Ein Blick auf das öffentliche Text-zu-Video-Leaderboard von Artificial Analysis genügt derzeit, um eine Machtverschiebung zu erkennen, die sich über Monate angebahnt hat: Neun der zehn besten Text-zu-Video-Modelle der Welt kommen aus China. Das einzige westliche Modell in den Top 10 ist Googles Gemini Omni Flash. Bloomberg-Kolumnistin Catherine Thorbecke hat diese Zahl Anfang August zum Aufhänger einer vielbeachteten Analyse gemacht – mit einer These, die weit über die Filmbranche hinausreicht.
Die Rangliste, kurz erklärt
Artificial Analysis bewertet Videomodelle über anonymisierte Nutzervergleiche: Zwei Clips zum selben Prompt, die Community wählt den besseren, daraus entsteht ein Elo-artiges Ranking. Ganz oben tummeln sich fast ausschließlich chinesische Namen, die auch KI-Videoschaffenden in Europa längst geläufig sind:
- MiniMax mit der Hailuo-/H3-Reihe
- ByteDance mit Seedance
- Alibaba mit Wan – und einem zweiten, zunächst anonym gestarteten Modell
- Kuaishou mit Kling
- dazu Häuser wie Skywork und weitere Startups
Besonders symptomatisch: Ein Alibaba-Modell debütierte im Frühjahr anonym auf der Rangliste, kletterte sofort in die Spitzengruppe – und erst danach bekannte sich das Unternehmen dazu. Die Dichte an konkurrenzfähigen chinesischen Systemen ist inzwischen so hoch, dass selbst ein Top-Platz nur eine Momentaufnahme ist.
Wie es zu diesem Vorsprung kam
Der Rückzug westlicher Anbieter hat die Lücke mitgeöffnet. OpenAI stellte Sora im Frühjahr 2026 ein, Anthropic ist im Video nie angetreten – womit Google als einziger großer westlicher Herausforderer übrig bleibt. Auf chinesischer Seite trifft dagegen ein anderes Umfeld zusammen: Ein riesiger Heimatmarkt mit einer boomenden Mikrodrama-Industrie, die kurze, vertikale Serienformate in industriellem Tempo produziert, liefert sowohl Nachfrage als auch Trainingsanreize. Dazu kommt die Bereitschaft mehrerer Labs, Modelle mit offenen Gewichten zu veröffentlichen – was Adaption und Weiterentwicklung beschleunigt.
Für Produktionshäuser in Europa ist das kein abstraktes Standortthema. Die Werkzeuge, mit denen hier täglich gearbeitet wird – Kling, Seedance, Wan, Hailuo – sind exakt jene Modelle, die das Ranking anführen. Der Wettbewerb zwischen ihnen ist der Grund, warum sich Auflösung, Clip-Länge, Tonspur und Steuerbarkeit im Monatstakt verbessern.
Warum das mehr ist als ein Filmthema
Der eigentliche Kern der Bloomberg-Analyse liegt nicht im Kino, sondern in der Physik. Thorbecke bringt es auf eine einprägsame Formel:
„Um einen überzeugenden Clip zu fälschen, muss ein Modell ein bisschen Physik lernen.“
Ein Videomodell, das plausible Bewegung, Schwerkraft, Flüssigkeiten, Schatten und Kollisionen erzeugt, hat implizit ein Stück Weltverständnis internalisiert. Genau das ist die Brücke zu den sogenannten World Models – Systemen, die die physikalische Welt simulieren und damit potenziell humanoide Roboter und autonome Fahrzeuge steuern könnten. Die Warnung der Analyse: Während Washington sich auf den lauten Wettlauf um Chatbots konzentriere, laufe im Stillen ein Rennen um World Models – und dort liege China vorn.
Die Mikrodrama-Maschine als Trainingsmotor
Ein Faktor wird im Westen oft unterschätzt: Chinas Markt für vertikale Kurzserien – die sogenannten Mikrodramen – ist ein Milliardengeschäft mit einem enormen Hunger nach Bewegtbild. Diese Formate leben von Tempo, hoher Stückzahl und knappen Budgets – ideale Bedingungen, um KI-Videogeneratoren nicht nur zu erproben, sondern produktiv einzusetzen und mit realem Nutzungsfeedback zu verbessern. Wo westliche Studios KI-Video noch überwiegend als Experiment behandeln, ist es in Teilen der chinesischen Content-Industrie bereits Produktionsalltag. Dieser Praxisdruck erklärt einen Teil des Tempos, mit dem die dortigen Modelle bei Auflösung, Clip-Länge, nativer Tonspur und Steuerbarkeit vorankommen.
Offene Gewichte als Beschleuniger
Hinzu kommt die Bereitschaft mehrerer chinesischer Labs, Modelle mit offenen oder halboffenen Gewichten zu veröffentlichen. Das erlaubt es Entwicklern weltweit, auf den Systemen aufzusetzen, sie zu spezialisieren und Werkzeuge darum herum zu bauen. Ein offenes Modell verbreitet sich schneller, sammelt mehr Anwendungsfälle ein und profitiert von einer größeren Community – ein Kreislauf, der die Distanz zu geschlossenen westlichen Systemen eher vergrößert als verkleinert. Für Produktionen ist das praktisch relevant: Viele der spannendsten Nischen-Tools der letzten Monate setzen genau auf diesen offenen Modellen auf.
Einordnung: Vorsicht bei Momentaufnahmen
Zwei Relativierungen gehören dazu. Erstens misst ein Community-Leaderboard wahrgenommene Qualität bei bestimmten Prompt-Typen – nicht Eignung für einen konkreten Produktionsworkflow, nicht Rechtssicherheit, nicht Preis. Ein Modell auf Platz drei kann für eine bestimmte Kampagne die bessere Wahl sein als der Spitzenreiter. Zweitens bewegt sich die Rangliste schnell: Ein neues Release kann das Bild binnen Tagen drehen. Die Kernaussage bleibt trotzdem robust – die Spitze des Feldes ist derzeit klar chinesisch geprägt, und das mit wachsender Dichte statt einzelner Ausreißer.
Und der Westen? Ein einzelner Herausforderer
Dass mit Gemini Omni Flash überhaupt ein westliches Modell in der Spitzengruppe steht, ist bemerkenswert – aber es ist eben nur eines. Google setzt anders als die chinesische Konkurrenz auf ein weitgehend geschlossenes Ökosystem, das eng mit der eigenen Cloud, den eigenen Kreativ-Tools und Produkten wie Flow verzahnt ist. Das bringt Vorteile bei Integration, Kennzeichnung und Rechtssicherheit, bremst aber die Verbreitung im Vergleich zu offen verfügbaren Modellen. Ob dieser Ansatz reicht, um die Lücke zur chinesischen Breite zu halten, ist offen. Für europäische Produktionen bedeutet die Konstellation vor allem eines: Wer ausschließlich auf ein westliches Modell setzt, arbeitet gegen den Strom der aktuellen technischen Dynamik – und wer ausschließlich chinesische Modelle nutzt, muss die Fragen von Datenverarbeitung und Compliance besonders sorgfältig klären. Die pragmatische Antwort liegt fast immer in der bewussten Mischung.
Was das für eure Projekte bedeutet
Für die Praxis in einer KI-Videoproduktion ergeben sich daraus mehrere Leitlinien:
- Modell-Agnostik einbauen. Wer sich auf ein einziges Modell festlegt, verliert bei jedem Führungswechsel Boden. Baut Workflows, die zwischen Kling, Seedance, Wan, Hailuo und Google-Modellen wechseln können – und wählt pro Projekt nach Look, Länge und Ton, nicht nach Markenloyalität.
- Stärken kennen statt Rangplatz feiern. Die Modelle unterscheiden sich in Bewegungsführung, Prompt-Treue, nativer Tonspur und Referenz-Steuerung. Testet regelmäßig mit euren eigenen, wiederkehrenden Prompt-Typen – das sagt mehr aus als jedes Leaderboard.
- Compliance mitdenken. Chinesische Anbieter, Datenschutz, Herkunfts- und Kennzeichnungspflichten in der EU: Klärt pro Modell, wo Uploads verarbeitet werden und wie ihr die Transparenzpflichten erfüllt. Der beste Clip nützt wenig, wenn die Freigabe daran scheitert.
- Tempo als Chance. Der harte Wettbewerb bedeutet monatliche Sprünge bei Qualität und Preis. Wer die Release-Zyklen aktiv verfolgt, kann Kunden früher bessere Ergebnisse liefern als Wettbewerber, die auf einem alten Stand verharren.
Die Botschaft hinter der Zahl „9 von 10“ ist für uns weniger geopolitisch als operativ: Die Werkzeuge, die den europäischen KI-Film gerade prägen, kommen überwiegend aus China – und sie werden im Wochentakt besser. Genau deshalb lohnt es sich, breit aufgestellt zu bleiben, statt auf ein Modell zu wetten.