Utopai Studios: Die „Pixar-Ambition“ des weltweit größten KI-Film- und Fernsehunternehmens

KI-Videos können bereits Aufnahmen erzeugen, die denen in Filmen sehr ähneln, aber echte KI-Filme sind nach wie vor selten. Denn sobald man in die Produktion von Langfilmen einsteigt, werden die Konsistenz der Charaktere, die Übergänge zwischen den Aufnahmen, die Kontrolle über die Darstellungsqualität und die Zusammenarbeit im Team gleichzeitig zu Problemen.

Die in China verbreiteten UGC- und ProC-Ansätze belasten einen einzigen Schöpfer mit den Aufgaben von Drehbuchautor, Regisseur, Storyboardzeichner, Cutter und sogar Produzent. KI macht diese Person effizienter, organisiert aber keine Gruppe von Fachleuten zu einer Produktionslinie. Die Obergrenze von ProC ist oft die Obergrenze des Modells; die Obergrenze eines Filmunternehmens kann erst die Obergrenze des menschlichen Potenzials erreichen.

Mit dieser Fragestellung betrachtet man die neueste Rangliste für sprechende Text-zu-Video-Modelle von Artificial Analysis: Utopai X mit 1150 Elo auf dem zweiten Platz weltweit ist ein etwas ungewöhnlicher Name – es stammt von Utopai Studios, das von Variety als „weltweit größtes unabhängiges KI-natives Film- und Fernsehunternehmen“ bezeichnet wird.

Wir stellen fest, dass Utopai das Modell in das PAI-Produktionssystem einbindet, sodass Drehbücher, Charaktere, Szenen, Aufnahmen und Änderungsprotokolle dauerhaft miteinander verknüpft werden, woraufhin Regisseure, Drehbuchautoren, Produzenten und das Postproduktionsteam entsprechende Entscheidungen treffen können.

Das Modell ist für die Erzeugung von Filmmaterial zuständig, und PAI organisiert das Material zu einer professionellen Produktionslinie. Dies scheint einen neuen Weg von der Fähigkeit „Aufnahmen zu erzeugen“ hin zur Fähigkeit „an der Filmproduktion teilzunehmen“ zu eröffnen.

1

Um Filme zu machen, braucht man zuerst Modelle auf Filmniveau

Die Fähigkeiten des Modells bestimmen nach wie vor das endgültige Generierungsergebnis. Utopai Studios hat den Weg des nachträglichen Trainings professioneller Teams auf Basis von Open-Source-Modellen bewiesen.

Am 29. September 2026 erzielte Utopai X in der sprechenden Text-zu-Video-Rangliste von Artificial Analysis einen Wert von 1150 Elo und rangierte damit hinter Wan 3.0 und vor Dreamina Seedance 2.5. Die Bewertung erfolgte im Blindtest: Aus demselben Prompt werden zwei Videos erzeugt. Die Zuschauer wissen nicht, von welchem Modell die beiden Videos jeweils stammen, sie müssen nur das bevorzugte Video auswählen, woraus der Elo-Wert durch paarweise Präferenzabstimmungen berechnet wird.

Bildquelle: Artificial Analysis, Utopai Studios

„Der zweite Platz weltweit“ misst die Leistung von Text-zu-Video-Modellen, die gleichzeitig Bilder und Ton erzeugen können; ob man einen Langfilm unabhängig fertigstellen kann, muss noch separat überprüft werden. In diesem begrenzten Bereich gehören die von Utopai X erzeugten Segmente bereits zur weltweiten Spitzengruppe.

Utopai X ist ein individuell nachtrainiertes Modell für die Filmproduktion. Das Trainingsziel liegt auf der Stabilität und Verwendbarkeit der Aufnahmen, die Erzeugung spektakulärer Effekte tritt in den Hintergrund. Die Fähigkeiten von Utopai X zeigen sich nicht nur darin, ob die erzeugten Bilder schön sind: Wenn ein Schiff ins Wasser fällt, muss es Gewicht haben; wenn sich die Lichtquelle ändert, müssen sich Schatten und Reflexionen entsprechend anpassen; der durch mechanische Bewegungen erzeugte Ton muss mit der Aktion übereinstimmen. In den von Utopai veröffentlichten technischen Materialien werden räumliche Konsistenz, physikalische Darstellung, audiovisuelle Synchronisation und Steuerbarkeit der Aufnahmen als Schwerpunkte aufgeführt. Einfach ausgedrückt: Charaktere, Objekte, Licht, Ton und Kamera dürfen nicht unabhängig voneinander agieren – sie müssen den Zuschauer glauben lassen, dass sie sich alle im selben Raum befinden.

Aber ein Film ist keine Sammlung schöner Aufnahmen. Eine einzelne Aufnahme kann zufällig durch Zufallseffekte erzeugt werden, aber die Produktion von Langfilmen erfordert, dass Charaktere und Szenen über verschiedene Aufnahmen hinweg konsistent bleiben, dass nach Änderungen die Übergänge zu den vorherigen und nachfolgenden Segmenten funktionieren und dass das Team nachvollziehen kann, woher jede Entscheidung stammt. Die Rangliste prüft die Generierungsfähigkeit von Utopai X, aber PAI ist das, was es tatsächlich in die Filmproduktion einbindet.

Der Ausgangspunkt von PAI ist ein Drehbuch. Das System teilt das Drehbuch in eine Liste von Charakteren, Szenen, Orten, Requisiten und Aufnahmen auf und legt diese Informationen dann auf demselben visuellen Arbeitsplatz ab. Regisseure und Kunstteams können ausgehend von der Geschichte Charaktere und Welten aufbauen, während Kamera- und Schnittteams weiterhin an Aufnahmen, Versionen und Zeitachsen arbeiten. Es ähnelt eher einem auf das Filmprojekt abgestimmten Betriebssystem für die Produktion als einem weiteren Generierungsfenster, in das man einen Prompt eingibt und auf das Ergebnis wartet.

Das Kernproblem, das es löst, ist das Projektgedächtnis. Drehbücher, Charaktereinstellungen, visueller Stil, bereits genehmigte Aufnahmen und vergangene Änderungen verbleiben im Projektkontext. Sobald ein Charakter- oder Szenenasset bestätigt wurde, kann es in nachfolgende Aufnahmen übernommen werden, ohne dass es jedes Mal neu beschrieben werden muss. Das Team kann auch verschiedene Versionen nebeneinander vergleichen, Kommentare und Genehmigungen hinterlegen, dann die ausgewählten Materialien in die Zeitachse einfügen und sie nach Premiere Pro oder DaVinci Resolve exportieren, um die Postproduktion abzuschließen.

Utopai X ist einer der Generierungsengines in PAI. Es liest nicht nur den aktuellen Prompt, sondern auch das Drehbuch, die Charakter- und Szenenassets, den Aufnahmeplan und das Feedback des Teams. Daher gehört das Generierungsergebnis von Anfang an zu einem bestimmten Projekt, einer bestimmten Szene und einer bestimmten Aufnahme. Der Wert des Modells ändert sich damit: Es ist natürlich wichtig, wie beeindruckend eine einzelne Generierung ist – aber es ist noch wichtiger, ob man nach mehreren Runden von Änderungen die Konsistenz von Charakteren, Räumen und kreativen Absichten beibehalten kann.

Dieses System wird auch durch echte Projekte rücktrainiert. Jeder Film erzeugt Drehbücher, Charakter- und Szenenentwürfe, Aufnahmepläne und mehrere Runden von Generierungsergebnissen; dann beurteilen Regisseure, Kamera- und Kunstteams, welche Aufnahmen verwendbar sind, welche neu erstellt werden müssen und warum. Für Filmunternehmen ist die Anzahl der erzeugten Materialien nur von begrenztem Wert – es ist wichtiger zu wissen, warum der Regisseur eine Aufnahme behält und eine andere verwirft. Diese professionellen Entscheidungen werden zu Signalen für das Training und die Bewertung von PAI und dem Modell.

Der für die Technik zuständige Wissenschaftsdirektor Zijian He hat zuvor das Team für grundlegende Modelle zur Mediengenerierung im Super-Intelligence-Labor von Meta geleitet und an Projekten wie Movie Gen und Llama Image Generation teilgenommen. Bei Utopai muss sein Team nicht nur Videos schneller erzeugen, sondern das Modell dazu bringen, die bereits getroffenen Entscheidungen eines Films zu verstehen und diese in der nachfolgenden Produktion weiter umzusetzen.

Das ist genau die Position von PAI im technischen System von Utopai: Utopai X ist für die Erstellung der Aufnahmen zuständig, PAI sorgt dafür, dass alle Aufnahmen zu demselben Film gehören. Wenn Drehbücher, Assets, Modelle, Änderungsprotokolle und professionelle Teams in dasselbe System eingebunden werden, wird KI allmählich von einem Generierungswerkzeug zu einer Infrastruktur für die Filmproduktion.

PAI organisiert Drehbücher, Charakter- und Szenenassets, Aufnahmen und Änderungsprotokolle auf demselben Produktionsarbeitsplatz. Bildquelle: Utopai Studios

2

Die Kommerzialisierung beginnt mit der Kinoprogrammliste

Technik ist nur eine Eintrittshürde. Für ein Filmunternehmen ist die Kommerzialisierung nicht abgeschlossen, sobald der Generierungsbutton gedrückt wird.

ToC- und ProC-Tools können Abonnements, Punkte oder Generierungsvorgänge abrechnen, aber der Wert eines Filmunternehmens wird erst realisiert, wenn das Projekt die Entwicklung, Produktion und Veröffentlichung abgeschlossen hat und tatsächlich vor das Publikum kommt. Utopai hat sich entschieden, zwei Dinge gleichzeitig zu tun: PAI als Produktionsinfrastruktur nach außen zu vermarkten und gleichzeitig selbst das Risiko zu übernehmen, ob Werke und IP erfolgreich sind.

Für ein Filmunternehmen ist die Programmliste direkter als Abonnementdaten. Nach dem aktuellen Plan von Utopai werden die drei Langfilme Cortés, Half Moon und The Most Serious Fart im Jahr 2027 in die Kinos kommen. Alle drei Werke werden als offizielle Projekte vorangetrieben, sie erfordern Finanzierung, Produktion, internationalen Vertrieb und Kinoveröffentlichung, ihre Nutzung geht weit über die Demonstration von Modelleffekten hinaus.

Dabei ist Cortés ein historisches Epos vor dem Hintergrund der spanischen Eroberung des Aztekenreiches im Jahr 1519, das von dem für den Oscar nominierten Drehbuchautor Nicholas Kazan verfasst und von Paul Mignot inszeniert wurde. Es war nicht einfach, dieses Projekt bis zum Kinostart 2027 zu bringen. Kazan hat mehr als 30 Jahre lang nach einer Möglichkeit gesucht, diese Geschichte auf die Leinwand zu bringen. Der Umfang und die Kosten, die durch Kriegs-, Stadt- und Zeitszenen entstehen, haben das Projekt lange im Drehbuchstadium gehalten. Jetzt ist geplant, in Spanien zu drehen, KI wird eingesetzt, um bisher unerschwingliche Produktionsbedingungen zu durchbrechen, während Drehbuchautor und Regisseur weiterhin die kreative Kontrolle behalten.

Half Moon geht einen anderen Weg. Es ist ein realer Coming-of-Age-Film, der von dem koreanischen Regisseur Hyo-joo Yang verfasst und inszeniert wurde, und von Utopai gemeinsam mit dem deutschen Unternehmen In Good Company und dem koreanischen Paper Barn Studios produziert wird. PAI wird nur zur Unterstützung einiger visueller Elemente eingesetzt, während Schauspiel, Erzählung und Kameraarbeit weiterhin vom traditionellen Filmteam erledigt werden.

The Most Serious Fart ist eine familienfreundliche Kinokomödie in Animationsform, die von dem Originalautor und „Not Another Teen Movie“-Drehbuchautor Mike Bender verfasst und inszeniert wurde, wobei der Casting-Direktor von „The Simpsons“, Scott Muller, an der Rekrutierung von Synchronsprechern beteiligt ist. In diesem Projekt wird KI weiterhin als „Produktionsassistent“ positioniert, Regisseure, Schauspieler und Drehbuchautoren behalten die kreative Führung.

Diese drei Filme verwenden nicht dasselbe KI-Konzept. Das historische Epos nutzt KI, um Budget- und Szenenbeschränkungen zu durchbrechen, der Realfilm setzt KI nur in bestimmten visuellen Abschnitten ein, und der Animationsfilm bindet KI in eine von einem professionellen Team geführte Produktionspipeline ein. Zusammengenommen bietet Utopai eher Fähigkeiten auf Projektebene an: Technik, Talente, Kapital und Vertriebsressourcen je nach unterschiedlichen Produktionen zuzuteilen.

Neben den eigenen Werken beginnt PAI auch, in die Produktionsprozesse externer Unternehmen einzufließen. Im September 2026 kündigte Utopai eine Zusammenarbeit mit der Abteilung für Unterhaltungsentwicklung des japanischen Unternehmens DeNA an, bei der PAI in die experimentelle Animationsproduktion eingebunden werden soll, für visuelle Entwicklung, Charakter- und Hintergrunddesign, Szenenplanung und mehrere Runden von Änderungen. Die KI-Produktionsmitarbeiter von Utopai werden mit dem Kreativ- und Produktionsteam von DeNA zusammenarbeiten, während die endgültige Entscheidungsgewalt über Geschichte, Stil, Aufführung und Grundton des Werks weiterhin bei den Schöpfern verbleibt.

Utopai und DeNA werden in Japan erproben, PAI in den Animationsproduktionsprozess einzubinden.

DeNA ist nur einer der Kunden, denen PAI externe Dienstleistungen anbietet. Nach den von Utopai veröffentlichten Informationen wird PAI bereits für US-Filmprojekte und internationale Koproduktionen in Europa, Nordamerika und Asien eingesetzt, und ist auch in den Produktionsprozess für lange Inhalte in China eingetreten.

Sportinhalte bieten Utopai eine weitere Kategorie von IP-Einstiegen. Utopai hat zuvor in Zusammenarbeit mit James Harden einen animierten Kurzfilm erstellt, der von seinem markanten Bart inspiriert wurde; anschließend wurde Carmelo Anthony, Mitglied der Basketball Hall of Fame, über sein Unternehmen Creative 7 Productions zu einem strategischen Partner. Die beiden Seiten werden PAI nutzen, um originelle Sport- und Unterhaltungs-IPs zu entwickeln, die Filme, Fernsehen, Streaming und digitale Inhalte abdecken. Die ersten Pläne umfassen die Entwicklung von Unterhaltungsprojekten im Anime-Stil, die sich auf die berufliche Laufbahn von Anthony und die Basketballkultur beziehen.