Eines der großen Versprechen der Digitalisierung von musikalischen Daten ist die Möglichkeit zur (automatisierten) quantitativen Erfassung musikalischer Phänomene. Doch wie genau kann man sich ohne tieferes mathematisches Vorwissen einer statistischen Auswertung nähern? Und welche Arten der statistischen Auswertung sind überhaupt sinnvoll und führen zu einem Erkenntnisgewinn?

In diesem Workshop wird eine Einführung in die modellbasierte Analyse musikalischer Datensätze gegeben. Modelle in diesem Kontext beschreiben den Zusammenhang zwischen den beobachteten Daten und den zu inferrierenden latenten Variablen. Sie kodieren damit die Annahmen über den Problembereich, die bei der Analyse gemacht werden sollen, in einer expliziten Form. Bayessche Statistik bietet Methoden, mit denen ein solches Modell mathematisch ausgedrückt und für automatische Inferenz nutzbar gemacht werden kann. Diese mathematische Beschreibung von Modellen ähnelt einem Baukastensystem, das zum einen mit minimalem mathematischem Vorwissen genutzt werden kann und zum anderen eine große Flexibilität zur Erfassung komplexer Zusammenhänge bietet. Damit kann die quantitative Auswertung von Daten weit über bloßes Zählen hinausgehen.

Der Workshop bietet einen Überblick über den modellbasierten Ansatz und seine Bedeutung für die Musiktheorie, sowie eine kurze Einführung in Bayessche Statistik. Die praktische Umsetzung statistischer Analysen wird anhand von musikbezogenen Beispielen demonstriert. Im Anschluss besteht die Möglichkeit zur Diskussion von eigenen quantitativen Fragestellungen und deren Umsetzung. Programmierkenntnisse und mathematische Vorkentnisse (grundlegende Wahrscheinlichkeitstheorie) sind nützlich aber nicht erforderlich.