Die menschliche Stimme hat sich über Jahrmillionen entwickelt, ihre Ausdrucksmöglichkeiten wurden immer komplexer. Unsere heutige Sprache, die Schrift, unsere Kultur und Wissenschaft – und damit einige der wichtigsten Schritte der Menschheitsgeschichte – haben ihren Ursprung nicht zuletzt im Kehlkopf unserer Vorfahren.
Eigentlich unspektakulär, was der Hauptbestandteil jedes gesprochenen Wortes ist: Es ist Luft. Sie strömt aus der Lunge, kommt am Kehlkopf vorbei und wird dort durch die schwingenden Stimmlippen zum Ton. So bildet sie den Grundstein dafür, dass sich die Stimme zu einem der folgenreichsten Werkzeuge des Menschen entwickelte – lange bevor es Schrift oder Wissenschaften gab.
Kommunikation ist natürlich keine Erfindung des Menschen. Unter Tieren gibt es unzählige Wege, Informationen zu vermitteln: Sie reichen von Duftstoffen bis zur Körperhaltung, von Farbwechseln, Berührungen, Schwingungen oder sogar elektrischen Impulsen bis hin zu Lauten und Geräuschen aller Art. Eingesetzt werden diese Signale immer dann, wenn gerade wichtige Dinge mitgeteilt werden sollen, etwa wenn Gefahr droht, Paarungsbereitschaft signalisiert wird oder Rangordnungen ausgehandelt werden.
Die Fähigkeit, Laute wie Warnschreie oder Lockrufe zu erzeugen, unterschied die frühen Menschen und deren Vorfahren vor Millionen von Jahren erst einmal nicht von anderen Tieren. Und auch heute teilen wir die Grundlagen der Lauterzeugung noch mit vielen Säugetieren und Primaten. Ob ein Hund bellt, ein Pferd wiehert oder ein Mensch spricht: Die jeweiligen Laute entstehen immer dann, wenn Luft beim Ausatmen durch den Kehlkopf fließt. Der Luftstrom setzt die Stimmlippen an den Seiten des Kehlkopfs, umgangssprachlich oft Stimmbänder genannt, in Schwingung. Sie erzeugen einen ersten rohen Ton.
Die Verfeinerung des Tons findet anschließend durch Bewegungen von Mund, Zunge, Lippen, Kiefer und Gaumensegel statt. So werden die rohen Töne zu differenzierteren Lauten geformt. Und hier unterscheidet sich der Mensch nun doch von den anderen Tieren. Kaum eine andere Art kann Stimme und Laute so kleinteilig und komplex steuern wie der Mensch. Flüstern, Säuseln, Näseln, Knarzen, Schreien, Lachen, Hauchen – all das gehört zum besonderen Ausdrucksspektrum der menschlichen Stimme.
Grundlage für Kommunikation
Diese differenzierten Fähigkeiten haben sich über Millionen von Jahren entwickelt und sind Teil einer echten Erfolgsgeschichte. Denn mit der Entwicklung der Stimme entstand auch die Grundlage für immer komplexere Formen der Kommunikation, aus denen später Sprach- und Schriftsysteme hervorgingen. Und mit ihnen die Möglichkeit, abstrakte Dinge darzustellen, weiterzugeben und zu bewahren. So entstanden wichtige Voraussetzungen für Kultur und Wissenschaft.
Heute befähigt uns die Sprechstimme also nicht nur dazu, im Hier und Jetzt zu kommunizieren. Sie hat auch die Grundlage dafür geschaffen, dass wir über Dinge sprechen können, die über die greifbare Gegenwart hinaus gehen. Wir können Vergangenes und Zukünftiges besprechen, abstrakte oder hypothetische Sachverhalte erörtern. Unsere Sprache befähigt uns zu Ironie, Scherz, Übertreibung oder zur Lüge.
Wo genau der Anfangspunkt unserer Sprache liegt und wie die Entwicklung von den Lauten eines Urmenschen bis zu unserer heutigen Sprechfähigkeit abgelaufen ist, lässt sich nicht genau bestimmen. Sicher ist aber, dass die Veränderungen des Kehlkopfs, zum Beispiel durch den aufrechten Gang, wie auch die Weiterentwicklung des Gehirns eine wichtige Rolle spielten.
Da es über den größten Zeitraum hinweg keine Aufzeichnungen der menschlichen Stimme gibt, kann die Entwicklung in der Forschung nur indirekt durch andere Hinweise hergeleitet werden. Untersuchte Schädel früher Homo-Arten, besonders deren Kehlkopfregion, das Zungenbein oder das Gehirnvolumen, sowie Werkzeugfunde oder frühe Kunst lassen Rückschlüsse auf wichtige Veränderungen zu.
Mit der veränderten Körperhaltung und der Umgestaltung von Schädel, Hals und Atemwegen der ersten Menschenarten entwickelte sich zum Beispiel der Vokaltrakt weiter. Beim Menschen liegt der Kehlkopf tiefer als bei vielen anderen Primaten. Dadurch entsteht ein Resonanzraum, der die besonders vielseitige Lautbildung begünstigt. Schon frühe Vertreter der Gattung Homo besaßen durch diese veränderte Körperhaltung und den veränderten Kehlkopf vermutlich eine bessere Atem- und Lautkontrolle als andere Primaten. Mit dem Homo erectus, der vor rund 1,9 Millionen Jahren auftrat, zeigen sich so etwa ein menschenähnlicherer Körperbau, bessere Ausdauerbewegung, Werkzeuggebrauch und vermutlich komplexere soziale Abstimmung. Alles wichtige Faktoren, die auch für die Weiterentwicklung der Kommunikation bedeutsam gewesen sein dürften. Forschungen legen nahe, dass der menschliche Vokaltrakt sich seit dem anatomisch modernen Homo sapiens, also grob seit 200.000 bis 300.000 Jahren, nicht mehr maßgeblich verändert hat. So kann angenommen werden, dass die anatomischen Grundlagen für eine komplexe Lautbildung spätestens beim Homo sapiens weitgehend vorhanden waren – möglicherweise auch bei seinem Verwandten, dem Neandertaler.
Die folgenden Entwicklungen spielten sich anschließend also weniger im Kehlkopf ab, dafür aber im Gehirn. Die entscheidenden Veränderungen lagen von da an also bei der Verknüpfung dieser anatomischen Gegebenheiten mit sozialem Lernen und kulturellen Strukturen.
Gesang spielte eine besondere Rolle
So wurde beim Homo sapiens aus den sprachähnlichen Kommunikationssystemen früher Menschenformen vermutlich eine immer komplexere Sprache mit Grammatik, abstrakten Begriffen und auch erzählerischer oder ritueller Funktion. Lange bevor der Mensch also schrieb, lebte er überall auf der Welt in sogenannten oralen Kulturen, die nicht nur von Sprache, sondern maßgeblich auch von Gesang geprägt gewesen sein dürften.
Allmählich entwickelte sich eine Kommunikation, die über den direkten Moment hinaus funktionierte. Mythen, Lieder, Rituale, Heilwissen, Regeln und Abstammungsgeschichten wurden mündlich überliefert und konnten so Generationen überdauern. Gesang und Lieder spielten in mündlichen Kulturen vermutlich eine besondere Rolle. Sie machten Sprache nicht nur klangvoller, sondern auch einprägsamer. Die Forschung zeigt, dass Melodie und Rhythmus beim Erinnern helfen, weil sie Sprache strukturieren und so als Gedächtnisstütze dienen. Besonders wiederholte rhythmisch oder melodisch geformte Inhalte bleiben oft leichter abrufbar als frei gesprochene Sprache. Einige Forschende vermuten sogar, dass die singfähige Stimme evolutionär älter ist als die komplexe artikulierte Sprache.
Wer gemeinsam sang, handelte nicht nur Informationen aus, sondern stellte Zugehörigkeit her. Daran hat sich bis heute nichts geändert. Beim Singen funktioniert die Stimme übrigens anders als beim Sprechen: Die Atmung ist regelmäßiger, Töne werden länger gehalten, Rhythmus und Melodie strukturieren den Inhalt. Studien zeigen, wie Singen sich auf den Körper auswirkt. Gut belegt ist vor allem, dass die Menge des Stresshormons Cortisol abnimmt. Es gibt auch Hinweise, dass das für soziale Bindung relevante Hormon Oxytocin ausgeschüttet wird, jedoch sind die Befunde nicht einheitlich. Nicht zuletzt zeigt die Wirkung von Wiegenliedern, dass Gesang mehr ist als gesprochene Sprache, die einfach nur eine Melodie besitzt. Babys reagieren auch ohne Vorwissen oder kulturellen Kontext auf Tempo, Klang, Wiederholung und vertraute Stimmen.
Vor gut 5.000 Jahren entstand schließlich die Schrift, zunächst für Verwaltung und Handel. Die frühesten Schriftsysteme sind vor allem aus Mesopotamien bekannt, einer Region im heutigen Irak. Zu den frühen Texten gehörten etwa Listen über Getreide, Vieh, Arbeitskräfte oder Abgaben, also Notizen darüber, wer was geliefert, erhalten oder verwaltet hatte. Das Metropolitan Museum nennt frühe Tontafeln als administrative Aufzeichnungen zu Gerste und anderen Gütern. Sie machte Sprache dauerhaft speicherbar und wurde zur Grundlage von Hochkulturen, Wissenschaft und Geschichte.
Die frühesten Schriftsysteme begannen allerdings nicht sofort als Verschriftlichung gesprochener Sprache. Sie starteten oft mit Zeichen für Dinge, Mengen und Verwaltungsdaten. Erst später wurden Zeichen auch systematisch für Laute, Silben und Wörter genutzt. Konsequent phonologische Systeme, bei denen wie bei unserem Alphabet ein Schriftzeichen für einen Laut steht, werden besonders ab dem 3. Jahrtausend v. Chr. greifbar.
Mit der Erfindung der Schrift wurde der Grundstein für eine weitere Entwicklung der gesprochenen Sprache gelegt. Diese wurde durch Schrift sichtbar und dauerhaft. Auch komplexere Gedanken konnten nun den Moment des Sprechens überdauern. Aus mündlich überliefertem Wissen wurden Texte, aus Erzählungen wurden Archive, aus Regeln wurden niedergeschriebene Gesetze, aus Erinnerung wurde festgehaltene Geschichte. Schrift machte Verwaltung, Religion, Wissenschaft, aber auch Sprachkunst und Literatur möglich. Sie erlaubt es, Informationen über große Entfernungen und über viele Generationen hinweg zu bewahren.
Stimme als Machtinstrument
Ein Ersatz für die Stimme wurde die Schrift allerdings nicht. Denn bis heute gibt es Dinge, die nur durch die Stimme oder den direkten Kontext vermittelt werden können. So bleibt die individuelle Stimme eines Menschen ein Zeichen von Identität. Sie verrät Herkunft, Stimmung, Alter, soziale Prägung. Selbst Kriminalfälle können sprachforensisch gelöst werden, wenn die Stimme etwa bei einem Erpresseranruf durch kleinste Feinheiten für einen geübten Forensiker wesentlich mehr preisgibt, als man meint.
Aber auch unabhängig davon können sprachliche Eigenheiten eine Wirkung auf andere haben. Ein Dialekt kann Sympathie erzeugen oder umgekehrt Vorurteile hervorrufen. Ein fremder Akzent kann als charmant oder störend wahrgenommen werden. Eine tiefe, ruhige Stimme wird oft mit Autorität verbunden, eine wackelnde Stimme mit Unsicherheit oder Verletzlichkeit. Solche Zuschreibungen sind nicht selten kulturell geprägt.
Stimme ist auch ein Machtinstrument. Wer in einer Gruppe am lautesten spricht, wer andere unterbricht, wer poltert oder schreit, verschafft sich leichter Gehör. Auch in neutralen Kontexten, in Parlamenten, auf Bühnen, in Klassenzimmern, vor Gericht oder in den Medien zeigt sich: Das Wort zu haben, eine Stimme zu haben, bedeutet, wahrgenommen zu werden. Menschen und Gruppen, denen historisch das Wort entzogen wurde, kämpfen deshalb bis heute darum, gehört zu werden – im wörtlichen wie im übertragenen Sinn.
Mit Künstlicher Intelligenz tritt nun eine neue Stufe hinzu, die den Umgang mit gesprochenen Inhalten oder auch mit Gesangsstimmen maßgeblich ändern dürfte. Stimmen können synthetisch erzeugt, imitiert und verändert werden. Sprachassistenten antworten in menschlich klingendem Ton, automatische Übersetzungen sprechen mit künstlicher Stimme, Stimmen realer Personen können täuschend echt nachgeahmt werden. Damit stellt sich eine alte Frage neu: Was hat Stimme mit Identität zu tun? Wem gehört eine Stimme? Kann der Mensch sie am Ende noch sein Eigen nennen?