Wie ich einen fotorealistischen Wikinger-Film mit KI gemacht habe (Vollständiger Workflow)
Aug 2026
I made a photorealistic Viking short film called Ulysses entirely with AI. No camera, no crew, no actors, no set. Just over four hundred shots, built in about eight days, that look like real footage. This is the full workflow, start to finish, exactly the way it happened on the canvas. Watch the finished film on Flick TV first if you want; everything below is how it got made.
Es ist ein Kurzfilm über zwei scheinbar gewöhnliche Spiel-NPCs, die in einem leeren Warteraum warten, nur damit wir nach und nach erkennen, dass sie möglicherweise lebendiger sind als der Spieler, der sie steuert. Anstatt NPCs als inaktiven Hintergrund-Code zu sehen, stellen wir uns vor, dass sie weiter existieren, auch wenn sie nicht gesehen werden, mit ihrem eigenen Bewusstsein, ihrer Unsicherheit und ihrer Präsenz. Die Geschichte beginnt als absurdes Wartespiel, wird aber langsam zu einer Reflexion darüber, was es bedeutet, sichtbar zu sein, zu performen und ein Innenleben zu haben.
1. Erst die Geschichte, dann die Einstellungen
Ulysses ist eine Geschichte aus der Wikingerzeit: ein Wirt einer Methalle, ein junger Wächter, ein gepanzerter Krieger und ein Drache. Bevor ich irgendetwas generiert habe, habe ich die Geschichte in einzelne Einstellungen zerlegt, so wie man jeden Film mit einem Storyboard plant. Jede Einstellung bekam einen groben Plan dafür, wer darin vorkommt, wo die Kamera steht und was passiert.
Make your own AI film
Start with one image and build a whole film, shot by shot.
2. Die Charaktere als Referenzblätter besetzen
Dies ist der wichtigste Schritt. Für jeden Charakter habe ich ein klares Drei-Ansichten-Referenzblatt generiert – von vorne, im Profil und in Dreiviertelansicht – vor einem schlichten grauen Hintergrund, wie ein Casting-Foto.
Das Blatt wird zum „Schauspieler" des Charakters. Jede spätere Aufnahme dieser Person baut darauf auf, sodass das Gesicht niemals abdriftet. Das Referenzblatt meiner Hauptfigur wurde als Basis in neunundsiebzig verschiedenen Einstellungen wiederverwendet. Kostüme und Rüstungen erhalten die gleiche Behandlung: Ich habe die Rüstung von Hand skizziert und die Skizze dann in eine vollständig fotorealistische Rundumansicht umgewandelt.
3. Jede Einstellung von Hand skizzieren
Dieser Schritt überrascht die meisten Menschen. Bevor ich ein Bild generiert habe, habe ich eine grobe Skizze der Komposition gezeichnet, nur Formen: wo der Charakter steht, wo der Horizont liegt, wohin die Kamera schaut. Bei diesem Film habe ich das für Hunderte von Einstellungen gemacht.
Die Skizze ist Blocking und Kamera in einem. Sie ist schnell, sie ist austauschbar, und sie gibt dem Modell etwas Exaktes zum Folgen, anstatt eine Komposition aus Worten zu erraten.
4. Die Skizze in ein fotorealistisches Bild verwandeln
Dann habe ich in Nano Banana drei Dinge kombiniert: die Kompositionsskizze, das Referenzblatt des Charakters und eine kurze Anweisung, und habe um ein fotorealistisches Live-Action-Bild gebeten. Der Prompt verbietet dem Modell das Abschweifen:
Use the provided sketch as the only composition reference, use the provided guard
reference as the guard character reference. Convert the scene into a photorealistic
live-action cinematic image. Composition 100% exactly matches the provided sketch.
Camera position 100% unchanged.Eine grobe Skizze plus ein fixierter Charakter ergeben auf der anderen Seite eine Einstellung, die wie gefilmt aussieht.
5. Verfeinern durch Bearbeiten, nicht durch erneutes Würfeln
Fast nichts in diesem Film entstand aus einem leeren Text-Prompt. Von meinen Bildgenerierungen waren 371 Bearbeitungen eines bestehenden Bildes und nur 21 waren Text-zu-Bild. Wenn ein Bild leicht daneben war – ein zu schwerer Kiefer, ein seltsamer Schatten, ein falsches Detail – bearbeitete ich dieses Bild, anstatt von vorne zu beginnen. Konsistenz entsteht durch Bearbeitung auf einer festgelegten Basis, nicht durch perfekte Formulierung.
6. Animieren und sie sprechen lassen
Mit den festgelegten Standbildern animierte ich ausgewählte Bilder mit Kling zu Videos. Manche Aufnahmen zeigen einfache Bewegung; andere sind Dialoge, bei denen die Figur direkt in die Kamera spricht. Diese Prompts sind spezifisch bezüglich der Performance:
Handheld camera, extreme close-up of his face. His eyes stay locked on the camera,
no drift. He says, "Still, here." Then a brief pause, still staring, with visible
strain, as if forcing the words out.Das Standbild hält die Identität fest; das Video fügt den Atem und die Stimme hinzu.
7. The canvas it all happened on
Every step above lives in one workspace. Here is the actual project, zoomed out: sketch rows on the left feeding photoreal rows on the right, character sheets along the bottom, and the iteration ladders in between. 424 images and 38 video shots, all traceable to their references.
Zoom in anywhere and you see the same pattern repeat: one composition, several takes, one survivor. This is what the two leads look like mid-iteration, the guard in his mail and the keeper in his tunic, same faces in every take because every take points at the same sheets.
8. The numbers behind it
Um ein Gefühl für den Umfang zu bekommen, hier ist, was das fertige Projekt enthielt:
| Vom Ulysses Canvas | Wert |
|---|---|
| Generierte Bilder / Fehlschläge | 424 / 20 |
| Referenzbild-Verknüpfungen | 653 (92% aller Verbindungen) |
| Bildbearbeitungen vs. Text-zu-Bild | 371 vs. 21 (95% img2img) |
| Ein Referenzblatt wiederverwendet | 79 Aufnahmen |
| Entwicklungszeit | ca. 8 Tage, eine Person |
9. What I would tell you before you start
- Erstelle zuerst deine Referenzblätter. Sie sind das A und O. Eine Figur ohne Referenzblatt wird abdriften.
- Skizziere deine Aufnahmen. Eine schlechte Zeichnung mit der richtigen Komposition schlägt einen schönen Absatz.
- Bearbeite, würfle nicht neu. Fixiere ein Basisbild und ändere so wenig wie möglich.
- Rechne mit Fehlschlägen. Zwanzig Aufnahmen scheiterten komplett und viele weitere brauchten Korrekturen. Das ist normal; der Workflow ist darauf ausgelegt, das aufzufangen.
Mach deinen eigenen
Start with one image and build a film shot by shot. The step that matters most is the reference sheet, and our guide to consistent AI characters is the deep dive on exactly that.
Häufig gestellte Fragen
How long does it take to make an AI film like this?
Ulysses ran 432 generation jobs over about 8 days, one person, no crew. Most of that time is choosing between takes, not waiting on renders.
Which AI models did the film actually use?
Nano Banana for stills and edits (371 of 392 image generations were edits of an existing frame), and Kling for motion: the finished canvas carries 37 Kling video shots, including the spoken dialogue takes.
How do the characters stay consistent for 400 shots?
Reference sheets, wired into everything: the project holds 653 reference-image links, 92 percent of all its connections, and the lead's sheet alone sits under 79 shots. No shot is generated from words alone.
Can the characters actually talk?
Yes. Dialogue shots are animated from a locked still with a performance prompt that specifies the line, the pause, and what the eyes do. The still holds the identity; the video pass adds breath and voice.