Hinter „EXHIBIT": Wie KI-Filmemachen das deutsche expressionistische Kino neu erfindet

EXHIBIT ist ein KI-generierter Kurzfilm, der eine mysteriöse, traumhafte und absurde Geschichte über einen Museumswächter während seiner Nachtschicht erzählt, umgesetzt im Stil des deutschen Expressionismus. Der deutsche expressionistische Film diente als primäre Inspiration für dieses Projekt.

Ich begann mit einer eingehenden Recherche zum deutschen expressionistischen Film und untersuchte dabei seine visuelle Ästhetik, Erzählstrukturen und Schnitttechniken. Basierend auf dieser Recherche entwickelte ich einen ersten Drehbuchentwurf sowie ein kurzes Storyboard in meinem Notizbuch. Bei der Handlungsentwicklung konzentrierte ich mich auf drei zentrale Elemente: einen auffälligen Vorfall zu Beginn des Films, um sofort die Aufmerksamkeit des Publikums zu fesseln; eine unerwartete Wendung am Ende, die die Geschichte zu ihrem Höhepunkt treibt; sowie einen sorgfältig konstruierten erzählerischen Spannungsaufbau, der Anfang und Ende miteinander verbindet. Diese mittlere Entwicklung erzeugt subtile Illusionen und Ablenkungsmanöver, wodurch die abschließende Enthüllung überraschender und wirkungsvoller wird. Zudem sammelte ich visuelle Referenzen aus mehreren ikonischen deutschen expressionistischen Filmen und stellte sowohl Szenen- als auch Charakterreferenzen in einem Ordner zusammen. Mit diesem konzeptionellen und visuellen Fundament ging ich zu Flick Art über, um die KI-gestützte Entwicklung des Films zu beginnen.

Der erste Schritt in Flick Art bestand darin, die während der Vorbereitungsphase gesammelten visuellen Referenzen über die Explore Styles-Funktion in My Styles hochzuladen, um einen konsistenten deutschen expressionistischen Stil für die Bildgenerierung aufzubauen. Dabei war es wichtig, sowohl Referenzen für Umgebungen als auch für Nahaufnahmen von Charakteren einzubeziehen, um die Genauigkeit und Kontrollierbarkeit der späteren Generierungen zu verbessern.

Mit dem angepassten Stil konnte ich den KI-Generierungsprozess beginnen. Ich startete mit der Charaktergenerierung, da die Hauptfigur, der Museumswächter, den roten Faden bildet, der die Erzählung verbindet und vorantreibt. In dieser Phase wählte ich das Midjourney-Modell für die erste Runde der Bildgenerierung und nutzte anschließend Nano Banana Pro zur Bildbearbeitung, da dieses Modell eine höhere Präzision bei der Anpassung bestimmter visueller Details bietet. Außerdem nutzte ich ChatGPT, um die Charakterbeschreibung zu verfeinern und zu erweitern, einschließlich Details wie Aussehen, Alter und Kleidung. So konnte ich detailliertere Prompts erstellen, was zu Bildgenerierungen führte, die realistischer und visuell lebendiger wirkten.

Sobald ich ein Charakterbild generiert hatte, mit dem ich zufrieden war, ging ich zur nächsten Phase über: entweder direkt Videos aus dem Bild zu generieren oder es in unterschiedliche, aber verwandte Szenen mit derselben Figur zu adaptieren. Dieser Prozess ermöglichte es mir, eine zusammenhängende Reihe charaktergetriebener Visuals aufzubauen, reichhaltigeres Filmmaterial zu entwickeln und die Erzählung schrittweise durch diese sich entwickelnden Szenen zu konstruieren.

Derselbe strukturierte Workflow wurde später auf die Entwicklung aller Nebencharaktere ausgeweitet, um stilistische Konsistenz im gesamten Film zu gewährleisten.

Anschließend widmete ich mich der Generierung von Umgebungsszenen, darunter das Museumsäußere sowie Innenräume wie die Lobby und die Galerie. Für diese Phase wählte ich die Stile mit architektonischen Referenzen aus der angepassten Style-Bibliothek aus, um die visuelle Konsistenz und Genauigkeit der Szenen zu steuern.

In dieser Phase kamen zwei zentrale Techniken zum Einsatz. Erstens konnte ich, sobald ich ein Umgebungsbild generiert hatte, mit dem ich zufrieden war, entweder generative Videos erstellen, um den Raum durch Kamerabewegungen wie langsame Zooms zu präsentieren, oder zuvor generierte Charaktere in die leere Umgebung integrieren. Um Charaktere in eine Szene einzufügen, verwendete ich das Umgebungsbild als Basis für die Bildbearbeitung und fügte das Charakterbild als zusätzliche Referenz hinzu. Durch Bildreferenzen und Prompt-Steuerung in Nano Banana Pro konnte ich kontrollieren, wie die Figur innerhalb des Raums platziert wurde. Dieser Ansatz ermöglichte es mir, Charakter- und Umgebungsgenerierung zu einer einheitlichen visuellen Pipeline zu verschmelzen und zusammenhängende Szenen zu schaffen, die später für die Videogenerierung verwendet werden konnten.

Die zweite Technik ist nützlich, wenn man während der Szenengenerierung ein bestimmtes Bild als Referenz einbeziehen möchte. In meinem Fall wollte ich beispielsweise ein von Napoleon Crossing the Alps inspiriertes Gemälde in den generierten Galerieraum einbinden. Dazu lud ich zunächst das ursprüngliche Referenzbild in Flick Art hoch und verwendete das Flick Advanced-Modell, um seinen visuellen Stil in den deutschen Expressionismus zu übertragen. Anschließend nutzte ich Nano Banana Pro für die weitere Bearbeitung und integrierte das stilisierte Gemälde in die zuvor generierte Galerieumgebung. Diese Methode ermöglichte es mir, wiedererkennbare visuelle Referenzen einzubinden und dabei die stilistische Konsistenz innerhalb der generierten Szene beizubehalten.

Bei der Videogenerierung gibt es neben der Verwendung eines einzelnen Bildes als Startframe und der Steuerung der Bewegung durch Prompts noch einen weiteren Ansatz: das Generieren von zwei Bildern, die als Start- und Endframe dienen. Die Videogenerierung kann dann zwischen diesen Frames interpolieren und so eine kontrollierte Bewegung basierend auf der gewünschten Aktion erzeugen. Bei einer Einstellung, die ich generieren wollte, läuft der Museumswächter auf eine Tür zu und legt beide Hände darauf, als würde er versuchen, sie zu öffnen. Um diese Bewegung präzise umzusetzen, generierte ich zunächst eine Halbnahaufnahme des Wächters vor der Tür, gefolgt von einem zweiten Bild, das ihn in voller Körpergröße dabei zeigt, wie er sich gegen die Tür stemmt. Mit diesen beiden Bildern als Start- und Endframe wandte ich anschließend das King O3 Pro-Modell an, um die Bewegung seines Laufens zur Tür zu generieren. Dieser Ansatz bot im Vergleich zur Videogenerierung mit einem einzelnen Frame eine größere Kontrolle sowohl über die Bewegung als auch über die Komposition.

Die Erschaffung von EXHIBIT war nicht nur ein Experiment im KI-Filmemachen, sondern auch eine Erkundung, wie neue Werkzeuge historische Filmbewegungen durch eine zeitgenössische Linse neu interpretieren können. Durch die Kombination von recherchebasierter visueller Entwicklung mit einem iterativen KI-Workflow konnte ich die emotionale Intensität und die visuelle Sprache des deutschen Expressionismus in ein neues, generatives Medium übersetzen. Dieser Prozess hat auch verändert, wie ich über das Filmemachen denke. Statt einer linearen Pipeline ermöglichten KI-Werkzeuge einen fließenderen und modularen Ansatz, bei dem Charaktere, Umgebungen und Bewegung unabhängig voneinander entwickelt und später zu einer kohärenten Erzählung vereint werden konnten. Die Fähigkeit, schnell zwischen Standbildern und Video zu iterieren, ermöglichte sowohl kreatives Experimentieren als auch präzise Kontrolle.

Letztlich stellt EXHIBIT einen Dialog zwischen Vergangenheit und Zukunft dar: einen klassischen filmischen Stil, neu interpretiert durch künstliche Intelligenz. Da sich generative Werkzeuge stetig weiterentwickeln, freue ich mich darauf, weiter zu erforschen, wie KI das visuelle Erzählen erweitern kann: nicht als Ersatz für Kreativität, sondern als eine neue Sprache dafür.