Abb. 23: Verstehensvorgänge bei der Strukturerfassung (aus: Gruhn 1989, S. 129)

Die Spannung zwischen Norm und Abweichung ist es, die es zu entdecken gilt, eine Tatsache, die sich auch im sprachlichen Bereich aufzeigen läßt. Sloboda (1985, S. 2/3) führt z.B. eine Analogie zwischen dem Verstehen eines Witzes und dem Musikverstehen an: Einen Witz erfassen heißt, Wörter, Sätze und die darin zum Ausdruck gebrachten Propositionen zu erkennen, eine mentale Repräsentation aufzubauen und schließlich mit Hilfe des sprachlichen und des Weltwissens die Art der Inkongruenz, Zweideutigkeit, etc. herauszufinden, die den Witz ausmacht. Ähnliches gilt für die Musik (s. Abbildung).
Im Mittelpunkt der nachfolgenden Ausführungen steht die Konkretisierung der dem Verstehen zugrundeliegenden syntaktischen Normen/ Schemata. In Kapitel 4.2 geht es zunächst um die Darstellung der mentalen Strukturen, die für das Verständnis der differenzierten harmonischen Strukturen tonaler Musik notwendig sind. In den anschließenden Teilkapiteln werden formtypen- und stilspezifische Modelle vorgestellt.