AKNM Lecture Performance mit Lawrence Wilde & Charles White | Koordination Andreas Weixler

Kompositionsworkflows nach der KI: Eine postdigitale Perspektive auf die Zukunft der Musikkomposition im Zeitalter der KI
mit der Weltpremiere von EN/TRAIN, aufgeführt von ihrem Duo MINT MODE

Diskussionen über KI in der Musik konzentrieren sich oft auf zwei Extreme: die Vorstellung, dass KI das Schaffen von Musik einfacher und zugänglicher machen wird, und die Befürchtung, dass Komponisten dadurch überflüssig werden könnten. In dieser Vortrags-Performance stützen sich Lawrence Wilde und Charles White auf postdigitale Forschung, um zu untersuchen, wie KI- und maschinelle Lerntechnologien die Kompositionspraxis neu gestalten und wie die Zukunft der Musikkomposition und -aufführung aussehen könnte. Aus dieser postdigitalen Perspektive werden maschinelle Lernsysteme weder lediglich als Instrumente noch als autonome Schöpfer betrachtet, sondern als unbeständige Kooperationspartner, deren Ergebnisse angehört, hinterfragt, ausgewählt und gestaltet werden müssen.
Wilde und White untersuchen, was sich verändert, wenn KI in den Kompositions- und Aufführungsprozess eintritt. Wie entsteht musikalisches Material durch Prozesse der Generierung, Auswahl, Transformation und Kuratierung? Wo liegt die Urheberschaft, wenn die kreative Handlungsmacht auf Interpreten, Algorithmen, Schnittstellen, Datensätze und bestehende musikalische Praktiken verteilt ist? Und was geschieht mit der Rolle des Komponisten, wenn er mit Systemen arbeitet, die in der Lage sind, auf menschliche musikalische Entscheidungen zu reagieren und diese möglicherweise umzulenken?
Im Anschluss an den Vortragsteil werden diese Fragen in der Praxis anhand der Weltpremiere von EN/TRAIN weiter erörtert, einem neuen elektroakustischen Multimedia-Werk, das von Wilde und White als Duo MINT MODE aufgeführt wird. Das Werk kombiniert zwei Interpreten, Live-Elektronik, Video und KI-vermittelte Klangprozesse und integriert RAVE (Realtime Audio Variational AutoEncoder), ein Deep-Learning-System für neuronale Audiosynthese und -transformation in Echtzeit.

In EN/TRAIN treten speziell trainierte Modelle als eine Art dritte Präsenz in die Aufführungsumgebung ein. Die Interpreten reagieren auf ein System, das die Eigenschaften ihres musikalischen Materials gelernt hat, während das System wiederum die empfangenen Gesten transformiert und umleitet. Was dabei entsteht, ist ein Prozess gegenseitiger Synchronisation: Momente, in denen sich menschliche und maschinelle Prozesse angleichen, gefolgt von Momenten des Widerstands, der Divergenz und der Instabilität.
Der Titel hat zwei Bedeutungen zugleich: ein computergestütztes System zu trainieren und sich von einem anderen Akteur oder Prozess mitreißen zu lassen. EN/TRAIN wirft daher die Frage auf: Wer oder was trainiert wen in einer durch KI vermittelten Kompositions- und Aufführungsumgebung?

Themes: Vortrag, Workshop