„KI zur Songtextgenerierung: Das Programm Suno im Spannungsfeld zwischen Didaktisierung und Authentizität“ von Shaydon Ramey

Von künstlicher Intelligenz (KI) ist in vielen verschiedenen Bereichen die Rede, nicht zuletzt im Schulkontext, wo Lehrende und Lernende ihre digitalen Kompetenzen stets an neue Entwicklungen anpassen müssen. Dieser Artikel stellt den KI-Songgenerator Suno vor und schildert seine Vor- und Nachteile.

Warum sollte man sich mit künstlicher Intelligenz auseinandersetzen?

Angesichts des Booms der künstlichen Intelligenz (KI) in den letzten Jahren sowie der ständigen Neuanwendungen müssen Lehrende und Lernende immer Neues lernen, um den Überblick zu behalten. Heutzutage sind digitale Medien und die damit einhergehende digital literacy eine wichtige Voraussetzung für „eine aktive Teilnahme an der Gesellschaft in einer globalisierten Welt“, und deren gezielte Anwendung kann Lernenden helfen, „den eigenen Lernprozess selbstgesteuert, differenziert und individuell zu gestalten“ (Ministerium für Bildung des Landes Sachsen-Anhalt, 2022, S. 12). Allerdings sollten digitale Medien nicht nur benutzt werden, weil sie modern und modisch sind (auch wenn dieser efecto novedad motivieren kann; Muñoz-Basols & Fuertes Gutiérrez, 2024, S. 355): Lehrkräfte müssen immer nach dem Mehrwert und der differentia specifica der Tools suchen (Arriagada, 2019, S. 32) und sich fragen: Warum lohnt es sich, mich mit diesem Tool auseinanderzusetzen, und welcher Zugewinn geht damit für die Lernenden einher?

Ein zentrales Argument für eine Auseinandersetzung mit KI im Unterricht besteht darin, dass unsere Lernenden KI-Tools bereits regelmäßig nutzen — oft mit blindem Vertrauen. Gerade deshalb ist es wichtig, dass wir ihre Funktionsweise verstehen und uns kritisch mit ihren Möglichkeiten und Grenzen auseinandersetzen. Nur so können wir Lernende dabei unterstützen, Programme bewusster einzusetzen und typische Fehler zu vermeiden. Mit der Entwicklung der digital literacy können Schülerinnen und Schüler ihr Lernen individuell gestalten, z. B. durch personalisierte Übungen, unmittelbares Feedback oder Gespräche in der Zielsprache (Moorhouse & Wong, 2025). Speziell im Fremdsprachenunterricht (FSU) können KI-Programme Texte an bestimmte Sprachniveaus anpassen oder als Gesprächspartner sowie Sprachmodell auftreten. Dadurch erweitern sich die Übungsmöglichkeiten der Lernenden, und ihre sprachliche Autonomie wird gestärkt.

Auch für Lehrkräfte haben textgenerierende KI-Tools wie ChatGPT nützliche Funktionen. Als Informationsquelle können sie beispielsweise zur Weiterbildung benutzt werden, wobei von KI geschriebene Texte immer faktisch überprüft werden müssen. Außerdem können Lerntexte, Aufgaben und Unterrichtsentwürfe nach genauen Angaben erstellt werden, und mit deren Hilfe ist schnelleres Korrigieren und effektiveres Feedback möglich.

Doch bei all diesen Möglichkeiten muss man äußerste Vorsicht walten lassen: Halluzinationen, d. h. falsche bzw. erfundene Informationen, sind immer möglich, und Prompts müssen geschickt formuliert werden, um die gewünschten Produkte zu erhalten. Weiterhin haben Ramey und Wieland (2024, S. 26) die Erfahrung gemacht, dass „die schnelle Verfügbarkeit technischer Hilfsmittel das eigene Nachdenken für sprachliche Lösungen“ einschränkt. Neben dem kritischen Denken müssen Lernende auch für ethische Aspekte der KI-Nutzung sensibilisiert werden, z. B. Umweltschäden oder Plagiate (Fell Kurban & Şahin, 2024, S. 13, 142–143).

Aufgrund der Popularität von ChatGPT stehen textgenerierende KI-Tools oft im Rampenlicht, und damit auch die geschriebene Sprache. Doch es gibt auch Programme, die Audiomaterialien produzieren können, wie Loudly, MusicGen und Suno. Diese Tools schreiben Musik und ggf. Songtexte dazu, was viele Möglichkeiten für den FSU eröffnet: Motivierende Lieder können in kürzester Zeit für den Unterricht vorbereitet werden, die auch gewünschte sprachliche Mittel integrieren. Exemplarisch wird hier Suno dargestellt, um die Funktion, den Mehrwert aber auch die Schwächen solcher KI-Tools zu veranschaulichen. ChatGPT dient dabei häufig als Referenz- und Vergleichspunkt.

Zur allgemeinen Funktion der KI

Um eine KI sinnvoll zu verwenden, muss man ihre Funktionsweise kennen. Im Allgemeinen ist es das Ziel generativer KI, mittels Algorithmen Aufgaben wie ‚Gespräche führen‘ oder ‚Texte korrigieren und kommentieren‘ so zu lösen, wie Menschen es machen würden. ChatGPT und Suno gehören zu einer Untergruppe der KI-Tools, sogenannten Large Language Models (LLMs), die sich auf umfangreiche Datensätze berufen, mit denen neue Texte generiert werden. Diese Produktion basiert auf statistischen Verfahren nach dem Wahrscheinlichkeitsprinzip: Ausgehend von den verfügbaren Daten wird eine Antwort so formuliert, dass sie wie eine wahrscheinliche menschliche Antwort klingt (Moorhouse & Wong, 2025, S. 4–5).

In solchen Fällen muss berücksichtigt werden, dass KI nur von den verfügbaren Daten lernen kann: Wenn ein Thema dort nicht behandelt wird, kann sie nur ‚raten‘, wie ein Mensch auf den Prompt reagieren würde. Das Schwierige daran ist die Glaubwürdigkeit des Outputs: Er sollte menschliche Sprachproduktion möglichst realistisch imitieren und aussagefähig klingen, auch wenn die Fakten nicht stimmen. Aus diesem Grund müssen KI-generierte Texte genau gelesen und alle Informationen stets sorgfältig überprüft werden.

Darüber hinaus muss immer klar sein, dass die Nutzung von KI zu unbewussten Fällen von Plagiaten bzw. Verstößen gegen das Urheberrecht führen kann, da wir nie wissen, wo Textbruchstücke herkommen und ob die Ursprungstexte geschützt sind (Moorhouse & Wong, 2025, S. 56–57). So hat z. B. die New York Times ChatGPT und Microsoft verklagt, weil sie ihre KI ohne Genehmigung mit urheberrechtlich geschütztem Eigentum trainiert hätten (Dampz, 2025). Musikgenerierende KI-Programme wie Suno stehen vor ähnlichen legalen Problemen, da Musik auch häufig geschützt ist (Tan, 2024, S. 13; Dampz, 2025). Dieses Problem können (und sollen) Lehrkräfte thematisieren: Da KI gerade überall zu finden ist und täglich an neuen Stellen auftaucht, bietet es sich an, dadurch das Konzept von Plagiat und Urheberrecht anzusprechen. OpenAI (2025), welches ChatGPT entwickelt hat, gibt drei Datenquellen an:

1. öffentliche, im Internet verfügbare Daten,

2. Informationen, auf die sie durch Partnerschaften mit Dritten Zugriff bekommen, und

3. von Nutzer:innen, Trainer:innen und Forscher:innen bereitgestellte bzw. generierte Daten.

Es werden jedoch keine genauen Quellen angegeben. Dieser gleiche Mangel an Transparenz ist bei Suno zu beobachten: Auf der Webseite sind keine Quellenangaben zu finden. Im Kontext des Rechtsstreits hat das Unternehmen allerdings gestanden, dass praktisch alle online zugänglichen Audiodateien, inkl. urheberrechtlich geschützter Aufnahmen, benutzt wurden, um das Programm zu trainieren (Koebler, 2024).

Musikgenerierung mit Suno

Musik wird seit jeher im FSU eingesetzt, um die Motivation der Lernenden zu steigern, Aussprache und Prosodie zu üben oder Diskussionen anzuregen (Blell, 2017, S. 261 für weitere Ideen). Bisher mussten Lehrkräfte selbst das passende Lied finden: Die perfekte Kombination von bekanntem Vokabular, deutlicher Aussprache und zielführenden Inhalten blieb aber oft nur ein Wunschtraum. Mit musikgenerierenden KI-Programmen wie Suno können Lehrkräfte zum ersten Mal den ganzen Prozess steuern und eigene Songs erstellen, die zum gewünschten Thema und den Sprachkenntnissen der Lernenden passen.

Suno bietet zwei Funktionen an: Auf der einen Seite kann es, wie ChatGPT und andere KI-Programme, Texte erzeugen. Auf der anderen Seite kreiert es die textbegleitende Musik. Um dies zu machen, muss es sowohl Text als auch Ton aus den verfügbaren Datensätzen verarbeiten. Bei Suno hat man zudem auch noch die Option, selbst Audioaufnahmen zu machen oder hochzuladen. Man kann auch eigene Songtexte einsetzen, wenn nur die Melodie benötigt wird. Dazu besteht die Option, nur Instrumentalmusik zu generieren. Mit der neuesten Version des Programms — 4.5 zum Zeitpunkt der Abfassung dieses Artikels — können Lieder mit einer Dauer von bis zu acht Minuten erstellt werden. Dies ist doppelt so lang wie in den vor einem Jahr verfügbaren Versionen, was auf die rasante Entwicklung des Programms hindeutet.

Die Erstellung eines Accounts dauert nur wenige Sekunden und kann mit bereits vorhandenen Konten verbunden werden, z. B. von Google oder Microsoft. Sunos Schnittstelle ist relativ leicht aufgebaut: Im Prompt wird das gewünschte Lied beschrieben, und man kann aus empfohlenen Genres wählen oder weitere angeben, um den Stil anzupassen. Fortgeschrittene Benutzer:innen können weitere Details in der ‚Custom‘-Schnittstelle einbauen: Musikstile können ausgeschlossen werden, man kann wählen, wie viel Einfluss der angegebene Stil hat, wie exzentrisch und unerwartet das Ergebnis sein soll (Weirdness), und der Titel kann von Anfang an bestimmt werden. Nachdem das Lied erstellt wurde, besteht die Möglichkeit, den Songtext selbst zu ändern. Wenn das Lied auf der Webseite veröffentlicht wird, kann es von anderen Nutzer:innen gefunden werden oder durch einen Link geteilt werden. Es stehen auch von anderen Personen bereits erstellte Songs zur Verfügung.

Mit der kostenlosen Version darf man zehn Songs pro Tag erstellen, die nicht zu gewerbsmäßigen Zwecken benutzt werden dürfen. Zur Auswahl stehen zwei Bezahlversionen des Programms. Diese bieten ein fortgeschritteneres Modell, mehr Songs pro Monat und gewerbsmäßige Nutzung der eigenen Kreationen sowie die Möglichkeit, eine Persona zu erstellen, sodass die Gesangsstimme immer die gleiche bleibt.

Didaktisierungsmöglichkeiten anhand eines Beispiels

Wichtig bei Suno — wie bei allen KI-Tools — ist die sorgfältige Formulierung des Prompts. Dabei kann man beispielsweise die gewünschte Sprache, das Niveau nach dem Gemeinsamen europäischen Referenzrahmen (GeR) und wichtige Vokabeln, die im Track vorkommen sollen, erwähnen. Bei jedem Prompt werden zwei Versionen des Liedes produziert, mit dem gleichen Songtext aber unterschiedlicher Musik, dazu werden einminütige Teaser weiterer Möglichkeiten vorgezeigt, die nur mit der kostenpflichtigen Pro-Version des Programms erhältlich sind.

Das Programm scheint am besten auf Englisch zu funktionieren: Bei der Eingabe des Prompts „Create a pop song in Spanish that has lyrics at the A2 level according to the Common European Framework of Reference and uses many food words in a restaurant scenario“ wurde ein einfacher Song[1] („En el menú“) generiert, der Essensvokabeln beinhaltet. Allerdings steht ein Verb im Subjuntivo, was unpassend für das Niveau A2 ist. Zudem weist der Text nur wenig semantischen Inhalt auf, was eine ausführliche Diskussion des Liedes erschwert. Der Versuch auf Deutsch mit dem Prompt „Pop-Song auf Spanisch auf Niveau A2 nach dem Gemeinsamen europäischen Referenzrahmen mit vielen Wörtern zum Thema Essen in einem Restaurant-Szenario“ — leicht abgewandelt vom Englischen aufgrund der Zeichenbeschränkung — ergab einen Song[2] auf Deutsch mit nur einer spanischen Phrase: dem Titel „Sabores de amor“.

Mit dem oben erwähnten Lied „En el menú“ kann man trotz — oder vielleicht sogar dank — seines einfachen Inhalts verschiedene Übungen vorsehen. Vor dem ersten Hören können anhand des Titels Hypothesen über den Stil oder die Inhalte des Songs aufgestellt werden oder zu erwartende Vokabeln gesammelt werden. Nach dem ersten Durchlauf können die Lernenden ihre Meinung zum Lied äußern und ihre Hypothesen bestätigen. Danach können sich Lernende mit dem Inhalt durch einen Lückentext, z. B. mit den Essensvokabeln, auseinandersetzen. Sie können auch die beschriebene Situation erklären: Zwei Verliebte essen zusammen im Restaurant und die Sängerin weiß nicht, was sie will, weil alles so gut klingt. Die Lernenden können dann sagen, wo sie gerne essen und ob es bei ihnen mal vorgekommen ist, sich nicht entscheiden zu können, weil so viele leckere Gerichte auf der Karte standen. Um den Wortschatz zu erweitern, können Adjektive durch andere Optionen erweitert werden, z. B. bei sopa caliente: Wie kann man Suppe sonst beschreiben?

Auf der phonetischen Ebene können Merkmale der flüssigen Rede geübt werden wie die Silbenkontraktion, d. h. die Verschmelzung der Vokale innerhalb eines Wortes bzw. einer Phrase. Dies passiert bei Phrasen wie Quiero una, junto al, que hable und de amor, nur um Beispiele aus den ersten zwei Zeilen zu nennen. So werden Lernende dafür sensibilisiert, dass und wie die Vokale im Spanischen zusammenfließen, im Kontrast zum deutschen Vokalneueinsatz. Dies kann mit (re)produktiven Sprechübungen ergänzt werden, entweder mit dem Songtext selbst oder mit anderen Texten. Im Spanischen fließen auch Konsonanten am Wortende mit Vokalen am Anfang des Folgeworts zusammen, was zur Resyllabierung führt, z. B. con un wird als *co nun ausgesprochen (Gabriel et al., 2025). Übungen mit diesem Phänomen können auch zu einer flüssigeren Aussprache beitragen.

In der después-de-escuchar-Phase können Lernende in Bewegung gebracht werden. Zum einen können sie den Songtext weiterentwickeln und Rollenspiele vortragen, bei denen sie in einem Restaurant unentschieden sind. Um den Dialog auszubauen, können sie nach Empfehlungen fragen. Hier ist es notwendig, dass die Lehrkraft sprachliche Redemittel vorgibt. Ähnlich können sie in Kleingruppen ein Musikvideo für das Lied drehen, um weitere Formen der digital literacy zu üben. Bei wettbewerbsfähigen Lerngruppen können die Ergebnisse verglichen und von der Klasse bewertet werden, mit einem Preis für das beste Video. Hierbei ist evtl. eine Schulung im Verfilmen und Schneiden erforderlich, aber es öffnet auch die Möglichkeit einer kurzen Einheit zur Filmanalyse, z. B. Kameraperspektive und -bewegung oder der Rolle von Ton und Musik.

Ein weiterer Vorschlag zur aktiven Förderung der digital literacy ist die Erstellung eigener Songs mit Suno zum im Unterricht bearbeiteten Thema. Somit kann jede:r Lernende individuelle Präferenzen oder sprachliche bzw. kulturelle Schwerpunkte einbauen, wodurch ein offeneres Lernarrangement hergestellt wird und die Autonomie der Lernenden gestärkt wird. Falls mehr Zeit zur Verfügung steht, z. B. im Rahmen einer Projektwoche, können Lernende eine eigene Band ausdenken, Konzertposter oder Albumcover erstellen, Musikvideos für ihre eigenen Songs drehen oder Choreografien für eine Lippensynchronisation vorbereiten. Den Möglichkeiten sind keine Grenzen gesetzt, und Anwendungen auch im bilingualen Sachfachunterricht bzw. in fachübergreifenden Projekten bieten sich an.

Sind die Lieder aber ‚authentisch‘?

Der Begriff der Authentizität wird schon lange in der Fachliteratur diskutiert. Gilmore (2007, S. 98) hat vor etwa 20 Jahren bereits acht unterschiedliche Definitionen ausgearbeitet, wobei drei Hauptstränge in den meisten Definitionen vereinzelt oder zusammen mit anderen vorkommen:

1. Authentizität eines Textes,

2. Authentizität seitens der Teilnehmenden oder

3. Authentizität in der Situation und den Zielen einer kommunikativen Handlung.

Da es hier um die Textgenerierung geht, wird ausschließlich auf die erste Kategorie eingegangen. Authentischer Umgang seitens der Lernenden und in der Situation hängt stark von den Aktivitäten ab, die unter Anwendung der Texte geplant werden (Leitzke-Ungerer, 2012).

Morrow (1977, S. 13) skizziert die Hauptmerkmale eines authentischen Textes folgendermaßen: „An authentic text is a stretch of real language, produced by a real speaker or writer for a real audience and designed to convey a real message of some sort“ [Hervorhebung im Original]. So sollte der Text die Produktion einer realexistierenden Person sein, ein Zielpublikum haben und eine Botschaft vermitteln, welche ‚echte Sprache‘ benutzt. Aber was genau heißt das? Gilmore (2007, S. 99–103) weist darauf hin, dass sich die Sprache eines authentischen Textes von der eines didaktischen Textes häufig auf linguistischer, pragmalinguistischer und diskursiver Ebene unterscheidet, z. B. durch unidiomatische Sprache, die der Pragmatik und den diskursiven Praktiken kompetenter Sprecher:innen nicht entspricht.

Anhand dieser Kriterien kann man das oben dargestellte KI-Tool in vielerlei Hinsicht hinterfragen. Oberflächlich sieht alles in Ordnung aus: Eine Lehrkraft (Sprecher:in) erstellt einen Text in der Zielsprache für Lernende (Zielpublikum) mit einer Botschaft und einem Zweck, z. B. wie man auf Spanisch über eine Restaurantsituation spricht. Aber stimmt das so?

Zum einen muss man die Involviertheit der Lehrkraft im Erstellungsprozess hinterfragen. Bei Suno kann man nur begrenzte Prompts eingeben, die sich im FSU wohl auf das Sprachniveau und einige inhaltliche bzw. sprachliche Punkte beschränken. Dabei spielt die soziokulturelle Ebene in den allermeisten Fällen eine untergeordnete oder sogar überhaupt keine Rolle. Dies schließt einige für den FSU typische Aktivitäten aus, wie das Lernen über die Interpret:innen, welches bei einigen Lernenden Interesse an anderen Liedern wecken könnte, oder die Einbettung des Liedes in eine Einheit zu kulturellen Strömungen und Praktiken, da KI-Produkte keinem Kulturraum zugeordnet werden können. Dies stellt ein Problem für die Frage der Authentizität dar. Authentische Lieder haben allerdings den Nachteil, dass sie für den (Anfänger-)Unterricht häufig zu komplex oder, bei Genres wie Reggaeton, nicht angebracht für den Schulkontext sind.

Auf der anderen Seite ist die sprachliche Produktion von KI-Tools gelegentlich fehlerhaft, was die Authentizität der Texte schmälert. Dies kann anhand des Suno-Lieds „Lo Que Nos Espera“[3] veranschaulicht werden. Zur Darstellung des Futurs erstellt, scheint der Songtext gut aufgebaut zu sein, und das Lied kann zur Vorstellung von Bachata-Musik dienen, was eine kulturelle Komponente hinzufügt. Beim genauen Zuhören fallen jedoch mehrere Probleme auf. Zum einen werden die Verben häufig falsch betont: latirán, conocerá und florecerá werden auf der vorletzten Silbe betont. Da die Betonung des Futurs oft bedeutungsunterscheidend ist und eine Herausforderung für Lernende darstellt, kann die falsche Aussprache gelernt werden und sich sogar festigen (‚Fossilisierung‘). Die Aussprache ist auch uneinheitlich: lleno wird in der ersten Strophe mit [ʝ] im Anlaut, im Refrain aber mit [ɟʝ] ausgesprochen. Ebenso ist es mit der distinción: Einige Wörter, wie corazones und conocerá tristeza, werden mit dem seseo ausgesprochen, während abrazo mit dem kastilischen [θ]-Laut gesungen wird. Bei felicidad fehlt die dritte Silbe, sodass es wie *felidad ausgesprochen wird. Zur Förderung der digital literacy sollten solche Fehler besprochen werden, um Lernende für die Unvollkommenheit der KI und die Notwendigkeit der Nachkontrolle aller generierten Texte zu sensibilisieren.

Das Problem ergibt sich aus der statistischen Natur der KI. Texte werden nicht von einem Menschen produziert, dessen Sprachgebrauch relativ konsequent wäre, sondern aus Bruchstücken verschiedener Quellen, was solche Unstimmigkeiten hervorruft. Obwohl die bisher dargestellten Lieder einfach sind, wären auch kulturelle Unstimmigkeiten in Songtexten vorstellbar. Da kein Mensch — weder von der Ausgangs- noch der Zielkultur — die Texte schreibt, sind deren kulturellen Eigenschaften in keiner spezifischen Kultur eingebettet, sondern entstehen als Produkt vieler Quellen unklaren Ursprungs. Das heißt jedoch nicht, dass Suno zur Einführung kultureller Gegebenheiten nie tauglich ist: Mit dem Prompt „Create a melancholic song in Spanish at the A1-A2 level according to the CEFR about Día de los Muertos, using typical words about the celebration like ‘ofrenda’ and ‘papel picado’“ entstand bspw. ein Lied[4], das sehr gut in den Unterricht eingebracht werden kann. Erforderlich ist also ein Mensch, der schon etwas über das kulturelle Phänomen weiß, dieses Wissen in den Prompt einbaut und die Produktion lenkt.

Fazit

Da die digital literacy in Zeiten der KI und stets zunehmender Digitalisierung auch im FSU zu einem wichtigen Faktor wird, kann Suno als kreatives Element in den Unterricht eingeführt werden. Zum einen können sich Lernende mit dem Programm auseinandersetzen, um selbst Musik zu produzieren und ihren eigenen Lernprozess auf eine neue Art und Weise zu steuern. Hierbei ist eine Diskussion der statistischen Basis von KI-Produkten unerlässlich, damit sie die Funktion von KI-Tools verstehen.

Zum anderen können Suno und KI zum Diskussionsthema werden. Unstimmigkeiten geben den Anlass zur Besprechung der Stärken und Schwächen von KI. Dazu können Fragen von Urheberschaft und -recht gestellt werden: Wem gehört KI-generierte Musik, und woher kommen die dafür benutzten Daten? Stellt die Nutzung von KI-Texten sogar ein Risiko des Plagiats dar?

KI zu vermeiden ist heutzutage fast schon undenkbar. KI zu unterbinden ist vielleicht im Unterricht möglich, aber im Alltag wird sie immer präsenter. Für den allgemeinen Einsatz von KI schließe ich mich daher Ducar und Schocket an, die schon 2018 in Bezug auf Google Translate ehrlichen Dialog, Sensibilisierung für Stärken und Schwächen und Anpassungsbereitschaft zur effektiven Ausbildung unserer Lernenden empfehlen (2018, S. 780). Schließlich können die von KI dargestellten Hürden nur überwunden werden, wenn wir ihre schon gefestigte Rolle in der Gesellschaft akzeptieren, uns durch das Experimentieren mit ihren Funktionen vertraut machen und deren Mehrwert für unseren Unterricht identifizieren. Entdeckendes Lernen ist auch für uns Lehrkräfte wichtig!

Endnoten

[1] Abrufbar unter den folgenden Links: https://suno.com/s/iRKeK1b3hj09xgaq und https://suno.com/s/CAdwoa6Dj8UqWRBS (Zugriff: 10.01.2026).

[2] Abrufbar unter den folgenden Links: https://suno.com/s/Y8NpaZAnBIFVHIMx und https://suno.com/s/94lxzSHUmEk27mDg (Zugriff: 10.01.2026).

[3] Abrufbar unter dem folgenden Link: https://suno.com/song/863464d0-ae1a-441b-b8eb-48c66ac6b2e0 (Zugriff: 10.01.2026).

[4] Abrufbar unter dem folgenden Link: https://suno.com/s/4ScoIC0lHd5qgxVN (Zugriff: 10.01.2026).

Bibliografie

• Arriagada, M. (2019). Über den Mehrwert von Apps im Spanischunterricht — eine Neudefinition im Kontext der Aufgabenorientierung. Hispanorama, 166, S. 32–39.
• Blell, G. (2017). Musik. In: C. Surkamp (Eds.). Metzler Lexikon Fremdsprachendidaktik (S. 259–262). Metzler.
• Dampz, N. (11.11.2025). Klagen oder kooperieren. tagesschau. https://www.tagesschau.de/ausland/amerika/usa-ki-kuenstliche-intelligenz-verlage-100.html (Zugriff: 24.11.2025).
• Ducar, C. & Schocket, D. H. (2018). Machine translation and the L2 classroom: Pedagogical solutions for making peace with Google translate. Foreign Language Annals, 51, S. 779–795.
• Fell Kurban, C. & Şahin, M. (2024). The Impact of ChatGPT on Higher Education: Exploring the AI Revolution. Emerald Publishing.
• Gabriel, C., Meisenburg, T. & Selig, M. (2025). Spanisch: Phonetik und Phonologie. Eine Einführung. Narr.
• Gilmore, A. (2007). Authentic materials and authenticity in foreign language learning. Language Teaching, 40, S. 97—118.
• Koebler, J. (01.08.2024). AI Music Generator Suno Admits It Was Trained On ‘Essentially All Music Files on the Internet’. 404 Media. https://www.404media.co/ai-music-generator-suno-admits-it-was-trained-on-essentially-all-music-files-on-the-internet/(Zugriff: 20.08.2025)
• Leitzke-Ungerer, E. (2012). Zielkulturelle und lernkontextbezogene Authentizität im Fremdsprachenunterricht. In: M. Frings & E. Leitzke-Ungerer (Eds.). Authentizität im Unterricht romanischer Sprachen (S. 11–24). ibidem.
• Ministerium für Bildung des Landes Sachsen-Anhalt (2022). Fachlehrplan Gymnasium Spanisch.
• Moorhouse, B. L. & Wong, K. M. (2025). Generative Artificial Intelligence and Language Teaching. Cambridge University Press.
• Muñoz-Basols, J. & Fuertes Gutiérrez, M. (2024). Oportunidades de la Inteligencia Artificial (IA) en la enseñanza y el aprendizaje de lenguas. In: J. Muñoz-Basols, M. Fuertes Gutiérrez & L. Cerezo (Eds.). La enseñanza del español mediada por tecnología. De la justicia social a la Inteligencia Artificial (IA) (S. 343–365).
• OpenAI (15.08.2025). How ChatGPT and our foundation models are developed. OpenAI. https://help.openai.com/en/articles/7842364-how-chatgpt-and-our-foundation-models-are-developed (Zugriff: 20.08.2025)
• Ramey, S. & Wieland, K. (2024). Tropezando con las piedras de tropiezo. Stadtrundgang als Sprachmittlungsexkursion mit digitalen Medien. Der fremdsprachliche Unterricht Spanisch, 84, S. 22–27.
• Tan, S. (2024). Are We All Musicians Now? Authenticity, Musicianship, and AI Music Generator Suno [Preprint]. SocArXiv. https://osf.io/preprints/socarxiv/4nt8z_v1 (Zugriff: 18.08.2025)