KI-Musik-Prompts schreiben — Der Guide für Nicht-Musiker

Du musst keine Noten lesen, kein Instrument spielen und nicht wissen, was ein Akkord ist, um mit KI einen Song zu machen, der dir wirklich gefällt. Der Unterschied zwischen einem austauschbaren Ergebnis und dem Song, den du dir vorgestellt hast, liegt fast vollständig in dem, was du in das Feld tippst.

KI-Musik-Tools sind im Mainstream angekommen. In einer LANDR-Umfrage von 2025 unter mehr als 1,200 Musikschaffenden gaben 87% an, KI bereits irgendwo in ihrem Prozess zu nutzen. Die Tools sind leistungsfähig und weit verbreitet; für Einsteiger ist die Hürde nicht mehr das Können — sondern zu wissen, wie man beschreibt, was man will.

Und die meisten Anfänger tippen zu wenig.

Die Ein-Wort-Falle

Der häufigste Anfängerzug: ein einzelnes Wort tippen — „Pop“, „traurig“, „Lo-fi“ — und auf Generieren drücken. Es ist auch der Zug, der die austauschbarsten Ergebnisse produziert.

In einer plattformübergreifenden Stichprobe von rund 650,000 KI-Musik-Generierungen zerfällt die Länge des Getippten in zwei Lager. Rund 41% der Prompts laufen über 1.000 Zeichen — vollständige Songtexte oder detaillierte Regieanweisungen. Nur etwa 9% blieben unter 50 Zeichen. Dazwischen liegt fast nichts. Wer konkrete Songs bekommt, schreibt Absätze; wer Klangtapete bekommt, schreibt Schlagworte.

Du brauchst keine 1.000 Zeichen. Du brauchst mehr als ein Wort. Ein gutes Anfangsziel sind ein bis zwei vollständige Sätze — die Art Beschreibung, die du einem Freund geben würdest, der den Song gleich für dich abspielt.

Beschreib Szene, Stimmung und Verlauf

Ein Prompt, mit dem das Modell wirklich arbeiten kann, benennt drei Dinge: die Szene, für die der Song gedacht ist, die Stimmung, die er trägt, und was die Musik tut. Das Genre allein bewegt das Ergebnis kaum.

In der Stichprobe tauchen Stimmungs- und Emotionswörter ungefähr so häufig auf wie Instrumentennamen. Menschen beschreiben, wie sich ein Song anfühlen soll, genauso oft wie das, was in ihm steckt — und das Gefühl ist der Teil, den das Modell aus einem Genre-Label nicht erraten kann.

Eine verlässliche Vorlage:

[Szene oder Anlass] + [Stimmung] + [wer singt] + [was der Song tut]

Aus „Pop“ wird also:

Ein Upbeat-Synth-Pop-Song für einen Sommer-Roadtrip, hell und unbeschwert, eine junge Sängerin, wächst zu einem großen Mitsing-Refrain.

Und aus „trauriges Piano“ wird:

Eine langsame, intime Pianoballade über das Vermissen eines Menschen, spätnächtlich und zurückhaltend, eine sanfte Männerstimme, die bis zum letzten Refrain leise bleibt.

Der „Verlauf“ ist der Teil, den Anfänger auslassen. Bleibt der Song gleichmäßig, baut er sich auf, oder bricht er ein? „Steigert sich zu einem großen Refrain“, „bleibt durchgehend entspannt“, „droppt hart nach der ersten Strophe“ — das sagt dem Modell die Form, nicht nur den Vibe.

Die Klangpalette: Stimme benennen, ein paar Instrumente verankern

Nach der Szene prägen zwei Dinge den Klang am stärksten: die Stimme und zwei bis drei Anker-Instrumente.

Gesang ist der Standard. In der Stichprobe übertreffen Gesangsbeschreibungen die Anfragen nach rein instrumentalen Tracks im Verhältnis von etwa 17.6 zu 1 — wenn du keinen Gesang willst, schreib „instrumental“, sonst bekommst du eine Stimme.

Wenn du Gesang willst, beschreib die Stimme in drei Strichen: Identität (junge Frau, älterer Mann, ein Kind), Textur (rau, hauchig, weich) und Vortrag (gerappt, geschmettert, geflüstert).

Bei den Instrumenten reichen zwei oder drei — bei zehn verschwimmt alles ineinander. Benenn die, die den Song definieren; den Rest füllt das Modell auf. Unter den Instrumenten, die Menschen tatsächlich benannten, führten Bass und Gitarre — das Fundament prägt das Gefühl stärker als das Solo.

Zwei Paletten im selben Tempo ergeben komplett verschiedene Songs:

eine warme, leicht raue Männerstimme, gezupfte Akustikgitarre, weicher Kontrabass

eine helle Frauenstimme mit dezentem Auto-Tune, druckvoller 808-Bass, gläserne Synth-Plucks

Struktur-Tags sind der günstigste Regler, den du nicht nutzt

Wenn du je einen Song generiert hast, der sich wie ein Zwei-Minuten-Loop anfühlte — kein Aufbau, keine Auflösung, dieselbe Idee im Kreis — dann ist dieser Abschnitt die Lösung.

Die Songs, die du liebst, haben Teile, und du kennst sie längst nach Gehör, auch wenn du ihre Namen nie benutzt hast. Die Strophe (Verse) ist der erzählende Teil: Sie treibt die Geschichte voran, meist etwas leiser. Der Refrain (Chorus) ist der Teil, der immer wiederkommt — das Stück, das du nach einmal Hören mitsummen kannst, meist das größte. Eine Bridge taucht einmal gegen Ende auf, wechselt die Szenerie und lässt den letzten Refrain härter treffen.

Mit Struktur-Tags übergibst du dem Modell diese Form direkt. Schreib den Abschnittsnamen in eckige Klammern, danach ein paar einfache Worte dazu, wie sich der Teil anfühlen soll:

[verse] quiet, just guitar and voice
[chorus] full band, big harmonies
[verse] add a steady drum beat
[bridge] strip back to piano
[chorus] biggest version, lift the energy

Du musst dafür keinen einzigen Songtext schreiben. Schon nackte Tags — [intro] [verse] [chorus] [verse] [chorus] [outro] — machen aus einem Loop einen Song mit erkennbarer Form.

Und das ist kein Nischentrick. In der Stichprobe taucht [chorus] rund 453,000 Mal auf und [verse] rund 410,000 Mal — sechs der acht häufigsten Wörter im gesamten Datensatz sind Abschnitts-Tags, keine Stimmungen oder Genres. Die meisten Tutorials bringen Anfängern bei, ihre Stimmungswörter zu polieren. Wer viele Songs gemacht hat, investiert seine Worte in die Struktur.

Melodie und Stimme, ohne Fachjargon

Struktur-Tags bleiben simpel, weil sie nur Abschnitte markieren. Auch die Melodie und den Gesang kannst du steuern — mit ganz normalen Worten, ohne Musikbegriffe. Sag einfach, wie sich die Melodie anfühlen soll:

• Ein Refrain, der hängen bleibt: "a catchy hook that lifts and rises at the end" (ein eingängiger Hook, der am Ende ansteigt).
• Worte, denen man folgen kann: "clear, one note per syllable, easy to sing along" (klar, eine Note pro Silbe, leicht mitzusingen). Oder die R&B-Variante, bei der sich ein Wort durch mehrere Noten schlängelt: "lots of vocal runs" (viele Gesangsläufe).
• Energie: "short, punchy notes" (kurze, druckvolle Noten). Ruhe: "smooth, flowing, connected notes" (weiche, fließende, verbundene Noten).
• Für Rap: "a laid-back flow" (ein entspannter Flow) oder "a fast, tight flow" (ein schneller, präziser Flow).

Power-User schreiben so etwas manchmal als Tags in eckigen Klammern — [soaring melody], [melismatic vocals], [staccato] — und auf Tools, die sie unterstützen, funktionieren sie. Aber du musst dieses Vokabular nicht lernen. Eine einfache Beschreibung bringt dich fast ans Ziel, und es ist derselbe Instinkt wie im Rest dieses Guides: Sag, was du hören willst.

Die übrigen Regler: Tempo, Tonart, Länge

Tempo, Tonart und Länge lohnt es sich nur festzulegen, wenn du einen konkreten Grund hast. In allen anderen Fällen sind sie in deiner Beschreibung bereits enthalten.

• Tempo (BPM) ist schlicht, wie schnell der Song läuft — Beats pro Minute. Grobe Richtwerte: Eine langsame Ballade liegt um 60–80, die meisten Pop-Songs bei 100–130, House und EDM nahe 120–130, Hip-Hop bei 80–100, Drum & Bass ab 165 aufwärts. Setz eine Zahl, wenn der Song zu etwas Externem passen muss — einem Videoschnitt, einer Choreo, einem Lauftempo. Sonst tun es „langsam“, „mid-tempo“ oder „treibend“.
• Tonart entscheidet, wie hoch oder tief der Song liegt. Die meisten Nicht-Musiker lassen sie am besten weg; das Modell wählt etwas Singbares. Setz sie nur, wenn du zu einem bestehenden Track oder zum Stimmumfang einer bestimmten Person passen musst.
• Länge zählt, wenn der Song einen Slot füllen muss — ein 30-Sekunden-Clip, ein 15-Sekunden-Intro. Sagst du nichts, bekommst du meist ein Arrangement in voller Länge.
• Simple- vs. Advanced-Modus ist der eine Schalter, den zu verstehen sich lohnt. Simple heißt: Du beschreibst den Song in einfachen Worten. Advanced heißt: Du tippst Songtext und Struktur-Tags selbst. In der Stichprobe liegt Advanced in der echten Nutzung leicht vorn — rund 46% der Generierungen gegenüber 38%. Fang simpel an und wechsle zu Advanced, sobald du die Form des Songs kontrollieren willst.

Ein Start-Prompt für sechs gängige Stile

Hier ist das Gerüst als Prompts zum Kopieren. Jede Zeile benennt eine Szene, eine Stimmung, eine Stimme und was der Song tut. Such dir die Zeile, die deinem Ziel am nächsten kommt, und pass die Details an deinen Song an.

Fällt dir auf: Keiner davon ist ein einzelnes Wort.

Was Menschen damit tatsächlich machen

Du brauchst keinen Release-Plan, um einen Song zu rechtfertigen. Ein einzelnes KI-Tool, Suno, generiert Berichten zufolge rund 7 Millionen Songs pro Tag. Das meiste davon ist alltäglich und persönlich — und genau da liegt der Vorteil der Nicht-Musiker.

Dieser Long Tail ist die eigentliche Geschichte für Hobby-Macher. Die 0.6% Geburtstagslieder und 0.4% Jingles sind keine Rundungsfehler — das sind tausende Songs, gemacht für eine bestimmte Person oder einen bestimmten Zweck. Ein paar der häufigsten Fälle:

• Content-Creator — Hintergrundmusik für Videos, Podcasts und Streams, ohne sich den urheberrechtlich geschützten Track von jemand anderem zu leihen.
• Song-Geschenke — ein Track für einen einzigen Menschen: ein Geburtstag, ein Jahrestag, der Eröffnungstanz einer Hochzeit, ein Abschied.
• Kleine Unternehmen — ein 20-Sekunden-Jingle, ein Werbebett oder Ladenmusik in Dauerschleife.
• Nur für dich — ein Schlaflied mit dem Namen deines Kindes, oder eine harte Woche, verwandelt in drei Minuten von irgendetwas.

Keiner dieser Songs muss in die Charts. Sie müssen von der richtigen Person oder dem richtigen Moment handeln — und das ist das eine, das nur du in den Prompt schreiben kannst.

Das Modell liefert das Handwerk. Du lieferst die Details. Das größere Bild — wer KI-Musik macht und wie — findest du in unserer Auswertung der Daten.

Wenn es eine Gewohnheit gibt, die sich zu ändern lohnt, dann der Ein-Wort-Prompt. Eine Szene, eine Stimmung, eine benannte Stimme und ein paar Abschnitts-Tags bringen auch Nicht-Musiker fast bis zu dem Song, den sie längst im Kopf hören — ganz ohne Theorie.

Und wenn selbst das nach zu viel klingt, musst du es nicht selbst machen. In Lacuna beschreibst du den Song dem Agenten in normaler Sprache und überlässt ihm den Prompt — er fragt nach, worauf du hinauswillst, stellt Szene, Stimme, Struktur und Tempo gemeinsam mit dir ein und generiert den Track, sobald er dem entspricht, was du im Kopf hattest.