Viel zu kompliziert; mit einfacherem Beispiel geht das auch schon:
*singsing* -> Mikro -> Preamp -> Soundkarte IN -> Software (Mixer) -> Soundkarte OUT -> Kopfhörerverstärker -> Kopfhörer -> *hörhör*
Bei Hardwaremonitoring nimmt das Signal vereinfacht ausgedrückt die Abkürzung von Soundkarte IN direkt wieder zu Soundkarte OUT. Die restlichen davor und danach entstehenden Verzögerungen sind ohnehin irrelevant.
Bei Softwaremonitoring gibt es diese Abkürzung nicht und das Signal wird zumindest um den eingestellten Bufferwert entsprechenden Zeitwert verzögert.
Bedeutet: dein eigenes *singsing* wird über die Kopfhörer (*hörhör*) zu spät wiedergegeben. Bei extrem hohen Buffereinstellungen oder zB "Multimediatreibern" geht das soweit, dass es einem Echo in den Bergen (allerdings nur dem ersten) Konkurrenz machen kann.
Wenn du, wie in deinem Beispiel, 2 Eingänge hast, die beide abgehört werden, dann hast du in der Regel die gleiche Verzögerung für beide Signale.
Die Latenz ist doch die Dauer von etwas das ich ins Mic gesprochen habe, bis das auf dem PC gespeichert wurde oder?
Die Latenz von der du redest ist eigentlich die Zeit, die von Input über PC bis Output verstreicht; also Ein- und Ausgangslatenz zusammen.
- und dieser Verzögerungseffekt kann einen Musiker schon mal ganz schön aus dem Takt bringen 
