Kontext
Dieses Projekt wurde im Rahmen des KIMUVA-Programms entwickelt. Ziel: einen wiederholbaren, filmischen KI-Video-Workflow aufzubauen, der ein kreatives Konzept bis zum fertigen 30-sekündigen Werbespot führt — mit Bildmaterial, Voice-Over und Soundeffekten.
Verwendete Tools: Google Veo 3.1 Fast · Adobe Firefly · Gemini Nano Banana · Suno · ElevenLabs · Adobe Premiere Pro
Erfolgskennzahlen:
- Übereinstimmungsrate mit dem Referenzwert pro Frame
- Auftreten von Artefakten pro Einstellung
- VO-Geschwindigkeit (Wörter pro Sekunde) und wahrgenommene Ruhe
Charaktersystem — Kellnerin
Eine konsistente Figur („Mila") verankert den gesamten Spot. Kontinuität wird durch festgelegte Identitätsmerkmale erreicht — nicht durch Wiederverwendung derselben Quellbilder.
- Identitätsmerkmale: Haarfarbe/-länge, Hautunterton, Altersgruppe, Körperhaltung, Mikroausdrücke
- Grundausstattung: Café-Schürze + neutrale Bluse + dezentes Accessoire (szenenübergreifend wiederholbar)
- Kontinuitätsmerkmale: Namensschild, Tassenstil, charakteristische Geste — halbes Lächeln, Blick nach links zur Kamera
- Variabilität ist Trumpf: Licht und Farbpalette können sich ändern; Anatomie, Silhouette und Requisiten bleiben konstant
- Prompt-Hygiene: prägnante Beschreibungen; keine Widersprüche; maximal 1–2 zentrale Requisiten
"Mila, late-20s café server; fair skin with light freckles across nose; hazel eyes; chestnut-brown hair in a low ponytail with a few baby hairs; subtle natural makeup; oval face; small silver stud earrings and thin chain necklace; brown leather watch on right wrist; crisp white oxford shirt, sleeves rolled; navy cotton apron tied in a center knot; calm, kind, attentive; signature details: tiny beauty mark under left cheekbone; slightly frayed apron strap; gentle, reassuring smile."
Kinematografie-Prompt — Eröffnungseinstellung
Die Eröffnungseinstellung wird aus einem einzigen, vollständig spezifizierten Prompt generiert. Zwei generierte Ausgaben desselben Prompts:
Prompt (Auszug): Wide Shot durch die geschlossene Café-Glastür von der Straße. Frontalansicht, Augenhöhe. 50-mm-Objektiv, f/2, 1/100, ISO 200, Pro-Mist 1/8, CPL. Innenraum 2700K warmes Bernstein vs. Außenbereich 5600K kühles Blau/Grau. Negativ: türkisfarbene Tür, helles Tageslicht, übergroßes Schild vor dem Gesicht, Bewegungsunschärfe, Hände auf der Theke außen.
Anatomie eines Prompts
Jede Einstellung folgt derselben sechsteiligen Vorlage:
| Element | Inhalt |
|---|---|
| Bildgestaltung | Bildausschnitt, Kameraperspektive, Kompositionsregel |
| Kamera | Brennweite (50–65 mm), geringe Schärfentiefe, max. 1 Bewegung |
| Handlung | 1 klare Handlung des Subjekts (Tasse abstellen, sanfter Blick) |
| Beleuchtung | Haupt-/Aufhell-/Gegenlicht + praktische Lichtquellen; Weichheit, Richtung, Kontrast |
| Palette & Textur | 3–5 Farbakzente; nasser Asphalt, Porzellan, mattes Baumwollgewebe |
| Einschränkungen | Keine Logos/Text; negative Prompts für unerwünschte Geometrie |
Charaktere der Epochen — 80er bis heute
Der Spot erstreckt sich über drei Zeitperioden, jede erfordert ein eigenes Charakterset mit festgelegten Kontinuitätsparametern.
80er-Charaktere: Rollschuhfahrerin (Quad-Rollschuhe, High-Waist-Shorts, Pastellwindjacke) · Boombox-Typ (buntes Trainingsjäckchen, Kassettenrekorder) · Skater (gebleichtes Print-T-Shirt, Flanell um die Taille) · Büropaar (Schulterpolster-Blazer, Trenchcoat)
90er–Heute: Paar unter Regenschirm (Oversize-Jeansjacke, kariertes Hemd) · Läufer mit AirPods (türkises Funktionsshirt, Fitnessband) · E-Scooter-Fahrer (gesteppte Weste, Helm) · Fußgänger mit Smartphone (Olivgrüne Parka, leuchtender Bildschirm im Regen)
Jeder Epochen-Charakter hat festgelegte Kontinuität: Kleidungspalette, Requisiten, Bewegungsrhythmus und Frisur bleiben über alle Einstellungen hinweg konstant.
Farbe und Beleuchtung
Der Spot wechselt vom warmen Café-Innenraum zur regnerischen Straße — eine bewusste Farbtemperatur-Transition:
- Innenraum: 3000K warmes Bernstein — Hängelampen-Bokeh, glasierte Fliesen, Dampfschleier
- Außenbereich: ≈5600K kühles Blau/Grau — spiegelndes Pflaster, diffuses Himmelslicht, gedämpfte Sättigung
- Korrekturhinweise: Hauttöne schützen; sanfte Lichthöfe; Schwarztöne sparsam aufhellen; engerer Laternenkegel im Freien
Leitfaden zur Artefaktminimierung
- Überladene Prompts → aufteilen in „1 Subjekt + 1 Aktion"
- Mehrdeutige Requisitenlisten → detaillierte Inventarliste für Vorder-/Mittel-/Hintergrund
- Phantomgliedmaßen / Metallstangen → zum negativen Prompt hinzufügen
- Instabile Komposition → mit Referenzbild sperren; Kantenscans und Tangentenprüfungen durchführen
Für die Kaffeemühlen-Rotation wurden Keyframe-Checkpoints bei t=15%, 35%, 55%, 75%, 92% mit einem abschließenden elastischen Einschwingen <5° festgelegt — keine Beschreibung des vollständigen Bogens, nur die Referenzwinkel.
Fehlerbehebung bei Zeitübergangsaufnahmen
Die Kamera wechselt in einer einzigen Einstellung von innen durch das Café-Glas auf die Straße. Die Lösung: Dolly-Bewegung statt Zoom — mit expliziten Parallax-Anweisungen.
Kamerabewegung (Pflicht): Langsames Vorwärts-Dolly entlang der optischen Achse — kein Zoom, kein Schwenk/Neigen/Rollen. Von t=0→90% ca. 40 cm vorwärts; Horizont stabil. Bei t≈70–80% ist der Fensterrahmen vollständig aus dem Bild, die Straße komplett sichtbar. Parallax zeigen: Tafel/Fahrrad/Autos skalieren um ~15–20%.
Packshot-Design
Das Produkt (AURUM-Kaffeedose) wurde mit Gemini Nano Banana gestaltet und in die Szene eingefügt, dann mit Google Veo 3.1 Fast animiert.
Nano Banana: Verpackungsdesign-Generierung, Farb- und Schriftanpassung, Umgebungskomposition Veo 3.1 Fast: Motion Graphics und Produktpräsentation
Sound Design
- Diegetische Geräusche: leiser Raumklang · sanfte Straßengeräusche · Abstellen einer Tasse · Summen der Kaffeemühle · Zischen von Dampf
- Musik: Sweet Silence (0,75×) — langsame, verträumte, klavierdominierte Ballade; generiert in Suno v4.5-all (6:08)
- Dynamik: niedriger Grundpegel, nur sanfte Transienten — kein konstantes Hintergrundrauschen
VO-System
Kadenzkarte:
| Zeitcode | Inhalt |
|---|---|
| :00–:08 | Einführung in die Szene |
| :10–:18 | Produktwert |
| :20–:26 | Sensorische Linie |
| :27–:30 | Markenname / Call-to-Action (ganz leise) |
Ablauf: Entwurf → Anpassung an Dauer → Kürzung um ca. 40 % für Spielraum → Kadenzkarte erstellen
TTS-Einstellungen (ElevenLabs): Geschwindigkeit leicht unter Normal · weicher Stimmeinsatz · weiche Zischlaute — Stimme: Jessica, Eleven Multilingual v2
Editing — Shotliste
| # | Einstellung | Zeitcode |
|---|---|---|
| 1 | Eröffnung des Cafés | 0.00–2.50 |
| 2 | Straßenenergie der 80er Jahre | 2.50–6.00 |
| 3 | Erster Tropfen | 6.00–8.00 |
| 4 | Schnelle Kameraschwenkung durch die Zeit | 8.00–11.00 |
| 4a | Mahlen der Bohnen | 11.00–13.00 |
| 5 | Straße in den 90er Jahren im Regen | 13.00–16.00 |
| 6 | Dampfreinigung | 16.00–19.00 |
| 7 | Die Straße von heute | 19.00–22.00 |
| 8 | Latte Art Finish | 22.00–25.50 |
| 9 | Packshot | 25.50–30.00 |
Ergebnisse
Ein wiederholbarer End-to-End-Workflow: Konzept → Charaktersystem → Prompt-Engineering → Generierung → Sound & VO → Schnitt.
Ergebnisse: höhere Bildgenauigkeit; stimmige Farbpalette mit Regenstimmung; reduzierte Anzahl an Artefakten; VO-Sprechtempo passend zum ruhigen Schnittrhythmus.
Was wiederholt werden sollte:
- Mehrfachaufnahmesequenzen (2 × 4-Sekunden-Takte pro Einstellung)
- Alternative Brennweiten pro Szene
- Gesperrte Farbpalette als Generierungsanker
Checkliste: Komposition ✓ | Farbpalette ✓ | Artefakte ✓ | SFX-Hintergrund ✓ | VO ✓