higgsfield MCP vs JF-Pipeline
Kurz gefasst: Ich baue seit Monaten ein eigenes Skill-System über meine Repos — kleine Markdown-„Skills", eine schlanke Orchestrierungs-Schicht, Gates, die nichts Ungeprüftes durchlassen. Dann habe ich higgsfields brandneuen MCP-/Skill-Baukasten auseinandergenommen — genau das Werkzeug, mit dem dieser Spot entstand. Die Überraschung: ein verblüffend ähnlicher Ansatz wie meiner. Markdown-Skills, eine CLI darunter, Größen-Limits, ausgelagerte Referenzen, Eval-Suiten, Freigabe-Gates. higgsfield setzt obendrauf noch eine dünne MCP-Schicht für die Agenten — die habe ich (noch) nicht. Zwei Teams, unabhängig, dasselbe Grundmuster. Genau darum habe ich den Werbespot gebaut — als Beweis, dass ich den Baukasten wirklich end-to-end gefahren habe: eine überdrehte Fake-Werbung für einen erfundenen Schoko-Aufstrich, an einem einzigen Tag. Was du gleich siehst, ist nur ein 720p-Fast-Preview (Testqualität, erster/zweiter Versuch). Und wenn die Orchestrierungs-Schicht zur Stangenware wird, drängt sich eine Frage auf: Wozu braucht es dann noch jemanden wie mich?
Der Spot: „KLECKO Maxiglas 2000"
Vollständig KI-generierte Parodie (erfundene Marke), 720p-„Fast"-Preview — KI-Kennzeichnung gemäß EU AI Act, Art. 50.
Zwei Schwestern, drei und fünf, finden morgens ein Riesenglas Schoko-Haselnuss-Creme. Erst ein Löffel. Dann der erste Klecks. Dann wird die Wohnung zur Leinwand: Wände, Sofa, ein Spielzeugauto zieht braune Reifenbahnen durchs Wohnzimmer. Am Ende ist das Glas leer, die Eltern fassungslos, das Kleinkind schaut triumphierend in die Kamera — fette Werbe-Schlusstafel, dicker Claim. Eine Persiflage auf jede Familien-Lebensmittelwerbung, die du kennst. Erfundene Marke, kein echtes Produkt, alles fiktiv.
Das ist das sichtbare Ende. Spannender ist, wie es entstand — und vor allem, wie schnell.
Zwei Werkzeuge, ein Tag
Früher war so ein Spot Spezialistenarbeit: Casting, Location, Kind am Set, Kamera, Licht, ein Drehtag, dann Schnitt. Diesmal lief es anders. Von der ersten Idee bis zum geschnittenen Clip vergingen wenige Stunden an einem einzigen Tag.
Im Maschinenraum stehen dabei vor allem zwei Dinge:
higgsfield über MCP ist der Orchestrierungs-Layer. MCP (Model Context Protocol) ist der Standard-Stecker, mit dem ein KI-Agent externe Werkzeuge direkt anspricht. Über den higgsfield-MCP redet mein Agent nicht mit einem einzelnen Modell, sondern dirigiert mehrere: ein Bildmodell fürs Produktdesign, eines für die Figuren, ein Videomodell für die Bewegung — in einer zusammenhängenden Pipeline, mit Kostenkontrolle vor jedem teuren Schritt. Es ist ehrlich gesagt krass gut, wie reibungslos das inzwischen läuft.
Seedance 2.0 ist das Videomodell, das aus Standbildern flüssige Sequenzen macht. Und es ist irre gut — gut genug, dass ein paar Sekunden daraus auf den ersten Blick wie echtes Material wirken.
Der entscheidende Punkt: Keines dieser Werkzeuge „kann alles". Die Magie entsteht nicht durch ein Allmacht-Modell, sondern dadurch, dass spezialisierte Modelle kontrolliert zusammenarbeiten — über eine Schnittstelle, die ein Agent bedienen kann.
higgsfield MCP ist ein Skill-System — fast wie meins
Hier wird es für mich erst richtig interessant. „higgsfield MCP" klingt nach einem Knopf. Als ich es auseinandergenommen habe, war es etwas, das ich sehr gut kenne: ein Skill-System.
Unter der Haube steckt ein sehr ähnlicher Ansatz wie der, den ich mir über Monate selbst zusammengebaut habe — kleine Markdown-„Skills" mit je einer klaren Aufgabe, eine CLI als gemeinsames Werkzeug darunter. higgsfield geht einen Schritt weiter und legt obendrauf eine dünne MCP-Schicht für die Agenten — die habe ich so (noch) nicht. Aber dieselben Disziplinen:
- Größen-Limit pro Skill (ihre „300-Zeilen-Regel" ↔ meine „so klein wie möglich"-Diät)
- Ausgelagerte Referenzen (Detail wandert in eigene Dateien ↔ genau mein Muster)
- Eval-Suiten (sie testen ihre Skills gegen Szenarien ↔ meine Gates)
- Versions-Sync mit CI, Trennung von Entscheidung und Ausführung
- Guardrails („erfinde keine Modellnamen" ↔ mein „rate nicht, belege")
- Freigabe-Gates vor der Auslieferung
Und das Sichtbare ist nur die Spitze: ein paar offizielle Skills stehen einer viel größeren echten Oberfläche gegenüber — Dutzende Modelle, Dutzende Tools. Kleine Tür, großer Apparat dahinter. Kommt mir bekannt vor.
Die eigentliche Erkenntnis ist also nicht „AI macht Video". Sie ist: Die Orchestrierungs-Schicht — Skills, die Modelle dirigieren — wird zur Standard-Bauweise. Zwei Parteien, die sich nie abgesprochen haben, landen beim selben Grundmuster.
Und genau da trennt sich Werkzeug von System. higgsfields Baukasten — und meiner — sind Generierungs-Schichten: stark darin, einen Clip, ein Bild, eine Sequenz zu erzeugen. Mein Skill-System hört da aber nicht auf. Obendrauf liegt eine Produktions-Schicht, die genau das tut, was Generierung allein nicht kann:
- eine bindende Welt-Bibel als ein Anker für Look, Ton, Welt, Figuren, Locations und Requisiten — sie speist alle nachgelagerten Prompts, statt dass jeder Clip neu erfunden wird;
- eine strukturierte Entitäten-Bibliothek: jede Figur, jede Location, jedes Requisit bekommt eine ID, feste Merkmale und eine freigegebene Referenz — wiederverwendbar über hunderte Bilder hinweg;
- maschinell erzwungene Kontinuität: ein Gate, das die Bausteine gegeneinander prüft und Widersprüche blockiert, bevor sie sich durch die Folge fortpflanzen;
- Freigabe-Gates an jeder Stufe, die nichts Ungeprüftes durchlassen — und eine einmal definierte Regie-Handschrift, die konsistent durchgereicht wird.
Der Baukasten generiert. Das System produziert — wiederholbar, konsistent, in Serie. Genau das wird zum eigentlichen Wert, sobald das Generieren selbst zur Stangenware wird. (Dazu Teil 2 und 3.)
„Das ist nur der Preview"
Jetzt der Teil, den ich besonders betonen will, weil er fast immer untergeht:
Was du im Clip siehst, ist Seedance 2.0 in 720p, Modus „Fast" — bewusst die günstigste, schnellste Vorschau-Stufe. Das ist kein finaler Hochglanz-Render. Das ist ein Test in Preview-Qualität, gewählt, um schnell und billig zu iterieren (rund 17,5 statt 22,5 Credits für fünf Sekunden).
Lies das nochmal: Das hier ist nicht das, was die Maschine kann. Das ist das, was sie nebenbei, im Sparmodus, als Entwurf ausspuckt. Wenn schon der Wegwerf-Preview so aussieht, kannst du dir ausmalen, wo die Reise hingeht. Genau deshalb zeige ich bewusst den Preview und nicht den polierten Endrender — die Botschaft steckt im „schon der Test reicht".
Und es kommt noch dicker: Ich habe pro Bild und pro Clip nur den ersten oder zweiten Versuch genommen — kein Cherry-Picking aus zwanzig Läufen. Einige Bilder sind ehrlich gesagt nicht optimal. Wer pro Einstellung 5 bis 20 Retries investiert, holt sichtbar mehr heraus: Fehler verschwinden, die Qualität steigt deutlich. Du siehst also den schnellen, ungeschliffenen Stand. Und genau das ist der Punkt — dass schon der zweite Versuch so trägt, war vor Nano Banana, GPT Image 2 und Seedance 2 schlicht undenkbar. Verglichen mit allem davor sind diese Modelle extrem gut, selbst ohne Optimierung. Und dasselbe Muster zog sich durch alle Gewerke — auch Sprecherstimme (ElevenLabs v3) und Musik saßen beim zweiten Versuch.
Als das Limit kam, übernahm einfach ein anderer
Und dann passierte etwas, das mir mehr zu denken gegeben hat als der Clip selbst.
Mitten in der Produktion lief mein Haupt-Agent — Claude Code — in sein Nutzungslimit. Früher hätte das einen Produktionsstopp bedeutet. Diesmal übernahm ein zweiter Agent (Codex) dieselbe Pipeline, dieselben Referenzen, denselben Stand — und führte sie nahtlos zu Ende. Kein Bruch, kein Neuaufsetzen.
Das ist die eigentlich unterschätzte Nachricht: Der Agent, das Modell, der Anbieter unter der Haube werden austauschbar. Claude heute, Codex morgen, etwas anderes übermorgen. Was generiert, wird zur Commodity. Was zählt, ist das System drumherum — die Pipeline, die Konstanten, die Kontrolle. (Zu genau diesem Punkt kommt Teil 3.)
Die KI reviewt inzwischen mit
Noch etwas ist im Workflow neu: Der Agent hat nicht nur generiert, sondern mit ausgewählt. Codex hat Bild- und Videovarianten gesichtet, schwache Stände verworfen und nur die brauchbaren weitergereicht — ein Review-Schritt, der früher reine Handarbeit war. Dass die KI heute beim Bild- und Video-Review mit am Tisch sitzt, beschleunigt das Ganze noch einmal.
Wohlgemerkt: vorauswählen ist nicht inszenieren. Welche Einstellung dramaturgisch richtig ist — und welche nur technisch schön — ist eine ganz andere Frage.
Die unbequeme Wahrheit
Und damit zu dem Satz, der ehrlich gesagt ein bisschen an mir genagt hat, während ich das gebaut habe:
Das hier kann jetzt im Grunde jeder.
Zwei Werkzeuge, ein Nachmittag, ein bisschen Geschmack — und ein vorzeigbarer Werbespot fällt hinten raus. Das war mal mein Handwerk. 16 Jahre Film und CGI, und die Eintrittsbarriere für einen guten Clip ist gerade auf ein Nachmittagsprojekt zusammengeschrumpft. Wer das als Profi sieht und nicht kurz schluckt, hat nicht hingeschaut.
Ich finde das nicht bedrohlich, sondern faszinierend — aber ich finde es auch ehrlich. Diese Serie tut nicht so, als wäre das Können knapp geblieben. Es ist nicht mehr knapp. Ein einzelner Spot ist heute billig.
Und genau da fängt die interessante Frage an.
Was kommt als Nächstes
Wenn zwei Tools reichen, um an einem Nachmittag einen überzeugenden Spot zu bauen — wozu braucht es dann noch jemanden wie mich?
Die ehrliche Antwort fängt da an, wo der Zauber aufhört: beim zweiten Clip. Bei Folge 2 mit denselben Kindern, derselben Wohnung, demselben Produkt, demselben Licht. Teil 2 nächste Woche zeigt, wo die Werkzeuge an eine Wand laufen — eine Wand, die das Bildmodell in meiner Produktion dreimal hintereinander an der falschen Stelle erfunden hat. Es geht um Konsistenz. Und Konsistenz ist der Punkt, an dem aus „nettem Gag" plötzlich „echtes Problem" wird.
Quellen
Dieser Werkstattbericht beruht in der Substanz auf eigenen Produktionsdaten — dem Produktionslog, den Prompts und den Asset-Ständen der KLECKO-Produktion vom 25. Juni 2026. Diese internen Belege sind nicht öffentlich verlinkbar; die genannten Werte (Seedance 2.0 720p im Modus „Fast", rund 17,5 Credits für fünf Sekunden, drei Kurzclips à 5–6 Sekunden, ein Produktionstag) stammen aus diesem Log.
Die wenigen externen, allgemeinen Begriffe sind Standard-Definitionen: MCP (Model Context Protocol) als offener Standard, über den KI-Agenten Werkzeuge ansprechen; higgsfield als generative Video-/Bild-Plattform; Seedance 2.0 als Videomodell. Konkrete Plattform-Fakten wurden vor Veröffentlichung gegen die offiziellen Quellen geprüft (Stand-Check 26.06.2026: higgsfield.ai/mcp für MCP + Modellzugang, Seedance 2.0 als ByteDance-SEED-Videomodell).
KI-Kennzeichnung: Das Video ist vollständig KI-generiert und als solches gekennzeichnet — Einblendung „KI-generierte Parodie" am Anfang + Abspann mit den eingesetzten Werkzeugen (Transparenz im Sinne des EU AI Act, Art. 50). Erfundene Marke, kein echtes Produkt.
Jens Fehrmann macht AI-gestützte Video- und Serienproduktion in Real- und 2D-Stil — echte Produktionen mit AI als Pipeline-Komponente, für Agenturen, Produktionsfirmen, Marken und Creator. Neue Produktionsformen zuerst im Einsatz, zuverlässig geliefert. Auf dem Fundament von 16 Jahren Film und CGI, aus Dresden.
Weiterdiskutieren?
Diesen Werkstattbericht gibt's auch als Post auf LinkedIn — komm rüber und kommentier öffentlich; da entsteht meist die beste Diskussion. Lieber unter vier Augen? Schreib mir direkt — du erreichst mich, kein Team.
Weiterdiskutieren?
Fragen oder Gedanken zu diesem Werkstattbericht? Schreib mir direkt — du erreichst mich, kein Team.
Diesen Werkstattbericht gibt’s auch als Post auf LinkedIn — komm rüber und kommentier öffentlich; da entsteht meist die beste Diskussion. Lieber unter vier Augen? Schreib mir direkt — du erreichst mich, kein Team.