Forschungsprojekt Schlafmusik

Die Datafizierung führt hier weg von pauschalen Kategorien, hin zu mehr Individualität. Statt zu fragen, welche Musik allgemein beruhigend wirkt, lässt sich untersuchen, welche Musik bei welcher Person unter welchen Bedingungen funktioniert. SLEEPMUSIC erhebt dafür Daten zu subjektivem Empfinden ebenso wie tatsächlich gemessener Schlafqualität. Menschen hören und schlafen dabei individuell, doch so könnten wir irgendwann berechnen, was für einzelne Personen besonders gut im Schlaf funktioniert.

Lustig wird es, wenn aus dieser Personalisierung wieder eine neue Form von Standardisierung entsteht. Statt der passendsten Musik für alle, steht das Modell für den Einzelnen im Vordergrund. Beim Musikstreaming lässt sich diese Entwicklung bereits beobachten. Musik wird zunehmend nicht allein nach Genre, Künstler:in oder Werk sortiert, sondern nach gewünschter Funktion: Schlafen, Fokus, aber auch Kochen und Workout. Neu daran ist weniger, dass Musik Zwecken dient. Wiegenlieder, Filmmusik, Tanzmusik oder Jingles tun das schon lange. Neu ist, wie präzise die Wirkung beobachtet und rückgekoppelt werden kann. Plattformen sehen, was übersprungen, gespeichert oder lange gehört wird. Die entscheidende Frage lautet dann nicht mehr unbedingt: Ist diese Musik gut? Sondern: Funktioniert sie?

Ob die Musik ihren Zweck erfüllt, also funktioniert, kann mit Daten von Lullabyte noch besser festgestellt werden, da sie die subjektiven Einschätzungen mit den gemessenen Schlafdaten ergänzen. Es könnten so aber nicht nur individuelle Playlisten entstehen, sondern auch individuelle Musik. Hier kommt dann die sogenannte KI mal wieder ins Spiel. Im Gespräch über mögliche Anwendungen tauchte deshalb auch die Idee auf, auf Basis individueller Daten passende Schlafmusik direkt in einer App generieren zu lassen. Dies ist kein Projekt von SLEEP­MUSIC selbst, sondern eine mögliche Weiterentwicklung ihrer Forschung. Erstaunlich ist dabei auch die Annahme, dass generierte und anderweitig produzierte Musik schon bald kaum noch voneinander unterscheidbar sei. Auch in der Wirkung.

Wer wissen möchte, was beim eigenen Schlaf tatsächlich passiert, kann sich als Testperson zur Verfügung stellen. Die Untersuchungen sind kostenlos und SLEEPMUSIC sucht Teilnehmende. Vielleicht stellt sich ja heraus, dass die eigene ideale Schlafmusik tatsächlich erstaunlich präzise bestimmbar ist. Oder dass ausgerechnet Trap-Musik die Lösung wäre. Und gerade im medizinischen Kontext ist die Forschung mehr als eine Spielerei. Wenn Musik Schlaf verbessert, Stress reduziert oder Menschen mit konkreten Belastungen unterstützt, ist ihre funktionale Nutzung wertvoll. Deshalb irritiert mich weniger die Vorstellung, dass künftig KI-generierte Musik beim Einschlafen helfen könnte. Wenn sie hilft: wunderbar.

Interessanter ist aber die Frage, welche Vorstellung vom Menschen entsteht, wenn immer mehr Lebensbereiche unter dem Versprechen, sie durch bessere Daten passgenauer regulieren zu können, quasi neu modelliert werden? Denn das Forschungsprojekt zeigt vor allem, welche Erwartung wir in der heutigen Zeit an das Sammeln von Daten haben. Schlaf wird optimiert, Konzentration wird optimiert, Stimmung wird optimiert. Entsteht so auch die Erwartung, dass der Mensch optimiert wird, beziehungsweise störungsfrei funktioniert? Das führt zurück zum Schlafproblem selbst. Besser zugeschnittene Musik kann Menschen durchaus helfen. Aber löst sie auch das, was uns nachts wachhält? Schlafprobleme können ebenso mit Arbeitsdruck, Dauererreichbarkeit, Reizüberflutung, sozialer Unsicherheit oder Stadtlärm zusammenhängen. Eine personalisierte Playlist kann den Umgang damit erleichtern. Sie macht aber weder die Nachtschicht kürzer noch die Miete niedriger und legt auch das Smartphone nicht für uns weg.

Selbst eine perfekte Playlist kann also nur partiell helfen. Und da würde mir das Team von SLEEPMUSIC sicher nicht widersprechen. Ihre Forschung erkundet unser faszinierend individuelles Verhalten bei den Themen Schlaf und Musik. Doch die Auseinandersetzung damit zeigt auch, wie selbstverständlich inzwischen die Vorstellung, individuelle Probleme ließen sich durch immer präzisere Daten immer passgenauer bearbeiten, in den Kulturbereich gerückt ist. Vielleicht übersehen wir dabei auch andere Lösungsansätze.

Wenn Sie also das nächste Mal nachts wachliegen und auch die perfekt personalisierte Playlist nichts bringt: Vielleicht braucht der Algorithmus noch mehr Daten. Vielleicht Sie aber auch einfach weniger Optimierung.