Livestream Audio: Kabarett in 3D der Lach- & Schießgesellschaft

Warum Kabarett im Stream mehr braucht als nur guten Ton

Viele Livestreams waren bis jetzt vor allem eines: praktisch.

Sie haben funktioniert. Man konnte etwas sehen. Man konnte etwas hören. Das war wichtig. Aber oft blieb das Erlebnis flach. Es fühlte sich nicht nach Bühne an. Nicht nach Raum. Nicht nach einem echten Abend mit Publikum.

Gerade bei Kabarett und Comedy ist das ein Problem.

Denn hier geht es nicht nur um Sprache. Es geht um Timing. Um Pausen. Um Reaktion. Um das Lachen im Raum. Um die Energie, die zwischen Bühne und Publikum entsteht. Genau dieser Teil geht in klassischen Streams oft verloren.

Ein wesentlicher Unterschied liegt in den akustischen und räumlichen Eigenschaften von binauralen Aufnahmen, die es ermöglichen, Schallquellen präzise im Raum zu lokalisieren und so ein deutlich immersiveres Klangbild zu erzeugen.

Man hört dann zwar, was gesagt wird. Aber man erlebt nicht mehr, wie es gesagt wird. Und vor allem nicht, wie es im Raum wirkt.

Genau da setzte dieses Projekt an.

Für die Münchner Lach- & Schießgesellschaft entstand eine 3D-Audio-Demo, die zeigen sollte, was im Streaming technisch und gestalterisch eigentlich möglich ist.

Die Idee war nicht, einfach nur „besseren Ton“ zu liefern. Die Idee war, das Erlebnis selbst zurückzuholen.

Wer Kopfhörer aufsetzt, sollte nicht nur einen Livestream hören. Man sollte das Gefühl haben, tatsächlich im legendären Laden zu sitzen.

Für mich war dieses Projekt deshalb so spannend, weil es gezeigt hat, wie stark immersives Audio auch im Kulturbereich wirken kann. Es ging nicht um Effekte. Es ging um Präsenz.

Wenn ein Stream es schafft, den Raum wieder hörbar zu machen, verändert sich alles. Dann ist die Bühne nicht mehr nur ein Bild auf dem Bildschirm. Dann bekommt sie wieder einen Ort.

Dann sitzt das Publikum nicht mehr als flache Reaktionsspur im Hintergrund. Dann wird es wieder Teil des Geschehens.

Und genau das ist bei Kabarett entscheidend.

Denn ein guter Abend lebt nicht nur von den Künstlern. Er lebt auch von der Atmosphäre im Saal. Vom kollektiven Lachen. Von der Spannung. Von dem Moment, in dem ein Raum gemeinsam reagiert.

Gerade hier stellt sich die Frage, wie präzise Schallquellen im Raum zugeordnet und interpretiert werden können, da dies maßgeblich das immersive Hörerlebnis und die Übertragung von Atmosphäre beeinflusst.

Diese Qualität digital zu übertragen, war der eigentliche Sinn dieses Projekts.

Im Video zu sehen und zu hören sind unter anderem Bruno Jonas, Irmgard Knef, Faltsch Wagoni und Alberto Lovison. Für alle, die sich fragen, was in dieser Zeit an neuen Formaten entwickelt wurde, ist diese Demo ein ziemlich guter Einblick.

Leider war das Projekt aus meiner Sicht sehr verheißungsvoll, konnte sich aber nicht langfristig durchsetzen. Hinter den Kulissen scheiterte es letztlich an Ego-Konflikten der Betreiber.

Wer sich dafür näher interessiert, findet unter dem Stichwort „Frank Klötgen: Die Münchner Lach und Schieß Gesellschaft 2020–2023“ weitere Hintergründe.

Trotzdem bleibt die Arbeit selbst für mich ein starkes Beispiel dafür, was Livestream-Audio leisten kann, wenn man es ernst nimmt.

Wie aus einem Stream eine hörbare 3D-Szene mit Schall wurde

Der entscheidende Unterschied lag im Ansatz.

Es wurde nicht einfach der Ton aus dem Mischpult genommen und als Livestream-Signal ausgegeben. Genau das hört man im Video als „TV-Sound“. Bei der 3D-Version hört man dagegen meine binaurale Mischung. Und damit einen komplett anderen Zugang.

Ich habe bei diesem Projekt die Mikrofonierung übernommen und die binaurale Mischung für den Livestream erstellt. Die Ausführung der binauralen Aufnahme erfolgte unter optimalen Bedingungen, um eine präzise räumliche Wiedergabe zu ermöglichen.

Dabei wurden die technischen Anforderungen an Mikrofonplatzierung, Raumakustik und Abspieltechnik beachtet, um einen natürlichen Höreindruck zu erzielen.

Im Zentrum stand ein binaurales Hauptsystem auf Bühnenposition. Also dort, wo sich auch die Wahrnehmung des Hörers verankern sollte: aus Sicht eines guten Sitzplatzes im Publikum, leicht erhöht und in Richtung Saal ausgerichtet.

Die Mikrofonplatzierung und die Größe der Mikrofonbasis – insbesondere bei Kunstkopf- oder Scheibenmikrofonen – spielen eine entscheidende Rolle für die Authentizität der räumlichen Abbildung.

Dieses Hauptsystem war die Basis der gesamten Szene. Es hat den Raum eingefangen. Die Richtung. Die natürliche Tiefenstaffelung. Es ging also nicht nur darum, möglichst viel Klang zu sammeln, sondern genau die Informationen festzuhalten, die unser Gehör für räumliche Wahrnehmung braucht.

Dabei werden verschiedene Bereiche wie die Horizontalebene, Medianebene und der Höhenbereich abgebildet, um die Lokalisation von Schallquellen im Raum zu ermöglichen.

Dazu kamen ergänzende Spot-Mikrofone für die Performer, zum Beispiel als Headset oder Shotgun. Diese Spots waren aber bewusst nicht als trockene Hauptquelle gedacht. Sie sollten die Verständlichkeit stützen, mehr nicht.

Ein wichtiger Aspekt ist die Bezeichnung und Auswahl der verwendeten Mikrofone und Aufnahmetechniken. Für binaurale Aufnahmen werden häufig Kunstkopf-Mikrofone, Stereomikrofone oder spezielle Dummy-Head-Systeme eingesetzt.

Diese Instrumente sind darauf ausgelegt, die akustischen Eigenschaften des menschlichen Kopfes und der Ohrmuscheln nachzubilden, um eine realistische räumliche Wiedergabe zu erreichen.

Denn sobald Spot-Mikrofone zu direkt und zu dominant werden, kippt die Wahrnehmung schnell in diesen typischen „In-Head“-Sound, den viele kopfhöreroptimierte Produktionen leider erzeugen.

Dann sitzt die Stimme nicht mehr vorne auf der Bühne, sondern plötzlich mitten im Kopf des Hörers. Genau das sollte vermieden werden.

Deshalb wurden die Spots mit viel Zurückhaltung eingesetzt.

Ein weiterer zentraler Baustein waren separate Publikumsmikrofone seitlich und hinten im Raum. Sie waren entscheidend, um Lachen und Reaktionen nicht als flache Summe abzubilden, sondern als räumlich verteilte Ereignisse.

Die Kanäle und deren saubere Trennung sind dabei essenziell, um eine authentische räumliche Abbildung zu gewährleisten. Nur so können die einzelnen Bereiche des Raums – vorne, seitlich, hinten – klar voneinander unterschieden werden.

So konnte man als Zuhörer wirklich wahrnehmen: Das Lachen kommt seitlich. Die Reaktion entsteht hinten im Raum. Die Bühne bleibt vorne. Die genaue Lokalisation von Schallquellen auf einer bestimmten Seite oder Stelle im Raum basiert auf Differenzen wie interauralen Laufzeitunterschieden (ITD) und Pegeldifferenzen (ILD).

Das verändert die Wirkung enorm. Denn dadurch entsteht Orientierung. Der Raum wird lesbar.

Die Show wird nicht mehr nur als Audiospur wahrgenommen, sondern als Situation. Die räumliche Wahrnehmung wird zusätzlich durch Frequenzbereiche, Frequenzen und den Frequenzgang des äußeren Ohres beeinflusst.

Unterschiedliche Wellenlängen und die Form der Ohrmuschel sorgen für charakteristische Filtereffekte, die die Richtungsempfindlichkeit und das Klangbild prägen.

Auch Kamera und Audio wurden nicht getrennt gedacht. Der Fokus lag nicht auf einer klassischen Totalen, sondern auf einer klaren POV-Idee. Also nicht bloß: „Hier ist die Bühne.“ Sondern: „Hier sitzt du.“

Auch die Signalführung folgte diesem Prinzip.

Es gab keinen klassischen FOH-Summenmix. Stattdessen wurde eine echte 3D-Szene gebaut:

• binaurales Hauptsystem als räumliche Basis

• Spot-Mikrofone nur zur Stützung der Sprache

• Publikum bewusst im Raum verteilt

• Perspektive fix auf einen Sitzplatz im Raum

Besonders wichtig war dabei der Erhalt von Laufzeitunterschieden und Pegeldifferenzen – also genau den akustischen Informationen, mit denen unser Gehör Richtung und Position wahrnimmt.

In der Fachsprache geht es dabei um ITD und ILD. Für das Hörerlebnis heißt das ganz einfach: Der Raum fühlt sich glaubwürdig an. Die Kanaltrennung ist dabei entscheidend, um die räumliche Abbildung zu erhalten.

Auch gestalterisch war Zurückhaltung entscheidend.

Der Hall wurde nicht künstlich erzeugt. Er kam aus dem realen Raum. Die Dynamik blieb erhalten. Das Publikum durfte leiser oder lauter sein als die Sprache. Es wurde nicht alles platt in Richtung Broadcast-Kompression gedrückt.

Denn genau diese Unterschiede machen Live-Erlebnisse glaubwürdig.

Binaurale Aufnahmen bieten viele Vorteile, insbesondere für immersive Audioformate und Virtual Reality. Sie ermöglichen eine dreidimensionale Klangabbildung, die mit klassischen Stereoaufnahmen nicht erreichbar ist.

Welche Ergebnisse am Ende entstanden sind

Am Ende entstand kein gewöhnlicher Stream.

Es entstand ein Format, bei dem Remote-Zuschauer die Show als räumliches Ereignis wahrnehmen konnten, nicht nur als Video mit Ton.

Mit Kopfhörern hatte man tatsächlich das Gefühl, im Raum zu sitzen. Die Bühne war klar vor dem Hörer verortet. Nicht im Kopf, sondern vor einem.

Das Publikum war physisch um den Hörer herum erfahrbar. Lachen entstand seitlich oder von hinten. Der Saal öffnete sich nach hinten. Die Performer blieben vorne.

Die Ergebnisse der Analyse und Bewertung der räumlichen Wahrnehmung und der Qualität der Umsetzung zeigten, dass die Lokalisierung der Schallquellen und die immersive Wirkung des Livestream Audio-Formats besonders überzeugend waren.

Dadurch entstand etwas, das klassische Stereo-Streams oft nicht schaffen: Präsenz.

Man konnte hören, wer gerade spricht. Man konnte hören, woher eine Reaktion kommt. Man konnte den ganzen Abend als räumliche Situation erfassen, statt nur einzelne Signale serviert zu bekommen.

Das Ergebnis war nicht nur immersiver, sondern auch angenehmer beim Hören.

Denn wenn ein Stream räumlich geordnet ist, muss das Gehirn weniger sortieren. Das reduziert Ermüdung.

Man bleibt länger konzentriert. Man hört entspannter zu. Gerade bei wortlastigen Formaten wie Kabarett ist das ein großer Vorteil.

Für mich war genau das die eigentliche Stärke dieses Projekts.

Es hat gezeigt, dass Livestreaming nicht zwangsläufig nach Notlösung klingen muss. Im Gegenteil: Wenn man es richtig aufbaut, kann ein Stream eine eigene Qualität entwickeln. Eine, die nah an echtes Dabeisein herankommt.

Und das ist aus meiner Sicht mehr als nur eine technische Spielerei.

Es ist ein Hinweis darauf, wie Kulturformate auch digital ihre räumliche Kraft behalten können.

Die Münchner Lach- & Schießgesellschaft war dafür ein ideales Beispiel. Ein traditionsreicher Ort. Ein starkes Programm. Ein Publikum, das Teil des Geschehens ist.

Genau diese Mischung konnte durch das 3D-Audio nicht nur übertragen, sondern neu erfahrbar gemacht werden.

Deshalb bleibt dieses Projekt für mich ein wichtiger Beweis.

Ein Beweis dafür, dass man mit guter Mikrofonierung, binauraler Mischung und einer klaren Perspektive aus einem Stream wieder einen echten Abend machen kann.

Nicht einfach Fernsehen. Sondern Bühne.