Der Wechsel von monauralem Ton zu binauralem Audio mit Head-Tracking und Raumakustik hob die VR-Immersionsbewertungen in einer Studie mit 17 geschulten Hörern auf einer 9-Punkte-Skala von 3,88 auf 7,91. Dieser Laborgewinn steht neben einer sehr viel nüchterneren gepoolten Zahl: Der Effekt von Sound auf die Präsenz beträgt über 13 Effektstärken r = 0,260 und liegt damit unter dem des Nutzer-Trackings mit r = 0,408. Über 243 veröffentlichte Studien hinweg liegt der Median des Igroup Presence Questionnaire (IPQ) bei nur 0,28 auf einer Skala von -3 bis 3, und die Belege dafür, dass sich davon etwas auf kommerzielle Spiele übertragen lässt, sind dünn. Wir haben Daten aus ACM TOCHI, ACM CHI, PLOS ONE, den Frontiers-Zeitschriften, Presence: Teleoperators and Virtual Environments und von Meta Reality Labs zusammengeführt. Für Daten zu Verbreitung und Geräten siehe unsere separate Zusammenstellung der Statistiken zu räumlichem Audio; diese Seite behandelt, was Sound mit der gemessenen Präsenz (“dem Gefühl, dort zu sein”) und mit den Immersionswerten macht.
TL;DR
- Der gepoolte Effekt von Sound auf die Präsenz beträgt r = 0,260, 95% CI [0,203; 0,317], N = 757, während das Nutzer-Tracking r = 0,408 erreicht (Media Psychology, Cummings und Bailenson 2016).
- Der mediane IPQ-Wert über 243 Studien liegt bei 0,28 auf einer Skala von -3 bis 3, und Studien mit Head-Mounted-Display (HMD) erreichen im Mittel M = 0,5 (ACM TOCHI, Tran et al. 2024).
- Volles Audio-Rendering bei 20% Video erzielte 5,79 und entsprach damit den 5,76 für binaurales Audio ohne Nachhall bei 100% Video, p = 0,891 (Frontiers in Signal Processing, Potter et al. 2022).
- Eine Klanglandschaft bewegte die IPQ-Einzelitem-Präsenz mit η² = 0,386, gegenüber η² = 0,130 bei Schrittgeräuschen, doch die IPQ-Skala Räumliche Präsenz zeigte keinen signifikanten Effekt (Frontiers in Robotics and AI, Kern und Ellermeier 2020).
- Verbessertes Audio hob die Audioqualität in Job Simulator von 7,11 auf 7,43, F(1,63) = 24,49, p<0,001 (Frontiers in Virtual Reality, Mavridou et al. 2025, gefördert vom Entwickler des Tools).
- Ein Test mit einem Horrorspiel, 3D-Audio gegenüber Stereo, fand keinen signifikanten Fragebogenunterschied bei Immersion oder Präsenz (Aalborg University, Larsen und Pilgaard 2015).
- Der IPQ zeigte in einem Vergleich von vier Fragebögen r = 0,82 für die Ortsillusion, N = 50 (ACM CHI, Degenhard et al. 2025).
- Der IPQ erreichte α = 0,87 und benötigte im Mittel 2,449 Minuten zum Ausfüllen (ACM CHI, Schwind et al. 2019).
- Das Tragen eines Head-Mounted-Displays (HMD) erhöhte den Elevationsfehler bei der Schallortung in einem Test mit verbundenen Augen um etwa 1,8° (PLOS ONE, Ahrens et al. 2019).
- Von 21 Ergebnissen zu Präsenz und Cybersickness sind 11 negativ, 6 positiv und 4 Nullergebnisse (Frontiers in Psychology, Weech et al. 2019).
1. IPQ-Benchmarks: Wie Präsenzwerte über 243 Studien aussehen
Der mediane veröffentlichte IPQ-Wert beträgt 0,28 auf einer Skala von -3 bis 3. Ein Wert, der bescheiden klingt, ist also normal, und die obersten 5% der Bedingungen beginnen erst bei 1,30. Jedes Audio-Team, das einen rohen IPQ-Wert nennt, braucht diesen Kontext, bevor es ein Ergebnis als gut oder schlecht bezeichnet, und genau dazu dient die zwei Jahrzehnte umfassende IPQ-Analyse in ACM TOCHI.
Die Aufteilung nach Subskalen ist der nützliche Teil. Erlebter Realismus ist die einzige Subskala mit negativem Mittelwert, ob sich die virtuelle Welt echt anfühlt, ist also die schwächste Dimension im Benchmark, und Abschnitt 3 zeigt, dass Sound sie bewegen kann. Die Analyse enthält keine Aufschlüsselung nach Sound-Bedingung, daher kann bisher niemand sagen, was Audio zu diesen Benchmarks beiträgt.
| Metrik | Wert | Quelle |
|---|---|---|
| Korpus und IPQ-Gesamtwert, umskaliert auf die Spanne von -3 bis 3 | 243 Studien aus 229 Arbeiten, 9.354 Teilnehmende; M = 0,4, SD = 0,5, Mdn = 0,3 | Tran et al., ACM TOCHI 2024 |
| Perzentil-Grenzwerte des Gesamtwerts, alle Studien | P50 = 0,28, P75 = 0,73, P90 = 1,07, P95 = 1,30 | Tran et al., ACM TOCHI 2024 |
| IPQ-Wert nach Displaytyp: Head-Mounted-Display (HMD) gegenüber Projektion gegenüber monoskopischem Desktop oder Mobilgerät | HMD M = 0,5 (P75 = 0,83, 180 Studien); Projektion M = 0,2 (34 Studien); monoskopisch M = -0,2 (39 Studien); Welch-F = 23,37, p < 0,001 | Tran et al., ACM TOCHI 2024 |
| IPQ-Subskalenmittelwerte, 162 Studien | Allgemeine Präsenz M = 0,9, SD = 0,7; Räumliche Präsenz M = 0,8, SD = 0,7; Involvement M = 0,3, SD = 0,6; Erlebter Realismus M = -0,3, SD = 0,6 | Tran et al., ACM TOCHI 2024 |
Die Klassenbezeichnungen beruhen auf Perzentilen: 121 von 243 Studien (49,8%) fallen in das Band namens Niedrig, weil dieses Band als alles unterhalb des Medians definiert ist.
2. Wie stark Sound die Präsenz bewegt: das metaanalytische Bild
Der gepoolte Effekt von Sound auf die Präsenz beträgt r = 0,260, 95% CI [0,203; 0,317]. Das ist ein realer Effekt, und die Stanford-Metaanalyse in Media Psychology nennt ihn klein bis mittel. Sie kommt außerdem zu dem Schluss, dass der Einfluss von Sound im Vergleich zu anderen Merkmalen relativ klein und deutlich schwächer als der des Trackings ist. Dennoch übertrifft er die Bildqualität, deren Effekt signifikant kleiner war als der von Sound.
Sound ist hier ein einziger Verbundwert, der das Vorhandensein oder Fehlen von Sound, Umgebungs-, diegetischen oder räumlich wiedergegebenen Sound und die Kanalzahl umfasst. Die Metaanalyse liefert keine gepoolte Schätzung allein für räumliches Audio, daher lässt sich aus ihr kein r-Wert für räumliches Audio zitieren.
| Metrik | Wert | Quelle |
|---|---|---|
| Alle immersiven Merkmale kombiniert, Effekt auf die Präsenz | r = 0,316, 95% CI [0,295; 0,338], K = 115 Effektstärken aus 83 Studien, N = 6.998 | Cummings und Bailenson, Media Psychology 2016 |
| Sound als Systemmerkmal, Effekt auf die Präsenz | r = 0,260, 95% CI [0,203; 0,317], K = 13, N = 757 | Cummings und Bailenson, Media Psychology 2016 |
| Grad des Nutzer-Trackings, Effekt auf die Präsenz | r = 0,408, 95% CI [0,360; 0,456], K = 22, N = 1.566 | Cummings und Bailenson, Media Psychology 2016 |
| Stereoskopische Darstellung, Sichtfeld und Bildqualität, jeweils Effekt auf die Präsenz | Stereoskopie r = 0,320, K = 18; Sichtfeld r = 0,304, K = 14; Bildqualität r = 0,150, 95% CI [0,086; 0,214], K = 10, N = 855 | Cummings und Bailenson, Media Psychology 2016 |
| Scoping-Review zu Audio in VR mit Head-Mounted-Display | n = 121 Studien; Ergebnisse für die Präsenz als gemischt beschrieben | Bosman et al., Behaviour and Information Technology 2024 |
| Früheste kontrollierte Untersuchung in diesem Set: räumlich wiedergegebener Sound zu einem stereoskopischen Display hinzugefügt | Präsenz signifikant höher, scheinbarer Realismus nicht gesteigert | Hendrix und Barfield, IEEE Virtual Reality Annual International Symposium 1995 |
Jüngste verfügbare Daten: Cummings und Bailenson, 2016. Der neuere Review von 121 Studien ist ein Scoping-Review und keine gepoolte Analyse, und eine audiospezifische Metaanalyse haben wir nicht gefunden. Der Beitrag zum IEEE-Symposium von 1995 ist ein nützlicher historischer Marker, weil er Präsenz bereits vom Realismus trennte. Eine Studie von 2022 in Presence: Teleoperators and Virtual Environments mit 51 Teilnehmenden (28 mit stereoskopischem HMD, 23 am Monitor) fand ebenfalls einen großen Effekt auf die räumliche Präsenz bei stereoskopischer Darstellung, ohne numerische Effektstärke im Abstract.
3. Klanglandschaft gegenüber Schritten: Welche Klangebene den Wert bewegt
Eine Umgebungs-Klanglandschaft erklärte weit mehr von der Präsenzbewertung als Schrittgeräusche: η² = 0,386 gegenüber η² = 0,130 beim IPQ-Einzelitem. Eine Klanglandschaft meint hier den kontinuierlichen Hintergrundklang eines Ortes. Das Ergebnis legt nahe, dass die Budgetfrage eine Reihenfolge hat: erst die Umgebung gestalten, dann die Interaktionsgeräusche. Jüngste verfügbare Daten: Kern und Ellermeier, Frontiers in Robotics and AI 2020.
Die Autoren beziffern die Präsenz ohne Sound auf 40 bis 54 Prozent der Präsenz in der realen Welt, wobei Schrittgeräusche plus Klanglandschaft etwa 15-20 Prozentpunkte hinzufügen und eine Obergrenze bei rund 70% liegt. Die Teilnehmenden gingen pro Bedingung bis zu 5 Minuten auf einem Laufband durch eine Naturszene, was kein Spiel ist, daher ist dies als Ergebnis zur Klangebene zu lesen, nicht als Genre-Ergebnis.
| Metrik | Wert | Quelle |
|---|---|---|
| Präsenzbewertung auf einer Skala von 1-100, Experiment 1 (N = 36): Klanglandschaft hinzugefügt gegenüber nicht hinzugefügt, und Schrittgeräusche hinzugefügt gegenüber nicht hinzugefügt | Klanglandschaft F(1, 35) = 48,95, p < 0,001, η² = 0,583; Schritte F(1, 35) = 0,003, p = 0,96 | Kern und Ellermeier, Frontiers in Robotics and AI 2020 |
| IPQ-Einzelitem-Präsenz, Experiment 2 (N = 40): Klanglandschaft gegenüber Schrittgeräuschen | Klanglandschaft F(1, 39) = 24,512, p < 0,001, η² = 0,386; Schritte F(1, 39) = 5,821, p = 0,021, η² = 0,130 | Kern und Ellermeier, Frontiers in Robotics and AI 2020 |
| IPQ-Mittelwert Realismus: nur Geräuschunterdrückung gegenüber Schritten plus Klanglandschaft | -1,375 gegenüber -0,306 | Kern und Ellermeier, Frontiers in Robotics and AI 2020 |
| IPQ-Mittelwert Involvement: nur Geräuschunterdrückung gegenüber Schritten plus Klanglandschaft | -0,331 gegenüber 0,256; Klanglandschaft F(1, 39) = 36,983, p < 0,001, η² = 0,487 | Kern und Ellermeier, Frontiers in Robotics and AI 2020 |
| IPQ-Mittelwert Räumliche Präsenz: nur Geräuschunterdrückung gegenüber Schritten plus Klanglandschaft | 0,17 gegenüber 0,33; kein signifikanter Effekt eines der beiden Faktoren | Kern und Ellermeier, Frontiers in Robotics and AI 2020 |
Der Zuwachs beim IPQ-Realismus zwischen diesen beiden Bedingungen beträgt -0,306 minus -1,375 = 1,069 Punkte. Die Räumliche Präsenz ist die Überraschung: Sound veränderte, wie echt und fesselnd die Szene wirkte, ohne eine signifikante Veränderung bei der Subskala, die ihren Namen mit räumlichem Audio teilt.
4. Räumliches Rendering gegenüber Videoauflösung
Mit vollem Audio-Rendering konnte das Video auf 20% Auflösung sinken und dennoch 5,79 erzielen, statistisch gleichauf mit 5,76 bei 100% Video ohne Nachhall (U = 567,0, p = 0,891). Nachhall meint hier die Raumreflexionen, die dem Ohr sagen, wie groß ein Raum ist. Dieses Ergebnis rückt das Audio-Rendering in dieselbe Budgetdiskussion wie die Auflösung, auch wenn die Autoren anmerken, dass naive Versuchspersonen repräsentativer wären als ihre geschulten Hörer.
Die Testinhalte waren Sprache und Musik auf einer HTC Vive, keine Spielinhalte. Zur physikalischen Seite des Nachhalls siehe unsere Statistiken zur Akustik von Konzertsälen. Die Prozentwerte älterer Studien weiter unten lassen sich nicht aufaddieren, weil jede andere Bedingungen auf anderer Hardware verglichen hat.
| Metrik | Wert | Quelle |
|---|---|---|
| Immersionsbewertung auf einer 9-Punkte-Skala, 100% Video: monaural gegenüber binaural mit Head-Tracking und Nachhall | 3,88 gegenüber 7,91 (N = 17) | Potter et al., Frontiers in Signal Processing 2022 |
| Immersionsbewertung: binaural mit Head-Tracking und Nachhall bei 20% Video gegenüber binaural mit Head-Tracking bei 100% Video | 5,79 (95% CI 5,24-6,35) gegenüber 5,76 (95% CI 5,18-6,35); U = 567,0, p = 0,891 | Potter et al., Frontiers in Signal Processing 2022 |
| Kruskal-Wallis-Ergebnis für die Immersion nach Methode des räumlichen Audios gegenüber nach Videoauflösung | Audio H(2) = 145,917, p < 0,001; Video H(2) = 34,709, p < 0,001 | Potter et al., Frontiers in Signal Processing 2022 |
| Veränderung der mittleren Immersion bei 100% Video: von monaural zu binaural mit Head-Tracking, und Entfernen des Nachhalls | Anstieg um 48%; Rückgang um 27,2% | Potter et al., Frontiers in Signal Processing 2022 |
| Mittlere Präsenz, kein Sound gegenüber räumlich wiedergegebenem Sound mit Nachhall in einem Lautsprecher-VR-Würfel | Anstieg um 25,6% (p < 0,01) | Larsson et al. 2007 (Sekundärbericht, siehe Daten-Hinweis) |
| Mittlere Präsenz, monaural gegenüber binaural ohne Nachhall, ohne Head-Tracking | Anstieg um 20% | Hendrix und Barfield 1996 (Sekundärbericht, siehe Daten-Hinweis) |
| Mittlere Präsenz, kein Sound gegenüber einfachen Stereogeräuschen | Anstieg um 9,0% (p < 0,01) | Dinh et al. 1999 (Sekundärbericht, siehe Daten-Hinweis) |
Der Gewinn von monauralem zu vollem Rendering in der ersten Zeile beträgt 7,91 / 3,88 = 2,04-fach. Jüngste verfügbare Daten: Potter et al., Frontiers in Signal Processing 2022.
5. In echten VR-Spielen: Wo der Effekt schwerer zu finden ist
Verbessertes Audio hob die Bewertung der Audioqualität in Job Simulator von 7,11 auf 7,43 (F(1,63) = 24,49, p<0,001), während dasselbe Tool in einer nichtkommerziellen Simulation keine signifikante Veränderung der selbst berichteten Präsenz bewirkte. Die Studie von 2025 in Frontiers in Virtual Reality kommt einem modernen Test an einem kommerziellen Spiel am nächsten, und die Autoren sagen, die stärkere Reaktion im kommerziellen Spiel gehe vermutlich auf die Klangarchitektur zurück. Die Lesart für Entwickler: Nachbearbeitung kann ein vorhandenes Sounddesign verstärken, aber keines liefern, das nicht existiert.
Die Größe dieses Ergebnisses ist mit Vorsicht zu behandeln. Die Studie wurde teilweise von Bongiovi Acoustic Labs, dem Entwickler des Audio-Tools, gefördert, mehrere Koautoren sind dort angestellt, und es werden keine Effektstärken berichtet. Die beiden weiteren Quellen mit Spielbezug unten sind eine Masterarbeit der Aalborg University und ein Beitrag zur Raumakustik in VR-Spielen, und keine von beiden liefert einen Präsenzwert, den wir zitieren könnten.
| Metrik | Wert | Quelle |
|---|---|---|
| Stichprobe und Design des Tests mit verbessertem gegenüber normalem Audio | 68 rekrutiert, Within-Subjects-Design; 58 für die physiologische Analyse beibehalten; HTC VIVE Pro Eye | Mavridou et al., Frontiers in Virtual Reality 2025 (gefördert vom Entwickler des Tools) |
| Bewertung der Audioqualität in Job Simulator auf einem 9-Punkte-Item, verbessertes gegenüber normalem Audio | 7,43 ± 0,35 gegenüber 7,11 ± 0,36; F(1,63) = 24,49, p<0,001 | Mavridou et al., Frontiers in Virtual Reality 2025 (gefördert vom Entwickler des Tools) |
| Bewertungen von Involvement und Schallortung in Job Simulator, verbessertes gegenüber normalem Audio | Involvement F(1,63) = 6,79, p = 0,011; Ortung F(1,63) = 5,95, p = 0,018 | Mavridou et al., Frontiers in Virtual Reality 2025 (gefördert vom Entwickler des Tools) |
| Emotionale Valenz in Job Simulator aus Gesichtsmuskelsensoren, verbessertes gegenüber normalem Audio | 5,2 ± 1,1 gegenüber 4,7 ± 0,86; Wilcoxon t = 569,0, p = 0,0265 | Mavridou et al., Frontiers in Virtual Reality 2025 (gefördert vom Entwickler des Tools) |
| Selbst berichtete Präsenz in Escape VR, verbessertes gegenüber normalem Audio, gesamtes Erlebnis | Kein signifikanter Unterschied | Mavridou et al., Frontiers in Virtual Reality 2025 (gefördert vom Entwickler des Tools) |
| Horrorspiel, 3D-Audio gegenüber Stereo | Kein signifikanter Fragebogenunterschied bei Immersion oder Präsenz; die elektrodermale Reaktion (Hautleitfähigkeit) unterschied sich signifikant | Larsen und Pilgaard, Masterarbeit der Aalborg University 2015 |
| Räume in VR-Spielen: vom Sounddesign gestalteter Nachhall gegenüber Nachhall, der zum sichtbaren Raum passt | Nutzer bevorzugten die veränderte Version nur, wenn das Original sehr trocken oder sehr hallig war | Popp und Murphy, Virtual Worlds 2024 |
Das Abstract der Arbeit enthält eine eigene Warnung: Die 3D-Audio-Bedingung hatte auch eine höhere Schallintensität, was das Ergebnis bei der Hautleitfähigkeit erklären könnte. Jüngste verfügbare Daten zu diesem Test: Larsen und Pilgaard, 2015.
6. Welcher Fragebogen eine Audioveränderung tatsächlich erkennt
Der IPQ zeigte r = 0,82 für die Ortsillusion, den höchsten Wert unter vier Fragebögen, in einem CHI-2025-Vergleich mit N = 50. Ortsillusion bedeutet das Gefühl, am virtuellen Ort zu sein, also die Dimension, auf die räumliches Audio abzielt. Wenn das Instrument eine Veränderung nicht erkennt, liest ein Audio-Team keinen Effekt als keinen Nutzen.
Dieselbe Studie warnt, dass Präsenzinstrumente grob sind: Die Teilnehmenden hielten Wertunterschiede im Allgemeinen für zu klein, und kein Fragebogen erfasste die Veränderungen der Verkörperung. Ein CHI-2019-Beitrag ergänzt ein praktisches Ergebnis: Das Ausfüllen des Fragebogens im Headset veränderte die mittleren Werte nicht, wodurch ein Bruch im Erlebnis vermieden wird.
| Metrik | Wert | Quelle |
|---|---|---|
| Mittlere Wertdifferenz, Bedingung hoher minus niedriger Intensität, je Fragebogen (mit Itemzahl) | SIP 0,57 (1 Item), IPQ 0,43 (14 Items), PQ 0,38 (19 Items), SUS 0,36 (6 Items) | Degenhard et al., ACM CHI 2025 |
| Effektstärke r für die Ortsillusion, Wilcoxon-Vorzeichen-Rang-Test | IPQ 0,82, SIP 0,75, SUS 0,72, PQ 0,57 | Degenhard et al., ACM CHI 2025 |
| Effektstärke r für die Plausibilität, also wie glaubwürdig sich Ereignisse anfühlen | PQ 0,8, IPQ 0,67, SUS 0,38, SIP 0,36 | Degenhard et al., ACM CHI 2025 |
| Teilnehmende, die der Wertdifferenz zustimmten | IPQ 33,6%, PQ 25,6% | Degenhard et al., ACM CHI 2025 |
| Interne Konsistenz, Cronbachs α (N = 36) | IPQ α = 0,87, WS α = 0,82, SUS α = 0,75 | Schwind et al., ACM CHI 2019 |
| Mittlere Bearbeitungsdauer in Minuten | SUS 1,107, IPQ 2,449, WS 5,982 | Schwind et al., ACM CHI 2019 |
| IPQ-Mittelwert, in der VR ausgefüllt gegenüber außerhalb der VR ausgefüllt | F(1, 34) = 0,013, p = 0,909 | Schwind et al., ACM CHI 2019 |
SIP ist eine Einzelitem-Präsenzskala, SUS ist der Slater-Usoh-Steed-Fragebogen, PQ und WS sind Formen des Presence Questionnaire von Witmer und Singer. Jüngste verfügbare Daten zu Reliabilität und Zeitbedarf: Schwind et al., 2019.
7. Ortung, Personalisierung und Nebenwirkungen
Allein das Tragen des Headsets erhöhte den Elevationsfehler bei der Schallortung in einem Test mit verbundenen Augen um etwa 1,8° (F(1,2049) = 35,29, p<0,0001). Ein Teil des Audioproblems in VR ist die Hardware auf dem Kopf, noch bevor irgendein Rendering läuft. Visuelle Hinweise zahlen einen Teil dieser Schuld zurück: In der PLOS-ONE-Studie senkte das Anzeigen von Raum und Handposition den Elevationsfehler. Zahlen zur Headset-Seite finden sich in unseren Statistiken zur Ortung bei Gaming-Headsets.
Persönliche kopfbezogene Übertragungsfunktionen (HRTFs, die Filter, die beschreiben, wie die Ohren und der Kopf eines Menschen den Schall formen) zeigten einen Präsenzvorteil in einem Beitrag der Chalmers aus dem Jahr 2004, doch das Abstract nennt keine Zahl, und der Messaufbau von Meta zeigt, warum das nicht skaliert. Übelkeit ist die andere offene Variable: Ein Review in Frontiers in Psychology zitiert Viaud-Delmon et al. (2006), wo zusätzliche auditive Hinweisreize die Präsenz, aber auch die Cybersickness erhöhten.
| Metrik | Wert | Quelle |
|---|---|---|
| Elevationsfehler bei der Schallortung, mit gegenüber ohne HMD, mit verbundenen Augen (N = 10) | Anstieg um etwa 1,8°; F(1,2049) = 35,29, p<0,0001 | Ahrens et al., PLOS ONE 2019 |
| Elevationsfehler, mit verbundenen Augen mit HMD gegenüber virtuellem Raum mit Handposition | 10,2° gegenüber 8,1° | Ahrens et al., PLOS ONE 2019 |
| Veröffentlichte Ergebnisse zu Präsenz und Cybersickness, nach Richtung des Zusammenhangs | 21 Einträge aus 20 Veröffentlichungen: 11 negativ, 6 positiv, 4 null | Weech et al., Frontiers in Psychology 2019 |
| Spannweite der berichteten Korrelationen zwischen Präsenz und Cybersickness | Von r(6) = -0,63 (Cooper et al., 2016) bis r(58) = 0,67 (Liu und Uang, 2011) | Weech et al., Frontiers in Psychology 2019 |
| Individualisierte gegenüber generischer HRTF, Präsenzbewertungen für binaurale Reize | Signifikanter Anstieg; keine Zahl im Abstract | Väljamäe et al., Proceedings of the 7th Annual Workshop Presence 2004 |
| HRTF-Messaufbau bei Facebook Reality Labs Research | 54 Lautsprecher auf einem rotierenden Arm; der Vorgang dauert etwa eine halbe Stunde (Eigenbeschreibung des Anbieters) | Meta, Inside Facebook Reality Labs Research 2020 |
Jüngste verfügbare Daten: Weech et al., 2019, Ahrens et al., 2019, Meta, 2020, und Väljamäe et al., 2004. Am PLOS-ONE-Test nahmen nur 10 Personen teil, mit einem einzigen Headset.
Zusammenfassung: Präsenz und Immersion durch Spiele-Audio in VR in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Sound als Systemmerkmal, Effekt auf die Präsenz | r = 0,260, 95% CI [0,203; 0,317], N = 757 | Media Psychology 2016 |
| Medianer IPQ-Gesamtwert, Spanne von -3 bis 3 | 0,28 (P50) | ACM TOCHI 2024 |
| Immersion, monaural gegenüber binaural mit Head-Tracking und Nachhall, 100% Video | 3,88 gegenüber 7,91 | Frontiers in Signal Processing 2022 |
| Klanglandschaft gegenüber Schrittgeräuschen, IPQ-Einzelitem-Präsenz | η² = 0,386 gegenüber η² = 0,130 | Frontiers in Robotics and AI 2020 |
| Mittlere Präsenz, kein Sound gegenüber räumlich wiedergegebenem Sound mit Nachhall | Anstieg um 25,6% (p < 0,01) | Larsson et al. 2007 (Sekundärbericht) |
| Audioqualität in Job Simulator, verbessertes gegenüber normalem Audio | 7,43 gegenüber 7,11, p<0,001 | Frontiers in Virtual Reality 2025 (gefördert vom Entwickler des Tools) |
| Selbst berichtete Präsenz in Escape VR, verbessertes gegenüber normalem Audio | Kein signifikanter Unterschied | Frontiers in Virtual Reality 2025 (gefördert vom Entwickler des Tools) |
| Horrorspiel, 3D-Audio gegenüber Stereo, Immersion und Präsenz im Fragebogen | Kein signifikanter Unterschied | Masterarbeit der Aalborg University 2015 |
| Audio in VR mit Head-Mounted-Display, erfasste Studien | n = 121, gemischt für die Präsenz | Behaviour and Information Technology 2024 |
| IPQ-Effektstärke für die Ortsillusion | r = 0,82 | ACM CHI 2025 |
| IPQ-Reliabilität und mittlere Bearbeitungsdauer | α = 0,87; 2,449 Minuten | ACM CHI 2019 |
| Effekt des Headsets auf den Elevationsfehler bei der Schallortung | Etwa 1,8° höher | PLOS ONE 2019 |
| Elevationsfehler, mit verbundenen Augen mit HMD gegenüber virtuellem Raum mit Handposition | 10,2° gegenüber 8,1° | PLOS ONE 2019 |
| Ergebnisse zu Präsenz und Cybersickness nach Richtung | 11 negativ, 6 positiv, 4 null | Frontiers in Psychology 2019 |
| HRTF-Messaufbau | 54 Lautsprecher, etwa eine halbe Stunde (Eigenbeschreibung des Anbieters) | Meta 2020 |
Methodik und Quellen
Wir haben jede unten aufgeführte Studie direkt gelesen, im Volltext oder im Abstract, und geben Fragebogennamen, Stichprobengrößen und statistische Notation so wieder, wie die Studie sie druckt. Zahlen, die nur in Suchausschnitten auftauchten, wurden verworfen.
- Tran et al., Classifying Presence Scores: Insights and Analysis from Two Decades of the Igroup Presence Questionnaire, ACM TOCHI 2024
- Cummings und Bailenson, How Immersive Is Enough?, Media Psychology 2016
- Kern und Ellermeier, Audio in VR: Effects of a Soundscape and Movement-Triggered Step Sounds on Presence, Frontiers in Robotics and AI 2020
- Potter, Cvetković und De Sena, On the Relative Importance of Visual and Spatial Audio Rendering on VR Immersion, Frontiers in Signal Processing 2022
- Mavridou et al., Did You Hear That?, Frontiers in Virtual Reality 2025
- Degenhard et al., When Do We Feel Present in a Virtual Reality?, ACM CHI 2025
- Schwind et al., Using Presence Questionnaires in Virtual Reality, ACM CHI 2019
- Bosman et al., The Effect of Audio on the Experience in Virtual Reality: A Scoping Review, Behaviour and Information Technology 2024
- Ahrens et al., Sound Source Localization with Varying Amount of Visual Information in Virtual Reality, PLOS ONE 2019
- Weech, Kenny und Barnett-Cowan, Presence and Cybersickness in Virtual Reality Are Negatively Related: A Review, Frontiers in Psychology 2019
- Hendrix und Barfield, Presence in Virtual Environments as a Function of Visual and Auditory Cues, IEEE 1995
- Väljamäe et al., Auditory Presence, Individualized Head-Related Transfer Functions, and Illusory Ego-Motion in Virtual Environments, 2004
- Uz-Bilgin, Thompson und Klopfer, Stereoscopic Views Improve Spatial Presence but Not Spatial Learning in VR Games, Presence: Teleoperators and Virtual Environments 2022
- Popp und Murphy, Speech Intelligibility Versus Congruency, Virtual Worlds 2024
- Larsen und Pilgaard, The Effect of Spatial Audio on Immersion, Presence, and Physiological Response in Games, Aalborg University 2015
- Meta, Inside Facebook Reality Labs Research: The Future of Audio, 2020
- Daten-Hinweis: Kontrollierte Evidenz zu kommerziellen VR-Spielen ist dünn, und die meisten Zahlen hier stammen aus Szenen mit Sprache, Musik, Gehen oder Simulation. Die Skalen unterscheiden sich zwischen den Studien (IPQ -3 bis 3, Items von 1-100, 9-Punkte-Items), daher lassen sich Werte nicht zeilenübergreifend vergleichen, es sei denn, eine Zeile sagt es ausdrücklich. Die Display-Untergruppen in Abschnitt 1 summieren sich auf 253 Studien gegenüber 237 als displayberichtend gemeldeten, und der Gesamtmittelwert beträgt M = 0,4 für alle 243 Studien, aber M = 0,3 in der Displaytabelle mit 237 Studien, weshalb wir diese Zahlen nicht kombinieren. Aus dem Beitrag von 2025 in Frontiers in Virtual Reality haben wir mehrere Zahlen weggelassen, die im veröffentlichten Text inkonsistent wirken: einen Mittelwert der Ortung eines Hubschrauberereignisses von 9,09 auf einem 9-Punkte-Item, eine Richtung der Audioqualität in Escape VR, die zwischen Text und Abbildungsunterschrift abweicht, und einen als t(2) gedruckten Involvement-Test; auch sein Förderhinweis und seine Erklärung zur Interessenkonfliktfreiheit stehen in Spannung zueinander. In der Rendering-Studie in Abschnitt 4 weicht ein p-Wert zur audiovisuellen Qualität zwischen Text und Tabelle ab, und es wurde keine Korrektur für multiples Testen angewandt. Der Fragebogenvergleich in Abschnitt 6 sagt, SUS und PQ hätten die geringste Abbildung der Veränderungen gezeigt, denen die Nutzer zustimmten, reiht den PQ bei der Zustimmung aber zugleich auf Platz zwei, daher zitieren wir nur die beiden gedruckten Prozentwerte. Weech et al. führen Mania und Chalmers (2001) als Nullergebnis mit r(16) = -0,4, eine Inkonsistenz, die wir nicht auflösen konnten. Die beiden CHI-Beiträge in Abschnitt 6 verwendeten unterschiedliche Formen des Instruments von Witmer und Singer (32 Items als WS, 19 Items als PQ). Die Zahlen von Larsson et al. (2007), Hendrix und Barfield (1996) und Dinh et al. (1999) stammen aus der Diskussion des Beitrags in Frontiers in Signal Processing, und die von Viaud-Delmon et al. (2006), Cooper et al. (2016) und Liu und Uang (2011) aus dem Review in Frontiers in Psychology; diese Originale haben wir nicht gelesen. Kostenpflichtige oder gesperrte Arbeiten, darunter AES-Beiträge und CHI-2018-Arbeiten zu Spieleaudio, wurden ausgeschlossen, statt sie aus zweiter Hand zu zitieren.
Zuletzt aktualisiert: 31. Oktober 2026. Wir aktualisieren diese Zusammenstellung vierteljährlich, und die nächste Aktualisierung wird erwartet, wenn die Tagungsbände der Konferenz IEEE VR 2027 erscheinen.