Wie SaaS, KI und maschinelles Lernen die Sportübertragung verändern

Als dieser Beitrag entstand, wurde maschinelles Lernen in der Sportübertragung noch als Ausblick behandelt. Das hat sich erledigt. Automatische Kameraführung, computergestützte Spielanalyse und Systeme, die aus einer Live-Übertragung binnen Sekunden fertige Clips schneiden, sind heute Werkzeuge im Regelbetrieb — bis hinunter in Ligen, die sich nie ein Kamerateam leisten konnten.

Der Ausgangspunkt ist geblieben: Rechteinhaber und Sender müssen mehr Inhalte für mehr Kanäle produzieren, ohne dass die Budgets im gleichen Maß mitwachsen. Verschoben hat sich, wo die Technik ansetzt.

Produktion als Mietleistung statt als Anschaffung

Klassische Übertragungstechnik war ein Investitionsgut: Hardware im Übertragungswagen, Software mit Laufzeitlizenz, dimensioniert auf den größten anzunehmenden Einsatz. Für einen Verband, der an drei Wochenenden im Jahr eine Meisterschaft überträgt, stand diese Ausstattung den Rest der Zeit still.

Software as a Service kehrt die Rechnung um. Verwaltung, Aufbereitung und Verteilung von Material laufen auf gemieteten Plattformen, die nach Nutzung abgerechnet werden — hochgefahren zum Saisonhöhepunkt, heruntergefahren in der Pause. Für kleinere Sportarten senkt das die Einstiegshürde erheblich: Sie zahlen für die Spieltage, die sie übertragen, und nicht für eine Jahreslizenz.

Was dabei häufig unterschätzt wird, ist der Datentransfer. Videomaterial ist der Anwendungsfall, bei dem die Übertragung aus einer Cloud heraus zum größten Posten der Rechnung wird. Wie sich solche Kosten strukturieren lassen, beschreibt der Beitrag darüber, wie sich Cloud-Kosten ohne Qualitätsverlust senken lassen.

Was Bilderkennung im Stadion tatsächlich macht

Die sichtbarste Anwendung sind Kamerasysteme, die einem Spiel ohne Bedienpersonal folgen. Ein weitwinkliges Bild wird aufgezeichnet, eine Bilderkennung verfolgt Ball und Spieler, und der Bildausschnitt wird softwareseitig nachgeführt. Für Amateur- und Nachwuchsligen ist damit eine Übertragung möglich, die vorher an den Personalkosten scheiterte.

Perfekt ist das nicht. Ein früher Fall schaffte es in die Nachrichten, als eine automatische Kamera bei einem Spiel wiederholt den kahlen Kopf eines Schiedsrichterassistenten für den Ball hielt und ihm statt dem Spielgeschehen folgte. Solche Fehler sind seltener geworden, aber sie zeigen die Eigenart dieser Systeme: Sie erkennen Muster, sie verstehen kein Spiel.

Im Profibereich liefert dieselbe Technik in erster Linie Daten. Positionen von Spielern und Ball werden vielfach pro Sekunde erfasst und daraus Laufwege, Distanzen, Geschwindigkeiten und Abseitslinien berechnet. Im Fußball arbeitet die halbautomatische Abseitserkennung auf dieser Grundlage, im Tennis haben elektronische Systeme die Linienentscheidungen bei vielen Turnieren vollständig übernommen. In der Formel 1 speist die Auswertung von Telemetriedaten die eingeblendeten Prognosen zu Reifenverschleiß, Boxenstopps und Überholwahrscheinlichkeiten, die AWS gemeinsam mit der Rennserie entwickelt hat.

Ein Teil dieser Auswertung muss unmittelbar am Ort geschehen, weil eine Einblendung nach zwei Sekunden Verzögerung im Livebild wertlos ist. Die Gründe dafür behandelt der Beitrag zum Edge-Computing.

Der eigentliche Umbruch liegt im Archiv

Der Arbeitsschritt, den maschinelles Lernen am gründlichsten verändert hat, sieht niemand: die Verschlagwortung. Früher saß jemand am Schnittplatz und beschrieb Material von Hand, damit man es später wiederfindet. Heute erkennen Modelle Gesichter, Trikotnummern, Torszenen, Jubel, Spielstandsanzeigen und Sprache im Kommentar und schreiben daraus durchsuchbare Metadaten.

Damit wird ein Archiv erst benutzbar. Die Anfrage „alle Kopfballtore dieses Spielers in Auswärtsspielen“ ist keine Rechercheaufgabe von Stunden mehr, sondern eine Suchabfrage. Für die Vermarktung ist das der Punkt, an dem sich Aufwand in Reichweite übersetzt: Wenn ein Tor innerhalb einer Minute als fertiger Clip auf den eigenen Kanälen liegt, entsteht Reichweite in dem Zeitfenster, in dem das Publikum tatsächlich hinschaut. Dieselben Metadaten entscheiden übrigens darüber, ob Videos auch außerhalb der Plattformen gefunden werden — die Grundlagen dazu stehen im Wiki-Eintrag zum Video SEO.

Das ungelöste Problem: Verzögerung

Ein Punkt, den keine dieser Techniken beseitigt hat, betrifft die Auslieferung. Ein Stream über das Internet durchläuft Kodierung, Zerlegung in Segmente, Verteilung über ein Content-Delivery-Netzwerk und Zwischenspeicherung im Abspielgerät. Jeder dieser Schritte kostet Zeit, und in der Summe hinkt eine Übertragung im Netz dem Satellitensignal spürbar hinterher.

Im Sport ist das kein Schönheitsfehler. Wer ein Tor erst sieht, nachdem die Nachbarwohnung gejubelt und das Telefon eine Meldung angezeigt hat, erlebt kein Livespiel mehr. Die Branche arbeitet deshalb an Verfahren mit kürzeren Segmenten und früherer Auslieferung, die den Abstand deutlich verringern. Der Preis dafür ist geringere Fehlertoleranz: Je kleiner der Puffer, desto eher stockt das Bild bei einer schwankenden Verbindung.

Für Rechteinhaber hat die Verzögerung außerdem eine wirtschaftliche Seite. Wettanbieter, Zweitbildschirm-Angebote und interaktive Formate setzen voraus, dass alle Beteiligten ungefähr dasselbe zur selben Zeit sehen.

Was generative Modelle seit 2022 hinzugefügt haben

Mit der breiten Verfügbarkeit großer Sprachmodelle ist eine zweite Schicht dazugekommen. Aus Ereignisdaten lassen sich automatisch Spielberichte erzeugen, wie sie kleinere Ligen sonst gar nicht bekämen. Untertitel und Übersetzungen entstehen in Minuten statt Tagen, und synthetische Kommentarspuren machen es möglich, dieselbe Übertragung in mehreren Sprachen anzubieten, ohne für jede ein Kommentatorenteam zu buchen.

Die Einschränkungen sind bekannt: Modelle erfinden Details, wenn die Datengrundlage lückenhaft ist, und ein automatisch erzeugter Spielbericht braucht eine redaktionelle Kontrolle, bevor er veröffentlicht wird. Hinzu kommt eine rechtliche Anforderung — die europäische KI-Verordnung verlangt, dass künstlich erzeugte oder veränderte Inhalte als solche erkennbar sind. Für synthetische Stimmen und automatisch erstellte Beiträge ist das keine Randnotiz, sondern eine Vorgabe an die Produktion.

Was das für kleinere Rechteinhaber bedeutet

Der praktische Nutzen liegt weniger in spektakulären Einblendungen als in der Senkung der Grundkosten einer Übertragung. Ein Regionalverband, der jedes Heimspiel mit einer automatischen Kamera aufzeichnet, das Material in einer Mietplattform verwaltet, daraus automatisch Clips schneidet und diese über die eigenen Kanäle ausspielt, betreibt einen Sendebetrieb, für den vor zehn Jahren ein Übertragungswagen nötig gewesen wäre.

Was dabei nicht automatisiert wird, ist die Entscheidung, was erzählt wird. Die Technik liefert Material und Daten; welche Geschichte daraus wird, welche Szene den Ausschlag gibt und welcher Ton zum Verein passt, bleibt redaktionelle Arbeit. Wer das an ein System delegiert, bekommt Übertragungen, die sich alle gleich anfühlen.

Ähnlich verhält es sich bei den Systemen dahinter: Standardplattformen decken den größten Teil ab, die Verbindung zu Ticketing, Mitgliederverwaltung oder Shop ist meist der Teil, der individuell entsteht. Wie wir solche Projekte angehen, steht unter individuelle Weblösungen. Weitere Beiträge zum Thema finden sich im Bereich KI.

Image by GraphicMama-team from Pixabay