EN

Werkstatt Serie Fertig

Kroll. Wir machen das.

Was passiert, wenn ein Mittelständler beschließt: Ab heute sind wir KI?

1:34 Deutsch Vollständig KI-generiert, auch die Stimmen.

Aus der Werkstatt

Filme: der Imagefilm und drei Folgen
4
Videomodelle für deutsche Dialoge ausprobiert
3
der Bild- und Video-Credits verworfen, meist auf der Suche nach gutem Deutsch
48 %
meine Zeit: 6:08 h gemessen am Zug, plus 50 % Sehzeit
9:12 h
tatsächliche KI-Kosten für alle vier Filme
≈ 134 €
dieselben Claude-Tokens zum API-Listenpreis
≈ 111 €

Was es gekostet hat

Bild und Video (Higgsfield) 3.125 Credits, davon 48 % verworfen: Modellproben und eine komplette Veo-Fassung von Folge 2 ≈ 132 €
Ton und Stimme (ElevenLabs) Atmo für alle Folgen, Off-Text vom Stimmklon < 1 €
Claude Code als Regieassistenz Anteil am Max-Abo; 366 Mio. Tokens ≈ 2 €
Musik „Rising Together“ (Suno) eigenes Suno-Abo, kein Einzelpreis im Abo
Summe≈ 134 €

Aufwand im Verlauf

EinheitBild und Videodavon verworfenClaude zum API-PreisMeine Zeit (+50 %)Maschine
Grundlagen: Drehbuch, Figuren, Sets, 3D-Blocking≈ 7 €< 1 €≈ 31 €1:39 h1:22 h
Folge 1 „Wir haben jetzt KI“≈ 52 €≈ 29 €≈ 43 €5:42 h2:30 h
Folge 2 „Liebe [Name einfügen]“≈ 46 €≈ 32 €≈ 9 €0:27 h0:30 h
Folge 3 „Laut einer aktuellen Studie“≈ 16 €< 1 €≈ 12 €0:05 h0:20 h
Imagefilm „Wir machen das.“≈ 11 €≈ 1 €≈ 17 €1:20 h0:38 h
Summe≈ 132 €≈ 63 €≈ 111 €9:12 h5:21 h

Claude-Werte zum API-Listenpreis zum Vergleich; tatsächlich lief alles im Max-Abo, anteilig rund 2 €. Meine Zeit: gemessene Zeit am Zug plus 50 % Sehzeit. Folge 3 entstand parallel zu anderer Arbeit, daher die kurze Zeit am Zug. Jede Folge baut auf dem Gelernten der vorigen auf.

Die Idee

Kroll Facility Services, Verwaltung im dritten Stock. Geschäftsführer Lüttgenau steht vor dem Flipchart und verkündet: „Ab heute sind wir KI.“ Was das heißt, weiß niemand. Er auch nicht.

Mockumentary nach dem Vorbild von „Stromberg“: Handkamera, Interviews vor der Ordnerwand, Zoom kurz vor der Pointe. Sechs Figuren, drei Folgen und ein Imagefilm, den der Chef am Ende selbst gemacht hat.

Die drei Folgen

Folge 1 „Wir haben jetzt KI“ (1:01). Lüttgenau führt KI ein. Die Erklärung hat er laminiert.
Folge 2 „Liebe [Name einfügen]“ (1:10). Eine Jubiläumsrede aus dem Textgenerator, ungeprüft vorgelesen.
Folge 3 „Laut einer aktuellen Studie“ (1:06). Eine Marktübersicht in neun Minuten, mit einem Institut, das es nicht gibt.

Deutsch ist schwerer

Ehrlich gesagt: Auf Deutsch sind die Ergebnisse nicht so schön wie im Englischen. Manches ist auf Laiendarsteller-Niveau. Für den Stand ist es okay.

Der Grund liegt in den Modellen. Kling, das bei THE AGENCY und ANCIENT MARKETING trägt, klang auf Deutsch so schlecht, dass ich es nach dem ersten Probe-Clip gestrichen habe. Gemini Omni spricht jede Zeile wortgenau, aber die Stimmen wirken künstlich, manche Momente unheimlich. Veo hat das bessere Timing, erfindet dafür aber Wörter, setzt Schnitte, wo keine sein sollen, und brennt ungefragt Untertitel ein. Die Veo-Fassung von Folge 2 habe ich komplett verworfen.

Fast die Hälfte aller Bild- und Video-Credits ging in diese Suche. Am Ende stehen Mischungen: In Folge 1 spricht Lüttgenau mit Veo, Petra und Ulf mit Gemini.

Der Imagefilm

Drohnenflug im Morgenlicht, Händeschütteln, ein Sprecher mit zu viel Pathos. Solche Imagefilme haben Mittelständler 2015 bei einer Regionalagentur bestellt. Diesmal hat ihn Herr Lüttgenau selbst gemacht. Im Film sagt er es selbst: „Hat drei Minuten gedauert.“ Pause. „Vier, mit Musik.“

Der Film gibt sich ernst und glatt. Die Brüche kommen aus genau den Fehlern, die entstehen, wenn niemand prüft. Der Handschuh, der die Scheibe putzt, hat einen Finger zu viel. Das Team, das um den Konferenztisch lacht, arbeitet nicht bei Kroll. Die Infografik verkündet 98,7 Prozent Kundenzufriedenheit, darunter steht klein: „Interne Erhebung 2019, Rücklaufquote 11 %“. Alles daran ist Absicht.

Hochglanz läuft überbelichtet und gesättigt, die Wirklichkeit im Kino-Look mit Handkamera. Die Musik „Rising Together“ habe ich mit Suno komponiert, der Schnitt liegt auf ihren Takten.

Die Stimme bin ich

Der Sprecher aus dem Off klingt nach Imagefilm: warm, getragen, vollkommen ernst. Es ist meine eigene Stimme. Seit zwanzig Jahren spreche ich unter ichbinsprecher.de für Marken, und diese Brandvoice gibt es inzwischen als Klon. Für Kroll habe ich keinen Satz selbst eingesprochen. Der Klon hat jeden der acht Sätze zweimal gesprochen, die Regieassistenz hat die Takes vorsortiert. Einer davon sagte „Krall“ statt „Kroll“ und flog raus.

So steckt in diesem Film ein zweiter Fall: eine Stimme, die spricht, ohne dass ihr Besitzer im Raum ist. Sie gehört mir. Ob sie das Richtige sagt, muss trotzdem jemand hören.

Was ich mitnehme

Herr Lüttgenau hat recht: Der Imagefilm hat fast nichts gekostet, rund elf Euro. Die ganze Reihe kam auf rund 134 Euro. Teuer war nicht das Herstellen. Teuer war die Suche nach einer Maschine, die gut Deutsch spricht.

Und jede Folge hat einen Menschen gebraucht, der hinschaut. Das Hinschauen bleibt teuer, und es lässt sich nicht weglassen.

Was das für eine Organisation heißt

Strategie. Herr Lüttgenau verkündet: „Ab heute sind wir KI.“ Danach wird eine Jubiläumsrede ungeprüft vorgelesen, eine Marktübersicht zitiert ein Institut, das es nicht gibt, und im Imagefilm hat ein Handschuh einen Finger zu viel. Die Reihe erzählt, was passiert, wenn eine Firma Werkzeuge einführt und den Ablauf vergisst. Und sie zeigt einen Standortnachteil: Auf Deutsch sind die Modelle schwächer als auf Englisch.

Rolle. Modellwahl ist Beschaffung. 48 Prozent der Bild- und Video-Credits gingen in die Suche nach gutem Deutsch. Jemand muss entscheiden, nach welchem Maßstab, und regelmäßig neu prüfen. Die Modelle ändern sich schneller als jeder Rahmenvertrag.

Ablauf. Jede Zeile wird gegen das Skript geprüft, bevor ein Mensch sie abnimmt. Bei der eigenen Stimme kommt eine Frage dazu: Wer darf den Klon benutzen, und wofür?

Beim Menschen. Das Hinschauen. Die Reihe kostete rund 134 Euro, der Imagefilm rund elf. Billig ist das nur, solange jemand prüft. Bei Kroll tut es niemand.

Arbeitsteilung

Wer hat was gemacht?

Mensch

  • Idee, Figuren und Freigabe der Drehbücher
  • Die Modellwahl: Kling verworfen, Veo für Folge 2 verworfen, Gemini Omni behalten
  • Schnittregeln: Timing, Zoom vor der Pointe, keine Lacher
  • Die Stimme des Imagefilms: meine eigene, als Klon
  • Die Musik „Rising Together“, komponiert mit Suno
  • Abnahme jeder Fassung

Maschine

  • Drehbuchentwürfe und Shotlisten (Claude als Regieassistenz)
  • Räume als 3D-Blocking, Figuren- und Set-Bilder, Keyframes
  • Clips mit deutschem Dialog und Lippensynchronität
  • Off-Text vom Stimmklon, Atmo je Raum
  • Prüfung jeder Zeile per Spracherkennung, Schnitt und Mischung per Skript

Werkzeuge

  • Claude Code (Opus)
  • Higgsfield
  • GPT Image 2.5
  • Gemini Omni
  • Veo 3.1
  • Kling 3.0 pro
  • Blender
  • ElevenLabs
  • Suno
  • Whisper
  • ffmpeg

Hinweise

Vollständig KI-generiert, auch die Stimmen.
Kroll Facility Services und alle Personen sind erfunden. Off-Stimme im Imagefilm: Brandvoice von ichbinsprecher.de als Klon. Idee, Regie und Abnahme: Stefan Margenfeld. Higgsfield zum Listenpreis (1.000 Credits = 49 US-Dollar). Claude Code als Anteil am Max-Abo (200 US-Dollar im Monat), geeicht am gemessenen Wochenkontingent; Vergleichswert zum API-Listenpreis von Claude Opus 5.5. Kurs 0,86 € je US-Dollar. Meine Zeit: gemessene Zeit am Zug plus 50 % Sehzeit.

Wie ich messe →

Weiterdenken · Aus dem Journal