Verschwindende Dienste, sechsstellige Rechnungen und H.264 statt EXR: Warum Studios generative Modelle auf eigene Hardware verlagern

Der Branchenbrief „Open-Weights and American AI Leadership“, den 35 Beteiligte unterzeichnet haben, darunter Nvidia, Microsoft, Meta, IBM und Hugging Face, hat den Streit um offene Gewichte zurück auf die Tagesordnung gebracht. Die Autoren sprechen über Zugänglichkeit, Wettbewerb und Sicherheit durch die offene Überprüfung von Modellen durch die Community. Auf dem Terrain der Film- und VFX-Produktion sieht dieser Streit anders aus: Dort wird ein Modell danach bewertet, ob es bis zur Abgabe des Projekts überlebt, was sein iterativer Einsatz kostet und in welchem Format es Bilder ausliefert.

Das Fachmedium fxguide hat die praktische Seite der Frage gemeinsam mit JD Vandenberg aufgearbeitet, einem Berater für generative Pipelines und Farbwissenschaft, der zuvor bei Disney und Netflix gearbeitet hat. Das Fazit läuft darauf hinaus, dass offene Gewichte den Studios Versionsstabilität, Kontrolle über das Material, nach oben begrenzte Kosten und die Möglichkeit geben, die Generierung in die bereits vorhandene Pipeline einzubauen — um den Preis technischer Expertise und eigener Infrastruktur.

Ein Modell kann mitten in der Produktion verschwinden

In der Produktion wird Software nicht ohne Not aktualisiert — Vorhersagbarkeit ist wichtiger als frische Funktionen. Generative Modelle leben nach anderen Regeln: Sie werden häufig aktualisiert, ohne Vorwarnung und ohne vollständige Liste der Änderungen. Ein Bild, ein Video oder ein Ton, die mit derselben Eingabe und demselben Seed entstanden sind, können sich ändern, wenn der Anbieter keine versionierten Snapshots bereitstellt und Sie keinen konkreten festgelegt haben.

Das schlimmste Szenario ist ein Dienst, der über Nacht abgeschaltet wird. Genau das ist dem Projekt Critterz passiert, nachdem OpenAI im März die App und den Webdienst Sora eingestellt hatte: Das Projekt verpasste die geplante Premiere in Cannes, die Koproduzenten mussten einen neuen KI-Partner suchen, der Release wurde auf Anfang 2027 verschoben. Mit derselben Ankündigung endete auch die Geschichte der angekündigten Investition von Disney in OpenAI über 1 Milliarde Dollar und der damit verbundenen dreijährigen Vereinbarung über die Lizenzierung von Figuren — der Deal war drei Monate lang öffentlich und wurde nie finalisiert.

Content-Sicherheit verhindert, dass Ausgangsmaterial in fremde Clouds geht

Produktionsnetze sind segmentiert, der ausgehende Datenverkehr wird durch die Anforderungen von MPA und TPN streng kontrolliert. Ausgangsmaterial an ein gehostetes Modell zu schicken und die Ergebnisse zurückzuladen, schlägt einen Kanal genau durch jene Barrieren, für die es die Content-Sicherheit überhaupt gibt. Über diesen Kanal laufen Vorabmaterialien, und juristische Vereinbarungen wirken als nachträgliche Entschädigung, nicht als Kontrolle. Irgendwann muss jemand bestätigen, dass die Infrastruktur des Anbieters solches Material halten kann: entweder ein Audit bezahlen oder einem Anbieter vertrauen, der nie eines durchlaufen hat. Den Mechanismus haben die Studios — aber nur wenige Anbieter generativer Dienste haben die TPN-Bewertung bestanden. Ein lokales Modell funktioniert auch in einem vollständig isolierten Netz, ohne Datenweitergabe an Dritte.

Die lokale Variante hat auch eine Kehrseite, und fxguide verschweigt sie nicht. ComfyUI bleibt bei allen Vorzügen eine Risikoquelle: Ein Angreifer kann sowohl in den Code des Programms selbst als auch über das offene Plugin-Ökosystem einen Virus oder Wurm einschleusen, und der Codeumfang ist zu groß für ein Audit durch die eigene IT-Abteilung. Sicherheitsfachleute im VFX-Bereich betrachten offene generative Builds standardmäßig als feindlich — besonders wenn Artists eigene Geräte und selbst heruntergeladene Werkzeuge verwenden. Die Alternative ist, eine vertrauenswürdige Lösung selbst zusammenzubauen, aus geprüften offenen Bibliotheken.

Die Rechnung für Iterationen lässt sich nicht im Voraus kalkulieren

Generative Produktion ist iterativ, und wie viele Versuche ein Modell braucht, um die Aufgabe zu treffen, lässt sich bislang nicht vorhersagen. Bezeichnend ist der Kurzfilm Air Head, den das Torontoer Kollektiv Shy Kids 2024 mit Sora gemacht hat: Post-Production-Supervisor Patrick Cederberg schätzte, dass rund 90 Sekunden der finalen Laufzeit aus „Hunderten von Generierungen zu 10–20 Sekunden“ hervorgegangen sind, und nannte ein Verhältnis von Rohmaterial zu Schnitt von etwa 300:1. Er wies selbst auf die Ungenauigkeit der Rechnung hin, und die Zahlen passen untereinander nicht exakt zusammen, aber selbst konservativ geschätzt sind es mehr als 80:1. Beim Spielfilm gelten 10:1–30:1 als Norm, und dieses Verhältnis kann ein erfahrenes Team im Voraus abschätzen.

Stand August 2026 bewegen sich die API-Tarife in einer Spanne von etwa 0,05 bis 0,75 Dollar pro Sekunde Ausgabe. Die Kosten einer fertigen Minute sind der Preis pro Sekunde multipliziert mit einem schlecht prognostizierbaren Faktor. Die Softwarebranche ist damit bereits konfrontiert worden: Im Juni verbrannte ein einzelner Mitarbeiter eines Fintech-Unternehmens aus San Francisco in einer Woche Tokens im Wert von 81.267 Dollar, während er ein Spiel entwickelte. In generativen Medien dreht sich derselbe Zyklus bei deutlich höherem Preis pro Iteration. Ein Ausgabenlimit verschiebt das Problem nur: Der Zähler bleibt am Abgabetag mitten in einer Episode stehen, und statt einen Shot zu finalisieren, wird das Team nachts eine Budgeterhöhung abstimmen. Lokale Hardware kostet, was sie kostet, unabhängig davon, ob Sie zehn Takes gemacht haben oder zehntausend.

H.264 gegen EXR: Die Formate passen nicht zusammen

Die Kluft zwischen dem, was generative Dienste ausliefern, und dem, was die Post-Pipeline annimmt, hängt vor allem am Format. Die meisten Videomodelle geben H.264 aus: 8 Bit, 4:2:0, display-referred, meist sRGB. Es gibt kein Alpha, keine Tiefe, keine Cryptomattes, keine Scene-Linear-Daten, dafür bleibt Banding, das jede nachfolgende Farbkorrektur überlebt. Cederberg wies darauf hin, dass Sora es überhaupt nicht erlaubte, zusätzliche Passes wie Mattes oder Tiefe zu rendern, und dass Shy Kids alles in 480p generierten und mit fremden Mitteln hochskalierten.

Eine VFX-Abgabe ist in der Regel EXR: Ein einzelnes 4K-Bild in Half-Float über drei Kanäle wiegt unkomprimiert rund 53 MB, mehrschichtige EXR mit 200 MB pro Bild sind üblich, das sind 576 GB für einen zweiminütigen Shot bei 24 Bildern pro Sekunde. Bei solchen Volumina werden Cloud-Speicher und ausgehender Traffic zu einem Kostenposten und die Übertragungszeit zu einer Einschränkung des Zeitplans. Ein Modell in fremder Cloud liefert das Format, das für den Anbieter am günstigsten zu bedienen ist; ein Modell auf eigener Hardware lässt sich in die eigene Farbpipeline stellen und dazu bringen, das zu schreiben, was die Pipeline tatsächlich liest. Die Branche arbeitet an dem Problem, doch die Kluft ist bislang groß.

Die Hardware haben die Studios bereits — sie muss nur auf eine andere Aufgabe gerichtet werden

Die meisten Videomodelle erscheinen in destillierten oder quantisierten Varianten, die auf einer einzigen Workstation laufen. Der Trend spielt den Studios in die Hände: Quantisierung und Destillation senken die VRAM-Anforderungen schneller, als das Wachstum der Parameterzahl sie anhebt. Vandenberg betreibt quantisierte und destillierte Versionen der meisten aktuellen offenen Videomodelle auf einer einzigen RTX 5090 — einer Consumer-Karte mit 32 GB Videospeicher. Im oberen Segment kostet die RTX PRO 6000 Blackwell mit 96 GB im Handel etwa 13.250 Dollar, zum Start war sie spürbar günstiger.

Das Wichtigste ist, dass Studios, VFX-Häuser und Post-Häuser bereits über erhebliche GPU-Kapazitäten verfügen. Renderfarmen und Parks von GPU-Workstations sind bereits gekauft — sie müssen nur auf eine andere Last umgelenkt werden. Die Station eines Coloristen mit mehreren Karten unter FilmLight Baselight oder Blackmagic DaVinci Resolve steht außerhalb der Arbeitszeiten still, obwohl sie sich für Inferenz eignet.

Daraus ergibt sich auch der am schwersten vorzuführende Gewinn — die Integration. Das eigene Modell lässt sich aus einer Nuke-Node oder einem Resolve-Plugin aufrufen, Aufträge lassen sich an denselben Render-Manager schicken, mit derselben Warteschlange, denselben Prioritäten und Logs wie die übrigen Renderings der Show, Farbe lässt sich einmal in einer OCIO-Konfiguration oder einer ACES-Pipeline beschreiben, statt sie bei jedem Clip zu erraten, und Versionen lassen sich im selben Asset-Management-System führen. Eine gehostete API lässt sich skripten, aber sie bleibt außerhalb der Pipeline.

Offene Gewichte sind noch kein offener Quellcode

Bevor man darauf eine Produktion aufbaut, muss man die Lizenzen klären. Offene Gewichte bedeuten, dass die Parameter heruntergeladen werden können, garantieren aber nicht das Recht, das Modell nachzutrainieren, es zu verbreiten oder das Ergebnis in einer kommerziellen Abgabe zu verwenden. Offener Quellcode im gewohnten Sinne ist eine Lizenz vom OSI-Typ, die erlaubt, die Quellen zu studieren, zu verändern und zu verbreiten. Die aktuellen offenen Modelle für Video und Ton verteilen sich über dieses Spektrum: ein Teil unter Apache 2.0, ein Teil unter Community-Lizenzen mit Nutzungsbeschränkungen, mindestens eines verlangt eine gesonderte kommerzielle Vereinbarung, einige sind nur für nicht-kommerzielle Nutzung zugelassen. Ein Modell, das unter einer Lizenz, die kommerzielle Nutzung verbietet, ein hervorragendes Bild liefert, kann man nicht in die Abgabe legen, und der Conform ist ein teurer Ort für eine solche Entdeckung.

Die meisten führenden offenen Modelle in diesem Bereich entstehen außerhalb der USA, und die Regulierung offener Gewichte ändert sich derzeit. Daraus folgt ein praktischer Rat: Archivieren Sie die Gewichte, die Sie tatsächlich verwenden, statt sie im Moment des Job-Starts von einem Hub zu ziehen.

Warum diese Diskussion gerade jetzt begonnen hat

Der Streit um offene Gewichte in der Medienproduktion ist wahrscheinlich aus einer Summe von Gründen herangereift, und der Brief ist nur seine oberste Schicht. Geschlossene Modelle über API werden nicht verschwinden: Der lokale Betrieb ist nicht trivial, und längst nicht für jedes Team ergibt es Sinn, eigene Infrastruktur zu übernehmen. Doch bei den Studios sind gleich mehrere Faktoren zusammengekommen: der GPU-Mangel und teurer gewordener Speicher, wegen derer ein Teil der mittelgroßen Unternehmen ohnehin in die Cloud geht, die gesammelte Erfahrung mit Projekten, die durch die Abschaltung eines Dienstes gestoppt wurden, und der Unterschied zwischen der Funktionsweise einer Produktion und der eines Consumer-KI-Dienstes.

Vor diesem Hintergrund ist ein Wachstum hybrider Modelle wahrscheinlich, wie man sie aus der Welt der offenen Software kennt: Die Gewichte sind frei verfügbar, Geld wird für Support, kommerzielle Lizenz und Service genommen. Für kleine Teams würde das einen leichteren Einstieg bedeuten, für große Häuser die Möglichkeit, die Generierung wieder unter die eigene Qualitäts- und Sicherheitskontrolle zu bringen. Am schwersten hätten es Anbieter geschlossener Dienste, die weder bereit sind, Branchenaudits zu durchlaufen, noch die Unveränderlichkeit von Versionen zu garantieren.