Was wir gemessen haben —
und was daraus wurde.

Worum es geht, was du davon hast, für wen es ist#

Drei Fragen, die eine Produktseite beantworten muss, bevor sie irgendetwas zeigt. Hier stehen sie zuerst — und der Rest der Seite belegt sie.

Der bezahlte Anlass ist dabei nicht Kreativität, sondern Termindruck mit Geld dahinter: Einreichfrist, Pitch-Termin, Kundenpräsentation. Wer nächste Woche einreichen muss, vergleicht keine sechs Werkzeuge — der zahlt dafür, bis Freitag pitchfähig zu sein.

Und was es nicht wird, damit du nicht das Falsche erwartest: kein weiterer Modell-Zoo, kein Wettbewerb um das beste Videomodell, kein Preiskampf gegen Flatrate-Anbieter. Wer nur Clips am Fließband will, ist woanders günstiger bedient. Der Wert sitzt in der Planung und im DACH-Kontext.

Die zehn Stufen#

Dieselbe Ordnung wie in der Vorführung, wo eine einzelne Einstellung durch alle Stufen läuft. Hier die Übersicht.

Die Werkzeuge#

Die fünfzig Referenz-Looks und ihre Filmbilder

Jeder Look trägt die Nummer, unter der er im Pult steht (filmlab-ref-01 bis -50). Die Standbilder zeigen wir nur im Pult, als Beleg, woran der Look Maß genommen hat; die Rechte an den Bildern liegen bei den Rechteinhabern der Filme.

Der Dreamer — dort, wo aus Sprache ein Bild wird#

Jede Stufe hängt am Prompt, und der Prompt ist die Stelle, an der die meisten Anläufe verbrannt werden. Der Dreamer ist deshalb kein Textfeld, sondern ein Werkzeugkasten.

Warum das Produkt so aussieht#

Fast jede Eigenschaft hier hat eine Messung als Ursache — oft eine, die gegen die eigene Erwartung ausging. Die Reihe von links nach rechts: wann, was gemessen wurde, was daraus im Produkt wurde.

• 26.07. Ein ganzer Tag über die eigene Pipeline: zwei Videos, 30 Bilder, 33 Clips. Ergebnis: 45 $ ausgegeben, wo 7,50 $ gereicht hätten. Der Preis stand erst nach dem Absenden. Daraus wurdeDer Kosten-Preflight. Jeder Auftrag nennt seinen Preis, bevor er läuft.
• 26.07. Preisvergleich zweier Videomodelle, beide zehn Sekunden in 720p. 3,03 $ gegen 0,50 $ — Faktor sechs. Und der Fehler dabei: Preise über Abrechnungsmodelle hinweg zu vergleichen, statt Anbieter gegen Anbieter. Daraus wurdeDer Router. Er ordnet nach Qualität, cappt die Kosten und nimmt innerhalb einer Modellfamilie den günstigsten verdrahteten Zugang.
• 12.08. Bringt es etwas, einen Bildprompt mit Praxiswissen zu erden? Zwei Läufe, gepoolt 41 Vergleiche. 33 zu 8 gegen die Erdung, p = 0,0001. Die eigene Idee war messbar schlechter. Daraus wurdeSie ist nicht eingebaut. Eine Messung, die eine Idee begräbt, spart mehr als eine, die sie bestätigt.
• 22.08. Ist ein handgeschriebener Prompt besser als ein generierter? Drei Messungen, 110 Würfe, abwechselnd im selben Lauf. p = 0,474 · 0,897 · 0,936. Kein Effekt. Was wie ein Unterschied aussah, war der Tagesdrift des Modells. Daraus wurdeDie Prompt-Werkzeuge bleiben Werkzeuge, keine Pflicht. Und jede Behauptung über Prompts braucht seither Würfe, nicht Bauchgefühl.
• 23.08. Zehn Bilder aus einer Referenzplatte, identischer Satz und Kader. Übereinstimmung 0,92 gegen 0,78 (p < 0,0001): das Gesicht hält, die Kleidung driftet zuerst. Daraus wurdeReferenzbilder statt Textbeschreibung, wo es auf Wiedererkennung ankommt — und die Warnung, worauf man beim Prüfen zuerst schaut.
• 04.08. Dasselbe Standbild, dieselbe Anweisung, durch drei Videomodelle — gemessen, ob der Kader wirklich stillsteht. Inzwischen sechs Modelle, alle mit demselben Zuschnitt gemessen: 39,3 dB an der Spitze, 22,8 am Ende — und das ruhigste kostet das Elffache des unruhigsten. Daraus wurdeAuflösung ist eine Entscheidung im Auftrag, keine Voreinstellung — und der Router kennt beide Achsen, Qualität und Preis.
• 19.07. Lässt sich eine freigegebene Mundregion per Maske neu generieren? Drei bezahlte Läufe, Maskentyp isoliert. Nein. In allen drei Läufen bleibt der Mund geschlossen — obwohl jeder Auftrag sauber „completed" meldete. Daraus wurdeDer Weg ist ausgeschlossen, und eine Regel: Wirkung wird am Bild geprüft, nie am Statuscode.
• 05.08. Folgt die Kamera dem geplanten Weg, wenn ein grauer Rohbau die Fahrt vorgibt? Gemessen am Silhouetten-Schwerpunkt. Mit Bildanker 23 % Folgetreue, ohne 87 % — und die volle Fahrt braucht sechs Generierungen statt 360. Daraus wurdeBlocking als eigene Stufe: erst der Raum, dann das Bild.
• 01.09. Ein Figurenabdruck, zwei Trainings, 38 Bilder, 13,42 $ — und danach acht Abnahmebilder in acht Lichtsituationen. 8 von 8 erkennbar. Aber: acht Fehler kamen erst aus den bezahlten Läufen, keiner davon aus der grünen Testsuite. Daraus wurdeAbnahme als eigener Schritt, Erstattung wenn nichts entsteht — und die Regel, dass ein Durchlauf mit echtem Geld kein Ersatz für Tests ist, sondern deren Ergänzung.
• 23.08. / 02.09. 27 Grafik-Stile am selben Motiv, jedes Bild angesehen, jedes Wort darin gelesen. Die Textklausel brauchte drei Anläufe: „keine falschen Wörter" verbietet nicht das Erfinden. Daraus wurdePresets, die sagen, welche Wörter erlaubt sind — und Eingabefelder, damit es deine sind.
• 02.09. Hält das Referenzbild auch die Ansage der Einstellung? Vier Einstellungen, je zehn Läufe pro Arm, Kriterium vorher festgelegt. Identität ohne Referenz 0/10, mit Referenz 9–10/10. Aber zwei Ansagen brachen — und es waren genau die, die ein Etikett trugen statt einer Geometrie. Daraus wurdeDie Sheet-Ansagen beschreiben Mechanik statt Einstellungsnamen: welches Bein trägt, welcher Winkel, was verdeckt ist. Und die Regel, an der man den nächsten Streitfall vorher erkennt.
• 02.09. Warum trugen 14 von 188 Figuren eine Beschreibung, die nur aus Feldnamen bestand? Nachgemessen statt dem Kommentar geglaubt. Die Antwort des Sprachmodells brach an einer Token-Grenze ab, das Log meldete einen Parser-Fehler und der Weg fiel still auf eine Ersatzbeschreibung zurück. Zwei weitere Fehler derselben Sorte kamen am selben Tag heraus: ein abgelehntes Bild fiel lautlos aus der Antwort, und die erhöhte Grenze reichte immer noch nicht. Daraus wurdeKein Ausfall darf mehr wie ein leiserer Erfolg aussehen: die Antwort nennt jede Einstellung, die nicht entstanden ist, und jeder Abbruch wird als das benannt, was er ist. Bei zweien der drei stand die Lösung längst nebenan im selben Router — seither wird dort zuerst gesucht.
• 02.09. Beim Reparieren von dreizehn Figuren: was passiert eigentlich mit der alten Beschreibung? Nichts. Sie wurde überschrieben und war weg — kein Änderungsdatum, keine Version, nirgends. Die einzige Absicherung waren von Hand angelegte Dateien, vier davon auf genau einer Platte. Daraus wurdeDie Datenbank schreibt jede Fassung selbst mit — nicht die Anwendung, denn das Reparatur-Werkzeug schreibt direkt in die Tabelle und wäre daran vorbeigelaufen.
• 24.09. Was tut der Knopf „Einfügen" im Schnitt? Fünfmal gedrückt, danach nachgesehen. Fünf deckungsgleiche Clips an derselben Stelle, vier davon unsichtbar. Der Tooltip versprach Einfügen, der Code legte übereinander. Daraus wurdeEinfügen schiebt: was danach liegt, rückt um die volle Dauer, ein Clip über dem Einfügepunkt wird geteilt.
• 25.09. Trägt ein Murnau-Export seine KI-Kennzeichnung? In der Datenbank stand „gekennzeichnet", nachgesehen wurde im Bild und in der Datei. Nichts. Der Render las das Feld nie. Kein einziger Murnau-Export bis zu diesem Tag trug eine Kennzeichnung. Daraus wurdeDas Kennzeichen wird ins Bild gebrannt und maschinenlesbar in die Datei geschrieben — und geprüft wird an der Datei, nicht am Datenbankfeld. Siehe Herkunft.
• 25.09. Können Komparsen gehen? 18 Clips, davon 6 mit der Anweisung „geht". 0 von 6 zeigen einen Gehzyklus: fünf stehen still, einer trippelt auf der Stelle. Das Kriterium im Plan fragte, ob sie aus dem Bild laufen — der Fehler war das Gegenteil. Daraus wurdeGehen ist gesperrt, bis ein Modell es kann. Stehen und Gespräch sind freigegeben.
• 26.09. Komparsen stachen aus einer Neon-Gasse heraus. Die Annahme: zu hell. Gemessen in Farbwerten statt nach Augenmaß. Sie waren dunkler als die Plate, nicht heller. Was stach, war die Farbe: fast farblose Studiofiguren (Chroma 4) in einer blauen Szene (Chroma 21). Daraus wurdeEin Licht-Angleich, der die Farbe verschiebt und die Helligkeit lässt. Eine Helligkeitskorrektur hätte den Fehler vergrößert.

Wie wir messen#

Immer nach demselben Muster: eine Frage, zwei Arme, abwechselnd im selben Lauf geworfen — sonst misst man die Tagesform des Modells statt der Sache. Am Ende ein Kontaktbogen, auf dem jeder Wurf mit seinen Messwerten steht, damit nachvollziehbar ist, was gezählt wurde.

Die Bild-Stile#

48 Stück, alle am selben Motiv gerendert. Nur so ist der Unterschied der Stil und nicht das Motiv — und nur so fällt auf, wenn einer nicht tut, was draufsteht.

Der Befund der letzten Runde

Fünfzehn neue Grafik-Stile, jedes Bild angesehen und jedes Wort darin gelesen:

• 8 sitzen
• 6 mit Abzug
• 1 verfehlt
• elf setzen Schrift — 11 davon korrekt

Die häufigste Abweichung ist harmlos und wiederkehrend: das Plakat kommt als abfotografiertes Objekt statt vollflächig. Die seltene ist es nicht — und die zwei Fälle stehen unten.

Der Figurenabdruck — dieselbe Person in jedem Licht#

Eine Figur, die im zweiten Bild anders aussieht als im ersten, ist keine Figur. Der Abdruck ist die trainierte Identität: einmal angelegt, danach in jeder Einstellung abrufbar.

• 2 Trainings
• 38 Bilder
• 13,42 $ Rechenkosten
• 8/8 erkennbar
• 2 Varianten übersprungen, mit Grund

Etikett oder Geometrie — woran eine Ansage scheitert

Die Identität einer Figur wird über ein Referenzbild gehalten, nicht über Wiederholung im Text. Das funktioniert so gut, dass es ein eigenes Problem erzeugt: die Referenz überstimmt auch das, was sie gar nicht überstimmen soll. Wir haben gemessen, wann — an einer Figur, vier Einstellungen, je zehn Läufen pro Arm, Kriterium vorher festgelegt.

• 4 Einstellungen gemessen
• 10 Läufe je Arm
• 0/10 Identität ohne Referenz
• 9–10/10 mit Referenz
• 2 Ansagen, die brachen

Die zwei, die brachen, waren Etiketten: „full side profile" und „dynamic action pose" — Namen für Einstellungen, die ein Modell auch großzügig vergibt. Die zwei, die hielten, beschrieben ohnehin schon Mechanik: „hands resting on thighs", „mid-stride toward camera". Die Referenz frisst keine Haltung. Sie frisst ein Etikett.

Praktisch heißt das: Streitstellen sind an der Formulierung ablesbar, statt sie einzeln messen zu müssen. Steht dort, was zu sehen sein soll, hält es. Steht dort der Name einer Einstellung, gewinnt das Referenzbild.

Farbfeld statt Studiohintergrund — und der Anker, der dabei Ganzkörper wurde#

Ein Sheet ist eine Referenz, kein fertiges Bild. Alles, was darin an Licht steckt — ein Standschatten, ein Boden, der zum Horizont ausläuft — erbt jede Folgeszene und muss dort gegen das Licht der Szene kämpfen. Die Sheet-Ansichten verlangten bisher einen „grauen Hintergrund, gleichmäßiges Studiolicht", also einen fotografierten Hintergrund. Seit dem 2026-10-01 verlangen sie ein Farbfeld: ein einheitliches Mittelgrau an jedem Pixel, ohne Boden, Wand oder Horizont, schattenlos beleuchtet, ohne Schatten und ohne Lichtspill außerhalb der Figur.

Die Messung: Ansicht „Ganzkörper", je drei Läufe pro Arm, Helligkeit der Bildecken und ein Streifen am Boden gegen einen am Kopf. Mit Referenz geprüft (Anker plus fünf weitere Ansichten, Gesichtsähnlichkeit gegen den Anker) hat sich die Identität nicht verschlechtert: bei gleichem Anker für beide Arme 0,684 → 0,735, Unterschied +0,05 bei einem 95-%-Intervall von −0,01 bis +0,12 (13 Paare). Der Gewinn kommt fast nur vom Profil; ohne das sind die Ansichten gleich. Das ist „kein Verlust", nicht „ein Gewinn".

Der Fehlschlag, den wir dabei selbst eingebaut hatten.

Mit dem Farbfeld wurde der Detail-Anker — das Porträt, aus dem alle weiteren Ansichten abgeleitet werden — bei vielen Figuren kein Porträt mehr, sondern ein Halb- oder Ganzkörperbild. Aufgefallen ist es, als wir die Identität mit einer echten Figur nachmaßen: bei einem Lauf mit anderem Anker sah „neu" plötzlich schlechter aus, und die Ursache war nicht die Ähnlichkeit, sondern der Ausschnitt. Der Beschreibungstext der Figur (hier: „Standing at full length, the whole figure inside the frame, both shoes fully visible", bei einer anderen: „trousers and brown leather boots") gewinnt gegen die Ansage „großes Porträt", und der Satz über „die Figur" im Farbfeld hilft dem nicht. Es ist dieselbe Mechanik wie bei Etikett und Geometrie: die Referenz — hier der Text — überstimmt die Ansage.

• 0/10 Ganzkörper-Anker, alt
• 6/10 mit Farbfeld, ohne Fix
• 0/10 mit Fix
• 3/5 → 0/5 Testfigur mit Hose und Stiefeln
• 1 von 171 Beschreibungen nennen „Ganzkörper"

Der Fix steht seit dem 2026-10-02 in den Ansichten „detail" und „detail_smile": ein Satz am Ende, der den Kopf-und-Schultern-Ausschnitt über jede Kadrierung im Beschreibungstext stellt. Als Ganzkörper gilt ein Gesicht unter 20 % der Bildhöhe. Grenzen: Figur 190 (echt, zehn Läufe je Arm) und zwei erfundene Testfiguren (je fünf Läufe) sind eine kleine Stichprobe; einzelne Ausschnitte sind jetzt sehr eng, an einer Stirn ist das Haar angeschnitten. Nicht neu gemessen ist, wie gut die Folgeansichten mit dem neuen Anker die Identität halten. Bereits gespeicherte Sheets ändern sich nicht; wer einen Ganzkörper-Anker bekommen hat, erzeugt das Sheet neu.

Dieselbe Person, neunundvierzig Jahre auseinander

Ein Drehbuch verlangte für eine Figur beides: eine Siebenundsiebzigjährige im Bett und dieselbe Frau mit achtundzwanzig, in Rückblenden, die ein Drittel der Folge tragen. Zwei getrennte Figuren im System — und damit zwei Gesichter, die nichts miteinander zu tun haben.

Drei Generationen — und wie weit das trägt

Dieselbe Familie über vier Sheets: Tochter, Mutter, Großmutter jung, Großmutter alt. Alle vier tragen dieselbe Augenfarbe, und die trägt sichtbar durch.

„Dieselbe Person, nur jünger" hätte nichts getragen — das ist wieder ein Etikett. Und die Merkmale dürfen nicht von der älteren Figur abgeschrieben werden: „schmales Gesicht mit hohen Wangenknochen" ist an einer Siebenundsiebzigjährigen vom Alter geschnitzt und bringt es rückwärts mit. Der erste Versuch lieferte prompt eine Frau von fünfzig.

Die Beschreibung einer Figur lässt sich nicht mehr spurlos überschreiben

Der Descriptor ist der Text, aus dem jedes Bild einer Figur entsteht, und er ist Handarbeit — einer im Bestand trägt 1349 Zeichen und wurde an einem Tag dreimal geschärft. Bis zum 2. September hatte diese Spalte keine Historie: kein Änderungsdatum, keine Versionen. Ein falsches Überschreiben war endgültig, und die einzige Absicherung waren von Hand angelegte Sicherungsdateien.

Jetzt schreibt die Datenbank jede Fassung selbst mit, samt Zeitpunkt und Herkunft. Bewusst in der Datenbank und nicht in der Anwendung: das Reparatur-Werkzeug, mit dem am selben Tag dreizehn Figuren instand gesetzt wurden, schreibt direkt in die Tabelle und wäre an einer Absicherung in der Anwendung vorbeigelaufen. Ein Schutz, der nur die bekannten Wege kennt, schützt nicht vor dem nächsten Werkzeug. Der Bestand hat seinen damaligen Stand als erste Fassung bekommen — 189 Figuren, damit auch die unangetasteten eine Vergangenheit haben.

Bewegung — und warum das Modell die teuerste Entscheidung ist#

Ein Standbild in Bewegung zu setzen ist der Schritt, an dem am meisten Geld hängt. Deshalb ist er gemessen und nicht geraten.

Dieselbe Einstellung durch sechs Modelle

Gemessen wird, ob der Kader wirklich stillsteht: Rauschabstand zwischen erstem und letztem Bild im unbewegten Bildteil links — dort, wo sich laut Anweisung nichts bewegen darf. Je höher der Wert, desto ruhiger die Kamera.

Und so sehen die Modelle aus

Die Tabelle oben misst eine einzige Eigenschaft: ob der Kader steht. Wie ein Modell aussieht, entscheidet sie nicht. Vier typische Läufe, jeder ohne Nachbearbeitung — zum Ansehen, nicht zum Vergleichen: es sind verschiedene Motive und verschiedene Anweisungen.

Dieselben vier Läufe stehen seit dem 2. September auch in der Werkbank, unter der Modellauswahl in der Stufe „Video". Bis dahin las man dort dreizehn Modellnamen mit je einem Satz Beschreibung und wählte blind — die Dateien lagen seit vier Tagen fertig daneben, verlinkt hatte sie niemand.

Alle mit demselben Zuschnitt gemessen — untereinander vergleichbar, nicht mit fremden Messungen. * Seedance 2.5 lief als einziges an einem anderen Startbild (dunkler Innenraum statt Balkon, siehe unten). Dunkle, detailarme Flächen heben den Wert; die 43,3 dB stehen deshalb neben der Liste, nicht in ihr.

Was ein Modell annimmt — steht jetzt am Modell

Startbild, Schlussbild, Referenzbilder, ein Video als Vorlage, Ton als Eingang oder Ausgang: das unterscheidet sich von Modell zu Modell mehr als der Preis. Seit dem 27.09. trägt jedes der 42 Videomodelle seine Eingabe-Rollen, abgeleitet aus derselben Tabelle, die den Aufruf baut — nicht aus einer Beschreibung daneben. Das Schlussbild-Feld erscheint nur, wo das Modell eines nimmt.

• 30 starten aus reinem Text
• 6 verlangen ein Startbild
• 3 nehmen ein Schlussbild
• 7 nehmen ein Video als Vorlage
• 12 liefern immer Ton, 12 auf Wunsch, 18 nie

Gefunden hat die Tabelle einen Fehler, den die Modellliste für Agenten bis dahin trug: drei Anbieterwege standen dort als reine Text-Modelle und nehmen in Wahrheit ein Startbild.

Blocking — erst der Raum, dann das Bild#

Wer nur beschreibt, wo jemand steht, bekommt es selten. Wer es hinstellt, bekommt es — das ist gemessen, nicht behauptet.

Und bei der Kamerafahrt zählt es doppelt

Ein grauer Rohbau gibt die Fahrt vor, das Modell soll ihr folgen. Gemessen wurde, wie weit der Schwerpunkt der Silhouette wandert — also ob die Kamera wirklich den geplanten Weg nimmt:

Komparsen — eine Menge, die auf dem Boden steht#

Eine Straße mit zwanzig Leuten ist das, was ein Videomodell am zuverlässigsten verdirbt: Gesichter verschwimmen, Menschen verschmelzen, die Hälfte steht in der Luft. Deshalb entstehen Komparsen hier nicht im Modell, sondern als eigene Ebene über der Plate.

Im Composer-Schritt Ebenen: Figuren als Karten erzeugen, auf der Plate verteilen, rendern. Die Plate darf ein Standbild sein oder ein Video mit Kamerabewegung, die Komparsen ein Standbild oder ein kurzer Clip mit Freistellung.

Was dabei gemessen wurde

Die Größe. Ohne Anhaltspunkt nimmt die Rechnung Augenhöhe als Kamerahöhe an — bei Untersicht war die Menge dadurch zweieinhalb- bis dreimal zu klein. Jetzt klickst du Fuß und Scheitel der Hauptfigur und gibst ihre Größe ein; die Komparsen bekommen daraus ihre, 1,72 m im Mittel, per Regler zwischen 70 und 130 %.

Die Verdeckung. Steht die Hauptfigur vor der Menge, muss die Menge hinter ihr verschwinden. Vier Modelle für die Personenmaske getestet, eines ohne Fehlalarm — das ist eingebaut. Dasselbe für Gegenstände: Säulen, Laternen, Kioske verdecken seit dem 26.09. von selbst, gemessen an einer Plate mit 99,2 % korrekt gestanzt und 0,015 % zu viel.

Das Tracking. Auf vier KI-erzeugten Plates hat der globale Rekonstruktions­weg drei vollständig erfasst, der übliche schrittweise keinen, das Tracking in Blender einen von drei. KI-Plates sind für klassisches Tracking schwerer als echtes Material; wo es nicht reicht, sagt das Urteil „nicht trackbar", statt eine rutschende Menge zu liefern.

Tiefe und eine Maske aus Resolve

Depth Map. Für jedes Plate-Video eine Tiefenkarte, nah hell und fern dunkel wie in Resolve, gratis. Gerechnet mit Depth Anything V2 in der kleinen Fassung — die größeren stehen unter einer Lizenz, die kommerzielle Nutzung ausschließt, und sind deshalb gesperrt. Für Gegenstände trägt sie (100 % getroffen), für Personen nicht: sie ordnet Menschen hintereinander in drei von vier, im schwierigen Fall nur in jedem zweiten Bild richtig. Die Personenmaske bleibt deshalb ein eigener Weg. Erreichbar ist die Tiefenkarte derzeit über das MCP-Werkzeug lab_depth_map und die Resolve-Brücke, noch nicht in der App.

Magic Mask als Personenmaske. Wer die Hauptfigur in Resolve sauberer freistellt als die Automatik, schickt die Matte über die Brücke zurück; sie ersetzt dann die automatische Maske und lässt sich wieder abschalten. Den Klick auf die Figur macht ein Mensch in Resolve — per Skript gesetzte Punkte haben in sechs Varianten kein einziges Bild erzeugt.

Ton — die Stufe, die am längsten nur im Menü stand#

Stufe ⑧ heißt „Video + Ton". Die Tonhälfte bot bis zum 2. September fünf Werkzeuge an und hatte eines. Suno, ElevenLabs, ElevenLabs SFX, Freesound standen im Auswahlfeld und antworteten mit einem Fehler. Ein Menüpunkt, der nichts tut, beschwert sich nicht — er wird einfach nicht mehr angeklickt, und dann fällt es niemandem mehr auf.

Jetzt sind es drei, und alle drei laufen. Zwei sind hinzugekommen (ElevenLabs SFX v2 für Geräusche, ElevenLabs TTS Multilingual v2 für Sprache), zwei sind verschwunden: Suno gibt es bei unserem Anbieter nicht — die Suche liefert einen anderen Hersteller mit ähnlichem Namen —, und Freesound ist keine Generierung, sondern eine Bibliothek. Suchen, Lizenz prüfen, Namensnennung mitführen ist ein anderes Werkzeug, kein Häkchen im selben Feld.

Sequencer — Titel, Abspann und eine Zeile, die sein muss#

Stufe ⑨. Aus Einstellungen wird eine Sequenz. Die Rechenarbeit dafür kostet nichts: hier wird nichts generiert, sondern angeordnet.

Zwölf Look-Vorgaben tragen Filmnamen statt Farbwerte — Blade Runner 2049, In the Mood for Love, Grand Budapest Hotel, 2001, Chinatown, Tree of Life, Amélie, Mad Max: Fury Road, Moonlight, Parasite, Drive, Stalker. Das ist keine Koketterie: wer im Schneideraum sagt „mach das mehr wie Moonlight", wird verstanden, und ein Zahlenpaar für Farbtemperatur und Sättigung wird es nicht.

Lotte — die Assistenz im Schneideraum, und was sie heute wirklich kann#

In Murnau steht rechts neben dem Schnittbereich eine eigene Spalte mit drei Eingabezeilen — Schnitt, VFX, Ton —, darüber ein kleines Zeichen und der Name Lotte. Dort stand bis zum 17. September 2026 „AI". Der Name ist keine Verpackung: er zeigt auf Lotte Reiniger, die 1926 mit Die Abenteuer des Prinzen Achmed den ersten abendfüllenden Animationsfilm gemacht hat — aus geschnittenem schwarzem Papier, von hinten durchleuchtet, die Flächen dahinter von Hand eingefärbt.

Das Zeichen ist seit dem 22. September 2026 ein Korridor: fünf dunkle Bänder, die nach außen ziehen, auf einer leuchtenden Scheibe in Glut-Orange. Die Bänder wandern in 21 Sekunden durch sechs tiefe Töne — Dunkelbraun, Karmin, Violett, Nachtblau, Petrol, Tannengrün —, an ihren Rändern laufen zwei farbige Säume gegeneinander, wie ein Objektiv Rot und Blau verschieden weit bricht. Spektralfarben, wie hier bis zum 28.09. stand, sind es nicht: auf dem hellen Orange hielt keine davon genug Abstand, gemessen 1,04:1 bis 2,64:1. Dunkel auf Licht, das bleibt Reinigers Prinzip.

Die Saisons sind geblieben, anders als hier bis zum 28.09. stand: Halloween, Weihnachten, Ostern und Silvester färben die Scheibe, die Figur bleibt dieselbe. Die Berlinale gibt es nur über ?saison=berlinale — ein Festivaltermin folgt keiner Formel. ?saison=aus erzwingt den Grundton.

Das Zeichen sagt auch, was gerade läuft. Ruhig braucht ein Band fünf Sekunden nach außen; während sie antwortet, 1,35; während sie liest, zieht es rückwärts — sie nimmt auf, statt zu senden. Liegt ein Vorschlag an, wickelt sich der Korridor zu einer Spirale auf, die sich über die Gültigkeit des Vorschlags (15 Minuten) wieder abwickelt. Ist sie am Kern angekommen, ist der Vorschlag verfallen. Wer keine Bewegung sehen will, bekommt über die Systemeinstellung ein stehendes Bild in voller Stärke.

Ein Feld, ein Knopf

Bis zum 19. September 2026 standen an dieser einen Zeile drei Knöpfe. Apply schickte den Text an einen Klassifikator, Fragen an Lotte, Inspire war gar kein Modell, sondern eine Liste — und wählte aus sechs festen Sätzen einen zufällig aus. Der Nutzer musste sich also vor dem Tippen entscheiden, ob er ändern oder fragen will. Das ist eine Entscheidung, die man erst nach der Antwort treffen kann.

Jetzt geht alles an Lotte. Sie darf das erst, seit sie mehrere Schnitte in einem Zug vorschlagen kann und die Regler kennt — vorher hätte ein Verb die Fähigkeit gekostet, mit einer Anweisung jede Einstellung zu treffen. Erst das Werkzeug, dann die Bedienung.

Die sechs Anregungen stehen als Auswahl unter dem leeren Feld und verschwinden, sobald du tippst. Eine Anregung neben einem halb getippten Satz ist kein Angebot mehr, sondern Ablenkung.

Sie heißt nicht überall gleich

In allen drei Flächen stand dieselbe Lotte — obwohl FilmRadar seit Juli eine ganze Besetzung führt: zehn Gewerke und zwanzig Board-Fassungen, mit Namen, Werdegang und Denkweise. Murnau kam nur nicht heran.

Das Zeichen bleibt Lottes. Der Lichtkorridor ist die Handschrift der Assistenz, nicht der Ausweis einer Person — er trägt jetzt drei Namen. Fällt die Registry aus, steht wieder „Lotte" da: die Besetzung ist Anreicherung, kein Betrieb. Ein Editor, der nicht mehr antwortet, weil eine fremde Datenbank klemmt, wäre ein schlechter Tausch gegen einen Namen.

Die Figur zeigt grob, das Feld genau

Das Zeichen trug einen Tag lang fünf Zustände — Schere, Filmstreifen, fertiger Schnitt, gerissener Bogen. Bei 36 Pixeln war das die falsche Bühne: was liest, wartet auf dich und fehlgeschlagen unterscheidet, braucht Worte, keine Silhouette. Und der Stern für den fertigen Vorschlag stand dreißig Pixel neben dem Stern des Inspire-Knopfs.

Heute sind es vier Zustände aus einer einzigen Figur — bereit, denkt, liest, Vorschlag —, unterschieden nur durch die Bewegung, nie durch ein Symbol. Alles Genaue steht am Feld, wo das Auge beim Tippen ohnehin ist und wo volle Breite zur Verfügung steht: ein Balken am unteren Feldrand während der Arbeit, die Zeile darunter für Antwort, nachgeschlagene Werkzeuge und Fehler.

Warum eine Liste und kein Absatz im Systemprompt

Murnaus /ai/interpret hatte drei handgeschriebene Systemprompts, jeder mit seiner eigenen Aufzählung des Nichtmöglichen. Am 2026-09-17 gemessen war die Schnitt-Fassung bei vier von fünf Punkten falsch: sie erklärte Schneiden, Löschen, Umsortieren und Übergänge für unmöglich, obwohl alle vier im Editor stehen.

Für den Nutzer sieht das nicht wie eine Schnittstellen-Grenze aus, sondern wie eine Produkt-Grenze. Er fragt einmal, liest „gibt es nicht", und fragt nicht wieder. Eine Liste in Prosa veraltet, weil kein Wächter zwei Sätze vergleichen kann; diese veraltet nicht, weil jeder Eintrag einen Beleg trägt, den scripts/ci/check_playbook_belege.py in jedem Pull Request nachschlägt — und zwar in beide Richtungen. Wer splitClipAtFrame baut und den Eintrag auf nein stehen lässt, wird rot.

Sie steht jetzt auch im Composer — und kennt den Preis

Seit dem 25.09. sitzt Lotte auch rechts im Composer, der Werkstatt mit den zehn Stufen. Dort liest sie, was ein Mensch vor einer Entscheidung nachsehen würde: wo das Projekt steht, was ein Schritt kostet, welcher Tarif was enthält, wie viel Guthaben übrig ist. Nennt sie eine Stufe, dann beim Namen und nicht beim internen Schlüssel — das stand bei der Abnahme einmal falsch da.

Sie schlägt vor, statt zu handeln, und trennt dabei zwei Sorten:

• ohne Geld — Stufe wechseln, Ort, Restyle, Scout, Look; höchstens 3 je Antwort
• mit Geld — genau ein Bild, der Preis steht auf dem Knopf

Kann sie den Preis nicht sicher erfragen, gibt es den bezahlten Vorschlag nicht — ein Knopf ohne Zahl darauf wird nicht gebaut. Ausgeführt wird ohnehin nur, was du anklickst.

Braucht eine Frage ein Gewerk, holt sie es beim Namen dazu: eine der zehn Crew-Rollen, höchstens zwei je Antwort. Fällt die Besetzung aus, antwortet sie selbst, statt zu schweigen. Und in Murnau führt sie seit dem 24.09. ein Protokoll — die letzten zwölf Antworten, neueste oben; vorher löschte jede Antwort die vorige. Jeder Schritt darin nennt seine Dauer, auch der gescheiterte.

Mit der Resolve-Brücke kennt sie auch die offene Resolve-Timeline und kann dort Tiefe und Magic Mask vorschlagen. Einen Clip schlägt sie dort nicht vor: dafür bräuchte es ein Quellbild, das es an der Stelle nicht gibt.

Widerspruch ist ein Werkzeug, kein Formular

Wenn Lotte etwas Falsches sagt, kann sie es zurücknehmen. Der Widerruf landet nicht als Löschung, sondern als Korrektur neben der Quelle: eine gelöschte Falschauskunft kommt bei der nächsten Aufnahme wieder, eine korrigierte nicht. Die Korrektur trägt, wer sie geschrieben hat — ohne Identität gibt es keinen Schreibweg, und was du korrigierst, sieht niemand sonst.

Die Regler — zwölf Zahlen, die bis gestern nichts bedeuteten#

Unter jeder der drei Leisten sitzt eine Reihe Schieber. Sie sehen aus wie Bedienelemente, und bis zum 19. September 2026 waren sie keine: der Wert wanderte in ein Objekt, das Objekt reiste als sliders mit dem Auftrag mit, und im Prompt landete es als nackte Zeile —

{"pace":100,"tension":50,"rhythm":50,"flow":75}

ohne Einheit, ohne Skala, ohne ein Wort Erklärung. Pace 0 und Pace 200 erzeugten dieselbe Anweisung. Was das Modell daraus ableitete, war Glückssache.

Schnitt

VFX

Ton

Was der Auftrag wirklich mitbekommt

Nur Abweichungen. Ein Regler auf Vorgabe ist keine Anweisung, sondern die Abwesenheit einer — stünde er trotzdem im Text, wäre die eine Abweichung, auf die es ankommt, zwischen drei belanglosen versteckt. Stehen alle auf Vorgabe, bekommt das Modell den Satz „entscheide nach dem Material".

Jede Leiste schickt ihre eigene Gruppe. Pace und Tension sagen einem Compositing-Auftrag nichts; vorher hätte die VFX-Leiste die Schnitt-Bedeutungen vorgesetzt bekommen und darin keinen einzigen ihrer Namen wiedergefunden.

Und die Bedeutung steht an einer Stelle, für beide Wege — den schnellen Klassifikator und die Werkzeugschleife. Ein Regler, der an einem Weg gilt und am anderen nicht, ist schlimmer als einer, der nirgends gilt: du schiebst ihn, siehst eine Wirkung, und beim nächsten Mal bleibt sie aus.

Die Cue-Spur — den Prompt gegen den fertigen Schnitt halten#

Unter der Timeline liegt eine zusätzliche Spur, beschriftet CUES. Sie beantwortet eine Frage, die sonst niemand stellt, weil sie zu mühsam ist: Ist das, was im Prompt steht, im Bild tatsächlich passiert?

Ein Cue ist eine einzelne Aussage aus dem Prompt, gebunden an ein Fenster im Schnitt. „Harter Schnitt bei 00:01.50, Kamera auf den Helden, medium" ist ein Cue. Er steht nicht als Kommentar daneben, sondern liegt auf den Frames, für die er gilt — und ist damit vergleichbar mit dem, was dort wirklich zu sehen ist.

Vier Befunde, und warum „anders" nicht „fehlt" ist

Jeder Cue trägt ein Urteil. Vier sind möglich, und der Unterschied zwischen den letzten beiden ist der, auf den es ankommt:

Die Trennung ist keine Erbsenzählerei. fehlt heilt man mit Nachdruck — die Anweisung deutlicher, früher, wiederholt. anders heilt man damit nie: das Modell hat die Stelle gelesen und sich anders entschieden. Da hilft nur, die Anweisung umzuschreiben. Wer beides in einen Topf wirft, probiert die falsche Abhilfe so lange, bis er das Modell für unbrauchbar hält.

Die Beschriftung der Spur nennt immer zuerst, was offen ist: „12 offen · 31 da · 6 fehlt · 2 anders (79 %)". Eine Quote, die zwölf ungeprüfte Cues verschweigt, liest sich wie ein Ergebnis und ist eine Zwischenmeldung.

Zwei Zahlen, die verschieden sind — und einmal gelogen haben

Im Kopf der Prompt-Ansicht steht „19 von 19 Stelle(n) markiert". Beide Zahlen sehen aus, als müssten sie gleich sein. Sie sind es nicht, und der Unterschied ist der ganze Sinn der Anzeige.

Die zweite Zahl gehört dem Quellclip und kennt alle seine Cues. Die erste gehört diesem Vorkommen im Schnitt — und ein getrimmter Clip enthält die Beats außerhalb seines Fensters nicht. Am 18. September 2026 meldete der Kopf „19 Stellen markiert", gezeichnet waren 17: das Vorkommen war auf 19 von 96 Frames getrimmt, zwei der drei Beats fielen heraus. Die Zahl stimmte für den Quellclip und log für das, was auf dem Schirm stand.

Warum ein Urteil eine Neu-Extraktion überlebt

Der Prompt ändert sich, die Cues werden neu aus ihm gelesen — und die Urteile wären weg. Sie sind es nicht: ein Befund hängt an Typ, Wortlaut und Zeitfenster, nicht an der Stelle im Text.

Die Zeichen-Offsets zählen ausdrücklich nicht mit. Sie verschieben sich schon, wenn anderswo im Prompt ein Zeichen dazukommt — und ein Urteil gilt nicht der Stelle, an der ein Satz steht, sondern dem, was er sagt. Was sich nicht wiederfindet, wird nicht stillschweigend fallen gelassen: die Antwort nennt befunde_übernommen und befunde_verworfen, damit ein Verlust auffällt, statt sich als leere Spur zu tarnen.

Der Schnitt — ein Stand für Mensch und Agent#

Bis zum 23.09. sahen der Mensch in Murnau und ein Agent über MCP zwei verschiedene Schnitte derselben Sequenz. Das Speichern im Editor schrieb in die eigene Sitzung, der Agent las woanders.

Jetzt schreibt jedes Speichern, auch das automatische, den Schnitt dorthin durch, wo der Agent liest. Überschreibt es dabei Arbeit des Agenten, sagt die Speicherzeile, was weg ist — „3 Clips des Agenten überschrieben (8 s, 2 Blenden, 2 Tonspuren)" — und legt vorher einen Stand an, aus dem es zurückkommt. Das war nötig: am 24.09. hat ein einziger Klick eine Sequenz mit einem Clip überschrieben, weil der Editor bei zehn Sequenzen im Projekt geraten hatte, welche gemeint war. Gerettet hat sie der Stand. Seither rät er nicht mehr: ist das Ziel unklar, fragt er.

OpenTimelineIO — der Schnitt kann das Haus verlassen

Eine Sequenz lässt sich als OTIO ausgeben und wieder hereinholen, etwa aus einem anderen Schnittprogramm zurück. Der Rückweg legt immer eine neue Sequenz an und überschreibt nichts; die Kennung jedes Clips reist mit, damit er drüben und hier derselbe bleibt.

Resolve und Agenten — eine Fassade für beide#

Die Resolve-Brücke läuft in DaVinci Resolve, nicht daneben. Das ist keine Stilfrage: Resolve aus dem App Store lässt sich von außen nicht skripten — die Schnittstelle antwortet schlicht mit nichts, gemessen am 12.09. Von innen geht es.

Seit dem 27.09. bilden Brücke und MCP-Server eine gemeinsame Fassade. Ein Agent — etwa Claude am Schreibtisch — sieht damit FilmLab und die offene Timeline zugleich. Dazu gehört ein Viewer, der das Bild unter dem Abspielkopf zeigt und eine Tiefenkarte per Wischblende darüberlegen kann — gebaut, aber noch nicht in jedem Agenten-Programm abgenommen.

Jedes der drei schreibenden Resolve-Werkzeuge legt vorher ein Duplikat der Timeline an. Ein Agent, der in deinem Schnitt arbeitet, soll ihn nicht verlieren können.

Export — sechs Ziele, und was sie wirklich unterscheidet#

Stufe ⑩. Auch sie kostet keine Credits — gerechnet wird auf unseren Maschinen, nicht bei einem Modellanbieter.

Ein Export ist nicht „eine Datei in einer Auflösung". Er ist ein Bündel aus Farbraum, Dynamik, Codec, Container und Lautheit — und die Lautheit ist die Zahl, an der die meisten Abgaben scheitern, weil sie im Schnittprogramm nicht auffällt.

Herkunft — was ein Export über sich selbst sagt#

Ein Sender, ein Festival, eine Förderung fragt irgendwann: was in diesem Film ist KI, und wer hat es freigegeben? Seit dem 26.09. liegt die Antwort neben jeder Filmdatei — und ist prüfbar, ohne uns zu vertrauen.

Zu jedem Export entsteht ein Herkunftsnachweis, als PDF zum Lesen und als JSON für Maschinen, mit einem Link auf die Prüfseite. Er liegt neben der Filmdatei, nicht in ihr: ein Nachweis, der in der Datei steckt, deren Prüfsumme er nennt, wäre zirkulär.

Prüfen geht unter seal.thefilmradar.com/herkunft: die Datei hineinziehen, der Browser rechnet ihre Prüfsumme aus, hochgeladen wird nichts. Der Nachweis ist mit einem Schlüssel signiert, dessen öffentliche Hälfte dort liegt, dazu mit zwei Zeitstempeln, einer davon in der Bitcoin-Blockchain verankert. Wer uns nicht glaubt, prüft mit OpenSSL selbst; die Anleitung steht auf der Seite.

• am 28.09. 3/3 Nachweise selbst mit OpenSSL geprüft — Signatur gültig
• 3/3 in Bitcoin verankert
• Probe-Export: Prüfsumme der geladenen Datei = Prüfsumme im Nachweis
• eine Sequenz: 73/73 Shots mit Herkunft, 10 davon „nicht festgehalten"

Die Kennzeichnung sitzt im Bild und in der Datei

Jeder Render mit KI-Material trägt unten rechts das Zeichen „KI-verändert" und in der Datei den maschinenlesbaren Vermerk nach IPTC. Dass das bis zum 25.09. in Murnau nicht stimmte, obwohl die Datenbank es behauptete, steht oben. Aufgefallen ist es erst, als jemand an der Datei nachsah statt am Feld.

Freigabe — nur, wo eine synthetische Person oder Stimme drin ist

Enthält ein Export eine erzeugte Person (ein Clip nach einer Figur) oder eine erzeugte Stimme (Voiceover, Dialog, Synchron), hält er vor dem Export an und verlangt einen Satz:

„Ich habe diesen Export angesehen und gebe ihn frei. Er enthält synthetisch erzeugte oder veränderte Personen oder Stimmen."

Festgehalten werden Konto, Zeitpunkt und die Fassung dieses Wortlauts; die Prüfseite zeigt nur das Datum. Ton, den ein Videomodell selbst mitliefert, löst keine Freigabe aus. Und freigeben kann nur ein angemeldeter Mensch in der Oberfläche — ein Agent über MCP bekommt an dieser Stelle eine Absage. Ein Satz, der sagt „ich habe es angesehen", ist wertlos, wenn ihn eine Maschine unterschreiben kann.

Und was wir ausgeschlossen haben#

Nicht jede Messung endet in einer Funktion. Manche enden darin, dass ein Weg zugemacht wird — und das ist die billigste Art, Geld zu sparen.

Die Frage vom 19.07.: lässt sich für die Lippenbewegung eine freigegebene Mundregion per Maske neu generieren, während der Rest des Bildes stehenbleibt? Drei bezahlte Läufe, in denen genau eine Variable getauscht wurde:

Wo es nicht funktioniert hat#

Zwei Presets taten etwas, das niemand bestellt hatte. Beide Fehler steckten in der Formulierung, nicht im Modell — und beide alten Fassungen bleiben wählbar, damit niemandem etwas unter den Händen weggezogen wird.

„Haut wird zu Bändern" — und der Mantel war weg

„Subject" war für die Engine das Bild, nicht die Person

Zwei Grenzen, die keine Formulierung verschiebt

Der Content-Filter der Bildmodelle ist Teil der Produktionsplanung. Eine Figur, deren Beschreibung eine Selbstverletzung enthält — weil die Szene sie enthält —, bekam sechs von sechs Einstellungen abgelehnt. Bei einer anderen Figur scheiterte genau eine Einstellung, und zwar sechsmal hintereinander: die Kombination aus „zitternde Hände, starre Haltung wie bei mechanischer Atmung" und „auf die Kamera zugehend" liest der Prüfer als Notlage. Das ist kein Zufallsfehler, den ein zweiter Klick löst.

Wir schreiben solche Beschreibungen nicht um, um einen Filter zu überlisten. Die Figur gehört dem Buch, nicht dem Anbieter. Was wir stattdessen tun: den Ausfall benennen. Die Antwort sagt seit dem 2026-09-02 ausdrücklich, welche Einstellungen nicht entstanden sind — vorher fehlten sie schlicht in der Liste, und ein halbes Sheet sah aus wie ein ganzes.

Und für Kinder beschreibt das System keine Anatomie — mit Absicht. Für Erwachsene trägt es das Alter automatisch als Anatomie in jede Ansage: bei vierunddreißig „erste feine Stirnfalten, noch straffe Kieferlinie", bei siebenundsiebzig „tief zerfurchtes Gesicht, hängende Lider, Altersflecken". Unter achtzehn trägt es nichts, und das ist keine Lücke, sondern eine festgelegte Grenze dieses Produkts.

Der Preis dafür ist real und soll hier stehen: eine Zehnjährige kam zweimal als Fünfjährige zurück, obwohl ihre Beschreibung Zehnjährigen- Proportionen nannte. Wo die Beschreibung dünn ist, setzt das Modell sein eigenes Alter, und dagegen hilft an dieser Stelle nur genaue Handarbeit in den Figurenfeldern — und Hinsehen.

Was es kostet — die Befunde dahinter#

Tarife, Credit-Preise, eigene Schlüssel und Team-Sitze stehen im Handbuch unter „Preise" — an einer Stelle, live abgefragt, damit sie nicht an zwei Orten auseinanderlaufen. Hier nur, was gemessen wurde und warum das Kostenmodell so aussieht.

Hier stand bis zum 28.09. morgens bei Studio „drei Sitze, geteilte Projekte, Prioritäts-Queue" — gebaut war davon nichts, und die Zeile wurde gestrichen. Seit dem Abend ist beides da.

Hier stand bis zum 28.09. „ein Bild 5–6 Credits, eine Tonspur 30" — das Bild galt nur für zwei Modelle, und die Tonspur war seit dem 2. September billiger, als diese Seite sagte. Seither: ein Bild je nach Modell 3 bis 21, eine Tonspur 28.

Die Kostenzeile nannte bis zum 26.09. den Einkaufspreis beim Modellanbieter. Das war eine Zahl, mit der niemand etwas bezahlt; seither nennt sie Credits und den Euro-Bereich, den ein Credit je nach Kaufweg kostet.

Loslegen#

• Handbuch: die Anleitung, Schritt für Schritt
• Film Lab öffnen
• Vorführung: eine Einstellung, ganz durchgezogen
• MCP-Server für KI-Agenten
• Lens-Lab: Optik-Katalog