Woher die Plattform weiß, dass dein Clip eine Kopie ist: Erkennung doppelter Videos erklärt
YouTube hat 2024 rund 2,2 Milliarden Content-ID-Ansprüche bearbeitet, über 99 % davon automatisch. Bei keinem musste jemand das Video ansehen: Die Plattform vergleicht Fingerabdrücke von Bild und Ton, die Komprimierung, Zuschnitt und kleine Änderungen überstehen. Hier erkläre ich, wie das funktioniert und warum Spiegeln, Zoomen oder Beschleunigen niemanden austricksen.
Woher die Plattform weiß, dass dein Clip eine Kopie ist: Erkennung doppelter Videos erklärt
Die Plattform sieht sich dein Video nicht an, um zu wissen, ob es eine Kopie ist. Sie berechnet einen Fingerabdruck von Bild und Ton und vergleicht ihn mit Millionen anderer. Dieser Fingerabdruck ist so gebaut, dass er Komprimierung, Zuschnitt und kleine Änderungen übersteht. So hat Content ID von YouTube 2024 rund 2,2 Milliarden Ansprüche bearbeitet, über 99 % davon automatisch (TorrentFreak, auf Basis des Transparenzberichts von YouTube).
Wenn du Clips schneidest, ändert das Verständnis dafür zwei Dinge: Du verschwendest keine Zeit mehr mit Tricks, die nicht funktionieren, und du siehst, warum eine Genehmigung mehr wert ist als jeder Filter.
Warum ein gewöhnlicher Hash nicht reicht
Der einfachste Weg herauszufinden, ob zwei Dateien gleich sind, ist ein kryptografischer Hash wie SHA-256. Du gibst die Datei hinein, heraus kommt eine Zeichenfolge fester Länge. Ist auch nur ein Bit in der Datei anders, ändert sich der Hash komplett.
Das ist ideal, um einen Download zu prüfen, aber denkbar schlecht, um Videokopien zu finden. Es genügt, die Datei neu zu kodieren, was jedes soziale Netzwerk beim Upload sowieso tut, und der Hash ist ein anderer. Keine ernsthafte Plattform setzt das zur Erkennung von Reposts ein.
Der Wahrnehmungs-Hash
Die Lösung ist der Wahrnehmungs-Hash (perceptual hash): ein Fingerabdruck, der sich wenig ändert, wenn sich das Bild wenig ändert. Zwei Bilder, die Menschen als ähnlich empfinden, erzeugen ähnliche Hashes.
Meta hat 2019 zwei solche Algorithmen als Open Source veröffentlicht, PDQ für Bilder und TMK+PDQF für Videos. Sie sollen Dateien finden, die „identisch oder nahezu identisch sind, auch ohne das Originalbild oder -video zu besitzen“ (Meta). Die öffentliche Dokumentation von PDQ hilft, die Logik zu verstehen (ThreatExchange, PDQ):
- Das „P“ steht für perceptual: Er versucht, Bilder zuzuordnen, die Menschen als ähnlich wahrnehmen;
- er wandelt das Bild in Luminanz (hell und dunkel) um, verkleinert es und wendet eine Kosinustransformation an, aus derselben mathematischen Familie wie die JPEG-Kompression, um die Grobstruktur in einem 256-Bit-Hash festzuhalten (technisches Dokument zu PDQ);
- zwei Hashes zu vergleichen heißt, die abweichenden Bits zu zählen (Hamming-Distanz), und die öffentliche Referenz empfiehlt, Hashes als ähnlich zu behandeln, die sich in höchstens 31 Bits unterscheiden;
- und das Detail, das für alle zählt, die tricksen wollen: PDQ kann acht Varianten des Hashes erzeugen, eine für jede 90-Grad-Drehung und für jede Spiegelung.
Bei Video wird die Idee erweitert. In TMK+PDQF wird jedes Bild zu einem Merkmalsvektor, und das ganze Video wird zu einer zeitlich gewichteten Kombination dieser Merkmale. So lassen sich Videos vergleichen, ohne Bild für Bild hinzuschauen. Das Prinzip gilt für jedes System dieser Art: Verglichen wird, wie das Video über die Zeit aussieht, und ein 40-Sekunden-Clip trägt dasselbe Aussehen wie die Stelle des Livestreams, aus der er stammt.
Und der Ton?
Audio hat seinen eigenen Fingerabdruck, und der steckt noch mehr weg.
Das klassische Shazam-Paper von 2003 beschreibt die Technik: Audio wird in eine Karte von Frequenzspitzen über die Zeit (eine „Konstellation“) umgewandelt, und von Paaren dieser Spitzen werden Hashes gebildet (Wang, 2003). Das Ergebnis erkannte Musik, die mit einem Handymikrofon aufgenommen wurde, mit Stimme darüber, Umgebungslärm und der Kompression eines Telefonats, in einer Datenbank mit über einer Million Titeln.
Überleg, was das für einen Clip bedeutet: Musik darüberlegen, die Lautstärke verändern oder das Audio komprimieren ist genau die Art von Störung, die diese Technikfamilie durchdringen soll, und schon 2003 hat sie das mit dem Mikrofon eines Handys geschafft.
Meta gibt an, neben Rights Manager auch den Dienst Audible Magic zu nutzen, um Videos zu blockieren, wenn eine Audioübereinstimmung erkannt wird (Meta, Transparenz). Wie daraus ein Strike für einen alten Clip wird, haben wir schon in automatische Audioerkennung erklärt.
Wer das nutzt und wozu
| System | Wer die Referenz einreicht | Was bei einem Treffer passiert | Quelle |
|---|---|---|---|
| Content ID (YouTube) | Rechteinhaber, die die Kriterien erfüllen, oft mit hochgeladenem Originalmaterial | sperren, mit Werbung monetarisieren oder Statistiken verfolgen | YouTube Help |
| Rights Manager (Meta) | teilnehmende Rechteinhaber | sperren, Werbeeinnahmen beanspruchen, überwachen oder melden | Meta |
| Inhaltsschutz (Facebook) | monetarisierte Creator mit Originalitätsstandard | überwachen, Verbreitung blockieren, freigeben, Quellenhinweis | Facebook for Creators |
| Für-dich-Feed (TikTok) | Regel der Plattform selbst | wiederverwendete Inhalte ohne etwas Neues bleiben außerhalb des Für-dich-Feeds | TikTok |
Auf den verlinkten Seiten geprüft am 26.09.2026.
Zwei Zahlen aus dem YouTube-Bericht für 2024, über TorrentFreak, helfen bei der Einordnung: Über 90 % der Content-ID-Ansprüche wurden monetarisiert und nicht entfernt, und weniger als 1 % wurden angefochten. Das heißt: Meistens behält der Inhaber des Materials die Einnahmen, wenn dein Clip anschlägt, und das Video bleibt online.
Das Detail am Inhaltsschutz von Meta, das für Clipper interessant ist: Er ist genau für die großen Creator gedacht, die du am meisten schneidest, und gilt für Facebook und Instagram. Dazu habe ich in Facebook Reels für einen Clip-Kanal geschrieben.
Warum die Tricks nicht funktionieren
Jede Clipper-Gruppe hat eine Liste von Tricks, um „am Algorithmus vorbeizukommen“. Wenn man sich ansieht, wie die Systeme arbeiten, sieht man, warum sie scheitern:
Das Video spiegeln. PDQ sieht für jede Spiegelung schon einen Hash vor. Und der Ton lässt sich nicht spiegeln.
Zoomen, zuschneiden, Rand hinzufügen. Der Wahrnehmungs-Hash erfasst die Grobstruktur des Bilds. Ein Rand oder ein leichter Zoom ändern daran wenig. Rights Manager und Inhaltsschutz suchen nach Übereinstimmungen, und die Technik, die Meta selbst offengelegt hat, wurde gebaut, um „identische oder nahezu identische“ Dateien zu finden, nicht nur identische.
5 % schneller abspielen oder die Tonhöhe ändern. Der Sequenzvergleich verkraftet Tempoabweichungen, und die Konstellation der Audiospitzen wurde für viel stärkere Störungen und Verzerrungen entworfen.
Farbfilter. PDQ wirft die Farbe gleich im ersten Schritt weg und arbeitet mit der Luminanz.
Und dann gibt es ein Problem, das nicht technisch ist: Der Versuch, die Erkennung zu umgehen, verstößt oft selbst gegen die Regeln der Plattformen. Meta nennt „Geschwindigkeit ändern“ und „Rand hinzufügen“ in seiner Originalitätsregel als Änderungen mit geringem Wert, wie wir in Reposts zahlen nicht mehr beschrieben haben. Du verlierst Zeit, um das Video schlechter zu machen, und bestätigst obendrein, dass du wusstest, dass es eine Kopie war.
Was das für Clipper ändert
Wenn du mit Genehmigung schneidest, arbeitet die Erkennung für dich. Der Inhaber des Materials kann wählen, deine Clips zu überwachen oder freizugeben, und das System schützt den Creator vor denen, die deine Arbeit reposten. Vereinbart das schriftlich.
Wenn du ohne Genehmigung schneidest, bleibt der Clip online, bis der Inhaber anders entscheidet. Content ID und Rights Manager überlassen ihm diese Entscheidung, und sie kann Monate später kommen, wie wir am Fall des alten Clips, der zum Strike wird, gezeigt haben.
Wenn zwei Clipper dieselbe Stelle schneiden, stimmen beide Clips mit dem Original überein, weil sie daraus stammen. Der Schnitt trennt sie: Einstiegspunkt, Bildausschnitt, Kontext, das, was jeder hinzugefügt hat. Deshalb überlebt ein Clip mit eigener Handschrift besser als ein roher Clip.
Wenn du den Clip reposten willst, den jemand anderes geschnitten hat, gibt es nichts zu diskutieren: Das ist der klassische Fall eines Duplikats. Gleicher Ausschnitt, gleicher Bildausschnitt, gleiche Untertitel. Jedes System findet das.
Und bei Clip-Meisterschaften?
Eine Meisterschaft zahlt pro View, also ist ein Duplikat ein Fairnessproblem: Jemand lädt den Clip herunter, der gut lief, postet ihn auf einem eigenen Konto erneut und tritt mit der Arbeit eines anderen um denselben Preis an.
Bei Cut.Pro erkennen die Meisterschaften doppelte Videos unter den Einreichungen, und die Teilnehmenden können sich gegenseitig melden. Ich gehe nicht darauf ein, wie das intern gemacht wird, aber die Logik ist dieselbe wie in diesem Post: Verglichen wird, wie das Video aussieht und klingt, nicht der Dateiname. Wenn einer deiner Clips nicht gezählt hat, wirf einen Blick auf die Checkliste, warum das Video nicht ins Ranking gekommen ist.
Zusammengefasst
- Die Plattform vergleicht Wahrnehmungs-Fingerabdrücke von Bild und Ton, keine Dateien.
- Content ID hat 2024 2,2 Milliarden Ansprüche bearbeitet, über 99 % automatisch, und über 90 % wurden monetarisiert, nicht entfernt.
- Der Audio-Fingerabdruck stammt aus derselben Familie wie Shazam, gebaut für Lärm, Stimme darüber und Komprimierung.
- Spiegeln, Zoomen, Rand, Beschleunigen und Filtern ändern den Fingerabdruck kaum und zählen in der Originalitätsregel auch noch gegen dich.
- Eine Genehmigung macht die Erkennung zum Schutz deiner Arbeit.
- In einer Meisterschaft wird das Reposten des Clips eines anderen Teilnehmers erkannt und kann gemeldet werden.
Die nützliche Frage war nie „wie komme ich am Algorithmus vorbei“. Sie lautet: „Was an diesem Clip ist von mir?“ Wenn die Antwort gut ist, ist die Erkennung keine Bedrohung mehr.
Quellen: TorrentFreak, 2,2 Milliarden Content-ID-Ansprüche 2024 · YouTube, wie Content ID funktioniert · Meta, PDQ und TMK+PDQF als Open Source · ThreatExchange, PDQ-Dokumentation · Meta, technisches Dokument zu PDQ und TMK+PDQF · Wang, An Industrial-Strength Audio Search Algorithm (2003) · Meta, Schutz geistigen Eigentums · Facebook for Creators, Inhaltsschutz · TikTok, Standards für den Für-dich-Feed
