Apple Music bereitet eine neue System zur Identifizierung von Musik vor, bei der das Unternehmen sogenannte ‘Transparenz-Labels’ verwendet, um Tracks, Alben und verwandte Inhalte zu kennzeichnen. Der Schritt erfolgt, während die Musikbranche mit der wachsenden Präsenz von Inhalten auf Streaming-Plattformen kämpft.

Transparenz-Labels: Was sie für Nutzer bedeuten

Die Transparenz-Labels ermöglichen es Nutzern, zu erkennen, wann ein Lied, Album oder verwandter Inhalt wie Musikvideos oder Albumcover mit künstlicher Intelligenz erstellt wurde. Laut einem Brief, den Music Business Worldwide erhielt, hat Apple seine Musikbranche-Partner informiert, dass es ab sofort Daten zu Inhalten akzeptieren wird, wobei die vollständige Umsetzung in Kürze erwartet wird.

Tracks können in vier Bereichen gekennzeichnet werden: Komposition, Titel, Musikvideo und Cover. Wenn ein Lied teilweise mit KI erstellt wurde, werden Komposition und Text entsprechend gekennzeichnet. Musikvideos, die ohne ein verbundenes Album oder Lied geliefert werden, werden ebenfalls gekennzeichnet.

Apple beschreibt das Projekt als ersten Schritt hin zu mehr Transparenz in der Musikbranche. Allerdings liegt die Verantwortung für die Identifizierung von Inhalten bei den Labels und deren Distributoren, die für die Einreichung genauer Daten zuständig sind.

KI-Erkennung: Apple im Vergleich zu Deezer

Andere Streaming-Plattformen, wie Deezer, haben einen anderen Ansatz zur KI-Erkennung gewählt. Anstatt auf Selbstdeklarationen der Branche zu vertrauen, implementiert Deezer Erkennungsalgorithmen, um Inhalte auf Plattformebene zu identifizieren. Laut einem Bericht aus dem Januar erhält Deezer bis zu 60.000 Tracks pro Tag, was fast 40 Prozent aller Tracks entspricht, die der Plattform übermittelt werden.

Doch Deezer verlangt keine Selbstdeklarationen von Labels. Dieser Ansatz könnte eigene Herausforderungen mit sich bringen. Während Apples Methode auf Selbstdeklarationen basiert, die zu Fehlern führen können, wie Falschpositiven oder Falschnegativen, könnte Deezers algorithmische Herangehensweise Schwierigkeiten bei der Genauigkeit und Skalierbarkeit haben.

Laut Deezer gelten bis zu 85 Prozent aller Musik-Streams als betrügerisch. Dies deutet darauf hin, dass Inhalte oft genutzt werden, um Streaming-Zahlen zu manipulieren, wobei Künstler versuchen, von diesen künstlichen Plays profitieren zu können. Deezer nutzt seine Erkennungstechnologie, um dieses Problem zu bekämpfen.

Spotify’s Herangehensweise und die Rolle von Branchenstandards

Spotify, ein weiterer großer Akteur im Musikstreaming-Sektor, arbeitet ebenfalls an der Erkennung von Inhalten. Die Plattform plant, den DDEX-Branchenstandard zur Kennzeichnung von Tracks zu nutzen, anstatt ein eigenes System zu entwickeln. DDEX ist ein globaler Standard für den Austausch von Musik und Daten, und seine Verwendung durch Spotify signalisiert einen breiteren Branchenansatz zur Einheitlichkeit bei der KI-Kennzeichnung.

Apple hat noch keine konkreten Daten veröffentlicht, wie stark Apple Music von Inhalten betroffen ist. Der Brief an die Musikbranche enthält keine Details darüber, was geschieht, wenn die Kennzeichnung falsch ist, oder wie die Plattform potenzielle Fehler behandeln wird. Technische Details zur Umsetzung der Transparenz-Labels wurden veröffentlicht, bleiben aber weitgehend technisch.

Die Einführung von Transparenz-Labels durch Apple Music ist eine Reaktion auf wachsende Bedenken hinsichtlich der Authentizität von Inhalten auf Streaming-Plattformen. Da Musik immer komplexer wird, wird die Notwendigkeit klarer Kennzeichnungen immer wichtiger, um sowohl Verbraucher als auch Künstler zu schützen.

Interessengruppen aus der Musikbranche haben den neuen Kennzeichnungssystem sowohl Unterstützung als auch Skepsis entgegengebracht. Während einige es als notwendigen Schritt zur Transparenz betrachten, fragen andere, ob es in der Praxis effektiv sein wird oder ob es zu viel Verantwortung auf Labels und Distributoren legen könnte.

Die Musikbranche steht an einem Kreuzweg, während sie die Herausforderungen durch Inhalte bewältigt. Ob durch Selbstdeklaration, algorithmische Erkennung oder Branchenstandards, strebt der Sektor danach, ein Gleichgewicht zwischen Innovation und Authentizität zu finden.