02. Herausforderung
Echte Menschen sind der strengste Test, den es gibt
Die Mitarbeiter müssen aussehen wie die Mitarbeiter. Bei erfundenen Charakteren merkt niemand, wenn ein Gesicht in einer Szene ein wenig anders ausfällt. Hier saßen die Menschen, die im Film vorkommen, beim Kunden mit am Tisch. Das Feedback zur ersten Fassung war so knapp wie eindeutig: „Das sieht nicht aus wie ich.“ Ein Mitarbeiter, der am Tresen einen Anruf annimmt, muss von seinen Kollegen sofort erkannt werden. Zwei Mitarbeiter, die eine Maschine vom Lieferwagen rollen, müssen es bei jeder Lieferung bleiben. Generative Modelle produzieren gern einen freundlichen Mann Ende zwanzig mit Bart. Wir brauchten genau diesen.
Der Lieferwagen ist ein reales Fahrzeug mit Beschriftung. Weißer Hochdachtransporter, schmaler grauer Schwellerstreifen, Bar-and-Shield als Kontur auf der Flanke, HD KIEL in schwarzen Versalien. Diese Beschriftung muss in jeder Einstellung lesbar und korrekt sein: auf dem Hof, im Hafen, vor der Berghütte, auf der Autobahn. KI-Modelle verändern Schrift bei jeder Generierung. Für eine Marke ist jede Abweichung ein Fehler.
Das Autohaus existiert und ist überprüfbar. Der Tresen mit der Steinfront und dem großen Bar-and-Shield, die Monitore, die Deckenkassetten mit dem Emblem, der Hof mit dem Pavillon „Harley-Davidson Vertretung Kiel“, die Reihen der ausgestellten Maschinen. Wer das Haus kennt, sieht jede Abweichung.
Jedes Motorrad ist ein konkretes Modell. Die matt-schwarze Fat Boy, die Heritage Softail mit Windschild und Satteltaschen, die orangefarbene Custom, die Sport Glide, die als Inzahlungnahme zurück in den Wagen geht. Keine „Harley“, sondern jeweils diese eine.
Hände an Maschinen. Zwei Männer, die ein Motorrad über eine Rampe aus einem Transporter rollen, sind für generative Videomodelle ein Härtetest. Wer hält den Lenker, wer stützt hinten, wohin rollt das Rad, wer steht auf der Rampe und wer daneben. Genau an solchen Interaktionen zwischen Mensch und Objekt scheitern die Modelle am häufigsten: ein dritter Arm, ein Fahrer, der plötzlich auf der Maschine sitzt, ein Rad, das rutscht statt rollt.
Fünf Orte, ein Wagen. Der Film reist von Kiel durch ganz Deutschland: Speicherstadt im Hafen bei Dämmerung, eine Kopfsteinpflastergasse, eine Berghütte im Abendlicht, die Autobahn, der Hof der Silberwolf. Derselbe Lieferwagen, dieselben zwei Mitarbeiter, an jedem Ort.
Eine Szene aus dem KI-Werbefilm.
03. Ansatz
Zuerst haben wir das Haus dokumentiert
Bevor ein Bild generiert wurde, haben wir Harley-Davidson Kiel als Referenzbibliothek aufgebaut: der Tresen von mehreren Seiten, die Verkaufsfläche, der Hof, der Lieferwagen von vorn, von der Seite und mit geöffneten Hecktüren. Von jedem Mitarbeiter, der im Film vorkommt, lagen mehrere Porträts vor. Jedes Motorrad wurde über sein eigenes Foto referenziert. Das Bar-and-Shield lag als saubere Datei vor.
Diese Referenzen waren die Grundlage jeder späteren Generierung. Wir haben das Haus nicht beschrieben, wir haben es den Modellen gezeigt.
Dramaturgie: Vom Anruf zur Ankunft
Der Film folgt einer einfachen Linie. „Manche Wege beginnen mit einer Stimme im Kopf, andere mit einem Anruf, und manche nur mit einem Klick.“ Am Tresen nimmt ein Mitarbeiter das Telefon ab. Der Lieferwagen verlässt den Hof. Dann drei Lieferungen an drei sehr verschiedenen Orten: die Heritage im Hamburger Hafen bei blauer Stunde, die Fat Boy in einer alten Gasse, die orangefarbene Custom vor einer Berghütte in der Abendsonne. Bei jeder Lieferung rollen dieselben zwei Mitarbeiter die Maschine über die Rampe, und der Kunde steht daneben. „Und die alte Maschine? Die nehmen wir gleich mit.“ Zurück in Kiel wird die Sport Glide vom Wagen gerollt.
Dann wechselt der Film die Perspektive. „Von da an fährt man nicht mehr allein.“ Die drei Kunden sitzen jetzt auf ihren Maschinen, gemeinsam mit anderen Fahrern auf der Autobahn Richtung Brandenburg. „Viele Straßen. Ein Ziel.“ Sie rollen in den Hof der Bikerbar Silberwolf, wo der Inhaber der Bar einen der beiden Mitarbeiter aus Kiel per Handschlag begrüßt: zwei echte Menschen, die sich real kennen, in einem Bild, das nie fotografiert wurde. „Willkommen zuhause.“ Der Film schließt mit beiden Logos auf einer Stahlwand.
Storyboard als Abstimmungsgrundlage
Das Storyboard enthielt für jede Szene Timecode, Kamera, Bildinhalt, Voice-over und ein generiertes Referenzbild. Der Kunde sah den Film als Bilderfolge, bevor Bewegung dazukam, und konnte Reihenfolge, Text und Motive verändern, solange Änderungen Stunden kosten und keine Drehtage.
Wie wir die Ebenen getrennt und wieder zusammengeführt haben
Das war der Kern der Arbeit. Statt alles in einem Prompt zu verlangen, haben wir jede Ebene einzeln stabilisiert und erst dann kombiniert.
Echte Menschen als feste Besetzung. Für jeden Mitarbeiter haben wir zunächst ein Studioporträt vor neutralem Hintergrund erzeugt: Gesicht, Bart, Haaransatz, Statur, im schwarzen Arbeitshemd mit dem Bar-and-Shield auf der Brust. Diese Porträts gingen zur Freigabe an den Kunden, und zwar so lange, bis die Kollegen die Person erkannten. Erst danach kam die freigegebene Figur in die Szenen. Wich ein Gesicht in einer Szene ab, haben wir das Gesicht nachgearbeitet, nicht die ganze Einstellung neu erzeugt. Und wir haben gelernt, dem Modell weniger zu erzählen: Je genauer wir ein Gesicht in Worten beschrieben haben, desto mehr hat das Modell erfunden. Je klarer wir gesagt haben „diese Person, eins zu eins aus dem Foto“, desto besser wurde die Ähnlichkeit.
Der Lieferwagen nach Vorlage. Der Transporter wurde ausschließlich über seine eigenen Fotos referenziert. Die Beschriftung haben wir in jeder Einstellung gegen das Original geprüft. Wo HD KIEL oder das Bar-and-Shield nicht sauber standen, wurde das Detail gezielt korrigiert oder aus der Originaldatei gesetzt, statt auf eine zufällig richtige Generierung zu hoffen.
Location zuerst, dann die Figuren. Für jeden Lieferort entstand zunächst eine leere Szene: Hafen, Gasse, Berghütte, jeweils mit dem Lieferwagen und der heruntergelassenen Rampe, aber ohne Menschen und ohne Motorrad. Diese Bühne haben wir abgenommen, bevor eine Figur hineinkam. So waren Abweichungen an Fahrzeug und Umgebung sofort sichtbar, ohne dass eine Person im Bild davon ablenkt. Das echte Autohaus wurde ausschließlich aus den Referenzfotos aufgebaut.
Motorräder nach Vorlage, Fahrer fest zugeordnet. Jedes Motorrad wurde über sein eigenes Foto referenziert und über seine Erkennungsmerkmale beschrieben: der orangefarbene Tank, die Chromspeichen mit Weißwandreifen, das matt-schwarze Scheibenrad. Auf der Autobahn war jeder Fahrer fest an seine Maschine gebunden. Bei mehreren Fahrern im Bild tauschen Modelle gern Gesichter und Motorräder untereinander, sobald die Gruppe kurz aus dem Bild fährt. Deshalb haben wir Fahrer und Maschine als eine Einheit definiert, die sich nicht trennt.
Logos nicht generieren, sondern setzen. Das Bar-and-Shield auf dem Hemd, auf dem Wagen und im Abspann haben wir grundsätzlich nicht dem Modell überlassen. Wo es im Bild vorkommt, wurde es aus der Originaldatei gesetzt und dem Licht der Szene angepasst.
Erst zusammenführen, dann animieren. Erst wenn Raum, Fahrzeug, Figur und Motorrad im Standbild stimmten, wurde das Keyframe freigegeben und animiert. Bei direkter Text-to-Video-Generierung entscheidet das Modell über Räume, Gesichter und Fahrzeuge. Beim Keyframe-first-Ansatz ist das Bild bereits abgenommen, das Modell fügt nur noch Bewegung hinzu.
Bewegung, die man genau beschreiben muss
Bei einer Rampe reicht „sie laden das Motorrad aus“ nicht. Wer geht neben der Maschine und hält den Lenker, wer geht hinter ihr und stützt, in welche Richtung rollt das Rad, wer steht auf dem Boden und wer auf der Rampe. Jede dieser Fragen musste beantwortet sein, sonst saß plötzlich einer der Mitarbeiter auf dem Motorrad oder die Maschine rollte in den Wagen statt heraus. Dasselbe galt für den Handschlag im Hof der Silberwolf: Was natürlich aussehen soll, muss präzise vorgegeben werden, und Gesten, die zu deutlich benannt werden, werden vom Modell übertrieben. Wir haben gelernt, was wir weglassen müssen.
Für die Innenaufnahmen im Autohaus haben wir die Kamerabewegung bewusst zurückgenommen. Je weniger sich die Kamera durch den Raum bewegt, desto weniger kann das Modell an Tresen, Beschriftung und Ausstellung verändern.
Qualitätskontrolle pro Clip
Nach jeder Videogenerierung wurde der Clip gegen vier Fragen geprüft: Ist das noch derselbe Mitarbeiter? Ist der Lieferwagen noch der Lieferwagen, mit lesbarer Beschriftung? Ist das Motorrad noch das richtige Modell, und sitzt der richtige Fahrer darauf? Stimmt der Ort? Clips, die eine Frage nicht bestanden, wurden neu generiert oder im Schnitt so gekürzt, dass der Drift nicht sichtbar wird. Diese Kontrolle hat mehr Zeit gekostet als die Generierung selbst.
Postproduktion als verbindendes Element
Die freigegebenen Sequenzen wurden geschnitten, auf das Voice-over getimt, farblich auf einen gemeinsamen Ton gezogen und mit Sound Design verbunden: das Telefon am Tresen, der Diesel des Transporters, Reifen auf der Rampe, fünf V-Twins auf der Autobahn. Die Farbkorrektur hatte hier eine zweite Aufgabe: Sie hat die aus Porträts eingesetzten Mitarbeiter in dasselbe Licht gesetzt wie die Szene um sie herum, damit niemand wie eingefügt wirkt, sondern wie fotografiert.
04. Produktion
Eine Deutschlandreise ohne Reise
Eine konventionelle Produktion derselben Szenen hätte den Lieferwagen mit Crew nach Hamburg, in eine Altstadtgasse und in die Alpen gebracht, dazu drei Kunden als Darsteller, eine Nachtaufnahme im Hafen, eine Abendaufnahme in den Bergen, Motorräder auf einer Rampe unter Zeitdruck, eine Autobahnsequenz mit mehreren Fahrern und eine Szene im Hof der Silberwolf in Brandenburg. Mehrere Drehtage an mehreren Orten, mit Wetterfenstern und Genehmigungen. Das ist der Aufwand, der einen Film über einen Lieferservice normalerweise auf einen einzigen Drehort zusammenschrumpfen lässt.
Im hybriden KI-Workflow verschiebt sich die Produktionsarbeit vom Set in Referenzaufbereitung, Konzeption, Storyboard, Bildentwicklung, Generierung mit Qualitätskontrolle pro Szene und Postproduktion. Das Ergebnis zeigt ganz Deutschland, aber die Produktion kostet einen Bruchteil dessen, was der klassische Weg verlangt hätte.
Ein zweiter Effekt: Änderungen bleiben jederzeit möglich. Ein zusätzlicher Lieferort, eine andere Maschine, ein neuer Kunde. Jede Anpassung ist ein neues Bild, nicht ein neuer Drehtag.
05. Ergebnis
Ein Werbefilm mit dem echten Team, dem echten Wagen und dem echten Haus
Das Ergebnis ist ein kompakter KI-Werbespot, der ein Serviceversprechen erzählt und dabei das Haus so zeigt, wie es ist. Die Mitarbeiter, die im Film die Maschinen ausliefern, sind die Mitarbeiter, die Kunden am Telefon haben. Der Lieferwagen ist der Lieferwagen, der vor der Haustür steht. Der Film endet bei der Partnerbar, zu der Harley-Davidson Kiel gemeinsame Ausfahrten organisiert, und der Mann, der dort die Hand gibt, ist ihr Inhaber. Beide Marken stehen am Ende nebeneinander.
Für den Kunden bedeutet das: ein Film für Website, Social Media, Messen und Showroom, der in ganz Deutschland spielt, ohne dass jemand Kiel verlassen musste, und der eine Marke zeigt, die in jeder Einstellung stimmt.
06. Häufige Fragen zum KI-Werbefilm
Können echte Mitarbeiter in einem KI-Werbefilm auftreten?
Ja. Wir arbeiten mit mehreren Porträtfotos jeder Person, erzeugen daraus zunächst eine freigabefähige Charakterreferenz und setzen die Person erst nach Freigabe in die Szenen. Die Freigabe durch den Kunden ist hier entscheidend: Ob ein Gesicht stimmt, entscheiden die Kollegen, nicht wir.
Kann ein reales Fahrzeug mit Beschriftung korrekt dargestellt werden?
Ja, wenn man es nicht beschreibt, sondern zeigt. Der Lieferwagen wurde ausschließlich über seine eigenen Fotos referenziert, und die Beschriftung wurde in jeder Einstellung geprüft. Wo Schrift nicht sauber stand, wurde sie aus der Originaldatei gesetzt.
Wie entstehen Szenen an Orten, an denen nie gedreht wurde?
Jeder Ort wird zunächst als leere Bühne aufgebaut und abgenommen, dann kommen Fahrzeug, Figuren und Motorrad hinein. So lässt sich ein Film an fünf Orten in ganz Deutschland produzieren, ohne dass jemand reist.
Wie bleiben Mitarbeiter, Fahrzeug und Motorräder über mehrere Szenen konsistent?
Über feste Referenzen für jede Ebene, die vor der Videogenerierung angelegt werden, und über eine Kontrolle pro Keyframe und pro Clip. Bei mehreren Fahrern im Bild werden Fahrer und Maschine fest aneinander gebunden, damit das Modell sie nicht vertauscht.
Was kostet ein KI-Werbefilm im Vergleich zu einem klassischen Dreh?
Drehtage, Reisen, Darsteller, Locations und Genehmigungen entfallen. Der Aufwand liegt in Referenzen, Konzept, Bildentwicklung, Generierung und Postproduktion. Ein Film wie dieser entsteht so für einen Bruchteil der Kosten einer konventionellen Produktion. Den konkreten Rahmen kalkulieren wir individuell nach Laufzeit und Szenenzahl.
Für welche Unternehmen eignet sich diese Art von KI-Werbefilm?
Für Autohäuser, Händler und Dienstleister, die ihr echtes Team, ihre echten Fahrzeuge und ihr echtes Haus zeigen wollen, und deren Geschichte an mehr Orten spielt, als ein Drehbudget erlaubt. Besonders lohnend ist der Ansatz für Serviceversprechen, die sich über ein Verbreitungsgebiet erstrecken.
Ersetzt KI die Postproduktion?
Nein. Schnitt, Timing, Voice-over, Sound Design und Farbkorrektur bleiben entscheidend. Bei diesem Film war die Postproduktion außerdem der Ort, an dem Logos und Beschriftung final gesetzt und die eingesetzten Mitarbeiter mit dem Licht der Szenen verbunden wurden.
Planen Sie einen eigenen KI-Werbefilm?
Wir entwickeln KI-Werbefilme von der Dramaturgie über Referenzen, Storyboard und Bildentwicklung bis zur fertigen Postproduktion. Ob Autohaus, Händler, Hotel oder Marke: Schildern Sie uns kurz Ihr Vorhaben, wir zeigen Ihnen, welche Bilder mit einem hybriden KI-Workflow möglich werden.