Das unmögliche Projekt, möglich gemacht

Wie Mile 80 mit OpenArt seinen Output massiv steigert – und was möglich wird, sobald sich der Workflow ändert

Für Ryan Sheffer begann die Beziehung zu OpenArt mit einem Feature, das die meiste Arbeit übernahm. „Das Feature Nummer eins, das wir am längsten genutzt haben, war Startframe, Endframe, Video daraus machen“, sagt er: Generiere den ersten Frame einer Einstellung, generiere den letzten Frame und lass das Modell die Bewegung dazwischen ausfüllen. So einfach das klingt, genau so arbeitet Sheffers Studio, Meile 80, hat ganz unaufgeregt KI-generierte Aufnahmen für einige der bekanntesten Marken der Welt eingesetzt. Bei einer kürzlichen BMW-Show lieferte Mile 80 Videos für Mini Cooper und Rolls Royce, und laut Sheffer hatte der Großteil des BMW-Materials in dieser Saison mindestens eine Aufnahme, die mit OpenArt ganz oder teilweise generiert wurde – die Art hochkarätiger Kunden, bei denen man, in seinen Worten, „nie gedacht hätte, dass in ihren Videos KI steckt“.

Sheffer founded Mile 80 nearly a decade ago after years of working as what he calls "the nerdy guy" in post-production and visual effects. The studio built its name in live events: 360-degree screens, spatial storytelling, the kind of shows where a single project might need hundreds of assets rendered at 30K resolution. It's a business built on technical difficulty, and Sheffer has spent his career finding the next hard problem before everyone else does. That instinct is what brought him to AI early, and it's also what makes him refreshingly honest about where it actually helps.

Warum Start- und Endframe alles verändert haben

Sheffer hat sich mit uns zusammengesetzt, um zu erklären, was passierte, als sein Team aufhörte, OpenArt als reinen Generator zu behandeln, und anfing, drumherum zu bauen.

Der Wandel kam, als OpenArt seinen MCP-Server öffnete. Mile 80 begann, eine eigene Oberfläche darauf aufzubauen und nutzte Claude, um den gesamten kreativen Prozess zu steuern – vom Erstellen von Shot-Listen bis zur Bewertung einzelner Frames – während die eigentlichen Generierungsanfragen im Hintergrund an OpenArt gehen. „Wir haben angefangen, quasi eine UI darüberzulegen“, erklärt Sheffer, „im Grunde bauen wir jetzt nur noch mit Claude, was sehr interessant ist. Unsere UI ist heutzutage quasi das Claude für OpenArt."

In practice, that means Mile 80's artists talk to Claude the way they'd talk to a coordinator on a physical set. They define characters, environments, and reference images, then Claude builds what Sheffer calls a production bible and shot list, and routes generation requests to OpenArt for the actual start and end frames. Two of his artists, Camila and Francez, built a custom Claude skill that takes a script, breaks it into individual shots, and fires off the OpenArt requests automatically. "It works really well," Sheffer says.

Eines der Werke, auf die Sheffer am stolzesten ist, ist eine Rolls-Royce-Animation namens Mile 80, die komplett aus OpenArt-generierten Frames gebaut wurde – die Art von Luxusmarken-Arbeit, für die es laut ihm bei KI-Beteiligung keinen echten Präzedenzfall gibt. „Mir fällt keine Marke ein, die höher angesiedelt ist als diese", sagt er.

OpenArt's contribution here goes beyond just start and end frames. Rather than generating a finished background, Mile 80 prompts OpenArt to build visuals with a green screen already baked into the shot, then relies on its own compositing tools, the same ones it's always used, to pull that green screen out and layer the shot into the scene. It's the detail that lets Sheffer's team keep working the way a VFX shop always has, just with a generated element standing in for what used to be a live-action plate. The same approach produced a character Mile 80 built for LangChain, an animated figure named Newton generated with a green screen baked in and then composited out, set to appear as part of a New York City subway campaign.

Das Projekt, das eigentlich unmöglich sein sollte

The clearest example of what that pipeline makes possible is Gammarama, a live event series the client wanted positioned as something like the new TED talks: more serious than the brand's usual output, without losing its sense of fun. Sheffer's team had five weeks to develop the entire visual identity and then deliver on it. "There was only five weeks to develop the entire visual identity," he says, "what the deliverables would be, each of the video scripts, each of the videos, storyboards, and then execute and deliver for a large screen display."

Sheffer wird deutlich, was dieser Zeitplan ohne eine KI-basierte Pipeline bedeutet hätte. „Es wäre absolut unmöglich gewesen", sagt er. „Wir hätten das, was wir geschafft haben, unmöglich hinbekommen können.“ Das Team hätte das Konzept auf etwas Einfacheres und Beliebigeres herunterschrauben müssen, nur um den Termin zu halten: weniger miteinander verschmolzene Bildstile, weniger animierte Elemente auf dem Bildschirm, eher ein schlichter Schnitt als die vielschichtige, stilisierte Identität, die der Kunde stattdessen bekam. Er dankt seinem Lead-Animator Fran dafür, die KI-Workflows des Teams so weit vorangetrieben zu haben, dass die ehrgeizige Version überhaupt möglich wurde.

What made the timeline work wasn't a single clever trick so much as the team's willingness to treat "if this were possible, how would we do it" as the starting question, rather than "can we even attempt this." Green screen and alpha-channel generation handled the layering, while Claude, connected through MCP, handled direction and shot management. And because OpenArt could turn a concept into a usable start and end frame quickly, the team could iterate on a look before committing real production time to it.

Der Unterschied zwischen echtem Handwerk und Massenware

Sheffer's read on generative AI is more particular than the average AI-optimist take, partly because he's been burned by the hype cycle before. Back in 2013, before founding Mile 80, he ran a company that automatically generated short news videos from trending social posts, pulling content based on hashtag and location spikes and stitching it into a reel with an early large language model. It worked, in the sense that it got views. It also produced, by his own account, a video about a viral photo of a slice of pizza at the World Series that did numbers, and that was the moment he started backing away from the business. "I did see AI slop immediately as the core issue," he says. "That's funnily enough kind of why Mile 80 was started."

That history is why he's specific about what AI tools are actually good for. "The generative AI tools are the world's fastest, and in some ways dumbest, employees you have," he says. "You have to be incredibly specific with what you ask for. And if you correctly ask them for it, they will give it to you." He compares the goal to how David Fincher uses visual effects in nearly every shot of every film he makes, so seamlessly that audiences never register them as effects at all. "No one thinks of him as a visual effects director ever," Sheffer says. "Why? It's so good. It's integrated into the scene." The alternative, in his view, is the same failure mode people associate with the least-liked Marvel visual effects work: technically present, but not actually serving the story. "That's the same thing as AI slop," he says. "It's not understanding how to use the tool."

Ebenso klar sagt er, wo für seine eigene Nutzung die Grenze liegt. „Ich will niemals API-Zugriff auf OpenArt, um hunderttausend Videos einer Banane zu generieren, die einen Witz erzählt“, sagt er – und meint das mehr als nur einen Scherz: Massenhafte, ungesteuerte Generierung ist genau der Fehlermodus, der sein letztes Unternehmen versenkt hat.

Mehr Ambition, gleicher Termin

Sheffer beschönigt nicht, was schnellere Generierung Mile 80 wirklich bringt: nicht mehr Kunden, sondern deutlich ambitioniertere Arbeit innerhalb der Deadlines, die sie ohnehin schon haben. „Ich habe festgestellt, dass es schneller ist“, sagt er, „aber für das Projekt, das jetzt Godzilla enthält, hätte es früher gar nicht die Zeit gegeben, Godzilla auf dem anderen Weg zu machen. Deine Fähigkeit, von der Idee zur Visualisierung zu kommen, ist enorm gewachsen.“ Ein Konzept, das früher stillschweigend heruntergefahren wurde, um in einen Deadline-Rahmen zu passen, kann jetzt so ambitioniert bleiben, wie das Briefing es eigentlich verlangt hat.

Die eine Konstante, die sich nicht bewegt hat, ist das Kunden-Review. „Selbst wenn wir ein Video an einem Tag machen können, muss es trotzdem die Freigabekette durchlaufen“, sagt Sheffer, und dieser Freigabezyklus bestimmt das tatsächliche Tempo eines Projekts, egal wie schnell der Generierungsschritt wird. Ein Unterschied, über den es sich nachzudenken lohnt: Der Wert liegt hier nicht in einem kürzeren Zeitrahmen, sondern in einer viel höheren Obergrenze dessen, was in den Zeitrahmen passt, den du bereits hast.

Das nächste harte Problem

The newest thread Mile 80 is pulling on is live action. Rather than generating a scene from scratch, the team is testing what happens when real footage, shot quickly and simply, gets AI effects, creature work, or set extension added in post. Sheffer thinks there's real room to run here: "I could see a workflow for sure of filming with an iPhone and getting out high quality Hollywood blockbuster style," he says, enough that he half-jokes about the approach eventually undercutting the traditional camera market.

The limiting factor, in his view, is still human emotion. "Our eyes are so used to, and our brains are so used to, knowing that's a human being, that it's always the hardest thing to fake," he says. That's part of why he's also been thinking through quicker face-replacement pipelines, layering real webcam performance onto a generated character rather than trying to generate the performance itself. It's a fitting place for the story to land: even the team most willing to push a pipeline as far as it can go still draws the line at the same place, the parts of the work that come from being human.