KI-Musik für Marketing-Spots

KI-Musik-Modelle sind 2026 im Marketing angekommen, aber selektiv. Wer einen Hintergrund-Loop für ein TikTok braucht, generiert in Minuten. Wer einen vollständig komponierten Werbespot-Track mit Hook und Refrain will, kämpft. Dieser Deep Dive ordnet die wichtigsten Anbieter (Suno, Udio, ElevenLabs Music, Stable Audio), zeigt Use Cases, die wirklich funktionieren, und benennt die Lizenz-Frage, die viele Setups noch ungelöst lassen.

Anbieter im Vergleich (Stand Mai 2026)

In DACH-Marketingteams dominieren Suno und Udio bei Marken-Tracks. ElevenLabs Music wächst stark im Voice-Kombi-Bereich, weil es nahtlos zu ElevenLabs Voice passt.

Drei Use Cases, die produktiv laufen

Use Case 1: Hintergrund-Loops für Short-Form-Video. TikTok, Reels, Shorts. Tracks im 15-60 Sekunden-Bereich, die unter einer Voice oder einem Visual sitzen, ohne zu konkurrieren. Suno und ElevenLabs Music sind hier produktiv reif. Aufwand pro Track: 5-15 Minuten plus Mastering.

Use Case 2: Jingles und Sound-Logos. Kurze, einprägsame Audio-Marken-Anker. 3-8 Sekunden, mit klarer Wiedererkennung. Suno und Udio dominieren. Aufwand: 30-90 Minuten Iteration plus Mastering. Kosten unter 50 Euro pro Jingle.

Use Case 3: Podcast-Intros und Stinger. 5-15 Sekunden Musik-Stücke, die einen Podcast einleiten oder zwischen Segmenten sitzen. Standard-Domäne von Udio und Suno. Aufwand: 1-2 Stunden für eine Serie aus Intro plus drei Stingern.

Was 2026 noch nicht reif ist

Bereich 1: Vollständige Werbespot-Tracks mit Hook und Refrain. Strukturierte Song-Stücke über 60 Sekunden mit klarem Aufbau und mehreren Sektionen. Modelle können das, aber die Konsistenz pro Generation bricht häufig. Iteration kostet Stunden.

Bereich 2: Lizenz-rechtlich saubere Genre-Imitation. Wer einen Track im Stil eines bekannten Künstlers will, läuft in rechtliche Risiken. Modelle imitieren Stil-Marker oft zu nah am Original. Brand-Safety-Frage.

Bereich 3: Live-Performance-Imitation. Ein „echter Song" mit allen Performance-Charakteristika eines bestimmten Bands-Sounds bleibt schwer. Modelle sind besser bei generischen Genres als bei spezifischen Acts.

Showcase: TikTok-Hintergrund-Track „SaaS Loop One"

Anschluss an den TTS-Showcase aus dem Text-to-Speech-Deep-Dive. Hintergrund-Track für die Briefly-Spot-Serie, produziert in ElevenLabs Music v2.

Wie ElevenLabs Music v2 wirklich arbeitet

Die Studio-Oberfläche ist mehr als ein Prompt-Feld. Drei Mechaniken, die das Briefing prägen.

Mechanik 1: Tags statt Fließtext-Prompt. Stile werden als einzelne Pills eingebaut. Im „Stile einbeziehen"-Block die positiven Marker, im „Stile ausschließen"-Block die Negativ-Liste. Präziser als ein Fließtext-Prompt, weil Modell und Nutzer:in sich nicht auf Komma-Parsing verlassen müssen.

Mechanik 2: Track-Struktur built-in. Generierte Tracks werden automatisch in Sektionen geteilt: Intro Pattern, Groove A, Groove B, Outro/Resolution. Die Schnitt-Logik für Edits ist damit schon angelegt. Wer einen 15-Sekunden-Spot baut, schneidet die passendste Sektion heraus, statt einen knappen Loop zu erzwingen.

Mechanik 3: Mindest-Dauer 60 Sekunden. Eine Minute Material ist die Standard-Generation. Das ist mehr als für einen Short-Form-Spot nötig, aber redaktionell sinnvoll: aus 60 Sekunden lässt sich die spannendste 15-Sekunden-Sektion auswählen, optional auch für längere Cuts (Reels, YouTube Shorts) verwenden.

Setup-Brief für „SaaS Loop One"

Stile einbeziehen (Pills):

lo-fi · minimal · instrumental · background music ·
95-100 bpm · subtle · clean production · loopable

Stile ausschließen (Pills):

vocals · lead melody · melody peaks · orchestral ·
cinematic · hype · drops · emotional

Optional, im Feinabstimmungs-Feld: kein eingängiger Refrain, kein Hook. Track sitzt unter Voice, ohne mitzunehmen.

Modell: Eleven Music 2. Track-Länge: 60 Sekunden. Zwei Variationen pro Generation als Default.

Track-Outputs

Bewertungs-Notizen

Beobachtung 1: Track-Struktur passt zur Spot-Logik. Intro Pattern und Outro/Resolution sind die natürlichen Ankerpunkte für einen Spot-Anfang und ein Spot-Ende. Groove A und Groove B liefern den mittleren Spannungsbogen.

Beobachtung 2: Tag-Disziplin entscheidet. Wer die Exclude-Liste schludrig pflegt (kein „cinematic", kein „drops", kein „emotional"), bekommt Tracks mit Build-Up und Pathos. Negative Tags wirken stärker als positive.

Beobachtung 3: 60 Sekunden Material gibt redaktionellen Spielraum. Aus dem Minuten-Track wird die Sektion ausgewählt, die unter dem Voice-Skript am wenigsten konkurriert. Das ist eine bewusste Schnitt-Entscheidung, kein Automatismus.

Bonus-Showcase: „Werbung-Briefly", Pop-Jingle mit Vocals

Zweiter Music-Showcase, deutlich mutiger als SaaS Loop One. Ein 30-Sekunden-Werbespot-Song mit weiblicher Lead-Stimme, selbstironischem Text, glossy produzierter Pop-Hook. Produziert in ElevenLabs Music v2, als Beleg dafür, dass die Plattform nicht nur Background-Loops kann, sondern auch markentaugliche Songs mit klarem Hook.

Brief

Erstelle einen 30-Sekunden-Werbespot-Song für ein
Marketing-Tool namens Briefly. Stil: moderner
Pop-Jingle, wie ihn aktuelle TikTok-Spots für
SaaS-Marken nutzen. Glossy produziert, eingängig,
klare Hook, schnelle Wiedererkennung.

Tempo: 110 BPM. Tonart: Dur, freundlich.

Instrumentierung: helle Synths, klare Drums mit
punchy Kick und knackiger Snare, dezenter Bass,
kurzer Synth-Lead in der Bridge. Vollständig
instrumentiert, Vocals sitzen über dem Beat.

Vocals: weibliche Lead-Stimme, klar und nah,
freundlich mit leichtem Augenzwinkern, leicht
auto-tuned.

Aufbau: 4 Sekunden Intro-Hook, 16 Sekunden Strophe,
6 Sekunden Refrain mit Markennamen, 4 Sekunden Outro.

Tonalität: leicht selbstironisch, aber freundlich,
nie sarkastisch.

Vermeiden: emotionale Ballade, aggressiver Drop,
verzerrte Vocals, Trap-Beat, Country, Lo-Fi,
Singer-Songwriter-Akustik, reine Acapella.

Text:

Sag mir, was du willst, ich schreib's dir auf.
Zwei Zeilen rein, zwanzig Minuten raus.
Briefly. Briefly.
Briefing-Schmerz, leiser gestellt.

Track-Output

Was beim Aufsetzen kritisch war

Stolperfalle 1: Modell driftete in Acapella-Generation. Bei den ersten Versuchen hat ElevenLabs Music den Lyrics-Block als „Hauptaufgabe" interpretiert und nur Gesang ohne Instrumentierung generiert. Lösung: Musik-Anweisung dominant am Anfang, „Vocals sitzen über dem Beat", explizite Ausschluss-Zeile „keine reine Acapella" am Ende.

Stolperfalle 2: Aussprache von „KI". Das Modell hat die Buchstaben-Folge K-I als ein Wort gelesen, was die Lyrics zerschossen hat. Lösung: das Wort komplett umgangen. Statt „KI hat geschrieben" jetzt „Sag mir, was du willst, ich schreib's dir auf", bleibt selbstreferenziell auf KI, ohne dass das Modell den Begriff sprechen muss.

Bewertungs-Notizen

Beobachtung 1: Werbe-Pop ist eine eigene Setup-Disziplin. Im Vergleich zu LoFi-Hintergrund-Loops (SaaS Loop One) braucht ein Hook-Song mit Vocals deutlich mehr Brief-Disziplin. Aufbau-Anweisung mit Sekunden-Marken hilft, Struktur zu fixieren.

Beobachtung 2: Lyrics werden tonal interpretiert. Das Modell trägt die selbstironische Tonalität in den Gesang. Klingt nach „Werbung, die sich selbst nicht ganz ernst nimmt", was der gewünschte Brand-Effekt war.

Beobachtung 3: 1.500 Credits pro Minute Musik bleiben. Ein 30-Sekunden-Track verbraucht etwa 750 Credits, der ganze Briefly-Spot mit drei Voice-Stimmen plus zwei Music-Tracks (LoFi-Loop plus Werbe-Song) liegt bei rund 4.300 Credits. In einem 100.000-Credit-Monatsplan etwa 23 vergleichbare Spot-Pakete pro Monat.

Lizenz-Lage

Aspekt 1: Kommerzielle Nutzung im Tarif. Suno, Udio und ElevenLabs Music bieten kommerzielle Nutzung in ihren Pro- und Premium-Tarifen. Free-Tarife haben Einschränkungen.

Aspekt 2: Trainings-Daten-Risiko. Modelle wurden auf Musik-Daten trainiert. Wer einen Track generiert, der einem geschützten Song zu ähnlich ist, kann auf Unterlassung verklagt werden. Risiko bei bekannten Genre-Imitationen höher.

Aspekt 3: Kennzeichnung nach EU AI Act. KI-generierte Musik ist nach Artikel 50 des AI Act ab 2. August 2026 kennzeichnungspflichtig, wenn der synthetische Charakter nicht offensichtlich ist. Für Marketing-Tracks Best Practice unabhängig von Pflicht.

Trade-offs

Take

KI-Musik im Marketing ist eine selektive Disziplin. Hintergrund-Loops und Jingles sind produktiv, vollständige Brand-Spots brauchen Mensch-Beteiligung. Wer das Setup richtig wählt, hat eine günstige Volumen-Quelle für Routine-Audio. Wer „den Werbespot der Marke" damit bauen will, scheitert.

Was offen bleibt

ElevenLabs Music ist Stand Mai 2026 das jüngste Angebot im Markt. Die Reife wächst quartalsweise. Wer 2027 nochmal prüft, sieht möglicherweise eine andere Anbieter-Reihenfolge.