... (...) Jedoch unterscheidet sich beim Abhören der Höreindruck erheblich von Lautsprecher-Boxen. So entspricht das
Fehlen des Übersprechens nicht der natürlichen Wahrnehmung des Menschen und eine Extremortung wird bereits bei ca. 9 dB Pegelunterschied und 1 ms Laufzeitunterschied wahrgenommen.
Die dreidimensionale Darstellung des Klangbildes geht weitestgehend verloren, die Tiefenstaffelung verschwindet. Bei einem Stereo-Mittensignal kommt es zu einer Im-Kopf-Lokalisation bzw. Innenkopflokalisation des Schallereignisses, wobei die Schallquelle in der Mitte des Kopfes zu sein scheint.
Hinzu kommt, dass bei der Benutzung von In-Ear-Kopfhörern die Kopfbezogene Übertragungsfunktion (HRTF) und Körperschall durch die Knochenleitung gänzlich wegfällt. Lediglich bei Ohr-umschließenden Modellen ist zusätzlich die Übertragung von einem geringen Anteil an Körperschall gewährleistet, sowie der Einbezug der Ohrmuschel.
Beim Abhören mit Lautsprechern verhalten sich die beschriebenen Faktoren meist umgekehrt: Hier ist eher eine natürliche Wahrnehmung durch den Weg über die Luft gegeben und der Faktor Übersprechen wirkt sich in einem Pegelunterschied von ca. 18 dB und 1,5 ms bei Extremortung aus.
Seite 53:
https://www.hdm-stuttgart.de/~curdt/Koehler.pdf