instrumentalspuren verwenden und unter seiner eigenen Identität veröffentlichen. Umgekehrt könnte hinter einer erfundenen Figur ein Team stehen, das Musik weitgehend selbst einspielt. Profil und Produktionsprozess beantworten unterschiedliche Fragen.

Die Duke-Ergebnisse allein reichen deshalb auch nicht aus, um einen Verstoß gegen Spotifys Persona-Regel nachzuweisen. Dafür müsste unter anderem geklärt werden, wie die jeweiligen Profile eingestuft waren, wann die Empfehlungen erfolgten und ob eine Ausnahme griff. Eine Funktionsankündigung belegt zudem noch keine lückenlose Umsetzung. Beide Seiten müssen sich an überprüfbaren Vorgängen messen lassen.

🟨 EIN DETEKTOR KANN HINWEISE LIEFERN, ABER KEINE BIOGRAFIE

Deezers Kennzeichnung dient dem Duke-Team als technischer Vergleichsmaßstab. Der Bericht betont zugleich, dass dessen Erkennung nicht sämtliche generativen Modelle abdeckt. Ein fehlender Treffer bleibt deshalb unbestimmt. Er bestätigt weder eine vollständig menschliche Produktion noch die Richtigkeit eines zuvor geäußerten Verdachts.

Für die öffentliche Debatte ist diese Unsicherheit wichtig. Ein technisches Ergebnis sollte mit seiner Aussagegrenze beschrieben werden. Die Formulierung „vom verwendeten System als KI-generiert erkannt“ ist präziser als die Behauptung, ein kompletter Künstler sei entlarvt worden. Ein einzelner untersuchter Titel rechtfertigt außerdem kein Urteil über ein gesamtes Werk.

Auch über den kreativen Aufwand entscheidet ein Detektor nicht. Er kann nicht aus einer Kennzeichnung heraus erklären, wer den Text geschrieben, wie lange jemand arrangiert oder welche Teile später neu aufgenommen hat. Ebenso wenig folgt daraus automatisch eine Urheberrechtsverletzung oder Streamingmanipulation. Solche Vorwürfe brauchen eigene Belege.

🟨 WELCHE INFORMATION HÖRERN WIRKLICH HELFEN WÜRDE

Die Duke-Autoren empfehlen sichtbare Angaben direkt bei Titeln und Empfehlungen, mehr Auswahlmöglichkeiten für Hörer sowie standardisierte Informationen beim Upload. Der praktische Reiz liegt darin, dass niemand für jeden unbekannten Song eine kleine Recherche beginnen müsste. Wie ein solches System gestaltet wird, entscheidet allerdings darüber, ob es Orientierung schafft oder neue Missverständnisse produziert. Ein einziges Kästchen mit „KI“ wäre für viele Produktionen zu ungenau.

Man kann sich drei unterschiedliche Fälle vorstellen: einen selbst geschriebenen Text mit generiertem Gesang, eine menschliche Bandaufnahme mit einer generierten Instrumentalspur und einen weitgehend automatisch erzeugten Song. Alle drei enthalten KI, aber auf unterschiedliche Weise. Wer bewusst bestimmte Produktionsformen hören möchte, braucht Angaben, die diese Unterschiede abbilden. Der Informationsgewinn entsteht durch die Beschreibung des Beitrags.

Ebenso müsste sichtbar sein, woher eine Angabe stammt. Eine Selbstauskunft des Künstlers, ein vom Distributor übermittelter Datensatz und eine technische Vermutung sind keine gleichwertigen Nachweise. Sie können sich ergänzen, sollten aber nicht unkenntlich ineinander übergehen. Für strittige Zuordnungen braucht es einen verständlichen Korrekturweg.

🟨 WAHLFREIHEIT BRAUCHT VERLÄSSLICHE KATEGORIEN

Ein Filter für KI-Musik klingt zunächst einfach. Seine Wirkung hängt aber davon ab, was genau er ausschließt und wie zuverlässig diese Information vorliegt. Würde bereits ein generierter Bestandteil reichen, könnten sehr unterschiedliche Arbeitsweisen gemeinsam aus Empfehlungen verschwinden. Würden dagegen nur freiwillige Angaben berücksichtigt, träfe die Auswahl vor allem diejenigen, die transparent sind.

Das wäre ein problematischer Anreiz. Ein Künstler sollte nicht schlechter gestellt werden, weil er seinen Prozess ehrlich beschreibt, während vergleichbare Musik ohne Angaben unbeachtet bleibt. Eine faire Lösung müsste daher klare Kategorien, nachvollziehbare Prüfungen und die Möglichkeit zur Berichtigung zusammenbringen. Welche Filter ein Publikum bevorzugt, ist anschließend eine eigene Frage.

Für unabhängige Musiker ergibt sich daraus ein sinnvoller Ansatz: die eigene Arbeitsweise konkret benennen, soweit entsprechende Felder beim Vertrieb vorhanden sind. Aussagen wie „Text selbst geschrieben, Gesang generiert, Arrangement und Mix selbst bearbeitet“ vermitteln mehr als ein pauschales Bekenntnis für oder gegen KI. Sie machen einzelne Leistungen erkennbar. Gleichzeitig sollte niemand gezwungen sein, seine gesamte private Biografie öffentlich auszubreiten, um als Musiker ernst genommen zu werden.

🟨 DER NÄCHSTE TEST MUSS GENAUER HINSEHEN

Eine weiterführende Untersuchung sollte die Produktionsweise einzelner Titel getrennt von der Identität ihrer Urheber erfassen. Unterschiedliche Playlisttypen müssten vergleichbar beobachtet und Empfehlungshäufigkeiten auf die jeweilige Zahl untersuchter Titel bezogen werden. Ebenso wichtig wären dokumentierte Erhebungszeitpunkte und der damalige Stand der Kennzeichnungsfunktionen. Erst so ließe sich beurteilen, ob Veränderungen bei Spotify im Alltag tatsächlich Wirkung zeigen.

Das aktuelle Projekt liefert dafür einen Anlass, aber kein abschließendes Urteil über die Plattform. Sein Wert liegt vor allem in der konkreten Frage, welche Auskünfte ein Hörer überhaupt bekommen kann. Für Künstler steht dieselbe Frage von der anderen Seite im Raum: Wird ihre Arbeit zutreffend beschrieben? Eine brauchbare Transparenzpolitik muss beides leisten.