HA-Doku: Eine KI-Pipeline für den Rohschnitt

Im Dezember 2025 habe ich ein Holotropes-Atmen-Wochenende am Kientalerhof gedreht — Donnerstag bis Sonntag. Daraus soll eine Doku werden, mit dem Erzählbogen „Fremd→Selbst": Menschen kommen als Fremde an und gehen mit einem Stück mehr von sich selbst.

Das Problem danach kennt jeder, der mal dokumentarisch gedreht hat: ein Berg Rohmaterial, und irgendwo darin liegen die Momente, die den Film tragen. Klassisch heißt das: alles sichten, Timecodes notieren, hoffen, dass du dich später erinnerst. Ich habe stattdessen eine Pipeline gebaut.

🛠️ Die Pipeline

Vier Schritte, alle vor dem eigentlichen Schnitt:

Whisper-Transkription pro Clip — jeder einzelne Clip bekommt sein eigenes Transkript.
Per-Clip-Index über das gesamte Footage — alle Transkripte landen in einem durchsuchbaren Index. Damit kann ich fragen: Wo redet jemand über Angst? Wo fällt das Wort „loslassen"?
Word-Alignment für die Zitat-Suche — die Transkripte sind auf Wortebene mit Timecodes verknüpft. Ein gefundenes Zitat zeigt also nicht nur auf den richtigen Clip, sondern auf die richtige Stelle im Rohmaterial.
Automatisch generierte Trailer-EDL — aus einer Auswahl von Momenten entsteht eine EDL, die ich direkt in DaVinci Resolve importiere. Der Rohschnitt beginnt nicht bei null, sondern bei einer Timeline voller Kandidaten.

Der eigentliche Wert: Ich suche nicht mehr „im Material", sondern „im Text" — und das Material folgt.

💡 Learnings

Scene-Detection war nutzlos. Mein erster Reflex war, klassische Szenenerkennung übers Footage laufen zu lassen. Für interviewlastiges Doku-Material bringt das nichts — die Kamera steht, das Bild ändert sich kaum, die eigentlichen „Szenen" passieren im Gesagten, nicht im Bild. Der transkript-basierte Index war der Durchbruch, nicht die Bildanalyse.

DaVinci-Scripting habe ich verworfen. Die Versuchung ist groß, Resolve direkt per Skript fernzusteuern. In der Praxis war der Austausch über EDL/XML der robustere Weg: Die Pipeline erzeugt eine Schnittliste, Resolve importiert sie — sauberer Übergabepunkt statt fragiler Automatisierung im Schnittprogramm selbst.

🧭 Die Ethik-Regel

Eine Entscheidung stand vor allem Tooling fest: Die Atemsessions selbst werden nicht gefilmt. Holotropes Atmen ist ein intensiver, verletzlicher Prozess — da hat keine Kamera etwas verloren. Persönlichkeitsschutz geht vor Footage-Vollständigkeit, auch wenn das bedeutet, dass die intensivsten Momente des Wochenendes nur in den Erzählungen der Teilnehmenden vorkommen.

Interessanterweise spielt das der Pipeline sogar in die Karten: Weil der Film über das funktioniert, was Menschen hinterher in Worte fassen, ist genau das Gesprochene der Rohstoff. Und Gesprochenes kann ich indexieren.

🔗 Verwandt

Die Werkzeuge dahinter überschneiden sich stark mit meiner Podcast-Post-Production — Whisper und automatisierte Schnitt-Vorbereitung tauchen dort in ähnlicher Form auf: podcast-post-production-pipeline

Der Film selbst ist noch in Arbeit. Aber eine Erkenntnis nehme ich jetzt schon mit: Bei dokumentarischem Material ist das Transkript die eigentliche Datenbank — das Video ist nur der Anhang.