Wie KI der Musikausbildung eine persönliche Note verleihen kann
Während die Bildung im Allgemeinen neue Technologien wie künstliche Intelligenz (KI) einsetzt, bleibt Musikbildung ein eher analoges Unterfangen. „Musikausbildung erfolgt weitgehend noch so wie vor dem Personal Computer – durch eine Kombination aus Einzelunterricht und individuellem Üben sowie unter Verwendung etablierter Lehrwerke“, sagt Filippo Carnovalini, ein Postdoktorand der Marie-Skłodowska-Curie-Maßnahmen(öffnet in neuem Fenster) an der VUB(öffnet in neuem Fenster). Das Problem bei diesem Ansatz ist, dass diese Bücher nicht an die Fähigkeiten und Bedürfnisse einzelner Lernender angepasst werden können. Hier könnte KI eine Rolle spielen. „Wir sind überzeugt, dass KI das Potenzial hat, die musikalische Ausbildung zu personalisieren, indem sie für jede angehende Musikerin und jeden angehenden Musiker maßgeschneiderte Übungen generiert“, ergänzt Carnovalini. Das EU-finanzierte Projekt CALIOPE(öffnet in neuem Fenster) arbeitet daran, dieses Potenzial in die Praxis umzusetzen.
KI wird nicht zur Erstellung von maßgeschneidertem Musikunterricht eingesetzt
Zunächst haben die Forschenden einen umfassenden Überblick über die Häufigkeit des Einsatzes von KI für die Personalisierung des Musikunterrichts erstellt. „Unsere Ergebnisse zeigen, dass zwar ein deutliches Interesse am Einsatz von KI für die musikalische Ausbildung und deren Personalisierung besteht, die Technologie jedoch nicht zur Generierung maßgeschneiderter Übungen genutzt wird“, erklärt Carnovalini, der als Projektkoordinator fungiert. Die Forschenden fanden auch heraus, dass von den wenigen Programmen, die Lektionen generieren, die meisten darauf beschränkt sind, Material aus bestehenden Datenbanken abzurufen oder ergänzende Aspekte wie Visualisierungen oder Feedback zu generieren, und nicht das eigentliche Lehrmaterial.
Eine persönliche Einschätzung des Schwierigkeitsgrads eines Musikstücks
Auf Grundlage dieser Untersuchungen kam das Projekt zu dem Schluss, dass KI mehr leisten muss, als nur Musik zu generieren, wenn sie für die Musikausbildung wirklich von Nutzen sein soll. „Generative KI kann bereits hochwertige Musik erzeugen, verfügt jedoch in der Regel nicht über das Maß an Kontrolle über die Ausgabe, das erforderlich ist, um in den spezifischen Anwendungsfällen des Bildungsbereichs nützlich zu sein“, merkt Carnovalini an. Laut Carnovalini besteht die Lösung darin, generative KI-Programme einzubinden, die eine personalisierte Ansicht darüber vermitteln, wie schwierig ein Stück für einen bestimmten Lernenden ist. Zu diesem Zweck wurde im Rahmen des Projekts ein innovatives kognitives Modell zur Bestimmung des Schwierigkeitsgrads auf Grundlage der Erfahrungen des Lernenden entwickelt. „Zwar gibt es auch andere Möglichkeiten, den Schwierigkeitsgrad eines Musikstücks einzuschätzen, doch unser kognitives Modell ermöglicht es uns, unterschiedliche Erwartungen für verschiedene Personen auf Grundlage ihrer jeweiligen Spielerfahrungen zu beschreiben“, erläutert Carnovalini. „Das Endergebnis ist eine personalisierte Einschätzung des Schwierigkeitsgrads, die anschließend zur Erstellung maßgeschneiderter Musiklektionen genutzt werden kann.“
Musikbildung wirksamer gestalten
Die Modelle und Ergebnisse des Projekts sind zwar noch nicht so ausgereift, dass sie in Schulen und Privathaushalten eingesetzt werden können, aber sie eröffnen die Möglichkeit, die Musikbildung effektiver und für Anfänger weniger frustrierend zu gestalten. „Jede Lernende und jeder Lernende ist unterschiedlich, daher verdient auch jede Studentin und jeder Student individuelle Übungen“, schließt Carnovalini. „KI-Lösungen, wie sie im Rahmen des CALIOPE-Projekts entwickelt wurden, haben das Potenzial, dies zu ermöglichen.“ Nach weiteren Experimenten hoffen die Forschenden, einige der im Rahmen des Projekts entwickelten Lösungen zu benutzerfreundlichen Anwendungen weiterzuentwickeln. Einzelheiten über die Arbeit des Projekts finden Sie unter online verfügbar(öffnet in neuem Fenster).
