Wie eine Maschine Choräle schreibt, ohne Harmonielehre zu kennen
Sie spielen eine Melodie, und die Maschine schreibt drei weitere Stimmen dazu. Das Ergebnis klingt wie ein Choral von Johann Sebastian Bach, also wie ein Kirchenlied für vier Stimmen. Die Maschine kennt dabei keine einzige Regel der Harmonielehre, sie hat nur viele Beispiele gesehen. Darin ähnelt sie einem Sprachmodell, der Technik hinter Chatprogrammen wie ChatGPT. In meiner Lerneinheit „Wie ein Sprachmodell funktioniert“, ebenfalls auf dieser Website, zeige ich ein kleines Sprachmodell. Wer sie kennt, wird hier vieles wiedererkennen.
Das Vorbild
Am 21. März 2019, Bachs Geburtstag, zeigte Google auf seiner Startseite ein kleines Spiel. Man gab zwei Takte Melodie ein, und eine Maschine schrieb drei Stimmen dazu. In drei Tagen ließen die Besucher darin über 55 Millionen Mal eine Melodie ergänzen.
Die Maschine dahinter heißt Coconet. Forscher von Google und der Universität Montreal haben Coconet 2017 entwickelt, angeführt von der Informatikerin Cheng-Zhi Anna Huang. Google hat Coconet frei veröffentlicht. Ich verwende es unverändert und habe nur drumherum einiges dazugebaut, dazu unten mehr.
Woraus Coconet gelernt hat
Bei einem Choral singt der Sopran oben die Melodie, darunter singen Alt, Tenor und Bass. Die Melodien waren meist schon vor Bach bekannt. Bach hat für Hunderte solcher Lieder die drei unteren Stimmen komponiert. Coconet macht hier dasselbe.
Coconet hat aus rund 300 dieser Choräle gelernt. Forscher der Universität Edinburgh haben die Noten vor rund zwanzig Jahren in den Computer übertragen. Bach ist 1750 gestorben, seine Musik darf heute jeder verwenden, auch um eine Maschine daran lernen zu lassen.
Wie Coconet gelernt hat
Ein Sprachmodell besteht im Inneren aus sehr vielen Zahlen. Diese Zahlen legen fest, welches Wort es für passend hält. Es lernt, indem es in einem Text das nächste Wort errät. Liegt es falsch, verstellt der Computer die Zahlen ein wenig, damit es beim nächsten Mal besser rät. Das wiederholt sich unzählige Male.
Auch Coconet besteht aus solchen Zahlen und lernt ähnlich. Es bekommt einen Ausschnitt aus einem Choral, in dem Töne fehlen, mal wenige, mal fast alle. Coconet soll die fehlenden Töne erraten. Liegt es falsch, werden seine Zahlen verstellt.
Weil ein Sprachmodell das nächste Wort errät, sieht es nur die Wörter davor. Coconet sieht alles, was um die Lücke herum steht, also die Töne davor, die Töne danach und die Töne der anderen Stimmen.
Für jede Lücke berechnet Coconet, wie gut jeder mögliche Ton passt. Zur Wahl stehen 46 Töne, vom tiefsten Ton des Basses bis zum höchsten der Melodie. Beim Sprachmodell aus meiner Lerneinheit standen gut 50.000 Wörter und Wortteile zur Wahl.
Wie Coconet schreibt
Ein Sprachmodell schreibt Wort für Wort von vorn nach hinten. Coconet geht anders vor. Es wählt zuerst alle Töne der drei Stimmen gleichzeitig. Weil diese Stimmen noch leer sind, kennt es dabei nur Ihre Melodie. Wenn es einen Ton für den Alt aussucht, weiß es nicht, was es im selben Moment für Tenor und Bass aussucht.
Das geht oft daneben. Ich habe Coconet den Anfang von „Alle meine Entchen“ gegeben, also die Töne C, D, E, F, G, G. Beim ersten Wählen schrieb Coconet unter den ersten Ton, ein C, im Alt ein A, im Tenor ein F und im Bass ein As. Das As ist auf dem Klavier die schwarze Taste links neben dem A. Jeder dieser Töne passt für sich zum C. A und As zusammen klingen aber schief.
Deshalb löscht Coconet danach Töne und wählt neue. Jetzt sieht es die Töne, die stehen geblieben sind, und wählt passend dazu. Das kann es, weil es beim Lernen geübt hat, Lücken zu füllen. Ihre Melodie löscht es nie.
Das wiederholt sich 96 Runden lang. In den ersten 25 Runden löscht Coconet jedes Mal alle drei Stimmen und fängt von vorn an. Diese Runden bringen also noch nichts. So war Coconet eingestellt, als Google es veröffentlicht hat. Warum, habe ich nicht herausgefunden. Ab Runde 26 bleibt ein Teil der Töne stehen, und Coconet löscht von Runde zu Runde weniger, am Ende nur noch etwa jeden sechsten oder siebten Ton.
Bei „Alle meine Entchen“ standen am Ende unter dem ersten C im Alt ein C, im Tenor ein G und im Bass ein E. Das ist ein C-Dur-Akkord, und das Lied steht in C-Dur. Dass C, E und G einen Dur-Akkord bilden, hat Coconet niemand gesagt. Coconet hat nur gesehen, welche Töne Bach zusammen erklingen ließ.
Ich habe nachgezählt, wie viel das Löschen und Neuwählen bringt. Dazu habe ich fünf kurze Melodien je viermal ergänzen lassen. An jedem halben Schlag habe ich geprüft, ob die vier Töne einen der gängigen Akkorde ergeben, etwa Dur oder Moll. Nach der ersten Runde war das in 60 Prozent der Fälle so, nach allen 96 Runden in 85 Prozent. Zufällig gewählte Töne kommen auf 19 Prozent.
Bachs eigene Choräle kommen auf 86 Prozent. Auch bei Bach ergeben die vier Töne nicht immer einen solchen Akkord. Oft führt eine Stimme gerade mit einem Zwischenton zum nächsten Akkord hinüber. Nach diesem groben Maß liegt Coconet also fast gleichauf mit Bach. Ob ein Stück schön klingt, misst es nicht. Die Zahlen gelten für Coconet allein, ohne die Regeln, die ich weiter unten beschreibe.
Mit dem Knopf „Zeigen, wie sie es macht“ können Sie der Maschine Runde für Runde zusehen und zuhören.
Warum jede Fassung anders klingt
Coconet nimmt nicht immer den Ton, der am besten passt. Es lost. Gut passende Töne haben dabei mehr Lose als schlecht passende. Ein Sprachmodell macht es genauso. Deshalb klingt jede neue Fassung anders, auch bei derselben Melodie.
Alles bleibt auf Ihrem Gerät
Coconet ist klein. Es besteht aus rund einer halben Million Zahlen und braucht weniger Speicher als ein Foto vom Handy. Das Sprachmodell aus meiner Lerneinheit hat 124 Millionen Zahlen. Weil Coconet so klein ist, kann es direkt in Ihrem Browser rechnen, auf Ihrem eigenen Gerät. Ihre Melodie wird nirgendwohin geschickt, auch nicht an diese Website. Im Hintergrund hilft keine größere künstliche Intelligenz. Wenn Sie Ihr Stück mit „Speichern“ als Musikdatei oder Notenblatt sichern, landet es ebenfalls nur auf Ihrem Gerät.
Was ich dazugebaut habe
Diese Zusätze stammen von mir. Es sind feste Regeln, die nichts dazulernen. Coconet allein wählt die Töne.
- Damit ein Stück bei „Endlos wiederholen“ ohne Bruch von vorn beginnt, zeige ich Coconet beim Schreiben des Schlusses schon den Anfang.
- Coconet schreibt in Sechzehnteln. Manchmal beginnt ein Ton eine Sechzehntel neben dem Schlag, und der Rhythmus stolpert. Ich rücke solche Töne auf den nächsten halben Schlag.
- Mit dem Knopf „Die Maschine erfindet alles“ schreibt Coconet auch die Melodie selbst. Dabei verrutscht manchmal der ganze Rhythmus. Dann verschiebe ich das Stück, bis die Töne wieder auf den Schlägen liegen.
- Für das Notenblatt, das Sie unter „Speichern“ bekommen, bestimme ich die Tonart nachträglich. Coconet kennt keine Tonarten.
Den Klang von Orgel und Chor erzeugt Ihr Browser. Es werden keine Aufnahmen echter Instrumente oder Sänger abgespielt.
Der Vergleich mit Suno
Suno ist ein Dienst im Internet. Man beschreibt in ein paar Worten, welches Lied man hören möchte, und bekommt ein fertiges Lied mit Gesang. Nach eigenen Angaben haben dort fast 100 Millionen Menschen Musik gemacht.
Wie Suno genau funktioniert, hat die Firma nicht veröffentlicht. Ihr Chef Mikey Shulman hat 2024 aber erklärt, dass Suno wie ein Sprachmodell arbeitet. Suno sagt in winzigen Schritten voraus, wie ein Lied weiterklingt, so wie ein Sprachmodell das nächste Wort. Ob das heute noch so ist, weiß ich nicht.
Suno, Coconet und ein Sprachmodell ähneln sich also im Kern. Alle drei haben aus Beispielen gelernt, berechnen, wie gut jede Möglichkeit passt, und losen daraus. Suno schreibt dabei von vorn nach hinten, Coconet füllt Lücken. Außerdem kann Suno viel mehr. Es erzeugt Gesang und Instrumente und macht aus einer kurzen Beschreibung ein ganzes Lied.
Der größte Unterschied liegt bei den Daten. Coconet hat aus rund 300 Chorälen gelernt, die jeder verwenden darf. Große Plattenfirmen haben Suno 2024 in den USA verklagt, weil Suno mit ihren Liedern gelernt habe. Vor Gericht gab Suno an, mit fast allen Musikdateien gelernt zu haben, die öffentlich im Internet zu finden sind, sofern die Tonqualität ausreichte. Das waren viele Millionen Aufnahmen, darunter geschützte Lieder. In Deutschland klagte die GEMA, die hier die Rechte von Komponisten und Textern vertritt. Sie wirft Suno vor, geschützte Lieder zum Lernen benutzt zu haben, ohne dafür zu bezahlen. Das Landgericht München I hat ihr im Juli 2026 überwiegend Recht gegeben, das Urteil ist noch nicht rechtskräftig. Mit Warner, einer der Plattenfirmen aus der Klage in den USA, hat sich Suno geeinigt. Die Einigung sieht vor, dass Suno künftig mit Musik lernt, für die es eine Erlaubnis hat.
Woher die Angaben stammen
- Huang, C.-Z. A., Cooijmans, T., Roberts, A., Courville, A., Eck, D.: „Counterpoint by Convolution“, ISMIR 2017.
- Huang, C.-Z. A. u. a.: „The Bach Doodle: Approachable music composition with machine learning at scale“, ISMIR 2019. Daraus die Zahl der ergänzten Melodien in drei Tagen.
- Allan, M., Williams, C. K. I.: „Harmonising Chorales by Probabilistic Inference“, Advances in Neural Information Processing Systems 17, 2005. Die Sammlung der Choräle, aus der Coconet gelernt hat.
- Zahl der Runden, Anteil der gelöschten Töne und Größe von Coconet: eigene Auswertung der von Google veröffentlichten Fassung, September 2026.
- Anteil der gängigen Akkorde: eigene Messung, September 2026, an fünf Melodien mit je vier Ergänzungen und an allen Chorälen der Edinburgher Sammlung.
- Mikey Shulman über die Arbeitsweise von Suno: Podcast „Latent Space“, März 2024.
- Suno über die Herkunft seiner Lerndaten: Klageerwiderung im Verfahren der Plattenfirmen gegen Suno vor dem Bundesbezirksgericht von Massachusetts, August 2024.
- GEMA gegen Suno: Urteil des Landgerichts München I vom Juli 2026, nicht rechtskräftig.
- Einigung zwischen Warner Music Group und Suno: Mitteilung vom November 2025.
- Zahl der Menschen, die mit Suno Musik gemacht haben: Angabe von Suno, November 2025.