Wenn KI auf Vertical Cinema trifft: Geschichten für den Bildschirm, den Menschen wirklich in der Hand halten

Das Hochformat ist kein zugeschnittenes Kino

Über Jahrzehnte wurde filmisches Erzählen für die Breite gedacht. Das Querformat belohnt Weite: Two-Shots, weite Establishing-Shots, seitliche Bewegung. Das vertikale Bild funktioniert genau umgekehrt – es belohnt Höhe, Ganzkörperbewegung vom Boden bis zur Decke, Nahaufnahmen von Gesichtern und vertikale Architektur. Der Sprung von 16:9 auf 9:16 ist damit keine bloße Drehung der Kamera, sondern eine eigene kompositorische Grammatik (Tone Production).

Wer das ignoriert und ein bestehendes Kinobild nachträglich beschneidet, verliert mehr als Ränder. Schneidet man ein reguläres 4K-Landscape-Bild (3840×2160) auf einen echten 9:16-Ausschnitt, bleibt nur etwa ein Drittel des Originals übrig – rund ein 1215×2160 breiter Mittelstreifen. Das linke und rechte Bilddrittel gehen vollständig verloren, jedes nicht mittig platzierte Motiv wird abgeschnitten. Der Fachtext nennt das treffend keine Beschneidung, sondern eine „Amputation“ (Tone Production). Genau deshalb ermöglicht originär in 9:16 gedrehtes Material andere Entscheidungen: maximale Auflösung, bewusste Komposition und volle Kontrolle darüber, was der Zuschauer sieht.

Dass das Hochformat kein Notbehelf ist, zeigt auch die Forschung. Eine großangelegte Studie im Journal of Interactive Marketing belegt, dass mobile Nutzer vertikale Videos flüssiger verarbeiten und weniger Anstrengung empfinden, weil sie das Gerät nicht drehen müssen; der Effekt ist bei jüngeren Nutzern besonders ausgeprägt (Mulier, Slabbinck & Vermeir, Sage). Das ist ein empirischer Befund aus dem Werbekontext, kein Beleg für fiktionale Serien – aber er stützt die Grundthese: Das vertikale Bild ist auf dem Smartphone die natürlichere Form, nicht die kompromisshaftere.

Eine visuelle Grammatik für den Bildschirm in der Hand

Sobald man für das Hochformat komponiert, ändern sich die handwerklichen Entscheidungen. Das vertikale Bild zieht die Aufmerksamkeit auf ein einzelnes Subjekt; enge und mittlere Nahaufnahmen füllen den Rahmen sinnvoll, während weite Einstellungen schnell verloren wirken, weil das Motiv klein in einer Fläche steht, die die Höhe nicht füllen kann. Für eine Ortseinführung empfiehlt sich deshalb ein kurzer vertikaler Schwenk oder eine Neige statt eines statischen Totalen (Tone Production).

Räumliche Tiefe entsteht anders: über vertikale Führungslinien wie Treppen, Türrahmen, Straßenlaternen oder hohe Fenster, die über die volle Bildhöhe laufen, sowie über Vordergrundelemente und bewusst gesetzten Negativraum ober- und unterhalb der Figur. Auch die Eyelines folgen einer eigenen Logik: Die Augen einer sprechenden Figur sitzen auf der oberen Drittellinie, etwa 33 Prozent von oben, was zugleich Platz für Untertitel schafft (Tone Production). Untertitel sind hier kein Anhängsel, sondern Teil der Komposition: In der Praxis wird der obere Bildbereich für Plattform-Header freigehalten, die eigentliche Aktion spielt im mittleren Band, und Untertitel liegen im unteren Drittel innerhalb der sicheren Zone – wichtig, weil Benutzeroberflächen und Interaktions-Icons Ränder verdecken (Tone Production).

Selbst Kamera und Licht müssen mitdenken: Viele Kino-Kameras, Rigs und Zubehörsysteme sind für horizontalen Betrieb eingerichtet; für originäres 9:16 wird die Kamera häufig im Rig gedreht, der Monitor um 90 Grad rotiert und der Gimbal neu balanciert. Weil weitere Brennweiten das Lichtequipment schneller ins Bild holen, wandern Scheinwerfer weiter nach hinten oder nach oben (Tone Production). Nichts davon ist Zufall – es ist Production Design für einen Bildschirm, den man in der Hand hält.

Wo KI wirklich hilft – und wo sie schweigen sollte

Der zweite Treiber neben der Grammatik ist die Produktionsökonomie. Genau hier setzt KI an. Media Partners Asia beschreibt, dass künstliche Intelligenz entlang der gesamten Wertschöpfungskette eingesetzt wird, global vor allem für Lokalisierung und Synchronisation, und dass ihr Beitrag zur Kostensenkung voraussichtlich stark zunehmen wird (Deadline, MPA-Bericht). Beim europäischen Anbieter My Drama, der zur ukrainischen Holywater gehört, wird KI nach eigenen Angaben in jeder Produktionsstufe genutzt – von der Skriptarbeit bis zur Lokalisierung, dazu für Schnitt, Musik und die Generierung von Nebenmotiven (VideoWeek).

Konkret lassen sich mehrere Workflows unterscheiden. Für schnelle Previsualisierung, Storyboards und alternative Bildausschnitte existieren KI-gestützte Reframing-Werkzeuge: Adobes Auto Reframe in Premiere Pro passt Seitenverhältnis und Bildausschnitt automatisch an, legt eine Duplikat-Sequenz an und bietet Bewegungs-Presets von „Slower Motion“ bis „Faster Motion“ – räumt aber selbst ein, dass komplexe Sequenzen mit mehreren Bildzentren oder schnellen Bewegungen manuelle Nacharbeit an den Keyframes erfordern (Adobe-Hilfe, Anbieterangabe). Google beschreibt ein Machine-Learning-Verfahren, das Landscape-Material in vertikale oder quadratische Formate umrechnet, indem es Gesichter, Objekte, Logos, Text und Bewegung erkennt und das Video in Szenen zerlegt, um wichtige Elemente zentriert zu halten (Google, Anbieterangabe). Solche Werkzeuge sind nützlich für Versionierung und Plattformvarianten – aber sie umgehen nicht die Grundentscheidung: Automatisches Reframing rekonstruiert nur, was bereits gefilmt wurde; ein originär vertikal komponiertes Bild trifft Entscheidungen über Nähe, Tiefe und Bewegung, die ein Algorithmus nachträglich nicht erfinden kann.

Der zweite große Hebel ist Zugänglichkeit über Sprachgrenzen hinweg. ElevenLabs wirbt für sein Verfahren, dass es „90+ Sprachen und Akzente“ unterstützt und dabei auf die Original-Performance statt auf ein Transkript konditioniert, sodass Ton, Emotion und Delivery erhalten bleiben und automatisch ein Voice-Clone des Originalsprechers erzeugt wird (ElevenLabs, Anbieterangabe). Für internationale Verwertung ist das relevant: Eine vertikale Serie kann so für viele Märkte lokalisiert werden, ohne für jede Sprache neu gedreht zu werden. Fragen von Einwilligung und Rechten an Stimmen und Trainingsdaten sind dabei zentral – sie werden in unserer Serie gesondert behandelt.

Entscheidend bleibt die Rollenteilung: KI reduziert Produktions- und Distributionsbarrieren, sie soll aber nicht die Geschichte bestimmen. In der chinesischen Praxis sind voll KI-generierte Microdramas bislang selten; verbreiteter sind Hybridformen, in denen Hauptrollen real gespielt und Nebenfiguren generiert werden – mit dem nüchternen Urteil eines Casting-Verantwortlichen, die Technik sei „einfach noch nicht gut genug“ (The Globe and Mail).

Vom Nebenformat zum eigenständigen Ökosystem

Dass vertikale Fiktion längst mehr ist als ein Social-Feed, zeigen die Zahlen. Der chinesische Microdrama-Markt erreichte 2024 nach Angaben des von The Globe and Mail zitierten Branchenverbands rund 50,5 Milliarden Yuan und übertraf damit erstmals die nationalen Kinoeinnahmen (The Globe and Mail). Media Partners Asia beziffert den chinesischen Umsatz für 2024 auf sieben Milliarden US-Dollar, gegenüber 0,5 Milliarden 2021 (Deadline, MPA-Bericht). Die App ReelShort steigerte ihren Umsatz laut Omdia-Auswertung von Sensor-Tower-Daten von 36 Millionen Dollar (2023) auf 214 Millionen (2024), DramaBox von 8 auf 217 Millionen (Deadline, Omdia). In den USA verbrachten Zuschauer 2025 laut Sensor Tower im Schnitt 35 Minuten pro Tag mit ReelShort – mehr als bei den großen Streamingdiensten in den zitierten Daten (The Globe and Mail).

Diese Bindung entsteht durch eine eigene Dramaturgie: Serien laufen über 60 bis 80 Episoden von je ein bis drei Minuten (VideoWeek), einzelne Kapitel sind kurz, aber als Einheit vollständig, und die Figurenentwicklung trägt über eine ganze Staffel. Ein Titel wie „My 18-year-old Great-Grandma“ erreichte laut Datenanbieter Enlightent über 4,6 Milliarden Aufrufe über seine 90-teilige erste Staffel (The Globe and Mail). Damit wird eine Vertical Series zu einer Intellectual Property, die sich weiterentwickeln lässt – zum Film, zur horizontalen Serie, ins Audioformat. MPA beschreibt bereits „Premium-Microdramas“ mit Budgets von 400.000 bis 600.000 Dollar und ausdrücklichem Franchise-Potenzial (Deadline, MPA-Bericht).

Auch etablierte Häuser sortieren sich neu. FOX Entertainment stieg mit einer Beteiligung bei Holywater ein und plant laut My-Drama-Studiochefin Sasha Tkachenko rund 200 vertikale Serien, inklusive möglicher Integration von FOX-IP (VideoWeek). Netflix wiederum führte mit „Clips“ einen vertikalen, mobil-personalisierten Video-Feed ein – betont aber, man versuche nicht, TikTok zu kopieren, sondern nutze das Format als Entdeckungswerkzeug für die eigenen Titel (The Hollywood Reporter). Diese Unterscheidung ist wesentlich: Ein vertikaler Discovery-Feed aus Ausschnitten ist nicht dasselbe wie eine originär vertikal erzählte Serie.

In dieser Landschaft ist 9n16 als Plattformidee zu verstehen, die Vertical Storytelling nicht als Nebenformat neben dem klassischen Bewegtbild behandelt, sondern als eigenständiges Entertainment-Ökosystem mit eigener Grammatik, eigener Episodenstruktur und eigenem IP-Aufbau. Der Ansatz nimmt ernst, was die Marktzahlen nahelegen: dass das Publikum den vertikalen Bildschirm nicht als Kompromiss erlebt, sondern als seinen primären. Entscheidend ist dabei die Haltung. Es geht nicht darum, klassisches Kino zu ersetzen oder Social-Media-Kultur herabzuwürdigen – sondern darum, für den mobilen Bildschirm mit derselben Sorgfalt zu erzählen, die man dem Kino zugesteht, und KI dort einzusetzen, wo sie Barrieren senkt, nicht dort, wo sie die Autorenschaft übernimmt.

Gegenargumente, Grenzen und Risiken

Die Euphorie hat Kehrseiten. Erstens ist Reframing nicht per se falsch: Für Werke mit Doppelverwertung kann das Drehen in 4K und ein bewusst mittiger, etwas lockerer Bildaufbau samt Post-Crop – oder ein Zwei-Kamera-Setup – ein legitimer Kompromiss sein (Tone Production). Der Fehler liegt nicht im Werkzeug, sondern darin, es als Ersatz für vertikale Gestaltung von Anfang an zu behandeln. Zweitens sind die Marktzahlen mit Vorsicht zu lesen: Umsatzangaben stammen teils aus Schätzungen von Omdia, Sensor Tower oder Media Partners Asia; Prognosen bis 2030 sind keine Ist-Werte, und Basisjahre werden unterschiedlich angegeben (Deadline, MPA-Bericht). Drittens ist der Erfolg regulierungs- und plattformabhängig: China verlangt seit Februar 2025 für Microdramas eine Vertriebslizenz beziehungsweise Filing-Nummer, Plattformen dürfen unlizenzierte Inhalte weder ausspielen noch bewerben; im Zuge einer Bereinigung wurden 25.300 Serien mit rund 1,4 Millionen Episoden entfernt (Reuters).

Viertens ist die europäische Adoption noch dünn: Laut Ampere hat in Spanien, dem Land mit dem höchsten Engagement der Region, erst rund sieben Prozent der Internetnutzer je ein Mini-Drama gesehen (VideoWeek). Und schließlich bleibt das inhaltliche Risiko: Ein Co-Gründer der UK-App Tattle TV rechnet ausdrücklich mit „einer Gegenreaktion“ auf das Verwerten klassischer Filmwerke im Hochformat (VideoWeek). Ein Vergleich mit Quibi mahnt zur Demut: Jeffrey Katzenbergs Dienst startete Anfang 2020 mit Zehn-Minuten-Episoden und wurde nach rund einem halben Jahr eingestellt (The Globe and Mail) – ein Format, das eben nicht mobil-nativ vertikal gedacht war.

Fazit: Die Zukunft entscheidet sich am Anfang, nicht am Zuschnitt

Die Zukunft des vertikalen Erzählens entscheidet sich nicht am Zuschnitt, sondern am Anfang. Geschichten, die von Beginn an für Nähe, Intimität und die Bewegung des Hochformats entwickelt werden, treffen eine Betrachtung, die für viele Menschen zur primären geworden ist. KI kann dabei die Produktions- und Distributionsbarrieren senken – schnelle Previsualisierung, alternative Frames, Lokalisierung, Synchronisation, Versionierung – ohne die Autorenschaft zu übernehmen. Das Hochformat verlangt keine Herablassung und keine Nachahmung des Social-Feeds. Es verlangt eine eigene visuelle Grammatik und die Bereitschaft, sie ernst zu nehmen. Wer das tut, gewinnt nicht nur Reichweite, sondern eine neue filmische Form.