unlocklive

Fallstudie · Vertrauliche nordamerikanische Hochschule

Durchgängig automatisierte Vorlesungsaufzeichnung: Canvas + Panopto + Python-Orchestrierung

Wie UnlockLive eine vollautomatische Plattform zur Vorlesungsaufzeichnung mit Canvas LMS und Panopto auf Basis von Python und FastAPI gebaut hat – rund 3.000 Vorlesungen pro Semester werden automatisch veröffentlicht, der Verwaltungsaufwand sinkt um 80 %, und jede Aufzeichnung erhält einen nachprüfbaren Audit-Trail.

  • BrancheBildung
  • Jahr2024
  • LandUSA
  • Dauer6 Monate
Sprechen Sie mit dem Team, das dies gebaut hat
End-to-End Automated Lecture Capture: Canvas + Panopto + Python Orchestration hero screenshot

Ergebnisse auf einen Blick

  • 80%Reduktion des administrativen Aufwands für Lehrunterstützung
  • ~3,000Vorlesungen pro Semester, automatisch und durchgängig veröffentlicht
  • 100%Aufzeichnungen mit Audit-Protokoll von der Aufnahme bis zur Canvas-Veröffentlichung
  • 4xSchnellere Veröffentlichung nach dem Unterricht — Minuten statt am nächsten Tag

Die Herausforderung

Eine nordamerikanische Hochschule setzte Panopto für Vorlesungsaufzeichnungen und Canvas LMS für die Kursbereitstellung ein, doch nichts verband beides im großen Maßstab. In jedem Semester verbrachte ein Instructional-Design-Team rund 600 Stunden mit demselben manuellen Ablauf: bestätigen, dass eine Aufzeichnung fertig ist, den richtigen Panopto-Ordner finden, die Aufzeichnung korrekt benennen, Untertitel und Zugriff festlegen, einen Link im richtigen Canvas-Modul posten und dann den Vorlesungen nachjagen, die gar nicht aufgezeichnet wurden.

Die Fehlerbilder waren frustrierend und vorhersehbar. Aufzeichnungen wurden im falschen Kurs veröffentlicht. Untertitel kamen um Tage verspätet. Räume mit defekten Aufnahmegeräten fielen spät im Semester auf, erst wenn sich Studierende beschwerten. Und es gab keinen Audit-Trail – wenn ein Studierender fragte „Warum fehlte die Vorlesung vom letzten Donnerstag?“, konnte niemand eine sichere Antwort geben. Die Hochschule wollte die 600 Stunden des Teams zurück, die Fehlerbilder in dem Moment erkennen, in dem sie auftreten, und ein System, das auf die doppelte Raumzahl skalieren kann, ohne mehr Personal zu brauchen.

Unsere Lösung

Wir haben eine durchgängige Orchestrierungsschicht in Python und FastAPI gebaut, die auf Canvas-Kursereignisse und Panopto-Aufzeichnungsereignisse lauscht, sie über ein lokales Katalogmodell verknüpft, das Kurse, Abschnitte, Räume und Dozenten kennt, und den gesamten Veröffentlichungs-Workflow automatisch steuert.

Der lokale Katalog ist die Kernidee. Statt Canvas und Panopto immer wieder dieselben Fragen zu stellen, pflegen wir einen kleinen, maßgeblichen PostgreSQL-Katalog mit Kursen, Abschnitten, Raum-zu-Abschnitt-Zuordnungen, Dozenten-zu-Abschnitt-Zuständigkeiten und den Veröffentlichungsregeln, die jede Abteilung gewählt hat. Canvas Live Events und Panopto-Webhooks aktualisieren den Katalog nahezu in Echtzeit; ein FastAPI-Orchestrierungsdienst steuert dann jede nachgelagerte Aktion: die Aufzeichnung im richtigen Panopto-Ordner ablegen, Untertitel anfordern, den Zugriff anhand der Teilnehmerliste des Abschnitts setzen, die Vorlesung im richtigen Canvas-Modul posten und für jeden Schritt ein strukturiertes Audit-Ereignis schreiben.

Intelligentes Filtern erfasst die Fehlerbilder, die früher unsichtbar waren. Wenn eine geplante Vorlesung 15 Minuten nach Ende des Unterrichts keine Aufzeichnung hat, alarmiert das System das Instructional-Support-Team und eröffnet einen nachverfolgten Vorfall. Fehlen Untertitel nach Ablauf des SLA-Fensters weiterhin, eskaliert es. Jede einzelne Veröffentlichungsaktion – erfolgreich oder nicht – wird protokolliert: wer, was, wann, warum und welche vorgelagerten Ereignisse sie ausgelöst haben, sodass die Frage „Warum fehlte die Vorlesung vom letzten Donnerstag?“ jetzt in 30 Sekunden beantwortet ist.

  • Lokaler Katalog mit Kursen, Abschnitten, Räumen, Dozenten und Veröffentlichungsregeln pro Abteilung
  • Canvas Live Events + Panopto-Webhook-Ingestion über einen Empfänger nach dem Inbox-Muster
  • Idempotente Zustandsmaschine pro Aufzeichnung: erkannt → abgelegt → untertitelt → gepostet → auditiert
  • Intelligente Erkennung fehlender Aufzeichnungen mit 15-Minuten-SLA und Erstellung nachverfolgter Vorfälle
  • Überwachung des Untertitel-SLA mit automatischer Eskalation bei Fristüberschreitung
  • Zugriffskontrolle anhand der Teilnehmerliste pro Abschnitt, angewendet auf Panopto-Ordner und Canvas-Beiträge
  • Replay-Tool, um den Veröffentlichungs-Workflow für jede historische Aufzeichnung durchgängig erneut auszuführen
  • Strukturiertes Audit-Log, das „Warum fehlt diese Vorlesung?“ in 30 Sekunden beantwortet
  • Admin-Oberfläche, mit der das Instructional-Design-Team Veröffentlichungsregeln ohne Entwickler bearbeiten kann

Wie wir es gebaut haben

  1. 01

    Den manuellen Workflow ehrlich abbilden

    Wir haben das Instructional-Design-Team zwei Wochen lang begleitet, um jeden Klick des bestehenden manuellen Prozesses zu dokumentieren – auch die Teile, die sie nicht erwähnten, weil sie so selbstverständlich waren. Das Audit ergab einen Workflow mit 47 Schritten pro Aufzeichnung, von denen 41 regelbasiert und sicher automatisierbar waren und 6 menschliches Urteilsvermögen erforderten (und manuell bleiben würden).

  2. 02

    Den lokalen Katalog und das Ereignismodell entwerfen

    Wir haben einen PostgreSQL-Katalog entworfen, der Kurse, Sektionen, Raum-zu-Sektion-Zuordnungen, Zuständigkeiten der Dozenten und Veröffentlichungsregeln pro Fachbereich enthält. Das Schema war bewusst klein und konsequent normalisiert, damit die Veröffentlichungslogik lesbar blieb. Canvas Live Events und Panopto-Webhooks wurden zu den einzigen Eingängen, die den Katalogzustand verändern.

  3. 03

    Den FastAPI-Orchestrierungsdienst aufbauen

    Der Orchestrierungsservice ist eine Python-/FastAPI-App mit Celery-Workern und einer idempotenten Zustandsmaschine pro Aufzeichnung: erkannt, abgelegt, Untertitelung angefordert, untertitelt, Zugriff angewendet, in Canvas veröffentlicht, Audit abgeschlossen. Jeder Übergang ist ein eigener, wiederholbarer Schritt mit strukturierten Logs und Dead-Letter-Behandlung. Die gesamte Pipeline kann jede frühere Aufzeichnung auf Abruf durchgängig erneut abspielen.

  4. 04

    Pilotbetrieb, Skalierung und kontinuierliche Verbesserung

    Wir haben mit einem akademischen Fachbereich ein ganzes Semester lang pilotiert und die automatisierten Ergebnisse wöchentlich mit der manuellen Basis verglichen. Nach null Abweichungen über 12 Wochen haben wir die Plattform im folgenden Semester Fachbereich für Fachbereich ausgerollt. Das Instructional-Design-Team behielt die Hoheit über die Veröffentlichungsregeln – es kann Katalog und Regeldefinitionen über eine kleine Admin-Oberfläche ohne Entwickler bearbeiten.

Tech-Stack

  • Python
  • FastAPI
  • Canvas LMS API
  • Panopto REST API
  • PostgreSQL
  • Celery
  • Redis
  • AWS S3
  • AWS EventBridge
  • Datadog
  • API- und Systemintegration
  • Python & FastAPI
  • Workflow-Automatisierung
  • Cloud-Lösungen
Single-lecture lifecycle — detected, captioned, posted to Canvas with full audit log
Lebenszyklus einer einzelnen Vorlesung — erkannt, mit Untertiteln versehen, in Canvas veröffentlicht, mit vollständigem Audit-Log
Missing-recording detector — 3 incidents auto-opened, MTTR trending down to 18 min
Detektor für fehlende Aufzeichnungen – 3 Vorfälle automatisch eröffnet, MTTR sinkt auf 18 Min.
Canvas + Panopto end-to-end lecture-capture orchestration architecture
Canvas + Panopto – Ende-zu-Ende-Architektur zur Orchestrierung der Vorlesungsaufzeichnung
“Unser Team hat pro Semester 600 Stunden zurückgewonnen, unsere Studierenden erhalten ihre Vorlesungen noch am selben Tag, und wenn doch etwas schiefgeht, wissen wir es, bevor die erste E-Mail eintrifft. Es hat verändert, was wir den Dozierenden an dieser Institution anbieten können.”
Director of Instructional Design · Hochschuleinrichtung (Name vertraulich)

Häufig gestellte Fragen

Wie automatisiert man den Canvas-+-Panopto-Workflow für die Vorlesungsaufzeichnung zuverlässig?

Versuchen Sie nicht, Canvas und Panopto direkt über Regeln zu steuern – das wird schnell fragil. Pflegen Sie stattdessen einen kleinen lokalen Katalog aus Kursen, Sektionen, Räumen und Dozenten, der durch Canvas Live Events und Panopto-Webhooks aktualisiert wird. Lassen Sie dann pro Aufzeichnung eine idempotente Zustandsmaschine laufen, die jede nachgelagerte Aktion anhand des Katalogs steuert. Der Katalog wird zur einzigen Quelle der Wahrheit, und der Rest des Systems ist ein schlanker, wiederholbarer Orchestrator.

Wie erkennen Sie Vorlesungen, die hätten aufgezeichnet werden sollen, es aber nicht wurden?

Vergleichen Sie geplante Lehrveranstaltungstermine aus Ihrer Raum-zu-Sektion-Zuordnung mit eingegangenen Panopto-Aufzeichnungsereignissen innerhalb eines SLA von 15 Minuten. Hat eine geplante Sitzung keine zugehörige Aufzeichnung, alarmieren Sie das Team für Lehrunterstützung und eröffnen Sie einen nachverfolgten Vorfall mit Raum, Sektion, Dozent und den vorgelagerten Ereignissen, die (nicht) eingegangen sind. Dies ist die wertvollste Einzelautomatisierung der Plattform.

Kann die Panopto-API Orchestrierung im Produktionsmaßstab bewältigen?

Ja – die Panopto-REST-API ist gut dokumentiert und stabil für die relevanten Vorgänge (Ordneranlage, Metadaten beim Hochladen von Aufzeichnungen, Zugriffskontrolle, Untertitel-Workflow). Die Zuverlässigkeitsfrage liegt auf Ihrer Seite: idempotente Aufrufe, exponentieller Retry und eine Zustandsmaschine pro Aufzeichnung, damit sich jeder fehlgeschlagene Schritt ohne Abstimmung wiederholen lässt. Wir behandeln Panopto genau so wie jede Drittanbieter-API in einer produktiven Integration.

Wie behalten Instructional-Design-Teams die Kontrolle über Veröffentlichungsregeln, ohne die Entwicklung einzubinden?

Verlagern Sie die Regeln aus dem Code in den Katalog. Wir geben dem Team eine kleine Admin-Oberfläche auf den PostgreSQL-Regeltabellen – was in welches Canvas-Modul veröffentlicht wird, welche Zugriffsrichtlinie jede Abteilung wünscht, wie das Caption-SLA aussieht. Die Entwicklung verantwortet den Orchestrator; das Team verantwortet die Regeln. Regeländerungen erfordern nie ein Deployment.

Was kostet und dauert ein End-to-End-Automatisierungsprojekt mit Canvas + Panopto typischerweise?

16-26 Wochen für einen produktionsreifen Rollout in einer mittleren bis großen Institution. Die ersten 4-6 Wochen gelten der Workflow-Analyse und dem Katalogdesign – wenn das stimmt, wird der Rest günstig. Sobald ein Fachbereich auf der Plattform ist, dauert die Aufnahme weiterer Fachbereiche Tage, nicht Wochen.

Event-Driven Canvas LMS Integration at 50K+ Daily API Calls for a North American University cover imageBildung50K+ Tägliche Canvas-API-Aufrufe – komfortabel innerhalb des Kontingents der Universität

Ereignisgesteuerte Canvas-LMS-Integration bei über 50K täglichen API-Aufrufen für eine nordamerikanische Universität

Wie UnlockLive eine fragile nächtliche Canvas-LMS-Synchronisierung durch eine ereignisgesteuerte Python- und FastAPI-Integration ersetzt hat, die über 50.000 API-Aufrufe pro Tag verarbeitet, keine Rate-Limit-Vorfälle verursacht und das Synchronisierungsfenster um 90 % verkürzt – ohne ein einziges nachgelagertes System zu beeinträchtigen.

  • Python
  • FastAPI
  • Canvas REST API
  • Canvas GraphQL API
  • +7
Fallstudie lesen
10x Ingest Throughput on a PostgreSQL Analytics Pipeline Using UNLOGGED Tables cover imageDaten / Analytik10x Dauerhafter Ingest-Durchsatz (8K → 80K+ Ereignisse/Sek.)

10-facher Ingest-Durchsatz in einer PostgreSQL-Analytics-Pipeline mit UNLOGGED-Tabellen

Wie UnlockLive mit PostgreSQL-UNLOGGED-Tabellen, gebatchter COPY-Ingestion und einem disziplinierten Zwei-Tabellen-Muster eine hochvolumige Analytics-Pipeline von 8 Tsd. auf 80 Tsd. Ereignisse/Sek. gesteigert hat – ohne die Datenintegritätsgarantien zu verlieren, die der auditierte Pfad verlangte.

  • PostgreSQL 16
  • Python
  • FastAPI
  • Celery
  • +5
Fallstudie lesen

Möchten Sie ein solches Ergebnis?

Sprechen Sie mit demselben Team, das gebaut hat Durchgängig automatisierte Vorlesungsaufzeichnung: Canvas + Panopto + Python-Orchestrierung. Wir grenzen Ihr Projekt ein, erstellen ein Festpreisangebot und zeigen Ihnen das passendste Beispiel aus unserem Portfolio.

Strategiegespräch buchen

UnlockLive IT Limited – Hauptsitz in Toronto für Kundenkontakt und Projektmanagement; dediziertes Engineering-Center in Dhaka, Bangladesh. Im Vereinigten Königreich eingetragenes Unternehmen Nr. 15563368 (UnlockLive IT Limited, London).

Schnellzugriff

Leistungen

Standorte

Copyright© UnlockLive . Alle Rechte vorbehalten 2008 - 2026