KI-Filmproduktion: wie ein Film entsteht, wenn Szenen erzeugt werden

Die häufigste Enttäuschung mit erzeugtem Video hat nichts mit Bildqualität zu tun. Einzelne Clips sehen gut aus. Sobald aber drei davon hintereinander laufen sollen, trägt die Figur ein anderes Hemd, die Halle hat andere Fenster, und das Produkt hat sein Bedienfeld auf der anderen Seite. Der Zuschauer merkt es, ohne es benennen zu können — er hält den Film für unsauber.

Der Grund liegt in der Arbeitsweise, nicht im Werkzeug. Jede Anfrage an ein Bild- oder Videomodell ist ein eigenes Ereignis; es weiß von der vorigen Einstellung nichts. Wer Kontinuität will, muss sie mitbringen. Genau das ist die Arbeit, die diese Seite beschreibt.

Warum sich die Reihenfolge umdreht

Bei einem Dreh entsteht Kontinuität durch die Wirklichkeit. Die Halle ist die Halle, die Kollegin trägt dieselbe Jacke wie eine Stunde vorher, das Licht ändert sich langsam und nachvollziehbar. Alles, was im Kasten ist, passt schon deshalb zusammen, weil es zur selben Zeit am selben Ort war. Die Arbeit liegt davor: Ort organisieren, Termin finden, Menschen zusammenbringen.

Bei einer erzeugten Produktion fällt dieser Anker weg. Es gibt keinen Ort, der die Anschlüsse garantiert. Deshalb wandert die Arbeit nach vorne, in eine Stufe, die es beim Dreh nicht gibt: Aussehen wird zuerst festgelegt und festgeschrieben, bevor irgendetwas in Bewegung gerät. Wir nennen das die Vorlagenstufe.

Der zweite Unterschied ist die Stückgröße. Ein Drehtag liefert Aufnahmen, die je nach Motiv Minuten laufen können. Erzeugte Bewegung trägt heute verlässlich nur einige Sekunden; danach beginnen Figuren zu verrutschen und Räume, sich zu verändern. Ein Film wird deshalb nicht als Film erzeugt, sondern als Sammlung kurzer, exakt geplanter Einstellungen, die im Schnitt zusammenwachsen.

Beides zusammen erklärt, warum das Storyboard hier wichtiger ist als beim Dreh, nicht unwichtiger. Beim Dreh kann man am Set eine zweite Variante mitnehmen, weil das Team schon da ist. Bei einer erzeugten Produktion ist jede Einstellung ein eigener Vorgang, der geplant, gebaut, geprüft und freigegeben wird. Was im Storyboard nicht steht, existiert nicht.

Die dritte Verschiebung betrifft die Kosten von Änderungen. Sie fallen nicht flach, sie fallen nur an anderer Stelle an. Eine Änderung an einer Vorlage ist billig, weil sie sich auf alle folgenden Einstellungen auswirkt. Dieselbe Änderung nach der Freigabe der Standbilder betrifft jede Einstellung einzeln — und nach der Bewegung heißt sie: neu erzeugen, neu prüfen, neu schneiden.

Die Vorlagen: Figuren, Produkte, Orte

Eine Vorlage ist ein festgelegtes Aussehen, auf das sich jede spätere Einstellung beruft. Sie ist kein Prompt und kein Text, sondern Bildmaterial: mehrere Ansichten desselben Gegenstands, derselben Person, desselben Raums, gebaut und geprüft, bevor der Film beginnt. Alles, was im Film mehr als einmal zu sehen ist, braucht eine.

Drei Arten kommen in Unternehmensfilmen praktisch immer vor:

• Figuren. Jede Person, die in mehreren Einstellungen auftritt, wird als Ansichtenblatt festgelegt: Gesicht von vorn und halb seitlich, Oberkörper, Ganzkörper, dazu Kleidung und alles, was sie bei sich trägt. Ohne dieses Blatt entsteht in Einstellung vier ein anderer Mensch mit ähnlichem Gesicht.
• Produkte und Objekte. Hier hängt am meisten, weil ein Produkt richtig sein muss, nicht nur plausibel. Festgelegt werden Form, Proportionen, Farbe, Beschriftungsflächen und die Seite, auf der Bedienelemente sitzen — aus mehreren Blickwinkeln, damit spätere Einstellungen nicht raten müssen.
• Orte. Halle, Werkstatt, Büro, Außenansicht: Ein Ort wird als Grundriss im Bild festgelegt, mit Blickrichtungen. Sonst verschieben sich Fenster, Türen und Deckenhöhen von Einstellung zu Einstellung, und der Raum wirkt wie drei verschiedene Gebäude.

Aus dieser Stufe folgt die einzige echte Zulieferung, die wir zu Beginn brauchen: Material, aus dem Vorlagen gebaut werden können. Fotos des Produkts von mehreren Seiten, ein Datenblatt mit Maßen, Bilder der eigenen Räume, das Logo als Vektordatei, Farbwerte. Liegen CAD-Daten vor, ist das der genaueste Ausgangspunkt, den es gibt — dann führt der Weg allerdings meist über eine technische 3D-Animation aus CAD-Daten, weil Maßtreue dort ins Verfahren eingebaut ist und nicht nachträglich geprüft werden muss.

Die Vorlagenstufe ist auch die Stelle, an der ein Vorhaben ehrlich billig wird. Ein Film mit einer Figur, einem Produkt und einem Ort braucht drei Vorlagen. Ein Film mit sechs Sprechern in vier Abteilungen braucht zehn — bei gleicher Laufzeit. Wer die Zahl der wiederkehrenden Dinge im Konzept senkt, senkt den Aufwand deutlich stärker als über die Länge.

Am Ende dieser Stufe steht eine Freigabe, und sie ist die wichtigste im ganzen Ablauf. Was hier bestätigt wird, taucht in jeder Einstellung wieder auf. Was hier übersehen wird — ein falscher Farbton, ein Griff auf der falschen Seite, eine Schutzbrille, die im Betrieb Vorschrift ist — taucht ebenfalls in jeder Einstellung wieder auf.

Vom Standbild zur Bewegung

Die zweite Stufe baut den Film als Bildfolge. Für jede Einstellung des Storyboards entsteht ein Standbild, das die Vorlagen benutzt: dieselbe Figur, dasselbe Produkt, derselbe Ort, jetzt in einer bestimmten Bildgröße und aus einem bestimmten Blickwinkel. Diese Bilder sind keine Skizzen, sondern der spätere erste Bildinhalt der Einstellung.

Das hat einen praktischen Grund. Ein Standbild lässt sich in Minuten ändern und beurteilen; eine Bewegung braucht länger und ist schwerer zu korrigieren. Wer über Bildaufbau, Blickrichtung, Größe des Produkts im Bild und Anschluss an die nächste Einstellung streiten will, streitet deshalb über Standbilder. Danach ist der Streit erledigt.

Erst in der dritten Stufe wird bewegt, und zwar einzeln: aus dem freigegebenen Standbild entsteht die Bewegung dieser einen Einstellung. Die Anweisung dafür beschreibt zwei Dinge getrennt — was sich im Bild bewegt und was die Kamera tut. Eine Fahrt zur Seite, ein langsames Heranfahren, ein Schwenk: Die Kamerabewegung wird benannt wie bei einem Dreh, weil sie dieselbe Wirkung hat.

Hier fällt auch die Entscheidung über die Länge jeder Einstellung, und sie folgt einer nüchternen Regel: so kurz wie die Aussage erlaubt. Nicht aus Stilwillen, sondern weil erzeugte Bewegung mit jeder Sekunde mehr Gelegenheit hat, sich von der Vorlage zu entfernen. Zwei saubere Einstellungen von je drei Sekunden tragen einen Gedanken besser als eine wackelige von sechs.

Die vierte Stufe ist gewöhnliche Postproduktion und unterscheidet sich vom klassischen Weg kaum: Schnitt, Tonebene, Musiklizenz, Sprecher oder synthetische Stimme, Bauchbinden, Untertitel, Fassungen für die Kanäle. Der Film entsteht in dieser Stufe — vorher existieren nur Teile.

Für Fassungen in weiteren Sprachen hat diese Arbeitsweise einen Vorteil, der oft unterschätzt wird: Weil Bild und Ton getrennt entstanden sind, ist eine weitere Sprachfassung eine Tonarbeit und kein neuer Film. Sie bleibt ein benannter Zusatzposten, aber ein kleiner. Wo Lippen sichtbar synchron sein müssen, wird es aufwendiger — dafür ist das Avatar-Verfahren gebaut, beschrieben unter KI-Avatar-Videos.

Woran Konsistenz scheitert

Die Fehler wiederholen sich, über Projekte und über Werkzeuge hinweg. Fünf davon erklären fast alles, was in erzeugten Filmen unsauber wirkt — und alle fünf sind Fehler im Ablauf, nicht im Modell.

Der vierte Punkt verdient eine Ergänzung, weil er in Angeboten selten steht und in Absagen oft der Grund ist: Text gehört nicht in das erzeugte Bild. Firmenname, Typenbezeichnung, Preis, Kennzahl — alles, was gelesen werden soll, wird nachträglich als Grafik gesetzt. Das ist keine Notlösung, sondern die einzige Methode, bei der die Schreibweise am Ende stimmt, auch in der fünften Sprachfassung.

Und ein Fehler steht nicht in der Tabelle, weil er keinen technischen Grund hat: zu viele wiederkehrende Elemente im Konzept. Jede zusätzliche Figur, jedes zusätzliche Produkt, jeder zusätzliche Ort erhöht die Zahl der Dinge, die über den ganzen Film hinweg gleich bleiben müssen. Filme, die in der Herstellung aus dem Ruder laufen, sind fast immer solche, in denen zu viel vorkommt.

Was sich nicht erzeugen lässt

Diese Liste ist der nützlichste Teil der Seite, weil sie vor der Beauftragung Geld spart. Stand August 2026 gibt es Motive, bei denen der erzeugte Weg nicht der richtige ist — unabhängig vom Werkzeug und unabhängig vom Budget.

Der Beweis, dass es Euch gibt. Die eigene Halle, die eigenen Leute, die eigene Anlage im Betrieb: Sobald die Aufnahme belegen soll, dass etwas tatsächlich so ist, muss sie aufgenommen werden. Erzeugte Bilder können das nicht leisten, auch wenn sie gut aussehen. Genau dafür gibt es den hybriden Weg mit einem Realdrehtermin, den wir bundesweit übernehmen.

Maßtreue. Wenn ein Bauteil im Bild stimmen muss, weil danach montiert, geschult oder abgenommen wird, ist die Grundlage die Konstruktionsdatei und nicht ein Bildmodell. Der Weg dafür ist die 3D-Animation aus CAD-Daten.

Eine benannte Person. Eine erkennbare, real existierende Person darf nicht ohne ihre Einwilligung erzeugt werden — und wo sie vorliegt, ist der saubere Weg das Avatar-Verfahren mit einer Aufnahme dieser Person, nicht ein erfundenes Gesicht mit Ähnlichkeit.

Ein Ereignis, das stattfindet. Eine Messe, eine Preisverleihung, ein Jubiläum: Was einmal passiert, wird dokumentiert. Erzeugtes Material kann so ein Ereignis umrahmen, aber nicht ersetzen.

Marken, die anderen gehören. Fremde Logos, fremde Produktgestaltung, geschützte Figuren: Was ohne Erlaubnis nicht gefilmt werden dürfte, darf auch nicht erzeugt werden. Die Rechtslage ändert sich durch das Verfahren nicht.

Feine Handarbeit in Nahaufnahme. Finger, die ein kleines Teil greifen, Werkzeug, das exakt geführt wird, Flüssigkeit, die in ein Gefäß läuft: Hier bleibt erzeugte Bewegung anfällig. Machbar ist es oft — verlässlich planbar ist es nicht, und deshalb sagen wir vorher, wenn eine Einstellung in diese Klasse fällt.

Für den erzeugten Anteil gilt zusätzlich eine Pflicht, die keine Auslegungsfrage ist: Sobald erzeugtes Bildmaterial, eine synthetische Stimme oder eine erzeugte Person vorkommt, greift die Transparenzpflicht nach Artikel 50 der KI-Verordnung, wirksam seit dem 2. August 2026. Gekennzeichnet wird der betroffene Anteil, nicht der ganze Film.

Wo ein Mensch entscheidet

An vier Stellen im Ablauf entscheidet niemand automatisch, und diese vier Stellen sind der Grund, warum eine Produktion mehr ist als eine Reihe von Anfragen an ein Modell.

Bei der Aussage. Was der Zuschauer danach wiederholen können soll, ist eine Entscheidung über Inhalt und Reihenfolge. Sie fällt im Gespräch mit den Leuten, die das Thema kennen, und sie fällt vor jeder Bilderzeugung.

Bei der Vorlagenfreigabe. Ob das Produkt richtig aussieht, kann nur beurteilen, wer es kennt. Wir bereiten die Vorlagen vor, aber die fachliche Bestätigung kommt aus Deinem Haus — im Idealfall von einer Person aus der Technik, nicht aus dem Marketing.

Bei der Auswahl. Zu jeder Einstellung entstehen Varianten. Welche genommen wird, entscheidet sich am Anschluss zur Nachbareinstellung und an der Aussage der Szene, nicht daran, welche für sich am schönsten ist. Das ist Regiearbeit und lässt sich nicht messen.

Bei der Absage. Wenn eine geplante Einstellung nach zwei Versuchen nicht sauber wird, ist die richtige Entscheidung, sie zu ersetzen — durch eine andere Bildidee, durch eine Grafik oder durch eine aufgenommene Szene. Wer stattdessen weiter erzeugt, verbraucht Zeit und liefert am Ende eine Einstellung, die man ansieht und ungut findet.

Daraus folgt, wie wir Vorhaben führen: Es gibt eine benannte Person bei Dir mit Freigaberecht und eine bei uns mit Verantwortung für den Film. Zwei Korrekturschleifen und bis zu drei Fassungen desselben Films in einer Sprache gehören zum Netto-Projektpreis; jede weitere Fassung und jede weitere Sprache ist ein benannter Zusatzposten. Was der Weg ohne Dreh und der hybride Weg kosten, steht auf Videoproduktion Kosten; welches Format zu welchem Ziel passt, klärt die Übersicht über Videoproduktion und Anbietertypen.

Take-aways

• Eine erzeugte Produktion arbeitet in vier Stufen: Vorlagen, Standbilder, Bewegung, Schnitt. Die Reihenfolge ist nicht Geschmack, sondern die einzige, in der Anschlüsse halten.
• Alles, was im Film mehr als einmal vorkommt, braucht eine Vorlage — jede Figur, jedes Produkt, jeder Ort. Ohne Vorlage wird es in jeder Einstellung neu erfunden.
• Erzeugte Bewegung trägt verlässlich nur einige Sekunden. Ein Film von 90 Sekunden besteht deshalb aus 15 bis 25 einzeln geplanten Einstellungen.
• Gestritten wird auf der Standbildstufe. Dort kostet eine Korrektur Minuten, nach der Bewegung kostet sie eine neue Einstellung.
• Text gehört nicht in das erzeugte Bild. Namen, Typenbezeichnungen und Zahlen kommen im Schnitt als Grafik dazu — sonst stimmt die Schreibweise nicht, spätestens in der zweiten Sprachfassung.
• Der Aufwand wächst mit der Zahl der wiederkehrenden Dinge, nicht mit der Laufzeit. Ein Konzept mit weniger Figuren und Orten ist der wirksamste Hebel.
• Sechs Motivklassen gehören nicht in den erzeugten Weg: Beweis der eigenen Wirklichkeit, Maßtreue, benannte Personen, stattfindende Ereignisse, fremde Marken und feine Handarbeit in Nahaufnahme.
• An vier Stellen entscheidet ein Mensch: bei der Aussage, bei der Vorlagenfreigabe, bei der Auswahl der Einstellung und bei der Absage einer Einstellung, die nicht sauber wird.
• Der erzeugte Anteil wird gekennzeichnet, der aufgenommene nicht. Grundlage ist Artikel 50 der KI-Verordnung, wirksam seit dem 2. August 2026.

Häufige Fragen

Quellen und Stand der Zahlen

• Rein KI-basierte Produktion ab 8.000 Euro netto, zwei Korrekturschleifen und bis zu drei Fassungen desselben Films in einer Sprache im Netto-Projektpreis, in der Regel 14 Tage Produktionszeit ab Kickoff bis zum fertigen Master: KI-Video-Preisreport 2026 der KI Video Manufaktur, Datenbasis 76 abgeschlossene Kundenprojekte mit über 5.000 produzierten Videominuten, Stand Juli 2026.
• Angaben zur Arbeitsweise, zur Zahl der Einstellungen je Filmlänge und zu den beschriebenen Fehlerbildern: eigene Produktionspraxis der KI Video Manufaktur seit 2024, Stand August 2026. Sie beschreiben unser Verfahren und sind keine Aussage über andere Anbieter oder Werkzeuge.
• Leistungsstand der eingesetzten Bild- und Videomodelle, mit Herausgebern und Abrufdaten: KI-Video-Tools-Vergleich 2026.
• Nutzungsrechte nach den Allgemeinen Geschäftsbedingungen: einfaches, nicht übertragbares, nicht ausschließliches und zeitlich unbegrenztes Nutzungsrecht im vertraglich vereinbarten Rahmen, Weitergabe und Bearbeitung mit schriftlicher Zustimmung, AGB §7, abgerufen am 30.07.2026.
• Transparenzpflicht für KI-generierte Inhalte, wirksam seit dem 2. August 2026: Artikel 50 der Verordnung (EU) 2024/1689 über künstliche Intelligenz.
• Sitz der Gesellschaft: sensified AI GmbH, Metzingen, Landkreis Reutlingen; vollständige Anschrift im Impressum.