Die Bremer Stadtmusikanten

Das Projekt

Worum es geht

Dasselbe Märchen, zwei Tiefen — und konsequent kindgerecht entschärft.

Ziel ist ein animiertes Video von „Die Bremer Stadtmusikanten" (Brüder Grimm) in zwei Fassungen: eine sehr einfache für 1–3 Jahre (~5–6 Min, kurze Sätze, viel Wiederholung, Lautmalerei) und eine ausgeschmückte für 4–6 Jahre (~10 Min, echte Dialoge, Charakterhumor, Slapstick).

Im Original sollen die Tiere getötet werden — das ist konsequent entschärft: keine Bedrohung, die Tiere sind nur „alt und werden nicht mehr gebraucht" und finden eine neue Aufgabe. Die Räuber sind nicht böse, sondern tollpatschig-feige (Slapstick statt Gruseln).

Wiederkehrendes Musikmotiv: jedes Tier ist ein Ton — I-Aaah · Wau · Miau · Kikeriki — zusammen die „Band". Als Leitmotiv über die ganze Serie nutzbar.

Aktueller Stand: Proof of Concept bestanden. Die ganze Pipeline ist bewiesen und eine erste komplette, vertonte, textgetreue Szene steht. Als Nächstes: das Drehbuch szenenweise durchproduzieren.

Der gesamte Cast

Größenreferenz: drei Räuber in Menschengröße, der aufrechte Esel als größtes Tier, dann Hund, Hahn, Katze.

Die Figuren

Der Cast

Alle Figuren entstehen einmal als Standbild im einheitlichen Bilderbuch-Aquarell-Stil — der Esel ist der Stil-Anker, sein Bild gibt allen anderen den Look vor. Alle vier Tiere sind dezent gealtert (graue Schnauze, sanfte Fältchen), passend zum „zu alt"-Thema.

Esel — Grauschimmel

Anführer, Optimist, hat die Bremen-Idee. Trägt eine Laute.

Stimme: Crizz · tief, warmherzig

Hund — Packan

treu, tollpatschig, immer hungrig. Trommel als Anker.

Stimme: Adrian · kräftig, fröhlich

Katze — Bartputzer

elegant, mürrisch, spitze Zunge.

Stimme: noch zu casten

Hahn — Rotkopf

laut, stolz, „Frühwarner" — entdeckt das Licht.

Stimme: Paul · hell, dramatisch

Räuberbande

Hauptmann + 2 Handlanger. Tollpatschig-feig, nie gruselig.

Erzählerin: Bettina · warm

Räuberhaus (Nacht)

Schauplatz-Hintergrund: warm erleuchtetes Fenster im dunklen Wald.

Räuberstube (innen)

Bühne für den Fenster-Blick: Tisch voll Essen, Kerzenlicht.

Größenchart

Definiert die relativen Stehhöhen der vier Musikanten.

Gruppenreferenz

Die vier in natürlichen Posen — definiert das Zusammenspiel der Figuren.

Pro Figur: eine Pose-Bibliothek

Identitäts-Referenzen + Aktions-Referenzen

Der Schlüssel zur Charakterstabilität (mehr dazu unten): jede Figur bekommt mehrere Ansichten. Identität = Front · Gesicht-Nah · Profil · Rückseite. Aktion = eine passende Pose pro Bewegung (z.B. Laufen, mit der Laute am Riemen statt in den Händen). Genau wie ein Animationsstudio ein Model-Sheet pro Aktion anlegt.

Identität Front (Anker)

Identität Gesicht-Nah

Identität Profil

Identität Rückseite

Aktion Laufen, Profil — Laute am Riemen

Aktion Laufen, ¾-Ansicht

Aktion Hund — vierbeinig, Trommel als Anker

Aktion Katze — vierbeinig, Schwanz hoch

Aktion Hahn — stolzierend auf zwei Beinen

Sheet 4 Posen in 1 Bild (2×2)

Sheet Alle 4 Tiere in 1 Bild

Die Pipeline

Vier Bausteine, drei kleine Skripte

Nichts davon braucht eine Web-UI oder einen Menschen, der irgendwo klickt — alles läuft headless als Node-Skript, das die APIs ruft und mit ffmpeg zusammenbaut.

{
  "id": "fenster", "duration": 6, "variants": 2, "pick": 2,
  "refs": [
    "assets/characters/esel.jpg",
    "assets/characters/refs/esel_profile.jpg",
    "assets/characters/raeuber.jpg",
    "assets/characters/stube.jpg",
    "assets/characters/haus.jpg"
  ],
  "prompt": "Night exterior, locked static camera... the old grey donkey
    peers inside the lit window... THROUGH THE WINDOW three funny scruffy
    robbers sit around a big wooden table laden with food, feasting...",
  "narration": [
    { "speaker": "hund", "text": "Was siehst du denn, Grauschimmel?" },
    { "speaker": "esel", "text": "Einen Tisch voll mit herrlichem Essen —
       und drei Räuber, die sich's so richtig schmecken lassen!" }
  ]
}

Modelle im Vergleich

Welches Video-Modell für welchen Shot?

Alle Modelle laufen über dieselbe Atlas-Cloud-API. Die entscheidende Erkenntnis: nicht ein Modell gewinnt, sondern jeder Shot-Typ hat sein Modell.

Derselbe Esel, fünf Ansätze

Klicken zum Abspielen — die Clips starten automatisch, sobald sie ins Bild kommen.

Herausforderungen & Lösungen

Was schwer war — und wie wir es gelöst haben

Der ehrliche Teil. Fast jeder Fortschritt kam aus einem sichtbaren Fehler. Jede Karte zeigt Problem → Ursache → Lösung, viele mit dem Video-Beleg davor/danach.

4 Extra-Arme beim Laufen

ProblemBeim Laufen bekommt der Esel zusätzliche Arme, die da nicht hingehören.

UrsacheAlle Identitäts-Refs zeigen ihn aufrecht mit „Armen" (Laute spielend). Das Modell mischt diese Arm-Pose mit Lauf-Beinen → Anatomie-Fehler.

LösungAktions-Referenzen pro Bewegung mitgeben: ein Laufprofil mit Laute am Riemen (statt in den Händen) + verschärftes Negativ gegen „extra arm, holding the lute". Jede Figur braucht eine Pose-Bibliothek pro Aktion.

Die fertige Szene

„Annäherung ans Räuberhaus" — 37 Sekunden, end-to-end

Der eigentliche Meilenstein: nicht „funktioniert die Pipeline?", sondern „wir können Szenen am Fließband produzieren" — stiltreu, charakterstabil, mit deutschen Charakterstimmen, nach Grimm-Vorlage.

Strategische Wege

Welche Werkzeuge — und wie viel KI?

Parallel lief eine Grundsatz-Frage: Müsste man das nicht „richtig" in einer 3D-Engine bauen? Die ehrliche Abwägung — und die gewählte Richtung.