Meta hat ein Patent für ein Kamerasystem angemeldet, das per Gesichtserkennung Personen namentlich identifiziert und automatisch Medienclips zu den erkannten Handlungen erzeugt. Das System ist assistentengesteuert: Auf Anfrage liefert es vorsortierte Highlights im Stil von „wer hat was wann getan“ an ein Smartphone oder Headset. Die Anmeldung ist eine Fortführung einer übergeordneten Anmeldung aus dem Jahr 2022 und befindet sich derzeit im Stadium „Ready for Examination“ (bereit zur Prüfung) – weder erteilt noch auch nur annähernd ein auslieferungsfähiges Feature.

Veröffentlicht hat das Patent Meta Platforms Technologies, die Gesellschaft, die Metas geistiges Eigentum aus Forschung und Entwicklung sowie im Hardwarebereich hält. Die Anmeldung beschreibt Kameras, die Aufnahmen an eine KI übergeben, welche die im Bild erfassten Personen mit Tags versieht, ihre Handlungen erkennt und beides zu Medienclips bündelt, die auf Abruf an ein Smartphone oder Headset ausgeliefert werden.

Die Idee kommt nicht aus dem Nichts. Metas Kamerahardware wird seit Jahren im Gesicht getragen: Die Ray-Ban-Smart-Glasses – zusammen mit EssilorLuxottica entwickelt, erstmals 2023 ausgeliefert und online heute vielfach spöttisch „Perversenbrille“ genannt – nehmen Videos aus der Ich-Perspektive auf und ermöglichen es dem Träger, eine KI zu dem zu befragen, was sie sieht. EssilorLuxottica hat nach eigenen Angaben mehr als zwei Millionen Paare der mit Meta gelabelten Brille verkauft; jede zusätzliche Funktion würde also auf einer beträchtlichen installierten Basis aufsetzen. Die gleiche Meta-Gesellschaft, die hinter diesen Brillenfassungen und den Quest-Headsets steht, ist auch Inhaberin dieser Anmeldung, und die Patentzeichnungen zeigen einen Brillenträger, der einen Raum mit Menschen beobachtet. Gesichtserkennung würde diese Hardware von „zeichnet auf, worauf ich richte“ zu „kennt und benennt, wer im Raum ist“ weiterentwickeln.

So funktioniert die Pipeline

Das Patent beschreibt eine Schleife aus vier Schritten. Die Kameras erfassen Live- oder aufgezeichnetes Material und übergeben es an das System. Eine Gesichtserkennungsschicht durchsucht die Einzelbilder, um zu kennzeichnen, wer anwesend ist – nicht nur, dass eine Person da ist, sondern um welche konkrete Person es sich handelt. Darüber läuft eine separate Schicht zur Handlungserkennung, die Bewegungen wie das Aufheben eines Gegenstands, das Verlassen eines Raums oder eine Gruppenzusammenkunft auswertet. Schließlich bündelt das System seine Ergebnisse in einzelnen Mediendateien, die jeweils mit einer Person, einer Handlung oder beidem verschlagwortet sind.

Den Unterschied zu einer smarten Türklingel macht die Assistenten-Schicht. Die Anmeldung beschreibt den Abruf als dialogbasiert: Ein verbundenes Gerät kann Aufnahmen per Anfrage anfordern, und das System stellt die Antwort aus den verschlagworteten Clips zusammen, statt den Nutzer zum Durchsuchen des Videomaterials zu zwingen. Die Zeichnungen zeigen sowohl serverseitige als auch auf dem Gerät ablaufende Verarbeitungsprozesse, wobei eine Pipeline für die Verarbeitung natürlicher Sprache die Zusammenstellung der Clips speist.

Kritik zieht vor allem die Fähigkeit selbst an sich – konkrete Personen anhand ihres Gesichts zu identifizieren und zu protokollieren, ohne deren aktive Zustimmung. Genau diese Sorge brachten demokratische US-Senatoren vor, als sie Meta wegen der Gesichtserkennung in dessen Smart-Glasses unter Druck setzten; wie Decrypt zuvor berichtete, warnten die Senatoren, dass eine Gesichtserkennung in Echtzeit Menschen der Gefahr von Stalking und Belästigung aussetzen könnte. Meta hat sich in diesem Bereich bereits bewegt, und das war teuer: Das Unternehmen zahlte 650 Millionen US-Dollar, um eine biometrische Datenschutzklage in Illinois wegen der Gesichtsscans beim Foto-Tagging von Facebook beizulegen, stellte dieses Gesichtserkennungssystem 2021 ab und löschte unter Verweis auf regulatorische Unsicherheit die Gesichtsvorlagen von mehr als einer Milliarde Nutzern; 2024 willigte das Unternehmen zudem ein, 1,4 Milliarden US-Dollar an Texas zu zahlen, um ähnliche Ansprüche nach dem Biometriegesetz dieses Bundesstaats beizulegen.

Metas Hardware steht ohnehin im Zentrum dieser Auseinandersetzung. Besitzer der kürzlich erschienenen Ray-Ban-Brille konnten unbemerkt Fremde in der Öffentlichkeit filmen, und externe Auftragsnehmer sichteten privates Filmmaterial. In Europa, wo die Brille ebenfalls verkauft wird, behandelt die DSGVO Gesichtsdaten als biometrische Informationen, deren Verarbeitung in der Regel die ausdrückliche Zustimmung der betreffenden Person erfordert – das erhöht die Hürde für jede Funktion, die Unbeteiligte beim Namen nennt. Eine tragbare Kamera, die diese Fremden zusätzlich identifiziert und benennt, würde die Lücke zwischen Metas Darstellung eines „hilfreichen Assistenten“ und den tatsächlichen Fähigkeiten der Technologie vergrößern – und die Öffentlichkeit baut bereits Schutzmaßnahmen auf.

Vorerst ist es ein Patent, kein Produkt. Der Status lautet „Ready for Examination“, und Patentlyze stuft die Wahrscheinlichkeit einer Erteilung als mittel ein. Als Fortführungsanmeldung kann der Antrag den Prioritätstag der übergeordneten Anmeldung von 2022 beanspruchen und zugleich überarbeitete Patentansprüche verfolgen – ein übliches Verfahren, mit dem Unternehmen Ideen über Jahre des Erteilungsverfahrens am Leben halten, wobei Ansprüche vor einer Erteilung häufig eingeengt werden. Meta hat bereits ähnliche Computer-Vision-Arbeiten für Brillen angemeldet, und die Veröffentlichung bedeutet, dass die Idee aktenkundig ist – nicht, dass die Funktion entwickelt oder genehmigt wurde.