Die Analyse musikalischer Strukturen bildet die Grundlage sowohl musiktheoretischer Diskurse als auch musikpädagogischer Zielsetzungen. Struktur wird im Allgemeinen als ein aus Elementen nach Regeln gebautes Ordnungsgefüge verstanden (Struktur (allgemein), o. D.). Im musikalischen Kontext können diese Elemente beispielsweise Tonfolgen oder Pattern entsprechen, während das Ordnungsgefüge als Aspekt des Formbegriffs (etwa Lied, Periode oder Rondo) bezeichnet werden kann (Kühn, 2021). Konstitutiv für das in der Definition beschriebene Ordnungsgefüge ist das Prinzip der Wiederholung, durch das sich Motive manifestieren und größere Formzusammenhänge entstehen (Götte, 2020; Kühn, 2021; Tenzer, 2006). Für die menschliche Wahrnehmung ist dabei nicht nur die exakte Wiederholung entscheidend, sondern insbesondere das Erkennen partieller Gleichheit, also das Erkennen von Varianten (Ahlbäck, 2007; Deliège, 2001).

Musiktheoretisch wird die Variante als Abwandlung definiert, bei der einzelne Merkmale konstant bleiben, während andere verändert werden (Kühn, 2021). Daraus resultieren klassische Kategorisierungen, beispielsweise rhythmische, tonhöhenbasierte oder harmonische Variantenarten (Dress & von Fischer, 2016; Schönberg, 1979). Jedoch stellt sich die Frage, inwieweit diese musiktheoretisch begründeten Klassifikationen der Variantenarten auch mit der subjektiven Hörerfahrung korrespondieren. Ähnlichkeit ist keine inhärente, objektive Eigenschaft akustischer Signale, sondern emergiert erst durch mental-auditive Repräsentationen und kognitive Organisationsprozesse (Hahn, 2014; Harrison et al., 2016). Unter mental-auditiven Repräsentationen werden interne, neurokognitive Abbilder externer Schallereignisse verstanden, durch die beispielsweise die in der Definition musikalischer Strukturen beschriebenen musikalischen Elemente und ihre Relationen mental dargestellt werden können.

Zentral für die Entstehung dieser Repräsentationen ist das Wahrnehmungsencoding im auditorischen Kortex. Neurokognitive Studien zeigten dabei unterschiedliche Aktivierungsmuster bei tonhöhen- und zeitbasierten Inhalten (Lappe et al., 2013, 2016; Prince, 2014). Dementsprechend wird von einer Differenzierung ausgegangen, wonach tonhöhenbasierte und zeitliche Dimensionen unabhängig voneinander kognitiv verarbeitet werden.

Darüber hinaus unterliegt die Bildung mental-auditiver Repräsentationen einer Verarbeitungshierarchie, in der die Analyse elementarer Merkmale (Intensität, Tonhöhe) vor der Analyse komplexer Strukturen (wie Melodie, Harmonie oder Rhythmus) steht (Brattico et al., 2018; Jäncke, 2024; Koelsch & Schröger, 2018). Diese Hierarchie bietet eine plausible Erklärung dafür, dass in Ähnlichkeitsurteilen performativ-klangliche Oberflächenmerkmale wie Dynamik oder Artikulation vorrangig als Entscheidungsmerkmale herangezogen werden, wohingegen abstrakte Strukturparameter wie etwa Motivik oder Harmonik seltener berücksichtigt werden (Lamont & Dibben, 2001).

Zur Modellierung von Ähnlichkeitsurteilen lassen sich primär räumliche und merkmalsbasierte Ansätze unterscheiden. Räumliche Ansätze, die Ähnlichkeit als Distanz in einem psychologischen Raum konzeptualisieren (Shepard, 1962), wurden dahingehend kritisiert, dass ihre metrischen Annahmen kontextuelle Einflüsse, deren Bedeutung in zahlreichen Studien hervorgehoben wurde (Ahlbäck, 2007; Cambouropoulos, 2009; Taher et al., 2018), und asymmetrische Urteile häufig unzureichend berücksichtigen (Hahn, 2014). Dies führte zur Entwicklung merkmalsbasierter Ansätze wie dem Kontrastmodell (Tversky, 1977), das Ähnlichkeit als Funktion gewichteter gemeinsamer und unterscheidender Merkmale beschreibt. Die Relevanz räumlicher Ansätze wurde durch diese Kritik jedoch nicht grundsätzlich infrage gestellt: Krumhansl (1990) konnte zeigen, dass unter kontrollierten Bedingungen, etwa bei gleicher Tonalität und vergleichbarer Stimulilänge, die Ähnlichkeitsurteile annähernd symmetrisch sind und sich somit robust als Distanzen abbilden lassen. Vor diesem Hintergrund etablierte sich die Multidimensionale Skalierung (MDS) als eine geeignete Methode zur empirischen Rekonstruktion solcher Wahrnehmungsräume und ermöglichte die Identifikation zentraler Dimensionen wie Kontur und Ambitus (Eerola & Bregman, 2007) sowie Tempo, Genre und Timbre (Novello et al., 2011) bei der Modellierung von Ähnlichkeitswahrnehmung.

Da Ähnlichkeitsurteile maßgeblich von mental-auditiven Repräsentationen abhängen, kann musikalische Expertise (Hasselhorn & Knigge, 2026) den Urteilsprozess beeinflussen. Expertisierung erfolgt dabei in der Regel erfahrungsbasiert. In Bezug auf Leistungen im Bereich des praktischen instrumentalen bzw. vokalen Musizierens stellt eine kumulierte Übedauer eine gute Annäherung an dafür relevante Lebenserfahrung dar (Gruber & Lehmann, 2014; Platz et al., 2014). Für Stichproben im Altersbereich von Schüler:innen werden daher häufig die Teilnahme an außerschulischem Musikunterricht und das Alter als Indikatoren für akkumulierte musikbezogene Hör- und Lernerfahrungen herangezogen, um Unterschiede in der musikalischen Expertisierung bei der Wahrnehmung melodischer Varianten näherungsweise zu operationalisieren (Hasselhorn & Knigge, 2026). Dabei kann angenommen werden, dass sich ein möglicher Einfluss von außerschulischem Vokal- und Instrumentalunterricht in der Struktur von Ähnlichkeitsurteilen zeigt: Während der Urteilsprozess bei weniger expertisierten Hörer:innen tendenziell von Oberflächenmerkmalen wie Kontur, Tempo oder Timbre dominiert wird (Lamont & Dibben, 2001), sind stärker expertisierte Hörer:innen zunehmend in der Lage, auch abstrakte strukturelle Invarianten als primäre Bewertungsgrundlage heranzuziehen (Eitan & Granot, 2009).

Ein möglicher Erklärungsansatz für diese Diskrepanz besteht darin, dass musikalische Expertisierung zu einer differenzierteren Wahrnehmung regelbasierter Abweichungen beiträgt. Zwar verfügen alle Menschen aufgrund von Mechanismen des statistischen Lernens über ein implizites Wissen hinsichtlich musikalischer Regularitäten (Rohrmeier & Rebuschat, 2012), doch ist dieses bei musikalischen Expert:innen deutlich differenzierter ausgebildet, was sich in präziseren Erwartungshaltungen und einer effizienteren Informationsverarbeitung zeigt (Bonetti et al., 2022; Zhao et al., 2017). Dass Expert:innen strukturelle Invarianten im Ähnlichkeitsvergleich stärker gewichten, korrespondiert direkt mit ihren neuronal verankerten Fähigkeiten und Fertigkeiten, Abweichungen von solchen strukturellen Regelmäßigkeiten auch in komplexen musikalischen Zusammenhängen zu erkennen und für die Urteilsbildung nutzbar zu machen (Bonetti et al., 2022; van Zuijen et al., 2004, 2005).

Im schulischen Kontext spiegelt die curriculare Progression von der Identifikation isolierter Parameter (z.B. Klassenstufen 5/6) hin zur Analyse relationaler Strukturen (ab Klassenstufen 7/8; siehe hierzu Ministerium für Kultus, Jugend und Sport Baden-Württemberg, 2016) diese Entwicklung und korrespondiert mit der entwicklungsbedingten Zunahme der Arbeitsgedächtniskapazität und der Abstraktionsfähigkeit von Schüler:innen (Cowan, 2016; Jentschke & Koelsch, 2006). Dabei kann die Verarbeitung komplexerer musikalischer Zusammenhänge auf basalen perzeptiven Fähigkeiten wie der Wahrnehmung von Tonhöhen und Tonhöhenveränderungen aufbauen, die bereits vor Beginn der Sekundarstufe ein erwachsenenähnliches Niveau erreichen (Degé & Roden, 2018; Thompson, 2009). Inwiefern diese curriculare Progression auch mit einer entsprechenden Entwicklung der auditiven Strukturwahrnehmung einhergeht, ist jedoch offen. Empirisch-qualitative Befunde deuten darauf hin, dass Musiklehrkräfte musiktheoretische Inhalte oftmals rein terminologisch und ohne auditive Verankerung vermitteln (Ruf, 2024). Damit fehlt häufig eine unmittelbare Verknüpfung zwischen musiktheoretischem Begriff und auditiver Wahrnehmung.

Für den schulischen Musikunterricht, in dem die Förderung des auditiven Strukturerkennens als zentrales Bildungsziel des Fachs Musik verankert ist (Altenmüller, 2018; Ministerium für Kultus, Jugend und Sport Baden-Württemberg, 2016), stellt sich die Frage, nach welchen Kriterien Schüler:innen melodische Varianten perzeptiv organisieren. Auf Grundlage des aktuellen Forschungsstandes wird angenommen, dass Prozesse der Ähnlichkeitswahrnehmung eine zentrale Voraussetzung für das Erkennen musikalischer Struktur bilden. Wie dargelegt, resultiert musikalische Ähnlichkeitswahrnehmung nicht ausschließlich aus objektiven Eigenschaften akustischer Ereignisse, sondern auch aus deren Verarbeitung vor dem Hintergrund individueller mentaler Repräsentationen und kognitiver Organisationsprozesse (Hahn, 2014; Harrison et al., 2016). Zwar existieren bereits zahlreiche Studien zur Wahrnehmung von Ähnlichkeit in den Bereichen Melodie (Eerola & Bregman, 2007), Tonalität (Krumhansl, 1979) und Rhythmus (Cao et al., 2014) sowie zur Ähnlichkeitswahrnehmung von Melodien unter Einbezug verschiedener musikalischer Merkmale (Müllensiefen & Frieler, 2007). Jedoch wurde bislang noch nicht empirisch untersucht, wie jene Variantenarten im Vergleich wahrnehmungsseitig organisiert werden, die explizit Gegenstand der schulischen Curricula sind. Es bleibt folglich offen, in welchem Verhältnis die musiktheoretischen Klassifikationen dieser Variantenarten zu den tatsächlichen perzeptiven Organisationsdimensionen stehen, entlang derer Schüler:innen Ähnlichkeit beurteilen.

Vor diesem Hintergrund untersuchte die vorliegende Studie die Wahrnehmung melodischer Variantenarten bei Schüler:innen anhand von Ähnlichkeitsurteilen zu systematisch erzeugten Varianten von Tonfolgen. Das Ziel war es, einen Wahrnehmungsraum melodischer Variantenarten zu identifizieren, dessen Struktur hinsichtlich ihrer Vergleichbarkeit zwischen Gruppen unterschiedlicher musikalischer Expertise zu prüfen und die resultierenden Gruppierungen hinsichtlich ihrer Übereinstimmung mit musiktheoretischen Kategorien zu untersuchen. Daraus ergaben sich folgende Forschungsfragen (FF):

Die vorliegende Studie zielte darauf ab, einen konsistenten Wahrnehmungsraum melodischer Variantenarten bei Schüler:innen zu identifizieren, dessen Vergleichbarkeit zwischen Gruppen unterschiedlicher musikalischer Expertise zu prüfen und die resultierenden Gruppierungen hinsichtlich ihrer Übereinstimmung mit musiktheoretischen Klassifikationen einzuordnen. Im Hinblick auf die Frage, ob sich auch unter Berücksichtigung von musikalischen Expertiseunterschieden ein konsistenter Wahrnehmungsraum finden lässt, sprechen die Befunde zunächst für einen stabilen dreidimensionalen Wahrnehmungsraum melodischer Variantenarten. Die erste und zugleich stabilste Dimensionsachse verweist dabei auf eine grundlegende Unterscheidung zwischen zeitlich-rhythmischer und tonhöhenbasierter Organisation melodischer Variantenarten. Damit scheint für die Wahrnehmung melodischer Ähnlichkeit insbesondere die Unterscheidung zwischen zeitlich-rhythmischen und tonhöhenbasierten Strukturmerkmalen zentral zu sein. Dieses Ergebnis steht im Einklang mit empirischen Befunden, nach denen zeitliche und tonhöhenbasierte Parameter zentrale und teilweise differenziert verarbeitete Organisationsdimensionen musikalischer Wahrnehmung darstellen (Lappe et al., 2013, 2016; Prince, 2014).

Entlang der zweiten Dimension zeigt sich insbesondere eine Gegenüberstellung dynamischer und artikulatorischer Veränderungen einerseits und stärker relational-struktureller Transformationen, etwa intervall- und sequenzbezogener Variantenarten, andererseits. Diese Anordnung könnte auf Unterschiede zwischen Veränderungen der klanglichen Realisierung und Eingriffen in relationale Strukturmerkmale hinweisen. Zudem sind diese Unterschiede anschlussfähig an Ansätze hierarchischer Musikverarbeitung, nach denen elementare akustische Eigenschaften früh verarbeitet, während komplexere strukturelle Relationen erst in späteren, aufmerksamkeitsabhängigen Stufen integriert werden (Brattico et al., 2018; Jäncke, 2024; Koelsch, 2011; Koelsch & Schröger, 2018).

Die dritte Dimension verweist demgegenüber weniger auf eine klar umrissene eigenständige Organisationslogik als vielmehr auf residuale und stärker tonfolgenabhängige perzeptive Einflüsse. Die vergleichsweise geringe Streuung der Varianten entlang dieser Achse könnte darauf hindeuten, dass sich die Ähnlichkeitsurteile hier weniger deutlich voneinander unterscheiden. Die zusätzliche Reduktion des Stresswertes beim Übergang zur vierdimensionalen Lösung könnte auch darauf hindeuten, dass über die ersten beiden dominanten Dimensionsachsen hinaus weitere, inhaltlich weniger eindeutig bündelbare Einflussfaktoren wirksam sind, die sich in der dritten Dimension überlagern. Zugleich weist die hohe Streuung der INDSCAL-Gewichte darauf hin, dass die relative Bedeutung dieser Dimension zwischen den Tonfolgen stärker variiert. Dies könnte auf tonfolgenspezifische Kontexteinflüsse zurückzuführen sein und steht im Einklang mit bisherigen Studien, die die Bedeutung des Kontexts für Ähnlichkeitsurteile hervorheben (Ahlbäck, 2007; Cambouropoulos, 2009; Taher et al., 2018). Hinsichtlich expertiseabhängiger Unterschiede zeigt sich die identifizierte Wahrnehmungsstruktur als weitgehend stabil. Sowohl zwischen Unter- und Mittelstufe als auch zwischen Instrumentalist:innen und Nichtinstrumentalist:innen blieben die ersten beiden Dimensionsachsen in ihrer grundlegenden Ausrichtung weitgehend erhalten.

Unterschiede in Abhängigkeit vom Expertisierungsgrad deuteten sich vor allem entlang der dritten Dimension an. Die ausbleibenden Unterschiede auf der zweiten Dimensionsachse sind dabei vor dem Hintergrund früherer Studien zu betrachten, die bei musikalisch expertisierteren Personen eine stärkere Sensitivität gegenüber komplexeren strukturellen Relationen nahelegen (Bonetti et al., 2022; Eitan & Granot, 2009). Eine mögliche Erklärung könnte darin liegen, dass auch Nichtinstrumentalist:innen bereits über grundlegende, durch implizites musikalisches Lernen erworbene Strukturierungsstrategien verfügen, die für die Verarbeitung vergleichsweise kurzer Tonfolgen weitgehend ausreichen. Zusätzliche, durch Instrumentalunterricht erworbene Differenzierungsvorteile würden unter diesen relativ einfachen Wahrnehmungsbedingungen daher nur begrenzt sichtbar.

Während sich bei den Nichtinstrumentalist:innen in dieser Dimension keine klar abgrenzbare inhaltliche Ordnung erkennen lässt, zeigen sich bei den Instrumentalist:innen Hinweise auf eine Differenzierung zwischen eher in sich regelhaft aufgebauten und eher unregelmäßigen Variantenarten. Diese Interpretation ist anschlussfähig an Befunde, wonach musikalische Expertise mit differenzierteren auditiven Erwartungsmodellen sowie einer erhöhten Sensitivität gegenüber Regelverletzungen einhergeht (Bonetti et al., 2022, 2024; van Zuijen et al., 2004, 2005; Zhao et al., 2017). In Bezug auf den Expertisierungsgrad deuten diese Befunde insgesamt darauf hin, dass unter den hier untersuchten Stimulusbedingungen außerunterrichtlicher Instrumental- oder Vokalunterricht weniger mit Unterschieden in den grundlegenden Dimensionsachsen melodischer Ähnlichkeitswahrnehmung als mit subtileren Unterschieden in der Gewichtung einzelner Varianten verbunden ist.

Zwischen Unter- und Mittelstufe zeigten sich auf allen drei Dimensionsachsen keine strukturellen Unterschiede. Besonders hervorzuheben ist dieser Befund vor dem Hintergrund entwicklungspsychologischer Ansätze, die eine altersbedingte Zunahme der Arbeitsgedächtniskapazität und des Abstraktionsvermögens nahelegen (Cowan, 2016; Jentschke & Koelsch, 2006), was die Integration größerer Informationsmengen sowie differenziertere strukturelle Analysen begünstigen kann. Auch der Musikunterricht im baden-württembergischen Bildungsplan ist spiralcurricular angelegt und sieht eine sukzessive Ausdifferenzierung musiktheoretischer Inhalte vor (Ministerium für Kultus, Jugend und Sport Baden-Württemberg, 2016). Das Ausbleiben entsprechender Unterschiede könnte darauf hindeuten, dass die für die vorliegenden Stimuli und die Aufgabenkomplexität relevanten Wahrnehmungs- und Organisationsprozesse bereits in der Unterstufe weitgehend ausgebildet sind (Degé & Roden, 2018; Thompson, 2009). Zugleich könnte dies darauf hindeuten, dass die im schulischen Verlauf zunehmende Auseinandersetzung mit musiktheoretischen Inhalten nicht unmittelbar mit Veränderungen in der Organisation von Ähnlichkeitsurteilen einhergeht. Eine mögliche Erklärung könnte darin liegen, dass explizites musiktheoretisches Wissen im schulischen Musikunterricht nur begrenzt mit mental-auditiven Repräsentationen verknüpft wird (Ruf, 2024) und sich eine zunehmende musiktheoretische Differenzierung daher nicht unmittelbar in der Organisation wahrgenommener Ähnlichkeit widerspiegelt.

Im Hinblick auf die Frage, ob sich aus dem gefundenen Wahrnehmungsraum musiktheoretisch begründete Cluster der Varianten bilden lassen, legt die über verschiedene Verfahren hinweg gestützte Dreiclusterlösung nahe, dass sich musiktheoretische Differenzierungen melodischer Variantenarten auch in der Wahrnehmung der Schüler:innen abbilden. Die identifizierten Cluster lassen sich oberflächenbezogenen, tonhöhenbasierten sowie rhythmisch-zeitlichen Variantenarten zuordnen. Die Ergebnisse weisen damit auf eine Übereinstimmung zwischen den empirisch ermittelten Gruppierungen und den musiktheoretischen Klassifikationen hin, wobei die Variantenarten zugleich innerhalb eines mehrdimensionalen Wahrnehmungsraums angeordnet sind.