Was ist Sounddesign? Der Praxisleitfaden für Audioprofis

Auf die Frage „was ist Sounddesign“ gibt es eine praktische Antwort: Sounddesign ist die Arbeit, jedes Audioelement einer Produktion zu erstellen, aufzunehmen, zu bearbeiten und abzumischen, damit der Ton die Geschichte erzählt. Dazu gehören Effekte, Atmosphären, Foley, die Behandlung von Stimmen und die Art, wie die Musik darum herum sitzt. Es ist die Entscheidungsebene zwischen „dieser Klang existiert“ und „dieser Klang gehört in diese Szene, auf diesen Pegel, mit genau dieser Textur“. Es betrifft Film, Games, Apps, Podcasts und zunehmend auch synthetische Stimmen.

Was macht ein Sounddesigner eigentlich den ganzen Tag?

Lässt man den Berufstitel beiseite, besteht die Arbeit aus drei Verben: beschaffen, formen, platzieren. Sie beschaffen Klänge, indem Sie sie aufnehmen, aus einer Bibliothek holen oder synthetisch erzeugen. Sie formen sie mit EQ, Tonhöhe, Zeitdehnung, Layering und Verarbeitung. Sie platzieren sie in Zeit und Raum, sodass sie auf dem richtigen Bild, mit der richtigen Lautstärke und in der richtigen akustischen Umgebung landen.

Der Titel selbst ist jünger, als die meisten annehmen. Laut dem EBSCO-Research-Starter zum Sounddesign wurde die Rolle des Sounddesigners erstmals 1979 im Film Apocalypse Now offiziell im Abspann genannt. Davor war dieselbe Arbeit auf Cutter, Foley-Künstler und Re-Recording-Mixer verteilt. Die Nennung war wichtig, weil sie einer Person die Verantwortung für die gesamte klangliche Identität gab und nicht nur für einen Stapel einzelner Abteilungen.

In einem kleinen Team schrumpft diese Verantwortung auf ein bescheideneres Maß. Bei einem Indie-Game sind Sie vielleicht gleichzeitig Designer, Aufnahmetechniker, Implementierer und diejenige Person, die einen Bug meldet, wenn ein Schrittgeräusch in einer Schleife hörbar wird. Das ist normal. Wer die ganze Kette kennt, kann Probleme an der günstigsten Stelle beheben.

Die fünf Ebenen, aus denen jede Tonspur besteht

Die meisten Erklärungen hören bei „Soundeffekte und Musik“ auf. Eine praxistaugliche Aufteilung hat fünf Ebenen. Sie konkurrieren um denselben Frequenzraum, deshalb denken Sounddesigner sie immer gemeinsam.

1. Dialog und Stimme. Verständlichkeit kommt zuerst. Sprache liegt grob zwischen 100 Hz und 8 kHz, die meiste Konsonantenklarheit sitzt bei 2 bis 5 kHz. Alles andere wird um sie herum ausgeschnitten.

2. Harte Effekte. Türen, Einschläge, Waffen, UI-Klicks. Kurz, transientenreich und meist an eine sichtbare Aktion gekoppelt.

3. Foley. Von Menschen performte Bewegungen: Stoff, Schritte, Requisiten. Foley verbindet den Dialog mit dem Bild.

4. Atmosphäre. Raumton, Wind, entfernter Verkehr oder das Brummen einer Maschine, das dem Gehirn verrät, wo es sich befindet.

5. Musik. Sie bestimmt Tempo und Emotion und muss den anderen vier Ebenen Platz lassen.

Eine sechste Ebene ist die Stille. Sie ist eine bewusste gestalterische Entscheidung und kein Fehlen. Eine Szene, die vor einem Einschlag für eine halbe Sekunde nahezu verstummt, wirkt stärker als eine Szene, die eine noch lautere Explosion darüberlegt.

Warum Foley und Feldaufnahmen die Bibliothek immer noch schlagen

Bibliotheken sind schnell, und für Hintergrundtexturen reichen sie oft aus. Doch ein Schritt aus der Bibliothek, aufgenommen auf einem anderen Untergrund als dem, den Sie zeigen, trägt die falsche Resonanz. Ihr Ohr bemerkt das, bevor Ihr Verstand es benennen kann. Foley löst dieses Problem, indem der Klang passend zum Bild performt wird. Stiefel auf Kies für einen Kiesweg. Ein Bündel Selleriestangen, nah am Mikrofon gebrochen, für splitternde Knochen. Ein zerknülltes Cellophanblatt für ein Feuer.

Feldaufnahmen folgen derselben Logik, angewendet auf die Atmosphäre. Ein 90 Sekunden langer Raumton, am Drehort mit derselben Mikrofonposition wie der Dialog aufgenommen, passt zum Grundrauschen des Dialogs auf eine Weise, die keine generische Datei mit „Büroatmosphäre“ erreicht. Atmosphäre verdeckt außerdem Schnittstellen zwischen Takes, was sie günstiger macht als eine Neuaufnahme.

Für einen Prototyp dürfen Sie darauf verzichten. Für einen ersten Durchlauf sind Platzhalter-Sounds in Ordnung und manchmal sogar besser, weil sie Sie davon abhalten, Audio für eine Szene zu polieren, die später gestrichen wird. Der Aufwand lohnt sich, sobald das Bild final gesperrt ist.

Die Session-Notiz: Nehmen Sie an jedem Drehort mindestens 20 Sekunden Stille auf, auch wenn der Ort ruhig wirkt. Sie brauchen sie später für das Rauschprofil, und zurückgehen können Sie nicht.

Der Weg vom Spotting zur Endmischung

Sounddesign ist eine Pipeline, und die Stufen sind über Film, Games und Apps hinweg gleich, auch wenn sich die Werkzeuge unterscheiden.

Spotting. Sie sehen sich das Bild (oder den Build des Spiels) gemeinsam mit der Regie oder der Leitung an und markieren, wo der Klang etwas leisten muss: einen Treffer, einen Übergang, einen Stimmungswechsel. Diese Liste steuert alles, was danach kommt.

Beschaffung und Erstellung. Aufnahme, Bibliothekssuche, Synthese und zunehmend generative Werkzeuge. Alles wird beim Import benannt und getaggt, denn ein Ordner mit 4.000 Dateien namens „whoosh_final_v3“ kostet Sie später Stunden.

Bearbeitung und Layering. Ein einzelner „Punch“ besteht meist aus drei bis fünf Ebenen: ein tieffrequenter Impuls, ein Mittenkörper, ein hochfrequenter Knack und manchmal ein Ausklang. Jede Ebene bekommt ihren eigenen EQ, damit sie sich stapeln, ohne zu matschen.

Mischung. Pegel, Panorama, Kompression, Hall-Sends. Broadcast- und Streaming-Vorgaben sind hier entscheidend: Viele Plattformen normalisieren auf etwa -14 bis -16 LUFS integriert, und Kinomischungen folgen anderen Referenzpegeln. Das Ziel wird also festgelegt, bevor der erste Fader bewegt wird.

Auslieferung und Implementierung. Stems für den Film oder Assets plus Verhaltensregeln für eine Game-Engine.

Game-Audio verändert die Regeln: Klang, der reagieren muss

Lineare Medien spielen denselben Klang jedes Mal im selben Moment ab. Ein Spiel tut das nicht. Ein Schritt kann in einer Session 10.000-mal ausgelöst werden, auf unterschiedlichen Untergründen, bei unterschiedlichem Tempo und unterschiedlicher Kameradistanz. Game-Sounddesign ist deshalb zum Teil Klanghandwerk und zum Teil Systemdesign.

Die praktischen Konsequenzen:

• Variation. Ein einzelnes Schritt-Sample, das sich ständig wiederholt, klingt wie eine Maschine. Ein Pool aus 6 bis 8 Varianten mit kleiner zufälliger Tonhöhenabweichung (plus minus 2 bis 3 Prozent) und Lautstärkeschwankungen beseitigt die Wiederholung.

• Parameter. Klänge reagieren auf den Spielzustand: Geschwindigkeit, Lebenspunkte, Distanz, Untergrundtyp. Man baut die Regeln, nicht nur die Assets.

• Stimmbudget. Engines begrenzen die gleichzeitig spielbaren Stimmen. Prioritäts- und Culling-Regeln entscheiden daher, was in einer vollen Szene zu hören ist.

• Speicher. Komprimierte Formate und Streaming-Entscheidungen beeinflussen Ladezeiten und die Zertifizierung auf den Plattformen.

Deshalb sind Engine-Middleware und die Engine selbst für Sie genauso wichtig wie die DAW. Wenn Sie mit Unity arbeiten, sind Audiomixer, Snapshots und freigegebene Parameter der Ort, an dem der größte Teil des eigentlichen Designs passiert.

Dialog ist der Punkt, an dem das Budget meist kippt. Ein mittelgroßes RPG kann zehntausende vertonte Zeilen enthalten, und eine Neuaufnahme nach einer Drehbuchänderung ist teuer. Viele Teams setzen inzwischen synthetische Stimmen für Platzhalter- und Prototypzeilen ein, damit sie Tempo und Mischung testen können, bevor die echten Sprecher aufnehmen.

Wo KI-Stimmen in das Sounddesign passen und wo nicht

Hier steht unsere Position, denn diese Website beschäftigt sich vor allem mit Stimmen. Synthetische Stimmen sind inzwischen ein Werkzeug in der Kette des Sounddesigners. Sie verhalten sich wie jede andere Quelle: Sie brauchen Gain-Staging, EQ und einen Platz im Mix. Sie ersetzen keine gestalterischen Entscheidungen.

Drei Einsatzfälle halten stand:

• Temporäre Dialoge für Animatics, Prototypen und Level-Tests, damit Timing- und Mischungsprobleme früh auffallen.

• Hintergrund- und Menschenmengenstimmen („Walla“), bei denen die Verständlichkeit einzelner Stimmen keine Rolle spielt und ein abwechslungsreiches Set aus Klonen einen Aufnahmetag spart.

• Kreaturen- und bearbeitete Stimmen, bei denen die Syntheseartefakte zur Textur werden. Schicken Sie einen Klon durch einen Pitch-Shifter, einen Ringmodulator und einen Faltungshall, und Sie erhalten eine Quelle, die Sie so nicht hätten aufnehmen können.

Ein Fall, in dem es nicht funktioniert: Haupt-Dialoge in emotional aufgeladenen Szenen profitieren weiterhin von einer Sprecherin oder einem Sprecher, der Regieanweisungen umsetzen kann, es sei denn, Ihr Werkzeug erlaubt feine Kontrolle über die Intonation. Deshalb zählen Emotionsparameter mehr als die reine Klon-Treue. Wenn Sie die Intonationskurve steuern können, passen Sie die Performance an die Szene an, statt zu akzeptieren, was das Modell zurückgibt.

Generative Werkzeuge für Effekte und Atmosphäre bilden eine eigene Kategorie. Sie eignen sich für grobe Ideen und Texturbetten, aber Lautheit, Loop-Punkte und Artefakte sollten Sie prüfen, bevor etwas in die finale Mischung gelangt.

Für die Bereinigung aufgenommener Stimmen, besonders bei Podcast- oder Erzählmaterial, ist textbasiertes Schneiden ein legitimer Abkürzungsweg: Sie entfernen Atmer und Füllwörter, indem Sie den Text bearbeiten, und feilen anschließend in Ihrer DAW nach.

Was Sie zuerst lernen sollten, wenn Sie bei null anfangen

Beginnen Sie mit Zuhören, denn alles andere hängt davon ab. Wählen Sie eine Szene aus einem Film oder Spiel, das Sie gut kennen, schließen Sie die Augen und notieren Sie in 60 Sekunden jeden Klang, den Sie hören. Die meisten Einsteiger listen vier oder fünf auf. Ein geschultes Ohr listet fünfzehn.

Lernen Sie danach in dieser Reihenfolge:

1. Wählen Sie eine DAW und lernen Sie sie gründlich. Reaper, Pro Tools, Logic oder Ableton funktionieren alle. Gewonnen hat die, mit der Sie Projekte zu Ende bringen, nicht die mit der längsten Funktionsliste.

2. Lernen Sie Signalfluss und Gain-Staging. Clipping vor dem Mix lässt sich nach dem Mix nicht mehr reparieren.

3. Lernen Sie den EQ als Werkzeug zum Herausschneiden. Erst absenken, dann anheben.

4. Gestalten Sie einen Clip neu. Nehmen Sie 30 Sekunden Video, entfernen Sie die Tonspur und bauen Sie sie von Grund auf neu. Zehn Versuche lehren mehr als zehn Tutorials.

5. Fügen Sie eine Engine hinzu. Wenn Sie sich für Spiele interessieren, implementieren Sie dieselben Klänge in einer Engine, mit Variation und Parametern.

Ein solides Einstiegs-Set besteht aus einem geschlossenen Kopfhörer, einem Audiointerface mit mindestens einem sauberen Vorverstärker und einem Kondensatormikrofon mit kleiner Membran und Nierencharakteristik. Planen Sie etwa 300 bis 600 USD für alles ein und widmen Sie den Rest Ihrer Aufmerksamkeit dem Zuhören.

Vor Ihrer nächsten Session

Sounddesign ist kein Haufen von Effekten. Es ist die Disziplin, zu entscheiden, was das Publikum hört, was nicht, und wie sich jeder Klang seinen Platz verdient. Die Werkzeuge ändern sich jedes Jahr, die Fragen bleiben gleich: Wofür ist dieser Klang da, wo sitzt er, und was passiert, wenn er fehlt?

Wenn Sie mit Stimmen arbeiten, behandeln Sie synthetische Stimmen wie jede andere Quelle in Ihrer Kette: kennzeichnen, bearbeiten, mischen und ehrlich sein, wo sie tragen. Wählen Sie diese Woche eine kurze Szene, entfernen Sie den Ton und bauen Sie sie neu. So lernen Sie schneller, was Sounddesign ist, als jede Definition es Ihnen beibringen könnte.