KI-Videoproduktion Frankfurt Markenqualität,
ohne Markenbruch.

Bisher sah mehrsprachige Videoproduktion so aus: einmal drehen, dann für jeden Markt neu vertonen, neu synchronisieren oder zumindest mit eingeblendetem Untertitel arbeiten. Untertitel werden übersprungen. Neu vertonen kostet Studio-Zeit und Sprecher-Honorar pro Sprache. Wer wirklich lokalisieren wollte, drehte neu oder nahm den Qualitätsverlust in Kauf.

KI-gestützte Video-Lokalisierung ändert diesen Ablauf strukturell. Aus dem Original-Dreh wird eine stimmbasierte Vorlage extrahiert. Per Voice-Cloning entsteht eine synthetische Stimme, die dem Original-Sprecher klanglich nahekommt, ohne dessen Identität zu übernehmen. Anschließend wird das Lippenbild per Lip-Re-Targeting auf die neue Sprachspur ausgerichtet. Das Ergebnis ist kein Untertitel, sondern ein visuell synchrones Video in der Zielsprache.

Konkret liefere ich das so: Wir drehen einmal, auf Deutsch, mit dem echten Sprecher aus dem Unternehmen. Dann erstellen wir gemeinsam, mit schriftlicher Modellfreigabe des Sprechers, einen Stimm-Klon. Daraus entstehen fünf bis zehn Sprachversionen, je nach Zielmärkten. Die Qualitätskontrolle läuft in Frankfurt. Jede Version wird manuell abgehört, nicht nur automatisch gerendert.

Was dabei nicht geht, muss klar sein: Die Sprecher-Performance bleibt menschlich. KI kann Lippenbewegungen und Stimme anpassen, nicht eine schlechte Interviewsituation retten. Modellfreigaben sind rechtlich Pflicht. Und nach EU AI Act Art. 50 sind KI-generierte Sprachversionen als solche zu kennzeichnen, das gilt für alle marktfähigen Versionen.

Der Launch-Termin steht, das Produkt ist noch in der Fertigung. Wochen vor der Messe fehlt das finale Industriedesign, die Lackierung ist nicht freigegeben, Muster existieren nur als CAD-Datei. Spätes Drehen unter Zeitdruck produziert sichtbaren Stress im Material, Stockmaterial passt nie zum echten Produkt, ein Render-Studio mit sechs Wochen Vorlauf rechnet zu Industriepreisen ohne Spielraum für Änderungsschleifen.

Aus CAD-Daten, vorhandenen Renderings, Skizzen oder frühen Fotos entstehen photorealistische Produktdarstellungen, die für Bewegtbild-Sequenzen genutzt werden. Die KI-Pipeline übernimmt den statischen Produktanteil, Kamerafahrten und Lichtstimmung. Für Anwendungsszenen, Sprecher und Testimonials wird klassisch gedreht. Der Hybrid-Ansatz ist kein Notbehelf, er ist die präzisere Lösung: KI dort, wo das Produkt noch nicht physisch verfügbar ist, Realdreh dort, wo Menschen und Atmosphäre entscheiden.

Inputs, mit denen gearbeitet werden kann: CAD-Dateien (STEP, OBJ, FBX), hochauflösende Fotos von Prototypen, vorhandene Render-Dateien aus der Konstruktion, Moodboards für Materialreferenz. Die Produktionszeit für einen 90-Sekunden-Hybrid-Launch-Film liegt je nach Datenlage bei drei bis sechs Wochen. Konzeption, Storyboard, Produktrendering, Bewegtbild-Sequenzen und klassischer Dreh kommen aus einer Hand, koordiniert aus Frankfurt.

Materialphysik bleibt ein Render-Limit. Echtes Glas, gebürstetes Metall und sichtbare Verformung unter Last sind mit KI darstellbar, aber nur so gut wie die Eingangsdaten. Ohne freigegebene CAD- oder Photodaten ist kein photorealistisches Ergebnis möglich. Alle KI-generierten Bildanteile werden nach EU AI Act Art. 50 als solche gekennzeichnet.

Fast jedes Unternehmen mit mehr als zehn Jahren Geschichte hat dasselbe Problem: Festplatten voller Werksaufnahmen, alter Imagefilme, Event-Material von Messen, die es längst nicht mehr gibt. Das Material ist authentisch, es zeigt Personen, die heute nicht mehr im Unternehmen sind. Produktionshallen, die umgebaut wurden. Dieser Content lässt sich nicht nachdrehen. Das klassische Ergebnis: Das Archiv rostet, aktuelle Produktionen greifen auf Stock-Footage zurück, die dem Unternehmen fremd wirkt.

KI-Upscaling-Netze arbeiten anders als klassische Hochrechnung. Sie wurden auf Milliarden Bildpaaren trainiert und lernen, was hinter der Kompression ursprünglich wahrscheinlich vorhanden war. Bei gut belichtetem Ausgangsmaterial skaliert 1080i-Footage auf 4K mit schärferen Kanten und weniger Artefakten, als manuelle Nachbearbeitung liefern würde. Dazu kommt Stabilisierung auf Frame-Ebene, Color-Restoration bei Farbverschiebungen, optional Frame-Interpolation auf 50p für flüssigeres Bewegungsbild.

Vor jedem Angebot begutachte ich das Material. Wenn Qualität und Rechtelage passen, liefere ich 4K-Output, der direkt in aktuelle Imagefilme, Recruitingvideos oder Messefilme integrierbar ist. Die finale Qualitätskontrolle läuft in Frankfurt auf kalibriertem Monitor, nicht per Laptop-Vorschau. Und du bekommst eine klare Einschätzung, welche Clips sich lohnen und welche nicht.

Aus echtem 240p-Material lässt sich kein glaubwürdiges 4K machen. Die Netze können Wahrscheinlichkeiten berechnen, aber keine Information erzeugen, die im Original nicht vorhanden war. Bei Logos oder Schriften im Footage können Upscaling-Prozesse halluzinieren. Nach jedem Upscaling-Lauf geht das Material durch eine manuelle Frame-Kontrolle. Die Verantwortung für die Rechte am Bestandsmaterial liegt beim Kunden.

Manche Produkte lassen sich nicht filmen. Ein Wirkstoff, der Entzündungen hemmt. Eine API, die Datenprozesse automatisiert. Ein Finanzprodukt, das Währungsrisiken absichert. Ein Chemikalien-Portfolio, dessen Leistung sich im Labor abspielt und nirgends sonst. Was bleibt, sind die klassischen Wege: animierte Erklärvideos mit langen Iterationsschleifen, Whiteboard-Animation mit Folienstift-Ästhetik oder Stock-Büro-Footage mit Voice-Over, das klingt wie jedes andere Voice-Over.

KI-gestützte Visualisierung geht anders vor. Der Ausgangspunkt ist Briefing-Sprache, keine Storyboard-Skizze. Wir arbeiten heraus, welche Metaphern das Produkt tragen. Ein Molekül, das eine Zellfunktion aktiviert, wird zu einem Raum, der sich öffnet. Ein Datenfluss, der drei Systeme verbindet, wird zu einer sichtbaren Strömung. Die Software-Logik, die im Hintergrund entscheidet, bekommt architektonisches Gewicht. Das Modell baut eine visuelle Erzählung aus dem semantischen Kern des Produkts. KI liefert die konzeptuellen Bilder, ein klassischer Sprecher aus Frankfurt führt durch, die Regie hält beides zusammen.

Was ich konkret liefere: einen Briefing-Workshop zur Bild-Metaphorik, bevor irgendein Pixel entsteht. Das Ergebnis sind zwei bis drei Visual-Routen, die du vor der Produktion siehst und bewerten kannst. Keine Black-Box, kein Überraschungs-Storyboard nach vier Wochen. Die Regie läuft in Frankfurt. Sprecher-Casting, Ton, Schnitt und KI-Sequenzen werden in einer Hand koordiniert, nicht zwischen Agenturen verteilt.

Medizinische Wirkversprechen gehören nicht ins Erklärvideo, wenn der Beleg fehlt. Markenlogos und spezifische Produktnamen, die KI-Modelle halluzinieren könnten, werden nicht aus dem Modell generiert, sondern separat eingebunden. Pharma-Compliance liegt beim Kunden: Ich produziere das Material nach Briefing, die fachliche Faktenprüfung bleibt deine Verantwortung. Das ist saubere Arbeitsteilung.