Die vorliegende Studie untersucht die Fähigkeit großer Sprachmodelle (LLMs), um regelkonforme Gattungskontrapunkte nach Johann Joseph Fux' Gradus ad Parnassum (1725) zu generieren. Bisherige Ansätze (Lewin 1983; Schottstaedt 1984) bis zum FuxCP-Projekt (Wafflard 2023; Lamotte 2024), verfolgen einen algorithmischen Weg: Die Regeln werden direkt als Bedingungen oder Suchstrategien einkodiert. Bei LLMs werden die Regeln hingegen in natürlicher Sprache vermittelt und vom Modell interpretiert. Das Verfahren rückt damit der dialogischen Lehrform Fuxens näher.

Für CAMBIATA (Counterpoint and MusicXML By Instructing AI Through APIs) haben wir fünf Lehrtexte verfasst, je einen pro Gattung, die Fuxens Ansatz in eine für LLMs effiziente Sprachform übertragen. Jede Anleitung formuliert die Regeln zu Konsonanz und Dissonanz, Bewegungsarten und Kadenzformeln in zusammenhängender Prosa und schließt mit einer Selbstüberprüfung durch das Modell. Die Anleitungen werden mit einem fuxschen Beispiel an drei LLMs (Claude Opus 4.6, GPT-5.3, Gemini 3 Pro) übergeben; die Cantus firmi entstammen ebenfalls dem Gradus.

Ein Korpus von 450 generierten Lösungen wird sowohl statistisch durch ein eigens entwickeltes Analysesystem als auch partiturbezogen anhand ausgewählter Beispiele untersucht. Drei Tendenzen treten hervor: Die dritte Gattung ist die schwierigste, gefolgt von der fünften; der Kontrapunkt oberhalb des Cantus firmus weist weniger Fehler auf als der Kontrapunkt unterhalb, was eine klare Asymmetrie ergibt; überraschenderweise sind 31 % der Lösungen musikalisch identisch zu einem anderen Lauf. Die Modelle kontrastieren: Gemini ist das stärkste Modell (durchschnittlich 3,28 Fehler pro Lösung) insbesondere in der Dissonanzbehandlung, ChatGPT als Zweitplatzierter (3,97) mit wiederkehrenden Kadenzfehlern, während Claude die höchste durchschnittliche Fehlerquote (8,94) bei systematischer Schwäche in der Dissonanzbehandlung zeigt. In ihren gelungensten Fällen sind die Generierungen kaum mehr von einer menschlichen Lösung zu unterscheiden. Der Beitrag bewertet das Schlussfolgerungsvermögen großer Sprachmodelle an einem klassischen Gegenstand der computergestützten Musiktheorie und überträgt Fuxens dialogische Pädagogik in eine Zeit, in der LLMs zu prägenden Werkzeugen in Forschung und Praxis werden.