Goethe hat sechzig Jahre an Faust gearbeitet. Wir hatten drei Wochen. Herausgekommen ist ein Kurzfilm von gut zwölf Minuten: Goethes Originalverse, gesprochen von Figuren, die es nicht gibt, in einem New York der späten Achtziger, das nie gebaut wurde. Keine Kamera, keine Schauspieler, kein Set, kein einziger aufgenommener Ton.
Wir haben ihn für das Higgsfield Global Film Festival 2026 gemacht — Preispool eine Million US-Dollar, davon 500.000 für den ersten Platz, rund 70.000 Teilnehmer. Ob wir gewinnen, wissen wir nicht. Was wir wissen, ist, wie so ein Film entsteht, was dabei schiefgeht und welcher Teil dieser Arbeit sich auf ganz normale Unternehmensprojekte übertragen lässt. Dieser Artikel ist der Werkstattbericht. Er ist lang, weil die interessanten Stellen nicht in der Zusammenfassung liegen.
Der Pakt, und was einen Mann dorthin bringt. Keine Nacherzählung des ganzen Faust I, sondern eine Nacht.
Faust ist nicht ausgebrannt, er ist überheblich. Er hat alles erreicht und findet es wertlos. Und er trauert seit Jahren um eine Frau, deren letzte Nachricht auf einem Anrufbeantworter liegt, an einem Anschluss, den niemand kennt. Das ist seine Droge, der ganze Erfolg ist Betäubung. Er ist nicht bemitleidenswert, sondern schuldig: Er ist damals nicht rangegangen.
Mephisto ist entspannt, amüsiert und zu still. Er droht nie und strengt sich nie an. Zwei Marker tragen die Figur durch den ganzen Film: Er berührt nichts, und kein warmes Licht erreicht ihn.
Die Wette: Faust behauptet, er sei nicht glücklich zu machen, und er lügt dabei nicht — aus seiner Sicht ist es unmöglich. Mephisto nimmt sofort an. Nach der Unterschrift klingelt das Telefon, und sie ist dran. Lebend, antwortend. Fünfzehn Sekunden Glück, dann die Bitte, noch kurz dranzubleiben. Damit ist die Wette verloren, in derselben Nacht.
Der Motor des Films ist dramatische Ironie: Der Titel liefert das Ende gratis mit. Wir zeigen nur, wie er lächelnd hineinläuft.
Die naheliegende Antwort ist das Urheberrecht. Goethes Text ist gemeinfrei, und für die englische Fassung gibt es eine ebenfalls gemeinfreie Versübersetzung von Bayard Taylor aus dem Jahr 1870. Damit lässt sich arbeiten, ohne Rechte einzukaufen. Neuere Übersetzungen sind geschützt und für uns tabu, auch dann, wenn sie sprachlich schöner sind.
Die eigentliche Antwort ist eine andere: Wir wollten einen Film, der nicht aussieht und klingt wie die anderen 70.000. Bei einem Wettbewerb, bei dem alle mit denselben Modellen arbeiten, ist das Material kein Unterscheidungsmerkmal. Der Text ist eines.
Diese Entscheidung war die härteste des Projekts, und sie war zwischen uns umstritten. Julius wollte den Vers kippen und auf moderne Prosa gehen, mit zwei starken Argumenten: Englische Verse aus dem 19. Jahrhundert versteht im Schnelldurchlauf niemand, und wie eine KI ein Wort ausspricht, kann man vorher nicht prüfen. Dagegen stand, dass genau dieser Vers der einzige Grund ist, warum der Film auffällt. Wir haben es Ende August entschieden, und zwar nicht in der Debatte, sondern über zwei Dinge: eine Lesefassung, in der nur die gesprochenen Zeilen in Reihenfolge stehen, damit prüfbar ist, ob der Text die Geschichte allein trägt — und einen A/B-Test mit Leuten, die das Projekt nicht kennen. Wenn sie es nicht verstehen, können wir es nicht nehmen.
Der Vers hat gewonnen, mit zwei Zugeständnissen. Zielmarke sind ungefähr 70 Prozent Originaltext statt der ursprünglich angepeilten 98 Prozent; schwer aussprechbare Wörter dürfen getauscht werden. Und der Film läuft durchgehend mit Untertiteln, weil man automatisch mitliest.
New York, Hochfinanz, tiefe Nacht, späte Achtziger. Ein Apartment ganz oben als Hauptbühne. Kalt, teuer, knochenweiß, Marmor. Kein Braun.
„Kein Braun“ ist die wichtigste Zeile unseres Stilhandbuchs, weil sie eine Verbotsregel ist. Positive Stilanweisungen — elegant, cineastisch, hochwertig — bewirken in einem Bildmodell fast nichts, weil jedes Modell seine eigene Vorstellung davon mitbringt. Verbote wirken. Aus „kein Braun“ folgt, dass keine Holzvertäfelung, kein warmes Ledersofa und keine Abendsonne ins Bild kommen, und damit sieht der Film nicht aus wie das Standard-Luxus-Interieur, das diese Modelle von sich aus bauen.
Dasselbe Prinzip trägt die Figur Mephisto. „Unheimlich“ ist keine Anweisung. „Er berührt nichts“ und „kein warmes Licht erreicht ihn“ sind Anweisungen, die man in jedem einzelnen Clip prüfen kann. Übernatürliches ist im Film erlaubt, aber nur so, als wäre es völlig normal: Nichts leuchtet, niemand erschrickt, nichts wird bestätigt.
Gearbeitet wird in Higgsfields Cinema Studio, in einem einzigen geteilten Projekt. Beide Konten, Rem und Julius, generieren dorthin; farbige Badges an den Assets zeigen, wer was erzeugt hat. Das ist keine Ordnungsliebe, sondern Wettbewerbsregel: Alles, was im Film landet, muss in diesem Projekt entstanden sein.
Der Kern der Konsistenz sind die Elements. Ein Element ist eine benannte Referenz — eine Figur, ein Ort, ein Gegenstand —, die im Prompt mit einem @-Namen aufgerufen wird. Unser Register umfasst 38 gültige Namen: @faust, @Mephistopheles, @char_poodle, @loc_livingroom-night-lamp, @prop_car und so weiter. Ohne dieses System hat man in jedem Clip ein anderes Gesicht und ein anderes Wohnzimmer.
Drei Dinge, die wir dabei gelernt haben und die in keiner Anleitung stehen:
Elements lassen sich nicht umbenennen. Wer ein Namensschema erst nach dreißig Elementen einführt, schleppt die alten Namen für immer mit. Wir haben mitten im Projekt auf @loc_, @prop_, @char_ umgestellt und mussten alle Prompts nachziehen.
Es darf nur eine gültige Liste geben. Unsere steht in einer einzigen Datei, ausgelesen aus dem Element-Panel des Projekts. Jede zweite Liste erzeugt Prompts mit Namen, die es nicht gibt — und dann baut das Modell die Figur einfach neu.
Gesichtsbeschreibungen konkurrieren mit Elements. Wenn im Prompt steht, wie Faust aussieht, und @faust aufgerufen wird, kämpfen zwei Quellen gegeneinander, und das Gesicht driftet. Richtig ist: das Element aufrufen und im Text kein Wort über das Gesicht verlieren.
Die Standardkonfiguration für den Film: Seedance 2.5, 16:9, 720p, Dauer je nach Anzahl der Schnitte im Clip, Ton an. Ein Clip ist bei uns nie eine stehende Einstellung, sondern eine kleine Sequenz aus drei bis sechs Schnitten, maximal 20 Sekunden. Der Film besteht aus elf Szenen, die in dieser Logik durchgeplant sind: Morning Ritual, The Arrival, The Deal, The Office Bathroom, The Night, The Retreat, Die Brücke, Whiskey und Fenster, Der Pakt, Der Anruf, Der Aufzug.
Jeder Clip liegt als vollständiger, kopierfertiger Prompt in einer Szenendatei. Das klingt bürokratisch und ist der Grund, warum das Projekt in drei Wochen fertig wurde: Niemand erfindet nachts um zwei einen Prompt neu.
Die offizielle Regelfassung vom 10. August hat drei Punkte der Vorfassung umgedreht, und alle drei hatten Folgen für die Produktion. Wer so etwas mitmacht, liest die Regeln nicht einmal, sondern nach jeder Aktualisierung neu.
Der Ton muss vollständig KI-erzeugt sein. Gekaufte Lizenzmusik ist verboten, selbst eingespielte Instrumente sind verboten, menschlich gesprochene Sprecher sind verboten — ausdrücklich auch Musik, an der man selbst die Rechte hält. Das hat unseren ursprünglichen Tonplan komplett ersetzt. Alle Stimmen kommen aus ElevenLabs, Musik und Sounddesign aus KI-Werkzeugen. Und jede einzelne Audiodatei muss ins Wettbewerbsprojekt hochgeladen werden, mit der Information, mit welchem Werkzeug sie entstanden ist; die Aufbewahrungsfrist beträgt zwei Jahre. Wir führen darüber ein Protokoll.
Echte Personen dürfen nicht abgebildet werden. Nicht Prominente, nicht historische Figuren, nicht Freunde, nicht Teammitglieder, nicht man selbst. Einwilligung hilft ausdrücklich nicht. Damit ist auch die Frage nach Casting-Referenzfotos endgültig beantwortet: nein, in keiner Konstellation. Alle Figuren sind vollständig erfunden.
Klassische Werkzeuge sind erlaubt, KI-Bilder von außen nicht. Schnitt, Compositing, Farbkorrektur, Titel, sogar traditionelles 3D — alles zulässig und gilt als eigene Handarbeit. Verboten bleibt neues KI-Bildmaterial außerhalb der Plattform, und dazu zählt auch KI-Upscaling. Praktische Folge: Korn, Grade und Vignette gehören in den Schnitt und nicht in den Prompt.
Dazu kam eine Regel, die uns Arbeit gekostet hat: Nichts, was vor dem Start des Generierungsfensters entstanden war, durfte in den Film — auch nicht aus eigenen Projekten. Die Bilder, die wir vorher gebaut hatten, waren damit Vorlagen, keine Assets. Alle Elemente wurden neu aufgesetzt.
Und ein Punkt, der in jedem Wettbewerb dieser Art auftaucht: Ehrliches Teilen und die Community um Stimmen zu bitten ist erwünscht. Stimmenkauf, Bots und koordinierte Fake-Aktivität führen zur Disqualifikation, auch nachträglich. Die naheliegende Idee, für Likes zu bezahlen, ist genau das und war damit vom Tisch.
Ein 20-Sekunden-Clip braucht rund zwanzig Minuten. Bei mehreren Varianten pro Clip und über hundert Clips ist Wartezeit der Hauptkostenfaktor, nicht Rechenleistung.
Deshalb haben wir den Ablauf automatisiert: eine Warteliste mit fertigen Prompts, ein Agent, der den Browser bedient — Prompt einfügen, Elemente prüfen, Dauer stellen, absetzen, Ergebnis kontrollieren, nächster Block — und ein Protokoll, in dem jeder Eintrag mit Uhrzeit, Modell, Einstellungen und Ergebnis steht. Der Kern der Vorsichtsmaßnahmen ist eine Zeile, die in jeder Protokollspalte auftaucht: Der Generierungsknopf muss wörtlich „Unlimited“ lesen und als Preis eine Null zeigen. Steht dort eine Zahl, kostet der Klick Credits, und dann wird er nicht ausgeführt.
Aus einer Nacht im August, protokolliert Block für Block: ein Onboarding-Quiz, das sich vor den Projektzugang stellte und in einem Bezahlangebot endete — weggeklickt, nichts gekauft. Ein Chrome-Fenster, das teilweise außerhalb des Bildschirms lag, weshalb der Tab sich als versteckt meldete und Tastatureingaben ausfielen. Ein Dauerregler, dessen Griff neun Pixel neben einer Sperrzone lag und der deshalb über den Fokus statt über einen Klick gestellt werden musste, mit Gegenprobe am Listenpreis. Ein Asset-Zähler, der nachhinkt und einen zum zweiten Klick verleitet, der eine zweite Generierung auslöst.
Der interessanteste Fall war ein fertig gerenderter Clip, den die Plattform mit einem Hinweis sperrte, das Ergebnis könne geschütztes Material enthalten, samt Knopf „Ich habe die Rechte an diesem Inhalt“. Dieser Knopf wurde nicht gedrückt. Eine Rechteerklärung ist eine Erklärung eines Menschen, und ein automatischer Ablauf hat sie nicht zu unterschreiben. Der Clip blieb liegen, bis ein Mensch ihn freigegeben hat.
Das ist die eigentliche Lehre aus dem Nachtbetrieb, und sie gilt für jede Automatisierung im Unternehmen: Es gibt Klicks, die eine Maschine nicht machen darf. Die Liste dieser Klicks gehört aufgeschrieben, bevor der erste Ablauf startet, nicht nachdem er etwas unterschrieben hat.
Der ehrlichste Teil. Vier Fehler, die wir mehrfach machen mussten, bevor wir sie verstanden haben.
Ein Markenzeichen, das sich nicht wegprompten ließ. In einer Szene fährt Faust ein Auto. Das Auto-Element brachte in Front, Lenkrad und Tacho ein bekanntes Wappen mit — hineingebaut in die Referenz, nicht in den Prompt. Geschütztes IP ist im Wettbewerb ein Disqualifikationsgrund, und Negativ-Anweisungen allein haben es nicht zuverlässig entfernt. Gelöst wurde es auf zwei Wegen gleichzeitig: die Referenz retuschiert und die Bildausschnitte so gewählt, dass die betroffenen Stellen strukturell nicht ins Bild kommen. Dazu in jedem Auto-Prompt eine feste Zeile, die Embleme ausschließt. Die Lehre: Was in der Referenz steckt, bekommt man mit Text nicht heraus. Man muss die Referenz reparieren.
Ziffern, die niemand bestellt hat. Die Anzeige über der Aufzugtür sollte leer bleiben. Sie zeigte trotz ausdrücklicher Anti-Ziffern-Anweisung lesbare Zahlen, in zwei Anläufen. Gelöst, indem die Anzeige aus der Hauptrolle genommen wurde: anderer Bildausschnitt, andere Blickführung. Wenn ein Modell etwas hartnäckig falsch baut, ist die Bildidee schuld, nicht der Prompt.
Das Glas, das Mephisto nicht anfassen darf. Er berührt nichts, das ist seine Regel. Eine Kontinuitätszeile im Prompt genügte dafür nicht — das Modell folgt der Handlungsbeschreibung, nicht der Anmerkung. Erst als die Aktion des Schnitts selbst so formuliert war, dass das Glas unberührt bleibt, und die Berührung zusätzlich in der Verbotsliste stand, hielt es.
Der teuerste Umweg: Echtheit. Für das Titelbild haben wir Michelangelos „Erschaffung Adams“ mit den Filmfiguren nachgebaut, mit einem Fingerbreit Luft, der sich nie schließt. Fassung nach Fassung wirkte künstlich. Wir haben mehr Textur ins Prompt geschrieben, Filmkorn, Halation, Mittelformat, Belichtungszeit — es half nicht. Dann haben wir das Studio beschrieben, in dem so ein Bild entstehen würde, mit Nebelmaschine und echtem Gasfeuer hinter einem Scrim: Das Modell hat das Studio wörtlich gebaut, mit Scheinwerfern im Bild. Die Lösung war eine andere Frage. Nicht „wie beschreibe ich Echtheit“, sondern „wäre diese Szene fotografierbar“. Anzüge und Haare hängen nach unten, weil Schwerkraft existiert. Das Feuer ist die einzige Lichtquelle, also liegt die halbe Gesichtshälfte im Schwarz und die Ecken saufen ab. Ab dem Moment, in dem jedes Element im Bild physisch möglich war, sah es echt aus. Textur-Vokabeln machen nichts echt. Physik macht echt.
Dazu eine Arbeitsregel, die uns viele Sackgassen erspart hat: eine Variable pro Versuch. Wer nach einem missglückten Clip Licht, Text und Ausschnitt gleichzeitig ändert und dann ein besseres Ergebnis bekommt, weiß nicht, warum. Beim nächsten Clip fängt er wieder bei null an.
Drei Wochen, zwei Leute, elf Szenen, 38 Elemente, über 80 einzeln abgelegte Prompt-Fassungen nur für die letzten drei Szenen. Eine einzelne Einstellung — das Klingeln des Telefons in Szene 10 — liegt in elf Fassungen vor, bis Bewegung, Licht und Lippen zusammenpassten. Der zweite Trailer ist 2:45 lang und enthält nur die erste Hälfte des Films.
Was in dieser Rechnung überrascht: Der Aufwand liegt nicht im Generieren. Er liegt im Entscheiden, im Aufschreiben und im Nachprüfen. Die Generierung ist der billigste Teil der Kette und der einzige, den man unbeaufsichtigt laufen lassen kann.
Alle Stimmen sind KI-Stimmen, geklont und pro Figur festgelegt. Weil man einer KI-Stimme nicht ansieht, was sie gesagt hat, laufen die Aufnahmen gegen eine automatische Transkription: Was zurückkommt, muss dem Skript entsprechen, sonst wird neu generiert. Das ist unspektakulär und fängt die Fehler, die man beim Hören überhört.
Die Untertitel sind kein Nachgedanke, sondern Teil der Entscheidung für den Vers. Sie liegen als durchgehender Gesamttext von Szene 1 bis 11 vor, eine Zeile pro Einblendung, kursiv für alles, was aus dem Off kommt: innere Stimme, Anrufbeantworter, Telefon.
Der Abspann ist bewusst nüchtern, weiß auf schwarz, Zeilen, die versetzt aus der Unschärfe kommen. Sechs Tafeln, darunter die einzige Prahlerei, die wir uns erlaubt haben: Goethe habe sechzig Jahre an Faust gearbeitet, wir hätten drei Wochen gehabt. Die letzte Tafel nennt den Wettbewerb, für den der Film gemacht wurde.
Der Film ist vollständig KI-erzeugt, und das steht dran. Nicht im Kleingedruckten, sondern in der Ansage: keine Kameras, keine Schauspieler, keine Sets. In unserem Promo-Clip läuft durchgehend der Hinweis auf die KI-Stimme mit.
Das ist auch der Punkt, an dem dieses Projekt und die normale Kundenarbeit dieselbe Frage haben. Seit dem 2. August 2026 gilt die Transparenzpflicht des EU-Verordnungsrahmens für künstliche Intelligenz: Wer synthetische Bilder, Ton oder Video veröffentlicht, muss sie maschinenlesbar markieren, und wer Inhalte von öffentlichem Interesse veröffentlicht, auch sichtbar. Für Werbung und Unterhaltung ist die Lage differenzierter als die Schlagzeilen vermuten lassen, aber die praktische Antwort ist in beiden Fällen dieselbe: Man kennzeichnet, weil es billiger ist als die Diskussion darüber, ob man hätte müssen.
Wir haben diesen Film nicht als Kundenprojekt gemacht, sondern um herauszufinden, wo die Grenze dieser Werkzeuge tatsächlich liegt. Fünf Dinge davon gelten unverändert für den Alltag.
Konsistenz ist ein System, kein Prompt. Ein gutes Einzelbild schafft heute jeder. Zwölf Minuten, in denen dieselbe Person durch dieselben Räume geht, schafft man nur mit benannten Referenzen, einem Namensschema und einer einzigen gültigen Liste. Genau dasselbe gilt für ein Unternehmen, das KI-Bilder in Serie einsetzt: Produkt, Farbe, Gesicht, Raum müssen als feste Referenz existieren, sonst sieht jede Kampagne aus wie von einer anderen Firma.
Verbote wirken, Adjektive nicht. „Hochwertig“ ist keine Anweisung. „Kein Braun“ ist eine. Das ist der schnellste Hebel in jedem Prompt, den wir kennen.
Die Referenz ist die Wahrheit. Was im Referenzmaterial steckt, kommt ins Bild, auch wenn es im Prompt verboten ist. Wer Markenzeichen, fremde Gesichter oder falsche Details in seinen Referenzen hat, muss die Referenzen reparieren, nicht die Prompts.
Rechte klärt man vorher, nicht im Schnitt. Gemeinfreie Vorlage, erfundene Figuren, KI-erzeugter Ton, protokollierte Werkzeuge. Jede dieser vier Entscheidungen war am Anfang eine Einschränkung und am Ende der Grund, warum der Film verwendbar ist.
Automatisieren heißt entscheiden, was die Maschine nicht darf. Der Nachtbetrieb hat uns Wochen gespart. Wertvoll war er, weil vorher festgelegt war, wo er anhält: bei allem, was Geld kostet, und bei allem, was eine Erklärung abgibt.
Der Film ist fertig geschnitten und liegt auf Higgsfield. Der Wettbewerb läuft, das Ergebnis ist offen, und über die Platzierung wird kein Werkstattbericht etwas ändern. Für uns ist der Ertrag ohnehin schon eingefahren: Wir wissen jetzt sehr genau, was diese Werkzeuge in einem Projekt mit Laufzeit leisten — und an welchen Stellen sie einen Menschen brauchen, der die Regel kennt.
Laufzeit, Titelbild und Abspann sind die Stellen, an denen wir noch feilen. Wenn Sie in einem Projekt an einer ähnlichen Stelle stehen — viele gute Einzelbilder, aber keine Serie, die zusammenpasst —, ist das genau die Arbeit, die wir gerne übernehmen.
Stand: 30. September 2026. Der Film wurde im August und September 2026 produziert; Angaben zu Laufzeit, Szenen- und Elementzahl stammen aus unserer eigenen Produktionsdokumentation.
Quellen: Higgsfield Global Film Festival 2026, offizielle Wettbewerbsregeln in der Fassung vom 10.08.2026, und Higgsfield-Plattformnutzungsbedingungen · Johann Wolfgang von Goethe, Faust I (gemeinfrei) · englische Versfassung nach Bayard Taylor, 1870 (gemeinfrei) · eigene Produktionsdokumentation: Regiebuch, Sprechfassung, Element-Register, Szenen-Prompts, Nachtlauf-Protokolle vom 18. und 24.08.2026 · Verordnung (EU) 2024/1689 (KI-Verordnung), Artikel 50, in Geltung seit 02.08.2026.
Entstehung: Dieser Artikel wurde mit Unterstützung von KI geschrieben und von uns inhaltlich gegengeprüft. Der beschriebene Film ist vollständig KI-erzeugt: Bild, Stimmen, Musik und Sounddesign.
Dieser Beitrag dient der allgemeinen Information und gibt unsere Erfahrung aus einem konkreten Projekt wieder. Er ist keine Rechtsberatung, insbesondere nicht zum Urheber-, Marken- oder Persönlichkeitsrecht und nicht zu den Kennzeichnungspflichten der KI-Verordnung. Wettbewerbsregeln und Plattformbedingungen können sich ändern; im Zweifel gilt die jeweils aktuelle Originalfassung. Wir übernehmen keine Gewähr für Richtigkeit, Vollständigkeit und Aktualität der Angaben. Eine Haftung für Schäden aus der Nutzung dieser Informationen ist ausgeschlossen, soweit gesetzlich zulässig.