Kling 4.0 ist da, KI-Kurzserien legen in einem Jahr 430.000 Stück vor: Wie schaffen chinesische KI-Videos diesmal den Überholvorgang?

Am 28. September meldete Kling AI, die KI-Sparte von Kuaishou, auf ihrem offiziellen Account: Kling 4.0 startet im Oktober offiziell, die leichte Flash-Version ist bereits für Jahresabonnenten in den Beta-Test gegangen. Die Meldung war kurz, doch die Kommentarspalte war umso lebhafter. Im vergangenen Jahr hat sich die chinesische KI-Video-Branche von der Frage „Kann man es generieren?“ zur Frage „Kann man es ausliefern?“ entwickelt. Die diesmal von Kling aktualisierten Parameter treffen genau die Punkte, die den Leuten wirklich Kopfzerbrechen bereiten.

Zuerst die Zahlen. Die Flash-Version gibt 720p aus, ein Clip dauert 3 bis 20 Sekunden; die offizielle Version kann einen einzelnen Clip auf 30 Sekunden strecken, maximal 4K, später soll 10-Bit-HDR folgen. Seitenverhältnisse von 21:9 bis 9:16 werden unterstützt. Das ist nicht das Entscheidende. Wer Produktvideos macht, fürchtet weniger die unzureichende Bildqualität als vielmehr das „Nicht-Ändern-Können“ – wenn der Kunde sagt, das Hauptbild brauche einen anderen Blickwinkel, muss man die ganze Sequenz neu machen, Gesicht und Farbton ändern sich komplett. Genau hier setzt Kling 4.0 an und macht aus „Neu machen“ ein „Bearbeiten“.

Das erste ist die lokale Bearbeitung. Bei bereits generierten Videos lässt sich nur eines ändern – Mimik, Bewegung, Kameraführung, Stil oder Hintergrund –, während der Rest unverändert bleibt; es können bis zu 5 Videos eingegeben werden. Das folgt demselben Ansatz wie die lokale Bearbeitung von Qwen-Image 2.1 im Bildgenerierungsbereich, nur eben auf Video übertragen. Das zweite sind Keyframes: Bei der Bild-zu-Video-Generierung lassen sich bis zu 10 Keyframe-Bilder einfügen, etwa je eines für Hauptbild, Anwendungsszene und Verpackungs-Detailaufnahme, während die Bewegung dazwischen das Modell übernimmt. In den Worten von Branchenleuten sind Keyframes das Storyboard; das Storyboard kann der Kunde bestätigen, bevor Credits ausgegeben werden, wodurch weniger Nacharbeit anfällt. Das dritte ist Omni Reference: bis zu 15 Eingaben pro Durchgang, Bilder, Videos und menschliche Stimmen gemischt; im Prompt werden @image1, @video1 verwendet, um die jeweilige Verwendung anzugeben.

Auch der Preis ist eine Erwähnung wert. Auf Jahreszahlung umgerechnet kostet die Einstiegsstufe 21 US-Dollar pro Monat, 180 Credits, etwa 1,9 US-Dollar pro Video; die Premium-Stufe 90 US-Dollar, etwa 1,1 US-Dollar pro Video. Alle Stufen sind ohne Wasserzeichen, das fertige Video kann direkt ausgeliefert werden. Diese Preisgestaltung richtet sich gegen den Auslandsmarkt: Bei Google Veo 3.1 kostet die Standardstufe 0,4 US-Dollar pro Sekunde, bei Alibabas Wan 3.0 sind es 0,05 bis 0,2 US-Dollar pro Sekunde. Chinesische Modelle tauschen Preis gegen Markt – das ist längst ein offenes Spiel.

Hinter Kling 4.0 steht eine ganze Explosionskurve von KI-Kurzserien und KI-Animationsserien. Xinhua berichtete über eine Datenreihe: In den ersten acht Monaten des Jahres 2026 gingen 430.000 Mikro-Kurzserien online, das 13-Fache des gesamten Vorjahres, wobei der Anteil KI-generierter Serien über 90 Prozent lag. Im Bericht von DataEye stieg der Anteil von KI-Animationsserien in den Top 100 von 7 Prozent im Vergleichszeitraum 2025 auf 38 Prozent. Ein anschaulicher Kostenvergleich: Die Produktion einer real gedrehten Kurzserienfolge kostete 50.000 bis 100.000 Yuan und dauerte 2 bis 4 Wochen; mit KI fällt der Preis pro Folge auf unter 5.000 Yuan, und die Dauer schrumpft auf 3 bis 7 Tage.

Das interessanteste Phänomen in dieser Welle ist der Boom von KI-Serien mit menschenähnlichen Darstellern. Die im Januar 2026 erschienene „Zhanxian Tai – KI-Version mit realistischen Darstellern“ erreichte auf Douyin über 110 Millionen Aufrufe; „Fengshui-Meister“ kam bei Hongguo auf über 40 Millionen Beliebtheitspunkte und läuft bereits in der sechsten Staffel. In den Top 5 der Hongguo-Hitliste vom 30. September waren vier KI-Serien mit menschenähnlichen Darstellern und nur eine real gedrehte Produktion. Der in den Kommentaren am häufigsten verbreitete Satz lautet: Reale Schauspieler sind auf unzählige Arten hässlich, KI ist auf ein und dieselbe Weise schön.

Dieser Satz ist sowohl Lob als auch Kritik. Während KI-Serien die Charts dominierten, sorgte zugleich der durch „KI-Gesichter“ ausgelöste körperliche Widerwille für Schlagzeilen. Manche Nutzer verglichen Screenshots und stellten fest, dass die männlichen Hauptdarsteller in verschiedenen Serien fast dasselbe Gesicht haben: dieselbe Gesichtsform, dieselbe Frisur, sogar der Pony ist einheitlich mittig gescheitelt. Die technische Erklärung lautet, dass die Videogenerierung das Gesicht Frame für Frame konsistent halten muss; symmetrische, regelmäßige und makellose Gesichter haben bei Kameraschnitten die höchste Fehlertoleranz, weshalb das Modell bevorzugt ein „sicheres“ Standardgesicht ausgibt. Hinzu kommt, dass viele Teams einfach erfolgreiche Vorlagen wiederverwenden und in großem Umfang öffentliche digitale Gesichtsdatenbanken abrufen, was die Homogenisierung beschleunigt. Die Renmin Ribao veröffentlichte Ende Juni einen Artikel mit dem Titel „KI-Gesichter satt? Die ‚menschliche Ausstrahlung‘ sollte zurückkehren“, dessen Kernaussage lautet: Technik darf Budget und Zeit verkürzen, aber Fließbandkapazität darf nicht künstlerische Qualität und Humanität ersetzen. Der Chinesische Verband für Online-Audio-Video erarbeitet zudem federführend den „Bewertungsstandard für die Inhaltsqualität von KI-Mikro-Kurzserien“, in dem die Wiedererkennbarkeit von Figuren als eigenständiges Bewertungskriterium aufgeführt wird.

Die diesmalige „Überholspur“ der chinesischen KI-Videos ist im Kern also kein technisches Wunder eines einzelnen Anbieters, sondern die Herausbildung einer ganzen Industriekette: Auf der Modellseite positionieren sich Kling, Jimeng, Hailuo und Vidu jeweils; auf der Workflow-Seite bringen Werkzeuge wie Doubao Skill und CapCut AI-Effekte die Hürde auf Smartphone-Niveau; stromabwärts unterstützen Plattformen wie Douyin und Hongguo KI-Inhalte mit Traffic-Pools. Vom Drehbuch bis zum Rohschnitt einer KI-Animationsserie schaffen es erfahrene Teams bereits, von mehreren Tagen auf wenige Stunden zu verkürzen. Was einst ein ganzes Film- und Fernsehteam erforderte, ist heute mit einem Smartphone und kostenlosen Tools zumindest am Rand erreichbar.

Doch je niedriger die Hürde, desto schärfer wird die alte Frage: Wenn jeder an einem Tag eine Serie produzieren kann, warum sollten Zuschauer ausgerechnet deine sehen? Homogenisierung ist eine Nebenwirkung der technischen Dividende und zugleich das Signal für die nächste Ausscheidungsrunde. Nur Teams, die bereits an der Wiedererkennbarkeit von Figuren, an differenziertem Erzählen und sogar daran arbeiten, KI als Werkzeug statt als Ersatz zu behandeln, haben die Chance, aus dem „Einheitsbrei“ herauszuspringen. Die lokale Bearbeitung und die Keyframes von Kling 4.0 geben gerade denen, die Feinarbeit leisten wollen, ein handlicheres Werkzeugset. Der Rest hängt weiterhin von den Menschen ab.