Wer häufiger mit KI-Musik arbeitet, kennt den Verdacht: Die ersten Ergebnisse wirken erstaunlich professionell, doch nach einigen Generierungen tauchen vertraute Klangfarben, ähnliche Spannungsbögen und wiederkehrende Produktionsmuster auf. Ist das nur ein subjektiver Höreindruck – oder lässt sich eine solche Vereinheitlichung tatsächlich messen?

Eine neue Studie der University of Pennsylvania liefert dazu ungewöhnlich konkrete Daten. Zoe Slendebroek und Danaé Metaxa haben Musik von SUNO Pro v5.5 und Google Lyria 3 mit menschlich produzierten Titeln aus vier Genres verglichen. Ihr Ergebnis ist differenzierter als die einfache Behauptung, KI-Musik klinge grundsätzlich gleich: Lyria 3 erzeugte innerhalb einzelner Genres weniger Vielfalt, während SUNO die untersuchten Genregrenzen stärker verwischte. Beide Systeme zeigten damit eine Form von Homogenisierung – aber nicht dieselbe.

Für Musiker und Produzenten ist das relevant, weil sich daraus praktische Konsequenzen für Prompts, Arrangement und Nachbearbeitung ergeben. Gleichzeitig zeigt die Untersuchung, wie vorsichtig pauschale Urteile über KI-Musik formuliert werden müssen.

Wenn ein Höreindruck messbar wird

Die Studie trägt den Titel „The Algorithmic Flattening of Sound: Computational Evidence and Justice Implications of AI Music Homogenization“. Sie erschien im August 2026 als Preprint und ist zur Veröffentlichung auf der Konferenz AAAI/ACM AIES 2026 vorgesehen.

Die Forscherinnen untersuchten nicht, ob die generierten Stücke schön, originell oder kommerziell brauchbar sind.

Stattdessen stellten sie drei präzisere Fragen:

1. Folgen die Systeme musikalischen Eigenschaften, die ihnen über einen Prompt vorgegeben werden?
2. Ist die Vielfalt innerhalb eines Genres ähnlich groß wie bei menschlich produzierter Musik?
3. Bleiben die Unterschiede zwischen Genres erhalten oder rücken die Ergebnisse statistisch näher zusammen?

Damit betrachtet die Studie nicht die künstlerische Qualität, sondern die Verteilung messbarer Audioeigenschaften. Das ist ein wichtiger Unterschied. Ein Song kann emotional überzeugen und trotzdem in einem engen statistischen Korridor liegen. Umgekehrt ist ein ungewöhnlicher Messwert noch kein Beweis für musikalische Originalität.

Was „musikalische Homogenisierung“ hier bedeutet

Im Alltag wird „klingt alles gleich“ meist sehr unscharf verwendet. Gemeint sein können identische Stimmen, ähnliche Akkordfolgen, ein typisches Mastering, vorhersehbare Songstrukturen oder schlicht eine persönliche Abneigung gegen einen bestimmten Produktionsstil.

Die Studie zerlegt dieses Gefühl in zwei messbare Ebenen:

• Vielfalt innerhalb eines Genres: Unterscheiden sich etwa 100 Afrobeats-Generierungen deutlich voneinander, oder sammeln sie sich eng um einen gemeinsamen Mittelwert?
• Abstand zwischen Genres: Bleiben Afrobeats, K-Pop, Dance Pop und Heavy Metal als getrennte Klangräume erkennbar, oder überlappen ihre Audioeigenschaften stärker?

Diese Unterscheidung erklärt eines der zunächst überraschenden Resultate: SUNO zeigte innerhalb einzelner Genres teilweise sogar mehr Streuung als die menschliche Vergleichsmusik. Trotzdem waren die Genres untereinander weniger klar getrennt. Mehr Variation bedeutet also nicht automatisch mehr stilistische Präzision.

Bildlich gesprochen können einzelne Farbwolken sehr breit sein und sich gerade deshalb stark überlappen. Lyria erzeugte eher kompaktere Wolken an den erwarteten Positionen. SUNO erzeugte größere Wolken, deren Grenzen ineinanderliefen.

So wurde die Studie durchgeführt

Untersucht wurden SUNO Pro v5.5 und Google Lyria 3 als kommerzielle Blackbox-Systeme. Die Generierungen entstanden im April und Mai 2026. Die technischen Einstellungen blieben nach Angaben der Autorinnen auf den jeweiligen Standardwerten; eine nachträgliche Audiobearbeitung fand nicht statt. Nur stumme oder beschädigte Dateien wurden ausgeschlossen.

Als Genres wählten die Forscherinnen Afrobeats, K-Pop, Dance Pop und Heavy Metal. Pro Genre, System und Versuchsbedingung wurden 100 Titel erzeugt. Insgesamt kamen so 1.600 KI-Stücke zusammen.

Der Versuch bestand aus zwei Teilen. Im ersten Teil erhielten die Systeme Prompts, die aus analysierten Eigenschaften menschlicher Referenztitel abgeleitet waren. Für jeden Referenztitel entstand eine passende KI-Generierung. Im zweiten Teil wurden bewusst minimale Prompts verwendet: lediglich der Name des Genres sowie die Vorgabe, ein Instrumentalstück ohne Gesang zu erzeugen. Dadurch ließ sich prüfen, ob die beobachteten Muster auch ohne detaillierte Steuerung bestehen bleiben.

Die menschliche Vergleichsgruppe umfasste 100 Titel pro Genre. Sie stammten aus öffentlich zugänglichen Spotify-Playlists. Um zu verhindern, dass einzelne Künstler den Datensatz dominieren, wurden höchstens fünf Stücke pro Künstler berücksichtigt, Duplikate entfernt und die endgültige Auswahl aus größeren Pools zusammengestellt. Analysiert wurden jeweils 30 Sekunden lange Audiovorschauen.

Für den Vergleich nutzte das Team 72 sogenannte MIR-Merkmale. MIR steht für Music Information Retrieval – also Verfahren, mit denen sich musikalische Eigenschaften automatisch aus Audiodateien gewinnen lassen.

Analysebereich	Merkmale	Vereinfacht gesagt
Rhythmus und Timing	8	Tempo, Anschlagsdichte und zeitliche Abstände
Spektrale Form	12	Helligkeit, Bandbreite und Verteilung der Frequenzen
MFCC-Klangbeschreibung	30	statistische Beschreibung von Klangfarbe und Hüllkurve
Timbre und Textur	4	unter anderem harmonische und perkussive Anteile
Harmonik	9	Tonhöhenklassen, Tonart und harmonische Klarheit
Struktur und Wiederholung	3	Selbstähnlichkeit und wiederkehrende Abschnitte
Dynamik	6	Lautheitsverlauf, Spitzen und Dynamikumfang

Die 72 Werte bilden Musik nicht vollständig ab. Sie erlauben aber einen reproduzierbaren Vergleich, der über einzelne Hörbeispiele hinausgeht.

Ergebnis 1: Detaillierte Prompts garantieren keine präzise Umsetzung

Im ersten Experiment wurden die Promptvorgaben mit den Eigenschaften der erzeugten Audiodateien verglichen. Dabei zeigte SUNO v5.5 über fast alle untersuchten Merkmale nur geringe Zusammenhänge. Die höchste gemessene absolute Korrelation lag bei 0,26. Beim Tempo erreichte SUNO ungefähr 0,15, bei der Anschlagsdichte etwa 0,08.

Lyria 3 folgte dem vorgegebenen Tempo deutlich besser. Je nach Genre lagen die Korrelationen zwischen 0,30 und 0,57. Bei vielen anderen Merkmalen blieb aber auch Lyria nur begrenzt steuerbar.

Das bedeutet nicht, dass Prompts wirkungslos sind. Sprache kann Stil, Instrumentierung, Stimmung oder eine grobe Form beeinflussen. Die Messwerte legen jedoch nahe, dass präzise musikalische Eigenschaften nicht zuverlässig allein durch eine textliche Beschreibung kontrolliert werden. Ein Prompt wie „schnell“, „dynamisch“ oder „mit komplexem Rhythmus“ ist keine technische Spezifikation, die das System exakt ausführt.

Für die Produktion ist das eine nüchterne, aber hilfreiche Erkenntnis: Wer ein bestimmtes Tempo, eine definierte Dynamik oder einen präzisen Groove benötigt, sollte das Ergebnis nach der Generierung prüfen und gegebenenfalls in der DAW weiterbearbeiten. Die Texteingabe ersetzt keine musikalische Kontrolle.

Ergebnis 2: Lyria 3 verdichtet die Musik zur Genre-Mitte

Bei Lyria 3 war die Streuung innerhalb der Genres in drei von vier Fällen geringer als bei der menschlichen Vergleichsmusik. Über alle Merkmale und Genres hinweg erreichte die Varianz etwa 84 Prozent des menschlichen Referenzwertes. In 58 Prozent der Kombinationen aus Merkmal und Genre war die Streuung niedriger als bei den menschlichen Titeln.

Das lässt sich als Verdichtung zur stilistischen Mitte verstehen. Lyria scheint typische Genremerkmale relativ klar zu treffen, produziert innerhalb dieses Rahmens aber weniger extreme oder ungewöhnliche Varianten. Die Titel liegen enger um das, was das Modell offenbar als plausiblen Schwerpunkt eines Genres behandelt.

Für praktische Anwendungen kann genau das erwünscht sein. Hintergrundmusik, Entwürfe oder funktionale Produktionen profitieren mitunter von einem sofort erkennbaren Stil. Künstlerisch wird es problematisch, wenn die sichere Genre-Mitte zur unsichtbaren Norm wird und seltenere Spielarten an den Rand drängt.

Die Studie verbindet diese Messung deshalb mit einer kulturpolitischen Frage: Wenn generative Systeme bevorzugt statistisch zentrale Muster reproduzieren, können regionale, historische oder weniger häufig dokumentierte Varianten schlechter sichtbar werden. Aus den Daten lässt sich allerdings nicht ableiten, welche Trainingsdaten oder internen Modellentscheidungen dafür verantwortlich sind. Die untersuchten Dienste wurden ausschließlich von außen beobachtet.

Ergebnis 3: Bei SUNO verschwimmen die Genregrenzen

SUNO zeigte ein anderes Muster. Innerhalb der Genres war die Streuung im Durchschnitt deutlich größer als bei den menschlichen Vergleichstiteln. Das Verhältnis der Varianzen lag bei 1,667; in 83 Prozent der untersuchten Kombinationen war die Varianz höher als im menschlichen Datensatz. Bei Afrobeats erreichte das Verhältnis der paarweisen Abstände bis zu 1,58.

Auf den ersten Blick klingt das nach besonders großer Vielfalt. Der zweite Teil der Analyse verändert jedoch das Bild. Die Forscherinnen berechneten, wie klar sich die vier Genres voneinander abgrenzen lassen. Bei menschlicher Musik lag der sogenannte Separationswert bei 0,662. Lyria erreichte 0,676 und bewahrte die untersuchten Genregrenzen damit praktisch vollständig. SUNO kam nur auf 0,429 – rund 36 Prozent weniger als die menschliche Referenz.

SUNO v5.5 produzierte also nicht einfach eine kleine Anzahl beinahe identischer Stücke. Vielmehr verteilten sich die Ergebnisse breiter, griffen dabei aber stärker in die Klangräume anderer Genres hinein. Afrobeats, K-Pop, Dance Pop und Heavy Metal verloren in den gemessenen Eigenschaften einen Teil ihrer statistischen Trennschärfe.

Das ist der interessanteste Befund der Studie, weil er eine verbreitete Kritik präzisiert. „SUNO klingt immer gleich“ wäre als Schlussfolgerung zu grob. Treffender wäre: In diesem Datensatz erzeugte SUNO v5.5 viel Variation, doch diese Variation war weniger eindeutig an die angeforderten Genres gebunden.

SUNO und Lyria entwickeln jeweils einen eigenen Klangraum

Die beiden Systeme näherten sich keineswegs demselben universellen KI-Sound an. Im Gegenteil: Ihre Ergebnisse waren untereinander stärker verschieden als zufällig gewählte Teilmengen der menschlichen Vergleichsmusik. Je nach Genre lag der gemessene Konvergenzwert zwischen 2,70 bei Heavy Metal und 4,64 bei Afrobeats.

Das spricht dafür, nicht nur von „KI-Musik“ als einheitlicher Kategorie zu reden. Modelle, Daten, Produktentscheidungen und Generierungsverfahren können jeweils einen eigenen klanglichen Fingerabdruck erzeugen. Wer das System wechselt, erhält nicht bloß eine andere Benutzeroberfläche für dieselbe musikalische Maschine.

Auch für Vergleiche zwischen Diensten ist das entscheidend. Ein Modell kann Genregrenzen zuverlässig bewahren und trotzdem innerhalb des Genres wenig Vielfalt liefern. Ein anderes kann abwechslungsreicher wirken, aber stilistisch unschärfer reagieren. Beide Eigenschaften sollten getrennt bewertet werden.

KI-Musik war statistisch fast immer erkennbar

Ein Klassifikationsmodell konnte anhand der 72 Audiomerkmale sehr zuverlässig zwischen KI-generierter und menschlicher Musik unterscheiden. In einer fünffachen Kreuzvalidierung erreichte es eine mittlere AUC von 0,991 und eine Genauigkeit von 96,7 Prozent.

Zu den wichtigsten Merkmalen gehörten Veränderungen in den MFCC-Werten, ein grundlegender MFCC-Koeffizient sowie der mittlere Abstand zwischen musikalischen Ereignissen. Vereinfacht gesagt lagen relevante Unterschiede vor allem in der zeitlichen Entwicklung der Klangfarbe und im rhythmischen Verhalten.

Diese Zahl darf nicht mit einem menschlichen Hörtest verwechselt werden. Die Studie zeigt nicht, dass Hörer in 96,7 Prozent der Fälle KI-Musik erkennen würden. Sie zeigt, dass ein statistisches Modell die beiden Datengruppen anhand vieler kombinierter Messwerte hervorragend trennen konnte.

Ein möglicher Einwand betrifft den Gesang: Die KI-Titel waren instrumental, während die menschlichen Referenzen in drei Genres Stimmen enthalten konnten. Die Autorinnen wiederholten den Test deshalb mit ausschließlich instrumentalen Afrobeats-Stücken. Auch dort blieb die Trennung mit einer AUC von 0,980 sehr hoch. Der Unterschied lässt sich somit nicht allein auf vorhandene oder fehlende Vocals reduzieren.

Selbst die SUNO-Titel wiederholten sich

Im Versuch mit minimalen Prompts beobachteten die Forscherinnen zusätzlich die automatisch vergebenen SUNO-Titel. Nur 13 bis 16 Prozent der Namen waren innerhalb eines Genres einzigartig. Einzelne Titel tauchten bis zu 20-mal unter 100 Generierungen auf. Bei Afrobeats war „Palm Wine Drift“ ein besonders häufiges Beispiel.

Einige Bezeichnungen wanderten sogar zwischen Genres. „Anvil Breaker“ erschien sowohl bei Heavy Metal als auch bei Dance Pop. Für sich genommen ist das nur eine Kuriosität der automatischen Benennung. Im Kontext der Audiomessungen illustriert es jedoch, wie stark ein System bei knappen Eingaben auf wiederkehrende interne Muster zurückgreifen kann.

Der Befund ist außerdem ein praktischer Hinweis: Automatisch erzeugte Titel sollten nicht ungeprüft übernommen werden. Wer Musik veröffentlicht, muss ohnehin klären, ob Name, Artwork, Metadaten und Rechte zur geplanten Nutzung passen. Der BuenasIdeas-Überblick zu Nutzungsrechten nach einer Kündigung von SUNO Pro zeigt, dass neben dem Klang auch der Zeitpunkt und Tarif einer Generierung relevant sein können.

Was die Studie nicht beweist

Die ungewöhnlich klaren Zahlen machen die Untersuchung interessant. Sie verwandeln sie aber nicht in ein abschließendes Urteil über generative Musik. Mehrere Einschränkungen sind für die Einordnung wesentlich:

• Nur zwei Systeme: Untersucht wurden SUNO Pro v5.5 und Lyria 3. Aussagen über Udio, Stable Audio oder andere Modelle lassen sich daraus nicht ableiten.
• Nur vier Genres: Afrobeats, K-Pop, Dance Pop und Heavy Metal decken weder die gesamte Popmusik noch experimentelle, akustische oder regionale Musikformen ab.
• Kurze menschliche Referenzen: Die Analyse verwendete 30-sekündige Vorschauen. Längere Entwicklungen, Übergänge und vollständige Songstrukturen konnten dadurch nur eingeschränkt einfließen.
• Blackbox-Analyse: Die Studie misst Ausgaben, kennt aber weder die Trainingsdaten noch die internen Gewichtungen der kommerziellen Systeme. Aussagen über Ursachen bleiben daher Hypothesen.
• Begrenzte musikalische Messmodelle: MIR-Merkmale erfassen Tempo, Spektrum, Dynamik und Wiederholung, aber nicht jede relevante Nuance. Groove, Swing, expressive Mikroverschiebungen, Bedeutung und kultureller Kontext lassen sich nur unvollständig in Zahlen übersetzen.
• Kein Qualitätstest: Eine größere Varianz ist nicht automatisch besser. Ebenso muss eine kompakte Stilmitte nicht grundsätzlich schlecht sein. Entscheidend ist der konkrete musikalische Zweck.

Hinzu kommt, dass die Auswahl und Definition der Audiomerkmale selbst nicht kulturell neutral sein muss. Messverfahren, die für westlich geprägte Popmusik entwickelt wurden, können andere musikalische Logiken nur unvollständig erfassen. Die Autorinnen sprechen dieses Problem ausdrücklich an.

Der entscheidende Versionshinweis: SUNO v5.5 ist nicht SUNO v6

Die Daten wurden im April und Mai 2026 mit SUNO Pro v5.5 erhoben. Seit September 2026 ist SUNO v6 veröffentlicht. Ältere Generationen bleiben zwar erhalten, neue Titel werden jedoch nicht mehr mit v5.5 erzeugt.

Damit ist die Studie keine direkte Bewertung des aktuellen SUNO-Modells. Die Ergebnisse dokumentieren einen klar benannten Entwicklungsstand und eignen sich als Ausgangspunkt für einen Vergleich, dürfen aber nicht ungeprüft auf v6 übertragen werden. Gerade bei schnell aktualisierten KI-Diensten altern Modelltests anders als Untersuchungen klassischer Studiotechnik.

Ein sinnvoller Nachtest wäre deshalb naheliegend: identische Minimalprompts, dieselben vier Genres und eine größere Serie von v6-Generierungen. Interessant wären nicht nur die 72 Audioeigenschaften, sondern auch Blindtests mit Musikern, die Trefferquote bei Tempo- und Arrangementvorgaben sowie die Frage, ob sich wiederkehrende Stimmen, Mixentscheidungen und Songdramaturgien erkennen lassen.

Was Musiker und Produzenten daraus ableiten können

Die Studie liefert keine Gebrauchsanweisung, aber mehrere praktische Hinweise.

1. Genrebegriffe sind Ausgangspunkte, keine Garantien

Ein Genre im Prompt legt einen Suchraum fest. Es garantiert jedoch nicht, dass alle charakteristischen Eigenschaften sauber getroffen werden. Besonders bei SUNO v5.5 waren die untersuchten Genregrenzen statistisch weniger deutlich. Referenzen sollten deshalb nicht nur nach dem Etikett, sondern nach Tempo, Groove, Instrumentierung, Harmonik und Aufbau beurteilt werden.

2. Präzise musikalische Vorgaben müssen kontrolliert werden

Die geringe Korrelation vieler Promptmerkmale zeigt, dass eine detaillierte Formulierung nicht automatisch zu einer entsprechend präzisen Audiodatei führt. BPM, Taktgefühl, Tonart, Dynamik und Form sollten nachgemessen beziehungsweise nachgehört werden. Was für eine Ideenskizze genügt, kann für eine Produktion mit Bildsynchronität oder festem Arrangement zu ungenau sein.

3. Die interessanteste Arbeit beginnt nach der Generierung

KI-Ausgaben gewinnen an Eigenständigkeit, wenn sie nicht als fertige Master behandelt werden. Einzelne Parts lassen sich ersetzen, Harmonien umstellen, Transienten bearbeiten, Grooves verschieben und Arrangements neu schneiden. Auch die Weiterarbeit in SUNO Studio 2.0 mit MIDI, Effekten und Automation oder in einer klassischen DAW kann helfen, wiederkehrende Modellmuster aufzubrechen.

4. Mehr Varianten sind nicht automatisch mehr Vielfalt

Hundert Generierungen können statistisch breit gestreut sein und dennoch schwache Genregrenzen besitzen. Die Zahl der Varianten sagt daher wenig über die musikalische Bandbreite aus. Sinnvoller ist eine bewusste Auswahl nach unterschiedlichen Arrangements, Tempi, Klangquellen und rhythmischen Konzepten.

5. Ein Modellwechsel kann kreativer sein als der nächste Prompt

Da SUNO und Lyria deutlich unterschiedliche Klangräume bildeten, kann ein Wechsel des Systems stärkere Veränderungen bringen als die zwanzigste Formulierung desselben Prompts. Ebenso sinnvoll ist die Kombination generativer Skizzen mit eigenen Aufnahmen, Synthesizern, Samples und manueller Komposition.

Der BuenasIdeas-Blickwinkel: Nicht „Mensch gegen Maschine“, sondern Kontrolle gegen Voreinstellung

Die spannendste Frage lautet nicht, ob KI-Musik grundsätzlich originell oder unoriginell ist. Aussagekräftiger ist, an welchen Stellen ein System musikalische Entscheidungen tatsächlich freigibt – und wo es trotz variierter Prompts auf eigene Voreinstellungen zurückfällt.

Lyria und SUNO zeigen in der Studie zwei verschiedene Risiken. Bei Lyria kann die sichere Genre-Mitte seltenere Varianten verdrängen. Bei SUNO kann große interne Streuung darüber hinwegtäuschen, dass die angeforderten Genres weniger klar voneinander getrennt bleiben. Für Produzenten bedeutet beides: Eine überzeugende Oberfläche und schnelle Ergebnisse sind nicht dasselbe wie präzise gestalterische Kontrolle.

Das passt zu einer breiteren Entwicklung in der KI-Musikproduktion. Systeme übernehmen zunehmend nicht nur technische Arbeit, sondern treffen ästhetische Vorentscheidungen über Sound, Form und Wahrscheinlichkeit. Ein ausführlicher BuenasIdeas-Hintergrund zu KI zwischen kreativer Unterstützung und automatisierter Klangwelt ordnet diese Verschiebung grundsätzlich ein.

Die produktive Antwort darauf ist weder Ablehnung noch blindes Vertrauen. Entscheidend ist, die Voreinstellungen hörbar zu machen, Ergebnisse zu vergleichen und dort selbst einzugreifen, wo ein Modell die musikalische Mitte bevorzugt. Genau dafür sind Studien mit nachvollziehbaren Messwerten wertvoll: Sie ersetzen das Hören nicht, geben dem Hören aber überprüfbare Fragen.

Fazit

Die SUNO-/Lyria-Studie bestätigt nicht schlicht, dass KI-Musik „immer gleich“ klingt. Sie zeigt etwas Interessanteres: Homogenisierung kann unterschiedliche Formen annehmen.

Lyria 3 hielt die untersuchten Genregrenzen stabil, erzeugte innerhalb der Genres aber eine geringere Streuung als die menschliche Referenzmusik. SUNO v5.5 produzierte innerhalb der Genres mehr Variation, ließ deren statistische Grenzen jedoch deutlich stärker überlappen. Zugleich konnten die KI-Titel anhand ihrer Audioeigenschaften mit hoher Zuverlässigkeit von menschlicher Musik unterschieden werden.

Für Musiker und Produzenten folgt daraus kein Verbot, sondern ein Arbeitsauftrag. KI-Generierungen sind am stärksten als Rohmaterial, Entwurf und Ideengeber. Wer Tempo, Groove, Arrangement, Klangfarbe und Dramaturgie selbst kontrolliert, verringert die Abhängigkeit von den statistischen Vorlieben eines Modells.

Ob SUNO v6 die gemessenen Schwächen von v5.5 reduziert, bleibt offen. Genau darin liegt der nächste interessante Test.

Primärquelle: Zoe Slendebroek und Danaé Metaxa, The Algorithmic Flattening of Sound: Computational Evidence and Justice Implications of AI Music Homogenization, arXiv, eingereicht am 6. August 2026.