Vom ersten Satz zum geprüften Film

Eine KI soll eine Kundenliste importieren. Bei einer normalen Datei sieht alles gut aus. Dann kommt eine leere Datei — und das Programm scheitert. Woran erkennen wir, dass der Auftrag wirklich erledigt ist?

Dieses kleine Beispiel steckt in unserem HLE/METR-Film. Es zeigt den Unterschied zwischen einer richtigen Antwort und einer zusammenhängenden Aufgabe. Der Zuschauer kann das Ergebnis prüfen: Eine leere Eingabe muss ohne Fehler verarbeitet werden. Ein Technikname allein könnte diesen Unterschied nicht zeigen.

Deshalb beginnt die Produktion mit einem Lernziel, einem konkreten Beispiel und einer Bildfolge. Wir halten für jedes neue Werkzeug fest: Wofür wird es gebraucht? Was bekommt es? Was tut es? Was kommt heraus?

Der Sprechtext führt durch dasselbe Beispiel wie die Zeichnungen: Kundenliste hinein, Import ausführen, Fehlermeldung lesen, Code korrigieren, Test wiederholen. Der Haken erscheint beim erfolgreichen Test. Er darf nicht schon zeigen, was die Stimme erst später erklärt.

Bei aktuellen Aussagen lesen wir die Originalquellen und bewahren die Bedingungen neben der Behauptung. Bei HLE gehören zum Beispiel Werkzeugnutzung und Versuchsaufbau zu einem Prozentwert. Unsere Beispielrechnung und unsere Vermutung über künftige Anwendungen werden als solche erklärt. Eine spektakuläre Zahl verdient eine Geschichte, aber keine erfundene Gewissheit.

ElevenLabs bekommt den vorbereiteten Text und die gewählte Stimme und erzeugt Sprachclips. Wir messen die tatsächliche Dauer jeder Datei. Daraus entstehen die Startzeiten der Kapitel, kurze Pausen und der Ausklang. Die Sprache wird vollständig fertig, bevor das nächste Kapitel beginnt.

Eine Wortausrichtung ordnet die tatsächlich gesprochenen Wörter ihren Zeitpunkten zu. Diese Zeitpunkte steuern wichtige Einblendungen und Untertitel: Wenn die Stimme „64,7 Prozent mit Werkzeugen“ sagt, wird genau dieser Wert mit seiner Bedingung sichtbar.

Im Beispielrechner oben kannst du sehen, wie Sekunden zu Videoframes werden. Das ist eine nachvollziehbare Rechnung für einen einzelnen Beispielclip; die echte Produktion verwendet die gemessenen Audiodateien.

Remotion beschreibt Bilder und Szenen mit React-Komponenten. Es bekommt Zeichnungen, Text, Audio und einen Schnittplan und erzeugt daraus einen Film. Unser Design-System liefert gemeinsam mit der Website Farben, Schriften und freigegebene Figuren. Eine Zahl braucht dadurch in Hell und Dunkel dieselbe Bedeutung und Hierarchie.

Johannes begrüßt kurz und verabschiedet sich kurz. Dazwischen gehört die Fläche der Erklärung. Einige ruhige, vollständige Handzeichnungen wechseln ungefähr alle ein bis zwei Sekunden. Der Mund bleibt geschlossen. Es wird keine Lippensynchronität vorgetäuscht.

Kleine gehaltene Versetzungen lassen andere Zeichnungen wie aufgelegte Papierstücke wirken. Ein Diagramm bewegt sich als Gruppe; einzelne Datenpunkte werden dabei nicht verschoben. Bei echten Quellen verwenden wir lesbare Browserausschnitte mit Herkunft und Aufnahmedatum. Eine kleine Quellenminiatur wäre am Handy wenig hilfreich.

Die eigentliche Renderarbeit läuft auf unserem Hetzner-Video-Worker. Danach prüfen wir die tatsächlichen Sprachclips vollständig und den ganzen Film mit Ton. Außerdem schauen wir die Einzelbilder an: Szenenanfänge, wichtige Einblendungen, Schnitte, Gestenwechsel und das Schlussbild.

Wir prüfen etwa, ob ein Pfeil versehentlich eine schwarze Fläche bildet, eine Beschriftung ein Symbol überdeckt oder die letzte Silbe abgeschnitten ist. Ein automatischer Bericht kann technische Fehler finden; eine gute Bewertung ersetzt die direkte Bildprüfung nicht. Wenn etwas auffällt, wird es korrigiert, neu gerendert und erneut geprüft.

Erst nach der Freigabe werden Film, Vorschaubild und Untertitel in R2 gespeichert. Ein Datei-Hash identifiziert die genauen Bytes. Wir lesen die hochgeladenen Dateien wieder zurück und vergleichen sie mit dem geprüften Ergebnis. Ein Release-Manifest verbindet diese Dateien mit dem Beitrag.

Deutsch und Englisch bekommen jeweils eigene Sprache, Zeitlinie und Bildtexte. Ein neuer Film muss in beiden Farbschemata geprüft werden. Auf der veröffentlichten Seite prüfen wir außerdem Wiedergabe, Untertitel und die Ansicht am Handy.

So endet die Geschichte beim Zuschauer: ein verständlicher Film, seine Quellen und — bei Erklärungen — ein freiwilliger Selbsttest in eigenen Worten. Der nächste Film beginnt wieder mit einer Frage.

HLE und METR: die Grenze hinter der Grenze zeigt den Importtest im Zusammenhang. Unser Design-System enthält die gemeinsame Gestaltung. Technischer Hintergrund: Remotion, ElevenLabs Forced Alignment und Cloudflare R2. Die hier beschriebene Reihenfolge stammt aus unserem tatsächlich eingesetzten Produktionsablauf; eine vollautomatische Daily-Video-Pipeline ist noch im Aufbau.