Multimodale Inhaltsanalyse: das ganze Artefakt, nicht ein Frame davon
Content-Understanding-Services nehmen ein Dokument, Bild, Audio oder Video und liefern strukturierten Output fĂŒr das Ganze, etwa die Szenen eines Videos mit einer Zusammenfassung zu jeder.
Was ist multimodale Inhaltsanalyse?
Ein Bild zu labeln und eine Szene zu verstehen sind verschiedene Aufgaben. Content-Understanding-Services kombinieren mehrere Modelle hinter einem Aufruf: Sie lesen den Text, hören das Audio, sehen die Frames an und liefern ein strukturiertes Ergebnis in einem Format, das Sie festlegen.
Die Bequemlichkeit hat einen Preis: Der Anbieter entscheidet, welche Modelle innen arbeiten. PrĂŒfen Sie das, bevor Sie sich darauf verlassen, besonders wenn Sie wissen mĂŒssen, welches Modell geantwortet hat, und die Antwort nĂ€chstes Quartal gleich bleiben soll.
Vier Wege, sie zu betreiben
Jede der groĂen Clouds bietet sie als verwalteten Service an, und Sie können sie auch selbst betreiben. Dieselbe Aufgabe, eine andere Rechnung und eine andere Konsole.
Amazon Bedrock Data Automation[1]
Der verwaltete Service auf AWS, der strukturierten Output aus Dokumenten, Bildern, Audio und Video in einem Aufruf liefert.
Offizielle Dokumentation →Azure Content Understanding[2]
Der Service in Microsoft Foundry mit Analyzern fĂŒr Dokumente, Bilder, Audio und Video, seit November 2025 allgemein verfĂŒgbar.
Offizielle Dokumentation →Document AI (am nĂ€chsten fĂŒr Dokumente)[3]
Die nĂ€chste verwaltete Entsprechung auf Google Cloud fĂŒr Dokumente; fĂŒr Medien kombinieren Sie sie mit anderen Google-APIs.
Offizielle Dokumentation →Eigene Pipeline[4]
Mit FFmpeg teilen, mit Whisper transkribieren, Frames mit einem offenen Vision-Modell beschreiben, mit einem offenen LLM zusammenfassen und Dokumente mit Docling (MIT) parsen. Mehr Arbeit, und jede Modellwahl gehört Ihnen.
Projektseite →
So sieht es in einer Architektur aus
Folien aus meiner Lehrveranstaltung zu KI-Architekturen an der FH Burgenland, aus echten Projekten (auf Englisch).
Wo ich es eingesetzt habe
Die Video-Pipeline
In meiner Video-Pipeline liest Bedrock Data Automation jeden Clip als Ganzes und schlÀgt die Schnitte vor. Insgesamt kostet ein fertiger Clip etwa 34 Cent und unter drei Minuten, statt vorher vierzig bis sechzig Stunden Schnitt.
Zum Bericht (Englisch) →Verwaltet und selbst betrieben zusammen: Hybrid
Bei einem fertigen Service verlÀsst der Aufruf Ihr Netzwerk. Die Hybrid-Entscheidung ist, was hinausgeht und in welchem Zustand: die ganze Datei, eine geschwÀrzte oder nur der Teil, der muss. Wo eine Datei gar nicht hinaus darf, lÀuft derselbe Schritt mit der Open-Source-Option in Ihrem GebÀude, und nur das Ergebnis, oder nichts, geht hinaus.[6]
Was hilft Ihnen als NĂ€chstes?
Entscheiden lernen
Der Kurs âFrom Managed to Hybridâ zeigt, wo KI laufen sollte: was jede Ebene kostet, was Sie betreiben und wo Ihre Daten bleiben mĂŒssen. Er ist in Vorbereitung, mit einer kostenlosen Live-Session zum Start.
Linda MohamedKI- und Cloud-Beraterin, AWS Community Hero, Wien
Gemeinsam bauen
ErzĂ€hlen Sie mir, was Sie bauen wollen. In 30 Minuten prĂŒfen wir, welcher der vier Wege zu Ihren Daten, Ihren Regeln und Ihrem Budget passt und ob AWS-Förderung fĂŒr einen Proof of Concept einen Teil abdeckt. So funktioniert AWS-Förderung →
Sie wissen schon, was Sie brauchen
Buchen Sie direkt den Workshop:
- KI-Konzept- und Prototyp-Workshops →
Zuerst die Architektur, pro Service bepreist und mit Ihren Daten getestet, dann ein Prototyp mit Go- oder Stopp-Entscheidung. - Generative-AI-Use-Case-Workshop →
Welche GenAI-Ideen sich lohnen und ob Prompts, Retrieval oder Fine-Tuning jeweils passt.
Mehr auf ai-solutions.wiki
Meine offene Wissensbasis, mit lÀngeren Vergleichen, Preisnotizen und Quellen (auf Englisch).
Quellen
- Amazon Bedrock Data Automation Dokumentation. https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html
- Azure Content Understanding Dokumentation. https://learn.microsoft.com/en-us/azure/ai-services/content-understanding/overview
- Document AI (am nĂ€chsten fĂŒr Dokumente) Dokumentation. https://cloud.google.com/document-ai/docs
- Eigene Pipeline. https://github.com/docling-project/docling
- Linda Mohamed, Kursfolien âThe projectsâ, MASE-3, FH Burgenland, September 2026
- S3 access points on FSx for NetApp ONTAP, AWS documentation. https://docs.aws.amazon.com/fsx/latest/ONTAPGuide/s3-access-points.html
- Amazon Bedrock, ai-solutions.wiki. https://ai-solutions.wiki/tools/amazon-bedrock/
- OpenAI Whisper, ai-solutions.wiki. https://ai-solutions.wiki/tools/whisper/
- FFmpeg, ai-solutions.wiki. https://ai-solutions.wiki/tools/ffmpeg/
- Pre-built AI services vs foundation models, ai-solutions.wiki. https://ai-solutions.wiki/comparisons/prebuilt-ai-services-vs-foundation-models/
- Azure Content Understanding is now generally available, Microsoft Foundry blog. https://devblogs.microsoft.com/foundry/azure-content-understanding-is-now-generally-available/
Links geprĂŒft im September 2026. Produktnamen und Funktionen Ă€ndern sich: PrĂŒfen Sie die verlinkten Seiten, bevor Sie entscheiden.
