Microsoft-Patentanmeldung: Deepfakes im Livestream

Vorab das Wichtigste: Die Anmeldung ist weder erteilt noch abgelehnt, sondern anhängig. Ob daraus je ein Produkt wird, ist offen. Wichtig ist sie trotzdem, weil sie zeigt, wie weit Echtzeit-Manipulation technisch bereits gedacht wird. Wie sich Anwender schon heute vor Live-Deepfakes in Anrufen und Videocalls schützen, lesen Sie in Teil 2: „Live-Deepfakes im Videocall erkennen und abwehren“.

Was die Microsoft-Patentanmeldung tatsächlich beschreibt

Zuerst eine Klarstellung: Es handelt sich um eine Patentanmeldung, nicht um ein erteiltes Patent und nicht um ein Produkt. Das Dokument mit der Nummer US 2026/0341309 A1 heißt „Near Real-Time AI Enhancement of Video or AR Presentations of Live Events“ und wurde laut BornCity am 29. Oktober 2026 veröffentlicht. Microsoft hat demnach weder ein Produkt angekündigt noch einen Zeitplan genannt. Auch Computerworld betont, dass unklar ist, ob und wann die Technik auf den Markt kommt. Entdeckt hat die Anmeldung der Patentbeobachter Patentlyze. Anschließend berichteten unter anderem Futurism und TechSpot.

Stand des Verfahrens: anhängig, weder erteilt noch abgelehnt

Microsoft hat die Anmeldung am 29. April 2025 eingereicht. Das US-Patentamt veröffentlicht Anmeldungen in der Regel automatisch 18 Monate nach der Einreichung, unabhängig vom Stand der Prüfung. Die Veröffentlichung am 29. Oktober 2026 sagt also nichts über eine Erteilung aus. Im ersten Prüfbescheid vom 29. Juli 2026 hat der Prüfer die Ansprüche in der eingereichten Fassung laut Patentlyze (via TweakTown) zurückgewiesen. Das ist ein Zwischenbescheid und keine endgültige Ablehnung: Microsoft kann antworten, argumentieren und die Ansprüche enger fassen. Vor allem der sehr breit formulierte Anspruch 1 dürfte nach Einschätzung von Patentlyze eingeschränkt werden.

Einige Medien meldeten unter Berufung auf Futurism, die Anmeldung sei bereits genehmigt und werde nach Zahlung der Gebühr zum Patent. Futurism selbst schreibt das nach einer Auswertung von Pasquale Pillitteri nicht, und weitere Belege dafür haben wir nicht gefunden. Stand 11. November 2026 ist die Anmeldung damit anhängig. Für die Einordnung ist das zweitrangig: Ob je ein Patent erteilt wird oder nicht, die Anmeldung zeigt, woran einer der größten KI-Anbieter technisch arbeitet und welche Schutzmechanismen darin fehlen.

Technisch soll die Ausstrahlung nach BornCity um etwa 1 bis 10 Sekunden verzögert werden. Diese Spanne nennt die Anmeldung als Beispiel, eine Demonstration gibt es nicht. In dieser Zeit scannt ein KI-Agent die Tonspur anhand von Regeln und Profilen der Zuschauerschaft. Als mögliche Profilmerkmale nennt das Dokument unter anderem Alter, Sprachen, Herkunfts- oder Wohnregion, Ethnie, Religion und Bildungsgrad. Generative KI ersetzt anschließend Passagen, glättet Übergänge und rendert Videobilder, sodass die Lippenbewegungen zum neuen Ton passen.

Entfernt oder ersetzt werden können Füllwörter, Stottern, Genuschel, falsche Aussprache und Hintergrundgeräusche, ebenso Slang, regionale Redewendungen und Beleidigungen. Ersatzbegriffe können über eine Internetsuche entstehen, außerdem erwähnt die Anmeldung eine Faktenprüfung während der Übertragung. Die Erfinder David Callaghan und Dinesh Kumar nennen 20 Ansprüche, davon drei unabhängige. Die Software könnte in der Cloud oder auf Geräten wie AR-Brillen, Smartphones, Tablets und Kameras laufen. Anspruch 16 betrifft die Echtzeitübersetzung mit Lippensynchronisation, Anspruch 14 das optionale Speichern der Originalaufnahme. Als Einsatzfelder nennt die Anmeldung Vorlesungen, Präsentationen, Preisverleihungen, Kochsendungen, Live-Sport und sogar Oper. Weniger beachtet, aber brisant: Laut Dexerto beschreibt sie auch, lange Aufzeichnungen zu Zusammenfassungsvideos zu verdichten, in denen die Sprecher ein gekürztes Skript sagen, das sie so nie gesprochen haben.

Warum ein Livestream damit seinen Beweiswert verliert

Bisher galt „live“ als Gütesiegel: Was gerade gesendet wird, kann nicht nachträglich geschnitten sein. Genau diese Annahme stellt die Anmeldung infrage. Zwei Punkte wiegen besonders schwer.

Erstens ist der Eingriff unsichtbar, weil auch die Lippenbewegungen angepasst werden. Zweitens kann die Bearbeitung nach Zuschauerprofilen erfolgen. Zwei Menschen sehen dann denselben Auftritt, hören aber womöglich nicht dieselben Worte. Eine gemeinsame Faktenbasis geht damit verloren. Nach BornCity enthält die Anmeldung keine Vorgabe, dass Vortragende der Änderung zustimmen oder dass das Publikum sie erkennt. Auch in den Hauptansprüchen ist eine Kennzeichnung nicht zwingend verankert. Beobachter fürchten deshalb, dass nicht nur Sprechfehler verschwinden, sondern auch heikle oder politisch unbequeme Aussagen. Da die Originalaussage im Stream nicht mehr zugänglich ist, steigen die Risiken für Desinformation und Täuschung.

Zwei weitere Folgen werden in der Berichterstattung oft übersehen. Erstens behandelt die Anmeldung Slang und regionale Ausdrücke als Fehler. Futurism fragt, was eigentlich dagegen spricht, einen Südstaatler „y’all“ sagen zu hören. Übertragen auf den DACH-Raum hieße das: Bairisch, Schwäbisch oder Schweizerdeutsch würden im Stream geglättet. Zweitens profitieren Lügner. Wenn jedes Live-Bild verändert sein könnte, lässt sich auch jede echte, unbequeme Aufnahme als Fälschung abtun. Microsofts eigener Report warnt vor solchen Angriffen, die echte Inhalte synthetisch und synthetische Inhalte echt erscheinen lassen.

TechSpot erinnert zudem daran, dass Echtzeit-Gesichtstausch bei Betrügern schon heute beliebt ist. Die Fähigkeit, Gesagtes live zu verändern, könnte Desinformation und Betrug auf eine neue Stufe heben. Redaktionelle Einordnung: Ob die Technik Vertrauen stärkt oder zerstört, hängt weniger vom Algorithmus ab als von Regeln. Dazu zählen verpflichtende Kennzeichnung und ein verfügbares Original. Die Anmeldung sieht das Speichern des Originals bisher nur als Option vor.

Der legitime Nutzen: Übersetzung und Verständlichkeit

Fairerweise gibt es nachvollziehbare Einsatzfelder. Echtzeitübersetzung mit passender Lippenbewegung kann internationale Konferenzen zugänglicher machen. Ganz neu ist die Richtung nicht: Microsoft bietet in Teams bereits den Interpreter-Agenten für Sprache-zu-Sprache-Übersetzung an, und laut TechSpot haben auch Sony und andere Unternehmen im vergangenen Jahr Patente angemeldet, die Inhalte per generativer KI in Echtzeit verändern. Wer gegen Stottern oder Nervosität kämpft, könnte einen verständlicheren Auftritt bekommen. Das Problem liegt darin, dass dieselbe Funktion nicht zwischen Verbessern und Verfälschen unterscheidet. Entscheidend ist, wer die Regeln festlegt und ob die Betroffenen davon wissen.

Analystenstimmen: Was Gartner, Forrester und KuppingerCole sagen

Zur Microsoft-Patentanmeldung selbst liegt nach unserer Recherche vom 11. November 2026 keine Analystenbewertung vor. Die Häuser äußern sich aber zum Umfeld, also zu Deepfakes, Vertrauen und Identitätsprüfung.

Gartner: Verifikation statt Fälschungserkennung

In einer Umfrage unter 297 CISOs (März bis Mai 2026) meldeten 41 % mindestens einen Social-Engineering-Vorfall mit Deepfake in einem Audio-Anruf, 36 % in einem Video-Call. Klassisches E-Mail-Phishing blieb mit 79 % häufiger, Vishing oder Smishing lag bei 58 %. Gartner-Analyst Craig Porter betont, dass die meisten Angriffe weiter auf Nutzer, gestohlene Zugangsdaten und schwache Wiederherstellungsprozesse setzen. Gartner rät, Sicherheitsprogramme weg vom „Fälschung erkennen“ hin zu einer Verifikation bei wichtigen Anfragen zu entwickeln. Eine Gartner-Befragung von 2025 unter 302 Sicherheitsverantwortlichen hatte bereits ergeben, dass 62 % der Organisationen innerhalb von 12 Monaten einen Deepfake-Angriff erlebten.

Forrester: Mainstream und Budgetwirkung

Forrester erwartet in den Predictions 2026 zu Trust und Privacy, dass Deepfakes 2026 zum Mainstream werden. Die Ausgaben für Deepfake-Erkennung sollen demnach um 40 % wachsen. Als Einsatzfelder nennt Forrester Medienhäuser zur Inhaltsprüfung, Help Desks gegen Social Engineering, Finanzdienstleister und Personalabteilungen.

KuppingerCole: Identität und Grenzen der Detektion

Auf der KuppingerCole-Konferenz zu Kunden-Identitäten greift am 18. November 2026 zudem eine Keynote das Thema auf, die laut Agenda aus dem Umfeld des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) stammt. Sie zeigt, wie unterschiedlich Detektoren je nach Fälschungstyp abschneiden, wo sie bei unbekannten Erzeugungsverfahren schwächeln und wo demografische und ethnische Verzerrungen entstehen können. Es handelt sich also um eine Forschungsperspektive auf einer Analystenkonferenz, nicht um eine Bewertung von KuppingerCole selbst.

Security by Design: Was Microsoft von Haus aus einbauen müsste

Pikant ist, wer die Anmeldung eingereicht hat. Microsoft hat 2021 die Coalition for Content Provenance and Authenticity (C2PA) mitgegründet. Deren Standard belegt Herkunft und Bearbeitungsverlauf digitaler Medien kryptografisch, in der Praxis bekannt als Content Credentials. Im Februar 2026 veröffentlichte der Konzern zudem den Bericht „Media Integrity and Authentication: Status, Directions, and Futures“. Der Kernbefund laut Campus Technology: Keine einzelne Methode trennt echte von KI-erzeugten Medien zuverlässig. Die Kombination aus signierter Herkunft und unsichtbarem Wasserzeichen gilt aber als belastbar. Die Werkzeuge für einen verantwortungsvollen Einsatz liegen also im eigenen Haus. Vier Mechanismen gehören deshalb nicht in die Optionsliste, sondern in den Pflichtteil jeder Umsetzung.

Signatur an der Quelle mit C2PA

Kamera, Smartphone oder AR-Brille sollten Bild und Ton bereits bei der Aufnahme signieren. Seit der C2PA-Spezifikation 2.3 ist das auch für Livestreams vorgesehen: Segmente in HLS- oder DASH-Streams werden laut Advanced Television einzeln gehasht und in Echtzeit signiert. Dass das funktioniert, zeigten Unified Streaming, Qualabs und der WDR auf der NAB Show 2026 mit einer durchgängigen Vertrauenskette für Live- und On-Demand-Video. Greift Microsofts KI ein, müsste sie diesen Eingriff als eigenen, ebenfalls signierten Bearbeitungsschritt im Manifest vermerken. Die Kette bliebe lückenlos, der Eingriff aber sichtbar. Die Technik dafür hat Microsoft sogar selbst schützen lassen: Das 2025 erteilte US-Patent 12,244,875 B2 beschreibt, wie einzelne Abschnitte eines Livestreams signiert und beim Abspielen geprüft werden.

Original speichern als Pflicht, nicht als Option

Anspruch 14 sieht das Sichern der Originalaufnahme nur optional vor. Für Vertrauen reicht das nicht. Das unbearbeitete Original müsste verpflichtend und manipulationssicher archiviert werden, sein Hashwert gehört in das Manifest jeder bearbeiteten Fassung. Zuschauer, Redaktionen oder Prüfer könnten dann jederzeit das Original anfordern und vergleichen. Technisch ist das eine Diff-Ansicht, organisatorisch eine Frage von Aufbewahrungsfristen und Zugriffsrechten.

Zustimmung der Vortragenden und sichtbare Kennzeichnung

Wer spricht, sollte entscheiden, ob seine Worte geglättet oder übersetzt werden. Eine kryptografisch hinterlegte Einwilligung ließe sich als harte Bedingung in die Pipeline einbauen: ohne Freigabe kein Eingriff. Zusätzlich braucht der Player ein sichtbares Signal, etwa ein Badge „KI-bearbeitet“, das auf Klick zeigt, was verändert wurde, also Übersetzung, Füllwörter oder Inhalt. In diese Richtung zielt auch Artikel 50 des EU AI Act.

Versionskennung für jede Profilfassung

Der heikelste Teil der Anmeldung ist die Bearbeitung nach Zuschauerprofilen. Mindestens müsste jede ausgespielte Fassung eine eindeutige, signierte Versionskennung tragen. Diese Kennungen gehören in ein öffentliches Protokoll, das sich nur erweitern, aber nicht nachträglich ändern lässt, ähnlich wie Certificate Transparency bei TLS-Zertifikaten. Wer wissen will, ob der Kollege im Nachbarbüro dieselbe Rede gehört hat, könnte die Versionen dann abgleichen.

Regulierung: Was der EU AI Act für KI-Eingriffe in Videos bedeutet

Seit dem 2. August 2026 gelten die Transparenzpflichten nach Artikel 50 des EU AI Act. Betreiber von KI-Systemen, die Bild-, Audio- oder Videoinhalte als Deepfake erzeugen oder manipulieren, müssen die künstliche Herkunft laut TÜV grundsätzlich offenlegen. Der Digital Omnibus (Verordnung (EU) 2026/1744) ließ die Absätze 1, 3 und 4 unberührt. Für die maschinenlesbare Markierung nach Absatz 2 gilt laut Ropes & Gray für Systeme, die vor dem 2. August 2026 am Markt waren, eine Frist bis 2. Dezember 2026.

Die Patentanmeldung ist ein technisches Dokument und keine Compliance-Aussage. Ob ein späteres Produkt unter Artikel 50 fällt und welche Ausnahmen greifen, müssen Juristen im Einzelfall klären. Hintergründe liefert der Beitrag zu Artikel 50 auf it-daily.net.

Fazit: Die Anmeldung ist offen, die Debatte nicht

Noch ist die Technik nur eine anhängige Anmeldung beim US-Patentamt, und ob sie in dieser Form erteilt wird, ist offen. Die Richtung ist trotzdem klar: Bild und Ton werden zu formbarem Material, auch live. Gesichert ist, dass die Anmeldung Eingriffe nach Zuschauerprofilen beschreibt und keine Pflicht zur Kennzeichnung erkennen lässt. Ebenso gesichert ist, dass es Gegenmittel gibt: Signatur an der Quelle, ein verpflichtend gespeichertes Original und sichtbare Kennzeichnung. Microsoft hat einige davon selbst mit vorangetrieben und sogar patentiert. Der Konzern müsste sie nur in die eigene Idee einbauen. Wie sich Anwender bis dahin schützen, zeigt Teil 2.

Fragen und Antworten (Q&A)