uni/slides/223015b/03-speichermedien-schnittstellen.md

marp, theme, paginate, backgroundColor, header, footer, title

marp	theme	paginate	backgroundColor	header	footer	title
true	gaia	true		Dateiformate, Schnittstellen, Speichermedien & Distributionswege (223015b)	Michael Czechowski – HdM Stuttgart – SoSe 2026	Inhalte — Bild, Audio, Video

<style> :root { --color-foreground: #1a1a2e; --color-highlight: #1e5f8a; --color-dimmed: #4a4a6a; } section.invert { --color-foreground: #fff; } section { font-size: 1.7rem; } h1 { color: #1e5f8a; } section.invert h1 { color: #fff; } h2 { color: #1f2937; } pre { background: #0f0f23; color: #5fb3e4; border-radius: 8px; border-left: 3px solid #1e5f8a; } pre code { background: transparent; color: inherit; } code { background: #0f0f23; padding: 0.15em 0.4em; border-radius: 4px; font-family: ui-monospace, "SF Mono", Menlo, Consolas, monospace; } section code:not(.hljs) { color: #5fb3e4 !important; } section code.hljs { color: #f8f8f8 !important; } a { color: var(--color-highlight); } section.klausur { background: repeating-linear-gradient( 135deg, #e3f2fd, #e3f2fd 40px, #fff 40px, #fff 80px ) !important; } @media print { section.klausur { background: #e3f2fd !important; } } section.aufgabe { background: #e3f2fd !important; } section.aufgabe footer { display: none; } section.erklaerung :not(header), section.erklaerung :not(footer) { font-size: 1.1rem; } section.erklaerung h1 { font-size: 1.5rem; color: #1e5f8a; margin-bottom: 0.3rem; } section.erklaerung ul, section.erklaerung ol { font-size: 1.0rem; line-height: 1.4; } section.erklaerung p { font-size: 1.0rem; line-height: 1.4; } section.erklaerung table { font-size: 0.9rem; } </style>

Kapitel 3

Inhalte — Bild, Audio, Video

---

Drei Modalitäten, ein Prinzip

---

---

Sub-Sektion A: Bilder

---

---

Raster vs. Vektor

	Raster	Vektor
Was	Gitter aus Pixel-Werten	Mathematische Anweisungen
Speicher	wächst mit Auflösung	wächst mit Komplexität
Skalierung	pixelig beim Zoom	scharf bei jeder Größe
Geeignet für	Fotos, Screenshots	Logos, Icons, Schrift
Formate	PNG · JPEG · GIF · WebP	SVG · PDF · Schriftarten

---

JPEG — das Foto-Workhorse seit 1992

---

---

Schritt 1: Farbraum-Konversion (RGB → Y'CbCr)

Trick: Helligkeit von Farbe trennen.

• Y (Luminanz) = wie hell ist der Pixel
• Cb = blau-gelb-Differenz
• Cr = rot-grün-Differenz

Das Auge sieht Luminanz scharf, Chrominanz grob. Durch Trennung können beide unabhängig komprimiert werden.

---

Schritt 2: Chroma-Subsampling (4:2:0)

Y bleibt voll. Cb und Cr werden auf 1/4 reduziert (2×2 Pixel teilen sich einen Farbwert).

• 4:4:4 = keine Reduktion
• 4:2:2 = horizontal halbiert
• 4:2:0 = JPEG-Standard, beide Richtungen halbiert

Lossy. Speichermenge halbiert, sichtbarer Unterschied: null.

---

Schritt 3 & 4: 8×8 Blöcke + DCT

Das Bild wird in 8×8-Pixel-Blöcke zerlegt. Jeder Block einzeln weiterverarbeitet.

DCT (Diskrete Kosinus-Transformation) zerlegt jeden Block in Frequenz-Komponenten:

• niedrige Frequenz = grobe Helligkeitsänderungen (Hintergrund)
• hohe Frequenz = feines Detail (Kanten, Rauschen)

Beide Schritte sind verlustfrei. Sie bereiten Schritt 5 vor.

---

Schritt 5: Quantisierung — hier wird weggeworfen

Jeder DCT-Koeffizient wird durch einen Wert aus der Quantisierungs-Tabelle geteilt und gerundet.

Niedrige Frequenzen (wichtig): kleine Tabellen-Werte → wenig Rundung → bleiben erhalten. Hohe Frequenzen (Detail): große Tabellen-Werte → starke Rundung → werden Null.

Quality-Slider 100 → 1 ist nichts anderes als „aggressiver multiplizieren".

---

Schritt 6: Huffman-Coding (verlustfrei)

Die quantisierten Koeffizienten sind voller Nullen (die hohen Frequenzen).

Huffman: häufige Werte (= Nullen) bekommen kurze Codes, seltene Werte lange Codes.

Plus Zigzag-Scan + RLE: lange Null-Sequenzen → ein einziges Symbol.

Resultat: finale JPEG-Datei. Verlustfrei aus quantisierten Werten rekonstruierbar.

---

Memo: Die 6 JPEG-Schritte

#	Schritt	Lossless / Lossy
1	RGB → Y'CbCr (Farbraum)	Lossless
2	Chroma-Subsampling 4:2:0	Lossy
3	8×8 Blöcke	Lossless
4	DCT (Frequenz-Zerlegung)	Lossless
5	Quantisierung	Lossy (Haupt-Reduktion)
6	Huffman + Zigzag + RLE	Lossless

Nur 2 der 6 Schritte verlieren Information.

---

---

Andere Bildformate

---

Bildformate im Überblick

Format	Typ	Loss	Transparenz	Animation	Stärke
JPEG	Raster	Lossy	✗	✗	Fotos
PNG	Raster	Lossless	✓	✗	Logos, Screenshots
GIF	Raster	Lossless	1-bit	✓	Memes, Sticker
WebP	Raster	beides	✓	✓	Modern Web
AVIF	Raster	beides	✓	✓	Höchste Qualität bei kleinster Datei
SVG	Vektor	Lossless	✓	✓ (mit JS/CSS)	Logos, Icons

---

Wann welches Bildformat?

Anwendung	Format	Warum
Foto im Web (Insta, News)	JPEG oder WebP	klein, Foto-optimiert
Foto-Archiv (RAW)	RAW, TIFF, DNG	nichts verlieren
Logo, Icon (skalierbar)	SVG	wird neu berechnet
Logo als Raster	PNG	Transparenz + scharfe Kanten
Screenshot mit Text	PNG	scharfe Buchstaben
Animiertes Sticker	GIF oder WebP	beide animierbar
Foto in höchster Modern-Qualität	AVIF oder WebP	bessere Kompression als JPEG

---

Patent-Politik — warum WebP, nicht JPEG XL?

WebP (Google, 2010): lizenzfrei. Chrome supportet von Anfang an. Heute überall.

JPEG XL (2021): technisch überlegen — bessere Kompression, lossless+lossy in einem Format, JPEG-kompatibel. Sollte JPEG ablösen.

Google entfernte Chrome-Support für JPEG XL im Februar 2023. Begründung: „nicht genug ökosystem-traction". Inoffiziell: WebP ist Google's eigenes Format.

→ Patent-Politik schlägt technische Überlegenheit. Wer den Browser kontrolliert, kontrolliert das Format.

---

Sub-Sektion B: Audio

---

Sampling + Bittiefe — Recap aus Kap 1

Sampling Rate (Hz): wie oft messen wir pro Sekunde. Bittiefe (bit): wie fein jede Messung. Datenrate = Sample Rate × Bittiefe × Kanäle.

CD-Audio: 44,1 kHz × 16 bit × 2 = 1,4 Mbit/s → ~10 MB/Min.

Wir wollen: ~1 MB/Min (10× kleiner). Wie?

---

---

Bitrate — der Qualitäts-Knopf

Bitrate	Anwendung	Hörbar?
64 kbit/s	Sprachnachricht WhatsApp	dumpf, hörbar schlechter
128 kbit/s	YouTube-Audio, frühe MP3s	mittel, viele hören Unterschied
192 kbit/s	Spotify Free	gut für Alltag
320 kbit/s	Spotify Premium „sehr hoch"	praktisch CD-Qualität
1 411 kbit/s	CD (unkomprimiert)	Referenz

Faustregel: je höher die Bitrate, desto mehr Detail bleibt erhalten — aber Diminishing Returns ab ~256 kbit/s.

---

Audio-Format-Landschaft

Format	Loss	Anwendung	Bitrate
WAV	Lossless	Studio-Master, Wave-Editor	1.411 kbit/s (CD)
FLAC	Lossless	Audiophile, Archiv	~700 kbit/s (CD-Kompression)
MP3	Lossy	Universalformat, älter	128-320 kbit/s
AAC	Lossy	Apple, YouTube, modern	128-256 kbit/s
OGG / Vorbis	Lossy	Open-Source, Spotify (alt)	128-320 kbit/s
Opus	Lossy	WhatsApp Call, Zoom	6-510 kbit/s

---

Audio-Format-Wahl

Anwendung	Format	Warum
Spotify-Stream	AAC oder MP3 192+	Kompression, breite Unterstützung
Studio-Master	WAV oder FLAC	Bit-genau erhalten
Sprachnachricht	Opus oder AAC-LD	für Sprache optimiert, niedrige Bitrate
Podcast-Distribution	MP3 128 kbit/s	universelle Unterstützung
HiFi-Audiophile	FLAC	lossless, kleiner als WAV
Archiv eigener Aufnahmen	FLAC oder WAV	nichts verlieren

---

Selbstlernen — Spotify-Bitrate live

Auf eurem Handy:

1. Spotify Premium-Setting auf Niedrig (24 kbit/s) umstellen
2. Lieblings-Track mit Kopfhörer anhören. Auf Höhen achten.
3. Auf Sehr hoch (320 kbit/s) umstellen
4. Gleicher Track. Vergleichen.

Was fällt auf? Welche Frequenzen verschwinden zuerst?

---

Sub-Sektion C: Video

---

Pixel × Pixel × Hz = Datenflut

Roh-Video 4K @ 60 fps:

3 840 × 2 160 Pixel × 3 Byte × 60 fps = 1,49 GB/s

Pro Minute: ~90 GB. Pro Stunde: ~5,3 TB.

Eine 1-TB-SSD wäre nach ~11 Minuten voll.

→ Ohne Kompression ist Streaming unmöglich.

---

Container ≠ Codec

Container = die Verpackung: hält Video-Spur, Audio-Spur, Untertitel, Metadaten zusammen. Beispiele: MP4, MKV, WebM, AVI

Codec = der Komprimierer: wie wird Bild/Audio gespeichert? Beispiele: H.264, H.265, AV1, VP9 (Video) · AAC, MP3, Opus (Audio)

Eine .mp4-Datei kann verschiedene Codecs enthalten.

---

Was ist in einem Container?

MP4-Container
├── Video-Spur (H.264, codec: avc1)
├── Audio-Spur (AAC, codec: mp4a)
├── Untertitel-Spur (TTML, optional)
└── Metadaten (Titel, Erstellungsdatum, Bitrate, GOP-Struktur, ...)

Container regelt:

• Sync zwischen Spuren (Audio passt zum Bild)
• Seeking (Springen im Video)
• Streaming-Sicherheit (Header früh genug)

---

Inter-Frame-Kompression — die zentrale Idee

Aufeinanderfolgende Frames sehen sich sehr ähnlich (Kamera bewegt sich kaum, Person redet — Hintergrund bleibt fast gleich).

Statt jedes Frame komplett zu speichern, speichere nur die Differenz zum vorigen.

Drei Frame-Typen:

• I-Frame (Intra): ganzes Bild als JPEG-ähnliches Standalone
• P-Frame (Predicted): Differenz zum vorigen Frame
• B-Frame (Bidirectional): Differenz zu vorigem UND nächstem Frame

---

I, P, B — Frame-Typen

Typ	Vollname	Was drin	Größe
I	Intra-coded	Komplettes Bild (wie JPEG)	groß
P	Predicted	„Was hat sich seit voriges I/P geändert"	mittel
B	Bidirectional	„Was zwischen vorigem und nächstem I/P"	klein

Typische GOP: I B B P B B P B B P B B I ... (alle 1–3 Sekunden ein I-Frame).

---

Motion Compensation

Ein Block aus dem vorigen Frame wird verschoben — nicht neu kodiert.

P-Frame speichert:

1. Bewegungsvektor (z.B. „Block A: +5 Pixel rechts, +2 Pixel runter")
2. Differenz zum verschobenen Block

Resultat: Auto-Fahrt vor stehender Kamera → P-Frames mini-klein.

---

Die Codec-Landschaft

---

H.264 / AVC — der Workhorse

2003 • dominierender Video-Codec seit Smartphone-Ära.

Wo überall verwendet:

• YouTube (Hauptcodec)
• Zoom, Teams, Meet
• Netflix (HD-Streams)
• Smartphones (alle iOS-Aufnahmen, viele Android)

Patente: MPEG-LA-Pool. Lizenzkosten moderat, viele Hersteller decken die Kosten in der Hardware ab.

---

H.265 / HEVC — Patent-Chaos

2013 • technisch ~50 % effizienter als H.264.

Aber: drei separate Patent-Pools, intransparente Lizenzkosten.

Resultat:

• Apple macht alles in H.265 (HEIC-Fotos, iOS-Video) — bezahlt Lizenzen
• YouTube, Netflix verzichten weitgehend — zu teuer + risikoreich
• Industrie-Reaktion: Allianz für Open Media (AOMedia) gegründet, baut AV1

---

VP9 + AV1 — die offene Antwort

VP9 (Google, 2013): lizenzfrei, ähnlich effizient wie H.265.

• YouTube nutzt es für 4K-Streams (Chrome, Firefox).

AV1 (Alliance for Open Media, 2018): Konsortium aus Google, Mozilla, Netflix, Amazon, Apple, ARM, Microsoft, Cisco, Intel, NVIDIA...

• Lizenzfrei. 30 % effizienter als H.265.
• Hardware-Decoder seit ~2021 verfügbar (M1, Snapdragon 888+).
• YouTube, Netflix, Twitch streamen schon AV1.

---

Patent vs. Open — warum AV1?

Codec	Effizienz	Patent	Adoption (2026)
H.264	Baseline	Lizenz (MPEG-LA)	~80 % aller Videos
H.265	+50 %	3 Patent-Pools, chaotisch	nur Apple
VP9	~H.265	lizenzfrei (Google)	YouTube 4K
AV1	+30 % über H.265	lizenzfrei (Allianz)	YouTube, Netflix, Twitch

Die Lektion: technisch beste Lösung gewinnt nicht. Lizenz-klare beste Lösung gewinnt.

---

4K-Stream vs. Heim-Bandbreite

Auflösung	Bitrate (H.265/AV1)	Heim-Bandbreite nötig
480p (SD)	1 Mbit/s	jeder Anschluss
720p (HD)	3 Mbit/s	DSL ausreichend
1080p (Full HD)	8 Mbit/s	DSL-25 +
4K (UHD)	25 Mbit/s	Glasfaser oder Kabel
4K HDR	35 Mbit/s	Kabel-Premium
8K	~100 Mbit/s	Glasfaser-200

Spotify-Audio dagegen: Highest = 320 kbit/s = 0,3 Mbit/s. 80× weniger als ein 4K-Stream.

---

Selbstlernen — drei Übungen

Bild: Squoosh.app öffnen. Eigenes Foto in JPEG vs WebP vs AVIF konvertieren. Größe + Qualität vergleichen.

Audio: Spotify Premium-Bitrate von 24 auf 320 kbit/s wechseln. Lieblings-Track anhören. Was fällt auf?

Video: mediainfo (CLI oder GUI) auf eine eigene Video-Datei. Welcher Container? Welcher Codec? Welche Bitrate?

---

Zusammenfassung

Drei Modalitäten, ein Prinzip: Wahrnehmungs-Lücken als Hebel.

	Bild	Audio	Video
Lossy-Trick	Chroma-Subsampling + DCT-Quantisierung	Maskierung + Hörschwelle	Inter-Frame + JPEG-pro-Frame
Standardformat	JPEG	MP3/AAC	H.264 / AV1
Reduktion	~10×	~10×	~100×
Format-Politik	WebP > JPEG XL (Google)	MP3-Patent → AAC	H.265-Chaos → AV1

In Kap 4 schauen wir uns an, wie diese Daten zu eurem Gerät kommen — und welche Schnittstelle dabei der Engpass ist.