KI-Kurzvideos in der zweiten Halbzeit: Von „Kann es das generieren?“ zu „Wer führt Regie?“

--- title: KI-Kurzvideos in der zweiten Halbzeit: Von „Kann es das generieren?“ zu „Wer führt Regie?“ slug: ki-kurzvideos-zweite-halbzeit-von-kann-es-das-generieren-zu-wer-fuehrt-regie meta_title: KI-Kurzvideos in der zweiten Halbzeit: Es zählt, wer Regie führen kann meta_description: Kling 4.0 im Beta-Test, „Yanbian Qingmei“ mit 48 Folgen aus einer Hand und über 100 Millionen Aufrufen, „Helong“ mit Auszeichnung im Ausland – der Wettbewerb bei KI-Videos hat sich von Bildqualität hin zu schauspielerischer Ausdruckskraft und narrativer Kontrolle verlagert. category: ai tags: KI-Kurzvideos, Kling 4.0, KI-Kurzserien, KI-Comicserien, Kling, likli, KI-Videogenerierung, Steuerbarkeit, Keyframes ---

In den ersten Oktobertagen gab es in der chinesischen KI-Videoszene mehrere Ereignisse, die zusammengenommen sehr interessant sind.

Kuaishou hat während der Advertising Week New York Kling 4.0 angekündigt und offiziell den Start für Oktober bekannt gegeben. Die Rückmeldungen von Personen, die bereits die Fast-Version testen konnten, drehen sich nicht in erster Linie darum, wie flüssig die Bewegungen sind, sondern um Gesichtsausdruck, Mikroreaktionen, Körpersprache und Rhythmusgefühl. In der Community heißt es, der Maßstab habe sich von „Kann es sich bewegen?“ zu „Kann es schauspielern?“ verschoben. Zeitgleich hieß es, Kuaishou teste intern einen KI-Video-Creation-Agenten namens likli, der die gesamte Kette von der Idee bis zum fertigen Film abdeckt und sich an Kurzserien, E-Commerce und Markenmarketing richtet.

Auf der anderen Seite hat eine Kreative mit dem Pseudonym Wanwan in zwei Monaten im Alleingang Drehbuch, Regie, Schnitt und Art Direction übernommen und die 48-teilige KI-Historienserie „Yanbian Qingmei“ produziert. Auf Hongguo verzeichnet sie über 100 Millionen Aufrufe, und die Suche nach verwandten Themen auf Douyin übersteigt 200 Millionen. Die Geschichte handelt von Yan Jiming, dem Neffen von Yan Zhenqing, jenem jungen Mann, von dem im „Entwurf einer Totenklage für den Neffen“ nur zwei Schriftzeichen für „getötet“ übrig bleiben.

Wenige Tage zuvor gewann beim ersten Astana Artificial Intelligence Film Festival der 17-minütige Kurzfilm „Helong“ des chinesischen Teams 2xLabs den Preis für die beste Geschichte in der offenen Wettbewerbskategorie.

Die drei Ereignisse gehören zu Produkt, individueller Kreation und internationaler Jury, doch sie deuten auf dieselbe Veränderung hin: Die erste Hürde für KI-Videos ist bereits genommen.

Die erste Hürde prüft die Bildqualität, die zweite die Kontrolle

In den vergangenen zwei Jahren drehten sich Veröffentlichungen von Videomodellen meist um einige quantifizierbare Kennzahlen: Auflösung, Dauer, Natürlichkeit der Bewegung. Diese Kennzahlen sind wichtig, doch sie beantworten nur eine Frage: Kannst du etwas generieren, das wie ein Video aussieht?

Die Spezifikationen von Kling 4.0 treiben diese Zahlen weiter nach oben: eine native Generierung von 30 Sekunden pro Durchlauf, 4K, 1080p 10-Bit-HDR, 21:9 Ultrabreitbild, multimodale Referenzen auf 15 erweitert, 10 Keyframes, Prompt-Obergrenze von 8.000 Tokens. CICC Media bezeichnet es in einem Update als „Wettrüsten bei den Spezifikationen“ und weist darauf hin, dass die Upgrades von 4.0 bei der Kontinuität langer Einstellungen, der Keyframe-Steuerung und den multimodalen Referenzen die Hürde für hochpräzise Szenarien wie mittellange bis lange Serien und Film- und TV-VFX senken.

Doch wirklich bemerkenswert ist, warum es diese Upgrades gibt. Ob 30 Sekunden lang genug sind und ob 4K scharf genug ist – diese Fragen sind für Kurzfilm-Creators ein Schmerzpunkt, für Film- und Serienteams aber nur die Eintrittskarte. Was ein Team braucht, ist nicht eine schöne Einstellung, sondern zehn Einstellungen, die sich aneinanderfügen lassen.

Ein Ein-Personen-Film und ein 17-Minuten-Kurzfilm zeigen unterschiedliche Dinge

Der Wert von „Yanbian Qingmei“ liegt nicht in der Zahl 48 Folgen, sondern in der Art der Produktion. Wanwans Ansatz bestand darin, zuerst die historischen Ankerpunkte festzulegen: Yan Jimings Ende, die Loyalität und Standhaftigkeit der Familie Yan, die Identität des Boten – nichts davon änderte sie. Wo die Geschichtsbücher schweigen – Yan Jimings Jugend, wie er die Blockade der Rebellen durchbrach, um Nachrichten zu übermitteln –, ergänzte sie. Sie fasst dies als „die fehlenden Striche der Geschichte zu ergänzen“ zusammen.

Dieser Ansatz deckt sich mit der Entwicklungsrichtung von KI-Videoprodukten. Das Generieren ist nicht die Schwierigkeit; schwierig ist, dem Modell beizubringen, was nicht verändert werden darf und was ergänzt werden muss.

Das Team von „Helong“ erklärt die Kostenstruktur direkter. Gut zehn Personen, eineinhalb Monate, Rechenleistungskosten von unter 100.000 RMB, wobei die eigentliche Videogenerierung nur etwas mehr als eine Woche dauerte. Der Großteil der restlichen Zeit floss in die Feinarbeit am Drehbuch und die Festlegung des visuellen Stils. Ein Zitat des ausführenden Regisseurs Wang Yuchen aus einem Interview ist es wert, festgehalten zu werden: Die Technik entwickle sich schnell, spektakuläre Bilder ließen sich leicht kopieren, doch die eigene Reflexion und der kulturelle Ausdruck des Creators verliehen einem Werk eher seine Besonderheit.

Marktgröße und Politik ergänzen die andere Hälfte

Laut Prognosen von Instituten könnte der inländische Markt für KI-Serien und KI-Comicserien 2026 die Marke von 40 Milliarden RMB überschreiten. Hinter dieser Zahl stehen Aktivitäten auf Plattformseite: Douyin, Hongguo und Kuaishou pushen interaktive KI-Kurzserien, und Marken verlagern Budgets in diesen Bereich.

Je größer das Inhaltsökosystem, desto größer die Probleme. Die Produktionskapazität für KI-Kurzserien ist bereits sehr hoch; Statistiken zufolge wurden in acht Monaten 430.000 Kurzserien produziert, von denen 90 Prozent maschinell generiert wurden. Nach einer Überproduktion beginnen Zuschauer zu unterscheiden: Welche Filme erzählen wirklich ernsthaft eine Geschichte? Dass Wanwans Werk auf die Trendlisten kam, lag nicht an der Technik, sondern daran, dass sie zuerst zu Ende gedacht hatte, wie ein Mensch erinnert werden sollte.

Eine Einschätzung für Content-Teams

Für Content-Teams liegt die eigentliche Wasserscheide in der zweiten Hälfte von 2026 nicht bei der Bildqualität. Die 4K und 30 Sekunden von Kling 4.0 werden eingeholt werden; Nano Banana 2.1 halbiert die Ausgabepreise, Seedream 5.0 Pro macht die regionale Bearbeitung präzise – all das wird zum Branchenstandard.

Den wahren Unterschied machen drei Fähigkeiten: ob man eine Einstellung in wiederverwendbare Keyframes zerlegen kann, ob man die Konsistenz einer Figur über mehrere Einstellungen hinweg sicherstellen kann und ob man kreative Standards in den Workflow schreiben kann, damit das Modell sie wiederholt ausführt. Die ersten beiden sind Werkzeugfragen, die dritte ist eine Frage des Menschen.

Dass Wanwan allein 48 Folgen produzierte, lag nicht daran, dass sie besonders viele Prompt-Tricks beherrschte. Sie hatte zuerst eine Geschichte, die es wert war, erzählt zu werden; erst dann fanden die übrigen technischen Fragen einen Ort, an dem sie ansetzen konnten.