{"id":34756,"date":"2024-08-22T16:01:07","date_gmt":"2024-08-22T14:01:07","guid":{"rendered":"https:\/\/cesma.ch\/wie-ki-die-video-kuenstliche-intelligenz-hervorgebracht-hat\/"},"modified":"2025-10-15T16:59:11","modified_gmt":"2025-10-15T14:59:11","slug":"wie-ki-die-video-kuenstliche-intelligenz-hervorgebracht-hat","status":"publish","type":"post","link":"https:\/\/cesma.ch\/de\/wie-ki-die-video-kuenstliche-intelligenz-hervorgebracht-hat\/","title":{"rendered":"Wie KI die „Video K\u00fcnstliche Intelligenz“ hervorgebracht hat"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t
\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Und wir sind bei V.K.I., der „Video K\u00fcnstlichen Intelligenz“<\/strong><\/p>

Von Live-Untertiteln \u00fcber die Verarbeitung und Erstellung von Bildern bis hin zur Archivverwaltung: So kann KI, basierend auf „kognitiven Computern“ mit „neuronalen Netzwerk“-Mikroprozessoren, die \u00e4hnlich wie das menschliche Gehirn funktionieren, die Welt des Fernsehens erleichtern und verbessern<\/em><\/strong><\/p>

von Carlo Solarino<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t
\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Abbildung 1 \u2013 Ein DNN-Chip (Deep Neural Network) f\u00fcr k\u00fcnstliche Intelligenz<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t
\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Von \n K\u00fcnstlicher Intelligenz<\/em>\n<\/strong> oder \n KI<\/em>\n<\/strong> \u2013 also „AI, Artificial Intelligence<\/em>“ \u2013 wird immer h\u00e4ufiger gesprochen, und nicht immer in positiven Begriffen, begleitet wie sie ist, insbesondere in der Unterhaltungswelt, von alarmierenden Botschaften: „Sie nimmt uns die Arbeit weg<\/em>„, „Filme und Videos werden nur noch mit Maschinen gemacht<\/em>“ und so weiter. Aber was stellt KI tats\u00e4chlich dar und wie greift sie in Fernsehproduktionen ein? Lassen Sie uns versuchen, diese Fragen zu beantworten und so eine erste Plattform des Bewusstseins dar\u00fcber zu schaffen oder zumindest, um sich nicht von einer oberfl\u00e4chlichen Ablehnung verf\u00fchren zu lassen. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Von „Informationen“ zu „Inhalten“<\/strong><\/p>\n

Mit direkter Ableitung aus der Informatik folgt die KI denselben operativen Verfahren: Eingabe eines Inputs in einen Computer, Verarbeitung dieser Daten durch den „Mikroprozessor“ desselben Computers und daraus resultierende Ausgabe. Aber der Unterschied, den KI schafft, besteht darin, dass die Eingabedaten nicht mehr pr\u00e4zise und eindeutige „Informationen“ mit sicherer Interpretation sind (Zahlen, Buchstaben des Alphabets, Bilder, Musiknoten und so weiter), sondern „Inhalte“ oder „Wahrnehmungen“ oder „Empfindungen“, genau wie es bei unserem Gehirn der Fall ist, das sogar Erinnerungen oder einfache Eindr\u00fccke verarbeitet. <\/p>\n

Und an der Basis von all dem steht der \n Kognitive Computer<\/em>\n<\/strong>, dessen Herz nicht mehr durch den „alten“ Mikroprozessor dargestellt wird, der linear und auf einem einzigen Datenpfad arbeitet, sondern durch ein \n Neuronales Netzwerk<\/em>\n<\/strong>, das, inspiriert vom menschlichen Gehirn und basierend auf einer ausgedehnten Reihe von empfindlichen Knoten, auf zahlreichen und komplexen Inhaltsstr\u00f6men arbeitet, die gleichzeitig verwaltet werden.<\/p>\n

Genauer gesagt wird der Name dieses neuen „Netzwerk-Mikroprozessors“, wie in der aktuellen Fachsprache, als \n DNN, Deep Neural Network<\/em>\n<\/strong> bezeichnet, was als „Tiefes Neuronales Netzwerk“ \u00fcbersetzt werden kann. Wenn diese Komponente dann, anstatt auf einem einzigen, auf zwei parallelen Netzwerken arbeitet (wie es zum Beispiel bei der Erstellung einer Bildsynthese aus zwei verschiedenen Eingangsbildern erforderlich ist), nimmt sie die Bezeichnung \n GAN, Generative Adversarial Network<\/em>\n<\/strong> an, was als „Generatives gegnerisches Netzwerk“ zwischen den eigenen Eigenschaften der beiden Eingangsbilder zu verstehen ist (wie wir gleich genauer sehen werden). Wir k\u00f6nnen hinzuf\u00fcgen, dass die neuronalen Knoten des Gehirns auf etwa 85 Milliarden gesch\u00e4tzt werden, im Gegensatz zu denen der KI, die sogar bis zu 10.000 Milliarden erreichen! <\/p>\n

Trotz der Komplexit\u00e4t ihrer internen Architekturen sollten wir uns jedoch keine Sorgen um die praktische Realisierung der DNNs machen: Diese Komponenten weisen in der Tat die gleichen Aspekte und Dimensionen wie die vorherigen und wohlbekannten Mikroprozessoren auf (Abbildung), wobei insbesondere die Marke NVIDIA zu den weltweit f\u00fchrenden Herstellern geh\u00f6rt.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Anwendungen im Videobereich<\/strong><\/p>\n

Unter diesen Voraussetzungen lassen Sie uns nun die Hauptfunktionen betrachten, die KI in unserem Interessenbereich erf\u00fcllt, n\u00e4mlich in multimedialen und insbesondere Fernsehanwendungen, beginnend mit Untertitelungen, \u00fcber Standbilder und bewegte Bilder bis hin zu fortgeschrittenen Archivverwaltungen von Aufzeichnungen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
    \n
  • Untertitel und ASR, Automatic Speech Recognition: <\/em><\/strong><\/li>\n<\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    In diesem Bereich ist der Haupteinsatzbereich der KI die Untertitelung f\u00fcr Live-Sendungen, darunter in erster Linie Nachrichtensendungen sowie einige Talkshows, sowohl f\u00fcr Live-\u00dcbersetzungen als auch vor allem f\u00fcr Teletext-Nutzungen f\u00fcr Geh\u00f6rlose. Ein Service, der also \n \n in Echtzeit<\/em>\n <\/strong>\n erstellt werden muss, w\u00e4hrend Untertitel f\u00fcr Dokumentationen oder Filme, die nicht dieser Einschr\u00e4nkung unterliegen, traditionelleren Prozessen folgen.<\/span>\n<\/span> <\/p>

    Die Live-Untertitelung nutzt also die \n Stenotypie<\/em>\n<\/strong>, das schnelle Schreiben von Texten durch spezialisiertes Personal auf speziellen Tastaturen, sowie eben KI durch die Funktion \n ASR<\/em>\n<\/strong>, die als „automatische Spracherkennung“ zu verstehen ist. <\/p>

    Es ist jedoch angebracht zu kl\u00e4ren, dass die KI selbst heute noch nicht in der Lage ist, 100% Perfektion in den Ergebnissen zu garantieren.<\/p>

    Die ASR ist in der Tat, immer bezogen auf Live-Sendungen, zwei Haupteinschr\u00e4nkungen unterworfen: Sie ist nicht in der Lage, streng in Echtzeit zu arbeiten und f\u00fcgt Verz\u00f6gerungen zwischen Stimme und Text von mehreren Sekunden ein (bis zu 10 oder 12); und sie kann keine „Disambiguierung“ zwischen verschiedenen Bedeutungen garantieren: Man denke nur an die Initialen von Nachnamen, die Objekten oder Adjektiven entsprechen (als Beispiel der Nachname Rossi), die meist in Kleinbuchstaben wiedergegeben werden. Beide M\u00e4ngel werden bei Inhalten, die nicht streng an die Live-\u00dcbertragung gebunden sind, wie Interviews oder Beitr\u00e4ge, die einige Stunden vor der Ausstrahlung gedreht wurden, beseitigt: aber durch menschliche \u00dcberpr\u00fcfung (sozusagen menschliche Intelligenz<\/em>). <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t
      \n
    • Computer Vision<\/em><\/strong><\/li>\n<\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
      \n\t\t\t\t
      \n\t\t\t\t\t\t\t\t\t

      Mit diesem Begriff wird die F\u00e4higkeit eines Computerger\u00e4ts bezeichnet, Bilder wie Gesichter („Gesichtserkennung“) oder Objekte zu erkennen. Aber in diesem Bereich vollbringt KI wirklich Wunder. Und so wird es m\u00f6glich, durch geeignete DNNs, die Trainings- und Lernprozessen unterzogen werden (wir befinden uns bei „kognitiven Computern“), grundlegende Elemente oder „Muster“ zu erstellen, zu extrahieren oder einzuf\u00fcgen, um zu fortgeschrittenen und raffinierten inhaltlichen und kreativen Prozessen zu gelangen. <\/p>\n

      Dank des bereits erw\u00e4hnten GAN-Netzwerks kann man zum Beispiel die malerischen Atmosph\u00e4ren aus einem Gem\u00e4lde von Raffael extrahieren und dann auf ein aktuelles Foto anwenden, wie in Abbildung 2 mit dem Bild von Ornella Muti gezeigt. Und so dringen wir tief in die Kreativit\u00e4t ein, aber mit dem Vorteil, der eben durch KI gegeben ist, dass diese Operation von allen in wenigen Sekunden ausgef\u00fchrt werden kann, anstatt den Einsatz von Fachpersonal und viele Stunden oder ganze Tage Arbeit zu erfordern. <\/p>\n

      Eine weitere interessante Anwendung der KI in der Grafik, die viel breiter genutzt wird, ist die \n Interpolation zwischen Pixeln<\/em>\n<\/strong>, die es erm\u00f6glicht, SD-Bilder (Standard Definition) an HD-Bilder (High Definition) oder sogar UHD-Bilder (Ultra High Definition, ein Standard, der besser als 4K bekannt ist) anzupassen, ohne Verlust von Inhalten und Definition. Der traditionelle \u00dcbergang zwischen diesen verschiedenen Definitionen erfolgt n\u00e4mlich durch einfaches „Kopieren und Einf\u00fcgen“ von Pixeln: So wird ein einzelnes SD-Pixel auf 4 Pixel des HD oder auf 16 des UHD verteilt, was zu Bildern ohne Details und auch ohne angemessenes Farbgrading f\u00fchrt. Beide M\u00e4ngel kann die KI dank der Interpolation \u2013 sozusagen der Konstruktion virtueller Zwischenpixel \u2013 beseitigen. <\/p>\n

      Was ist eine unmittelbare praktische Anwendung davon? Schnell gesagt: Amateur- und g\u00fcnstigere Videokameras haben nur digitalen Zoom, der das Bild verpixelt, im Gegensatz zum viel teureren optischen Zoom, der hingegen eine konstante Definition garantiert. Aber dank KI und durch Einf\u00fcgen eines DNN-Chips in die Kamera, der sicherlich viel weniger kostet als ein optischer Zoom, wird die Bildsch\u00e4rfe immer gew\u00e4hrleistet. <\/p>\n

      Und hier h\u00f6ren wir in Bezug auf KI, angewandt auf Bilder, auf: Aber die m\u00f6glichen Leistungen sind viel umfangreicher und reichen bis zum Verst\u00e4ndnis der Darstellungsrhythmen, um sogar bis zu den Inhalten zu gelangen, ob dramatisch oder leicht.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

      \n\t\t\t\t
      \n\t\t\t\t\t\t\t\t\t
        \n
      • Metadaten und Archivverwaltung<\/em><\/strong><\/li>\n<\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        F\u00fcr diejenigen mit einigen Jahren Berufserfahrung im Video und vielleicht auch im vorherigen Kino ist es wohlbekannt, dass die Organisation der Archive auf „Etiketten“ mit Referenzdaten der Aufnahmen (Produktionsjahr, Namen von Schauspielern und Regisseuren und so weiter) basierte, die auf Videokassetten oder Filmrollen geklebt wurden. Und das gesamte Archiv war nichts anderes als ein umfangreiches System von Schr\u00e4nken und Regalen, das entsprechend organisiert war. <\/p>\n

        Die digitalen Technologien haben jedoch neben der neuen Bildkonstruktion in den Archivierungsprozessen eine wahre Revolution mit der Einf\u00fchrung von „Metadaten“ bewirkt. Zu verstehen als „Daten \u00fcber Daten“, enthalten sie die Etiketteninformationen, aber viel pr\u00e4ziser und genauer, mit der F\u00e4higkeit, auf standardisierten Regeln das gesamte Archiv zu strukturieren und zu organisieren. <\/p>\n

        Aber wir sind noch im Informationszeitalter. Und was kann jetzt \u2013 und teilweise geschieht es schon \u2013 mit KI passieren? F\u00e4hig, wie sie ist, auch in inhaltliche Aspekte einzugreifen, ist KI in der Lage, nicht nur bei der automatischen Erstellung von Metadaten (Produktionsjahre, Namen von Regisseuren und Schauspielern, wie gesagt) einzugreifen und so menschliche Eingriffe zu begrenzen; sondern sie ist auch in der Lage \u2013 und immer automatisch \u2013 Videozusammenfassungen derselben Inhalte zu erstellen und so deren Konsultation zu erleichtern. <\/p>\n

        Lassen Sie uns sofort ein Beispiel machen: Wenn eine Sportsendung beschlie\u00dft, ein ber\u00fchmtes Fu\u00dfballspiel aufzurufen, um dem Publikum die bedeutendsten Teile zu zeigen, also seine „Highlights“, sind dank KI dieselben Highlights sofort bereit, ohne das gesamte Spiel manuell durchlaufen zu m\u00fcssen. Und so, wie viele Arbeitsstunden qualifizierten Personals werden eingespart? Wirklich viele. M\u00f6ge dieses einfache Beispiel also auch die Bedeutung und N\u00fctzlichkeit der KI demonstrieren, anstatt sie, wie anfangs gesagt, weiterhin zu f\u00fcrchten oder gar zu d\u00e4monisieren. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

        \n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
        \n\t\t
        \n\t\t\t\t<\/div>\n\t\t
        \n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        Abbildung 2 \u2013 Ornella Muti im Stil von Raffael, erstellt mit KI (Joseph Ayerle)<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

        \n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

        Und wir sind bei V.K.I., der „Video K\u00fcnstlichen Intelligenz“ Von Live-Untertiteln \u00fcber die Verarbeitung und Erstellung von Bildern bis hin zur Archivverwaltung: So kann KI, basierend auf „kognitiven Computern“ mit „neuronalen Netzwerk“-Mikroprozessoren, die \u00e4hnlich wie das menschliche Gehirn funktionieren, die Welt des Fernsehens erleichtern und verbessern von Carlo Solarino Abbildung 1 \u2013 Ein DNN-Chip (Deep […]<\/p>\n","protected":false},"author":1,"featured_media":34758,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[88],"tags":[],"class_list":["post-34756","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-nicht-kategorisiert"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/cesma.ch\/de\/wp-json\/wp\/v2\/posts\/34756","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cesma.ch\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cesma.ch\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cesma.ch\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/cesma.ch\/de\/wp-json\/wp\/v2\/comments?post=34756"}],"version-history":[{"count":1,"href":"https:\/\/cesma.ch\/de\/wp-json\/wp\/v2\/posts\/34756\/revisions"}],"predecessor-version":[{"id":34759,"href":"https:\/\/cesma.ch\/de\/wp-json\/wp\/v2\/posts\/34756\/revisions\/34759"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cesma.ch\/de\/wp-json\/wp\/v2\/media\/34758"}],"wp:attachment":[{"href":"https:\/\/cesma.ch\/de\/wp-json\/wp\/v2\/media?parent=34756"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cesma.ch\/de\/wp-json\/wp\/v2\/categories?post=34756"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cesma.ch\/de\/wp-json\/wp\/v2\/tags?post=34756"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}