KI-Videos: Erschreckende Qualität zum Spottpreis

KI erzeugt hyperrealistische Videos: Von 140 Millionen auf 20 Euro

Eine Drohne springt, dreht sich und stürzt senkrecht ab. Eine Person spricht in die Kamera mit perfekter Haut, Haaren und Lichtreflexen. Nichts davon wurde gefilmt. Die Videoerzeugung durch künstliche Intelligenz ist kein Laborphänomen mehr: Es gibt Clips, die im Vollbildmodus kaum von echten Aufnahmen zu unterscheiden sind. Der Sprung ist nicht nur ästhetisch, sondern vor allem wirtschaftlich. Und genau das macht die Sache unangenehm.

Was kostet ein Shot, der früher 500 Spezialisten erforderte?

Der Vergleich, der die gesamte Diskussion bestimmt, ist drastisch: 500 VFX-Experten, ein Jahr Arbeit und 140 Millionen Dollar gegenüber einer einzelnen Person, einer Woche und 20 Euro. Das klingt nach Verkaufsprospekt, aber die Größenordnung erklärt, warum die Filmindustrie den generativen Modellen skeptisch gegenübersteht. Die vollständige Kostenaufstellung zeigt erst wirklich die Verschiebung der Ausgaben. Eine KI verlangt keinen Stundenlohn, wird nicht krank und verhandelt keine Tarifverträge.

Hier taucht der erste Betroffene mit Namen und Rechnung auf. Schauspieler, die nicht altern, und perfekte Sprecher ohne Make-up. Die häufigste Diagnose lautet, dass dies eine weitere Gruppe auf dem Weg zur Arbeitslosigkeit sei, obwohl nicht alle zustimmen: Manche argumentieren, diese Tools verbilligten die Produktion und öffneten Türen für jene, die nie ein Budget für Dreharbeiten hatten.

Das Uncanny Valley und die Fehler, die die Maschine verraten

Realismus hat eine Grenze und einen technischen Namen. Das Uncanny Valley beschreibt den Bereich, in dem ein Roboter oder ein generiertes Gesicht dem Menschen ähnlich genug ist, um Ablehnung auszulösen, und verschwindet, wenn die Ähnlichkeit vollständig ist. Das praktische Problem heute ist jedoch ein anderes: die Konsistenz zwischen den Shots. Ein einzelner Clip sieht makellos aus; zehn Clips mit derselben Figur, Kleidung und Beleuchtung hintereinander zu schalten, funktioniert oft nicht. Mancher fasst es spöttisch zusammen: Es funktioniert nur, weil es auf einen konkreten Fall zugeschnitten ist – bei jedem anderen bricht es zusammen. Die Physik der Objekte, die narrative Kohärenz und synchronisierter Ton bleiben die größten Hürden.

Kino ohne Blackrock: Das Versprechen, das niemand überprüft hat

Ein Strömung der Analyse konzentriert sich auf den kulturellen, nicht den technischen Effekt. Wenn jeder Bewegtbilder produzieren kann, so das Argument, bricht das Oligopol des Kinos und der Kultur auf, und das Angebot vervielfacht sich ohne großen Investitionsfonds im Hintergrund. Dies ist die optimistische Version, die neben der pessimistischen existiert: Ein Ozean an Inhalten, in dem Gutes im Rauschen untergeht. Die bereits beobachtbare Realität ist banaler: Kanäle schießen wie Pilze aus dem Boden, und die Mehrheit der Stücke hält einem vollständigen Durchsehen nicht stand.

Ist ein Deepfake in Echtzeit möglich?

Dies ist die Frage, die unbeantwortet bleibt. Es gibt Software, die bekannte Personen dabei zeigt, wie sie Dinge sagen, die sie nie gesagt haben. Die nächste Ungewissheit ist, ob dies live, in einem Videoanruf, mit einer falschen Identität am anderen Ende über die gesamte Dauer aufrechterhalten werden kann. Niemand in der Diskussion liefert eine Lösung oder ein Datum. Der Verdacht ist berechtigt: Wenn synthetisches Video bereits auf den ersten Blick bei verzögerten Aufnahmen täuscht, ist der Schritt zur Echtzeit eine Frage der Rechenleistung, nicht des Prinzips.

Was KI noch nicht kann

Es lohnt sich, den Hype zu dämpfen. Kurze, spektakuläre Clips zu erzeugen entspricht nicht dem Aufbau eines 3D-Videospieles, das Sound, Musik, Raum, ausgeglichene Physik, hochrangige Programmierung und eine Erzählung erfordert, die Stunden des Spielens trägt. Die gängige Vorhersage besagt, dass 2025 das Jahr akzeptabler generativer Videos für den professionellen Einsatz sein wird, und dass ein Spiel auf dem Niveau einer älteren Konsole darauf hindeuten würde, dass eine weitere Grenze überschritten wurde. Bis dahin laufen die Projektionen schneller als die Ergebnisse: Ganze Filme in ein oder zwei Jahren, autonome Agenten danach und am Ende dieses Weges Androiden, die auf den ersten Blick nicht zu unterscheiden sind. Ein Szenario, das selbst seine Befürworter als gleichermaßen beeindruckend und beängstigend empfinden.

Genau hier stockt die Analyse: Niemand weiß, wie lange es dauert, das Konsistenzproblem zu lösen, und ohne dies bleibt das Versprechen des automatisierten Kinos eine Sammlung blendender Fragmente, die nicht zusammenpassen.