17.–20. 10.

 2019

Donau-
eschin-
ger
Musik-
tage
Mit zwanzig Uraufführungen bietet das Donaueschinger
Wochenende auch in diesem Jahr wieder eine Fülle
an Neuem und Überraschendem. Dabei war es uns ein
besonderes Anliegen, eine möglichst große Bandbreite
gegenwärtiger Stile und Ästhetiken vorzustellen.
Neben den Konzerten mit dem Sinfonieorchester und
den großen Ensembles aus Paris, Wien und Hamburg
stehen in diesem Jahr vor allem Formate im Mittelpunkt,
die sich nicht im Konzertsaal realisieren, sondern die
z.B. als Computerspiel angelegt sind, die einen neuen
persi­schen Hyperrealismus vorstellen, als virtuelles
Festival im Festival nur angedeutet werden oder gar in
einem Schwimmbad unter Wasser stattfinden. So werden
Sie, liebes Publikum, in diesem Jahr nicht nur gebeten,
Neugierde und offene Ohren nach Donaueschingen mit­-
zubringen, sondern auch ihre Badesachen einzupacken.
Auch die Neue Musik geht neue Wege!

Zum ersten Mal seit fünf Jahren sahen wir uns genötigt,
die Ticketpreise zu erhöhen. Wir haben uns bemüht,
diese Erhöhung so moderat wie möglich zu halten und
bitten um Ihr Verständnis.

Björn Gottstein
Künstlerischer Leiter der Donaueschinger Musiktage
With twenty world premieres, the Donaueschingen weekend
once again offers a wealth of new and surprising things this
year. It was of particular concern to us to present the widest
possible range of contemporary styles and aesthetics. In
addition to the concerts with the symphony orchestra and
the large ensembles from Paris, Vienna and Hamburg, the
focus this year will be on formats that are not fit for the
concert hall, but that are for example designed as computer
games, that present a new Persian hyperrealism, that are
only hinted at as a virtual festival in the festival or that even
take place in a swimming pool under water. So this year,
dear spectator, you will not only be asked to bring curiosity
and open ears to Donaueschingen, but also to pack your
swimsuit. New music does strike new paths!

For the first time after five years, we were forced to raise
ticket prices. We have tried to keep this increase as
moderate as possible and ask for your understanding.

3
Schirmherr
S. D.  Heinrich Fürst zu Fürstenberg

Veranstalter
Gesellschaft der Musikfreunde Donaueschingen
in Zusammenarbeit mit der Stadt Donaueschingen,
dem Südwestrundfunk und dem SWR Experimentalstudio.

Förderer
Gefördert durch die Kulturstiftung des Bundes,
das Land Baden-Württemberg und die Ernst von
Siemens Musikstiftung.
Inhaltsverzeichnis

6 Vorwort 92 6
Nicole Lizée
Sepulchre
KREUZWORTRÄTSEL Gordon Kampe
10 Leonie Reineke Remember Me
14 Daniel Spitzer Mark Andre
16 Che Chen und Benjamin Piekut rwḥ 1
18 Joanna Bailie
108 7
Donaueschingen Lectures
VERANSTALTUNGEN 1–11 N. Katherine Hayles
Creativity and Nonconscious
24 1 Podiumsdiskussion Cognition with our
Orchester, Orchester Computational Collaborators

32 2 114 8
The curAItor curates NOWJazz Session
Andrés Guadarrama Rdeča Raketa & Billy Roisz
Dong-Myung Kim „ … und kann nicht die
Patricia Martínez Stille erreichen“
Christian Lillinger
62 3 Open Form for Society
Matthew Shlomowitz
Glücklich, Glücklich, Freude, 130 9
Freude Nina Šenk
Michael Pelzel T.E.R.R.A II
Mysterious Benares Bells Pierre-Yves Macé
Simon Steen-Andersen Rumorarium
TRIO Johannes Boris Borowski
Allein
74 4 Beat Furrer
Sote Konzert für Klarinette
Parallel Persia und Ensemble

80 5 144 10
Alberto Posadas Akustische Spielformen
Poética del espacio Ulrike Janssen, Marc Matter
Meerschallschwamm und
Schweigefang
Jiří Adámek, Ladislav Źelezný
Hra na uši / The Ears Game
32 Konzert 5

2
Museum Art.Plus
Freitag, 18.10.2019, 18 Uhr (2a)
Samstag, 19.10.2019, 10 Uhr (2b)
Samstag, 19.10.2019, 18 Uhr (2c)

Joseph Houston, Klavier

Sendung in SWR2 JetztMusik, 4.11.2019, 23.03 Uhr

Introduction to the works

33 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

The curAltor curates

Andrés Guadarrama
Colotomy
für Klavier (2016)
Deutsche Erstaufführung, 10 Min.

Patricia Martínez
OUTSIDE
für Klavier (2019)
Uraufführung, 11 Min.

Dong-Myung Kim
Siseon
für Klavier (2018)
7 Min.

1  2  3  4  5  6  7  8  9  10  11
34 Konzert 2

The curAltor curates

Nick Collins im Gespräch mit Björn Gottstein

Defragmentation – Curating Contemporary Music war ein Forschungs-

projekt mit dem Ziel, die aktuell in vielen Sparten geführten Diskurse
um Gender und Diversity, Dekolonisierung und technologischen
Wandel nachhaltig in Institutionen der Neuen Musik zu verankern
und kuratorische Praktiken in diesem Bereich zu diskutieren. In
diesem Rahmen hat Nick Collins von der Durham University ein
Computerprogramm geschrieben, das Musik hört und beurteilt.
Es heißt curAltor. In einer ersten Version wurde es bei den Darm­
städter Ferienkursen 2018 vorgestellt. Die Datenbank, mit der der
Computer trainiert wurde, bestand aus 100 exemplarischen zeit­
genössischen Klavierstücken, von denen 50 von Männern und
50 von Frauen stammten, sowie einer Gegenprobe aus einem Reper-
toire von Klaviermusik in nicht-zeitgenössischem Idiom. Für öffen­t­
liche Vorführungen in Darmstadt und bei den Donaueschinger
Musiktagen 2018 wurden dem Computer Aufnahmen von Klavier­
stücken vorgespielt, die er dann auf ihre Qualitäten als zeitgenössi-
sche Musik hin beurteilte. Da der Computer außerdem wusste,
welche Stücke in der Datenbank von Männern und welche von
Frauen stammten, machte er auch den Versuch, das Geschlecht des
Komponisten des aktuellen Stückes zu bestimmen. Nach diesen
öffentlichen Vorführungen des Prototyps im Jahr 2018 riefen die
Donaueschinger Musiktage 2019 dazu auf, Aufnahmen neuer Klavier-
musik einzusenden. Der Computer hörte und bewertete die einge­
reichten Stücke und wählte so drei Stücke für die eigentliche
Aufführung im Festivalprogramm aus.

Björn Gottstein: Sie haben eine Reihe von Computerprogrammen

geschrieben, die Musik anhören und bewerten. Meine erste Frage
wäre: Was kann der Computer tatsächlich wahrnehmen, wenn er
Musik hört? Ich gehe davon aus, dass es bestimmte Dinge gibt, die
er nicht erfassen kann, wie die emotionale Qualität eines Stückes.

Nick Collins: Das ist ein riesiges Forschungsgebiet. In der Computer-

musik gibt es etwas, das als Transkriptionsproblem bezeichnet
wird und das sich mit dem Versuch beschäftigt, ein beliebiges Stück

Werkeinführung
35 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

präzise zu transkribieren. Die Musik selbst kann stark variieren,

seien es Schläge einer Bass-Drum, Geigenpizzicati oder andere klar
abgrenzbare Ereignisse, sei es spektrale elektronische Musik, die nicht
wirklich auf Tönen basiert, sondern auf einem erweiterten Begriff
von Klang-Objekten. Es gibt auch, je nach musikalischem Stil, unter-
schiedliche Theorien. Wenn Sie also eine Maschine haben, die einen
bestimmten Musikstil zuverlässig transkribiert, bedeutet das nicht,
dass man sie ohne weiteres auf einen anderen übertragen könnte.
Nehmen wir einmal an, der Goldstandard wäre, dem Computer
eine klassische Symphonie des 19. Jahrhunderts im traditionellen
Stil vorzuspielen und ihn automatisch die Partitur erstellen zu
lassen. Auch dort haben wir das Problem, dass in diesen Symphonien
Kombinationen von Instrumenten und Ereignissen vorkommen,
die nicht in Gänze erfasst werden. Der Computer kann einen Versuch
der Transkription unternehmen; er macht es nicht immer richtig.
Eine Transkription durch einen erfahrenen menschlichen Experten
wäre der eines Computers der aktuellen Generation überlegen.
Die große Forschungsfrage ist derzeit das maschinelle Lernen,
angewandt auf die Musik. So können Sie den Computer mit einer
großen Datenbank mit allen Arten von Stücken versorgen und
einfach – um es grob zu vereinfachen – sagen, dass einige von ihnen
repräsentativ für einen „Glückszustand“ und andere für einen
„traurigen Zustand” sind, und Sie können dann Ihren Computer
trainieren, zwischen diesen Zustände zu unterscheiden. Das Span-
nende ist, wenn man ihm ein neues Stück gibt, eines, auf das er
nicht trainiert wurde, etwas noch nie Gehörtes, wird er dann sagen,
es sei glücklich oder es sei traurig, und wird das die Antwort sein,
die man erwartet hat?
Man kann Statistiken erstellen, man kann beginnen zu bewerten,
wie gut der Computer diese Dinge erfüllt. Also trainiert man ihn an
einer Reihe von Stücken, hält aber eine Testreihe zurück – einige
Stücke, die er noch nie zuvor gehört hat – nur um zu sehen, wie gut
er sich bewährt. Der Computer kann versuchen, bestimmte emotio-
nale Zustände zu beurteilen, aber die aktuelle Computergeneration
hat keine emotionale Wahrnehmungsfähigkeit, die die menschliche
Physiologie oder Psychologie widerspiegelt. Wir haben keine voll-
ständige Kenntnis des Hörsystems, also haben wir auch noch kein
Computerprogramm, das das menschliche Hören vollständig ersetzt.

1  2  3  4  5  6  7  8  9  10  11
36 Konzert 2

Dennoch erkennen wir langsam, wie man das maschinelle Hören

verbessern kann, auch wenn Computer nicht so gut sind wie erfahrene
menschliche Transkribenten. Und es gibt Aufgaben, die Computer
durch maschinelles Hören lösen, die Menschen so nicht erfüllen
können. So erfasst ein Computer die Tonhöhe potenziell schneller
als der Mensch. Computer durchsuchen eine Audiodatei viel schnel-
ler nach bestimmten Schallereignissen als das durchschnittliche
menschliche Gehör. Viele Prozesse maschinellen Hörens gehen über­-
raschend schnell. Es gibt auch abstrakte Elemente, die sich nicht
unbedingt auf die physiologischen oder psychologischen Grundlagen
des menschlichen Hörens beziehen, aber dennoch einen konstruk­
tiven Zweck haben, bei dem Änderungen in der Zeit aufgezeichnet
werden. Dies ist ein riesiges Forschungsgebiet, und die Antwort auf
die Frage, wie gut Computer hören können, ist komplex.

BG: Wenn ich den Computer mit einer Aufnahme füttere, wird er nach
bestimmten Merkmalen suchen und diese dann katalogisieren oder
kategorisieren. Was passiert eigentlich, wenn die Aufnahme durch den
Rechner läuft?

NC: Nun, man kann in der Regel eine Reihe von Eigenschaften in
einer bestimmten Häufigkeit pro Sekunde herausfiltern, so dass
man am Ende eine Liste von Werten erhält, die entlang der Zeitachse
der Audiodatei verlaufen; jeder Zeitpunkt (‚frame’) wird als ein
bestimmter Vektor von Zahlen dargestellt. Es sind nur Daten, also
beginnt man, aus diesen Zahlenreihen Modelle zu entwickeln, die
vorhersagen können, wohin diese oder ähnliche Sequenzen führen
könnten. Was einen ganzen Bereich des maschinellen Lernens auf
der Grundlage von zeitabhängigen Vektoren (Sequenzen, die sich im
Laufe der Zeit ändern) einbezieht.

BG: Ist die Maschine enttäuscht, wenn ihre Erwartung nicht eintritt?

NC: Wir dürfen nicht „vermenschlichen”. Sie sagen „enttäuscht“ –

aber die Maschine verfügt über kein emotionales System oder etwas
in der Art des menschlichen Gefühls der Enttäuschung. Sie sollten
auch bedenken, dass es immer einen menschlichen Programmierer
gibt, der die Programme schreibt, denen die Maschine folgt. Vieleicht

Werkeinführung
37 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

möchte der Programmierer eine Art von „Enttäuschungsmodell“

in die Maschine einbauen. Dieses Modell ist jedoch kein echtes
menschliches Gefühl der Enttäuschung.

BG: Es ist nicht das erste Mal, dass Sie Programme für maschinelles
Lernen und maschinelle Hörsysteme schreiben. Wie ist Ihre Erfahrung
mit den Ergebnissen, die die Maschine Ihnen liefert? Sind die Ergebnisse
interessant? Finden Sie sie hilfreich? Stimmen sie mit Ihrem eigenen
Urteil überein oder gibt es einen großen Unterschied?

NC: Im Jahr 2012 veranstalteten wir einen Wettbewerb, bei dem

die Leute Dubstep-Remixes eines bestimmten Tracks einsenden
konnten, und wir sagten, dass wir sie per Computer beurteilen
würden. Und so hatten wir eine Art künstlicher Jury aus einigen KIs,
die entscheiden sollten, welcher Track am besten bewertet würde.
Es waren etwa 15 Tracks eingereicht worden und wir hatten eine
Top 3. Das Endergebnis war etwas seltsam, denn die Wahl des
Computers fiel auf ein etwas experimentelleres, abstrakteres Stück,
das nicht als „konventioneller“ Dubstep durchgehen würde. Der
Zweitplatzierte, wie ich mich zu erinnern glaube, war ein wenig mehr
„in style“, aber der erste war definitiv etwas skurril. Vom kreativen
Standpunkt her ist es natürlich schön, wenn auch mal Skurriles
entsteht. Inwieweit dies eine Schrulle des Computerprogramms war,
kann ich nicht sagen – aber sein könnte es schon. Es war jedenfalls
ein Thema in der Diskussion, die wir über das Ergebnis und seine
Qualität geführt haben. Wenn man solche Jury-Entscheidungen trifft,
sucht man dann nach etwas, das die eigenen Vorurteile absolut
bestätigt, will man nur etwas sehen, das wirklich stilgetreu ist? Oder
will man etwas sehen, das die vorgegebene Stilrichtung hinterfragt?
Was ist besser, ein Sieger, der sich außerhalb der Normwerte befin-
det, oder ein durchschnittlicher und damit akzeptablerer Sieger? In
der Psychologie wird bei der Beurteilung der menschlichen Schön-
heit das durchschnittlichere Gesicht oft als das schönste angesehen.
Es gibt also viele Vorentscheidungen der Modellierung, und man
muss eine Haltung gegenüber der Beurteilung von Kreativität entwi-
ckeln: Belohnt man die Dinge, die sich ein wenig vom eingeübten
Korpus unterscheiden, oder belohnt man die Dinge, die dem einge-
übten Korpus wirklich nahe kommen?

1  2  3  4  5  6  7  8  9  10  11
38 Konzert 2

BG: Das klingt nach einem spannenden Dilemma. Es ist interessant zu

hören, dass der Computer anscheinend etwas ausgewählt hat, das nicht
die offensichtliche Wahl war, und das Dilemma ist natürlich, ob man
dem Computer beibringen soll, dass das gut ist. Aber dann fordert man
den Computer auf, die Abweichung zu belohnen, von der man anneh-
men würde, dass sie eben nicht gut ist, weil sie nicht mit den Informa-
tionen im Einklang steht, die er gelernt hat. Für mich ist es daher
schwer, die Komplexität eines Computerverstandes zu verstehen. Wie
lehrt man ihn, nach Innovation zu suchen, nach Abweichung, nach
dem Ungewöhnlichen?

NC: Es geht darum, den „Sweet Spot“ zu finden. Man will nicht
unbedingt imitieren oder nachahmen, was schonmal gemacht
wurde – man will etwas Neues haben. Aber wenn man zu weit geht,
dann werden die Leute ein Stück nicht mit dem Stil in Verbindung
bringen, in dem man gearbeitet hat. Zwei von uns waren in den
Abschluss des Projekts involviert, und wir haben uns schließlich
beide die Beispiele angehört. Als Programmierer habe ich sie mir
nicht angehört, bevor die Computeralgorithmen losgelegt haben. Das
wäre Betrug gewesen; der ganze Prozess musste ohne menschliche
Wertung ablaufen. Aber als die Gewinner des Wettbewerbs bekannt
gegeben waren, haben wir sie uns angehört und wir hätten uns nicht
auf einen Gewinner einigen können. Die klassische Jury-Situation:
Wären wir beide als Menschen aufgefordert worden, eine Rangfolge
für die Einsendungen zu erstellen, hätten wir es schwer gehabt, uns
auf eine Nummer 1 zu einigen. Also, ob man es nun maschinell oder
mit Menschen macht, es wird immer eine Kontroverse geben, denke
ich.

BG: Hatten Sie das Gefühl, dass die Menschen ein solches Projekt
ablehnen oder ängstlich darauf reagieren? Wird die Idee einer Musik
hörenden Maschine abgelehnt?

NC: Ja, ich habe eine ganze Bandbreite von Reaktionen erlebt. Es gibt
Studien über die psychologischen Aspekte dieses Themas. Wenn man
den Leuten von vornherein sagt, dass die Musik maschinell erzeugt
wird, werden sie sich dann eher ablehnend verhalten? Manchmal
scheint die Antwort „ja” zu lauten. Aber die Leute vergessen immer

Werkeinführung
39 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

wieder, dass sich hinter einem algorithmischen Kompositions­

programm ein Programmierer verbirgt; sie lehnen also das Modell
des Programmierers ab; sie lehnen den Versuch des Programmierers
ab, die musikalische Welt zu modellieren. Sie lehnen nicht unbedingt
die Maschine an sich ab, aber aus ihrer Perspektive ist das, was
sie direkt vor sich sehen, in diesem Moment, diese Maschine, dieses
Programm. Es ist anders, es ist kein Mensch, es ist ein Programm.
Und so attackieren sie eben das. Tatsächlich war die Mehrheit der
Meinungen, mit denen ich konfrontiert war, entweder geringfügiges
Interesse an dieser seltsamen, etwas anderen Art, Dinge zu erschaffen;
oder vielleicht auch nur eine gewisse Gleichgültigkeit, weil Computer
in unserem Leben so weit verbreitet sind mittlerweile, dass es einfach
mehr akzeptiert wird, dass diese Dinge passieren. Und warum sollten
die kreativen Künste von diesen massiven Veränderungen, die wir
von der Industrialisierung kennen, ausgenommen sein? Für andere
ist es ein geringeres Problem, und gerade habe ich einige wissen-
schaftliche Literatur gelesen, zum Beispiel Beschreibungen von
Automaten im frühen 19. Jahrhundert. Es gab zum Beispiel ein
berühmtes Beethoven-Konzert, dessen Mittelteil von einem musika­
lischen Automaten bestritten wurde, der ein paar Stücke spielen
sollte. Das Publikum zeigte sich eigentlich nicht sehr beunruhigt. Es
war nicht schockiert und dachte: „Oh, die Musiker werden jetzt durch
Roboter ersetzt!“. Man nahm das als eine schräge Unterhaltung und
akzeptierte es einfach als Musik, die eben auf diese Art gemacht
wurde. Also ich glaube nicht, dass wir mit diesem Projekt in irgend­
einer Weise bezwecken, dass alle menschlichen Jurys sofort ersetzt
werden sollen und alle menschlichen Komponisten ab jetzt irrele-
vant sind – aber es ist ein wirklich gutes Mittel, um darüber nachzu-
denken, wie wir als schöpferische Menschen mit Musik umgehen.

BG: Es ist interessant, der Maschine beim Beurteilen zuzusehen. Ich

habe folgende Erfahrung in Darmstadt gemacht: Es gab Leute, die
30 Minuten lang dort saßen, nach allen möglichen Musikrichtungen
fragten, auch nach älterer Musik, nach Jazz, und nur versuchten zu
verstehen, wie die Maschine funktioniert. Es gibt auch den Aspekt der
„Vermenschlichung“, dass man sie wie ein kleines Kind behandelt und
versucht herauszufinden, was sie mag und was nicht. Man versucht
herauszufinden, was die Maschine glücklich macht. Es gab viele

1  2  3  4  5  6  7  8  9  10  11
40 Konzert 2

Vorschläge: „Oh, sie mag wohl keine Crescendi.“ Vielleicht steht dahinter
die Idee, dass die Maschine eines Tages der bessere Juror sein wird.
Aber darin liegt nicht wirklich eine Bedrohung.

NC: Und es macht auch absolut keinen Sinn, denn es gibt keinen
obersten Richter für die Musik. Es gibt nur die Gesellschaft und
ihre sich im Laufe der Zeit wandelnden Vorlieben. Wer in einem
bestimmten Moment einen tauglichen Richter abgibt, wird diese
Position garantiert nicht beibehalten. Es gibt immer eine alte Garde,
die durch Newcomer ersetzt wird und immer so weiter. Stattdessen,
wenn die KIs hoch entwickelt sind, wären sie nur eine andere Facette
der Kultur. Es gäbe alte KIs, die als die alte Garde angesehen werden
würden, und es gäbe avantgardistische neue KIs, die gerne mit-
mischen und die alte Garde ersetzen würden. Es gäbe einen zusätz­
lichen Bereich der ökonomisch-kulturellen Spannungen, die unser
Leben bestimmen.

BG: Ich möchte gerne auf das aktuelle Projekt eingehen. Gab es spezi-
fische Probleme, auf die Sie gestoßen sind, als Sie es mit dieser zeit-
genössischen Klaviermusik zu tun hatten? Gab es etwas, das Sie speziell
berücksichtigen mussten?

NC: Die Zusammensetzung der Trainingsdatenbank ist eine wichtige

Frage. Die ersten Stücke, die Sie geschickt hatten, enthielten ver-
schiedene erweiterte Spieltechniken – präpariertes Klavier, Klavier
mit Elektronik, Klänge, die nicht auf konventionelle Weise erzeugt
werden. Das würde die Ergebnisse schlagartig verfälschen, denn der
Großteil der Musik war „normale” Klaviermusik, bei der die Hämmer
in der üblichen Weise die Saiten anschlagen und einen gut wieder-
erkennbaren Klavierklang erzeugen. Der Computer versucht, etwas
mehr höherwertige Bewertungen über den Fluss der Musik zu
machen. Es ist leicht, ein paar unbeudeutende Features in kurzen
Zeitfenstern erkennen zu lassen, aber es ist etwas weniger einfach,
den Fluss der Features im Zeitverlauf zu betrachten. Das System
schaut die Musik immer noch eher lokal an und hat nicht wirklich
einen Überblick über die Großform. Psychologisch gesehen ist es
evident, dass der Überblick über die Gesamtform sowieso eine Art
Illusion ist. Sie ist für viele menschliche Hörer nicht leicht wahr­

Werkeinführung
41 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

nehmbar. Wenn man die Computer der jetzigen Generation

kritisieren möchte, würde ich sagen, dass diejenigen, die mit Zeit­-
schwankungen umgehen können, einige Varianten im Zeitverlauf
aufzeichnen können; aber sie sind vielleicht nicht wirklich gut
darin, die Bedeutung bestimmter Klangobjekte, bestimmter Motive,
was auch immer, in einem größeren formalen Zusammenhang zu
erkennen. Die Entscheidungsfindung dreht sich also immer noch oft
um Statistiken lokal begrenzter Veränderungen.

BG: Wenn man der Maschine beim Beurteilen zusieht, bekommt man
nicht sehr viele Informationen. Das ist sehr beschränkt. Sie sagt „good“
oder „bad“ und stellt Vermutungen an über das Geschlecht des Kom-
ponierenden. Sie sagt einem „distance to good“, „distance to bad“ und
machmal „too silent to judge“. Darüber hinaus erfährt man nicht
wirklich, was die Maschine denkt. Ich habe mich gefragt, wie die
Moment-zu-Moment-Diagnose funktioniert: es kann eine Reihe geben
„good, good, bad, bad, bad, good, good, good“. Und manchmal ist das
sehr widersprüchlich, wenn man ein Stück hat, das einem als mensch­
lichem Hörer sehr homogen erscheint, das die Maschine aber als sehr
heterogen bewertet. Wie haben Sie die Entscheidung getroffen, welche
Informationen Sie dem Zuschauer mitteilen, auch über diese Zeitfenster
zum Beispiel?

NC: Zunächst, was die für das Festival (Donaueschinger Musiktage

2018) bereitgestellten Interfaces betrifft: Sie werden nicht Teil des
Bewertungssystems des Wettbewerbs sein. Tatsächlich wird der
endgültige curAltor etwas komplizierter ausfallen. Ich plane, eine
Reihe von Merkmalen zu extrahieren und von jedem dieser Merk-
male ein Modell zu erstellen, so dass ich in der Lage bin, zu jedem
eine individuelle Auswertung zu erstellen. So könnte ich zum Beispiel
in Bezug auf dieses oder jenes Merkmal sagen, dass Ihr Stück ein
bestimmtes Profil hat, eine bestimmte Nähe zur Datenbank.
Nach der getrennten Bewertung der einzelnen Merkmale entsteht
das endgültige Urteil durch eine Zusammenfassung all dieser ver-
schiedenen, nicht unbedingt gleich gewichteten Urteile; und sowohl
die Beurteilung der einzelnen Merkmale als auch die finale Gesamt­
entscheidung können Gegenstand des maschinellen Lernens sein.
In dem Programm hingegen, das während des Festivals (Donau­

1  2  3  4  5  6  7  8  9  10  11
42 Konzert 2

eschinger Musiktage 2018) lief, war alles schon zusammengefasst:

Alle Features waren zu einer einzigen Beurteilungsinstanz vereint.
Ein neuronales Netz traf im Hintergrund die Entscheidungen anhand
aller eingehenden Informationen, die simultan die Bewertung „good“
oder „bad“ beeinflussten. Wir hatten also diese Blackbox mit ihrem
verborgenen Innenleben, was es sehr schwer macht, etwas über die
Bestandteile zu sagen. Das beim Wettbewerb verwendete automa­
tische Beurteilungsprogramm wird in der Lage sein, mehrere indivi­
duelle musikalische Merkmale einer Beurteilung zuzuführen. So
könnte es möglich sein, für jeden Teil des Beurteilungsprozesses
einen etwas detaillierteren Bericht zu erstellen. Das ist es, was ich
nach Möglichkeit gerne zur Verfügung stellen möchte. So könnte
jeder Teilnehmer am Wettbewerb ein Datenblatt zurückbekommen,
auf dem steht, dein Stück hat bezüglich auf sein Dissonanzenprofil
gut abgeschnitten, den zeitgenössischen Stil, den wir in Bezug auf
das Lautstärkeprofil erwarten, jedoch weniger getroffen.

BG: Haben Sie irgendeine Erwartung an den Ausgang des Wettbewerbs?

NC: Nun, aufgrund des Ausgangsmaterials, das für die Trainings­

datenbank verwendet wird, stelle ich mir vor, dass die Neigung zum
tonalen Minimalismus nicht sehr ausgeprägt sein wird – wenn die
Features ihre Arbeit tun bei der Erfassung bestimmter Nuancen der
Tonhöhenstrukturen. Und ich setze auf etwas komplexere Rhythmen.
Wenn also etwas im herkömmlichen Sinne metrisch zu konstant ist,
dann wird es wahrscheinlich nicht so gut abschneiden wie etwas,
das rhythmisch etwas weiter ausgereift ist. Das ist es, was ich aufgrund
der Zusammenstellung der Trainingsdatenbank erwarte. Aber ich
würde mich auch freuen, wenn man mir das Gegenteil beweisen würde.

(Nick Collins/Björn Gottstein: „The curAItor“, in: Sylvia Freydank und

Michael Rebhahn (Hg.), Defragmentation. Curating Contemporary
Music (= Sonderband Darmstädter Beiträge zur Neuen Musik), Mainz
2019, S. 69–75.)

Werkeinführung / Introduction to the works

43 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

The curAltor curates

Nick Collins in conversation with Björn Gottstein

Defragmentation – Curating Contemporary Music was a research

project aimed at enduringly establishing the debates currently
ongoing in many disciplines on gender and diversity, decolonization
and technological change in institutions of New Music, as well as
discussing curatorial practices in this field. For this purpose, Nick
Collins from Durham University has written a computer program
that listens to and judges music. It is called the curAltor. It was
presented in a first version at the Darmstadt Summer Courses 2018.
The database that had been given to the computer in order to learn
consisted of 100 pieces of exemplary contemporary piano music,
50 of which were written by men, 50 by women, alongside an anti-
corpus of piano music not in keeping with such contemporary
idioms. For public demos at Darmstadt and at Donaueschingen,
audio recordings were played to the computer, which then judged
piano music from moment to moment according to its credentials as
contemporary music. Due to the fact that the computer also knew
which pieces in the database were written by men and which by
women, it could also attempt to predict the gender of the composer
of the current piece. Following these 2018 public prototype demos,
for the Donaueschingen Festival in 2019 there was a call for new
piano music recordings. The computer listened to and judged the
pieces submitted, picking three pieces for actual performance
in the festival program.

Björn Gottstein: You have written a series of computer programs that

listen to and evaluate music. My first question would be: What can the
computer actually perceive when it listens to music? I presume that
there are certain things it cannot detect, like the emotional quality of a
piece.

Nick Collins: This is a big research area. In computer music, there is

something called the transcription problem, which deals with the
attempt to accurately transcribe any given piece. Music itself varies
widely, whether it contains bass drum hits, violin pizzicatos and
other clearly demarcated note events, or whether it is spectral

1  2  3  4  5  6  7  8  9  10  11
44 Konzert 2

electronic music that isn’t really founded on notes at all but an

extended notion of sound objects. There are also lots of different
music theories around concerning different styles. So even if you
have a listening machine and it is good at transcribing one musical
style, it doesn’t mean that you can easily transfer it to another.
If we just imagine that the gold standard is to play a computer a 19th
century classical symphony in traditional Western style and ask it to
automatically produce the score, even there we find the problem that
in these symphonies there may be combinations of events across
instruments that are never fully perceived. The computer can make
an attempt at transcribing; it doesn’t always get it right. An expert
human transcriber would do better than a computer of the current
generation.
The big research area at the moment is machine learning, as applied
to music. So you can supply the computer with a large database of
any kinds of pieces and you might just state – to simplify grossly –
that some of them are representative of a “happy state” and some
of them of a “sad state” and you can then train your computer to try
to distinguish these states. The interesting thing is, if you give it a
new piece, one that it has not been trained on, something that has
not been heard before, is it going to say that it is happy or sad and
will this be the response you expected?
You can do statistics, you can actually start to evaluate how well the
computer is achieving these things. So you train it on a set of pieces
and you keep back a test set, some pieces that it has never heard
before, just to see how well it does. The computer can try to give its
judgement about certain emotional states, but with the current
generation of technology, the computer does not have emotional cog-
nition that mirrors human physiology or psychology. We don’t have
an absolutely complete knowledge of the auditory system, so we
don’t yet have a computer program that entirely replaces human
hearing. Nonetheless, we are gradually gaining knowledge on how to
construct better models of machine hearing, even if computers are
not as good as expert human transcribers. And there are things
computers can do with machine listening that humans don’t quite
achieve. For example, the speed with which a computer can detect
pitch is potentially faster than the speed at which humans track it.
Computers can run through an audio file to try to find certain sound

Introduction to the works

45 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

events much faster than the standard rate of human audition. Many
machine listening processes can be accomplished surprisingly
quickly. There are also abstract features which may not pertain to
the physiological or psychological models of human hearing, but
still have an engineering purpose, with changes in time that are
being tracked. This is a massive research area, and the answer to the
question of how well computers can listen is a complex one.

BG: When I feed the computer a recording, it will look for certain
features and then it will catalogue them or categorize them. What
actually happens when the recording runs through the machine?

NC: Well, you might typically extract a number of features a certain

number of times per second, so you end up with a list of values
running along the timeline of the audio file; each time frame is a
certain vector of numbers. It’s just data, so from these numerical
sequences, you start to train up models that can predict where
these or similar sequences might go. Which brings in a whole area
of machine learning based on time series data (sequences that
vary over time).

BG: Is the machine disappointed if what it assumes might happen,

doesn’t happen?

NC: We mustn’t anthropomorphize. So, when you say “disappointed”,

the machine does not have an emotional system or anything analo-
gous to the human state of disappointment. You should also bear in
mind that there is always a human programmer writing the programs
which the machine is following. The programmer might want to
build some kind of model of disappointment into the machine. That
model, though, is not a real human brain feeling of disappointment.

BG: The piano music project we are currently working on is not the first
time that you’ve programmed machine learning and machine listening
systems. What is your experience with the results that the machine gives
you? Are the results interesting? Do you find them helpful? Are they in
line with your own judgement or is there a big difference?

1  2  3  4  5  6  7  8  9  10  11
46 Konzert 2

NC: In 2012 we had a competition where people could send in dub-

step remixes of a particular track and we said that we would judge it
by computer. And so we had a sort of artificial jury of some AIs that
were going to make the decisions about which was the most highly
rated track submitted. We had about 15 tracks submitted and we had
a top 3. The actual result was a little strange, since the computer’s
selection as the number one track was a slightly more experimental,
abstract piece that wouldn’t be taken as being “conventional“ dub-step.
The second, I seem to remember, was a little bit more “in the style“
but the first was definitely a bit “weirder”. Now in creative terms,
sometimes it’s nice to get a weirder thing to come out. The extent to
which this was a quirk of the programming of the computer, I’m not
quite sure, and it might well have been. It’s an argument that we had
about the quality of the result. When you make these jury decisions,
is the jury looking for something that absolutely reconfirms their
established biases, do they just want to see something that is really in
the style? Or do they want to see something that challenges what
they took the style to be? So is it better to have a winner that went
outside of these standard parameters, or is it better to have a winner
that was average and hence more acceptable? With judgements of
human beauty in psychology, the more average face is often taken to
be the most beautiful. So there are a lot of modeling assumptions
and you have to take a position on the judgement of creativity. Are
you going to reward things that are a little different from the training
corpus, or you are going to reward things that are really close to the
training corpus?

BG: It sounds like an interesting dilemma. It’s interesting to hear that

the computer apparently chose something that wasn’t the obvious
choice, and the dilemma is of course whether to teach the computer
that this is good. But then you’re asking the computer to reward the
deviation, which you would assume it would consider not to be good
because it’s not in line with the information that it has learned. So
for me, it’s hard to understand the complexity of a computer mind. How
do you teach it to look for innovation, for deviation, for the unusual?
NC: It’s about finding the sweet spot. You don’t want to be absolutely
mimicking or imitating what has been done already – you need to
have some novelty. But if you go too far, then people won’t recognize

Introduction to the works

47 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

a piece as being associated with the style you’ve been working within.
There were two of us involved in finishing the project, and we both
eventually listened through the examples. As the programmer,
I didn’t listen to them before running the computer algorithms. That
would have been cheating; the whole process had to run without
any human judge. But once the competition winners were announced,
we did go back and have a listen and we wouldn’t have agreed about
which one should have won. This is a classic jury situation: if as
humans, the two of us had been asked to come up with a rank order
for the entries, we would have found it difficult to agree on our
number one. So whether you do it by machine or by human being,
there is always going to be some controversy, I think.

BG: Have you felt that people dislike or react with fear towards a project
like this? Do they reject the idea of a machine listening to music?

NC: Yes, I’ve encountered a range of reactions. There are people that
have done studies into the psychology of this. So if you tell people
up front that music is machine-generated, are they more likely to
reject it? And the answer sometimes seems to be yes. But people keep
forgetting that there is a programmer behind algorithmic composing
programs, so they are rejecting the programmer’s model, they are
rejecting the programmer’s attempt to model the musical world.
They are not necessarily rejecting the machine as such, yet from their
perspective, the thing that they see right in front of them, just then
and there, is this machine, this program. It’s different, it’s not human,
it’s a program. And so they attack that. Actually, the majority of
opinions that I’ve come across were either a slight interest in the fact
that it’s a quirky or somewhat different way to create things, or
maybe just a slight indifference, because computers are so prevalent
in our lives now that it’s just more accepted that these things happen,
and why should the creative arts be exempt from those massive
alterations that we see from industrialization? For some people it’s
less of an issue, and actually I’ve read some academic literature, for
example in the description of automatons in the early 19th century.
There was, for example, a famous Beethoven concert where the
middle part of the concert was a particular musical robot that was
going to play a few pieces. The audiences were not actually that

1  2  3  4  5  6  7  8  9  10  11
48 Konzert 2

bothered. They weren’t shocked, they didn’t think, “Oh, the musicians
are about to be replaced by robots“, they just thought of it as a quirky
entertainment and they just accepted that this was music, that that’s
how it was being made in that case. So I don’t think that with this
project we are in any way suggesting that all human music juries will
immediately be replaced and all human music composers are now
irrelevant, but instead, it’s a really good tool to reflect upon what we
do as human creators with music.

BG: It’s interesting to watch the machine judge. I had this experience
in Darmstadt: we had people sitting there for 30 minutes asking for all
kinds of music, even older music, sometimes jazz, and just trying to
understand how the machine works. Also there is the aspect of anthro-
pomorphizing, that you treat it like a little child and try to understand
what would it like and dislike. “It must not like this because of that.” Y
ou try to understand what makes the machine happy. There were many
assumptions: “Oh, it must not like crescendos.” Maybe there is the larger
idea that one day the machine will be the better judge. But there isn’t
really a threat in this.

NC: And it also doesn’t make any sense, because there is no ultimate
judge for music, there is just society, there is just a cultural shift of
preferences over time, and what seems to be a good judge for one
moment in time is not guaranteed to maintain this position. There is
always an old guard being replaced by newcomers and so on. Instead,
if the AIs are highly evolved, it would just be another side to culture.
There would be old AIs who would be seen as being the old guard
and there would be avant-garde new AIs who would like to come
along and supplant the old guard. There would be another avenue of
economic cultural tensions that drive our lives.

BG: I would like to talk about the current project. Were there any specific
problems that you encountered when you had to deal with this contem-
porary piano music? Was there something you had to consider specifi-
cally?

NC: The nature of the training database is an issue. The first pieces
that you had sent through contained various extended techniques,

Introduction to the work

49 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

such as preparation of the piano, or electronics along with the piano,

or sounds not made in a conventional manner upon the piano in
some sense. That would suddenly corrupt the results, because the
majority of the music was standard piano music played while the
keys hammer on the strings in the usual way, making a very recogniz-
able piano sound. The computer tries to make slightly more high-l
evel judgements about the flow of music. It’s straightforward to get a
few low level features recognized in short windows of time, but it’s a
bit less straightforward to look at the flow of features over time. Still,
the system looks rather locally at the music and doesn’t really have a
grand scale of the form. Now psychologically, there is evidence to say
that the grand scale of form is a little bit of an illusion. It is not always
so perceptible for many human listeners. If you had to critique the
current generation computer systems, I would say that those that can
cope with time variation can track some change over time, but they
may not be really good at spotting the significance of certain sound
objects, certain motives, whatever, within a larger scale form. So the
decision-making is still often about statistics of local transitions.

BG: When you look at the machine judging the music, you don’t get that
much information from the machine. It’s very limited. It says “good“ or
“bad“ and makes assumptions about the sex of the composer, it tells you
“distance to good“, “distance to bad“ and sometimes “too silent to judge“.
Beyond that, you don’t really know what the machine is thinking. I was
wondering how the moment-to-moment diagnosis is working: you can
have a series of “good, good, bad, bad, bad, good, good, good”. There are
time frames within which something is judged and then comes the next
judgment. And sometimes it’s very contradictory in the sense that you
have a piece that seems very consistent to you as a human listener,
while the machine rates it very differently. How did you decide what
information to give to the spectator, also about those time windows and
so on?

NC: First, regarding the interfaces provided for the festival: they won’t
be part of the judging system for the competition. In fact, the final
curAItor will be a bit more complicated. I am planning to extract a
bunch of features and make a model of each feature, such that I would
be able to provide a report according to any individual one. So, for

1  2  3  4  5  6  7  8  9  10  11
50 Konzert 2

instance, in terms of sensory dissonance, I could state that your piece

has a certain sort of profile, this sort of proximity to the database.
After separating out judgement on the individual features, the final
judgement is an aggregate of all those various judgments, not neces-
sarily equally weighted, and both individual feature judgements
and final ensemble decision can be the subject of machine learning.
Whereas in the system that was running in the festival, everything
was already aggregated; all the features were already combined to
make a single judgement function. There was a neural net in the
background making decisions with all the input features simulta-
neously influencing the good or bad call. So we had this black box
with lots of the inner workings hidden away, where it is very hard
to interpret the internals. The competition automatic judging program
will be much more on a level of more recognizable individual musical
features leading to a call. So it might be possible to make a slightly
more detailed report for each piece of how the judgement progressed.
That is what I would quite like to provide if possible. So that each
entry to the competition would get an info sheet back, just saying,
your piece scored well according to its sensory dissonance profile,
while less fitting the contemporary style we are seeking in terms of
its loudness profile.

BG: Do you have any expectation about the outcome of the competition?

NC: Well, I imagine, based on the source material that is used for
the training database, that there will be less of a bias towards tonal
minimalism, if the features are doing their job, in terms of picking
up certain nuances of the pitch structures. And I imagine slightly
more complex rhythms. So if something is quite too consistently
metrical in conventional meters, then it probably won’t score as well
as something that has a slightly more evolved rhythmic structure.
That is what I expect based on the nature of the training database.
But I would equally enjoy being proved wrong.

(Nick Collins/Björn Gottstein: „The curAItor“, in: Sylvia Freydank and

Michael Rebhahn (ed.), Defragmentation. Curating Contemporary
Music (= Sonderband Darmstädter Beiträge zur Neuen Musik), Mainz
2019, p. 69–75.)

Introduction to the works

51 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

1  2  3  4  5  6  7  8  9  10  11
52 Konzert 2

Andrés Guadarrama
Colotomy

Der Begriff ‚colotomy’ wurde vom niederländischen Ethnomusiko­

logen Jaap Kunst geprägt, um die Beziehungen zwischen Struktur,
Dichte, Tempo und instrumentaler Funktion innerhalb einer tradi­
tionellen Gamelan-Komposition zu beschreiben.
Der initiale Impuls etabliert die Bezüge, aus denen die verschiedenen
klanglichen und rhythmischen Ebenen des Klaviers gebildet werden.
Die Art und Weise, wie sie sich im gesamten Stück entfalten, ist
das Ergebnis meiner persönlichen Interpretation dieses Konzepts
der traditionellen indonesischen Musik.
Dieses Stück wurde während des Kompositionsseminars Laberintos
Sonoros, organisiert vom Komponisten Javier Torres Maldonado,
komponiert und ist Ignacio Torner, dem Pianisten des Taller
Sonoro Ensemble, gewidmet.

Andrés Guadarrama
Colotomy

The term ‘colotomy’ was created by the Dutch ethnomusicologist Jaap

Kunst to describe the relationships between structure, density, tempo,
and instrumental function within a traditional gamelan composition.
The initial impulse establishes the relationships from which the
different timbral and rhythmic planes of the piano are organized,
and the way in which they unfold throughout the piece is the result of
my personal interpretation of this concept of traditional Indonesian
music.
This piece was composed during the Composition Seminar Laberintos
Sonoros, organized by composer Javier Torres Maldonado, and is
dedicated to Ignacio Torner, pianist of the Taller Sonoro Ensemble.

Werkeinführungen / Introduction to the works

53 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

Score based on a corpus model’s prediction of your piece,

in comparison to previous concert pieces (higher is bet-
ter, 0 to 1): 0.97943287292896

Score based on proximity to a corpus and avoidance of an

anticorpus (higher is better, 0 to 1): 0.74971971225192

Combined final score: 0.86457629259044

Breakdown by individual audio features:

Loudness:  5.2997426053011  versus reference value on
corpus:  5.2232684801942
Sensory Dissonance:  4.7867411870548  versus reference
value on corpus:  4.5037298522905
Bass Energy:  5.5626409359403  versus reference value on
corpus:  5.3025771911455
Mid Range Energy:  5.2156030671934  versus reference val-
ue on corpus:  5.2259321343936
High Frequency Energy:  5.2185017507407  versus reference
value on corpus:  4.9222018875124
Harmonic Energy:  5.520630298796  versus reference value
on corpus:  5.2830766894793
Percussive Energy:  5.5919704944092  versus reference
value on corpus:  5.3410536707862
Tonal Root:  4.8000029776195  versus reference value on
corpus:  5.1884044160175
Tonal Mode:  3.164247669629  versus reference value on
corpus:  3.6490005699024
Key Clarity:  5.2624706191534  versus reference value on
corpus:  5.5196535155713
Density of Onsets :  3.0662832825633  versus reference
value on corpus:  2.9400751912191
Mean Inter-Onset Intervals:  3.8337584516452  versus ref-
erence value on corpus:  3.4991224039002
Standard Deviation of Inter Onset Intervals: 
3.2371358168755  versus reference value on corpus: 
2.907427133889
Beat Histogram Entropy:  4.8632695923777  versus refer-
ence value on corpus:  4.9871679891972
Beat Histogram 1st to 2nd Ratio:  5.6446472399566  versus
reference value on corpus:  5.519946147904
Beat Histogram Diversity:  4.9467643505253  versus refer-
ence value on corpus:  5.027475842776
Beat Histogram Metricity:  5.4147255616685  versus refer-
ence value on corpus:  5.2292435026894

Auswertung des CurAltor

1  2  3  4  5  6  7  8  9  10  11
54 Konzert 2

Patricia Martínez
Outside

OUTSIDE erforscht die Entstehung einer Klavier-Mikrowelt, in der

der Interpret unerwartet zu einem Klang-Zeit-Reisenden wird.
Das Klavier wird zur „Klangmaschine“, bei der eine extrem einfache
und sanfte Päparierung die Möglichkeit bietet, das Instrument
magisch zu erweitern und zu transformieren, nicht nur in seinen
klangfarblichen Möglichkeiten, sondern auch in seiner inneren
Energie, die mit seiner historischen Seele verbunden ist.
Von einem eher technischen Aspekt her gesehen, verlangt dieses
Werk vom Interpreten, seine Klangwahrnehmung und -gestaltung
zu überdenken, indem er neue Resonanzen und spektrale Nachhall­
ereignisse entdeckt, die direkt mit Dynamik- und/oder Tempo-
schwankungen in Verbindung stehen – auf einem transparenten,
zeitweise gar „monophonen“ Instrument – und indem er/sie das
Bewusstsein seiner/ihrer Körperbewegungen in Verbindung bringt
mit einer möglichen erträumten (neuen) Neuen Musik.

Patricia Martínez
Outside

OUTSIDE explores the emergence of a piano micro-world, in which

the performer unexpectedly becomes a sound-time traveller. The
piano becomes a "sound machine", where an extremely simple and
gentle preparation offers the chance to magically expand and trans-
form the instrument, not only in its tonal possibilities but also in its
inner energy, in relation to its historical soul.
Regarding the more technical aspect, this work demands from the
performer a renewed way to listen to and perform his/her own
sound, by discovering new resonances and spectral reverberations
that are directly related with dynamics and/or tempo variations –
on a transparent, at times even "monophonic" instrument – and
connecting the awareness of his/her body movements with a possi-
ble dreamed (new) new music.

Werkeinführungen / Introduction to the works

55 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

Score based on a corpus model’s prediction of your piece,

in comparison to previous concert pieces (higher is bet-
ter, 0 to 1): 0.85915479463003

Score based on proximity to a corpus and avoidance of an

anticorpus (higher is better, 0 to 1): 0.91809366981826

Combined final score: 0.88862423222414

Breakdown by individual audio features:

Loudness:  4.600794241725  versus reference value on cor-

pus:  5.2232684801942
Sensory Dissonance:  4.4719768797347  versus reference
value on corpus:  4.5037298522905
Bass Energy:  5.6422529024529  versus reference value on
corpus:  5.3025771911455
Mid Range Energy:  4.589511865788  versus reference value
on corpus:  5.2259321343936
High Frequency Energy:  4.3582141813728  versus reference
value on corpus:  4.9222018875124
Harmonic Energy:  5.4577326384607  versus reference value
on corpus:  5.2830766894793
Percussive Energy:  5.5570960762672  versus reference
value on corpus:  5.3410536707862
Tonal Root:  5.345142444049  versus reference value on
corpus:  5.1884044160175
Tonal Mode:  4.3890437686134  versus reference value on
corpus:  3.6490005699024
Key Clarity:  5.479541275646  versus reference value on
corpus:  5.5196535155713
Density of Onsets :  3.2949950104496  versus reference
value on corpus:  2.9400751912191
Mean Inter-Onset Intervals:  3.8410244761756  versus ref-
erence value on corpus:  3.4991224039002
Standard Deviation of Inter Onset Intervals: 
3.3966528090984  versus reference value on corpus: 
2.907427133889
Beat Histogram Entropy:  3.8232471524541  versus refer-
ence value on corpus:  4.9871679891972
Beat Histogram 1st to 2nd Ratio:  5.4961353920826  versus
reference value on corpus:  5.519946147904
Beat Histogram Diversity:  3.8524744722616  versus refer-
ence value on corpus:  5.027475842776
Beat Histogram Metricity:  4.9890073299696  versus refer-
ence value on corpus:  5.2292435026894

Auswertung des CurAltors

1  2  3  4  5  6  7  8  9  10  11
56 Konzert 2

Dong-Myung Kim
Siseon

Siseon (시선) nennt man auf Koreanisch die Sichtlinie. Die Komposition
für Klavier Solo ist inspiriert von der Beobachtung von Zügen, die mit
verschiedenen Geschwindigkeiten auf unterschiedlichen Gleisen fahren
und sich zu kreuzen scheinen. Bei genauer Betrachtung der sich bewe-
genden Objekte kann man sowohl die verschiedenen Details der Umge-
bung als auch die verschiedenen Geschwindigkeitszustände der sich
bewegenden Objekte perspektivisch verfolgen. In Analogie hierzu
werden in dem Klavierstück in drei Abschnitten solche sich bewegenden
Objekte, Klangumgebungen und sich kreuzende, unterschiedliche
Geschwindigkeitsabläufe als kompositorische Prozesse und sich stetig
verändernde akustische Gestalten komponiert.

Dong-Myung Kim
Siseon

Siseon (시선) is Korean for line of sight. The composition for piano solo
is inspired by the observation of trains that travel at different speeds
on different tracks and seem to cross each other. A closer look at the
moving objects reveals both the various details of the environment as
well as the different velocity states of the moving objects. In analogy to
this, the piano piece in three sections consists of such moving objects,
sound environments and intersecting, contrasting velocity sequences
as compositional processes and constantly changing acoustic shapes.

Werkeinführungen / Introduction to the works

57 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

Score based on a corpus model’s prediction of your piece,

in comparison to previous concert pieces (higher is bet-
ter, 0 to 1): 0.94928296342831

Score based on proximity to a corpus and avoidance of an

anticorpus (higher is better, 0 to 1): 0.95678275797841

Combined final score: 0.95303286070336

Breakdown by individual audio features:

Loudness:  5.4521414535193  versus reference value on
corpus:  5.2232684801942
Sensory Dissonance:  4.6635119139292  versus reference
value on corpus:  4.5037298522905
Bass Energy:  5.3285243842559  versus reference value on
corpus:  5.3025771911455
Mid Range Energy:  5.3957223686187  versus reference val-
ue on corpus:  5.2259321343936
High Frequency Energy:  5.4638915127423  versus reference
value on corpus:  4.9222018875124
Harmonic Energy:  5.3904642013611  versus reference value
on corpus:  5.2830766894793
Percussive Energy:  5.4883243443254  versus reference
value on corpus:  5.3410536707862
Tonal Root:  5.1324142372296  versus reference value on
corpus:  5.1884044160175
Tonal Mode:  2.8073911459894  versus reference value on
corpus:  3.6490005699024
Key Clarity:  5.5686696396732  versus reference value on
corpus:  5.5196535155713
Density of Onsets :  3.7285552461035  versus reference
value on corpus:  2.9400751912191
Mean Inter-Onset Intervals:  4.1930451440485  versus ref-
erence value on corpus:  3.4991224039002
Standard Deviation of Inter Onset Intervals: 
3.5876895006367  versus reference value on corpus: 
2.907427133889
Beat Histogram Entropy:  4.7262036293216  versus refer-
ence value on corpus:  4.9871679891972
Beat Histogram 1st to 2nd Ratio:  5.6573528833354  versus
reference value on corpus:  5.519946147904
Beat Histogram Diversity:  4.6553045049233  versus refer-
ence value on corpus:  5.027475842776
Beat Histogram Metricity:  5.2421951722177  versus refer-
ence value on corpus:  5.2292435026894

Auswertung des CurAltor

1  2  3  4  5  6  7  8  9  10  11
58 Konzert 2
Andrés Guadarrama
DT
geboren 1991 in Mexico City, ist Komponist,
Performer und Improvisator. Seinen
Bachelor-Abschluss in Komposition erhielt
er vom Centro de Investigación y Estudios
de la Música (CIEM). Derzeit studiert er
bei den Komponisten Germán Romero
und Samuel Cedillo. Seine Musik wurde in
Mexiko, Kolumbien, Spanien, Japan und
der Schweiz von Musikern wie UMS 'n JIP,
Eva Zöllner, Taller Sonoro, Boglárka Nagy,
Irvine Arditti und Tambuco aufgeführt. Er
nahm an Kursen und Meisterkursen mit
Komponisten wie Marcelo Toledo, Ignacio
Baca Lobera, Julio Estrada, Iván Naranjo,
Víctor Rasgado, Javier Torres Maldonado,
Iñaki Estrada, Peter Ablinger und Dror
Feiler teil. Im Jahr 2016 vertrat er Mexiko
beim 63. Internationalen Rostrum of
Composers der UNESCO mit seinem Stück
Yugen, das in der Kategorie unter 30 Jahre
eine Empfehlung erhielt. Er erhielt die
Jóvenes Creadores 2017-2018 del FONCA,
Mexikos wichtigstes Stipendium für junge
Komponisten. Im Jahr 2017 gründete er
mit anderen mexikanischen Musikern
Vorágines, eine alternative künstlerische
Plattform. Er ist Bassist in verschiedenen
Ensembles, die sich auf zeitgenössische
Musik, Improvisation und experimentellen
Rock spezialisieren.
Biografien/Biographies
EN
born in Mexico City in 1991, is a composer,
performer and improviser. He received his
bachelor’s degree in composition from the
Centro de Investigación y Estudios de la
Música (CIEM). He currently studies with
composers Germán Romero and Samuel
Cedillo. His music has been performed
in Mexico, Colombia, Spain, Japan and
Switzerland by musicians such as UMS ’n
JIP, Eva Zöllner, Taller Sonoro, Boglárka
Nagy, Irvine Arditti, Tambuco among
others. He has participated in courses and
master classes with composers such as
Marcelo Toledo, Ignacio Baca Lobera, Julio
Estrada, Iván Naranjo, Víctor Rasgado,
Javier Torres Maldonado, Iñaki Estrada,
Peter Ablinger and Dror Feiler among
others. In 2016, he represented Mexico at
the 63rd International Rostrum of Compos-
ers of UNESCO with his piece Yugen, which
was recommended within the category of
under 30 years of age. He was recipient of
the Jóvenes Creadores 2017-2018 del
FONCA, Mexico’s most important grant for
young composers. In 2017 he co-founded
with other Mexican musicians, Vorágines,
an alternative artistic platform dedicated
to the creation and exhibition of diverse
creative practices. He is a bassist in various
ensembles focused on contemporary
music, improvisation and experimental
rock.
59 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)
Dong-Myung Kim
DT
geboren 1985 in Daegu/Süd-Korea, lebt seit
2012 in Deutschland. Er studierte Komposi-
tion an der Kyungpook National University
(KNU) in Daegu bei Youngmin Jin und an
der Universität der Künste Berlin bei Daniel
Ott und Marc Sabat. Anschließend setzte
er sein Studium in der Meisterklasse bei
Andreas Dohmen an der Hochschule für
Musik Würzburg fort. Aufgeführt wurden
seine Werke u.a. durch das ensemble 2e2m,
das Daegu Symphony Orchestra, das
Ensemble Junge Musik Berlin und das
Goodmori Ensemble. 2018 war er Finalist
beim Internationalen Kompositionswett­
bewerb des Moskauer P. I. Tchaikovsky
Konservatoriums.
EN
born 1985 in Daegu, South Korea, lives in
Germany since 2012. He studied composi-
tion at the Kyungpook National University
(KNU) in Daegu with Youngmin Jin and
at the Universität der Künste Berlin with
Daniel Ott and Marc Sabat. He then contin-
ued his studies in the master class of
Andreas Dohmen at the Hochschule für
Musik Würzburg. His works have been
performed by the ensemble 2e2m, the
Daegu Symphony Orchestra, the Ensemble
Junge Musik Berlin and the Goodmori
Ensemble. In 2018 he was a finalist at the
1  2  3  4  5  6  7  8  9  10  11
International Composition Competition of
the Moscow P. I. Tchaikovsky Conservatory.
Patricia Martínez
DT
ist Komponistin, Performerin und interdis-
ziplinäre Künstlerin aus Argentinien. Ihr
Kompo­sitionsstudium an der Stanford
University hat sie mit Master und
Promotion abgeschlossen. Sie hat einen
einjährigen Kurs des IRCAM in Computer-
musik absolviert. Ihre Werke erhielten
Auszeichnungen wie die Casa de las
Américas, International Young Composers'
Meeting (NL), Diffusion, New Note, Global
Music Awards, Iber­músicas/Iberescena,
SADAIC oder National Endowment of the
Arts. Sie erhielt Werk­aufträge und Stipen­
dien unter anderem von VCCA/UNESCO-
Aschberg, Yvar Mikhashoff Trust for New
Music Foundation, Kompositionswettbe-
werb für Musiktheater des Staatstheaters
Darmstadt/IMD, Music Current, Musica
Estranha, American Composers Forum
oder Experimental Center des Teatro
Colón. Sie nahm an Festivals in Amerika,
Europa und Südafrika teil, darunter: MATA,
ISCM Weltmusiktage, Mizzou Neue Musik,
Synthèse, Bludenzer Tage zeitgemäßer
Musik, Darmstädter Ferienkurse, FUSION,
Computermusiksymposium, KomponistIn-
nenforum Mittersill oder BA Neue Oper
60 Konzert 2

Festival. Sie unterrichtet Komposition am

Superior Conservatory of BA, University
of Quilmes und als externe Tutorin an der
UNAM. Sie ist künstlerische Leiterin der
Compañía Helada, die sich mit neuer
Oper beschäftigt.

EN
is a composer, performer and interdisci-
plinary artist from Argentinia. She holds a
Doctoral and a Master degree in Music
Composition (Stanford University) and she
completed the IRCAM’s annual course in
Computer Music. Her works received
awards such as the Casa de las Américas,
International Young Composers' Meeting
(NL), Diffusion, New Note, Global Music
Awards, Iber­músicas/Iberescena, SADAIC
or National Endowment of the Arts. She
received commissions and grants includ-
ing: VCCA/UNESCO-Aschberg, Yvar
Mikhashoff Trust for New Music Foundation,
Kompositionswettbewerb für Musiktheater
des Staatstheaters Darmstadt/IMD, Music
Current, Musica Estranha, American
Composers Forum or Experimental Center
of The Colón Theater. She participated at
events and festivals in America, Europe,
and South Africa, including: MATA, ISCM
World Music Days, Mizzou New Music,
Synthèse, Bludenzer Tage zeitgemäßer
Musik, Darm­städter Ferienkurse, FUSION,
Symposium of Computer Music, Komponis-
tInnenforum Mittersill or BA New Opera
Festival. She teaches composition at the
Superior Conservatory of BA, University of
Quilmes and as external tutor at UNAM.
She is artistic director of Compañía Helada
(new opera).

Biografien/Biographies
61 Museum Art.Plus, 18.10.2019, 18 Uhr (2a), 19.10.2019, 10 Uhr (2b) + 18 Uhr (2c)

1  2  3  4  5  6  7  8  9  10  11