Video-Optimierung

Mit Machine Learning zum optimalen Videoerlebnis

| Autor / Redakteur: Mark Blair / Georgina Bott

Das Machine Learning erobert nun auch die Video-Streaming-Branche und ermöglicht eine genaue Analyse des Videokonsums.
Das Machine Learning erobert nun auch die Video-Streaming-Branche und ermöglicht eine genaue Analyse des Videokonsums. (Bild: gemeinfrei / CC0)

Machine Learning könnte gut als Buzzword des Jahres 2017 bezeichnet werden. Viele Industriezweige profitieren von automatisierten, intelligenten Verfahren, die Arbeitszeit effektiv einsparen. Nun hält das Verfahren auch Einzug in die Video-Streaming-Branche.

Gleich auf zwei Wegen könnte maschinelles Lernen das Streaming verbessern:

1. Wenn ein Programm qualitative Anforderungen begreift

Maschinelles Lernen funktioniert über Algorithmen, die aus Erfahrung und Beobachtung induktive Schlüsse auf allgemeine Gesetz- und Regelmäßigkeiten ziehen. Das System kann somit auch unbekannte Daten in einen größeren Kontext einordnen, was den Vorteil hat, dass dieser Lernprozess nicht immer von Neuem programmiert werden muss. Das Verfahren des Maschine Learning ist demnach selbstlernend.

In der Praxis zeigt sich dies wie folgt: Deep-Video-Analysen erkennen Verhaltensweisen im Videokonsum der Nutzer, zum Beispiel welche Geräte häufig verwendet, in welcher Umgebung bestimmte Videos vorwiegend konsumiert werden, oder wie sich die Komplexität eines bevorzugten Videoinhalts zusammensetzt. So entsteht ein benutzerdefiniertes Codierungsprofil, auf dessen Grundlage Videos und Streams angepasst werden können. Mit Hilfe dieser erworbenen Erkenntnisse können Videos schließlich so angepasst werden, dass das Video qualitativ höherwertig gestaltet wird, schneller startet und weniger zwischenspeichert. Die Daten, welche durch die Nutzung der Konsumenten entstehen, werden folglich zur Optimierung des Videoerlebnisses eingesetzt.

2. Ein Algorithmus, der sich bezahlt macht

Ein weiterer Vorteil vom Einsatz maschinellen Lernens richtet sich vor allem an die Broadcaster: Deren Herausforderung ist es, hunderte Videos und Millionen von Streams zu verwalten. Dabei ist die Kosteneinsparung im Bereich Speicher und Bandbreite ein wichtiger Faktor. Durch Machine Learning kann jedes Video einzeln analysiert und auf das jeweilige Zielgerät sowie die Bandbreitenprofile angepasst werden. Anschließend optimiert die Technologie Videoparameter, wie Auflösung und Bildrate, Codec-Parameter wie Bitrate, Codec-Profil und -Level, und erstellt daraufhin die durchschnittliche Bitraten (ABR)-Abstufung. Inhaltsbasierte Konzepte hingegen vollziehen Analysen, um eine optimale Bitrate von einer bereits bestehenden ABR-Abstufung zu wählen.

Aufgrund dieser automatischen Anpassung und Reduzierung von Bitrate und Wiedergaben, können Schätzungen zufolge Kosteneinsparungen um 50 Prozent bei der Speicherung und um 40 Prozent bei der Bandbreite erreicht werden.

Das Must-have der Streamingdienste

Nicht grundlos ist Maschine Learning eine Technologie, in die viel investiert wird. Der selbstlernende Algorithmus kann sowohl quantitative also auch qualitative Eigenschaften erfassen, auswerten und anpassen. Videostreaming ist deshalb ein attraktives Anwendungsgebiet, da auf der Nutzerseite ständiger Optimierungsbedarf des Videoerlebnisses herrscht und zudem Broadcaster mit den steigenden Kapazitäten haushalten müssen.

Mark Blair ist Vice President EMEA bei Brightcove.
Mark Blair ist Vice President EMEA bei Brightcove. (Bild: Brightcove)

Über den Autor

Mark Blair ist Vice President EMEA bei Brightcove. In seiner Rolle ist er für die Unternehmensstrategie in den Bereichen Digital Media und Digital Marketing verantwortlich. Zuvor war Mark Blair als Entwickler, Designer und Manager unter anderem bei Allaire (jetzt Macromedia) und Adobe tätig. Er hat einen Bachelor-Abschluss in Produktdesign und verfügt über mehr als 15 Jahre Berufserfahrung in der Digital Economy.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44865746 / Digital)