Echoes of the Sun — Wie wir ihn gemacht haben

Notizen zur Entstehung eines zweiteiligen KI-Kurzfilms.

Es gibt in jeder Produktion einen Moment, in dem man aufhört zu fragen "Können wir das schaffen?" und stattdessen fragt "Wie schaffen wir das?" Bei Echoes of the Sun passierte dieser Wandel früh. Die Frage war nie, ob KI die Bilder erzeugen könnte. Die Frage war, ob wir etwas schaffen könnten, das als Film zusammenhält — mit echter Struktur, echter emotionaler Logik und einer visuellen Sprache, die diszipliniert genug ist, um über vierzig Einstellungen zu tragen, ohne abzudriften.

So sind wir dahin gekommen.

Wo es begann

Das Projekt entstand aus einem Gespräch mit Anh, meinem Co-Regisseur und Drehbuchautor. Er trägt ein Notizbuch bei sich. Dutzende Ideen, halb entwickelt, wartend. Diese hier tauchte aus diesem Stapel auf und fühlte sich sofort anders an — vollständig genug, um damit anzufangen. Die Prämisse kam bereits vollständig ausgeformt: Ein einsamer Krieger durchquert eine fremde Wüste, findet einen sterbenden Jungen, führt ihn tiefer in eine verschüttete Höhle und erweckt etwas Uraltes. Eine Mythen-Ursprungsgeschichte, getarnt als Überlebensgeschichte. Eine saubere Abstiegsstruktur. Ein finales Bild, stark genug, um alles zu tragen, was zuvor kam — uralte Wächter, die reglos in der Kammer stehen, während der Titan sich erhebt, nicht um anzugreifen, sondern um zu antworten.

Was wir noch nicht wussten, war, dass der Film zu etwas völlig anderem werden würde. Ein Teil dieses Wandels geschah durch Gespräche — frühe Arbeiten mit anderen Residents zu teilen, einen Blick von außen auf das zu bekommen, was wir aufbauten. Diese Art von Reibung wird in einem KI-Workflow unterschätzt, in dem man tagelang in Generierungszyklen verschwinden kann, ohne aufzutauchen. Denn während wir die visuelle Sprache entwickelten, entstand eine zweite Erzählebene: Die Kriegerin ist ein Mädchen im Koma, das träumt. Die animierte Welt ist ihr Traum. Der Junge, den sie trägt, ist ihr Vater, jung. Der Film, der als Fantasy beginnt, endet in einem Krankenzimmer, im Regen, mit einem Vater, der seiner Tochter vorliest, bis sie aufwacht. Dieselbe Geschichte, gebrochen.

Diese strukturelle Entscheidung veränderte alles an der Produktion. Wir hatten nun zwei Filme gleichzeitig zu machen — einen Anime, einen fotorealistischen —, die sich wie Hälften desselben Ganzen anfühlen mussten.

Der Stack

Bevor auch nur ein einziges Bild generiert wurde, mussten wir entscheiden, welche Tools wir tatsächlich einsetzen und wie sie zusammenarbeiten würden.

Flick als Zentrum — dort, wo die gesamte Generierung stattfand.

Darin: Nano Banana 2 (Gemini 3.1 Flash) für Standbilder, prosabasiertes Prompting. Nano Banana Pro (Gemini 3 Pro) für absichtsgetriebene kreative Regie, wenn wir wollten, dass das Modell nachdenkt statt nur ausführt. Kling 3.0 für alle realistischen Krankenhausaufnahmen — es akzeptiert Character Reference über die @element-Syntax. Seedance 2.0 für den animierten/hybriden Manga-Teil — es akzeptiert Referenzen über die @image-Syntax und erwies sich als stärker bei der physischen Konsistenz von Tuschebewegung und Umgebung.

Dann: ElevenLabs für den Voiceover. Nano Banana auch für das Design des Buchcovers — das gebundene Manga-Buch „Echoes of the Sun", das in beiden Welten erscheint, das physische Objekt, das die beiden Hälften verbindet.

Eine Regel galt für jedes Tool, jede Session: Jede Plattform erfordert ein strukturell anderes Prompt-Format. Kein Tonwechsel. Ein struktureller. Was in Seedance funktioniert, scheitert in Kling. Was Nano Banana Pro belohnt – Intention, kreative Richtung, Raum für das Modell zum Nachdenken – hat nichts mit dem gemeinsam, was Seedance braucht. Wir haben für jedes Modell eine eigene Prompt-Architektur entwickelt und sie nie vermischt.

Die visuelle Sprache finden — Teil eins: Die Animation

Das hat länger gedauert als alles andere.

Wir wussten, dass wir Manga wollten. Wir wussten, dass wir eine handgezeichnete Ästhetik wollten, kein CGI. Aber "Manga" umfasst eine enorme Bandbreite, und das falsche Register hätte den gesamten Film generisch wirken lassen. Also gingen wir die Bibliothek durch.

Berserk noir et blanc war der erste Test. Kentaro Miuras Strichführung ist außergewöhnlich – kräftiges, präzises Inking, dichte Schraffuren, Schwarzflächen mit echtem Gewicht. Aber Schwarz-Weiß brachte ein offensichtliches Problem mit sich: zwei Welten, die sich klar unterscheiden mussten, und keine Farbe, um diese Unterscheidung zu tragen. Wir gingen weiter.

Berserk colorisé – dieselbe grafische Struktur, aber mit einer halbrealistischen digitalen Malschicht über dem Inking. Das kam näher heran. Die Palette passte auf natürliche Weise zu dem, was wir brauchten: Terrakotta-Siena, Zinngrau, gebleichter Knochen. Aber der Halbrealismus wirkte dem traumhaften Register entgegen. Zu geerdet.

Wozu wir schließlich kamen, war ein Hybrid: Manga/Tuschemalerei-Animation. Keine Referenz, die irgendwo in Reinform existiert – und genau das war der Punkt. Das zentrale Prinzip war, dass nichts statisch sein durfte. Jede Tuschelinie musste lebendig sein. Pinselstriche animieren sich fortlaufend. Schatten atmen. Tintenspritzer bewegen sich. Die Wüste selbst befindet sich in ständiger Bewegung.

Diese letzte Erkenntnis hat am längsten gebraucht, um sich einzustellen: KI-Videotools animieren nichts, was man nicht explizit beschreibt. Man kann Bewegung nicht voraussetzen. Man muss sie regelrecht herbeischreiben – jeden Pinselstrich, jedes Partikel, jede Verschiebung des Schattens – sonst friert das Bild ein wie ein Gemälde, das vorgibt, ein Film zu sein.

Der Prompt-Header, der den Stil festlegte:

Hybrider Manga-/Tuschemalerei-Animationsstil — Tuschelinien bleiben sichtbar und lebendig. Terrakotta-ockerfarbene Pinselstriche animieren sich fortlaufend im Wind. Nichts steht jemals still. Die handgezeichnete Tuschelinien-Ästhetik durchgängig beibehalten.

Von diesem Punkt an begann jeder Animations-Prompt mit diesem Block. Konsistenz entstand durch die Disziplin der Wiederholung, nicht durch ein einzelnes perfektes Bild.

---

Die Charaktere

Vier Charaktere. Jeder erforderte seinen eigenen Fixierungsprozess – Kontaktbögen generieren, die exakten Merkmale identifizieren, die sich über Dutzende von Einstellungen halten mussten, und diese Merkmale dann mit chirurgischer Präzision in jeden Prompt schreiben.

Die Kriegerin ist das Zentrum der animierten Welt. Knochenweißer Poncho, Kettenhemd, dunkle Zöpfe, runische Vernarbung im Gesicht, blassgrüne Augen. Ihr Schwert: lange, schmale Klinge, asymmetrischer geometrischer Griffschutz, bernsteinfarbenes runisches Leuchten. Immer die rechte Hand, es sei denn, die Einstellung gibt ausdrücklich etwas anderes vor. Diese Genauigkeit war nicht dekorativ – ein Schwert in der falschen Hand bricht die Kontinuität der Bildgeographie und erzwingt eine erneute Generierung.

Der Junge: zerzaustes schwarzes Haar, blasse Haut, zerrissene Tunika, einfache Sandalen. Die entscheidende Charaktereigenschaft war, dass er älter wirken musste, als er tatsächlich war. Und wenn er getragen wird – schlaff. Totes Gewicht. Wenn man die Physik nicht explizit beschreibt, erzeugt das Modell ein Wippen. Eine Steifheit. Ein Kind, das wie ein Paket gehalten wird statt wie ein Körper, der sich ergeben hat.

Die Patientin: honigbraune Dreadlocks, ein Ilizarov-Fixateur externe am linken Bein. Der Fixateur ist die visuelle Brücke zwischen den beiden Welten — ihre reale Verletzung spiegelt sich in der Unfähigkeit des Jungen wider, im Traum zu gehen. Wir haben früh gelernt, das Gerät präzise zu benennen. Generische Begriffe lieferten generische Ergebnisse. „Ilizarov-Fixateur externe“ erzeugte die korrekte medizinische Apparatur — genau das, was der Film brauchte, um echt zu wirken.

Der Vater ist die erwachsene Version des Jungen. Gleiche Knochenstruktur, gleiche Art der Ruhe. Anderer Maßstab. Die Casting-Logik ergab sich aus der Metapher des Films: Das Mädchen träumt von sich selbst als Kriegerin, die ihren jungen Vater trägt. Sie rettet ihn. Er hat jede Nacht an ihrem Bett gesessen und ihr vorgelesen. Dieselbe Person, andere Zeit.

Die Welt: Teil Eins (Die Wüste)

Die Außenwelt erforderte ein vollständiges Umgebungs-Prompt-System, um sie zu stabilisieren. Ohne dieses driftete jede Generierung ab — unterschiedliche Himmelstemperaturen, unterschiedliche Felsformationen, uneinheitlicher Dunst. Mit ihm hielt die Welt zusammen.

Der universelle Umgebungsblock:

Außerirdische Wüstenlandschaft, flacher, rostfarben-terrakottafarbener Sandboden, verstreute dunkelgraue, zinnfarbene Felsformationen, vergrabene antike Metallstrukturen mit runengeometrischen Gravuren, teilweise von Fels und Sand verschluckt, gewaltiger planetarer Bogen am Horizont, sichtbar durch dichten atmosphärischen Dunst. Farbgebung: warmer, entsättigter Terrakotta-Boden, kühles graues Gestein und Metall, ausgeblichener warmgrauer Himmel, dichter sandiger Dunst, der die Ferne auflöst, weiches, richtungsloses diffuses Licht, sehr geringe Sättigung, warm-kalte Aufteilung zwischen Boden und Himmel, feines staubiges Korn.

Eine Sonne, tief stehend und ausgeblichen. Kein blauer Himmel. Kein Sahara-Sand. Die spezifische Wortwahl war entscheidend — „rostfarben-terrakotta“ erzeugt andere Ergebnisse als „rot“. „Warmgrauer Himmel“ erzeugt andere Ergebnisse als „grau“. Das Vokabular war kalibriert, nicht beschreibend.

Jeder Außen-Prompt begann mit diesem Block, gefolgt von der einstellungsspezifischen Handlung. Die Umgebung wurde zu einem Container, nicht zu einer Beschreibung, die jedes Mal von Grund auf neu aufgebaut werden musste.

Die Welt: Teil Zwei (Das Krankenhaus)

Sehr geringe Sättigung. Kühles blau-türkises Umgebungslicht — die Art, wie sie Krankenhäuser tatsächlich nachts haben. Eine einzelne warme Bernstein-Nachttischlampe als einzige warme Lichtquelle. Eine Lampe, nicht zwei. Das im Prompt falsch anzugeben, erzeugt eine völlig andere Farbbeziehung — und man spürt es.

Feines Filmkorn. Eisige Dolly-Bewegungen — physische Kamerabewegung durch den Raum, kein Zoom. Niemals „Push-in“. Der Unterschied zwischen Dolly und optischem Zoom ist real, und die Modelle reagieren unterschiedlich darauf.

Die 14-Einstellungen-Aufwachsequenz wurde als vollständiges Découpage entworfen, bevor auch nur ein einziger Prompt geschrieben wurde: weite Einstellungsaufnahme, Regen am Fenster, der desorientierte Vater am Bett, das EKG im normalen Rhythmus, das Buch auf dem Tisch, ein Plastikbecher mit verschüttetem Wasser auf dem Boden, ein sich bewegender Finger, das beschleunigende EKG, Lippen, die „Papa“ formen, der sich umdrehende Vater. Schnitt.

Jede Einstellung erhielt dann ihren eigenen Prompt. Aber sie wurden als Sequenz geschrieben, nicht als isolierte Bilder — was bedeutete, dass jede Entscheidung über Kamerahöhe, Charakterposition und Lichttemperatur über den gesamten 14-Einstellungen-Bogen hinweg Bestand haben musste.

Das Buch

Der gebundene Manga „Echoes of the Sun“ ist das zentrale Objekt des Films. Präsent im Krankenzimmer auf dem Nachttisch. Das physische Objekt, aus dem der Vater vorliest. Der Buchrücken lesbar in der Traumwelt. Das Requisit, das beide Welten gleichzeitig wahr macht.

Die Autorenangabe auf dem Cover: Ann Blacksmith. Ann für Anh, meine Co-Regisseurin. Blacksmith für Faure — was auf Französisch forgeron bedeutet. Eine kleine private Chiffre in einem fiktiven Buch in einem echten Film.

Es richtig hinzubekommen, brauchte mehrere Anläufe. Die Titelgestaltung durchlief Iterationen in Nano Banana — Blattgold wirkte zu dekorativ, spot-lackiertes Schwarz kam näher heran, aber keines von beiden traf genau das, was ich mir vorgestellt hatte. Letztlich habe ich das Titeldesign in Affinity Designer fertiggestellt und dabei KI-generierte Elemente mit klassischen Werkzeugen kombiniert. Das erwies sich als der richtige Ansatz für alles, wofür man ein präzises Bild im Kopf hat: KI bringt einen 80 % des Weges, dann schließt ein traditionelles Werkzeug die Lücke. Zu versuchen, die letzten 20 % allein durch Prompting zu erzwingen, ist der Punkt, an dem man Stunden verliert.

Der Voiceover

Die Stimme gehört dem Vater. Ein Mann von etwa 40 Jahren, der aus einem Buch vorliest. Kein Vortrag, kein episches Erzählen — Lesen. So, wie man jemandem vorliest, der einen vielleicht nicht mehr hören kann, und es trotzdem hofft.

Diese Vorgabe prägte jede Zeile des Textes. Nichts durfte geschrieben wirken. Alles musste gesprochen klingen, lebendig, leicht unvollkommen, so wie echte Sprache unvollkommen ist.

Für den Moment, in dem der Titan sich verneigt — den Höhepunkt der animierten Sequenz — brauchten wir etwas jenseits des Englischen. Eine einzelne Phrase in einer erfundenen, alten Sprache. Die Phrase, für die wir uns entschieden: „Sol'varath... anaï kaïm.“ Kurz genug, um eher gemeißelt als komponiert zu wirken. Klanglich fremdartig, aber irgendwie als Befehl lesbar. Ein Klang, den man in Stein eingravieren würde.

Der Voiceover erstreckt sich über etwa 2 Minuten 30 Sekunden — den gesamten ersten Teil. Fast keine Stille. Die Stimme hält die animierte Welt zusammen, so wie Musik einen Film zusammenhält: immer präsent, knapp unter der Oberfläche, und sie hält einen im richtigen Register.

Was wir gelernt haben

Ein paar Dinge, die unsere Arbeitsweise dauerhaft verändert haben.

Beschreibe nur, was noch nicht sichtbar ist. Wenn die Character Reference das Schwert zeigt, beschreibe das Schwert nicht erneut, außer etwas daran ist in dieser Einstellung anders. Redundante Beschreibung verstärkt nicht — sie erzeugt Rauschen.

Bewegung muss explizit sein. Nichts animiert sich, ohne dass die Animation beschrieben wird. Pinselstriche, Wasser, Stoff, Partikel — schreibe die Bewegung, sonst erstarrt sie.

Physik erfordert eine explizite Beschreibung. Ein getragener Körper hat Gewicht. Widerstand. Ein Schlaffsein, keine Haltung. Wenn du die Physik nicht beschreibst, bekommst du eine andere Physik — meist eine falsche.

Stilreferenzbilder tragen mehr Information als Text. Ein Master-Bild früh festzulegen und als Stilanker zu verwenden, ist zuverlässiger als reines Text-Prompting, um visuelle Konsistenz über eine lange Produktion hinweg zu wahren.

Der Instinkt zum Schneiden ist das Wertvollste, was du einbringst. Die KI weiß nicht, wann ein Bild auseinanderfällt. Sie spürt nicht, wann das Gesicht des Kriegers von glaubwürdig in falsch kippt, wann der Maßstab des Titanen den Bildrahmen sprengt, wann sich das Krankenhauslicht von dem entfernt hat, was der Film braucht. Dieser Instinkt — zu wissen, wo das Falsche beginnt — ist nach wie vor vollkommen menschlich. Es ist der Teil des Prozesses, den kein Werkzeug ersetzt.

Der aktuelle Stand

Der Film ist fertig.

Zwei Teile. Einer animiert, einer fotorealistisch. Der Traum einer Tochter und ihr Erwachen. Hybrid aus Manga und klinischem Krankenhaus. Eine Kriegerin, die einen Jungen durch eine verschüttete Welt trägt, und ein Vater, der einem Mädchen vorliest, das noch nicht antworten kann.

Der Schnitt, die Farbkorrektur und die SFX-Integration kamen zuletzt — und ehrlich gesagt, hier passiert eigentlich alles. Generierung erzeugt Material. Der Schnitt macht einen Film. Hier wird die emotionale Logik aufgebaut oder zerstört, hier tötet ein Schnitt am falschen Frame eine Szene, und ein Schnitt am richtigen lässt einen etwas fühlen, das man nicht vorhersehen konnte. Die SFX-Ebene — die Tintenspritzer, die Partikelsysteme, der EKG-Puls — existiert nicht in der Generierung. Sie wird in der Postproduktion platziert, Frame für Frame, genauso wie bei jeder anderen Produktion. Die KI weiß nichts über Rhythmus. Sie weiß nicht, was der Zuschauer in einen Schnitt hineinträgt. Dieses Wissen ist das Ergebnis von 25 Jahren Arbeit, und es gehört dem Schnitt, nicht dem Prompt.

Credits

Echoes of the Sun

• Regie: Arno Faure & Nguyen-Anh Nguyen
• Basierend auf einer Idee von: Nguyen-Anh Nguyen
• Drehbuchadaption: Arno Faure
• Kreativdirektion / KI-Generierung · Schnitt · Sounddesign: Arno Faure
• Musik: Quinten Coblentz · Rotem Moav · Eleven Tales
• KI-Plattformen: Flick (Nano Banana 2, Nano Banana Pro, Kling 3.0, Seedance 2.0) Stimme: ElevenLabs
• Die Regisseure möchten sich bedanken bei: Zoey Zhang, Ray Wang, Katherine Zhao, Hannah Lim und allen Teilnehmern des Spring 26 Programms.