KI schaut nicht mehr jedes Video komplett an

Google hat am 1. September eine Funktion freigeschaltet, die im Fachpublikum wenig Aufmerksamkeit bekommen hat und für Organisationen mit großen Videobeständen trotzdem relevant ist: agentische Videoanalyse. Dahinter steht eine schlichte Änderung mit spürbaren Folgen.

Bisher: Bild für Bild, egal was drin ist

Wenn ein KI-Modell bisher ein Video ausgewertet hat, zerlegte es die Datei in Einzelbilder – standardmäßig eines pro Sekunde – und verarbeitete alles. Bei einem 90-minütigen Vortrag heißt das: mehrere hunderttausend Token für eine einzige Frage, unabhängig davon, ob die Antwort in Minute 3 oder in Minute 78 steckt. Wer Kosten sparen wollte, musste die Bildrate senken und riskierte, genau die entscheidende Stelle zu übersehen.

Neu: Das Modell entscheidet, wo es genauer hinsieht

Agentische Videoanalyse dreht das um. Das Modell arbeitet die Datei nicht mehr stur ab, sondern sucht gezielt: Es springt zu den Abschnitten, die zur Frage passen, und entscheidet dabei selbst, ob Bild, Tonspur oder Transkript die bessere Quelle ist. Nur diese Stellen werden im Detail ausgewertet.

Google nennt für die eigenen Benchmarks bis zu 88 Prozent weniger Tokenverbrauch, bis zu 66 Prozent geringere Analysekosten und bis zu sieben Prozent bessere Genauigkeit. Die Werte stammen aus unterschiedlichen Tests und sind Herstellerangaben – als Größenordnung taugen sie, als Garantie nicht. Die Richtung ist aber eindeutig: Lange Videos werden von einem Kostenproblem zu einer normalen Datenquelle.

Was das im Alltag ermöglicht

Interessant wird es überall dort, wo Wissen in Videos steckt und deshalb praktisch unzugänglich ist:

Sitzungsaufzeichnungen. Ein Protokollentwurf mit Zeitstempeln zu jedem Tagesordnungspunkt, statt einer Aufzeichnung, die niemand mehr ansieht.

Schulungsvideos. Kapitelmarken, Zusammenfassungen und eine Suche, die auf die richtige Minute springt – statt „ist irgendwo im zweiten Teil“.

Vorträge und Veranstaltungen. Aus einer Aufzeichnung werden Zitate, Kernaussagen und Textbausteine für die eigene Kommunikation.

Videoarchive. Bestände aus Jahren werden durchsuchbar, ohne dass jemand sie vorher händisch verschlagworten muss.

Die Einschränkungen, die man kennen sollte

Zwei Punkte gehören dazu, wenn man den Nutzen realistisch einschätzen will.

Erstens ist die Funktion vorerst kein Häkchen in einer App, sondern läuft über die Programmierschnittstelle und ist als Vorschau gekennzeichnet. Sie ist damit kein Werkzeug, das eine Mitarbeiterin morgen einfach anklickt, sondern etwas, das ein Projekt plötzlich leistbar macht.

Zweitens die Datenschutzfrage, und die ist in Gemeinden, Schulen und Vereinen die wichtigere. Sitzungsaufzeichnungen enthalten personenbezogene Daten, oft auch von Bürgerinnen und Bürgern, die dabei nicht mitgedacht haben. Bevor ein Video in eine Analyse geht, braucht es geklärte Rechtsgrundlagen, einen Auftragsverarbeitungsvertrag und eine Entscheidung darüber, wo verarbeitet wird. Das ist kein Grund, es zu lassen – aber der Punkt, an dem Projekte sonst später scheitern.

Der eigentliche Hebel liegt im Bestand

Die meisten Organisationen haben mehr aufgezeichnetes Wissen, als sie nutzen. Was bislang fehlte, war ein wirtschaftlicher Weg, es zu erschließen. Genau das hat sich diese Woche geändert – und damit lohnt sich die Frage, was eigentlich in den eigenen Archiven liegt.