Die eigene Stimme nur 25 bis 30 Millisekunden verspätet zu hören, wird von Menschen beim lauten Lesen bereits als ‘störend’ bewertet, so eine Studie mit 32 Teilnehmern in Ear and Hearing, und diese Zahl erklärt zu einem guten Teil, warum Ohrhörersignale für Moderatoren im Live-Fernsehen darauf ausgelegt sind, die eigene Stimme des Moderators zu entfernen. Das Bild wird ebenso streng beurteilt: Die EBU erlaubt, dass der Ton dem Bild an jedem für die Ausstrahlung vorgesehenen Ausgang höchstens 40 ms vorauseilt oder höchstens 60 ms hinterherläuft. Gleichzeitig wandert die Produktion selbst weg vom Veranstaltungsort: Zwei Drittel der gebuchten Remote-Dienste bei den Olympischen Spielen in Paris 2024 liefen über eine Cloud-Plattform statt über Satellit. Wir haben Daten der ITU, der EBU, der ATSC, in Ear and Hearing und PLoS ONE veröffentlichte Hörforschung, eine Feldstudie von BBC R&D, University of Strathclyde und TV2, die Allianz AIMS, Satellitenmessungen von IFIP Networking und die Branchenumfrage 2026 von Haivision ausgewertet. Zur On-Air-Seite der Live-Kommentierung siehe unsere ergänzende Übersicht zu Broadcast-Audio von Esports-Castern und Kommentatoren.
Zwei Begriffe ziehen sich durch diesen Artikel. Talkback (auch Kommandoanlage oder Intercom genannt) ist der private Sprechkanal zwischen der Regie, die britische Sender Gallery nennen, und der Crew. IFB, kurz für interruptible foldback (unterbrechbarer Rückweg), ist das Signal im Ohrhörer des Moderators: normalerweise der Programmton, den ein Produzent unterbrechen kann, um Anweisungen zu geben. Dieses Signal ist meist ein Mix-minus, also die vollständige Mischung ohne die eigene Stimme des Moderators, damit er sich nie verzögert zurückkommen hört.
TL;DR
- Zuschauer bemerken einen Timing-Fehler zwischen Ton und Bild ab etwa +45 ms (Ton zu früh) bis -125 ms (Ton zu spät) (ITU-R BT.1359-1, 1998).
- An jedem für die Ausstrahlung vorgesehenen Ausgang darf der Ton dem Bild um höchstens 40 ms vorauseilen und um höchstens 60 ms hinterherlaufen (EBU R37-2007).
- Am Eingang der DTV-Encoder sollte der Ton nie um mehr als 15 ms vorauseilen oder um mehr als 45 ms hinterherlaufen (ATSC IS-191).
- Beim lauten Lesen bewerteten 32 Teilnehmer eine Verzögerung der eigenen Stimme von 25 bis 30 ms als störend (Stone und Moore, Ear and Hearing 2002).
- Die Schwelle, ab der bemerkt wird, dass die eigene Stimme verzögert ist, lag bei etwa 100 ms, mit einer SD von 66,54 ms (Yamamoto und Kawabata, PLoS ONE 2011).
- Aktuelle DECT-Talkback-Systeme erreichen unter 40 ms bis zu einem drahtlosen Beltpack und unter 70 ms von Beltpack zu Beltpack (BBC R&D, Strathclyde und TV2, IBC2024).
- SMPTE ST 2110-30 Level B und C verwenden Audiopakete von 125 Mikrosekunden, gegenüber 1 ms in Level A (AIMS, Einführung in AES67 und ST 2110-30).
- Die mediane TLS-Handshake-Latenz von Starlink lag 2024 bei etwa 80 ms (Richter, Ververis und Bajpai, IFIP Networking 2025).
- 41% von mehr als 1.300 befragten Fachleuten nannten die Remote-Produktion als ihre größte technologische Priorität für 2026 (Haivision Broadcast Transformation Report 2026).
- Zwei Drittel der gebuchten Remote-Dienste von 54 Sendern in Paris 2024 nutzten OBS Live Cloud (Olympic Broadcasting Services, 2024).
1. Toleranzen der Lippensynchronität: Was Broadcast-Standards erlauben
Jede Talkback- und IFB-Entscheidung bewegt sich innerhalb eines Bild-Timing-Budgets, das die Zuschauer unbewusst überwachen. Die Asymmetrie ist der Kern: Zuschauer tolerieren Ton, der zu spät kommt (bis etwa -125 ms, bevor sie es bemerken), deutlich besser als Ton, der zu früh kommt (etwa +45 ms), ein Muster, das zur Alltagserfahrung passt, in der uns der Anblick eines Ereignisses vor seinem Ton erreicht. In diesen Standards bedeutet eine positive Zahl, dass der Ton dem Bild vorauseilt, und eine negative Zahl, dass er hinterherläuft.
Die Standards verteilen dieses Wahrnehmungsbudget dann auf die Kette. Die EBU-Werte wurden aus subjektiven Tests abgeleitet, ab wann eine gestörte Übereinstimmung von Lippenbewegung und Sprache für 50% der Beobachter wahrnehmbar wird, und die EBU verlangt je einzelner Stufe nur 5 ms zu früh bis 15 ms zu spät, damit sich Fehler vieler Stufen nicht über die Gesamtgrenze hinaus aufsummieren. Die ATSC ging am Encoder-Eingang noch strenger vor, weil auch die zweite Hälfte der Kette, vom Encoder bis zum Empfänger, noch in die Toleranz des Zuschauers passen muss.
| Metrik | Wert | Quelle |
|---|---|---|
| Erkennbarkeitsschwelle für Timing-Fehler zwischen Ton und Bild (positiv = Ton eilt dem Bild voraus) | Etwa +45 ms bis -125 ms | ITU-R BT.1359-1 (1998) |
| Akzeptanzschwelle für Timing-Fehler zwischen Ton und Bild | Etwa +90 ms bis -185 ms | ITU-R BT.1359-1 (1998) |
| Zulässiger Timing-Fehler vom letzten Auswahlpunkt der Programmquelle (zum Beispiel die Hauptkontrolle) bis zum Sendereingang | +22,5 ms bis -30 ms | ITU-R BT.1359-1 (1998) |
| Gesamtgrenze an jedem für die Ausstrahlung vorgesehenen Ausgang: Ton vor dem Bild gegenüber Ton nach dem Bild | 40 ms oder weniger gegenüber 60 ms oder weniger | EBU R37-2007 |
| Geforderte Genauigkeit in jeder Stufe der Programmkette | Ton 5 ms zu früh bis 15 ms zu spät | EBU R37-2007 |
| Ton-Timing an den Eingängen der DTV-Codiergeräte | Nie mehr als 15 ms zu früh oder 45 ms zu spät | ATSC IS-191, laut TV Technology, 7. Januar 2004 |
| Gesamtbereich des DTV-Systems von Ende zu Ende | +30 ms bis -90 ms | ATSC IS-191, laut TV Technology, 2004 |
Kontexthinweis: Diese Dokumente sind alt, bleiben aber die maßgeblichen Referenzen. Neueste verfügbare Daten: Empfehlung BT.1359-1 (1998), R37 (erstmals 1986 veröffentlicht, 2007 neu aufgelegt) und ATSC IS-191 (berichtet 2004). Der Text von R37 weist darauf hin, dass bei HD-Produktion besondere Sorgfalt nötig ist; die Grenzwerte sind daher als Obergrenzen zu lesen, nicht als Zielwerte.
2. Die eigene Stimme verzögert hören: Schwellen der Verzögerung beim Selbsthören
Dies ist die Zahl, die das IFB-Design prägt. Die Hörgeräteforschung liefert die am besten kontrollierte Evidenz dafür, wie ein Sprecher auf seine eigene verzögerte Stimme reagiert, und sie konvergiert auf ein enges Fenster: Verzögerungen werden irgendwo zwischen 20 und 30 ms störend, lange bevor das Sprechen selbst zusammenbricht. Für einen Moderator bedeutet das, dass ein Mix-minus kein Luxus ist. Jeder Pfad, der die Stimme des Moderators über einen Codec, ein Netzwerk und einen Rückweg zurückführt, überschreitet diese Schwelle um ein Vielfaches (vergleiche die Satellitenwerte für eine Richtung in Abschnitt 5).
Die zweite Erkenntnis ist, dass das Bemerken einer Verzögerung und das Gestörtsein davon zwei verschiedene Dinge sind. In einem kleinen Kopfhörerexperiment bemerkten die Teilnehmer zuverlässig erst bei etwa 100 ms, dass ihre eigene Stimme verzögert war, doch die Studien zur Störung legen das Unbehagen bei einem Bruchteil davon an. Gewöhnung hilft ein wenig, aber erst nach Minuten bis zu einer Stunde, was Gäste einer Live-Sendung nie haben. Produzenten, die das Monitoring im Studio betreuen, erkennen dieselbe Rechnung bei Audiopuffern von Computern wieder, die wir in unserer Übersicht zu DAW-Puffergröße und Audiolatenz behandeln.
| Metrik | Wert | Quelle |
|---|---|---|
| Verzögerung, bei der das Echo der eigenen Stimme als störend bewertet wurde (20 normalhörende Zuhörer mit simuliertem leichtem bis mittlerem Hörverlust) | Zwischen 20 und 30 ms | Stone und Moore, Ear and Hearing 1999 |
| Lautes Lesen über ein digitales Echtzeit-Hörgerät, 32 Teilnehmer (16 Männer, 16 Frauen): als störend bewertete Verzögerung gegenüber Verzögerung, bei der sich Messgrößen der Sprachproduktion veränderten | 25 bis 30 ms gegenüber über 30 ms | Stone und Moore, Ear and Hearing 2002 |
| 25 schwerhörige Sprecher: Verzögerungsbereich mit der Bewertung 3 (wahrscheinlich gerade noch akzeptabel) und Zeitraum, über den eine gewisse Gewöhnung auftrat | 14 bis 30 ms; etwa 1 Stunde | Stone und Moore, Ear and Hearing 2005 |
| Punkt, an dem sich die verzögerte eigene Stimme gleichzeitig anfühlte, bei Verzögerungen von 0 bis 200 ms über Kopfhörer (6 Erwachsene im Alter von 21 bis 24 Jahren, die einen einzelnen Stimmlaut wiederholten) | 98,41 ms (SD 66,54 ms); Erkennungsschwelle etwa 100 ms | Yamamoto und Kawabata, PLoS ONE 2011 |
| Dieselbe Studie: Punkt der empfundenen Gleichzeitigkeit nach 3 Minuten Anpassung an 0, 66 oder 133 ms Verzögerung | 67,60, 92,23 und 112,10 ms (F(2,10) = 15,80, p < 0,001) | Yamamoto und Kawabata, PLoS ONE 2011 |
| Verarbeitungsverzögerung, getestet an 20 normalhörenden und 20 schwerhörigen Teilnehmern, die die Störung auf einer 7-Punkte-Skala bewerteten | Bis zu 50 ms; Toleranz bei Hörverlust in zwei von drei Stimmbedingungen signifikant höher | Goehring, Chapman, Bleeck und Monaghan, International Journal of Audiology 2018 |
Kontexthinweis: Die Stichproben sind klein und speziell (normalhörende Erwachsene, schwerhörige Sprecher, sechs junge Erwachsene von 21 bis 24 Jahren), die Verzögerungen wurden von Hörgeräteprozessoren oder Kopfhörern erzeugt, und keiner der Teilnehmer war Broadcast-Moderator. Neueste verfügbare Daten: Stone und Moore, 1999 bis 2005; Yamamoto und Kawabata, 2011; Goehring et al., 2018.
3. Latenzbudgets für Talkback, IFB und Intercom
Verschiedene Personen in einer Live-Produktion leben in sehr unterschiedlichen Latenzbudgets. Der In-Ear-Monitor eines Künstlers braucht etwa 4 ms, ein Crewmitglied mit einem drahtlosen Talkback-Beltpack (der am Gürtel getragenen Intercom-Einheit) kann mit einigen Dutzend Millisekunden arbeiten, und ein Remote-Bildmischer-Operator (die Person, die zwischen den Kameras schneidet) kann mehr als eine halbe Sekunde tolerieren, solange niemand am Veranstaltungsort das Ergebnis in Echtzeit sehen muss. Die Budgets unterscheiden sich, weil die Rückkopplungsschleifen verschieden sind: Ein Sänger hört seine eigene Stimme, ein Kameramann hört nur Anweisungen.
Deshalb wird IFB auch als Mix-minus ausgelegt und nicht als vollständiger Programmrückweg. Ein internationaler Bericht von 2004 über Zuspielschleifen nennt die Verwendung eines Mix-minus oder Clean Feeds für den Rückweg, das Stummschalten des Rückwegs bei offenen Mikrofonen sowie geschlossene Kopfhörer oder In-Ear-Monitoring als Betriebspraktiken, die das Echo aus der Schleife heraushalten (ITU-R Report BT.2044). Zum Vergleich mit einem anderen sprachkritischen Netz: Push-to-Talk-Funk für Einsatzkräfte arbeitet mit ähnlichen Budgets, behandelt in unserer Übersicht zur Latenz von Mission-Critical-Push-to-Talk.
| Metrik | Wert | Quelle |
|---|---|---|
| Latenzziel für In-Ear-Monitore von Künstlern gegenüber der Latenz in einer Richtung von aktuell genutzten Funkmikrofonen und In-Ear-Monitoren | 4 ms gegenüber unter 3 ms | BBC R&D, University of Strathclyde und TV2, IBC2024 |
| Digitales (DECT) Produktions-Talkback: Basisstation zum drahtlosen Beltpack gegenüber Beltpack zu Beltpack | Unter 40 ms gegenüber unter 70 ms | BBC R&D, University of Strathclyde und TV2, IBC2024 |
| Clear-Com FreeSpeak Edge Beltpack im 5-GHz-Band: Audiolatenz gegenüber Beltpack zu Beltpack | Unter 35 ms gegenüber 60 ms (Herstellerangabe) | Clear-Com Datenblatt FSE-BP50, Revision August 2023 |
| Mund-zu-Ohr-Verzögerung, unterhalb derer die meisten Sprach- und Nicht-Sprach-Anwendungen im Wesentlichen transparente Interaktivität haben (400 ms sind die allgemeine Obergrenze der Netzplanung) | 150 ms | ITU-T G.114 (2003) |
| Verzögerung zwischen Eingabe und Reaktion des Operators: Punkt, an dem Genauigkeit und Geschwindigkeit sinken, gegenüber Punkt mit deutlich vermindertem Kontrollgefühl | Etwa 100 ms gegenüber über 300 ms | BBC R&D, University of Strathclyde und TV2, IBC2024 |
| Verzögerung zwischen Kamera und Bildmischer, die Remote-Bildmischer-Operatoren tolerieren können, wenn keine Rückwege zum Veranstaltungsort nötig sind | Über 600 ms | BBC R&D, University of Strathclyde und TV2, IBC2024 |
Hinweis zu Ausreißern: Die 150 ms aus der Telefonie sind ein Gesprächsmaßstab, kein IFB-Maßstab. Ein Moderator, der seine eigene Stimme hört, reagiert bei 20 bis 30 ms (Abschnitt 2), während zwei Personen, die über eine Verbindung sprechen, etwa das Fünffache tolerieren (150 ms gegenüber 30 ms).
4. AoIP-Transport: Timing von AES67 und SMPTE ST 2110-30
Innerhalb des Gebäudes ist der Transport selbst nicht mehr der Engpass. Standards für Audio über IP (AoIP) definieren Paketzeiten von Millisekunden oder weniger, sodass die Wahl zwischen 1 ms und 125 Mikrosekunden Paketzeit heute eine Konfigurationsentscheidung ist, keine Grenze der Technik. Die eigentliche Latenz steckt woanders: in Codecs, Puffern und Weitverkehrsstrecken (Abschnitt 5).
Die zweite Geschichte ist die Interoperabilität. Proprietäre AoIP-Systeme nutzten jeweils eigene Erkennung, eigene Taktung und eigene Stream-Formate, sodass eine Talkback-Matrix eines Herstellers eine Konsole eines anderen nicht einfach abonnieren konnte. AES67 definiert einen gemeinsamen Betriebsmodus, und SMPTE ST 2110-30 schränkt ihn für den Broadcast weiter ein, wodurch sich IP-Intercom-Panels und Beltpack-Basisstationen ein Netz mit Kameras und Konsolen teilen können. Unsere Übersicht zur Migration von Studios zu AoIP, Dante und AES67 zeigt, wie weit diese Migration fortgeschritten ist.
| Metrik | Wert | Quelle |
|---|---|---|
| Erstveröffentlichung von AES67 und spätere Aktualisierungen | 2013; aktualisiert 2015 und 2018 | AIMS, Introduction to AES67 and its relationship with SMPTE ST 2110-30 |
| SMPTE-ST-2110-Suite: erste veröffentlichte Teile | Dezember 2017 | AIMS, Einführung in AES67 und ST 2110-30 |
| Primärer Betriebspunkt von ST 2110-30 (Level A): Paketzeit und Kanäle pro Stream | 1 ms; 2 und 8 Kanäle | AIMS, Einführung in AES67 und ST 2110-30 |
| ST 2110-30 Level B und C: Paketzeit und maximale Kanäle pro Stream | 125 Mikrosekunden; bis zu 8 (Level B) und bis zu 64 (Level C) | AIMS, Einführung in AES67 und ST 2110-30 |
| AES67-Kompatibilitätsmodus: gemeinsames Audioformat | 24-Bit linear (L24), bis zu 8 Kanäle pro Stream, 48 kHz | AIMS, Einführung in AES67 und ST 2110-30 |
| Native Stream-Grenzen vor dem AES67-Modus: Dante gegenüber RAVENNA | Bis zu 4 Kanäle pro Flow gegenüber bis zu 64 Kanälen pro Stream | AIMS, Einführung in AES67 und ST 2110-30 |
Kontexthinweis: AIMS (Alliance for IP Media Solutions) ist eine Branchenallianz, deren Roadmap auf diesen Standards aufbaut. Die obigen Werte sind Designparameter aus den Standards, keine Feldmessungen einer bestimmten Installation.
5. Zuspielstrecken: Satellit, privates 5G, Mobilfunk und LEO
Sobald das Signal das Gebäude verlässt, übernehmen Physik und Codecs. Ein einziger Sprung über einen geostationären Satelliten addiert allein durch die Entfernung etwa 239 bis 281 ms in einer Richtung, ungefähr das Zehnfache der 20 bis 30 ms, bei denen ein Sprecher seine eigene verzögerte Stimme als störend empfindet (Abschnitt 2). Eine Audiocodierung in Broadcast-Qualität kann weitere 170 bis 400 ms hinzufügen. Derselbe Bericht von 2004 weist darauf hin, dass die beiden Hälften einer Zuspielschleife selten identisch sind: Sender legen auf die Programmleitung üblicherweise einen hochwertigen Kreis, auf die Rückwegleitung einen weniger hochwertigen und senden oft selbst bei Videoverbindungen nur Audio als Rückweg.
Die neueren Optionen verringern die Verzögerung, bringen aber Schwankungen mit. Satellitendienste in niedriger Erdumlaufbahn (LEO) wie Starlink senkten die mediane Latenz auf etwa 80 ms, jedoch mit zwei deutlich getrennten Latenz-Clustern und einem Paketverlust, der zwischen Nachbarländern um mehr als das Zehnfache schwankte. Private 5G-Netze können Produktionsvideo mit etwa 80 bis 105 ms Gesamtverzögerung transportieren, während Nachrichtenteams, die gebündelten Mobilfunk nutzen (das Signal einer Kamera wird gleichzeitig über mehrere öffentliche Mobilfunknetze gesendet), bis zu zwei Sekunden akzeptieren und dafür auf das Live-Gespräch in beide Richtungen verzichten.
| Metrik | Wert | Quelle |
|---|---|---|
| Laufzeit über einen geostationären Satelliten allein durch die Entfernung: Satellit direkt über der Station gegenüber am Horizont | Etwa 239 ms gegenüber etwa 281 ms | ITU-R Report BT.2044 (2004) |
| Verzögerung der Audiocodierung: MPEG AAC in Broadcast-Qualität gegenüber AAC-LD mit niedriger Verzögerung | 170 bis 400 ms gegenüber etwa 60 ms | ITU-R Report BT.2044 (2004) |
| Mediane TLS-Handshake-Latenz von Starlink 2024 (RIPE Atlas, 146 Messpunkte) und der zweite Latenz-Cluster | Etwa 80 ms; zweiter Cluster bei etwa 150 bis 250 ms | Richter, Ververis und Bajpai, IFIP Networking 2025 |
| Paketverlust bei Starlink, Januar 2022 bis Juni 2024: Deutschland gegenüber Österreich | 10,52% gegenüber 0,73% | Richter, Ververis und Bajpai, IFIP Networking 2025 |
| Laufzeit im Uplink eines privaten 5G-Netzes über 10 getestete Konfigurationen (20 Mb/s, sofern nicht anders angegeben): Bereich der Mittelwerte gegenüber Bereich der Maxima | 6,4 bis 13,8 ms gegenüber 10,2 bis 53,6 ms | BBC R&D, University of Strathclyde und TV2, IBC2024 |
| Videolatenz, Encoder-Eingang bis Decoder-Ausgang: privates 5G typisch gegenüber optimiert, verglichen mit drahtlosen DVB-T-COFDM-Kameraverbindungen | Etwa 100 bis 105 ms gegenüber 80 ms gegenüber typischerweise etwa 50 ms | BBC R&D, University of Strathclyde und TV2, IBC2024 |
| Videoverzögerung, die bei über öffentliche Mobilfunknetze gebündelter Nachrichtenzuspielung toleriert wird | Bis zu 2 Sekunden | BBC R&D, University of Strathclyde und TV2, IBC2024 |
Hinweis zu Ausreißern: Die Starlink-Werte sind TLS-Handshake-Zeiten zu Root-Servern, kein Audiopfad in einer Richtung, und die Autoren merken an, dass ihr Ergebnis früheren Studien widerspricht, die Mediane deutlich unter 80 ms berichteten. Die 5G-Ergebnisse stammen aus privaten Netzen mit einer einzelnen Zelle, und die Autoren ergänzen, dass eine Zellübergabe die Daten für etwa 20 ms unterbricht. Neueste verfügbare Daten zu Satelliten- und Codec-Verzögerung: Report BT.2044, 2004.
6. Remote-Produktion und Cloud-Einführung
Die Einführungszahlen erklären, warum die Latenzwerte jedes Jahr wichtiger werden. Die Remote-Produktion (oft REMI genannt, für Remote-Integration-Modell: Kameras und Mikrofone am Veranstaltungsort, Regie und Crew woanders) verlegt die Talkback-Schleife von einer Kabelstrecke im Übertragungswagen in ein Weitverkehrsnetz. 41% von mehr als 1.300 befragten Fachleuten nannten die Remote-Produktion als ihre größte technologische Priorität für 2026, und der Anteil derer, die Mobilfunknetze für die Live-Zuspielung nutzen, stieg innerhalb eines Jahres von 46% auf 54%.
Die größten Live-Produktionen haben den Wechsel bereits vollzogen. In Paris 2024 liefen zwei Drittel der gebuchten Remote-Dienste über die Cloud und lösten damit den Satelliten ab, der bei den Spielen in Tokio 1964 eingeführt worden war. Die Umfragedaten sind allerdings mit Vorsicht zu behandeln: Beide folgenden Umfragen stützen sich auf selbst ausgewählte Befragte, und die größere wird von einem Anbieter von Zuspielgeräten durchgeführt.
| Metrik | Wert | Quelle |
|---|---|---|
| Befragte, die die Remote-Produktion als größte technologische Priorität für 2026 nennen (mehr als 1.300 Befragte) | 41% | Haivision Broadcast Transformation Report 2026, laut SVG, März 2026 (Anbieterumfrage) |
| Befragte, die Mobilfunknetze für die Live-Videozuspielung nutzen, Bericht 2026 gegenüber Bericht 2025 | 54% gegenüber 46% | Haivision Broadcast Transformation Report 2026 (Anbieterumfrage) |
| Befragte, die Mobilfunknetze als Backup für Glasfaser nutzen | 61% | Haivision Broadcast Transformation Report 2026 (Anbieterumfrage) |
| Befragte, die das Transportprotokoll SRT nutzen, Bericht 2020 gegenüber Bericht 2026 | 47% gegenüber 78% | Haivision Broadcast Transformation Report 2026 (Anbieterumfrage) |
| Broadcast- und Medienfachleute, die Cloud-Produktionswerkzeuge einführen (312 selbst ausgewählte Leser, November 2024 bis Januar 2025) | 60% | Branchenumfrage von NewscastStudio, Februar 2025 |
| Größte Hürden für die Cloud-Produktion: Kosten gegenüber Komplexität der Arbeitsabläufe gegenüber Sicherheitsbedenken | 33% gegenüber 25% gegenüber 17% | Branchenumfrage von NewscastStudio, 2025 |
| Paris 2024: Anteil der gebuchten Remote-Dienste, die OBS Live Cloud nutzten | Zwei Drittel, bei 54 Sendern | Olympic Broadcasting Services und Alibaba Cloud, laut TV Technology, 2024 |
| Über OBS Live Cloud in Paris 2024 transportierte Signale gegenüber den Sendern, die den Dienst abonnierten, als er in Peking 2022 zum Standard wurde | 379 Video- (11 UHD, 368 HD) und 100 Audiosignale gegenüber 22 Sendern | Olympic Broadcasting Services, laut TV Technology, 2024 |
Kontexthinweis: Der OBS-Anteil zählt gebuchte Remote-Dienste, nicht alle Sender mit Übertragungsrechten, und die Zahlen wurden zu Beginn der Spiele bekannt gegeben, nicht im Nachhinein gemessen.
Zusammenfassung: Broadcast-Talkback- und IFB-Latenz in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Erkennbarkeitsschwelle für Timing-Fehler zwischen Ton und Bild | Etwa +45 ms bis -125 ms | ITU-R BT.1359-1 (1998) |
| Akzeptanzschwelle für Timing-Fehler zwischen Ton und Bild | Etwa +90 ms bis -185 ms | ITU-R BT.1359-1 (1998) |
| Gesamtgrenze der Lippensynchronität an jedem für die Ausstrahlung vorgesehenen Ausgang (Ton vor gegenüber nach dem Bild) | 40 ms oder weniger gegenüber 60 ms oder weniger | EBU R37-2007 |
| Ton-Timing an den Eingängen der DTV-Encoder | Nie mehr als 15 ms zu früh oder 45 ms zu spät | ATSC IS-191 (berichtet 2004) |
| Verzögerung der eigenen Stimme, beim lauten Lesen als störend bewertet (32 Teilnehmer) | 25 bis 30 ms | Stone und Moore, Ear and Hearing 2002 |
| Verzögerungsbereich der eigenen Stimme, als wahrscheinlich gerade noch akzeptabel bewertet (25 schwerhörige Sprecher) | 14 bis 30 ms | Stone und Moore, Ear and Hearing 2005 |
| Schwelle, ab der eine verzögerte eigene Stimme bemerkt wird (6 Teilnehmer) | Etwa 100 ms (SD 66,54 ms) | Yamamoto und Kawabata, PLoS ONE 2011 |
| Verarbeitungsverzögerung, getestet an 20 normalhörenden und 20 schwerhörigen Teilnehmern | Bis zu 50 ms | Goehring et al., International Journal of Audiology 2018 |
| Latenzziel für In-Ear-Monitore von Künstlern | 4 ms | BBC R&D, University of Strathclyde und TV2, IBC2024 |
| DECT-Talkback-Latenz: bis zum Beltpack gegenüber Beltpack zu Beltpack | Unter 40 ms gegenüber unter 70 ms | BBC R&D, University of Strathclyde und TV2, IBC2024 |
| Audiolatenz des drahtlosen Beltpacks, Herstellerangabe | Unter 35 ms | Clear-Com Datenblatt FSE-BP50, 2023 |
| Paketzeit bei ST 2110-30: Level A gegenüber Level B und C | 1 ms gegenüber 125 Mikrosekunden | AIMS, Einführung in AES67 und ST 2110-30 |
| Mediane TLS-Handshake-Latenz von Starlink, 2024 | Etwa 80 ms | Richter, Ververis und Bajpai, IFIP Networking 2025 |
| Paketverlust bei Starlink in Deutschland, Januar 2022 bis Juni 2024 | 10,52% | Richter, Ververis und Bajpai, IFIP Networking 2025 |
| Remote-Produktion als größte technologische Priorität für 2026 genannt | 41% | Haivision Broadcast Transformation Report 2026 (Anbieterumfrage) |
| Fachleute, die Cloud-Produktionswerkzeuge einführen | 60% | Branchenumfrage von NewscastStudio, 2025 |
| Gebuchte Remote-Dienste über OBS Live Cloud in Paris 2024 | Zwei Drittel, bei 54 Sendern | Olympic Broadcasting Services, 2024 |
Methodik und Quellen
- Internationale Fernmeldeunion: Empfehlung BT.1359-1, Relative timing of sound and vision for broadcasting (1998); Bericht BT.2044, Tolerable round-trip time delay for sound-programme and television broadcast programme inserts (2004); Empfehlung G.114, One-way transmission time (2003).
- Europäische Rundfunkunion: R37-2007, The relative timing of the sound and vision components of a television signal.
- Feststellung IS-191 des ATSC-Implementierungs-Unterausschusses, laut TV Technology, ATSC Recommends AV Sync Rules, 7. Januar 2004.
- Stone und Moore, Tolerable hearing aid delays, Ear and Hearing: Teil I, 1999; Teil II, 2002; Teil IV, 2005.
- Yamamoto und Kawabata, Temporal Recalibration in Vocalization Induced by Adaptation of Delayed Auditory Feedback, PLoS ONE 2011.
- Goehring, Chapman, Bleeck und Monaghan, Tolerable delay for speech production and perception, International Journal of Audiology 2018.
- Waddell et al. (BBC R&D, University of Strathclyde und Neutral Wireless, TV2), Optimising 5G for low latency broadcast production, IBC2024.
- Clear-Com, Datenblatt zum Beltpack FSE-BP50 FreeSpeak Edge, Revision August 2023 (Herstellerspezifikation).
- AIMS (Alliance for IP Media Solutions), Introduction to AES67 and its relationship with SMPTE ST 2110-30, vorgestellt auf der AES-Convention in New York.
- Richter, Ververis und Bajpai (HPI, Universität Potsdam), Breaking Through the Clouds: Performance Insights into Starlink’s Latency and Packet Loss, IFIP Networking 2025.
- Haivision, Broadcast Transformation Report 2026, laut Sports Video Group, 4. März 2026.
- NewscastStudio, Branchenumfrage, 7. Februar 2025, 312 Befragte, durchgeführt von November 2024 bis Januar 2025.
- Olympic Broadcasting Services und Alibaba Cloud, Ankündigung von OBS Cloud 3.0, laut TV Technology, 2024.
- Daten-Hinweis: Der Großteil der Wahrnehmungs- und Standarddaten ist alt (1998 bis 2018), weil die zugrunde liegenden Grenzwerte nicht erneut geprüft wurden; sie sind in jedem Abschnitt als neueste verfügbare Daten gekennzeichnet. Der Implementierungs-Unterausschuss der ATSC hielt die internationale Empfehlung zur Lippensynchronität von 1998 für DTV für unzureichend, die beiden Zahlenreihen unterscheiden sich daher absichtlich und stellen keinen Messwiderspruch dar. Die Ergebnisse von Haivision und NewscastStudio stammen aus selbst ausgewählten Stichproben, und der Anbieter beschreibt den Anstieg von SRT von 47% auf 78% als ‘31% Zuwachs’, was eine Differenz in Prozentpunkten zwischen zwei verschiedenen Stichproben ist. Die Starlink-Mediane messen TLS-Handshakes und widersprechen früheren Studien, die niedrigere Mediane berichteten. Der Beltpack-Wert von Clear-Com ist eine Konstruktionsspezifikation, keine unabhängige Messung. Es wurde kein öffentlicher, unabhängiger Datensatz zur gemessenen IFB-Roundtrip-Latenz in Live-Remote-Produktionen gefunden; wir ergänzen einen, sobald ein Sender oder eine Normungsstelle ihn veröffentlicht.
Zuletzt aktualisiert: 8. November 2026. Wir aktualisieren diese Zusammenstellung vierteljährlich, und die nächste Aktualisierung wird erwartet, wenn Haivision seinen Broadcast Transformation Report 2027 veröffentlicht.