Google investiert in A24, die Produktionsfirma von *Backrooms*: Das am schwierigsten zu erlernende für KI ist, nicht voreilig zu optimieren.

Als Risikokapitalgeber, der seit Jahren Projekte im Silicon Valley prüft, höre ich, wenn Startups ihre Produkte vorstellen, fast unweigerlich auf ein Wort: friction, Reibung.

Ein zusätzlicher Schritt bei der Zahlung ist friction. Dass Programmierer selbst Testfälle schreiben müssen, ist friction. Dass Vertriebsmitarbeiter einen halben Tag damit verbringen, Kundendaten zu ordnen, ist ebenfalls friction. Man findet sie und beseitigt sie dann mit Software. In den letzten zwanzig Jahren sind viele erfolgreiche Geschäfte im Silicon Valley auf diese Weise entstanden.

Wie das berühmte Zitat von Marc Andreessen, Mitbegründer der Top-Venture-Capital-Gesellschaft a16z im Silicon Valley, lautet: Software is eating the world. Dass Software die Welt verschlingt, beginnt oft damit, diese Reibungen zu beseitigen.

Dieses Verfahren hat im Silicon Valley lange Zeit hervorragend funktioniert. Wenn es lange gut funktioniert, werden die Menschen ungeduldig und wollen alles optimieren. Filme vertragen diese Art von Eifer aber gar nicht.

In diesem Juni gab Google DeepMind bekannt, eine langfristige Forschungskooperation mit der Filmgesellschaft A24 einzugehen und rund 75 Millionen US-Dollar in sie zu investieren.

Das 2012 gegründete A24 ist bekannt für die Entwicklung von Nischenfilmen mit einzigartigem künstlerischem Charakter. Zu seinen Werken gehören der Oscar-prämierte beste Film *Moonlight* und *Everything Everywhere All at Once*, der weltweite Kassenhit *The Brutalist* sowie der in diesem Jahr beliebte Horrorfilm *Backrooms*. In 14 Jahren hat A24 seinen Studionamen längst zu einer Marke gemacht: Die drei Buchstaben A24 stehen selbst für eine Garantie der Popularität.

Das Überraschendste an diesem Deal ist, dass Google keinen Zugriff auf den Filmbestand von A24 erhalten hat. Nach den üblichen Ausgabengewohnheiten des Silicon Valley ist das mehr oder weniger ungewöhnlich.

Auf den ersten Blick scheint es, als ob Google die hochwertigen Filmmaterialien schätzt, die A24 über viele Jahre angesammelt hat. Google setzt stark auf Veo, während Videomodelle wie Seedance und Kling stetig Fortschritte machen. Es klingt plausibel, Veo Filme wie *Moonlight* und *Everything Everywhere All at Once* lernen zu lassen.

Aus öffentlichen Informationen geht jedoch hervor, dass Google keinen Zugriff auf die Film- und Fernsehbestände von A24 hat und diese Inhalte auch nicht zum Trainieren von Modellen verwenden darf. Die Filmemacher bei A24 sind ebenfalls nicht verpflichtet, die entsprechenden Tools zu nutzen. Der tatsächliche Bereich der Zusammenarbeit liegt im kreativen Prozess des Films: DeepMind-Forscher werden gemeinsam mit Filmemachern Tools testen, iterieren und entwickeln.

Da der Filmbestand ausgeschlossen ist, liegt der Wert dieses Deals an einer anderen Stelle. Was Google möglicherweise von A24 erhalten möchte, ist eine Unterscheidungsfähigkeit, die Modelle noch nicht beherrschen:

Welche Reibungen bei der Filmerstellung sollten verschwinden, welche Reibungen müssen erhalten bleiben?

01 KI-Videos: Es gibt zahlende Kunden

KI-Videos haben die Phase hinter sich, in der man sich fragte, „ob sie überhaupt genutzt werden“.

In den USA zeigt eine im Juli dieses Jahres von Runway veröffentlichte Umfrage unter Unternehmenskunden, dass eine globale Werbegruppe den Produktionszyklus für soziale Inhalte des Maskottchens einer US-Versicherungsmarke von zwei bis drei Monaten auf 3 Stunden verkürzt hat. Der Prozess umfasst Videogenerierung, Stimmklonierung und Lippensynchronisation.

Wenn der Produktionszyklus von Monaten auf Stunden verkürzt wird, werden auch Videobedarfe freigesetzt, die ursprünglich nicht im Budget vorgesehen waren. Higgsfield, an dem ich früh beteiligt war, hatte im vergangenen September einen jährlichen wiederkehrenden Umsatz (ARR) von rund 50 Millionen US-Dollar; bis Juni dieses Jahres überstieg der ARR Berichten zufolge 500 Millionen US-Dollar. Zehn Monate, zehnfaches Wachstum. Neuheit kann Traffic erzeugen, aber nur wenn es in die täglichen Budgets von Marken und Agenturen einzieht, kann eine solche Umsatzkurve entstehen.

Die Kommerzialisierung auf dem chinesischen Markt beschleunigt sich ebenfalls. Bis Juni 2026 überschritt die globale Nutzerzahl von Kling 100 Millionen, die Zahl der Unternehmenskunden lag bei fast 50.000; im ersten Quartal dieses Jahres überstieg der Umsatz 650 Millionen Yuan, was einem Jahreswachstum von über 300 % entspricht.

KI-Videos verlassen allmählich die Phase der Modelldemonstration, treten in echte Produktionsprozesse ein und werden zu einem Geschäft mit entsprechendem Umfang.

Die Produktgrenzen verschieben sich ebenfalls rasch nach vorne. Googles Flow entwickelt sich von der Generierung einzelner Aufnahmen hin zu Charaktersteuerung, Szenenerweiterung und Geschichtenkomposition. Im Juni dieses Jahres hat Adobe Creative Agent weiter in Firefly, Premiere, Photoshop und Frame.io integriert, sodass Nutzer von einer Idee direkt zu Storyboards gelangen und aus den Storyboards Videos generieren können.

Dieser Weg ist im Silicon Valley sehr vertraut. Code-Modelle ergänzten zunächst die nächste Codezeile, später begannen sie Aufgaben zu zerlegen, Dateien zu ändern und Tests durchzuführen. Wenn die Fähigkeiten ausgereift sind, bewegen sich die Produkte natürlich stromaufwärts in Richtung des Arbeitsablaufs. Wer früher in den Entscheidungsprozess eintritt, hat größere Chancen, der Standardzugang für diesen Prozess zu werden.

In den letzten zwei Jahren habe ich im Silicon Valley kontinuierlich frühe Investitionen in KI-Videoprojekte verfolgt und daran teilgenommen. Die häufigste Demonstration besteht darin, eine Beschreibung einzugeben und nach wenigen Minuten einen anständigen Werbespot zu erhalten. Die Demonstration endet normalerweise, wenn das fertige Werk erscheint; aber der schwierigste Teil der tatsächlichen Produktion hat gerade erst begonnen: Warum wird diese Version gewählt, was wird geopfert, wer trifft letztendlich die Entscheidung?

Modelle können nacheinander Antworten liefern, aber das Team muss für jede einzelne Entscheidung verantwortlich sein.

In diesem Mai hat die KI-Filmproduktionsplattform Flick aus San Francisco eine Seed-Finanzierung von 6 Millionen US-Dollar abgeschlossen, mit True Ventures, GV, YC und Lightspeed in der Investorenliste. Das Unternehmen konzentriert sein Produkt auf die fortwährende Kontrolle des Regisseurs: wiederholte Abwägungen, die Erhaltung von Charakteren und Narration, sodass die Tools in die zweite Hälfte des kreativen Prozesses eintreten. Meiner Meinung nach beginnt das Kapital im Silicon Valley, der Urteilskraft einen eigenen Wert zuzuweisen.

Kreative Tools durchlaufen ebenfalls die gleiche Veränderung. KI war früher dafür verantwortlich, eine bereits klar formulierte Absicht umzusetzen, heute tritt sie bereits ein, wenn die Absicht noch unscharf ist. Drehbuchautoren schreiben eine kurze Zusammenfassung der Geschichte, das System kann sofort Charakterbeschreibungen, visuellen Stil und Storyboards liefern; Regisseure haben nur ein unvollständiges Gefühl, und nach wenigen Minuten sehen sie Bilder, die fast dem fertigen Werk entsprechen.

Die Effizienz steigt natürlich. Das Problem ist: Die Maschine gibt ihre Ergebnisse immer schneller ab, aber der Mensch hat die Aufgabe noch nicht verstanden. Jemand, der die Aufgabe noch nicht einmal klar durchdacht hat, erhält plötzlich eine Antwort mit 80 von 100 Punkten und kann sie normalerweise nicht wegwerfen.

02 Urteilskraft entsteht inmitten von Reibungen

In der Filmproduktion gibt es natürlich viele Reibungen, die beseitigt werden sollten.

Chroma-Keying, Transkodierung, Materialsuche, Szenenabgleich, wiederholte Anpassung verschiedener Bildformate – diese Arbeiten sind teuer, zeitaufwändig und erzeugen kaum neue Ausdrucksformen. Wenn KI sie verkürzt, erhalten Kreative mehr Zeit und niedrigere Kosten für Fehlversuche.

Googles eigene Praxis hat dies bereits bewiesen.

Der Kurzfilm *ANCESTRA*, der von Darren Aronofsky mit Veo erstellt wurde | Bildquelle: YouTube

Im Jahr 2025 arbeitete DeepMind mit Primordial Soup, das von Regisseur Darren Aronofsky gegründet wurde, an dem Kurzfilm *ANCESTRA* und nutzte Veo, um Bewegungsabgleiche und lokale Bildgenerierung zu realisieren, die mit herkömmlichem CGI nur schwer schnell umsetzbar sind. Google gab bekannt, dass hinter diesem Kurzfilm noch über 200 traditionelle Fachkräfte aus der Film- und Fernsehbranche beteiligt waren, zusätzlich zu Teams für Aufnahmen, Schnitt, visuelle Effekte, Sounddesign und Komponisten.

Das Modell hat einen Teil der kostspieligen Umsetzung verkürzt, aber es hat das Team nicht davon befreit, alle Entscheidungen im Film zu treffen.

Eine andere Art von Reibung tritt auf, bevor sich das Urteil bildet. Warum schweigt eine Figur, welche schöne Szene sollte geschnitten werden, ob ein unangenehmer Moment im Film ein Schauspielfehler ist oder die wahrsten Sekunden des gesamten Werks. Hier gibt es keine klaren Abläufe, und es ist schwierig, dies in Effizienzkennzahlen zu schreiben. Kreative müssen zwischen vielen unklaren Versionen verweilen und manchmal eine Phase unbefriedigender Ergebnisse ertragen.

In der kreativen Arbeit sind manche Reibungen Kosten, andere Reibungen sind Forschung und Entwicklung.

Produktteams im Silicon Valley sind es gewohnt, das Zögern der Nutzer als Blockade und Unsicherheit als zu lösendes Problem zu betrachten. Aber wenn ein Werk noch nicht fertig ist, erzeugt das Zögern selbst Informationen. Der Autor findet nur durch die Wege, die nicht zum Ziel führen, heraus, wohin er eigentlich gehen will.

Wenn das System zu früh eine Version mit hohem Fertigstellungsgrad liefert, wird dieser Erkundungsprozess leicht unterbrochen. Ein schönes Konzeptbild wird schnell zum visuellen Ankerpunkt des Teams; ein strukturell vollständiges Drehbuch lässt alle späteren Diskussionen darum kreisen, es zu überarbeiten. Sie sind nur die ersten, die auftauchen, aber weil sie konkret genug sind, wirken sie so, als wären sie bereits ausgewählt worden.

03 Die 80-Punkte-Antwort ist am schwersten abzulehnen

Der Einfluss von KI auf die Kreativität zeigt bereits ein warnendes Signal.

In einem 2024 in *Science Advances* veröffentlichten Experiment wurden 293 Teilnehmer gebeten, kurze Geschichten mit und ohne Inspiration durch generative KI zu verfassen, die dann von 600 Lesern bewertet wurden. Die Werke mit KI-Unterstützung waren im Durchschnitt besser lesbar, und die Verbesserungen bei Personen mit geringen kreativen Grundkenntnissen waren besonders deutlich. Auf der anderen Seite wurden diese Geschichten einander immer ähnlicher.

Ein Experiment im Bereich visuelles Design hat ein ähnliches Phänomen beobachtet. Nachdem die Teilnehmer mit KI-generierten Bildern in Kontakt gekommen sind, lassen sie sich leichter von den ersten Beispielen festlegen, die Anzahl der erzeugten Ideen sinkt, und der Umfang der Variation sowie die Originalität nehmen ab.

Die Stichproben dieser Studien sind begrenzt und können keine direkten Schlussfolgerungen für die Filmindustrie ziehen. Aber der Mechanismus, den sie aufzeigen, ist wichtig: Die Unterstützung durch KI verbessert die durchschnittliche Qualität der einzelnen Ergebnisse und zieht verschiedene Menschen zu ähnlichen lokalen Optima.

Schlechte Ideen sind noch leicht abzulehnen, aber das, was am schwersten zu widerstehen ist, ist die 80-Punkte-Version, mit der man heute die Aufgabe erledigen kann.

Modelle haben eine große Anzahl effektiver narrativer Strukturen gesehen, sie wissen, wie man den Einstieg in die Handlung beschleunigt, wie man Figuren mit Motiven ausstattet und wie man ein Bild dem „kinoreichen“ Gefühl näher bringt, das Nutzer beschreiben. Diese Vorschläge sind sehr professionell. Sobald Kreative die ersten paar plausiblen Antworten akzeptieren, kann jede spätere Iteration besser werden – aber gleichzeitig weiter von dem noch unentdeckten Werk entfernt sein.

Viele Werke sind nicht an einer klaren Ablehnung gescheitert, sondern wurden langsam durch eine Reihe wohlgemeinter und korrekter Überarbeitungen abgeschliffen.

04 A24: Nicht sofort optimieren

A24 verfügt über keine feststehende visuelle Formel. Wenn man *Moonlight*, *Everything Everywhere All at Once* und *The Zone of Interest* nebeneinanderlegt, ist es schwer, eine einheitliche Bildsprache herauszuarbeiten. Was sie verbindet, sind die Teile, die in herkömmlichen Prozessen leicht verändert worden wären, aber schließlich im Werk verblieben sind.

Szene aus dem Film *The Zone of Interest* | Bildquelle: douban

*The Zone of Interest* verdeckt den größten Teil der Gewalt im Konzentrationslager vor dem Bildschirm. Die Zuschauer sehen das alltägliche Leben einer Familie auf der anderen Seite der Mauer, während der Schrecken durch die Geräusche eindringt. Wenn man „ob der emotionale Ausdruck ausreichend ist“ als Optimierungsziel festlegt, hätte das System durchaus Grund, direktere Bilder vorzuschlagen. Die narrativen Informationen würden vollständiger, aber die Kraft des Films würde verschwinden.

Der Wert von A24 ist nicht so geheimnisvoll, dass er nicht erklärt werden könnte. In wenigen entscheidenden Momenten ist es bereit, eine Wahl, die vorübergehend unpassend, unklar oder sogar schwer zu vermarkten scheint, eine Weile länger zu behalten. Die meisten Filmstudios fürchten sich davor, dass ihre Werke unfertig sind – A24 fürchtet sich manchmal mehr davor, dass sie zu schnell reifen.

A24 ist mit Risikokapital nicht unvertraut. Es war selbst ein Startup, das mit Venture-Kapital aufgewachsen ist: In der Frühphase beteiligte sich Eldridge, 2022 kamen Stripes und Neuberger Berman als Investoren, und 2024 stieg Thrive Capital unter der Leitung von Josh Kushner (Ehemann des Supermodels Karlie Kloss) ein.

Vor diesem Hintergrund ist die Zusammenarbeit zwischen Google und A24 bemerkenswerter als nur „KI lernt filmische Ästhetik“. Was Google wirklich untersuchen muss, ist der zeitliche Ablauf der Entstehung von Urteilen: Wann ist Generierung hilfreich, wann sollte man Leerraum lassen; wann fördert Feedback das Werk, wann zieht Feedback es nur zurück zum Durchschnitt.

05 Die Schnittstelle für die Irrwege der Kreativität neu gestalten

Heutzutage drehen sich die meisten gängigen generativen Produkte noch um ein lineares Eingabefeld. Der Nutzer gibt eine Anfrage ein, das Modell liefert das Ergebnis, und dann wird weiter bearbeitet. Erkundung, Auswahl und Produktion sind in einem einzigen Dialog vermischt, und jede Antwort drängt den Nutzer, so schnell wie möglich zu einem Ergebnis zu gelangen.