Warum datengetriebene Videoproduktion im großen Stil deterministische Systeme braucht

Das Wichtigste in Kürze

• Generative KI liefert selbst bei Temperatur 0 in der Regel nicht dieselben Ergebnisse und erzeugt gelegentlich Fehler, die niemand freigegeben hat.
• Bei Zehntausenden personalisierten Videos findet eine Stichprobe seltene Fehler oft nicht.
• KI-Videogenerierung wird pro Sekunde abgerechnet. Bei 40.000 Videos kommen schnell sechsstellige Beträge zusammen.
• Ein deterministisches System erzeugt aus gleichen Daten immer dasselbe Video. Geprüft werden dann Vorlage, Regeln und Daten statt jedes einzelne Video.
• KI bleibt wertvoll für Ideen, Texte und Assets vor der Freigabe, die Produktion danach läuft nach festen Regeln.

Wenn ein einziges Video von 40.000 aus dem Ruder läuft

Stell dir vor, eine Kfz-Versicherung verschickt im Januar 40.000 personalisierte Videos. Die Idee klingt modern: Ein KI-Modell erzeugt für jede Kundin und jeden Kunden eine eigene Szene mit dem versicherten Automodell in der Heimatregion. Keine Dreharbeiten, keine Stockfotos, jedes Video ein Unikat.

Dann tauchen die ersten Screenshots in den sozialen Medien auf. In einem Video trägt der Kleinwagen das Logo einer anderen Marke. In einem anderen steht das Auto mit eingedrücktem Kotflügel am Straßenrand, ausgerechnet im Video einer Versicherung. Eine generierte Familie im Hintergrund hat verzerrte Gesichter. Niemand im Team hat diese Bilder je gesehen, denn sie sind erst beim Rendern entstanden.

Ein falsches Wort in einem von 40.000 Videos verzeiht man noch. Bilder, die die eigene Marke beschädigen, verbreiten sich dagegen schneller als jede Korrektur. Und je mehr generative KI in die Videoproduktion einzieht, desto drängender wird die Frage: Wie stellst du sicher, dass Video Nummer 31.418 genauso aussieht wie das eine, das du dir in der Freigabe angesehen hast? Unsere Antwort klingt erst einmal unspektakulär. Für die eigentliche Produktion brauchst du ein System, das bei gleichen Daten immer das gleiche Ergebnis liefert.

Was generative KI gut kann und wo sie für Massenproduktion zum Risiko wird

Generative KI ist großartig, wenn du Ideen brauchst. Sie schreibt in Sekunden zehn Varianten für einen Hook, schlägt Bildwelten vor und formuliert ein Skript für eine Zielgruppe um, an die du selbst noch nicht gedacht hast. Für den kreativen Teil einer Kampagne würden wir nicht mehr darauf verzichten.

Schwierig wird es, sobald dasselbe Modell tausendfach Inhalte erzeugen soll, die für jede Person exakt stimmen müssen. Dafür gibt es zwei Gründe, die beide gut untersucht sind.

Der erste sind Halluzinationen. Forschende von OpenAI und der Georgia Tech beschreiben in einem Paper vom September 2025, dass Sprachmodelle raten, wenn sie unsicher sind, weil Training und Bewertung das Raten eher belohnen als ein ehrliches „weiß ich nicht“. Ihr Befund: Solche plausibel klingenden Falschaussagen kommen auch in aktuellen Spitzenmodellen noch vor. Als Beispiel fragten sie ein Modell dreimal nach dem Geburtstag eines der Autoren und bekamen drei verschiedene, falsche Antworten.

Der zweite Grund ist weniger bekannt. Sprachmodelle schreiben Text Stück für Stück und wählen dabei jedes Mal aus mehreren möglichen Fortsetzungen, die unterschiedlich wahrscheinlich sind. Wie viel Zufall bei dieser Auswahl im Spiel ist, regelt eine Einstellung namens Temperatur. Je höher sie ist, desto öfter kommen auch weniger wahrscheinliche Wörter zum Zug, und der Text wird abwechslungsreicher. Bei Temperatur 0 soll das Modell immer die wahrscheinlichste Fortsetzung nehmen.

Viele gehen deshalb davon aus, dass ein Modell bei Temperatur 0 für dieselbe Eingabe immer denselben Text liefert. Das stimmt in der Praxis nicht. Das Thinking Machines Lab hat das im September 2025 nachgemessen: Es ließ ein großes offenes Modell 1.000-mal denselben Text zu Richard Feynman schreiben, bei Temperatur 0. Heraus kamen 80 unterschiedliche Fassungen. Bis zum 103. Textbaustein (Token) waren alle gleich, dann schrieben 992 Durchläufe „Queens, New York“ als Geburtsort und 8 „New York City“. Die Ursache liegt laut den Autoren in der Serverlast: Je nachdem, wie viele Anfragen gleichzeitig verarbeitet werden, rechnet die Hardware minimal anders, und diese Abweichungen schaukeln sich auf.

Das Labor zeigt auch, dass sich das technisch beheben lässt, allerdings auf Kosten der Geschwindigkeit und nur, wenn du die Infrastruktur selbst kontrollierst. Wer KI über eine Schnittstelle eines großen Anbieters nutzt, hat darauf keinen Einfluss.

Für einen Chat ist so etwas egal. Für ein Video, in dem bei 8 von 1.000 Empfängern ein anderer Satz steht als in der freigegebenen Fassung, ist es das nicht.

Was ein deterministisches System anders macht

Deterministisch heißt: Aus denselben Eingabedaten entsteht jedes Mal exakt dasselbe Ergebnis. Kein Würfeln, keine Tagesform, keine Abhängigkeit davon, wie viel gerade auf dem Server los ist.

In der Videoproduktion sieht das so aus. Es gibt eine Vorlage mit festen Ebenen: Bildmaterial, Texteinblendungen, Sprecherspur, Musik. Bestimmte Stellen sind Platzhalter, die mit Feldern aus deinem CRM verknüpft sind, etwa Vorname, Fahrzeugmodell oder Beitrag. Dazu kommen Regeln, die du vorher festlegst. Ist der Beitrag gesunken, läuft Szene A. Ist er gestiegen, läuft Szene B mit einer Erklärung. Fehlt das Fahrzeugmodell im Datensatz, wird eine neutrale Formulierung eingesetzt.

Das System erfindet dabei nichts. Es setzt nur zusammen, was du ihm gibst, nach Regeln, die du kennst. Es gibt also keine Überraschungen, und genau das macht es so wertvoll.

Der entscheidende Unterschied liegt darin, wo die Qualitätssicherung stattfindet. Bei einem generativen System musst du im Grunde jedes einzelne Ergebnis prüfen, weil jedes anders ausfallen kann. Bei einem deterministischen System prüfst du die Vorlage, jede Regelvariante einmal und die Daten, die hineinfließen. Stimmen diese drei Dinge, stimmt auch Video Nummer 31.418, ohne dass es jemand ansehen muss.

Die Zahl der Varianten, die du freigeben musst, hängt also von der Zahl der Regeln ab und nicht von der Zahl der Empfänger. Ob du 400 oder 400.000 Videos rausschickst, macht für die Freigabe keinen Unterschied.

Warum Stichproben bei großen Stückzahlen nicht reichen

Die naheliegende Antwort auf unzuverlässige KI lautet: Dann schauen wir eben genauer hin. Bei 50 Videos klappt das. Bei 40.000 nicht mehr, und eine Stichprobe hilft weniger, als man denkt.

Nehmen wir an, dein Team schaut sich vor dem Versand 200 zufällig ausgewählte Videos an. Das ist schon ein halber Arbeitstag. Wie gut findet diese Stichprobe Fehler, die in einem kleinen Teil der Videos stecken? Die Zahlen unten sind eine einfache Wahrscheinlichkeitsrechnung, keine Messung:

Bei einer Fehlerquote von 0,5 Prozent landen 200 falsche Videos bei echten Kunden, und in mehr als einem Drittel der Fälle hätte deine Stichprobe nichts davon bemerkt. Bei 0,1 Prozent übersiehst du die Fehler sogar in vier von fünf Fällen.

Dazu kommt ein zweites Problem. Eine Stichprobe funktioniert am besten, wenn Fehler zufällig verteilt sind. Bei KI-generierten Inhalten ist das nach unserer Erfahrung oft nicht so: Fehler häufen sich bei ungewöhnlichen Datensätzen, also bei sehr langen Namen, seltenen Fahrzeugmodellen oder Sonderkonditionen. Genau diese Fälle sind in einer Zufallsauswahl selten vertreten.

Du kannst natürlich alle Videos prüfen lassen, von Menschen oder von einer zweiten KI. Dann zahlst du aber für die Kontrolle mehr, als die Automatisierung eingespart hat, und die zweite KI hat grundsätzlich dieselben Schwächen wie die erste.

Was KI-generierte Videos in großer Stückzahl kosten

Neben der Qualität gibt es einen ganz handfesten Grund, generative Videomodelle nicht für jede einzelne Variante einzusetzen: den Preis. Videomodelle werden pro erzeugter Sekunde abgerechnet. Google nennt für sein Videomodell Gemini Omni Flash in der Preisliste der Gemini API einen effektiven Preis von rund 0,10 US-Dollar pro Sekunde Video in 720p (Stand Oktober 2026).

Das klingt nach wenig. Für unsere Versicherung mit 40.000 Videos à 30 Sekunden sind das aber 1,2 Millionen generierte Sekunden, also rund 120.000 US-Dollar allein für die Generierung. Und zwar in 720p und ohne einen einzigen Neuversuch. Jedes Video, das wegen eines Bildfehlers neu erzeugt werden muss, kostet noch einmal. Ändert sich nach dem Versand ein Tarifdetail, fängst du von vorn an.

Ein deterministisches System erfindet die Bilder nicht für jedes Video neu. Es setzt vorhandenes Material nach Regeln zusammen und rendert es. Was das kostet, hängt von Anbieter und Volumen ab. Nach unserer Erfahrung liegt es aber um ein Vielfaches unter dem, was eine KI-Generierung pro Video kostet.

KI für den Entwurf, feste Regeln für die Produktion

Das alles heißt nicht, dass KI in der personalisierten Videoproduktion nichts verloren hat. Sie gehört nur an eine andere Stelle im Prozess. Wir trennen zwischen der Phase, in der Varianten entstehen, und der Phase, in der sie tausendfach ausgespielt werden.

In der Praxis sieht ein Ablauf, der sich bewährt hat, ungefähr so aus:

1. Ideen, Texte und Assets mit KI entwickeln. Hooks, Skriptvarianten, Formulierungen für verschiedene Zielgruppen, Vorschläge für Szenen, aber auch fertige Bausteine wie Hintergründe, Produktszenen oder Sprecheraufnahmen. Hier darf die KI kreativ sein, denn ein Mensch prüft alles.
2. Varianten festschreiben. Aus den Vorschlägen werden feste Textbausteine und Szenen, zum Beispiel drei Begrüßungen, zwei Erklärungen für Beitragsänderungen und eine Schlussszene pro Region.
3. Regeln definieren. Welcher Baustein läuft bei welchen Daten? Was passiert, wenn ein Feld leer oder ungewöhnlich lang ist?
4. Einmal freigeben. Jede Kombination aus Regel und Baustein wird angesehen, in der Regel sind das ein paar Dutzend Vorschauen.
5. Daten prüfen und produzieren. Vor dem Rendern läuft eine automatische Prüfung der Datensätze auf Pflichtfelder, Zeichenlängen und plausible Werte. Danach erzeugt das System alle Videos nach den festgelegten Regeln.

Die KI arbeitet also vor der Freigabe, das deterministische System danach. Was ein Kunde sieht, hat vorher in genau dieser Form ein Mensch abgenommen.

Besonders stark ist KI dort, wo sie Assets produziert, die später im Template landen. Statt für jede Person eine eigene Szene zu generieren, erzeugst du zum Beispiel eine Landschaftsszene pro Bundesland, prüfst die 16 Clips einmal und hinterlegst sie als feste Bausteine. Bei acht Sekunden pro Clip und dem Preis aus dem Abschnitt oben kostet das rund 13 US-Dollar. Die Regel im Template entscheidet danach nur noch, welcher der freigegebenen Clips im Video einer Kundin läuft.

Ganz ohne Kontrolle kommst du trotzdem nicht aus, nur verschiebt sie sich. Statt Videos prüfst du Daten. Das ist billiger, lässt sich automatisieren und findet Fehler, bevor sie gerendert werden. Ein falscher Beitrag im CRM bleibt allerdings auch im deterministischen Video falsch. Das System garantiert, dass es deine Daten korrekt wiedergibt, nicht, dass deine Daten stimmen.

So sieht das bei einer Versicherung konkret aus

Zurück zur Kfz-Versicherung vom Anfang. Angenommen, sie möchte zum Jahreswechsel jeder Kundin und jedem Kunden ein kurzes Video zum neuen Beitrag schicken. Teure Dreharbeiten für jede Variante braucht es dafür nicht. Das vorhandene Bildmaterial aus der letzten Imagekampagne reicht, personalisiert wird über die Textebene und die Szenenauswahl.

Die Datenfelder sind überschaubar: Vorname, Fahrzeugmarke, Beitrag alt und neu, Schadenfreiheitsklasse, Region. Daraus ergeben sich ein paar klare Regeln. Wer günstiger fährt, sieht eine kurze Bestätigung. Wer mehr zahlt, bekommt eine Szene, die erklärt, warum die Beiträge in der Region gestiegen sind, und einen Hinweis auf den Tarifrechner. Ist die Schadenfreiheitsklasse besser geworden, wird das mit einem Satz gewürdigt.

Generative KI kann in diesem Projekt die Formulierungen vorschlagen, etwa fünf Varianten für die Erklärung der Beitragserhöhung, aus denen das Team die verständlichste auswählt. Im fertigen Video wird aber kein Satz mehr live generiert. Jeder Satz, den eine Kundin sieht, steht wortgleich in der Freigabe.

Genau für diesen Teil ist vidflare gebaut. Du legst im webbasierten Editor eine Mastervorlage an, verknüpfst Datenpunkte aus einer Tabelle, einer API oder einer JSON-Datei mit Elementen im Video und bekommst für jeden Datensatz ein eigenes Video. Zurück kommt der gleiche Datenfeed, ergänzt um die Video-URLs, sodass du die Videos direkt im CRM oder in der Mailing-Software einbinden kannst. Ändert sich ein Wert, rechnet das System die betroffene Version neu.

Platzhalter für die Redaktion: Hier ein konkretes vidflare-Projekt ergänzen: Was wurde personalisiert, für wen, wie viele Varianten, und was hat es gebracht? Nur Angaben verwenden, die intern belegt sind.

Datenschutz und Nachvollziehbarkeit

Personalisierte Videos arbeiten mit personenbezogenen Daten, also gilt die DSGVO. Ein deterministisches System macht dir dabei zwei Dinge leichter.

Erstens weißt du genau, welche Datenfelder in ein Video einfließen, weil sie in der Vorlage festgelegt sind. Du kannst sie bewusst klein halten: Für ein Beitragsvideo braucht es keinen Geburtstag und keine Schadenhistorie im Detail. Bei einem generativen Modell, das du mit einem ganzen Kundenprofil fütterst, ist viel schwerer zu sagen, welche Information am Ende wo auftaucht.

Zweitens kannst du jedes Video jederzeit erklären. Wenn sich eine Kundin beschwert, siehst du, welcher Datensatz und welche Regel zu genau diesem Ergebnis geführt haben, und du kannst es reproduzieren. Das hilft im Kundenservice und bei Auskunftsanfragen.

Dazu kommt die KI-Verordnung der EU. Laut EU-Kommission gelten seit dem 2. August 2026 die Transparenzpflichten aus Artikel 50, unter anderem für generative KI-Systeme und Deepfakes. Ob und wie das deine Videos betrifft, hängt davon ab, was genau die KI erzeugt und wie das Ergebnis aussieht. Wenn KI nur beim Texten im Vorfeld hilft, ist die Lage eine andere als bei einer synthetischen Stimme oder einem generierten Gesicht.

Wo die Daten verarbeitet werden, spielt ebenfalls eine Rolle. vidflare betreibt zum Beispiel alle Systemkomponenten im eigenen Rechenzentrum in Hamburg. Welche Anforderungen in deinem Fall gelten, klärst du am besten mit deinem Datenschutzbeauftragten. Rechtsberatung ersetzt dieser Text nicht.

Quellen

• Kalai, Adam Tauman; Nachum, Ofir; Vempala, Santosh S.; Zhang, Edwin: Why Language Models Hallucinate. arXiv:2509.04664, 4. September 2025.
• He, Horace und Thinking Machines Lab: Defeating Nondeterminism in LLM Inference. Thinking Machines Lab: Connectionism, September 2025.
• Google: Gemini Developer API pricing, abgerufen am 6. Oktober 2026.
• Europäische Kommission: Guidelines on transparency obligations for providers and deployers of certain AI systems. Shaping Europe’s digital future.
• vidflare: Plattform für skalierbare Videopersonalisierung, Produktbeschreibung und FAQ.

Die Wahrscheinlichkeiten in der Tabelle zur Stichprobe sind eigene Berechnungen (Wahrscheinlichkeit, in 200 zufällig gezogenen Videos keinen Fehler zu finden, bei gegebener Fehlerquote).