Vor kurzem sind interessante Patentanmeldungen ans Licht gekommen, die sich mit Technologien für den Echtzeit-Einsatz von KI befassen. Das Team von Patentlyze ist auf die Patente von Microsoft gestoßen, und aus den Dokumenten gingen mehrere wichtige Details hervor. Das unter der Nummer 2026/0341309 A1 eingetragene Patent wurde ursprünglich bereits im April 2025 von Microsoft-Vertretern angemeldet, doch die Veröffentlichung verzögerte sich bis zum 29. Oktober 2026, jetzt ist es jedoch öffentlich zugänglich.
Der Kern der Technologie besteht darin, dass es durch entsprechend trainierte KI-Agenten möglich wird, die in einer Live-Rede gesprochenen Wörter nahezu in Echtzeit zu ändern, was für die Zuschauer und Zuhörer tatsächlich wie Echtzeit wirken wird, da sie den von der KI bearbeiteten und neu zusammengeschnittenen Inhalt erhalten und nicht die Worte, die der Reporter, der Moderator, der Sprecher oder eine andere Person tatsächlich ausgesprochen hat. Die KI-Agenten, die die Live-Rede bearbeiten, ändern die verschiedenen Wörter anhand vorab festgelegter Kriterien: Es besteht die Möglichkeit, Wörter zu ändern, d. h. sie zu ersetzen; sie können aber auch vollständig aus der Äußerung herausgeschnitten werden, wenn sie nicht zum jeweiligen Inhalt passen oder aus irgendeinem Grund nicht ausgesprochen werden dürfen.
Bei der Bearbeitung kann das KI-basierte System den Aufenthaltsort, das Alter, die Muttersprache des Zuschauers sowie weitere relevante Parameter berücksichtigen und die Wörter entsprechend anpassen. Mithilfe generativer KI können neue Inhalte relativ schnell, innerhalb von 1 bis 10 Sekunden, erstellt werden – je nachdem, wie komplex die jeweilige Situation ist –, und der Zuschauer oder Zuhörer erhält dann bereits den angepassten Inhalt. Der KI-Agent kann auf einem Tablet, einem Smartphone, einer Smartbrille mit Augmented Reality, einer Kamera sowie auf anderer Hardware ausgeführt werden.
Ein weiterer Teil der Technologie kann verschiedene Inhalte in Echtzeit übersetzen und anschließend die Mundbewegungen des Sprechers an die Änderungen anpassen, wodurch der Eingriff verschleiert wird. Dem Beitrag zufolge lassen sich mithilfe der KI Füllwörter, Stottern oder Stocken sowie falsch ausgesprochene und/oder beleidigende Wörter ersetzen und bestimmte Ausdrücke aus dem Inhalt herausfiltern. Die neuen Wörter können aus vorab zusammengestellten Wörterbüchern stammen, aber auch als Ergebnis einer Internetsuche entstehen. Die Technologie könnte, wie oben beschrieben, bei Live-Übertragungen, Preisverleihungen, verschiedenen Spielübertragungen, Sportveranstaltungen sowie in zahlreichen anderen Fällen eingesetzt werden. Die Originalaufnahme könnte parallel dazu aufgezeichnet werden, damit sie bei Bedarf ebenfalls zur Verfügung steht, doch dies ist keine Voraussetzung für den Einsatz der Technologie; sie funktioniert auch ohne diese Aufzeichnung.
Derzeit liegen noch keine Informationen darüber vor, wann und wo die Technologie erstmals zum Einsatz kommen wird, und es ist auch unklar, ob der Zuschauer über den bearbeiteten Inhalt informiert wird oder nicht. Normalerweise könnte die Technologie dazu genutzt werden, die Qualität der Übertragungen zu verbessern, indem die KI fehlerhafte Inhalte quasi in Echtzeit herausfiltert, sie kann aber auch dazu dienen, dass die KI den Inhalt einzelner Live-Streams entsprechend dem Alter der Zuschauer „zensiert“, damit Minderjährige nichts hören, was sie nicht hören sollten. Die Technologie kann natürlich auch zu manipulativen Zwecken oder in böser Absicht eingesetzt werden.
Da solche Patente in der Praxis oft nicht genutzt werden, könnte es sein, dass sich auch diesmal ein ähnliches Szenario abspielt; da die KI jedoch mit Riesenschritten an Boden gewinnt, ist die Wahrscheinlichkeit gering, dass sie später nicht doch für solche Zwecke eingesetzt wird. Es ist auch nicht auszuschließen, dass die Technologie bereits hier und da zu Testzwecken im Einsatz ist, doch dazu liegen derzeit noch keine genauen und verlässlichen Informationen vor.
