Charakterkonsistenz bei KI-Kurzserien (2026): Warum sich Gesichter zwischen Einstellungen ändern – und die drei Ebenen, die sie festlegen

Was „konsistent“ bedeutet: drei Ebenen

1. Identitätsmerkmale: Gesichtsform, Augenbrauen und Augen, Nase und Lippen, Hautton, Haare, Statur, scheinbares Alter sowie ein sofort wiedererkennbarer Anker (eine Narbe, ein Muttermal, ein Schmuckstück, eine Frisur). Wird durch den Charakterbogen getragen.
2. Garderobe, Make-up und Requisiten: Was diese Figur in dieser Szene trägt und hält, und was das Set enthält. Wird durch die figurenbezogene Kostümbeschreibung aus der Skriptanalyse und durch das Szenenplate getragen. Kostüme gelten pro Figur und pro sozialer Schicht, nicht als einheitlicher Style-Tag für die gesamte Serie.
3. Licht und künstlerische Ausrichtung: Farbdisziplin, Materialien, Dichte der Set-Ausstattung, Position der Lichtquelle. Wird durch das Szenenplate und durch die Lichtangaben in jeder Einstellung getragen. Die Referenzbilder selbst müssen neutral bleiben.

Warum Gesichter driften: drei Hauptursachen

Ebene 1: der Charakterbogen

Der Bogen dient der Wiedererkennbarkeit, nicht der Stimmung. Vier feste Regeln:

• Rein weißer Hintergrund, als eigene Klausel. Gib ihn als eigenständige Einschränkung an und wiederhole ihn in der Negativliste. Wenn er in einem anderen Absatz versteckt ist, wird er überschrieben.
• Kein flaches Licht. „Gleichmäßige Beleuchtung, keine Schatten“ ist das Rezept für ein Plastikgesicht: Flaches Licht löscht Hauttextur und Knochenstruktur. Schreibe ein gerichtetes Hauptlicht in etwa 75 Grad mit Füll- und Randlicht, und fordere Schatten unter Nase und Wangenknochen, ein Glanzlicht im Auge und graduellen Lichtabfall.
• Identität zuerst. Feste Prompt-Reihenfolge: Identitätsmerkmale der Person → Identitätssperre (kein Influencer-Gesicht, keine Glättung markanter Merkmale) → technischer Block → Rahmen-Einschränkungen. Die Skriptanalyse erzeugt sehr detaillierte Texte zum Aussehen (Knochenstruktur, Muttermale, Narben); diese müssen vorne stehen, nicht mittendrin.
• Gesicht > Haltung > Kostüm, und der Ausdruck soll spielen. Gib an, dass dies ein Look-Test für einen Schauspieler ist, kein E-Commerce-Outfit-Shooting; verbinde es, herauszuzoomen, um das Outfit auf Kosten des Kopfes zu zeigen. Schreibe nicht „neutraler Ausdruck“: Das löscht genau die Eigenschaft (etwa ein klingenartiger Blick), die die Figur wiedererkennbar macht.

Bekannter Fehler: Figuren in langen Mänteln oder Roben werden in einem 9:16 Ganzkörperbild vom Kleidungsstück verschluckt – der Mantel füllt siebzig Prozent des Bildes und das Gesicht schrumpft. Das ist eine physische Grenze des Bildausschnitts. Die Lösung ist ein separater Halbkörperbogen, der das Gesicht trägt, auf Kosten eines weiteren Bildes pro Figur.

In SceneMixer wird das aus der Skriptanalyse erzeugte Aussehensfeld direkt zum Gegenstand des Bogen-Prompts. Jede Figur bekommt einen 9:16 Ganzkörperbogen auf Weiß, mit automatisch zugeschnittenen Gesichts- und Halbkörperausschnitten, und jede spätere Videogenerierung hängt die Referenzen dieser Figur an. Bevor du die Bogenqualität beurteilst, bestätige, welches Bildmodell ihn erzeugt hat: Ausgabegröße und Prior unterscheiden sich stark zwischen Modellen, und der Beleg sind die Bildabmessungen und der Task-Datensatz, keine Vermutung.

Ebene 2: das Szenenplate

Ein Szenenbild ist ein leeres „Plate“, auf das sich das Videomodell bezieht. Der Standard ist erneut Neutralität:

• Keine Personen. Drücke Maßstab über die eigenen Teile des Gebäudes aus (eine Tür zwei Personen hoch, ein Tisch einen Arm breit).
• Drei Tiefenebenen. Vordergrund, Mittelgrund und Hintergrund jeweils mit expliziten Materialien und Ausstattung, damit das Modell Platz hat, eine Kamera zu platzieren.
• Beschreibe, wo das Licht herkommt, nicht wo es auftrifft. Schreibe „eine warmweiße Pendelleuchte wirft weiches Licht von oben rechts nach unten“, nicht „Licht hellt die Tischplatte auf“. Schreibe keine Schattengrenzlinie und vermeide gesättigte Farbwörter: 3200 K auf Haut ist warmweiß, und „gelb“ führt zu gelber Farbe.
• Keine Atmosphären-Gradierung. Keine Stimmungsgradierung, Silhouetten, Nebel oder Lichtstrahlen, und keine der alten Trigger-Wörter (cinematic, dramatic, 8K). Nebel im Plate taucht in jeder Einstellung dieser Szene auf.

Die künstlerische Leitung ist eine Einstellung auf Projektebene, die einmalig bei der Skriptanalyse vorgenommen wird: Sie prägt jede Szenenbeschreibung und jedes Storyboard und wird niemals an das Charakterblatt oder andere Bildprompts angehängt, da sonst das Blatt mit weißem Hintergrund wie das Filmset beleuchtet wird.

Ebene 3: Kontinuität im Storyboard

• Lange Segmente, kurze Shots. Ein Segment entspricht einem Generierungsaufruf und sollte möglichst nahe an der Obergrenze von 15 Sekunden liegen. Erhöhe das Tempo, indem du einzelne Shots kürzer machst, nicht indem du das Segment aufteilst. Jedes zusätzliche Segment setzt die Positionen ab einem neuen ersten Frame zurück und zerstört die Kontinuität.
• Übergang innerhalb des Segments beibehalten. Wo die Figur sitzt, was sie hält und was sie am Ende des vorherigen Shots getan hat, da beginnt der nächste Shot.
• Nur Personen nennen, die im Bild sind. Nenne niemals abwesende Personen. „Mark geht ab“ oder „Anna ist nicht anwesend“ erhöht die Wahrscheinlichkeit, dass sie auftauchen, weil Substantive innerhalb einer Negation wie Anziehungspunkte wirken.
• Beleuchtung nach Ursache. Gleiche Regel wie beim Plate. Lichtposition, Medium und Farbton werden jeweils einmal angegeben, keine Wiederholungen, keine Widersprüche.

Referenz-Eingaben nach Modell

Nur verifizierte Zellen sind ausgefüllt; Leerstellen bleiben Leerstellen, keine Schätzungen. Was Konsistenz entscheidet, ist nicht, ob das Limit bei 9 Referenzen oder 50 liegt, sondern ob die wenigen, die du anhängst, neutral sind.

Abnahme-Checkliste: fünf Shots derselben Figur nebeneinander

• ☐ Gesichtsform, Augenbrauen, Augen, Nase und Lippen wirken in allen fünf Shots wie dieselbe Person.
• ☐ Der visuelle Anker (Narbe, Muttermal, Schmuck, Haarschnitt) ist in jedem Shot vorhanden und an derselben Stelle.
• ☐ Innerhalb einer Szene stimmen Lichtrichtung und Farbtemperatur überein; kein warmer Shot neben einem kalten.
• ☐ Kostüm und Handrequisiten sind innerhalb des Segments durchgängig, nichts taucht auf oder verschwindet.
• ☐ Keine abwesende Figur läuft herein; keine zweite „Hauptfigur“ taucht auf.
• ☐ Haut hat Textur und sanfte Schattierung, keine flache Plastikoberfläche.

Wenn ein Shot fehlschlägt, geh zurück zu der Ebene, der er zugeordnet ist, und korrigiere diese Ebene. „Den Prompt verstärken“ ist keine Lösung.

Weiterführende Informationen

Wie das Drehbuch selbst Konsistenz aufbaut (ein Name pro Ort, nicht mehr als drei oder vier Sets pro Folge), steht in Vertical Short Drama Script Format and Hook Structure. Regeln zu Offenlegung und Persönlichkeitsrechten findest du in AI Short Drama Compliance Checklist 2026. Um die Methode an einer fertigen Serie zu sehen, öffne die Beispieldramen: jedes zeigt das Figurenblatt sowie Skript und Video jedes Segments.

FAQ