Wenn Samira Panah Bakhtiar, General Manager Media & Entertainment, Games and Sports bei AWS, ihren NAB-Auftritt in einen Satz fasst, klingt das nach Marketing: AWS wolle „der vertrauenswürdigste KI-Partner für Storytelling im großen Maßstab" sein. Hinter der Formulierung steht aber eine konkrete Verschiebung. Die Diskussion um Künstliche Intelligenz in Produktion und Distribution hat sich gegenüber der NAB 2025 hörbar verändert. Studio-Verantwortliche fragen nicht mehr, ob KI in ihre Workflows passt, sondern mit welchen Anbietern sie sich technisch und vertraglich einlassen können. „Im letzten Jahr gab es viel Angst, in diesem Jahr suchen die Leute aktiv nach Partnern, deren Plattformen sicher und ausgereift sind", sagt Bakhtiar. Bemerkenswert sei, wie viele Studio-Manager unauffällig die Hallen ablaufen und gezielt Fragen zu beschleunigter Film- und Serienproduktion stellen.
Diese Nachfrage trifft bei AWS auf vier Lösungsbereiche, die der Hyperscaler im Booth bündelt: Content Production, Multi-Platform Distribution, Media Lifecycle Management und Revenue Generation. Die Bündelung ist weniger Marketing-Architektur als Reaktion auf den fragmentierten Stack der Kunden, der Produktion, Auslieferung, Asset-Management und Werbevermarktung in immer kürzeren Zyklen ineinandergreifen lässt.
Mobile Reichweite zwingt zur Verticalisierung
Die treibende Kraft hinter mehreren AWS-Produktentscheidungen ist eine Verschiebung im Konsumverhalten, die das Unternehmen mit klaren Zahlen unterlegt. 88 Prozent der Gen Z konsumieren Inhalte über Smartphone und Social Media, bei einem großen US-Sport-Broadcaster läuft die Wiedergabe zu 90 Prozent mobil. „Man merkt, dass auf den klassischen TV- und Streaming-Häusern enormer Druck lastet", sagt Bakhtiar. Ihre Formulierung dafür ist pointiert: KI fungiere für die Branche als „cheat code", um schnell zu Ergebnissen zu kommen, die mit klassischen Mitteln zu langsam entstünden.
Die Produkt-Antwort heißt AWS Elemental Inference. Der Service nimmt klassisches 16:9-Material und liefert in nahezu Echtzeit eine 9:16-Variante, die sich anschließend für Social Clips weiterverarbeiten lässt. Regina Rossi, Head of Product bei AWS Media Services, beschreibt das Problem nüchtern: Praktisch keine professionelle Produktion entsteht heute nativ vertikal, gleichzeitig finden Zuschauer Sportübertragungen oft nur dann, wenn sie vorher in ihrem Social-Feed darauf gestoßen sind. „In manchen Fällen wissen die Zuschauer gar nicht, dass ein Spiel läuft, wenn sie es nicht in ihrem Social-Media-Feed sehen", so Rossi. Damit wird das vertikale Format zum Akquisekanal für die eigentliche Übertragung.
Technisch arbeitet Inference mit einer Saliency-Map, die Objekterkennung, Aktionsanalyse und Active Speaker Detection kombiniert. Bei Sport folgt das System Spieler und Ball, im Dialog wechselt der Bildausschnitt zwischen den Sprechenden, bei zwei Personen können beide nebeneinander gehalten werden. Für Schnitte greift eine multimodale Analyse aus Bild und Ton, um saubere Übergänge zu finden. Bewusst ist der Service nicht sportartspezifisch ausgelegt: „Wir versuchen nicht, sportspezifisch zu sein, sondern zu verstehen, was in einer Szene das Wichtigste ist", sagt Rossi. Auf Award-Shows oder Red-Carpet-Formaten funktioniere das Prinzip ebenso. Seit dem Marktstart hat AWS die Modelle bereits zweimal aktualisiert, die Latenz für Echtzeit-Metadaten liegt bei sechs bis acht Sekunden. Weitere Metadaten-Outputs sollen folgen, mit dem erklärten Ziel, Personalisierung in der Distribution möglich zu machen.
Agenten als Kontrollinstanz im Streaming-Betrieb
Weniger sichtbar, im Kundenfeedback der Messe aber besonders gefragt, ist ein Anwendungsfeld, das Bakhtiar selbst als „nicht glamourös" einordnet: agentische KI im Streaming-Betrieb. AWS hat seine Frontier-Agenten auf Encoding-, Transcoding- und Auslieferungs-Logik trainiert und zu einem Workflow verkettet, der als Watchdog für Live-Feeds arbeitet. Die Agenten überwachen Signalqualität, registrieren Anomalien, ziehen die Logs entlang der gesamten Kette zusammen und liefern dem zuständigen Engineer eine Empfehlung zur Behebung.
Der wirtschaftliche Hebel liegt im Wegfall klassischer Mehrstunden-Analysen. „Im Moment haben sie riesige Operations-Teams, die an Bildschirmen kleben und Quality Control machen, oder Stunden mit Root-Cause-Analysen verbringen – das fällt komplett zusammen", beschreibt Bakhtiar den Effekt. Für Streaming-Anbieter mit großen Distributionsketten ist das ein direkter Eingriff in Betriebskosten und Recovery-Zeiten – und damit ein Use Case, der ohne große Schaufenster-Wirkung verkauft.
Live-News werden monetarisierbar
Ein zweites operatives Thema, das AWS auf der NAB hervorhebt, betrifft die Werbevermarktung von Live-Nachrichten. Das Inventar gilt traditionell als problematisch, weil sich das Umfeld ständig ändert und kritische Lagen Inserenten vergraulen – das klassische Beispiel ist die Airline-Werbung im Anschluss an die Berichterstattung über einen Flugzeugabsturz. AWS extrahiert nun in Echtzeit Metadaten aus Live-News-Feeds, erzeugt Vector-Embeddings und gleicht sie mit den Taxonomien des Interactive Advertising Bureau (IAB) und der Global Alliance for Responsible Media (GARM) ab. Daraus ergibt sich pro Segment eine Einschätzung, ob das Umfeld für bestimmte Kategorien geeignet ist – Familie, Sport, Technologie, Retail.
Kombiniert mit automatischer Ad-Break-Erkennung lässt sich das Inventar gezielter belegen, ohne dass Sender ihre bestehenden Werbekunden-Beziehungen aufgeben müssten. Ergänzend hat AWS Fortschritte beim Time-Addressable Media Store sowie eine Media-Exchange-Schicht angekündigt, die Live-Material zwischen AWS-basierten Post- und Distributions-Workflows weiterreichen lässt – ein Ausbau, der vor allem für international vernetzte Produktionen relevant ist.
Einstieg über Managed Services und natürliche Sprache
Wer als Sender oder Dienstleister mit AWS arbeiten will, muss dafür nach Bakhtiars Lesart kein durchstandardisiertes Cloud-Setup mitbringen. AWS adressiert verschiedene Reifegrade über drei Wege: CloudFormation-Templates als nachvollziehbare Bauanleitungen für komplette Workloads inklusive GitHub-Code, eine Professional-Services-Organisation samt Partnernetzwerk für Eigenbau-Szenarien sowie zunehmend Managed Services, die definierte Anwendungsfälle wie vertikale Video-Pipelines komplett übernehmen.
Hinzu kommt Kiro (kiro.dev), eine spec-basierte Entwicklungsumgebung, mit der Anwender Vorhaben in natürlicher Sprache beschreiben und ein Agententeam die Implementierung übernimmt. Bakhtiar nennt Kiro einen Hebel für Prototypen jenseits klassischer Engineering-Teams. Rossi grenzt allerdings ab: Für produktive Broadcast-Infrastruktur sei das Werkzeug primär ein Beschleuniger in der POC-Phase. Skalierung gehöre in Managed Services oder kontrollierte Eigenentwicklung. Diese Trennung ist für die Zielgruppe wesentlich, weil sie die in Marketingmaterial häufig verwischte Linie zwischen „schnell etwas zeigen" und „produktiv betreiben" wieder sichtbar macht.
Was am AWS-Auftritt in Las Vegas auffällt, ist die Verschiebung des Versprechens. Nicht mehr „KI verändert die Branche" lautet die Botschaft, sondern: KI ist bereits in den Sendeabläufen, in der Werbevermarktung und in der Produktion angekommen, und der Hyperscaler positioniert sich als operative Ebene, auf der diese Funktionen laufen. Für europäische Sender, Dienstleister und Hersteller wird damit weniger die Frage entscheidend, ob sie KI einsetzen, als wie weit sie ihren Stack einem Hyperscaler überlassen wollen, der gleichzeitig Infrastruktur, Modelle und Anwendungsschicht liefert.
