KI-Imagefilm für das Fontane Hotel

02. Herausforderung

Ein Familientag ist schwerer zu generieren als ein Werwolf

Reale Orte müssen real bleiben. Bei einem vollständig erfundenen KI-Spot kann jedes Detail verändert werden. Hier nicht. Wer schon am Werbellinsee war, kennt den Steg, die Liegewiese, den Blick von der Terrasse. Die KI sollte kein neues Hotel erfinden, sondern das vorhandene mit glaubwürdigen Menschen und Situationen ergänzen. Jede Abweichung im Bild ist eine Abweichung von einem Ort, an dem der Zuschauer vielleicht letzten Sommer selbst lag.

Eine Familie muss über 19 Einstellungen dieselbe Familie bleiben. Zwei Erwachsene und Kinder, die morgens am Ufer sitzen, beim Frühstück, im Wasser, beim Minigolf, im Auto, am Sandsack und abends am Feuer wieder erkennbar sein müssen. Generative Modelle erfinden bei jeder Szene gern neue Menschen. Ein Kind, das in Szene 4 sieben ist und in Szene 5 zehn, fällt jedem auf. Dieselbe Frisur, dieselbe Kleidung, dieselbe Statur, einen ganzen Tag lang: Das ist die eigentliche Konsistenzaufgabe dieses Films.

Kinder sind für KI-Modelle das schwierigste Motiv. Proportionen, Gesichter, Bewegungen von Kindern gehen bei generativen Modellen am häufigsten schief, und sie sind zugleich das Motiv, bei dem Fehler am unangenehmsten wirken. Wir brauchten Kinder, die planschen, kicken, einen Minigolfschläger halten und einem Trainer zuhören, ohne dass irgendetwas an ihnen unnatürlich wirkt.

Personen und Ort müssen wie eine gemeinsame Aufnahme wirken. Perspektive, Licht, Größenverhältnisse und Bewegung müssen so zusammenpassen, dass ein KI-Charakter auf der echten Terrasse nicht eingefügt aussieht, sondern fotografiert. Das ist eine andere Aufgabe als ein glaubwürdiges Gesicht: Ein perfektes Porträt im falschen Licht verrät sich sofort.

Tageslicht verzeiht nichts. Bei unserem Film für die Bikerbar Silberwolf half die Nacht: Mondlicht, Schatten, Nebel kaschieren Unschärfen. Hier spielt fast alles im Freien bei Tag. Wasser, Himmel, Haut in der Sonne, Schatten auf Sand: Tageslicht ist die Lichtsituation, die generative Modelle am ehesten verrät. Dazu ein kompletter Lichtbogen über den Tag, vom Morgennebel über die Mittagssonne bis zur blauen Stunde am Feuer.

Viele Aktivitäten, viele Objekte. Volleyball, XXL-Schachfiguren, Minigolfschläger und Ball, ein Fußball auf dem Bolzplatz, Trainingsgeräte, Boxhandschuhe, ein Auto, das vorfährt, ein Pizzawagen. Jede Interaktion zwischen Mensch und Gegenstand ist ein Punkt, an dem Modelle scheitern: Hände, die den Schläger nicht richtig halten, Bälle, die in der Luft stehen bleiben, Figuren, die durch Objekte hindurchgreifen.

Der Ton braucht Spiel. „Humorvoll, warm, leicht“ ist eine Regieanweisung an Darsteller, die es nicht gibt. Der Vater, der den Kindern den Schwung zeigt, das Kind, das sich auf der Autofahrt freut, der Trainer, der dem Nachwuchs mit Augenzwinkern die ersten Schläge zeigt: KI-Charaktere müssen Stimmung transportieren, nicht nur Anwesenheit.

Eine Szene aus dem KI-Werbefilm.

03. Ansatz

Die Location als feste Grundlage

Bevor ein Bild generiert wurde, haben wir das Fontane Hotel als Referenzbibliothek angelegt: das Seeufer und der Steg zu verschiedenen Tageszeiten, die Liegewiese, der Sandstrand, das Restaurant mit seiner Fensterfront, die Terrasse mit Seeblick, die Ferienwohnungen innen, die Minigolfanlage am Pavillon, der Bolzplatz, das Outdoor-Gym, der Boxclub, die Feuerstelle. Statt die Bildwelt frei generieren zu lassen, waren die realen Orte die Grundlage jeder Szene. Aus den Aufnahmen entstand für jeden Ort eine leere Bühne: die Location ohne Menschen, in der richtigen Tageszeit, gegen das Originalfoto abgeglichen und freigegeben, bevor eine Person hineinkam.

Eine Familie als feste Besetzung

Die Menschen im Film wurden nicht Szene für Szene erzeugt, sondern einmal angelegt. Für jedes Familienmitglied entstand ein Charakterbogen: Gesicht, Frisur, Statur, Kleidung für diesen einen Tag. Dazu das Paar am Ufer, der Trainer, die Gäste am Feuer. Diese Bögen wurden vor dem ersten Szenenbild abgenommen und blieben für den ganzen Film die einzige Referenz für jede Person. Die Kinder haben wir bewusst so angelegt, dass sie in jeder Szene dasselbe Alter, dieselbe Größe und dieselben Kleidungsstücke tragen. Ein Wechsel der Kleidung hätte einen zweiten Tag erzählt.

Entscheidend war dabei, dass die Personen nicht zum Mittelpunkt des Films werden. Sie geben den Orten Leben und vermitteln, wie ein Aufenthalt aussehen könnte. Der Star des Films ist das Hotel. Die Familie ist der Grund, warum man es sich vorstellen kann.

Wich ein Gesicht in einer Szene ab, haben wir das Gesicht nachgearbeitet, nicht die ganze Szene neu erzeugt. Und wir haben das Modell bei jeder Szene an die Referenz gebunden, statt die Person neu zu beschreiben. Je klarer die Anweisung „diese Familie, aus diesen Referenzen“, desto weniger hat das Modell erfunden.

Dramaturgie: Ein Tag, ein Lichtbogen

Der Film folgt einem einzigen Tag. Morgens sitzt ein Paar im Nebel am Ufer, Kaffee in der Hand: „Manchmal braucht es nur einen Ort, der den Kopf frei macht.“ Frühstück im Restaurant und auf der Terrasse. Ein Blick in die Ferienwohnung. Dann der Drohnenflug über die Anlage: „Der See wartet auf dich. Und er hat Zeit.“ Kinder im flachen Wasser, Beachvolleyball, Großschach unter Bäumen, Pizza vom Wagen direkt am See. Minigolf, Bolzplatz, Outdoor-Gym: „Hier kommt jeder auf seine Kosten.“ Ein kurzer Zwischenschnitt im Auto durch die Brandenburger Natur und die Ankunft am Hotel. Dann der Boxclub, wo der Trainer dem Nachwuchs die ersten Schläge zeigt: „Wer mutig ist, probiert auch mal was Neues.“ Und der Abend: Feuerstelle, Musik, Dinner, der Mond im Wasser. „Und wenn die Sonne versinkt, wird’s gemütlich.“ Die Familie als Silhouette gegen den Sonnenuntergang, dann das Logo.

Diese Reihenfolge war nicht nur erzählerisch, sondern technisch: Jede Szene hat ihre feste Tageszeit, und jede Location wurde in genau diesem Licht aufgebaut. Der Sonnenstand am Feuer, die Nebelhöhe am Morgen, die Härte der Schatten am Mittag: alles Teil der Szenenvorgabe, nicht Zufall der Generierung.

Storyboard mit 19 Einstellungen

Das Storyboard enthielt für jede Einstellung Timecode, Kamera, Bildinhalt, Voice-over und ein generiertes Referenzbild. Der Kunde sah den ganzen Tag als Bilderfolge, bevor ein einziger Clip animiert wurde. Zwei Szenen kamen in dieser Phase dazu: die Liegewiese mit Strand, Volleyball und Schach, und der Boxclub. Änderungen dieser Art kosten im Storyboard Stunden. Auf einem Set hätten sie einen weiteren Drehtag bedeutet.

Vom Bild zur Bewegung

Erst wenn Location, Familie und Gegenstände im Standbild stimmten, wurde das Keyframe freigegeben und animiert. Mit diesem Image-to-Video-Workflow lässt sich die Gestaltung jeder Szene kontrollieren, bevor Bewegung dazukommt. Bei direkter Text-to-Video-Generierung entscheidet das Modell über Menschen, Orte und Licht. Beim Keyframe-first-Ansatz ist das Bild abgenommen, das Modell fügt nur noch Bewegung hinzu. Bei einem Film mit Kindern war das die einzige vertretbare Reihenfolge: Niemand will ein Kindergesicht erst im bewegten Bild zum ersten Mal sehen.

Bewegung in kleinen, klaren Beats

Wasser, Bälle, Schläger und Kinder in einer Einstellung sind zu viel für ein Modell. Wir haben jede Aktivität auf einen einzigen, kurzen, eindeutig beschriebenen Vorgang reduziert: ein Schlag beim Minigolf, ein Aufschlag beim Volleyball, ein Kind, das ins flache Wasser läuft, ein Schachzug. Wer was mit welcher Hand tut, wohin der Ball fliegt, wer zuschaut: Jede dieser Fragen war vorher beantwortet. Und wir haben gelernt, was wir weglassen müssen. Gesten, die zu deutlich benannt werden, übertreibt das Modell. Was natürlich wirken soll, bekommt weniger Anweisung, nicht mehr.

Qualitätskontrolle pro Clip

Nach jeder Videogenerierung wurde der Clip gegen vier Fragen geprüft: Ist das noch dieselbe Familie? Ist das noch derselbe Ort? Stimmt die Tageszeit? Halten Hände, Bälle und Wasser? Clips, die eine Frage nicht bestanden, wurden neu generiert oder im Schnitt so gekürzt, dass der Fehler nie sichtbar wird. Bei den Kinderszenen war diese Prüfung strenger als überall sonst.

Postproduktion als verbindendes Element

Die freigegebenen Sequenzen wurden geschnitten, auf das Voice-over getimt, mit Musik unterlegt und durch Sound Design verbunden: Vögel und Wasser am Morgen, Geschirr auf der Terrasse, Kinderstimmen am Strand, der Aufschlag beim Volleyball, das Knistern am Feuer. Die Farbkorrektur hatte hier zwei Aufgaben: die eingesetzten Charaktere in dasselbe Licht zu setzen wie den Ort um sie herum, und den Lichtbogen des Tages glaubhaft zu machen. Jede Szene sitzt in ihrer eigenen Stunde, und alle zusammen ergeben einen Tag.

04. Produktion

KI als Erweiterung einer realen Location

Der Film zeigt einen Einsatz von KI, der für Hotels, Restaurants und touristische Orte besonders interessant ist: Die Location muss nicht neu erfunden werden. Hotels verfügen meist bereits über hochwertiges Foto- und Videomaterial ihrer Zimmer, Restaurants und Außenbereiche. Genau dieses Material kann als Grundlage dienen und um Menschen, Situationen und Bewegung ergänzt werden. Die echten Orte bleiben die Basis des Films, die Inszenierung verlagert sich in die digitale Produktion.

Eine konventionelle Produktion derselben Szenen hätte eine Familie mit Kindern als Darsteller gebraucht, mit allen Freigaben und Arbeitszeitgrenzen, die das bedeutet. Dazu einen Drehtag mit Morgennebel, Mittagssonne und Dämmerung an einem einzigen Tag, Wetterrisiko inklusive, eine Drohne über der Anlage, Aufnahmen im Wasser, eine Nachtszene am Feuer, Styling, und Komparsen für Restaurant, Strand und Volleyballfeld. Realistisch wären das zwei bis drei Drehtage mit Wetterreserve, für einen Film von anderthalb Minuten.

Im hybriden KI-Workflow verschiebt sich die Produktionsarbeit vom Set in Referenzaufbereitung, Charakterentwicklung, Storyboard, Bildentwicklung, Generierung mit Qualitätskontrolle pro Szene und Postproduktion. Das Ergebnis zeigt einen vollständigen Tag bei perfektem Wetter, und die Produktion kostet einen Bruchteil dessen, was der klassische Weg verlangt hätte.

Ein zweiter Effekt: Das Hotel hat keine Bildrechte an Personen zu verwalten. Die Familie im Film gehört niemandem. Der Film kann unbegrenzt laufen, ohne dass ein Darsteller widerruft oder ein Kind erwachsen wird.

05. Ergebnis

Ein realer Ort, belebt durch KI

Das Ergebnis ist ein warmer, leichter KI-Imagefilm, in dem Realität und generative Produktion bewusst kombiniert werden. Die Locations existieren. Die Menschen wurden mit KI erzeugt. Dadurch bleibt das Fontane Hotel als realer Ort erkennbar, während Situationen gezeigt werden können, die über klassische Hotel- und Architekturfotografie hinausgehen. Der Film zeigt nicht nur, wie das Hotel aussieht, sondern wie sich ein Aufenthalt dort anfühlen kann. Und die Familie, die morgens im Nebel am Ufer sitzt, ist dieselbe, die abends als Silhouette vor dem Sonnenuntergang steht.

Für den Kunden bedeutet das: ein Film für Website, Social Media, Buchungsplattformen und Messen, der das gesamte Angebot in anderthalb Minuten zeigt, ohne Darsteller, ohne Bildrechte, ohne Wetterrisiko, und mit einem Tag, den es genau so nur im Film gibt.