Die 192-kHz-Lüge, die Sony-Videokassetten-Verschwörung und warum mich mein eigener Convolver in den Wahnsinn treibt

Wer sich auf die Fahne schreibt, kompromissloses Audio zu wollen, muss irgendwann aufhören, fertigen Consumer-Müll zu kaufen und die Dinge selbst in die Hand nehmen. Genau das mache ich. Ich programmiere meinen eigenen DSP-Convolver – die „Mackern Physics Lab“. Das Ziel: Bitperfektes FIR-Mastering, vollaktiv, ohne das heimliche Herumgepfusche von Betriebssystemen. Klingt nach einem feuchten Audiophilen-Traum, oder? Die Realität ist ein verdammter Spießrutenlauf durch den dümmsten historischen Audio-Krieg der Geschichte. Eine Hürde nach der anderen. Und Schuld daran sind Videokassetten aus den 70ern und dummes Marketing.

Wenn man anfängt, tief auf Systemebene (macOS CoreAudio, Electron, WebAudio API) Audiosignale abzugreifen, um sie in Echtzeit durch 65k-Tap FIR-Filter zu jagen, merkt man schnell: Die gesamte Industrie hat sich gegen echten, puren Klang verschworen.

Fangen wir bei der Wurzel des Übels an.

Der historische Schwachsinn: Warum zur Hölle 44.1 kHz?

Habt ihr euch jemals gefragt, warum wir unsere heiligen Audio-Signale in zwei völlig verfeindete, mathematisch inkompatible Lager aufteilen müssen?

• Die CD-Familie: 44.1 kHz → 88.2 → 176.4 → 352.8
• Die Studio-Familie: 48.0 kHz → 96.0 → 192.0 → 384.0

Wer hat sich diesen krummen Scheiß ausgedacht? Niemand freiwillig. Es ist ein Unfall der Geschichte.

Wir schreiben das Ende der 1970er Jahre. Sony und Philips entwickeln die CD (den Red Book Standard). Das Problem: Es gab damals noch keine Festplatten, die groß oder schnell genug waren, um unkomprimiertes digitales Audio aufzunehmen. Die Ingenieure der EIAJ (Electronic Industries Association of Japan) mussten das digitale Audio-Signal kurzerhand in ein Schwarz-Weiß-Videosignal umwandeln und auf riesige Sony U-Matic Videokassetten (die berüchtigten PCM-1600 und PCM-1630 Prozessoren) speichern!

Die Mathematik dahinter ist so absurd wie real: Ein europäischer PAL-Fernseher lief mit 50 Halbbildern pro Sekunde und hatte 294 nutzbare Zeilen pro Bild. In jede Zeile passten exakt 3 Audio-Samples.
Rechnet mit: 50 Halbbilder × 294 Zeilen × 3 Samples = 44.100.
Das Gleiche in den USA (NTSC): 60 Halbbilder × 245 Zeilen × 3 Samples = 44.100.

Das ist alles! Unser gesamtes HiFi-Erbe basiert auf der Bildwiederholrate europäischer und amerikanischer Röhrenfernseher aus einer Zeit, in der Helmut Schmidt noch Kanzler war.

Währenddessen brauchte die Profi-Fraktion (Rundfunk, Film, und Firmen wie Studer oder Mitsubishi) einen eigenen Standard. Man suchte eine Zahl, die sich perfekt mit dem 24-fps-Kino-Film und der damaligen ISDN-Telefonie (8.000 Hz) synchronisieren ließ.

• 8.000 Hz × 6 = 48.000.
• 24 fps × 2000 = 48.000.

Der Krieg der Sample-Raten war geboren. Und jetzt sitze ich hier, fast ein halbes Jahrhundert später, baue meinen Convolver und muss meiner Engine beibringen, zwei komplett getrennte „Filter-Schubladen“ zu verwalten, weil diese beiden Welten mathematisch bis heute verfeindet sind.

Die 192-kHz-Lüge: Marketing-Bullshit schlägt Mathematik

Als High-Res-Audio eingeführt wurde, standen wir vor einem Problem. 90 % der Musikgeschichte (die alten Master-Tapes) liegen in 44.1 kHz vor. Wenn man das sauber, hochauflösend und puristisch upsamplen will, nimmt man den Faktor 4 und landet bei perfekten 176.4 kHz. Keine krummen Werte, kein Interpolations-Schmutz. Mathematisch blitzsauberes „Integer Upsampling“.

Aber was machten Plattformen wie HDtracks und später die Marketing-Abteilungen der Industrie? Sie drückten uns 192 kHz aufs Auge. Warum? Weil 192 eine größere, geilere Zahl auf dem goldenen Sticker eures DACs ist als 176.4. Der Consumer ist dumm und kauft große Zahlen.

Die Konsequenz? Wenn ihr ein 44.1 kHz Master auf 192 kHz hochrechnen wollt, müsst ihr mit dem absurden Faktor 4,35374 multiplizieren. Das erfordert Asynchrones Resampling (ASRC) aus der Hölle. Chiphersteller wie Burr-Brown, AKM und ESS Technology mussten buchstäblich doppelte Quarz-Oszillatoren (einen für 22.5792 MHz, einen für 24.5760 MHz) in ihre High-End-DACs einbauen, nur um diesen historischen Wahnsinn abzufedern.

Mein Convolver muss flexibel programmiert sein, um diesen Mist zu umschiffen.

Hürde 2: macOS, Tim Cook und der Apple Music Sabotage-Akt

Um meinen FIR-Convolver am Mac zu füttern, muss ich das Signal von Apple Music abgreifen. Das geht nur über virtuelle Kabel wie das geniale BlackHole (von Existential Audio).

Aber Apple weigert sich auf dem Mac konsequent, einen Exklusivmodus für Apple Music anzubieten. Tim Cook und seine Ingenieure interessieren sich einen Dreck für das 1% der Audiophilen. Sie wollen AirPods verkaufen. Das heißt: Apple Music passt die Sample-Rate eures Systems nicht nativ an das Lied an. Wenn ihr Apple Music über BlackHole in den Convolver jagt und das System auf 176.4 kHz steht, zwingt Apple den hauseigenen CoreAudio-Upsampler dazwischen, um jedes popelige 44.1-Lied künstlich hochzupumpen. Ja, der CoreAudio-Upsampler ist mathematisch grandios. Aber er ist eben nicht Bit-Perfect. Er ist eine Bevormundung durch das Betriebssystem.

Hürde 3: Tidal, der Exklusiv-Modus und das verdammte Knacksen

Okay, dachte ich mir, dann nutze ich eben Tidal. Tidal hat einen Exklusivmodus! Tidal umgeht den Mac-Mixer und übernimmt die brutale Hardware-Kontrolle über BlackHole. Hat der Track 44.1, läuft das System auf 44.1. Kommt danach ein Hi-Res-Track in 96 kHz, schaltet Tidal das System in Millisekunden um. Bit-Perfektion pur!

Das Problem? Es bringt meine App fast um.
Mein selbst programmierter Convolver verlässt sich auf einen konstanten Takt. Wenn Tidal im Hintergrund während der Laufzeit plötzlich die Sample-Rate von BlackHole ändert (von 44.1 auf 96), zerreißt es meiner Engine buchstäblich den Audio-Puffer. Das Ergebnis: „Klick!“ „Knack!“ Buffer Underrun (Xrun). Die FIR-Filter passen plötzlich nicht mehr zur Input-Rate, das System spuckt Verzerrungen oder stirbt ab. Ich verbringe Nächte damit, den Browser-Latenz-Buffer im Code künstlich aufzublähen (latencyHint: 'playback') und komplexe Track-Scanner zu schreiben, die Filter dynamisch und „on-the-fly“ aus den passenden Schubladen laden.

Hürde 4: Clock Drift – Wenn Hardware lügt

Und als ob das nicht reicht: Wenn ihr BlackHole als Eingang für den Convolver nehmt und das fertig gefaltete Signal an euren High-End USB-DAC (sei es ein RME, Gustard oder Trinnov) schickt, habt ihr zwei verschiedene Uhren im System. BlackHole nutzt die billige CPU-Clock eures Macs, euer DAC hat einen eigenen Femtosekunden-Quarzoszillator.
Die driften unweigerlich auseinander. Selbst wenn beide auf 176.4 kHz laufen, fehlt nach drei Minuten irgendwo ein winziges Sample. Euer Mac gerät in Panik, verschluckt sich → Klick.
Die einzige Lösung: Tief im macOS Audio-MIDI-Setup ein Aggregated Device aus beiden basteln, den DAC als Clock-Master definieren und BlackHole die „Drift-Korrektur“ aufzwingen, damit macOS in Echtzeit die Zeitdifferenz herausrechnet.

FAZIT: Wir fressen nicht länger, was man uns vorsetzt

Macht euch nichts vor: Die moderne Audio-Industrie ist verkommen. Es ist ein bequemer Sumpf aus verschlossenen Ökosystemen, asynchronem Resampling und Marketing-Lügen. Firmen wie Roon Labs (Enno Vandermeer) oder Audirväna haben dieses Routing-Problem zwar genial gelöst – aber sie lassen sich dieses Wissen fürstlich bezahlen und sperren euch in ihren goldenen Käfig ein. Eine offene Schnittstelle für externe DSPs? Fehlanzeige.

Stattdessen müssen wir uns mit Betriebssystemen herumschlagen, die Audio behandeln wie System-Pings für eingehende E-Mails, und mit Streaming-Diensten, die nicht wissen, wie man hardwarenahe APIs sauber anspricht.

Genau deshalb baue ich die Mackern Physics Lab. Weil ich es satt habe. Weil ich nicht akzeptiere, dass ein fauler Kompromiss aus den 80er Jahren (Video-Kassetten!) oder eine willkürliche Entscheidung eines Apple-Programmierers darüber entscheidet, wie mein Lautsprecher angesteuert wird.

Wir bauen unseren Convolver jetzt so, dass er die Filter dynamisch und gnadenlos nach Sample-Rate sortiert. Wir nageln die Engine auf 176.4 kHz (Integer Upsampling sei Dank) und umgehen das krumme Resampling-Chaos der 192-kHz-Lüge. Wir zwingen die Clock-Drift-Korrektur in die Knie.

Echtes Audio verzeiht keine krummen Zahlen. Und ich verzeihe der Industrie keine heimlichen Upsampler mehr. Es wird hart, es knallt, und es kostet Nerven – aber am Ende steht die kompromisslose Bit-Perfektion. Nur so wird ein Schuh draus!