KI-Video ohne Cloud: On-Premise für Medienhäuser

Jedes KI-Videotool, das eine Nutzung wert ist, hat denselben ersten Schritt: Laden Sie Ihr Material auf die Server eines Drittanbieters hoch. Für die meisten Unternehmen ist das in Ordnung. Für manche ist es das Ende des Gesprächs. Dieser Beitrag ist für die zweite Gruppe.

Das Problem, das niemand in der Produktdemo zeigt

Die KI-Videogenerierung ist mittlerweile wirklich gut geworden. Skripterstellung, Bild-Prompting, Bewegung, Avatare, Stimme: Die gesamte Produktionskette läuft heute auf Modellen statt mit Kamerateams. Marketingteams überall nutzen sie.

Es sei denn, sie können es nicht.

Wenn Sie im Banken- oder Versicherungswesen, im Gesundheitswesen, im Verteidigungssektor oder in der öffentlichen Verwaltung arbeiten, kennen Sie das Muster. Jemand im Team findet ein Tool. Das Ergebnis sieht großartig aus. Dann stellt die Compliance-Abteilung eine einzige Frage: Wo landen die Eingabedaten?

Und die Eingabe ist das Problem, nicht die Ausgabe. Das Skript für ein Produktvideo enthält unveröffentlichte Funktionen. Internes Schulungsmaterial enthält Gesichter und Stimmen von Mitarbeitern. Eine Kunden-Fallstudie enthält Kundendaten. All das verlässt das Gebäude in dem Moment, in dem Sie auf „Upload“ klicken, und die Nutzungsbedingungen des Tools entscheiden, was als nächstes passiert.

Die ehrliche Antwort für die meisten regulierten Unternehmen lautete daher bisher: Kein KI-Video. Nicht, weil die Technologie nicht bereit wäre, sondern weil es das Bereitstellungsmodell nicht ist.

Was sich geändert hat

Der Open-Source-Videostack hat aufgeholt. Zwar noch nicht auf dem Niveau der besten proprietären Modelle, aber über der Schwelle, ab der er Ergebnisse liefert, die man tatsächlich veröffentlichen kann.

Wir haben das vor Kurzem selbst auf die Probe gestellt. Gemeinsam mit unserem Partner chim.ai haben wir Xinitys eigenes Avatar-Video auf Chimaira produziert, ihrer Plattform für agentenbasiertes, charakterbasiertes Video-Storytelling, und wir haben bewusst so viel wie möglich von der Pipeline auf unserer eigenen Infrastruktur aufgebaut:

Skript und Bild-Prompts: Qwen3.6, über die Xinity-API. Ein Open-Weights-Modell, das auf unserer eigenen Hardware läuft. Jeder Entwurf, jedes interne Detail im Prompt, jede Iteration bleibt auf dem Gerät in unserem Büro.

Bewegung: Wan 2.2 i2v. Ebenfalls Open Source. Es ist nicht das leistungsstärkste Videomodell auf dem Markt, und das wollen wir auch gar nicht behaupten. Es ist das beste, das Sie selbst betreiben können, und für die meisten Anwendungsfälle von Unternehmensvideos reicht das völlig aus.

Charakteranimation und Stimme: Vorerst noch in der Cloud. Wir könnten das verheimlichen, wollen es aber lieber nicht. Die Avatar-Animation läuft derzeit über einen Cloud-Dienst und die Stimme stammt von ElevenLabs. chim.ai verfügt über eine eigene Frame-by-Frame-Animationslösung, die bei Bedarf lokal (On-Premise) implementiert werden kann, und brauchbare Open-Source-Sprachmodelle existieren bereits. Eine vollständige On-Prem-Pipeline ist heute eine reine Einrichtungsentscheidung und kein Forschungsproblem mehr.

Dieser letzte Absatz bringt den Kern dieses Beitrags auf den Punkt. Souveränität durch Architektur bedeutet, dass man die Architektur überprüfen kann – auch die Teile, die noch nicht souverän sind.

Was „On-Prem“ hier tatsächlich bedeutet

Wenn wir sagen, dass die Daten im Gebäude bleiben, meinen wir damit etwas ganz Bestimmtes:

Die Modelle laufen auf Hardware, die Ihnen gehört. In unserem Fall und für die meisten unserer Kunden ist das ein ASUS Ascent GX10, der im Büro steht. Keine API-Aufrufe an einen Hyperscaler, kein Inference auf gemieteten GPUs im Rechenzentrum eines Drittanbieters.

Die Weights sind offen. Qwen3.6 und Wan 2.2 stehen zum Download bereit. Es gibt keinen Anbieter, der die Bedingungen ändern, den Preis pro Token erhöhen oder das Modell einstellen kann, von dem Ihr Workflow abhängt.

Die Schnittstelle ist standardisiert. Unsere Inference-Ebene ist OpenAI-kompatibel, sodass die Tools, die Ihr Team bereits kennt, unverändert funktionieren. Der Wechsel von einer Cloud-API zu Ihrem eigenen Endpunkt ist lediglich eine Änderung der URL und kein Migrationsprojekt.

Nichts sendet Daten nach Hause. Keine Telemetrie, kein Training mit Ihren Eingaben, kein „Wir können Daten speichern, um unsere Dienste zu verbessern“. Diese Klausel gibt es nicht, weil die Verbindung nicht existiert.

Für wen das gedacht ist

Sie brauchen das wahrscheinlich nicht, wenn Ihr Videomaterial ohnehin bereits öffentlich ist: Produktaufnahmen, veröffentlichte Markenwerte, Stock-ähnliche Inhalte. Nutzen Sie die Cloud-Tools, sie sind hervorragend.

Sie brauchen das wahrscheinlich hingegen schon, wenn Ihnen einer der folgenden Punkte bekannt vorkommt:

• Ihre Rechtsabteilung prüft jedes SaaS-Tool auf Auftragsverarbeitungsverträge, und KI-Tools fallen bei der Prüfung regelmäßig durch.

• Ihr Videomaterial zeigt Mitarbeiter, Kunden, Patienten oder unveröffentlichte Produkte.

• Sie unterliegen der Aufsicht von BaFin, FINMA oder FMA oder bereiten sich auf DORA- und NIS2-Audits vor, bei denen jeder externe Datenfluss dokumentiert werden muss.

• Sie haben sich bereits gegen Cloud-LLMs für Text entschieden, und Video ist dieselbe Entscheidung, nur eine Modalität später.

Wie die Zusammenarbeit mit uns und chim.ai aussieht

Die Arbeitsteilung ist einfach. chim.ai ist ein KI-Unternehmen, das Beratung, Schulung und Entwicklung anbietet, und Chimaira ist ihre Videoplattform: agentenbasiertes, charakterbasiertes Video-Storytelling, vom Avatar-Design über die Animations-Pipeline bis hin zum fertigen Video. Xinity stellt die Inference-Infrastruktur bereit, auf der das Ganze läuft: die Hardware, das Model-Serving, den OpenAI-kompatiblen Endpunkt, an den Ihre Prompts gesendet werden.

Das Ergebnis ist eine Video-Pipeline, bei der die sensiblen Teile – die Skripte und das Ausgangsbildmaterial – Ihre Infrastruktur niemals verlassen, und bei der die verbleibenden Cloud-Komponenten dokumentiert, optional und austauschbar sind.

Wenn in Ihrem Unternehmen regelmäßig jemand sagt „Das dürfen wir nicht hochladen“, dann ist dieser Satz der Grund, mit uns zu sprechen.

Xinity entwickelt Open-Source-basierte, OpenAI-kompatible On-Premise-LLM-Inference für regulierte Unternehmen in der DACH-Region. Das in diesem Beitrag beschriebene Avatar-Video wurde mit chim.ai auf deren Chimaira-Plattform produziert und ist auf unserem LinkedIn-Kanal veröffentlicht.

Entworfen mit KI, geprüft vom Xinity-Team.