Im digitalen Zeitalter ist das Verstehen der Nutzererfahrung auf Webseiten und Apps von entscheidender Bedeutung. Unternehmen stehen vor der Herausforderung, die Interaktionen ihrer Nutzer genau zu erfassen und zu analysieren, um ihre Produkte kontinuierlich zu verbessern. Eine besonders aussagekräftige Methode hierfür sind Session Replays – Aufzeichnungen, die den Ablauf einer Nutzerinteraktion abbilden und nachvollziehbar machen. Doch die praktische Umsetzung solcher Replays steht vor technischen Hürden, vor allem wenn es darum geht, diese Daten in ein gut verständliches Medium wie MP4-Videos umzuwandeln und gleichzeitig eine hohe Verarbeitungsgeschwindigkeit zu gewährleisten. In diesem Kontext ergibt sich eine spannende Fragestellung: Wie lässt sich eine Session Replay schnell und effizient in ein MP4-Format überführen? Zunächst ist es wichtig zu verstehen, was genau unter einem Session Replay im Webumfeld zu verstehen ist.
Es geht dabei nicht darum, eine direkte Videoaufnahme des Nutzerbildschirms zu erstellen – ein Vorgang, der technische und datenschutzrechtliche Herausforderungen mit sich bringt. Stattdessen werden sämtliche Nutzerinteraktionen wie Klicks, Scrollbewegungen oder Eingaben als strukturierte Ereignisse in einer Datenbank gespeichert. Diese Ereignisse enthalten Informationen über die getätigten Aktionen, das betroffene Element, die Zeitstempel und weitere Attribute wie Farben oder Layoutdetails. Dadurch entsteht eine „niedrigräumliche“ Repräsentation dessen, was der Nutzer auf seiner Seite tatsächlich erlebt hat. Das direkte Videoaufzeichnen mittels Browser-APIs wie getDisplayMedia ist zwar prinzipiell möglich, verlangt jedoch eine aktives Einverständnis des Nutzers zur Bildschirmfreigabe. Die Mehrheit der Nutzer wird eine solche Erlaubnis vermutlich nicht erteilen, was diesen Ansatz für Zwecke der Analyse praktisch ausschließt.
Die Alternative besteht also darin, aus Ereignisdaten eine Art Nachbau der Sitzung zu erzeugen. Tools wie rrweb sind dafür Vorreiter und ermöglichen es, eine Webseite anhand der Nutzerereignisse neu aufzubauen und so eine visuelle Session Darstellung zu schaffen. Das Problem hierbei ist allerdings, dass bisherige Methoden zur Umwandlung dieser Nachbauten in MP4-Videos vor allem eines sind – zeitaufwändig. Denn das manuelle oder automatisierte Abspielen der Aufzeichnung in einem Browser und die anschließende Videoaufnahme des Bildschirms skaliert linear mit der Länge der Session. Eine zwanzigminütige Sitzung benötigt somit zwangsläufig auch ungefähr zwanzig Minuten Umwandlungszeit. Für Anwendungen, die schnelle Ergebnisse benötigen, etwa beim Live-Debugging oder bei interaktiven Coaching-Sessions, ist dies wenig praktikabel. Ein wichtiger Lösungsansatz liegt daher in der Beschleunigung des Umwandlungsprozesses durch parallele Verarbeitung und Live-Streaming der Sessions.
Dabei werden die Nutzerereignisse in Echtzeit an einen entfernten Headless-Browser gesendet, der die Interaktion nachahmt und währenddessen kontinuierlich Screenshots anfertigt. Diese einzelnen Bilder lassen sich später mit Tools wie ffmpeg zu einem MP4-Video zusammenfügen. Durch die Nutzung paralleler Arbeitsstränge können verschiedene Abschnitte einer Sitzung unabhängig voneinander verarbeitet werden, sobald die jeweiligen Ereignisse eingetroffen sind. Dies entkoppelt die Aufzeichnungszeit vom Ablauf der Nutzerinteraktion und ermöglicht nahezu sofortige Verfügbarkeit der Videoausgabe. Die naive Idee, die gesamte Session einfach viel schneller als in Echtzeit abzuspielen und mit hoher Bildrate zu rendern, stellt sich wegen der hohen Anforderungen an die Rendering-Pipeline des Browsers als ineffizient und kaum praktikabel heraus. Ein Frame pro 1800 Frames pro Sekunde zu erzeugen ist schlicht technisch nicht erreichbar, selbst in Headless-Browsern.
Gleichzeitig basiert die Live-Aufzeichnung auf der Tatsache, dass jede Nutzeraktion chronologisch nachgebildet werden muss, was eine gewisse zeitliche Abhängigkeit erzeugt. Ein weiterer Vorteil des Live-Streamings von Events an einen separaten Browser liegt in der Entlastung des Endgeräts. Statt auf Client-Seite umfangreiche Videoaufnahmen durchzuführen oder komplexe Umwandlungen zu verwalten, kann ein leistungsfähiger Server diese Aufgaben übernehmen, was gerade bei ressourcenbegrenzten Geräten einen enormen Unterschied macht. Zudem sammelt der Server alle Bilddaten durchgehend und aktualisiert das Video fortlaufend, sodass die Nutzer jederzeit Zugriff auf eine aktuelle Version ihres Sessionvideos haben. Für die Implementierung bieten sich insbesondere Bibliotheken und Frameworks wie rrweb an, die eine unkomplizierte Erfassung und Wiedergabe von Nutzerereignissen ermöglichen.
Ihre API unterstützt in einem Live-Modus die kontinuierliche Aufnahme und Verarbeitung von Events, was die Synchronisation zwischen Client und Headless-Browser stark erleichtert. In Kombination mit Puppeteer, einer Automatisierungsbibliothek für Chromium-basierte Browser, lassen sich diese Replays direkt in eine Videoaufnahme überführen – entweder per Screenshots oder – bei Unterstützung – mittels nativer Video-Stream-API. Praktisch sieht der Ablauf so aus: Auf der Nutzerseite werden alle Events von rrweb gesammelt. Diese werden sofort an einen Remote-Server gesendet, der einen Headless-Browser mit einer laufenden rrweb-Replayer-Instanz betreibt. Der Replayer arbeitet im Live-Modus, sodass neue Events während einer laufenden Session nahtlos hinzugefügt werden können. Parallel dazu zeichnet der Server fortwährend Bildschirmfotos auf oder nutzt Video-Streaming APIs, um den Browserausgang aufzuzeichnen.
Sobald der Nutzer die Aufzeichnung anfragt, steht bereits ein nahezu fertiges MP4-Video bereit. Die technische Herausforderung liegt in der Optimierung der Synchronisation, um sicherzustellen, dass alle Events reibungslos und chronologisch korrekt wiedergegeben werden. Dabei gilt es, gewisse Puffermechanismen zu implementieren, um Netzwerkverzögerungen und unerwartete Aussetzer abzufangen. Zudem müssen Encoding-Parameter so eingestellt werden, dass trotz hoher Bildrate und Auflösung die Dateigröße handhabbar bleibt. Aus datenschutzrechtlicher Sicht bietet diese Methode ebenfalls Vorteile. Da keine Bildaufnahmen direkt auf der Nutzerseite enthüllt oder gespeichert werden müssen, sondern alle Informationen nur als Ereignisströme übertragen werden, entfällt die Notwendigkeit zur expliziten Screen Recording Genehmigung. Dennoch gilt es, transparent mit Nutzern umzugehen und klare Richtlinien im Umgang mit aufgezeichneten Daten zu kommunizieren.
Zusammenfassend lässt sich sagen, dass die Umwandlung von Session Replays in MP4-Videos ein komplexes, aber lösbares Problem darstellt. Durch den Einsatz moderner Technologien wie Live-Event-Streaming, Headless-Browsern und paralleler Verarbeitungsschritte kann eine schnelle, effiziente und skalierbare Lösung geschaffen werden. Diese eröffnet vielfältige Möglichkeiten für Analyse, Support und Training, indem sie Nutzerinteraktionen in leicht verständliche, visuelle Formate übersetzt. Entwickler, die in diesem Bereich tätig sind, können von fertigen Open-Source-Lösungen profitieren oder auf eigene Implementierungen setzen, die auf den beschriebenen Prinzipien basieren. Durch kontinuierliche Weiterentwicklung und Optimierung dieser Verfahren wird die Zukunft der Nutzerverhaltensanalyse zunehmend visuell, interaktiv und vor allem schneller.
