WENN MUSIK VON 1982 PLÖTZLICH ALS KI GILT: DER GEFÄHRLICHE FEHLER IM SYSTEM

Ein Song aus dem Jahr 1982, aufgenommen mit den damaligen Möglichkeiten elektronischer Musikproduktion, soll plötzlich mit einem modernen KI-Musikmodell entstanden sein. Eine technische Unmöglichkeit, die dennoch als Ergebnis eines automatisierten Musikdetektors auftauchte. Genau das berichtet Digital Music News am 4. November 2026 über eine Untersuchung historischer Aufnahmen der schwedischen Band Twice a Man. Der Fall wirft eine grundlegende Frage auf: Wie zuverlässig können Systeme sein, die menschlich produzierte Musik von KI-generierten Aufnahmen unterscheiden sollen?

Im Mittelpunkt der Recherche steht der Hamburger Musiker André Grafert, der unter dem Künstlernamen Coloured Tears veröffentlicht. Seine selbst produzierten Tribute-Aufnahmen gerieten nach Angaben des Musikers unter KI-Verdacht. Eine anschließende Untersuchung durch International Artist Marketing führte zu überraschenden Ergebnissen. Nicht nur seine neuen Interpretationen, sondern sogar Jahrzehnte alte Originalaufnahmen wurden von automatisierten Systemen als möglicherweise KI-generiert eingestuft.

Für die Musikbranche ist das mehr als eine technische Kuriosität. Immer mehr Plattformen beschäftigen sich mit der Kennzeichnung oder Einschränkung generativer Musik. Wenn automatisierte Prüfverfahren dabei menschliche Produktionen falsch bewerten, können daraus erhebliche Probleme entstehen. Besonders für unabhängige Künstler, die auf digitale Vertriebswege und begrenzte Werbebudgets angewiesen sind, stellt sich die Frage nach einer verlässlichen Kontrolle solcher Entscheidungen.

🟨 23 SONGS, EIN MUSIKER UND EIN UNERWARTETER VERDACHT

Am 26. Juni 2026 veröffentlichte André Grafert unter dem Namen Coloured Tears die beiden Tribute-Alben „DECAY“ und „TIME“. Insgesamt enthalten die Veröffentlichungen 23 Coverversionen von Songs der schwedischen Elektronik- und Post-Punk-Band Twice a Man. Nach eigenen Angaben spielte, programmierte, sang und produzierte Grafert sämtliche Aufnahmen selbst. Zum Einsatz kamen unter anderem Cubase, verschiedene Synthesizer aus der Prophet-Reihe und virtuelle Instrumente von Native Instruments. Generative Musiksysteme habe er für die Produktion nicht verwendet.

Trotzdem wurde der Musiker nach der Veröffentlichung mit dem Vorwurf konfrontiert, seine Aufnahmen könnten mithilfe künstlicher Intelligenz entstanden sein. Die präzise elektronische Klanggestaltung, die bearbeiteten Stimmen und die für Darkwave charakteristischen Synthesizerstrukturen wurden dabei offenbar als mögliche Hinweise auf KI-Musik interpretiert. Um diese Vermutungen überprüfen zu lassen, untersuchte Ines Weidemann von International Artist Marketing die Veröffentlichungen mit automatisierten Erkennungssystemen.

Das Ergebnis war bemerkenswert. Alle 23 Coverversionen wurden vom KI-Detektor von SubmitHub als möglicherweise KI-generiert bewertet. Weitere untersuchte Systeme lieferten dem Bericht zufolge ebenfalls überwiegend entsprechende Verdachtseinstufungen.

Diese Bewertungen beweisen keine tatsächliche Verwendung generativer KI. Ebenso wenig liegt bislang eine unabhängig veröffentlichte Reproduktion sämtlicher Testergebnisse vor. Sie dokumentieren aber, wie die verwendeten Systeme in dieser Untersuchung reagierten.

🟨 DER TEST MIT HISTORISCHEN ORIGINALAUFNAHMEN

Die Untersuchung wurde anschließend auf die ursprünglichen Songs der Band Twice a Man ausgeweitet. Diese Aufnahmen stammen aus den 1980er-Jahren und entstanden damit Jahrzehnte vor der Entwicklung heutiger generativer Musikmodelle. Gerade solche historischen Veröffentlichungen bieten einen interessanten Kontrollansatz. Bei eindeutig datierten Originalaufnahmen lässt sich ausschließen, dass moderne KI-Musiksysteme bei ihrer damaligen Produktion eingesetzt wurden.

Trotzdem stufte SubmitHub nach Angaben von Digital Music News sieben der getesteten historischen Aufnahmen als möglicherweise KI-generiert oder als Mischformen ein. Besonders auffällig waren zwei Ergebnisse. Der Song „In My Mind“ aus dem Jahr 1982 wurde mit ElevenLabs Music in Verbindung gebracht. Die Aufnahme „Across the Ocean“ aus dem Jahr 1984 erhielt eine Zuordnung zu Treblo_v3.

Beide Zuordnungen sind zeitlich unmöglich. Die genannten Systeme existierten zum Zeitpunkt der ursprünglichen Aufnahmen noch nicht. Damit zeigt der Fall mindestens eines sehr deutlich: Eine solche Modellzuordnung ist nicht gleichbedeutend mit einem belastbaren Nachweis über die tatsächliche Entstehung eines Musikstücks.

🟨 WARUM EIN HISTORISCHER SONG EIN MODERNES KI-MODELL AUSLÖSEN KANN

Automatische KI-Musikdetektoren untersuchen eine Audiodatei nicht wie ein Historiker, der ihre Entstehung anhand von Studiounterlagen und Veröffentlichungsdaten rekonstruiert. Stattdessen analysieren sie Eigenschaften des Audiomaterials und vergleichen diese mit Mustern, die während ihrer Entwicklung bestimmten Klassen von Aufnahmen zugeordnet wurden. Je nach technischem Verfahren können dazu spektrale Eigenschaften, rhythmische Strukturen, zeitliche Veränderungen und andere statistisch erfassbare Merkmale gehören. Das Problem entsteht, wenn solche Merkmale nicht ausschließlich in KI-generierter Musik vorkommen.

Ein exakt quantisierter Drumcomputer, ein regelmäßig laufender Sequencer oder eine künstlich bearbeitete Stimme können bereits in jahrzehntealten Produktionen vorhanden sein. Dieselben oder ähnliche Merkmale können jedoch auch in moderner generativer Musik auftreten. Ein Detektor muss deshalb unterscheiden können, ob ein auffälliges Klangmerkmal tatsächlich mit einem bestimmten Erzeugungsverfahren zusammenhängt oder lediglich Teil eines musikalischen Stils ist. Der Fall Twice a Man zeigt, dass diese Unterscheidung bei den berichteten Tests nicht zuverlässig gelungen ist.

🟨 ELEKTRONISCHE MUSIK WAR SCHON LANGE VOR GENERATIVER KI ELEKTRONISCH

Die Musikgeschichte kennt zahlreiche Entwicklungen, die heute selbstverständlich erscheinen, früher jedoch als künstlich oder technisch ungewöhnlich galten. Synthesizer ermöglichten vollkommen neue Klangfarben. Drumcomputer ersetzten oder ergänzten akustische Schlagzeugaufnahmen. Sequencer machten es möglich, musikalische Abläufe mit äußerster rhythmischer Präzision zu wiederholen. Später kamen Sampler, digitale Effektgeräte, computergestützte Arrangements und immer umfangreichere Produktionssoftware hinzu.

Genres wie Electronic Body Music, Darkwave, Synthpop, Industrial und verschiedene Formen elektronischer Tanzmusik entwickelten ihre eigene Ästhetik gerade durch diese technischen Möglichkeiten. Ein gleichmäßig laufender Rhythmus oder eine synthetische Klangfläche ist deshalb kein zuverlässiger Beweis für generative KI. Auch eine ungewöhnlich saubere Produktion, eine stark bearbeitete Stimme oder ein mathematisch präzises Arrangement können vollständig durch menschliche Entscheidungen entstanden sein. Wenn solche Eigenschaften automatisch als KI-Verdacht interpretiert werden, besteht die Gefahr, dass etablierte musikalische Ausdrucksformen systematisch missverstanden werden.

🟨 WIE SUBMITHUB SEINE KI-ERKENNUNG ERKLÄRT

SubmitHub betreibt eine Plattform, über die Musiker ihre Veröffentlichungen an Kuratoren und andere Empfänger zur möglichen Promotion übermitteln können. Das Unternehmen bietet außerdem einen eigenen AI Song Checker an. Nach der offiziellen Beschreibung arbeitet dieser mit zwei unterschiedlichen Analyseansätzen. Ein Modell untersucht die spektralen Eigenschaften des Audiomaterials. Es betrachtet vereinfacht gesagt, wie sich verschiedene Frequenzbestandteile innerhalb der Aufnahme darstellen.

Ein zweites Modell analysiert zeitliche Eigenschaften und Veränderungen im musikalischen Verlauf. Die Ergebnisse werden zu einem gemeinsamen Wert zusammengeführt. Dabei berücksichtigt SubmitHub nach eigenen Angaben sowohl Hinweise auf vollständig generierte Musik als auch auf sogenannte hybride oder nachbearbeitete KI-Aufnahmen.

Das System benötigt mindestens 30 Sekunden Audiomaterial. Längere Ausschnitte sollen die Zuverlässigkeit der Analyse verbessern. Wichtig ist allerdings, dass ein solcher Wert eine technische Klassifikation darstellt. Er ist kein amtliches Gutachten und ersetzt keine umfassende Untersuchung der tatsächlichen Produktionsgeschichte.

🟨 DIE KRITISCHE GRENZE LIEGT BEI 85 PROZENT

SubmitHub hat im September 2026 eine neue Regelung für die Einreichung von Musik eingeführt. Seit dem 9. September werden Titel von der Übermittlung an Kuratoren ausgeschlossen, wenn das eigene Erkennungssystem sie mit einem Wert von mindestens 85 Prozent als wahrscheinlich KI-generiert einstuft. Die Regelung betrifft entsprechende automatische Einstufungen ebenso wie ausdrücklich als vollständig KI-generiert deklarierte Einreichungen.

Dabei handelt es sich um eine interne Zugangsregel für die Promotionsplattform SubmitHub. Sie bedeutet nicht automatisch, dass ein Song bei Spotify, Apple Music oder anderen Streamingdiensten gesperrt wird. Trotzdem kann eine solche Entscheidung für Künstler wirtschaftlich relevant sein. Wenn ein unabhängiger Musiker eine bestimmte Promotionsmöglichkeit aufgrund einer fehlerhaften Einstufung nicht nutzen kann, verliert er möglicherweise einen geplanten Weg zu Kuratoren und potenziellen Hörern.

Besonders kritisch ist die Frage nach möglichen Fehlerkorrekturen. SubmitHub erklärt in seinem Hilfebereich, dass Nutzer einen Detektorwert zwar als unzutreffend markieren können, um zur Verbesserung des Systems beizutragen. Für die eigentliche Einreichung sieht die Plattform nach den veröffentlichten Angaben jedoch kein Überprüfungsverfahren vor, das eine entsprechende Sperre im Einzelfall aufheben könnte. Genau hier wird aus einer technischen Bewertung eine Frage fairer Geschäftsbedingungen.

🟨 99,4 PROZENT GENAUIGKEIT: WAS SAGT DIE ZAHL WIRKLICH?

SubmitHub verweist auf eine nach eigenen Angaben unabhängig ermittelte Genauigkeit von 99,4 Prozent. Eine solche Zahl klingt beeindruckend. Sie lässt sich jedoch ohne nähere Informationen über die verwendeten Testdaten und die Berechnungsmethode nur eingeschränkt bewerten. Entscheidend wäre beispielsweise, welche Musikgenres in den Tests vertreten waren, wie viele historische elektronische Aufnahmen untersucht wurden und in welchem Verhältnis menschlich produzierte und KI-generierte Werke vorkamen.

Ebenso wichtig ist die Frage, welche Arten von Fehlern der angegebene Gesamtwert berücksichtigt und wie sich das System bei bislang unbekanntem Material verhält. Selbst ein in einer bestimmten Testumgebung sehr zuverlässiges Modell kann bei einzelnen Musikrichtungen häufiger Fehler machen. Die veröffentlichten Ergebnisse im Fall Coloured Tears widerlegen nicht automatisch die von SubmitHub angegebene Gesamtgenauigkeit. Sie machen aber deutlich, warum eine allgemeine Kennzahl nicht ausreicht, um jede einzelne Bewertung als zweifelsfrei richtig zu behandeln.

🟨 EIN VERDACHT IST KEIN BEWEIS

Bei der Diskussion über KI-Detektoren wird häufig übersehen, dass eine automatische Einstufung mehrere Bedeutungen haben kann. Ein System kann darauf hinweisen, dass eine Aufnahme bestimmte statistische Eigenschaften aufweist, die es aus KI-generiertem Material kennt. Daraus folgt jedoch nicht zwingend, dass die Aufnahme tatsächlich mit einem solchen System produziert wurde. Noch problematischer wird es, wenn ein Ergebnis mit einer konkreten Wahrscheinlichkeit verwechselt wird, obwohl nicht nachgewiesen ist, dass diese Prozentwerte über alle Musikrichtungen hinweg entsprechend kalibriert sind.

Eine Bewertung von beispielsweise 90 Prozent sollte deshalb nicht automatisch als Beweis verstanden werden, dass eine bestimmte Produktion zu 90 Prozent aus KI-Material besteht. Solche Werte beschreiben zunächst die Ausgabe des jeweiligen Prüfverfahrens. Ihre tatsächliche Aussagekraft hängt von dessen Entwicklung, Testbedingungen und möglicher Fehleranfälligkeit ab. Der Unterschied mag technisch erscheinen, ist aber für betroffene Musiker von erheblicher Bedeutung.

🟨 WENN AUS EINER KLASSIFIKATION EIN REPUTATIONSPROBLEM WIRD

Für einen unabhängigen Künstler kann bereits der öffentliche Verdacht einer verschwiegenen KI-Produktion unangenehme Folgen haben. Musikalische Glaubwürdigkeit basiert häufig auf Vertrauen. Hörer möchten wissen, wer hinter einem Werk steht, welche kreativen Entscheidungen getroffen wurden und wie die Musik entstanden ist. Wenn ein automatisches System einen Song als möglicherweise KI-generiert bewertet, kann daraus schnell eine Diskussion über Ehrlichkeit und künstlerische Leistung entstehen. Besonders problematisch ist dies, wenn die ursprüngliche Einstufung öffentlich verbreitet wird, ohne ihre Unsicherheit zu erklären.

Allerdings muss zwischen möglichen und tatsächlich nachgewiesenen Folgen unterschieden werden. Im Fall Coloured Tears ist die berichtete Fehlklassifikation dokumentiert. Nicht belegt ist dagegen, dass deshalb bereits Streaming-Einnahmen einbehalten wurden, ein Distributor die Veröffentlichungen gesperrt oder Bandcamp die Alben entfernt hätte. Solche wirtschaftlichen Konsequenzen dürfen deshalb nicht als feststehende Tatsachen dieses konkreten Falls dargestellt werden.

🟨 BANDCAMP VERFOLGT EINEN ANDEREN ANSATZ

Auch Bandcamp hat sich ausdrücklich zur Verwendung generativer KI positioniert. Am 13. Januar 2026 veröffentlichte die Plattform ihre Richtlinie „Keeping Bandcamp Human“. Danach sind Musik und Audioinhalte, die vollständig oder zu wesentlichen Teilen mit generativer KI erzeugt wurden, auf Bandcamp nicht erlaubt.

Zugleich untersagt die Plattform KI-Anwendungen, die zur unerlaubten Nachahmung anderer Künstler oder ihrer Stile eingesetzt werden. Besonders relevant ist eine weitere Bestimmung. Bandcamp behält sich ausdrücklich vor, Musik bereits bei entsprechendem Verdacht zu entfernen.

Damit schafft das Unternehmen einen erheblichen Entscheidungsspielraum. Die Richtlinie dient dem erklärten Ziel, menschlich geschaffene Musik zu schützen und den direkten Austausch zwischen Künstlern und Hörern zu stärken. Ein solcher Ansatz wirft jedoch Fragen auf, wenn Verdachtsmomente auf automatisierten Prüfverfahren beruhen, deren Ergebnisse im Einzelfall fehlerhaft sein können. Wichtig bleibt die Unterscheidung: Es gibt nach den vorliegenden Berichten keinen bestätigten Hinweis darauf, dass Bandcamp die Veröffentlichungen von Coloured Tears aufgrund der beschriebenen Testergebnisse entfernt hätte.

🟨 WER MUSS EIGENTLICH BEWEISEN, WIE MUSIK ENTSTANDEN IST?

Der Fall führt zu einer grundsätzlichen Frage über die Verantwortung in digitalen Musikmärkten. Soll ein Künstler nachweisen müssen, dass seine Musik nicht mit generativer KI produziert wurde, sobald ein automatisches System einen Verdacht meldet? Oder sollte eine Plattform ihre Entscheidung so begründen können, dass Betroffene die Einstufung nachvollziehen und bei Fehlern wirksam anfechten können? Aus Sicht eines fairen Verfahrens spricht viel dafür, dass automatisierte Entscheidungen überprüfbar bleiben müssen.

Dafür wäre es hilfreich, wenn betroffene Musiker erfahren könnten, welches System ihre Aufnahme untersucht hat, welche Kategorie vergeben wurde und welche Möglichkeiten zur manuellen Überprüfung bestehen. Auch die Unterscheidung zwischen vollständig KI-generierter Musik und unterstützenden technischen Werkzeugen verdient besondere Aufmerksamkeit. Ein Musiker, der eigene Instrumente spielt und anschließend digitale Effekte verwendet, arbeitet technisch anders als ein Nutzer, der eine vollständige Aufnahme durch einen generativen Musikdienst erstellen lässt. Beide Vorgänge unter demselben pauschalen Verdacht zusammenzufassen, würde wesentliche Unterschiede im Produktionsprozess übergehen.

🟨 WELCHE NACHWEISE KÖNNTEN KÜNSTLERN HELFEN?

Für Musiker kann es sinnvoll sein, wichtige Produktionsschritte nachvollziehbar zu dokumentieren. Dazu gehören beispielsweise ursprüngliche Projektdateien einer Digital Audio Workstation, MIDI-Spuren, selbst aufgenommene Audiodateien und unbearbeitete Instrumentalaufnahmen. Auch gespeicherte Zwischenversionen, Aufnahmedaten und nachvollziehbare Bearbeitungsschritte können dabei helfen, die Entwicklung eines Werkes zu erklären. Solche Materialien sind jedoch keine absolut fälschungssicheren Beweise. Außerdem verfügt nicht jeder Künstler über ein umfangreiches Archiv sämtlicher früherer Produktionen.

Die Verantwortung für ein zuverlässiges Prüfverfahren darf deshalb nicht vollständig auf Musiker verlagert werden. Besonders bei älteren Veröffentlichungen wäre eine solche Forderung kaum praktikabel. Viele historische Produktionen entstanden auf analogen Geräten und wurden unter Bedingungen hergestellt, bei denen heutige digitale Projektdateien überhaupt nicht existierten. Genau deshalb ist die zeitliche Unmöglichkeit der Zuordnung historischer Musik zu modernen KI-Modellen ein so wichtiger Hinweis auf die Grenzen der automatisierten Erkennung.

🟨 WARUM DIE MUSIKBRANCHE TROTZDEM KI-ERKENNUNG BRAUCHT

Die dokumentierten Fehler bedeuten nicht, dass jede automatische KI-Erkennung grundsätzlich nutzlos wäre. Streamingdienste und Musikplattformen stehen vor der Herausforderung, große Mengen neu eingereichter Inhalte zu verarbeiten. Dabei müssen sie unter anderem betrügerische Veröffentlichungen, irreführende Metadaten und andere Formen missbräuchlicher Nutzung erkennen. Generative KI erweitert die technischen Möglichkeiten, musikalische Inhalte in großer Zahl zu produzieren. Deshalb ist nachvollziehbar, dass Anbieter zusätzliche Instrumente zur Analyse und Kennzeichnung entwickeln.

Entscheidend ist jedoch, wie diese Instrumente eingesetzt werden. Ein automatischer Hinweis kann sinnvoll sein, wenn er eine anschließende Prüfung auslöst. Problematischer wird es, wenn aus einem Verdachtswert ohne ausreichende Kontrolle eine endgültige wirtschaftliche Entscheidung entsteht. Zwischen automatisierter Analyse und einer dauerhaften Sanktion sollte deshalb ein nachvollziehbares Verfahren liegen.

🟨 TRANSPARENZ MUSS AUCH FÜR DIE PRÜFSYSTEME GELTEN

Von Musikern wird zunehmend erwartet, dass sie den Einsatz generativer KI offenlegen. Gleichzeitig bleibt häufig unklar, wie die Systeme funktionieren, die diese Angaben überprüfen sollen. Hier besteht ein bemerkenswerter Widerspruch.

Einerseits sollen Künstler nachvollziehbar erklären, welche technischen Werkzeuge sie verwendet haben. Andererseits müssen sie möglicherweise Entscheidungen akzeptieren, deren technische Grundlage sie selbst nicht überprüfen können. Eine vollständige Offenlegung sämtlicher interner Algorithmen ist dafür nicht zwingend erforderlich. Denkbar wären jedoch unabhängige Qualitätsprüfungen, transparente Angaben über typische Fehler und klar definierte Möglichkeiten zum Widerspruch.

Auch die regelmäßige Überprüfung verschiedener Musikgenres wäre sinnvoll. Ein System, das vor allem anhand moderner Popproduktionen getestet wurde, muss nicht automatisch bei historischen Darkwave-Aufnahmen oder experimenteller elektronischer Musik gleich zuverlässig arbeiten. Die Qualität eines Erkennungssystems zeigt sich deshalb nicht nur daran, wie viele KI-generierte Aufnahmen es identifiziert. Ebenso wichtig ist, wie selten es menschlich geschaffene Musik fälschlicherweise beanstandet.

🟨 WAS DER FALL COLOURED TEARS WIRKLICH BEWEIST

Die Untersuchung von International Artist Marketing liefert ein konkretes Beispiel dafür, wie automatische Musikdetektoren zu offensichtlich unzutreffenden Ergebnissen gelangen können. Insbesondere die Zuordnung historischer Originalaufnahmen zu modernen KI-Systemen lässt sich mit den bekannten Veröffentlichungsdaten nicht vereinbaren. Damit ist ein Problem sichtbar geworden, das bei der Einführung solcher Technologien berücksichtigt werden muss.

Allerdings erlaubt die vorliegende Untersuchung keine verlässliche Aussage darüber, wie hoch die durchschnittliche Fehlerquote sämtlicher KI-Musikdetektoren ist. Dafür wären umfangreiche, systematisch dokumentierte Tests mit eindeutig bekannten Produktionsdaten erforderlich. Ebenso wenig lässt sich aus diesem Fall ableiten, dass sämtliche elektronischen Musikgenres grundsätzlich falsch eingestuft werden. Was sich sagen lässt, ist dennoch erheblich: Automatische Erkennungssysteme können bei realen Musikaufnahmen Bewertungen liefern, die mit deren tatsächlicher Entstehung unvereinbar sind.

🟨 DIE GRENZE ZWISCHEN SCHUTZ UND VERDACHT

Die Musikbranche steht vor einer schwierigen Aufgabe. Sie möchte menschliche Kreativität schützen, den Missbrauch generativer Technologien begrenzen und ihren Nutzern verlässliche Informationen über die Herkunft musikalischer Inhalte bieten. Dafür benötigt sie technische Werkzeuge, die große Datenmengen effizient untersuchen können. Doch gerade weil solche Systeme immer stärker in wirtschaftliche Entscheidungen eingebunden werden, dürfen ihre Grenzen nicht übersehen werden.

Der Fall Coloured Tears zeigt, dass eine sauber produzierte elektronische Aufnahme nicht automatisch als künstlich erzeugt gelten darf. Er erinnert zugleich daran, dass musikalische Innovation schon lange vor heutigen KI-Systemen auf technischen Entwicklungen beruhte. Wenn die Musikindustrie ihre Regeln auf automatisierte Bewertungen stützt, muss sie auch zuverlässige Möglichkeiten schaffen, falsche Ergebnisse zu erkennen und zu korrigieren.

Andernfalls droht aus einem Instrument zum Schutz menschlicher Kreativität ein Verfahren zu werden, das ausgerechnet menschlich geschaffene Musik unter ungerechtfertigten Verdacht stellt. Nicht jede auffällige Aufnahme ist KI-generiert. Und ein technischer Verdachtswert ist noch lange keine abschließende Wahrheit über die Geschichte eines Songs.