Die hier nun vorgelegten Studien betreffen den Musik-Teil des Projektes und innerhalb desselben die Frage, was musikalisches Verstehen sei. Verstehen ist ein Moment von Bildung, und zwar ein gewichtiges. Das dürfte unstrittig sein, wenn man zugesteht, daß das, was in den Schulen geschieht, nur einen Bruchteil von Bildung ausmacht, und wenn man den allgemeinen Beschreibungen dieses Begriffs als Vorgang und Resultat von Weltaneignung und Kräftebildung ( Humboldt ) oder von Assimilation und Akkomodation ( Piaget ) und Ähnlichem folgt. Ohne solche Akte, die wir Verstehen nennen, läßt sich der Bildung genannte Vorgang nicht gut beschreiben, jedenfalls dann nicht, wenn man sich mit Hinweisen auf Instinktregulierung und Verhaltenskonditionierung nicht zufrieden geben mag.

Wie also ist die Operation, die wir Verstehen nennen, innerhalb der Bildung lokalisiert? An dem Vorgang der Bildung des Individuums sind – wenn wir die verschiedenen Forschungsrichtungen zur Kenntnis nehmen, die sich um dessen Aufklärung bemühen – zahlreiche Komponenten beteiligt, (daß es auch eine Verengung des Bildungsbegriffes, im 19. Jahrhundert entstanden, auf institutionalisierte Lehr-Lern-Zusammenhänge hin gibt, lassen wir hier unerörtert ) unerörtert) z. B.: Physiologische Sachverhalte und deren Veränderung in der Zeit; entwicklungslogisch bestimmbare Stufen oder Phasen der Entstehung kognitiver Fähigkeiten, also vor allem Begriffs- und Urteilsbildung; Formungen durch die sozialen Merkmale von Milieus; Erwerb der Fähigkeiten zur Interaktion in persönlichen Beziehungen; kulturspezifische Modellierung der menschlichen Sinnlichkeit usw. In vielen dieser Hinsichten spielt Verstehen eine Rolle. In der Literatur wird diese Operation zumeist erläutert als eine Dimension sozialer Interaktion, und zwar vorwiegend im Medium der Sprache, als die Fähigkeit des Codierens und Decodierens sprachlicher Äußerungen, besonders aber als die Fähigkeit, sich in die Perspektive des anderen hineinversetzen zu können. Die Übernahme der Perspektive eines anderen setzt eine eigene voraus. Das gilt für Personen, für Texte, für symbolische Präsentationen überhaupt. Sich mit der jeweils anderen Perspektive als anderer bekannt zu machen, kann nur gelingen, sofern nicht nur ein Bewußtsein von der möglichen Perspektiven-Differenz besteht, sondern auch die eigene ins Spiel kommt (das haben Piaget und seine Nachfolger überzeugend zeigen können). Gehört also die Differenz zwischen Ich und (personalem wie sachlichem) Nicht-Ich zum Repertoire des individuellen Bewußtseins und kann diese Bewußtseins-Komponente in Auseinandersetzung mit Anderem praktisch zur Geltung gebracht werden (das prägt sich ungefähr in derjenigen Alterskohorte, von der in den folgenden Studien die Rede sein wird, deutlich aus), dann darf man vermuten, daß die Operation, die wir Verstehen nennen, möglich und zu einer wesentlichen Komponente von Bildung wird. Mit der Tatsache der notwendig ins Spiel zu bringenden eigenen Perspektive ist aber eine Schwierigkeit verbunden: es gibt im Verstehensvorgang einen schwer (wenn überhaupt) zu objektivierenden Anteil der eigenen Innenwelt; habe ich ein Objekt meiner Zuwendung verstanden, dann habe ich auch einen Teil meiner selbst verstanden; im Vorgang des Verstehens fremden Sinns konstruiert sich auch der Entwurf, den ich mir von mir selbst mache. Schleiermacher hat diese Komponente der Hermeneutik divinatorisch (divinieren = raten, ahnen) genannt und sie als unerläßlich für gelingendes Verstehen bezeichnet. Jeder Verstehensakt ist deshalb auch ein Selbstbildungs-Ereignis, eine – wenn auch divinatorische – Artikulation meiner Innenwelt in Bezug auf Anderes.

Genau diese Komponente des Verstehens-Vorganges ist es, die im Falle des Verstehens nicht-sprachlicher Sachverhalte besonders deutlich hervortritt. Keine Schwierigkeit macht es uns zunächst offenbar, auch von nicht-sprachlichen Ereignissen zu sagen, man könne sie verstehen, beispielsweise dadurch, daß wir etwa Körpergesten als Ausdruck für das Innenleben einer Person oder als kommunikativ-informative Mitteilung denken. Aber wie steht es mit ästhetischen Objekten im engeren Sinn? Mit einer Säule, einer Fassade, einem Bild, einem Stück Musik? Die Musik ist der schwierigste Fall und deshalb am besten geeignet, das Problem auf die Spitze zu treiben: sie scheint das am wenigsten anschauliche Medium zu sein; ob man überhaupt sagen kann, eine musikalische Figuration bedeute etwas, habe einen bestimmbaren semantischen Gehalt, ist in der Musikästhetik höchst strittig; die gelegentlich von Therapeuten vorgenommenen Konnotationen von musikalischem Material und bestimmten Gefühlen sind kaum beweiskräftig, weil je die individuelle Varianz zu groß ist; allenfalls die konventionell eingespielten Zuordnungen musikalischer Figurationen und Empfindungs- bzw. Vorstellungsrichtungen können in einigen Fällen ermittelt werden; die Tatsache aber, daß der Organismus durch Musik in bestimmter Weise erregt werden kann, hat noch nichts mit Verstehen zu tun. Denn dieses muß sich – wie beim Wort, das wir nur verstehen, wenn wir uns die Regeln aneignen, nach denen das verbale Material geordnet ist und in die Interaktion eingebracht wird – auf das musikalische Material beziehen. In dieser Bezugnahme spielen, wenn man das oben im Hinblick auf Verstehen gesagte akzeptiert, zwei Hinsichten eine besondere Rolle: musikalisches Material, die innerhalb eines kulturellen Horizonts im Prinzip als ästhetisch möglich geltenden Töne/Geräusche, tritt in je bestimmter Ordnung in Erscheinung – in Intervallen, Rhythmen, Klangfarben usw. – und muß in dieser Hinsicht begriffen werden; es mutet aber darüberhinaus dem Hörer oder Spieler etwas zu, das man eine Korrespondenzleistung nennen könnte: die zum musikalischen Material passende innere Bewegtheit in sich selbst zu finden – z. B. dadurch, daß beim Hören oder Spielen mit Korrespondenz-Entwürfen solange experimentiert wird, bis eine subjektiv als befriedigend empfundene Passung erreicht ist. Dieser Vorgang, obwohl wir auch ihn Verstehen nennen, ist in wesentlichen Hinsichten anders beschaffen als beim Wort-Verstehen. Noch deutlicher als beim Bildverstehen, das, z. B. über Figürliches, immer noch eine wenigstens plausible Brücke zum Wort zuzulassen scheint, ist das Musik-Verstehen ohne fundamentale Bezugnahme auf Leiblichkeit nicht zu beschreiben; deshalb ist es der exponierteste Fall ästhetischen Verstehens.

Nach einer von den Vertretern des symbolischen Interaktionismus favorisierten Definition ist das Verstehen einer signifikanten Geste (Körpergeste, Satz, Bild, Musik usw.): das Hervorbringen derjenigen Empfindungen/Vorstellungen/Ideen, die die Hervorbringung der Geste als signifikante möglich gemacht haben. Der Musikwissenschaftler Faltin nennt das Nachvollzug. Demnach wäre man der Erläuterung dessen, was musikalisches Verstehen ist, wesentlich näher gekommen, wenn es gelingt zu zeigen, was eigentlich nachvollzogen wird und wie das geschieht. Man hätte dann einen wichtigen Baustein für das, was ästhetische Bildung genannt werden darf.