Künstliche Intelligenz und Musik
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Aktuelle Themen, AM3
WS2020/21
Larissa Schmauss, Matrikelnummer: 41330
Künstliche Intelligenz und Musik
Einleitung: Algorithmen in der Lage sind, eine solche
emotionale Bindung aufrecht zu erhalten
Musik ist nicht nur ein akustisches und die Musik nicht nur als Produkt zu
Phänomen, sondern hat auch eine sehr sehen, das einzig darauf ausgerichtet ist
große Bedeutung für den Menschen massenhaft an den Konsumenten zu
erlangt. Jede einzelne Person nimmt die gelangen. Andererseits können mit
Wirkung von Musik im Nervensystem künstlicher Intelligenz neue Möglichkeiten
anders wahr, wobei bestimmte Emotionen geschaffen werden, Musik auf eine neue
und Gefühle in Verbindung gebracht Weise zu generieren und an den
werden. Die Verbundenheit zu Musik lässt Konsumenten zu bringen. Dies lässt sich
sich auch daran zeigen, dass diese schon in unter anderem schon an den aktuellen
der Vergangenheit immer wieder für Algorithmen erkennen, welche auf
wesentliche Zwecke verwendet wurde. In Streaming-Diensten angewendet werden.
der Religion diente sie zum Beispiel als ein (vgl. [RICHTER])
Geschenk Gottes, wodurch eine
zusätzliche Stärkung des Glaubens
ausgeübt werden sollte. Flöten und
KI-Musikprogramme
andere alte Instrumente wurden für
Rituale angewendet. (vgl. [DFUNK]) Ein großes Gebiet, in dem sich die
künstliche Intelligenz in der Musikwelt
Jeder Mensch hat demnach eine
eingespeist hat, ist die der
besondere und persönliche Beziehung zu
Musikproduktion. Bei einer
Musik. Er kann Komponist sein und seine
herkömmlichen Erstellung eines
eigene Musik schaffen. Zugleich ist er auch
Musikstückes ist der Künstler, welcher das
der Nutzer und nimmt die komponierte
Werk erstellt, mit einer der zentralen
Musik als Zuhörer wahr. So kann eine
Mittelpunkte eines Stückes. Er denkt sich
Komposition, welche mit persönlicher
die Melodie, Harmonie und den
Leidenschaft kreiert wurde, wiederum
emotionalen Charakter aus und gibt
vom Hörer zusätzlich individuell
dadurch jedem einzelnen Stück seine
interpretiert werden und mit seinen
Originalität. Nur mit dieser Kreativität ist
eigenen Emotionen verstanden werden.
es möglich, beim Zuhörer Bilder, Gefühle
Und nun gilt es darauf zu achten inwiefern
oder auch Emotionen zu erzeugen.
diese Beziehung durch die künstliche
Anhand von KI-Softwareprogrammen
Intelligenz beeinflusst wird. Denn es stellt
ergibt sich nun die Möglichkeit, dass
sich einerseits die Frage, ob auch
dieser Ideenfindungsprozess nicht mehr
1benötigt wird. Die Software ist nun im Folgenden anhand von zwei Beispielen
tatsächlich in der Lage musikalische gezeigt.
Muster festzustellen und Kompositionen
zu erschaffen. Jedoch sind alle KI-
basierten Musiksoftwareprogramme Amper Music
momentan in der Lage die Kreativität
eines Stückes nur zu simulieren, denn Amper Music ist ein von Drew Silverstein
menschentypische Intuitionen wie entwickeltes KI-Softwareprogramm, das
Geistesblitze und Leidenschaft lassen sich als Anwendungsschnittstelle verstanden
kaum über eine KI vermitteln. Hierüber werden kann. Im Vordergrund dieses
erkennt man auch, dass für die Erstellung Programmes steht die Einfachheit der
der Algorithmen, die bestimmte Anwendung. Somit soll auch ein Benutzer
musikalische Kennzeichen analysieren und ohne musikalische Kenntnisse in der Lage
umsetzen, eine menschliche sein, seine eigenen Musikstücke zu
Interpretation notwendig ist. Damit erstellen. Zudem kann er auch einen
basieren zum Beispiel neue gewissen Anteil an Einfluss auf die
Kompositionen meist auf der Grundlage Software ausüben, welches Genre oder
von schon existierenden Stücken und auch welche Gefühlsrichtung zum Beispiel
Musikstilen. (vgl. [BIRKHOLZ]) angesprochen werden soll. Ziel dieser
Schnittstelle ist es vor allem die Erstellung
Künstliche Intelligenzen sind besonders eines fertigen Arrangements innerhalb
dafür geschaffen, dem Nutzer eine leichte kürzester Zeit und mit nur ein paar Klicks
und schnelle Interaktion mit hohem Profit zu realisieren und dieses Musikstück zum
zu gewährleisten. Dies wird auch über KI- Download zur Verfügung zu stellen. (vgl.
Musiksoftwareprogramme möglich. Denn [AMPER2017])
auf schnelle Produktionsmöglichkeiten
ohne viel Budget setzen zum Beispiel Der Algorithmus dahinter wird fortlaufend
Filmproduktionen oder aber auch mit neuen Daten gefüllt. In einer
Anwendungen, in denen Musik nur Datenbank werden somit große Mengen
nebensächlich Platz findet. Außerdem an Samples und Instrumenten gespeichert,
können nun auch Personen mit weniger welche, je nach Vorliebe, zur Produktion
Talent eigene professionell klingende eines Musikstiles beitragen können. Damit
Musik erstellen. (vgl. [BIRKHOLZ]) die KI jedoch so weit dazu lernen kann,
dass man von beeindruckender Musik
Es gibt viele verschiedene sprechen kann, ist trotzdem menschliche
Softwareprogramme, die es dem Kreativität gefragt. Denn die Bibliothek
Endnutzer ermöglichen auf Klick eigene besteht aus vielen selbst eingespielten
Musik zu erstellen. Unter anderem Proben, was Melodien, Harmonien aber
existieren KI-Musikprogramme, die auch spezielle Instrumente umfasst. Als
Partituren und Kompositionen vollenden Benutzer hat man schon in der Open-
können, oder aber auch Musikstücke von Source Version von Amper Music viele
Grund auf erstellen können. Aufgrund von Möglichkeiten eine Version zu gestalten.
gelernten Abläufen sind die jeweiligen Zum Beispiel kann man nicht nur die Länge
Algorithmen in der Lage Musik zu des gesamten Songs individuell anpassen,
erschaffen. Inwiefern dies geschieht wird sondern auch selbst bestimmten, wie
2lange das Intro, die Bridge oder auch das
Outro gespielt werden soll. Möchte man
nun ein Projekt erstellen, dann kann man
zuerst zwischen verschiedenen
Genregruppen auswählen. Diese Gruppen
lassen sich anschließend noch in
Subgenres untergliedern und schließlich
kann man noch zwischen
Gefühlsrichtungen wählen. Das Genre
„Rock“ könnte man demnach in „Akustik“
und „melancholisch“ untergliedern. Hat
man die Stilrichtung ausgewählt, kann
man sich schließlich noch zwischen
verschiedenen Instrumenten entscheiden,
welchen und wie viel Anteil sie bekommen Abbildung 1: FlowMachines - Ablauf
sollen. Auch die Tonart lässt sich durch
einen Klick ändern. Mit einem Renderer
kann im letzten Schritt alle Auswahl in FlowMachines spezialisiert sich nur auf die
einen Song zusammengetragen werden. Melodie und Komposition. Dabei werden
(vgl. [AMPER]) Sequenz- und Musikdaten, wie Töne und
Akkordfolgen, analysiert und zu einem
Modell verarbeitet. Diese gespeicherten
FlowMachines Daten dienen folglich als Grundlage, mit
dem FlowMachines immer weitere Daten
Heutzutage gibt es eine Menge sammelt und dem Künstler als fertige
verschiedener computergestützter Melodie oder Komposition zur Verfügung
Softwaresysteme für Musikproduktion, stellt. So kann der Musikschaffende zum
wie ProTools oder auch Cubase. Mit dem Beispiel eine Audiodatei einspielen, die
2012 von Sony Computer Science FlowMachines analysiert und daraufhin
Laboratories entwickelten Softwaretool verschiedene Pattern ausgibt. Diese
FlowMachines kommt nun eine KI- Pattern beinhalten dann die neu
gestützte Erweiterung ins Spiel. Sie dient generierten Kompositionen, mit denen der
als Kompositionshilfe und soll dem Künstler weiterarbeiten kann. So bleiben
Künstler die Möglichkeit bieten, angelehnt schließlich alle anderen wichtigen Parts
an bereits existierenden Musikstücken der Erstellung eines Musikstückes, wie
eine neue Komposition zu erstellen. Dem Arrangement, Lyrics oder auch Mischen,
Musikproduzierenden ist demnach immer dem Künstler überlassen. FlowMachines
noch jede Kreativität überlassen, denn die will somit erlangen, dass die
künstliche Intelligenz von FlowMachines Computermodelle nur eine Idee
soll den Künstler nur unterstützen und überbringen wie man mit seinem
kooperativ mit ihm zusammenarbeiten. Musikstück umgeht. Denn FlowMachines
(vgl. [GEARNEWS]) verwendet zur Analyse der Sequenzdaten
Markov-Ketten, wodurch aus vielen
Datensätzen an Musikstücken dieses eine
3neue Arrangement erstellt werden kann
(vgl. [KRAUSE]). (vgl. [GEARNEWS])
Markov-Modell
Das Markov-Modell ist in der KI ein
gängiges Modell und wird auch in vielen
Algorithmen im Bereich der Musik
angewendet. Das Modell beruht auf einer
Abfolge von stochastischen Ereignissen,
welche auch Markov-Ketten genannt
werden. Es wird bestimmt mit welcher
Wahrscheinlichkeit ein Ereignis auf ein
anderes Ereignis folgt. Bei der Markov-
Kette erster Ordnung bezieht sich die
Wahrscheinlichkeit, dass ein Ereignis
eintritt nur auf das Ereignis, was direkt im
Voraus stattfand. Da es jedoch nicht nur
Ketten erster Ordnung, sondern auch
Ketten höherer n-ter Ordnung gibt,
beziehen sich hier die
Wahrscheinlichkeiten eines folgenden
Ereignisses auf n vorhergehende
Ereignisse. (vgl. [MARKOV])
Bei der Anwendung mit FlowMachines in
der Musikproduktion geht man
dementsprechend vor. Hier wird
festgestellt, mit welcher
Wahrscheinlichkeit eine Note auf einer
anderen nachfolgt. Angepasst an dem
gewünschten Stil des Künstlers und der
Abbildung 2: Markov-Ketten
darauf existierenden Datensätze, die die KI
analysieren kann, kann somit eine neue
Melodie erstellt werden. (vgl. [KRAUSE])
An diesem Modell wird dargestellt, wie eine
einfache Markov-Kette erster Ordnung in eine
analysierte Markov-Kette transponiert wird,
mit der die Wahrscheinlichkeiten berechnet
werden, welche Note als nächstes gespielt
wird. (vgl. [BONGJUN])
Dieses Modell lässt sich jedoch nicht nur
auf Notenfolgen anwenden, sondern kann
über Akkordfolgen ganze Harmonien
erstellen. Zudem werden bei
4FlowMachines kontrollierte Markov- Musikauswahl zu pflegen und auch zu
Ketten angewendet. Dadurch gibt man der bestimmen. Hält man sich einmal in einem
zu erstellenden Komposition bestimmte Streaming-Tool auf wird schnell klar, dass
Rahmenbedingungen, wodurch verhindert man aufgrund der Vielfalt an Vorschlägen
wird, dass ein zu unstrukturiertes Stück schnell nicht mehr nur eine Lieblingsband
entsteht. Zum Beispiel wird dies oft beim hat, die man pausenlos hören muss. All
letzten Ton angewendet, da Melodien oft diese Möglichkeiten lassen sich auf die
erst vollendet klingen, wenn sie, Algorithmen zurückführen, die in den
angepasst an die gespielte Tonart, mit Diensten integriert sind.
dem richtig passenden Ton enden.
Schon im Jahr 1999 wurde mit dem „Music
Letztendlich gilt jedoch genau dies als
Genome Project“ von Pandora die erste KI
Herausforderung der KI, den Grad zu
in der Musikindustrie geschaffen, die auch
finden zwischen einem strukturierten,
Grundlage für die Algorithmen in
geregelten Stück ohne Besonderheiten,
Musikstreaming-Diensten ist. Es sollten
und zu viel Variation, mit dem schnell
die Songs analysiert werden und daraus
unschöne Harmonien entstehen können.
Rückschlüsse gezogen werden, was die
(vgl. [KRAUSE])
Nutzer gerne hören. Über Algorithmen
werden die Songs gruppiert, was auf
Grundlage von vielen verschiedenen
KI in Musik-Streamingdiensten Attributen geschaffen wird. Ein Attribut
Die künstliche Intelligenz ist nicht nur in spezifiziert somit eine bestimmte
der Musikproduktion ein neues und Eigenschaft was einen Song identifiziert.
großes Thema. Denn der Mensch kann So könnte zum Beispiel eines von den circa
sowohl als Schöpfer von Musik damit in 450 Attributen die Stimmlage eines
Verbindung gelangen, als auch als Nutzer. Sängers oder der Verzerrungsgrad eines
Diese Nutzerseite ist zudem noch viel Basses ausmachen. (vgl. [RSCOMP])
präsenter, da fast jeder Mensch Musik Das Genre ist unter anderem die
hört. Auch die Musikstreaming-Dienste wichtigste und gröbste Eingruppierung,
werden immer bedeutsamer. Anbieter wie mit der man Musikstücke einteilen kann.
Spotify, der aktuell auch Marktführer Jedoch kann man als Nutzer oft keine
unter den weltweiten Musikstreaming- eindeutige Zuordnung erkennen, wenn ein
Anbietern ist, zählen im Jahr 2020 Song zum Beispiel Merkmale aus
ungefähr 320 Millionen Nutzer (vgl. verschiedenen Genregruppen aufweisen
[STATISTA]). Dass besonders Streaming- kann. Doch auch hierfür kann die KI
Dienste immer bedeutsamer werden, liegt eindeutige Gruppierungen aufgrund dieser
nicht nur allein an der großen Auswahl an Attributzuordnung adressieren und
Musik. Auch die KI-basierten Algorithmen objektiv ein Genre zuordnen. Die KI geht
wirken sehr stark dabei mit, dass der hier mehrere Schritte durch, bei der zuerst
Hörer das zu hören bekommt, was er die Klassifizierung von
hören will. Durch personalisierte Playlists, menschenspezifischen Attributen wie
automatische Song-Warteschlangen, die Instrument-Auswahl stattfindet.
auf einem aktuell gehörten Song basieren Anschließend werden Audiofunktionen
und weiteren Mechanismen, sind wie Rhythmus betrachtet. Wendet man
Streamingdienste in der Lage die
5die Klassifizierung in Genres unter
Verwendung von diesen Attributen an
einem Beispiel an, wird man schnell
erkennen, dass eine Einteilung in ein
Hauptgenre nicht ausreicht. Eine
Untergliederung in Subgenres ist ein
weiterer wichtiger Schritt bei der
Klassifizierung von Musikstücken. In der
folgenden Abbildung werden ein paar
Komponentenbeispiele dargestellt, die die
Sub-Genres des Jazz klassifizieren.
Abbildung 3: Sub-Genre Klassifizierung
Man kann zum Beispiel erkennen, dass das Attributklassifizierungen ab. (vgl.
Attribut Swing nicht nur dem Sub-Genre [PROCKUP])
Swing mit großer Wahrscheinlichkeit
eingeordnet wird, sondern auch dem Sub- Die Hauptaufgabe der Algorithmen ist es
Genre New Orleans. Enthält ein Song demnach, Information anhand von
wenig bis fast keine Komponente des Attributen aus einem Musikstück zu
Swing kann dies eine mögliche Zuordnung extrahieren und daran festzulegen. Die KI
in Afro-Cuban Jazz bedeuten. Natürlich kann also innerhalb von kürzester Zeit
hängt dies noch von vielen anderen ermitteln, in welchem Genre das Stück
einzuordnen ist, ob Gesang vorhanden ist,
6ob schnelles oder langsames Tempo Ausblick:
gespielt wird oder auch welche
Instrumente vorkommen. Dadurch können Aktuell kann man feststellen, dass die
die Algorithmen Songgruppen festlegen künstliche Intelligenz schon viele
und diese Gruppen zum aktuell Auswirkungen auf die Musikindustrie hat,
ausgesuchten Song vorschlagen, der sie jedoch noch in viele Richtungen
gerade von einem Nutzer in einem erweitert werden kann. Sie ist schon so
Musikstreaming-Dienst gespielt wird. weit, dass sie Musik an den Hörer bringt
und diesen dadurch beeinflussen kann,
Diese digitale Zusammenfassung von allen was er als nächstes hören wird. Der Hörer
wichtigen Informationen, durch die ist somit immer auf dem aktuellen Stand,
Musikstücke klassifiziert werden, wird wenn neue Songs gestreamt werden oder
auch „akustischer Fingerabdruck“ aber auch, dass ihm bequem ähnliche
genannt. Denn mit diesem Fingerabdruck Musik basierend auf seinem Geschmack
lässt sich jeder Song eindeutig automatisch präsentiert wird. Eine große
identifizieren und wird in einer Datenbank Herausforderung liegt jedoch immer noch
gespeichert, wodurch auch die KI immer bei der Erstellung von Musik. Denn die
neue Daten analysieren und erlernen Frage, ob es einer künstlichen Intelligenz
kann. Doch nicht nur die Musikstreaming- möglich ist eine kreative Musik zu
Dienste profitieren von einer ständigen erstellen, die auch Emotionen und Gefühle
Befüllung dieser Datenbank. Auch dem bei einem Menschen hervorrufen kann,
Nutzer kann so bei der Songsuche bleibt offen. Hier ist der Mensch immer
geholfen werden. Denn verwendet ein noch zu sehr mit dem kompletten
Hörer zum Beispiel die App Shazam, um Gesamtwerk verbunden, was auch den
einen Song zu identifizieren, kann ihm Künstler miteinschließt. Denn nicht
schnell zur richtigen Titelfindung geholfen umsonst gehen Zuhörer gerne auf ein Live
werden. In der Datenbank kann in Konzert einer Band, nur um die Stimmung
sekundenschnelle nach der richtigen mitzufühlen.
Übereinstimmung gesucht und diese dem
Hörer präsentiert werden. Daher versucht Jedoch wird der Fortschritt der
auch Spotify über Features den Benutzer künstlichen Intelligenz auch in der Kunst
aufzufordern eine Bewertung über Songs sowie in der Musikindustrie vorantreiben.
abzugeben, damit die Datenbank Daher ist es eine Herausforderung für die
aktualisiert bleibt und der Algorithmus Musik sich der künstlichen Intelligenz
optimiert werden kann. Dies führt auch zu anzupassen und mit dem Fortschritt der
einem besseren Streaming-Erlebnis, da Algorithmen zu gehen (vgl. [RICHTER]).
dem Hörer so die aktuellen Songs Doch betrachtet man die Entwicklung der
vorgeschlagen werden und Musik nach Musik in der Vergangenheit, erkennt man,
seinem persönlichen Geschmack erstellt dass Musik schon viel Veränderungen
wird. (vgl. [RSCOMP]) durchlebt hat. Von analogen
Tonaufnahmen, Synthesizern, über
„Digital Audio Workstadions“ bis hin zu
den aktuellen Entwicklungen mit
FlowMachines - es gibt immer eine neue
Art wie Musik entsteht (vgl. [KETTERER]).
7Vielleicht wird es die Zukunft auch stell sich nur die Frage, wie die künstliche
schaffen, für jeden einzelnen Menschen Intelligenz mit der Musik interagieren
eine eigene KI-generierte Musik zu wird, denn der Mensch wird immer einen
generieren, die dann über Streaming- besonderen Bezug zur Musik haben.
Plattformen zu Verfügung gestellt wird. Es
8Quellen:
[RICHTER] Goetz Richter (2021): Die scheinbare Originalität von KI-Musik. Online verfügbar
unter https://www.goethe.de/prj/k40/de/mus/aim.html, zuletzt aktualisiert am
17.02.2021, zuletzt geprüft am 13.03.2021.
[DFUNK] Deutschlandfunk Kultur (2018): Die Bedeutung der Musik für den Menschen -
Weit mehr als nur ein akustisches Phänomen. Online verfügbar unter
https://www.deutschlandfunkkultur.de/die-bedeutung-der-musik-fuer-den-
menschen-weit-mehr-als-nur.1278.de.html?dram:article_id=419449, zuletzt
aktualisiert am 14.03.2021, zuletzt geprüft am 14.03.2021.
[BIRKHOLZ] Claudia Birkholz (2020): Virtuelle Komponisten – Warum es für Musik mehr
braucht als Künstliche Intelligenz. Online verfügbar unter
https://www.wissenschaftsjahr.de/2019/neues-aus-der-wissenschaft/das-sagt-
die-wissenschaft/kann-ki-das-kreative-schaffen-des-kunstschaffenden-
bereichern/, zuletzt aktualisiert am 02.02.2021, zuletzt geprüft am 14.03.2021.
[AMPER2017] Amper Music (2017): Künstliche Intelligenz komponiert Album auf Knopfdruck –
Amper | gearnews.de. Online verfügbar unter
https://www.gearnews.de/kuenstliche-intelligenz-komponiert-album-auf-
knopfdruck-amper/, zuletzt aktualisiert am 22.08.2017, zuletzt geprüft am
15.03.2021.
[AMPER] AI Music Composition Tools for Content Creators (2021). Online verfügbar unter
https://www.ampermusic.com/, zuletzt aktualisiert am 05.01.2021, zuletzt
geprüft am 15.03.2021.
[GEARNEWS] Gearnews (2020): Sony CSL Flow Machines: Plug-in hilft mit KI bei der
Komposition | gearnews.de. Online verfügbar unter
https://www.gearnews.de/sony-csl-flow-machines-plug-in-hilft-mit-ki-bei-der-
komposition/, zuletzt aktualisiert am 15.07.2020, zuletzt geprüft am 16.03.2021.
[KRAUSE] Suzanne Krause (2014): Flowmachines - Melodien weiter denken. Online
verfügbar unter https://www.deutschlandfunk.de/flowmachines-melodien-
weiter-denken.684.de.html?dram:article_id=287934, zuletzt aktualisiert am
16.03.2021, zuletzt geprüft am 16.03.2021.
[BONGJUN] Kim, Bongjun (2021): Rhythm Analysis with Markov Chain. Online verfügbar
unter https://www.bongjunkim.com/pages/projects/markov.html, zuletzt
aktualisiert am 24.01.2021, zuletzt geprüft am 16.03.2021.
[MARKOV] Markovketten – LNTwww (2021), zuletzt aktualisiert am 24.02.2021, zuletzt
geprüft am 16.03.2021.
[STATISTA] Statista (2021): Musikstreaming - Marktanteile der Anbieter weltweit 2020 |
Statista. Online verfügbar unter
https://de.statista.com/statistik/daten/studie/671214/umfrage/marktanteile-
der-musikstreaming-anbieter-weltweit/, zuletzt aktualisiert am 16.03.2021,
zuletzt geprüft am 16.03.2021.
[RSCOMP] Der Einfluss von KI auf die Musikindustrie | RS Components (2021). Online
verfügbar unter https://de.rs-
online.com/web/generalDisplay.html?id=i/digitalisierung-musik, zuletzt
aktualisiert am 16.03.2021, zuletzt geprüft am 16.03.2021.
9[PROCKUP] Matt Prockup (2021): Modeling Genre — Matt Prockup. Online verfügbar unter
http://www.mattprockup.com/modeling-genre, zuletzt aktualisiert am
16.03.2021, zuletzt geprüft am 16.03.2021.
[KETTERER] Ketterer, Joely (2018): Diese Künstliche Intelligenz hilft Musikern, auf neue Ideen
zu. In: Musikexpress, 18.04.2018. Online verfügbar unter
https://www.musikexpress.de/diese-kuenstliche-intelligenz-hilft-musikerinnen-
auf-neue-ideen-zu-kommen-1044281/, zuletzt geprüft am 16.03.2021.
Abbildungen:
Abbildung 1 Flow Machines (2021): Flow Machines – AI assisted music production. Online
verfügbar unter https://www.flow-machines.com/, zuletzt aktualisiert am
16.03.2021, zuletzt geprüft am 16.03.2021.
Abbildung 2 Kim, Bongjun (2021): Rhythm Analysis with Markov Chain. Online verfügbar unter
https://www.bongjunkim.com/pages/projects/markov.html, zuletzt aktualisiert
am 24.01.2021, zuletzt geprüft am 16.03.2021.
Abbildung 3 Matt Prockup (2021): Modeling Genre — Matt Prockup. Online verfügbar unter
http://www.mattprockup.com/modeling-genre, zuletzt aktualisiert am
16.03.2021, zuletzt geprüft am 16.03.2021.
10Sie können auch lesen
