DIE MASCHINE SIEHT MENSCH – SIE TANZT NICHT
Vier kommerzielle KI-Videomodelle wurden auf ihre Tanzfähigkeit geprüft. Das Resultat: Die Maschinen erzeugen durchaus überzeugende Bewegtbilder menschlicher Körper. Kein einziges Modell schaffte es, den jeweils angeforderten Tanz tatsächlich aufzuführen.
Sora 2 von OpenAI, Veo 3.1 von Google, Kling 2.5 von Kuaishou sowie Hailuo 2.3 von MiniMax durchliefen je neun Prompts. Sechsunddreißig Videos wurden insgesamt generiert. Jeder Prompt einmal abgeschickt, Standardeinstellungen, Querformat. Das Testverfahren stammt von CalMatters und The Markup.
Was getestet wurde, sagt viel über den Anspruch aus. Neun Stile: Macarena, Mashed Potato, Folklorico, populäre TikTok-Tänze. Drei Kategorien: kulturell, modern, populär. Schauplätze: Tanzflächen, Bühnen, Schlafzimmer, Studios, Kulturveranstaltungen, öffentliche Plätze, Klassenzimmer. Variation in der Spezifität – mal wurde der Tanz nur benannt, mal wurden die Bewegungen exakt beschrieben.
Dann das Ergebnis. Etwa ein Drittel der Videos zeigt Inkonsistenzen im Erscheinungsbild der dargestellten Person zwischen den Einzelbildern. Gliedmaßen verändern sich. Bewegungsabläufe brechen. Und bei keinem einzigen Modell stimmte die ausgeführte Bewegung mit dem geforderten Tanz überein.
Hier öffnet sich eine ökonomische Bruchlinie, die selten so klar benannt wird. Die Testverantwortlichen wählten bewusst geschlossene, kommerzielle Systeme. Open-Source-Modelle wurden ausgeschlossen mit der Begründung, dass diese weniger leistungsfähig seien. Was hier geprüft wird, ist also nicht der Stand der Technik im Allgemeinen, sondern der Stand der Konsumprodukte im Besonderen. Vier Großkonzerne kontrollieren die Pipelines. Wer diese Werkzeuge kontrolliert, kontrolliert die Verbreitung bewegter Bilder. Wer zahlt, bestimmt, was tanzt.
Die Prompts wurden vor dem Test durch ChatGPT optimiert – angelehnt an den Prompting Guide von Sora 2. Das ist ein Detail, das Aufmerksamkeit verdient. Die Maschinen werden nicht nur von Maschinen getestet, sondern nach Regeln, die eine Maschine formuliert hat.
Die Sperren fallen ins Auge. Sora 2 blockierte drei Prompts. Wörter mit Jahreszahlen, Namen populärer Musikschaffender, andere geschützte Begriffe lösten den Filter aus. Ein Prompt zeigte einen Politiker beim Macarena-Tanz. Er wurde abgeändert zu „Mann im Anzug". Filter passiert. Was hier zensiert wird, ist weniger die Obszönität als die Wiedererkennbarkeit. Die Filterlogik verrät das Geschäftsmodell: Schutz vor Urheberrecht und Markenreputation, weniger Schutz vor Täuschung.
Einzige Quelle. Eine Kooperation zweier US-Redaktionen. Vorsicht ist geboten. Die Auswahl der Modelle spiegelt den US-Markt. Die Auswahl der Tänze den westlich-englischsprachigen Populärkanon. Wer hier generalisiert, generalisiert zu schnell.
Die Tanzschaffenden selbst wurden befragt, ob KI ihre Branche ersetzen könne. Die meisten antworteten: nein. Die Tests bestätigen das – vorerst. Aber verglichen mit Ende 2024 ist die Fehlerquote bereits signifikant gesunken. Die Maschinen lernen schnell.
Ich saß 1937 vor einem Morsetisch und habe gelernt, wie man Frequenzen liest, die andere wegwerfen. Damals wie heute gilt: Wer das Signal kontrolliert, kontrolliert die Wirklichkeit. Der Tanz ist noch nicht ersetzt. Aber die Schwelle, ab der eine KI-generierte Figur „gut genug" für einen Werbespot, ein Social-Media-Video, ein Stockbild aussieht – diese Schwelle sinkt. Die Frage ist nicht, ob KI den Tanz ersetzen wird. Die Frage ist, was als Tanz gilt, wenn die Bewegung nur noch Simulation ist.
❖ Ende des Artikels ❖