Von der Idee zum Film

Zwei Filme und viele Menschen dahinter

Higgsfield ist ein US-Unternehmen mit einer Plattform für KI-Bilder und KI-Videos. Um zu zeigen, was sich damit machen lässt, hat die Firma zwei eigene Spielfilme produziert. Hell Grind ist ein Action-Fantasyfilm mit Dämonen und wird als 95 Minuten langer Film beworben. The Cully Hill Boys ist eine Krimikomödie über drei erfolglose Rapper aus Ost-London, die beim Dreh eines Musikvideos ein Boot voller Beute stehlen und zwischen rivalisierende Banden geraten. Der Film läuft laut Higgsfield 110 Minuten.

Die Zahlen dazu helfen, sich die Arbeit vorzustellen. Hell Grind entstand nach Angaben von Higgsfield in zwei Wochen mit einem kleinen Team und rund 500.000 US-Dollar, davon etwa 80 Prozent für Rechenleistung, also für die Berechnung der Bilder und Videos. Bei The Cully Hill Boys nennt Higgsfield 28 Beteiligte, vier Wochen und rund 2 Millionen Dollar, von denen etwa die Hälfte in Rechenleistung ging. Allein die Rechenleistung macht damit einen großen Teil der Kosten aus.

Bei The Cully Hill Boys treten bekannte Internetgesichter auf, zum Beispiel der Streamer N3on und der Kämpfer Israel Adesanya. Für den Film standen sie allerdings nicht vor der Kamera. Sie haben Lizenzverträge unterschrieben und Fotos und Aufnahmen als Vorlage geliefert. Ihre Gesichter und Stimmen im Film hat die KI erzeugt.

Noch weiter geht ein anderer Film, der nicht von Higgsfield stammt. In As Deep as the Grave ist der 2025 verstorbene Val Kilmer als Pater Fintan zu sehen, obwohl er nie eine Szene dafür gedreht hat. Er war schon 2020 besetzt, konnte aber aus gesundheitlichen Gründen nicht ans Set, und Regisseur Coerte Voorhees erzeugt Aussehen und Stimme nun per KI aus vorhandenen Bildern und Aufnahmen, mit Zustimmung von Nachlass und Kindern. Welches Werkzeug dafür genutzt wird, nennen die Berichte nicht.

Solche Filme sind auch Werbung für die eigene Plattform und zeigen, was die Macher zeigen wollen. Hell Grind kam beim Publikum laut Notebookcheck überwiegend schlecht an. Gelobt wurde, wie gleich Figuren und Orte aussehen. Kritisiert wurden ein künstlicher Look, ein holpriger Schnitt und eine schwache Geschichte.

Ein Clip ist erst ein Baustein

Das Videomodell hinter den Filmen heißt Seedance und stammt von ByteDance, dem Unternehmen hinter TikTok. Man gibt ihm eine Beschreibung und Bilder, und es berechnet daraus kurze Videos mit Ton. Hell Grind entstand mit Seedance 2.0, wie TechNode berichtet, und laut dem Wikipedia-Eintrag aus Clips von je 15 Sekunden. Seedance 2.5 schafft laut ByteDance bis zu 30 Sekunden am Stück. Für The Cully Hill Boys nutzte das Team laut Medienberichten Seedance 2.5. Eine Bestätigung von Higgsfield selbst konnte ich dazu nicht finden.

Dazu eine einfache Rechnung. 110 Minuten sind 6.600 Sekunden. Selbst wenn jeder Clip die vollen 30 Sekunden lang wäre, bräuchte es mindestens 220 einzeln berechnete Clips, die alle zueinander passen müssen. Bei Hell Grind mit Clips von 15 Sekunden wären es für 95 Minuten mindestens 380.

Diese Rechnung ist sehr optimistisch. Nicht jeder Clip wird in voller Länge verwendet, im Schnitt fallen Anfang und Ende oft weg. Viele Szenen brauchen außerdem mehrere Versuche, bis eine passt. Die tatsächliche Zahl der berechneten Clips liegt deshalb deutlich höher.

Und jedes Stück wird einzeln berechnet. Damit Gesicht, Kleidung und Ort überall gleich aussehen, muss man dem Modell das jedes Mal wieder mitgeben.

Jede Figur braucht feste Vorlagen

Dafür dienen Referenzbilder, also Vorlagen, an denen sich das Modell orientieren soll. Bei The Cully Hill Boys gibt es laut Higgsfield für jede Figur drei Bilder: den ganzen Körper von vorn, von hinten und ein Porträt in Nahaufnahme. Higgsfield nennt außerdem rund 1.000 Assets, also Bausteine wie Figurenbilder, Orte und Requisiten, und etwa 100 am Computer erzeugte Drehorte. Bei einem echten Dreh würde man Kostüme schneidern und Räume suchen. Hier muss jedes Kostüm und jeder Raum erst als Bild entstehen, bevor die erste Szene berechnet wird.

Wie wichtig feste Vorgaben sind, zeigt Higgsfields Anleitung für Seedance 2.5. Sie legt in ihren Beispielen sogar fest, wer links und wer rechts im Bild steht, damit zwei Personen nicht plötzlich die Plätze tauschen.

Der Prompt umfasst mehrere Seiten

Die Anweisung an das Modell heißt Prompt. Bei Hell Grind waren die Prompts nach Angaben von Higgsfield im Schnitt rund 3.000 Wörter lang. Das sind mehrere Seiten Text für ein paar Sekunden Film. Für beide Filme hat Higgsfield laut Berichten die Prompts veröffentlicht, sie lassen sich dort nachlesen.

Was darin steht, zeigt Higgsfields Anleitung. Der Prompt ist in Abschnitte gegliedert: Stil, Szene, Figuren, Ort und das erste Bild mit den Positionen aller Figuren. Dann folgen die Einstellungen nacheinander, teils mit Zeitangaben im Sekundenbruchteil. Zum Schluss kommen Objektiv, Kamera, Physik, Licht und Ton. Fehlt ein Abschnitt, entsteht laut Anleitung ein vorhersehbarer Fehler. Ein ungenau beschriebener Ort ist demnach der häufigste Grund, warum Szenen zwischen den Schnitten auseinanderdriften.

Bei Hell Grind enthielten die Prompts laut Dr. Web genaue Vorgaben zu Kamera, Licht, Physik und Stil, zum Beispiel Gegenlicht, damit Szenen nicht zu hell geraten.

Prüfen, neu berechnen, nachbessern

Das Ergebnis eines Durchlaufs ist nie sicher. Derselbe Prompt liefert bei jedem Start ein etwas anderes Video. Die Autoren von Higgsfields Anleitung haben jede Vorlage nach eigener Aussage mehrfach getestet, weil ein Prompt sonst vielleicht nur einmal gut aussieht.

Passt eine Einstellung nicht, bleiben drei Wege. Man ändert die Anweisung, rechnet neu oder denkt die Szene einfacher. Für kleine Fehler gibt es laut Anleitung eine Funktion, mit der sich ein einzelnes Detail korrigieren lässt, ohne den ganzen Clip neu zu berechnen.

ByteDance nennt selbst Schwächen von Seedance 2.5. Bei komplexen Bewegungen und bei Szenen, in denen mehrere Figuren miteinander agieren, gibt es noch Luft nach oben.

Schnitt, Ton und die Geschichte dahinter

Gelungene Einzelclips ergeben noch keinen guten Film. Die ausgewählten Szenen werden als Folge geprüft, auf Ablauf, Rhythmus und Anschluss. Adil Alimzhanov, Content-Lead bei Higgsfield, betont laut Dr. Web (unter Berufung auf das Wall Street Journal), dass die Abfolge der Einstellungen wichtig bleibt. Als Beispiel nennt er zwei Nahaufnahmen direkt hintereinander. Zeigen beide dieselbe Person in ähnlicher Größe, wirkt der Schnitt wie ein Ruckeln im Bild.

Auch der Ton muss zu den Bildern passen. Seedance erzeugt Stimmen und Geräusche laut ByteDance zusammen mit dem Bild. Bei The Cully Hill Boys wurden Gesangsspuren laut Higgsfield in Blöcken von 12 Sekunden eingefügt. Am Ende muss alles zusammenklingen. Mehr dazu steht im Beitrag über Stimme, Musik und Sounddesign.

Hinter den Cully Hill Boys steht außerdem ein Drehbuch, das ein Mensch geschrieben hat. Das Team bestand laut Higgsfield aus 28 Personen, darunter neun Regisseure. Rund 40 Prozent des gesamten Teams hatten vorher noch nie mit KI-Video gearbeitet.

Laut Semafor gilt das Drehbuch der Cully Hill Boys als größte Stärke des Films. Manche Bilder wirken dagegen zu glatt, und einzelne Szenen zeigen Schwächen, etwa eine unpassend gleichgültige Reaktion nach einer Prügelei.

Quellen

12 Links

Alle Angaben erfolgen nach bestem Wissen und ohne Gewähr. Für Richtigkeit, Vollständigkeit und Aktualität übernehme ich, soweit gesetzlich zulässig, keine Haftung.

Stand der Recherche: 20.10.2026. Budget, Team und Dauer sind Angaben von Higgsfield bzw. Berichte darüber und nicht unabhängig geprüft. Was ich nicht bestätigen konnte, ist im Text so benannt. Eigene Tests habe ich nicht gemacht.

Du planst einen Film für deine Marke?

Schick mir Produkt, Einsatz und Zeitraum. Ich entwickle das Konzept und produziere deinen Werbefilm, Imagefilm oder deine Social Ads bis zum fertigen Schnitt.

Filmprojekt anfragen