Postproduktion mit KI
Postproduktion mit KI bezeichnet die Nachbearbeitung von Film, Video und Ton mit Hilfe von Computerprogrammen, die aus vielen Beispielen gelernt haben. Solche Programme schneiden, retuschieren, entrauschen oder synchronisieren automatisch und verkürzen Arbeitsschritte, die früher Tage dauerten.
Wenn ein Film gedreht ist, ist er noch längst nicht fertig. Es folgt die Postproduktion: alles, was nach den Dreharbeiten passiert. Dazu gehören der Schnitt, die Farbgestaltung, Geräusche, Musik, Untertitel und das Entfernen störender Details im Bild. Klassisch machen das Menschen an speziellen Computerprogrammen, oft über Wochen oder Monate. Bei der Postproduktion mit KI übernehmen Programme Teile dieser Arbeit, die vorher aus Millionen von Bildern und Tonaufnahmen gelernt haben, wie ein gutes Ergebnis aussieht und klingt. Der Mensch entscheidet weiter, das Programm liefert Vorschläge und erledigt das Kleinteilige.
Warum Studios darauf setzen
Postproduktion ist teuer, weil sie vor allem Arbeitszeit kostet. Ein einzelner Effektkünstler kann Tage damit verbringen, aus jedem Bild einer Szene ein Mikrofon wegzuretuschieren. Ein Kinofilm hat rund 130.000 Einzelbilder pro Stunde. Genau bei solchen stupiden Wiederholungen sind gelernte Programme stark: Sie machen dieselbe Korrektur automatisch über Tausende Bilder hinweg.
Dadurch verschiebt sich, wer solche Arbeit überhaupt leisten kann. Ein Youtube-Kanal mit zwei Leuten nutzt heute Werkzeuge, die vor zehn Jahren nur großen Studios zur Verfügung standen. Automatische Untertitel, saubere Tonspuren und Farbkorrekturen sind in gängige Schnittprogramme eingebaut und oft im Abo enthalten.
Gleichzeitig ist die Technik in der Branche umstritten. Bei den Streiks in Hollywood 2023 ging es unter anderem darum, ob Studios Gesichter und Stimmen von Schauspielern digital weiterverwenden dürfen. Auch Cutter, Synchronsprecher und Retuscheure fürchten, dass ihre Aufgaben teilweise wegfallen. Das ist kein technisches, sondern ein vertragliches Problem – und deshalb ein Dauerthema in den Wirtschaftsnachrichten.
Von der Rohaufnahme zum fertigen Bild
Die meisten dieser Werkzeuge beruhen auf Mustererkennung. Man zeigt einem Programm sehr viele Beispielpaare: verrauschte Aufnahme und saubere Aufnahme, unscharfes Bild und scharfes Bild. Es lernt daraus, wie es von der schlechten zur guten Version kommt. Danach kann es diesen Schritt auf Material anwenden, das es nie gesehen hat.
Ein zweiter wichtiger Baustein ist die Objekterkennung. Das Programm markiert selbstständig, wo in einem Bild ein Mensch, ein Gesicht oder ein Auto zu sehen ist, und verfolgt dieses Objekt über die ganze Szene. Erst dadurch lassen sich Hintergründe austauschen oder einzelne Personen nachträglich aufhellen, ohne dass jemand jedes Bild von Hand nachzieht.
Ein häufiger Irrtum ist, dass die KI den Film selbst gestaltet. Sie ergänzt fehlende Details plausibel, sie hat aber keinen Geschmack und kein Gespür für Rhythmus. Deshalb wählt beim Schnitt weiter ein Mensch die Einstellung aus. Und bei erfundenen Details wird es riskant: Ein hochskaliertes Bild kann Muster zeigen, die in der Originalaufnahme nie waren. Für Dokumentationen und Nachrichten ist das ein echtes Problem.
Vom Netflix-Katalog bis zur Handy-App
Am sichtbarsten ist der Effekt bei alten Filmen. Schwarzweißaufnahmen werden nachträglich eingefärbt, kratzige Kopien entrauscht und auf hohe Auflösung gebracht. Streamingdienste nutzen das, um Klassiker in ihren Katalog zu holen. Auch die restaurierten Beatles-Aufnahmen der letzten Jahre entstanden mit solchen Verfahren, die Stimme und Klavier aus einer einzigen alten Tonspur trennen.
In Serien sind Synchronisation und Untertitel ein großes Feld. Programme erzeugen Untertitel automatisch aus dem Ton und übersetzen sie in Dutzende Sprachen. Es gibt außerdem Werkzeuge, die eine Stimme in einer Fremdsprache nachbilden und die Lippenbewegungen dazu anpassen. Wie überzeugend das wirkt, hängt stark vom Ausgangsmaterial ab.
Auch ohne Filmstudio begegnet man der Technik ständig. Der Porträtmodus im Smartphone rechnet den unscharfen Hintergrund hinein, statt ihn optisch zu erzeugen. Videokonferenzen filtern Tastaturklackern aus dem Ton. Und Apps wie CapCut oder Premiere Pro bieten Funktionen an, die Sprechpausen automatisch herausschneiden. Das ist Postproduktion mit KI im Kleinformat, nur ohne Abspann.