Geh den Weg des Tons ab: Klangquelle, Kabel, Interface, Mischen, Kopfhörer. Irgendwo ist er weg oder zu leise. MIDI-Kabel tragen übrigens keinen Ton, nur Anweisungen.
Fahr an deinem Tisch mit dem Finger am Kabel entlang, vom Gerät bis zum Kopfhörer, und sag jede Station laut.
MIDI ist ein Protokoll, also eine vereinbarte Art, wie Geräte miteinander reden. Es stammt aus dem Jahr 1983 und wird bis heute für sehr viel Verschiedenes benutzt: Töne auslösen, Regler fernsteuern, Geräte auf dasselbe Tempo bringen, Lichtpulte und Effektgeräte umschalten. Es transportiert dabei nie Klang, sondern immer nur Nachrichten darüber, was passieren soll.
Audio ist das Gegenstück: die Schwingung selbst, als Spannung im Kabel. Das ist das, was am Ende aus dem Lautsprecher kommt.
Es gibt MIDI heute in drei Formen, die dasselbe sagen und sich nur im Stecker unterscheiden: die klassische fünfpolige Buchse, dieselbe Verbindung als 3,5-mm-Klinke bei kleinen Geräten, und über USB. Am Gerät sitzt dabei klassisch eine quadratische USB-B-Buchse, am Rechner der flache USB-A-Stecker. Neuere Geräte haben auf beiden Seiten USB-C. Wichtig: über USB geht dasselbe wie über die anderen Formen, und es braucht dafür nicht zwingend einen Rechner dazwischen. Zwei Geräte können direkt miteinander reden.
Rechenleistung wird an genau einer Stelle verbraucht: dort, wo aus Anweisung Klang wird. Ein Controller kostet praktisch nichts, egal wie viele Knöpfe er hat. Ein Synthesizer und eine Hallfahne kosten viel. Wenn ein Computer überlastet ist, liegt es fast nie an zu vielen Reglern, sondern an zu vielen gleichzeitig rechnenden Klangerzeugern.
Zwei Dinge, und die decken zusammen mit der Rechnerfrage oben fast alles ab, was im Kurs vorkommt:
Ein Notenzettel enthält mehr als nur die Tonhöhe, und genauso ist es hier. Drei Angaben begegnen dir ständig:
Der Kanal ist die Adresse. MIDI hat sechzehn Kanäle. Ein Gerät hört auf einen davon und ignoriert die anderen fünfzehn. Über ein einziges Kabel lassen sich also mehrere Klangerzeuger getrennt ansteuern, so wie mehrere Wohnungen an einem Hausbriefkasten. Zwei Geräte auf demselben Kanal spielen dagegen alles doppelt, und das klingt genau so.
Senden und Empfangen auf demselben Kanal? Das erklärt gefühlt die Hälfte aller Fälle von „bei mir tut sich nichts".
In, Out und Thru sind nicht dasselbe. Out schickt raus, was das Gerät selbst erzeugt. Thru schickt unverändert weiter, was gerade am In hereinkam. Wer eine Kette aus drei Geräten bauen will, geht vom ersten Out ins zweite In, vom zweiten Thru ins dritte In. Wer stattdessen den Out des zweiten Geräts nimmt, verliert das erste unterwegs.
Und ein Stecker sagt nichts über seinen Inhalt. Durch eine 3,5-mm-Klinke kann Musik laufen oder MIDI, das sieht man ihr nicht an. Es entscheidet nur, in welche Buchse sie gesteckt wird. Deshalb steht auf guten Geräten neben der Buchse dabei, was dort erwartet wird, und deshalb passiert bei falscher Buchse einfach gar nichts.


Und daraus folgt auch, warum ein Rechner ins Schwitzen kommt. Audio in CD-Qualität sind 44.100 Zahlenwerte pro Sekunde und Kanal, in Stereo also gut 88.000, und jeder einzelne muss durch jedes Effektgerät hindurchgerechnet werden. Eine MIDI-Note ist dagegen eine winzige Nachricht, die einmal beim Tastendruck verschickt wird.
MIDI Learn. Du drückst im Programm auf einen Regler, drehst dann am Controller, und die beiden sind verheiratet. So verknüpft man Knöpfe mit Funktionen, ohne Nummern nachzuschlagen. Fast jede Software kann das, Loopy Pro auch.
IM HEFT: KAP 03 · ALTE FASSUNG
Das Gerät, das am häufigsten falsch verstanden wird, weil es aussieht wie ein Instrument und keines ist. Ein Controller macht keinen einzigen Ton. Er ist die Fernbedienung, nicht der Fernseher.
Er sendet drei Sorten von Nachrichten und sonst nichts: welche Taste gedrückt und wieder losgelassen wurde, wie fest, und welcher Regler auf welchen Wert gedreht wurde. Was daraus wird, entscheidet allein die Klangquelle dahinter. Derselbe Controller spielt an einem Gerät ein Klavier und am nächsten ein Schlagzeug, ohne dass sich am Controller irgendetwas ändert.





Tasten sind für Melodien und Akkorde. Pads sind für Schlagzeug und zum Abfeuern von Mustern, und sie sitzen dir besser unter der Hand, wenn du Rhythmen tippst. Regler und Fader steuern nichts Klingendes, sondern Veränderung: Filter, Lautstärke, Effektanteil. Fußtaster sind für alles, was du auslösen musst, während beide Hände beschäftigt sind. Für Loopen ist das oft der wichtigste Controller im Raum.
IM HEFT: KAP 02 · ALTE FASSUNG
Der Übersetzer zwischen der Welt der Luft und der Welt der Zahlen. Alles, was in einen Rechner oder ein iPad hinein soll, muss hier durch, und alles, was wieder heraus soll, ebenfalls.
Ein Mikrofon erzeugt eine winzige, schwankende Spannung. Ein Rechner kann damit nichts anfangen, er kennt nur Zahlen. Das Interface misst diese Spannung viele tausend Mal pro Sekunde und macht daraus eine Zahlenkette. Am Ausgang macht es genau das Gegenteil. Es sitzt an beiden Enden gleichzeitig: einmal beim Hineingehen, einmal beim Herausgehen.




Phantomspeisung heißt, dass das Interface Strom durch das Mikrofonkabel schickt. Kondensatormikrofone brauchen das, dynamische nicht und nehmen es auch nicht übel. Direct Monitoring ist der Schalter, der dein Eingangssignal direkt auf den Kopfhörer legt, ohne den Umweg durch den Rechner. Damit ist die Verzögerung beim Einsingen praktisch null, egal wie langsam der Rechner gerade ist. Der wichtigste Knopf für Leute, die singen.
Wie viele Dinge willst du gleichzeitig aufnehmen? Alles andere ergibt sich daraus. Ein Mikrofon allein braucht einen Eingang. Stimme und Gitarre zusammen brauchen zwei. Ein Schlagzeug oder eine Band brauchen acht. Zwei Eingänge sind der übliche Einstieg und reichen für fast alles, was in diesem Kurs vorkommt.
Auf der Rückseite steht daneben oft Line, Instrument und Mic an einem Schalter. Das sind drei verschiedene Signalstärken: ein Mikrofon liefert sehr wenig, ein Synthesizer oder Mischpult liefert viel, eine E-Gitarre liegt dazwischen und braucht zusätzlich einen sehr hohen Eingangswiderstand. Steht der Schalter falsch, ist es entweder viel zu leise oder es zerrt. Das ist derselbe Pegelfehler wie in Kapitel 07, nur schon am Eingang.
Treiber brauchst du am Mac und am iPad keine, unter Windows dagegen schon, dort heißt der Standard ASIO. Und Strom: die meisten kleinen Geräte ziehen ihn über USB, größere brauchen ein Netzteil. Am iPad ist das der häufigste Grund, warum ein Interface nicht erkannt wird.
Der Rechner arbeitet Klang nicht einzeln ab, sondern häppchenweise. Die Größe dieser Häppchen heißt Puffer und wird in Samples angegeben. Kleiner Puffer heißt wenig Verzögerung, aber mehr Arbeit für den Rechner. Zu klein, und es knackst. Größer heißt sicher, aber träge. Beim Aufnehmen stellt man klein ein, beim Mischen darf es groß sein.
Unter der Haube passiert Folgendes: der Wandler misst die Spannung 44.100 Mal pro Sekunde und legt die Zahlen in einen Stapel. Ist der Stapel voll, weckt er den Rechner. Der hat jetzt genau so lange Zeit, alle Effekte für diesen Stapel durchzurechnen, wie das Abspielen des vorigen dauert. Wird er nicht rechtzeitig fertig, fehlt ein Stapel, und genau das hörst du als Knacken. Ein größerer Stapel gibt mehr Zeit pro Weckruf und ist deshalb sicherer, kostet aber Verzögerung, weil er erst voll werden muss.
Wie lange ein Puffer dauert, lässt sich ausrechnen: seine Samples geteilt durch die Zahl der Messungen pro Sekunde. Bei 48.000 Messungen pro Sekunde, kurz 48 kHz, sind 128 Samples 2,7 Millisekunden. So viel Latenz, also Verzögerung zwischen Anschlag und Ton, kostet jeder Puffer, und doppelt so groß heißt doppelt so lang.
Die zweite Zahl in denselben Einstellungen ist die Abtastrate. Sie sagt, wie oft pro Sekunde gemessen wird, meistens 44.100 oder 48.000 Mal. Höher heißt nicht automatisch besser, es heißt vor allem mehr Rechenarbeit. Wichtig ist nur, dass alle Geräte in einer Kette auf derselben Zahl stehen. Wer wissen will, was dabei physikalisch passiert und warum eine höhere Zahl nicht automatisch mehr Qualität bedeutet, findet das in „Samplerates: The Higher the Better, Right?“ aus der Reihe von FabFilter sehr gut gezeigt.
Das hängt daran, wo dein Set zusammenläuft. Läuft alles in Software, also im Rechner oder im iPad, brauchst du ein Interface: es bringt die Signale hinein und wieder heraus. Läuft alles in Hardware, brauchst du einen Mischer, der die Geräte zusammenführt, und der Rechner kommt gar nicht vor. Die meisten haben irgendwann beides, weil ein Interface mit vier Eingängen und eigenen Reglern schon fast ein Mischer ist.
Kurz fürs iPad: Es braucht ein Interface, das class compliant ist, und sobald mehr als ein Gerät dranhängt, einen Hub, der Strom durchreicht.
Normalerweise ist der Rechner der Host: er versorgt die angeschlossenen Geräte und redet mit ihnen. Ein iPad kann das auch, braucht dafür aber oft einen Adapter mit eigener Stromversorgung. Manche Geräte können selbst Host sein und einen Controller direkt aufnehmen, ganz ohne Rechner. Steht im Datenblatt „USB Host", heißt das genau das.
Die Begriffe dafür sind Host und Client: der Host versorgt und kommandiert, der Client hängt dran und gehorcht. Interessant sind Geräte, die beides können. Elektron hat im September 2026 die Outbox 8 vorgestellt, die einer Elektron-Maschine acht Ausgänge für Audio und Steuerspannung verpasst, und laut Hersteller auch mit anderen class-compliant Geräten arbeitet. Loopop hat sie ausführlich durchgespielt.
Ein iPad hat einen Anschluss. Sobald Interface, Controller und Strom gleichzeitig dran sollen, brauchst du einen Hub, der selbst Strom durchreicht. Drei, die ich nach längerem Suchen wirklich empfehlen kann:


Worauf es ankommt, ist nicht die Zahl der Buchsen, sondern ob der Hub Strom durchreicht. Ohne das geht dem iPad unterwegs die Luft aus, und ein Interface ohne Netzteil bekommt zu wenig.
Beide können Audio-Interfaces betreiben, ohne Treiber. Der Fachbegriff dafür heißt class compliant: das Gerät hält sich so genau an den USB-Standard, dass das Betriebssystem es ohne Zusatzsoftware erkennt. Am iPad ist das keine Bequemlichkeit, sondern die Bedingung, weil sich dort gar keine Treiber installieren lassen. Inzwischen sind die meisten kleinen Interfaces class compliant, aber es steht nicht immer groß auf der Packung. Im Zweifel danach suchen, bevor du kaufst.
Ansonsten hängt es am iPad meistens nur am Kabel und daran, ob genug Strom fließt. Ein Interface mit eigenem Netzteil ist die sichere Wahl. Klein und für unterwegs gut: die Zoom AMS-22 und die AMS-44, zwei beziehungsweise vier Eingänge, class compliant, und sie passen in eine Jackentasche.


IM HEFT: KAP 06 · ALTE FASSUNG
[Die Mitmach-Grafik dazu steht oben.]
Jede Stufe in der Kette hat einen Bereich, in dem sie gut klingt. Zu leise heißt, du hörst Rauschen mit. Zu laut heißt, das Signal stößt oben an und verzerrt. Dazwischen liegt der brauchbare Bereich, und man sitzt mit etwas Abstand nach oben darin.
Der klassische Anfängerfehler ist eine Kettenreaktion: eine Stufe ist zu leise, also dreht man die nächste hoch, dreht damit auch das Rauschen mit hoch, dann ist es zu laut, dann zerrt es. Die Lösung liegt nie am Ende, sondern immer am Anfang der Kette.
Wenn etwas zu leise ist, such die erste Stelle in der Kette, an der es zu leise wurde. Dreh nicht am Ende lauter.
IM HEFT: KAP 07 · ALTE FASSUNG
Dass du hören musst, was du tust, ist klar. Interessanter ist die Frage, wann du es hörst und ob du dabei auch die anderen hörst.
In einem Raum mit mehreren Spielenden sind Kopfhörer weniger für dich selbst da als füreinander. Ohne sie gewinnt der Lauteste, alle drehen nach, und am Ende hört niemand mehr, was der andere gerade gebaut hat.
Kabel schlägt Bluetooth. Bluetooth verzögert typischerweise mehr als eine Zehntelsekunde, bei 120 BPM also fast eine ganze Sechzehntelnote. Du hörst deinen eigenen Anschlag zu spät und korrigierst unbewusst dagegen. Andere Funkstrecken, wie sie auf Bühnen benutzt werden, sind deutlich schneller. Funk ist nicht gleich Bluetooth, aber Bluetooth ist zum Spielen unbrauchbar.
Nicht die Technik. Die vier Sachen hier sind es, und keine davon steht in einem Handbuch.
Zuerst aus dir: eine Idee im Kopf, die du umsetzen willst. Genau das zu können ist das Ziel, und daran arbeiten wir.
Daneben gibt es eine zweite Quelle, die die meisten für einen Fehler halten. Ein Zufallsgenerator, ein versehentlich getroffenes Preset, eine Randomisierung, ein Klang, den du nicht gesucht hast, ein Griff, der danebenging. Das ist keine schlechte Quelle. Sie liefert Material, auf das du von allein nicht gekommen wärst, und die Entscheidung, ob es bleibt, triffst immer noch du.
Ein Kopfhöreranschluss reicht für eine Person. Sobald zwei am selben Gerät sitzen, gibt es drei Wege, und sie unterscheiden sich in genau einer Frage: hören alle dasselbe, oder hört jede und jeder etwas anderes?
IM HEFT: KAP 05 · ALTE FASSUNG
Wie oft etwas pro Sekunde schwingt, heißt Frequenz, gezählt in Hertz, kurz Hz. Eine Saite, die 110 Mal in der Sekunde hin und her schwingt, klingt mit 110 Hz. Je mehr Schwingungen, desto höher der Ton. Eine Oktave höher, also beim nächsten Ton mit demselben Namen, sind es immer genau doppelt so viele. Zweimal verdoppelt landest du bei 440 Hz, dem Kammerton A, nach dem Instrumente gestimmt werden.
Kurz: Die Abtastrate muss mehr als doppelt so hoch sein wie der höchste Ton. Deshalb reichen 44,1 oder 48 kHz für alles, was du hörst.
Die Abtastrate aus Kapitel 06 wird genauso in Hertz gezählt. Sie sagt, wie oft der Wandler pro Sekunde misst, also das Bauteil, das die Spannung in Zahlen übersetzt. Meistens sind es 44.100 oder 48.000 Mal, kurz 44,1 oder 48 kHz, wobei ein Kilohertz tausend Hertz sind. Entscheidend ist, wie viele Messungen auf eine einzelne Schwingung fallen. Beim Kammerton A sind es rund 100, bei 20.000 Hz nur noch 2,2.
Das ist die Nyquist-Grenze: pro Schwingung braucht es mehr als zwei Messungen. Festhalten lässt sich also nur, was unter der halben Abtastrate liegt. Bei 44,1 kHz sind das 22,05 kHz, bei 48 kHz sind es 24 kHz, beides über der Hörgrenze von etwa 20 kHz. Ein Ton darüber taucht als falscher, tieferer Ton wieder auf: Aliasing, von alias, anders genannt. Darum sitzt vor dem Messen ein Tiefpass wie am Synthesizer, nur fest auf diese Grenze eingestellt.
IM HEFT: KAP 13 · ALTE FASSUNG
Die Abtastrate sagt, wie oft gemessen wird. Die Bittiefe sagt, wie fein. Jeder Messwert wird auf die nächste Stufe eines festen Rasters gerundet, so wie ein Lineal nur ganze Millimeter kennt. Ein Bit ist eine Stelle, die nur 0 oder 1 sein kann, und jedes weitere Bit verdoppelt die Zahl der Stufen: 3 Bit ergeben 8 Stufen, 4 Bit 16, 16 Bit schon 65.536 und 24 Bit 16.777.216.
Eine Treppe hörst du trotzdem nicht, denn beim Abspielen zieht der Wandler wieder eine glatte Welle. Übrig bleibt der Rundungsfehler, der Unterschied zwischen echtem und gespeichertem Wert, und der klingt wie ein leises Rauschen. Jedes Bit mehr halbiert ihn und drückt das Rauschen um rund 6 dB nach unten. So ergeben 16 Bit etwa 96 dB Dynamikumfang, also Abstand zwischen dem lautesten Ton und dem Rauschen, 24 Bit etwa 144 dB.
Beim Aufnehmen lohnt sich 24 Bit: du lässt oben Platz, damit nichts zerrt, und bezahlst ihn mit Bits. Beim Abspielen hört den Unterschied praktisch niemand, denn bei normaler Lautstärke liegt das Rauschen von 16 Bit schon unter dem Grundgeräusch eines Zimmers. Ein Bitcrusher, ein Effekt, der die Stufen absichtlich wieder vergröbert, macht aus dem Fehler einen Klang: körnig, rau, typisch retro. Dreh die Bitzahl langsam herunter, dann hörst du, wie der Fehler aus der ersten Grafik wächst.
IM HEFT: KAP 13 · ALTE FASSUNG