Warum dein Feed voll ist mit KI-Leuten, die von Brücken springen

Scroll durch Reels, Shorts oder TikTok und du landest früher oder später bei jemandem, der von einer Klippe oder Brücke auf ein Trampolin oder ins Wasser springt. Mitten im Sprung fährt die Person kurz durch das Stahlseil der Brücke – so wie man es aus Videospielen kennt, wenn eine Figur durch eine Wand “phast”, die eigentlich im Weg sein sollte – und irgendwo dazwischen ist sie plötzlich von vorne zu sehen, obwohl sie eine Sekunde davor noch mit dem Rücken zur Kamera stand. Und trotzdem: eine Million Views, tausend Kommentare.

Genau das ist das Problem. Oder besser: genau das ist der Punkt.

Diese Videos sind nicht trotz der Fehler erfolgreich. Sie sind wegen der Fehler erfolgreich.

Die Produktionskosten sind auf null gefallen

Vor ein paar Jahren brauchte man für einen Klippensprung-Clip noch: eine echte Klippe, eine Kamera, einen Menschen mit fragwürdiger Risikoeinschätzung und im besten Fall eine Versicherung. Heute brauchst du Veo, Runway oder Kling, einen Prompt und zwei Minuten Rendering. Je nach Modell und Qualität kostet das Cent-Beträge bis ein paar Dollar pro Clip, keine Location-Scouts, kein Krankenhausaufenthalt.

Sprung- und Stunt-Content ist dabei kein neues Format – das lief schon in der Red-Bull- und Parkour-Ära der 2010er bestens. Neu ist nur, dass man es jetzt beliebig skalieren kann, ohne dass irgendwer real von irgendwo runterspringen muss.

Schlechte Qualität ist hier kein Bug, sondern Treibstoff

Das ist der Teil, der die meisten überrascht: Der Algorithmus unterscheidet nicht zwischen “Wow, krass” und “Haha, das sieht kaputt aus” – beides ist Engagement. Ein Kommentar wie “bro clipped durch die Stange” ist für TikTok oder Instagram genauso ein Engagement-Signal wie ein Herz-Emoji – beide Plattformen nennen Kommentare offiziell als Empfehlungssignal, unabhängig davon, ob sie positiv oder spöttisch gemeint sind.

Das heißt: Ein Video, das technisch komplett kaputt ist, wird nicht trotzdem viral – es wird deswegen schneller viral. Spott ist ein Verstärker, kein Dämpfer.

Dahinter steckt selten Kunst, meistens ein Geschäftsmodell

Viele dieser Accounts posten nicht einen Clip pro Woche, sondern zehn, zwanzig, manchmal hunderte am Tag – fast identisch, nur das Sprungziel wechselt. Das sind keine Creator mit einer Vision, das sind Farming-Accounts. Ein naheliegendes Motiv: mit Masse die Chance auf einen viralen Treffer erhöhen – sei es für Auszahlungen aus Programmen wie TikToks Creator Rewards, Reels-Boni oder den späteren Verkauf des Accounts samt Followern. Ob einzelne dieser Clips die Voraussetzungen solcher Programme überhaupt erfüllen oder wie viel dabei tatsächlich hängen bleibt, lässt sich von außen nicht belegen – aber die schiere Masse an Uploads macht das wirtschaftliche Kalkül dahinter offensichtlich.

Warum die Videos technisch so kaputt sind

Hier wird’s kurz technisch, aber lohnt sich: “Frame für Frame” ist vereinfacht – Modelle wie Sora oder Veo sind Diffusions-Transformer, die ein Video als Ganzes in raumzeitliche Patches zerlegen und gemeinsam entrauschen, nicht stur einen Frame nach dem anderen. Was dabei aber bleibt: Es gibt keine echte 3D-Repräsentation von Körper, Brücke oder Stange im Modell, nur eine statistische Vermutung, wie die Szene wahrscheinlich aussieht.

Bei einer stehenden Kamera und einer ruhigen Szene reicht das erstaunlich gut. Aber bei einem Sprung – schnelle Bewegung, Rotation, wechselnde Perspektive auf den Körper – muss das Modell in Sekundenbruchteilen etwas “erraten”, für das es keine stabile Referenz hat. Ergebnis: Die Person phast durch Objekte, weil das Modell keine echte Kollisionslogik kennt. Und Vorder-/Rückseite wechseln, weil für das Modell “diese Person von hinten” und “diese Person von vorne” im Zweifel einfach die wahrscheinlichste Fortsetzung des Frames davor sind – nicht die physikalisch korrekte.

Das ist kein Ausreißer, das ist aktuell eine ziemlich harte Grenze der Technologie bei schneller, komplexer Bewegung.

Fazit

Das ist kein vorübergehendes Kuriosum, das sich mit dem nächsten Modell-Update erledigt. Es ist ein strukturelles Anreizproblem: Produktionskosten bei nahezu null, ein Algorithmus, der Engagement unabhängig von dessen Vorzeichen belohnt, und eine Trendkultur, die jedes funktionierende Format sofort tausendfach kopiert. Die technischen Glitches sind dabei fast nebensächlich – sie werden einfach mit eingepreist, weil sie dem Geschäftsmodell nicht schaden, sondern helfen.

Bleibt neugierig, Alex