Muziekreleases en royalty’s beheren met een AI-assistent (2026)

De handigste manier om over een AI-assistent in een muziekoperatie na te denken, is als operationeel manager, niet als songwriter. Het creatieve werk blijft van jou. Waar de assistent echt goed in is, is de administratie rond elke release: metadata die compleet moet zijn, afrekeningen die moeten kloppen, checklists die in de juiste volgorde moeten worden afgewerkt, en het tiental kleine vragen dat een label elke week beantwoordt. Deze gids behandelt een werkwijze die met elke assistent werkt, laat zien waar de knip-en-plakaanpak zijn grens bereikt, en legt uit hoe je een assistent koppelt aan live catalogus- en royaltydata zodra spreadsheets uploaden niet meer volstaat.

Splits de levenscyclus van een release op in fasen en de rol van de assistent wordt concreet:

• Metadata en credits. Controleer voor de indiening elk nummer op ontbrekende ISRC's, auteurs, uitgevers en verdeelpercentages, en valideer nieuwe releases aan de hand van je huisstijl.
• Releaseplanning. Bouw de uitrolkalender terug vanaf de releasedatum: het vastzetten van metadata, artwork, pitchdeadlines, marketingmateriaal en de aankondigingsdag.
• Review en kwaliteit. Lees validatie- of reviewfeedback en zet die om in een duidelijke lijst met wat er hersteld moet worden.
• Distributie volgen. Houd bij op welke platforms een release al live staat en wat nog openstaat.
• Royaltyafrekeningen. Vat een afrekening samen, vergelijk periodes, splits inkomsten uit naar label, release, platform of gebied, en signaleer afwijkingen die een nadere blik verdienen.
• Verdelingen en uitbetalingen. Geef antwoord op wie wat krijgt op welk nummer, en welke samenwerkende partijen nog een niet-toegewezen verdeling hebben.
• Analytics. Zet ruwe streamingcijfers om in antwoorden: wat groeide, waar, en wat er sinds vorige week is veranderd.

Een assistent is maar zo goed als de gegevens die je hem meegeeft. Houd, nog voor je aan tools denkt, per nummer één gezaghebbend gegevensbestand bij (titel, ISRC, auteurs, uitgevers, verdeelpercentages, producercredits, gastartiesten en rechtenhouderschap), gekoppeld aan het releasebestand met de UPC en releasedatum. Waar dat bestand staat, doet er minder toe dan dat het maar één keer bestaat, en niet in vier licht verschillende versies. Als je distributeur deze data al in een gestructureerde catalogus bijhoudt, is dat je centrale bron; een spreadsheet of database die dit dupliceert, is een vangnet, en elk duplicaat is een toekomstige afwijking.

Met dat op orde, bewijst een chatassistent nu al zijn nut. Plak reviewfeedback erin en vraag om een lijst met wat er hersteld moet worden, of upload een royaltyafrekening en vraag welke gebieden het snelst groeiden en waarom. Laat hem de releasechecklist voor de volgende single opstellen. Niets hiervan vraagt om integratie. Voor een handvol releases per jaar is dat vaak al voldoende.

Aan de knip-en-plakwerkwijze kleeft een structureel probleem: elk antwoord is gebaseerd op wat je het laatst hebt geëxporteerd, dus de assistent werkt altijd met een momentopname uit het verleden. Vraag naar de inkomsten van deze maand, en hij heeft de upload van deze maand nodig; vraag welke releases nog in review zitten, en hij heeft geen idee, tenzij jij het hem vertelt. Beheer je op deze manier een catalogus van serieuze omvang, dan word je zelf de integratie: je besteedt je tijd aan het heen en weer slepen van exports tussen je distributeur en je assistent.

Dat is precies wat het Model Context Protocol oplost. MCP is een open standaard om AI-assistenten te koppelen aan externe tools en data: een dienst publiceert een MCP-server die echte acties beschikbaar stelt, en elke compatibele assistent kan die aanroepen. In plaats van te redeneren over een geüpload bestand, bevraagt de assistent het systeem rechtstreeks. De specificatie lees je op modelcontextprotocol.io.

LabelGrid levert hiervoor een officiële, open-source MCP-server. Richt Claude Desktop, Claude Code, Cursor of een andere MCP-compatibele client op je account, en de assistent werkt met je echte catalogus via tools die releases, reviewstatus, analytics, royaltyafrekeningen, leveringsstatus en webhooks bestrijken. Hij draait via npx met één regel in de clientconfiguratie, en als je hem start zonder token, leidt hij je stap voor stap door het koppelen van je account. Hij is MIT-gelicentieerd, gepubliceerd als @labelgrid/mcp, en zit inbegrepen bij de LabelGrid API-abonnementen. De lanceringsaankondiging behandelt de volledige installatie.

Zodra de assistent live data kan zien, zijn prompts geen schrijfoefeningen meer, maar operationele opdrachten:

• "Stel een album van twaalf nummers op onder mijn hoofdlabel en zet de releasedatum op aanstaande vrijdag."
• "Waarom staat mijn laatste release vast in review, en wat moet ik precies herstellen?"
• "Haal de royaltyafrekening van vorig kwartaal op en splits deze uit naar label."
• "Laat de streams van de nieuwe single deze week per platform zien."
• "Op welke platforms staat de EP al live, en staat er nog iets open?"
• "Geef een lijst van de releases in mijn catalogus waar auteurscredits ontbreken."
• "Vergelijk de inkomsten van deze maand met dezelfde maand vorig jaar en vertel me wat er is veranderd."

Een goede wekelijkse routine bestaat uit één vaste opdracht: vraag elke maandag naar nieuwe reviewproblemen, releases die live zijn gegaan, wijzigingen in afrekeningen en alles wat langer openstaat dan verwacht. Tien minuten lezen vervangt een middag portaal doorspitten.

Toegang moet standaard veilig blokkeren. Dat is de minimale eis. De server van LabelGrid verdeelt rechten over drie niveaus: leesacties zijn altijd beschikbaar, zodat de assistent vanaf dag één vragen kan beantwoorden, terwijl veilige schrijfacties zoals concepten en metadatawijzigingen standaard aanstaan en uit te schakelen of naar alleen-lezen te forceren zijn; de webhooktools blijven uit tot je ze inschakelt. Ingrijpende acties, zoals een release indienen voor distributie of een release verwijderen, blijven uitgeschakeld totdat je dit expliciet inschakelt en een bevestiging intypt waarmee je de verantwoordelijkheid voor AI-gestuurde distributieacties accepteert. Elk verzoek wordt gevalideerd op de servers van LabelGrid, met dezelfde regels als het dashboard, zodat de assistent de beveiligingen van je account niet kan omzeilen. Welk platform je ook aan een assistent koppelt, houd het aan diezelfde standaard: rechten in niveaus, validatie aan de serverkant en een standaard uitgeschakelde houding voor alles wat onomkeerbaar is.

Andere muziektechplatforms bewegen dezelfde kant op, met een andere reikwijdte. Royalti.io, een platform voor royaltyboekhouding, biedt Ask Roy, een assistent in het eigen dashboard waarmee je in gewone taal royaltydata opvraagt en catalogusgegevens beheert. Mogul, een platform voor royaltybeheer, biedt een MCP-koppeling waarmee Claude of ChatGPT vragen over royalty's, catalogus en publishing kan beantwoorden op basis van Mogul-data. Als je distributie, royaltyboekhouding en verdelingen al in één platform samenkomen, dekt één MCP-koppeling het hele plaatje; de geïntegreerde boekhouding van LabelGrid is op dat idee gebouwd.

Begin met structuur: één gezaghebbend gegevensbestand per nummer. Zet een chatassistent in voor checklists, samenvattingen van afrekeningen en metadatacontroles. Merk je dat je elke week dezelfde data exporteert, koppel de assistent dan rechtstreeks aan de bron. Distribueer je via LabelGrid, dan is die koppeling maar één configuratieregel verwijderd. Bekijk de pagina over de MCP-server, en de prijzen voor details over de API-abonnementen.