Für die meisten Unternehmen ist generative Video-KI bislang gleichbedeutend mit Cloud-Diensten: Man registriert sich bei einem Anbieter, tippt eine Beschreibung ein und erhält ein Video zurück. Prompt, hochgeladene Referenzbilder und Ergebnis liegen dabei beim Anbieter – häufig in den USA oder in China. Offene Modelle wie HunyuanVideo kehren dieses Verhältnis um. Die Rechenarbeit findet dort statt, wo das Unternehmen sie haben möchte. Produktfotos vor der Markteinführung, unveröffentlichte Designs oder Bilder aus dem Werk müssen das eigene Netz nicht verlassen. Der Preis dafür sind Infrastruktur, Fachwissen und die Verantwortung für den Betrieb.
Dabei ist die Bezeichnung „offen“ mit Vorsicht zu verwenden. HunyuanVideo wird unter einer eigenen Lizenz von Tencent bereitgestellt, der Tencent Hunyuan Community License. Das ist keine klassische Open-Source-Lizenz wie Apache oder MIT, sondern ein Lizenzwerk mit eigenen Bedingungen – darunter nach öffentlich verfügbaren Fassungen auch territoriale Einschränkungen, die unter anderem die Europäische Union betreffen könnten. Wir gehen darauf in den Kapiteln zu Einführung und Datenschutz ausführlich ein. Bereits an dieser Stelle gilt: Vor jedem produktiven Einsatz in der EU muss die jeweils aktuelle Lizenzfassung juristisch geprüft werden.
Video ist in Marketing, Vertrieb und Recruiting zum Standardformat geworden. Gleichzeitig sind Drehs teuer, langwierig und für viele Fragestellungen schlicht überdimensioniert. Wer prüfen möchte, wie eine Kampagnenidee als Bewegtbild wirkt, wer für eine Messe einen atmosphärischen Hintergrundloop braucht oder wer einer Geschäftsführung drei Varianten eines Produktvideos zeigen will, bevor eine Agentur beauftragt wird, kann mit generativer Video-KI in Stunden statt Wochen zu einem Ergebnis kommen. Diese Clips ersetzen selten die professionelle Produktion, aber sie verändern den Weg dorthin: Ideen werden früher sichtbar, Entscheidungen fallen schneller, Briefings werden konkreter.
HunyuanVideo spielt in diesem Feld eine besondere Rolle, weil es zu den ersten offenen Modellen gehörte, deren Ergebnisse in Bildqualität und Bewegung mit kommerziellen Diensten zumindest in vielen Szenarien mithalten konnten. Für die Open-Source-Community war das ein Wendepunkt: Rund um das Modell sind Werkzeuge, Erweiterungen, Feinabstimmungen und Arbeitsabläufe entstanden, die das Modell auch für kleinere Teams handhabbar machen.
Angesprochen sind Geschäftsführung, Marketing- und Produktverantwortliche, IT-Leitung, Datenschutzbeauftragte und Innovationsteams in mittelständischen Unternehmen im DACH-Raum, die einschätzen wollen, ob ein offenes Video-Modell eine sinnvolle Ergänzung oder Alternative zu Cloud-Diensten ist. Grundlegendes technisches Verständnis ist hilfreich, aber nicht erforderlich. Nach der Lektüre sollten Sie wissen, was HunyuanVideo leistet, welche Infrastruktur es benötigt, wie es sich von Sora, Veo, Kling, Runway, Mochi und Hailuo abgrenzt und welche rechtlichen Fragen – Lizenz, Datenschutz, Kennzeichnung – vor einem Einsatz zu klären sind.
Wir arbeiten herstellerneutral und bewusst ohne erfundene Zahlen. Parametergrößen, maximale Auflösungen, Cliplängen, Bildraten, Rechenzeiten und Benchmark-Werte ändern sich mit jeder Modellversion und hängen stark von Hardware und Konfiguration ab. Wo solche Angaben relevant sind, verweisen wir auf die technische Dokumentation des Anbieters und empfehlen eigene Tests. Unser Ziel ist eine belastbare Entscheidungsgrundlage, kein Datenblatt.
HunyuanVideo wurde zunächst als Forschungsprojekt mit technischem Bericht, Code und Gewichten veröffentlicht. Die Architektur folgt dem Ansatz, der sich bei aktuellen Video-Modellen durchgesetzt hat: Ein Diffusionsmodell auf Basis eines Transformers lernt, aus Rauschen schrittweise Videobilder zu formen, die zur Textbeschreibung passen. Ein vorgeschalteter Kodierer verdichtet Bild und Zeit in eine kompakte Darstellung, damit die Berechnung überhaupt handhabbar bleibt. Ein leistungsfähiges Sprachmodell übersetzt den Prompt in eine Form, die das Videomodell versteht. Die genauen technischen Details – Modellgröße, Trainingsdaten, Auflösungsstufen – entnehmen Sie bitte der offiziellen Dokumentation; wir verzichten hier bewusst auf Zahlen.
Nach der ersten Veröffentlichung folgten Erweiterungen: insbesondere eine Variante für Bild-zu-Video, die für Unternehmen besonders relevant ist, weil sie die Kontrolle über das Motiv erhöht. Darüber hinaus hat Tencent nach öffentlichen Berichten weitere Ableger und überarbeitete Versionen vorgestellt, etwa für sprechende Figuren, für passende Geräusche oder für effizientere Ausführung. Weil diese Modelle teils unter eigenen Lizenzbedingungen stehen, muss jede Variante separat bewertet werden. Eine pauschale Freigabe für „HunyuanVideo“ ist deshalb nicht ausreichend; die Freigabe sollte immer an eine konkrete Version und Lizenzfassung geknüpft sein.
Während Sora, Veo, Kling, Runway oder Hailuo als fertige Produkte mit Oberfläche, Abo und Support auftreten, ist HunyuanVideo in seiner offenen Form zunächst ein Baustein. Wer es nutzen möchte, braucht eine Umgebung, in der das Modell läuft, eine Oberfläche oder Schnittstelle, um Aufträge zu stellen, und Menschen, die mit Python, GPU-Treibern und Modellkonfiguration umgehen können. Das ist für viele Mittelständler eine echte Hürde – und gleichzeitig der Grund, warum sich Dienstleister und Integratoren auf den Betrieb solcher Modelle spezialisieren.
Der Grundmodus ist die Erzeugung aus Text. Ein Prompt beschreibt idealerweise Motiv, Handlung, Umgebung, Licht, Stimmung, Kameraperspektive und Bewegung – etwa eine langsame Kamerafahrt über eine Produktionshalle im Morgenlicht oder eine Nahaufnahme von Wassertropfen auf einer Edelstahloberfläche. HunyuanVideo setzt solche Beschreibungen nach unseren Beobachtungen oft überzeugend um, insbesondere bei Landschaften, Materialien, Lichtstimmungen und allgemeinen Szenen. Schwieriger wird es bei sehr spezifischen Anforderungen: einem bestimmten Produkt mit exakter Geometrie, lesbarem Text im Bild, Firmenlogos oder komplexen Handlungen mit mehreren Personen.
Prompts werden in der Praxis meist auf Englisch formuliert, weil die Modelle damit häufig verlässlicher reagieren; ob und wie gut deutsche Prompts funktionieren, sollten Sie in eigenen Tests prüfen. Hilfreich ist ein vorgeschaltetes Sprachmodell, das eine kurze deutsche Idee in einen ausführlichen englischen Prompt übersetzt – das kann ein lokal betriebenes Sprachmodell sein, damit auch dieser Schritt im eigenen Haus bleibt.
Für Unternehmen ist die Bild-zu-Video-Variante oft wertvoller als die reine Texterzeugung. Der Grund ist einfach: Ein reines Textmodell kennt Ihr Produkt nicht. Es erzeugt eine Maschine, eine Verpackung oder ein Möbelstück, das ungefähr passt, aber nie exakt Ihres ist. Startet man dagegen von einem echten Produktfoto oder einem CAD-Rendering, bleibt das Motiv weitgehend erhalten, und das Modell ergänzt Bewegung, Kamerafahrt und Atmosphäre. So entstehen zum Beispiel kurze Loops, in denen sich ein Produkt dreht, Licht über eine Oberfläche wandert oder ein Gerät in einer stimmungsvollen Umgebung steht.
Auch hier gilt: Die Treue zum Ausgangsbild ist nicht garantiert. Details können sich verändern, Proportionen verschieben, Beschriftungen verschwimmen. Für Produktkommunikation mit Garantie- oder Haftungsrelevanz – etwa technische Merkmale, Sicherheitskennzeichnungen oder Abmessungen – darf ein generierter Clip deshalb nie ungeprüft verwendet werden. Für emotionale, atmosphärische Formate ist die Technik dagegen bereits sehr gut einsetzbar.
Generative Video-Modelle haben typische Schwächen, und HunyuanVideo ist keine Ausnahme. Clips sind kurz; längere Sequenzen entstehen durch Aneinanderreihen mehrerer Einstellungen im Schnitt. Figuren und Objekte können ihre Form zwischen Bildern leicht verändern, Hände und Finger wirken gelegentlich unnatürlich, physikalisch komplexe Vorgänge wie Flüssigkeiten oder Kollisionen werden nicht immer plausibel dargestellt. Lesbarer Text im Bild – Schilder, Etiketten, Logos – ist eine bekannte Schwachstelle nahezu aller Video-Modelle. Für Unternehmen bedeutet das: Text und Logos gehören in die Nachbearbeitung, nicht in den Prompt. Ton erzeugt das Basismodell nicht; Musik, Sprecher und Geräusche kommen aus anderen Quellen.
Mit sogenannten LoRA-Adaptern lassen sich offene Video-Modelle mit vergleichsweise wenig Rechenaufwand auf eine bestimmte Bildsprache, ein wiederkehrendes Motiv oder einen visuellen Stil abstimmen. In der Community gibt es dafür etablierte Trainingswerkzeuge. Für ein Unternehmen kann das bedeuten, dass generierte Clips die Farbwelt, Lichtführung und Materialanmutung der eigenen Marke treffen, statt generisch zu wirken. Voraussetzung sind saubere, rechtlich unbedenkliche Trainingsdaten – also Bilder und Videos, an denen das Unternehmen die nötigen Rechte hat, ohne erkennbare Personen ohne Einwilligung und ohne geschützte Werke Dritter. Ob die Lizenz Feinabstimmung und die Weitergabe abgeleiteter Modelle erlaubt und welche Pflichten damit verbunden sind, ist Teil der Lizenzprüfung.
Neben Stil-Anpassungen gibt es Verfahren zur besseren Steuerung: Referenzbilder für Start- oder Endframe, Vorgaben für Kamerabewegungen oder die Übertragung von Bewegungen aus einem Referenzvideo. Welche dieser Steuerungsmöglichkeiten offiziell unterstützt werden und welche aus der Community stammen, ändert sich laufend. Community-Erweiterungen sollten vor dem Einsatz auf Herkunft, Lizenz und Sicherheit geprüft werden – auch Modelldateien aus fremden Quellen können Schadcode enthalten, wenn sie in unsicheren Formaten vorliegen.
Wer das Modell intern betreibt, kann es wie jede andere Unternehmensanwendung in Abläufe einbinden. Ein typisches Muster: Ein Sprachmodell erzeugt aus einem kurzen Briefing mehrere Prompt-Varianten, das Video-Modell rendert daraus Clips, ein Hochskalierer verbessert die Auflösung, und die Ergebnisse landen mit Metadaten zu Prompt, Version und Datum im Medienarchiv. Das Marketing-Team prüft, wählt aus und gibt frei. Solche Pipelines nutzen teure GPU-Hardware besser aus, weil Aufträge gesammelt und außerhalb der Arbeitszeit abgearbeitet werden können.
Wichtig ist, dass Automatisierung nicht die Prüfung ersetzt. Jedes Video, das veröffentlicht wird, sollte von einem Menschen gesichtet werden – auf inhaltliche Fehler, ungewollte Darstellungen, Ähnlichkeiten mit realen Personen oder geschützten Marken und auf die Frage, ob eine Kennzeichnung als KI-generiert nötig ist. Diese Prüfschritte gehören fest in den Workflow, nicht ans Ende einer Checkliste.
Für den Einstieg nutzen viele Teams node-basierte Oberflächen, in denen sich Generierungsabläufe grafisch zusammenstecken lassen. HunyuanVideo wurde dort früh unterstützt, und es existieren zahlreiche Beispiel-Workflows. Für Entwicklerinnen und Entwickler gibt es Integrationen in verbreitete Python-Bibliotheken für Diffusionsmodelle, sodass das Modell mit wenigen Zeilen Code angesprochen und in eigene Anwendungen eingebunden werden kann. Hinzu kommen Projekte, die den Speicherbedarf durch Quantisierung oder geschickte Auslagerung reduzieren, damit das Modell auch auf kleinerer Hardware lauffähig wird – mit Abstrichen bei Geschwindigkeit oder Qualität.
Für Unternehmen empfiehlt sich, eine überschaubare, dokumentierte Kombination aus Modellversion, Oberfläche und Erweiterungen festzulegen und diese kontrolliert zu aktualisieren. Wer jede neue Community-Erweiterung sofort installiert, verliert schnell den Überblick über Lizenzen, Sicherheitsrisiken und Reproduzierbarkeit.
HunyuanVideo ist rechenintensiv. Für komfortables Arbeiten werden leistungsfähige Rechenzentrums-GPUs mit viel Grafikspeicher benötigt; optimierte Varianten laufen zwar auch auf großen Workstation- oder Consumer-Karten, dann aber deutlich langsamer oder mit reduzierten Einstellungen. Konkrete Speicher- und Zeitangaben hängen stark von Version, Auflösung, Cliplänge und Optimierung ab und sollten im eigenen Test ermittelt werden. Als grobe Orientierung gilt: Ein gewöhnlicher Büro-PC reicht nicht; eine dedizierte GPU-Workstation ist für Experimente denkbar, für regelmäßige Produktion sind Server-GPUs oder gemietete Kapazität sinnvoller.
Für viele Mittelständler ist die Miete von GPU-Kapazität bei einem europäischen Cloud- oder Hosting-Anbieter der pragmatische Weg. Es gibt Anbieter mit Rechenzentren in Deutschland und der EU, die GPU-Server stunden- oder monatsweise bereitstellen. So lässt sich das Modell testen, ohne in Hardware zu investieren, und die Daten bleiben in einem Rechtsraum mit DSGVO-Geltung. Wichtig sind ein Auftragsverarbeitungsvertrag mit dem Hoster und eine klare Regelung, wer das System betreibt, aktualisiert und absichert.
Generierte Clips sind Rohmaterial. Sie werden in der gewohnten Schnittsoftware zu fertigen Videos montiert, mit Logo, Text, Untertiteln und Ton versehen. Für Sprecherstimmen und Untertitel bieten sich – je nach Schutzbedarf – ebenfalls lokal betreibbare Lösungen an, etwa offene Spracherkennungs- und Sprachsynthesemodelle. Hochskalierer und Frame-Interpolation verbessern Auflösung und Flüssigkeit. Wer ein Digital-Asset-Management-System nutzt, sollte generierte Clips dort mit Metadaten zur Herkunft ablegen: Modell, Version, Prompt, Datum, verantwortliche Person und Kennzeichnungsstatus. Das schafft Nachvollziehbarkeit, wenn später Fragen zu Rechten oder Kennzeichnung auftauchen.
Sora von OpenAI und Veo von Google stehen für den Ansatz großer US-Plattformen: hochentwickelte Modelle, bequem über Apps, Abos oder Cloud-Schnittstellen nutzbar, eingebettet in die jeweiligen Ökosysteme. Sie gelten in vielen Szenarien als Referenz bei Bildqualität, Physik und Prompt-Treue, und neuere Versionen erzeugen teils auch passenden Ton. Dafür gibt es keinen Zugriff auf die Modelle selbst; alle Eingaben werden beim Anbieter verarbeitet. Für Unternehmen mit Microsoft- oder Google-Cloud-Verträgen kann das über Unternehmensangebote mit Auftragsverarbeitung und gegebenenfalls EU-Datenresidenz abbildbar sein – die Details sind jeweils zu prüfen.
Runway positioniert sich als kreatives Werkzeug für Film- und Werbeproduktion mit eigenen Modellen und umfangreichen Bearbeitungsfunktionen: Szenen erweitern, Objekte entfernen, Bewegungen steuern. Gegenüber HunyuanVideo bietet Runway eine ausgereifte Oberfläche und Funktionen für Profis, aber ebenfalls nur als US-Cloud-Dienst. HunyuanVideo punktet dagegen dort, wo Daten das Haus nicht verlassen sollen oder wo das Modell tief angepasst werden muss.
Kling vom Kurzvideo-Konzern Kuaishou und Hailuo von MiniMax sind populäre chinesische Video-KI-Dienste mit beeindruckender Bewegungsqualität und attraktiven Einstiegskonditionen. Sie werden ausschließlich als Cloud- und App-Angebote bereitgestellt. Für europäische Unternehmen bedeutet das: Prompts, Referenzbilder und Ergebnisse werden von Unternehmen verarbeitet, die chinesischem Recht unterliegen. Hier liegt der entscheidende Unterschied zu HunyuanVideo – nicht in der Herkunft des Modells, sondern im Betriebsmodell. Ein selbst gehostetes HunyuanVideo sendet keine Daten an Tencent; ein Cloud-Dienst wie Kling oder Hailuo – oder auch Tencents eigene Cloud-Angebote – tut das zwangsläufig.
Mochi des US-Start-ups Genmo ist eines der bekanntesten weiteren offenen Video-Modelle und wurde unter einer permissiven Lizenz veröffentlicht, die nach unserem Kenntnisstand keine vergleichbaren territorialen Einschränkungen enthält – auch hier gilt aber: aktuelle Fassung prüfen. Daneben gibt es weitere offene Modelle anderer Anbieter, die teils effizienter sind oder andere Stärken haben. Für Unternehmen, bei denen die Lizenzfrage von HunyuanVideo nicht zufriedenstellend geklärt werden kann, sind solche Modelle die naheliegende Ausweichoption. Die Infrastruktur – GPU-Server, Workflow-Oberfläche, Pipeline – lässt sich in der Regel für mehrere Modelle nutzen. Das ist ein starkes Argument dafür, die Plattform modellunabhängig aufzubauen und die Modellwahl als austauschbaren Baustein zu behandeln.
Bevor ein einziger GPU-Server gemietet wird, gehört die Tencent Hunyuan Community License in der aktuell gültigen Fassung auf den Tisch einer Juristin oder eines Juristen mit Erfahrung im IT- und Lizenzrecht. Nach öffentlich zugänglichen Fassungen der Hunyuan-Lizenzen enthalten diese territoriale Regelungen, die die Nutzung in bestimmten Gebieten ausschließen könnten – genannt wird dabei unter anderem die Europäische Union. Ob und in welchem Umfang das für die jeweils eingesetzte Modellversion gilt, wie „Nutzung im Gebiet“ auszulegen ist und welche Folgen ein Verstoß hätte, können wir in diesem Artikel nicht verbindlich beurteilen. Zu prüfen sind außerdem Regeln zur kommerziellen Nutzung, mögliche Schwellenwerte für große Anbieter, Pflichten bei der Weitergabe abgeleiteter Modelle, Nutzungsbeschränkungen nach einer Acceptable-Use-Policy und Haftungsausschlüsse.
Die Lizenzlage kann sich mit neuen Modellversionen ändern, und verschiedene Varianten können unterschiedlichen Lizenzen unterliegen. Dokumentieren Sie deshalb, welche Version unter welcher Lizenzfassung geprüft wurde, und wiederholen Sie die Prüfung bei jedem Versionswechsel. Fällt die Prüfung negativ oder unklar aus, ist ein offenes Modell mit permissiver Lizenz die sauberere Wahl – die übrige Infrastruktur bleibt nutzbar.
Ist die Lizenzfrage geklärt, beginnt ein Pilot mit klar umrissenem Ziel – etwa zwanzig Produkt-Loops für einen Webshop oder Moodfilme für eine Kampagne. In dieser Phase zeigt sich, wie viel Rechenzeit ein brauchbarer Clip tatsächlich kostet, wie viele Versuche nötig sind und wie viel Nachbearbeitung anfällt. Parallel entsteht eine kurze Richtlinie: erlaubte Einsatzzwecke, verbotene Inhalte, Umgang mit Personen und Marken, Kennzeichnung, Freigabeprozess, Ablage. Datenschutzbeauftragte und – wo Beschäftigte betroffen sind – der Betriebsrat werden frühzeitig eingebunden.
Im laufenden Betrieb braucht es eine verantwortliche Stelle für das System: Wer spielt Updates ein, wer prüft neue Modellversionen und deren Lizenz, wer überwacht Zugriffe und Kosten? Offene Modelle haben keinen Hersteller-Support im klassischen Sinn; Fehler werden in Community-Foren und Repositorien diskutiert. Ein interner Ansprechpartner oder ein spezialisierter Dienstleister mit Betriebsvertrag ist deshalb für einen verlässlichen Einsatz unverzichtbar. Zugriffe auf das System sollten über die zentrale Benutzerverwaltung laufen, Eingaben und Ausgaben protokolliert und nach definierten Fristen gelöscht werden.
Ein Hersteller von Küchenarmaturen möchte für seinen Onlineshop kurze Bewegtbilder zu jedem Produkt. Ein klassischer Dreh pro Artikel wäre unwirtschaftlich. Mit der Bild-zu-Video-Variante lässt sich aus vorhandenen Produktfotos ein kurzer Clip erzeugen, in dem Licht über die Oberfläche gleitet oder die Kamera langsam um das Produkt fährt. Weil das Modell im eigenen Rechenzentrum oder in einer EU-Cloud läuft, verlassen auch Fotos unveröffentlichter Neuheiten das Unternehmen nicht. Der Rahmen ist aber klar: Generierte Clips dienen der Anmutung. Technische Eigenschaften, Funktionen, Abmessungen oder Anwendungssituationen, auf die sich Kaufentscheidungen stützen, müssen korrekt dargestellt sein – im Zweifel mit echten Aufnahmen. Sonst drohen Reklamationen und wettbewerbsrechtliche Probleme.
Ähnlich gilt das für Maschinen- und Anlagenbauer, die für Präsentationen oder Messen visuelle Welten rund um ihre Produkte schaffen wollen. Hier sind generierte Hintergründe, Umgebungen und Stimmungen wertvoll, während die Maschine selbst aus CAD-Renderings oder echten Aufnahmen stammt und im Schnitt kombiniert wird.
Im Social-Media-Alltag sind generierte Clips nützlich als visuelle Ergänzung: ein Einstieg, ein Übergang, ein Hintergrund für eine Textbotschaft. Gerade im Recruiting und in der Arbeitgebermarke sollten sie aber echte Einblicke nicht ersetzen – Bewerberinnen und Bewerber wollen sehen, wie es im Unternehmen wirklich aussieht. Am stärksten ist HunyuanVideo im Prototyping: Eine Marketingleiterin kann vor dem Gespräch mit der Agentur drei Varianten einer Kampagnenidee visualisieren, eine Produktentwicklung kann zeigen, wie ein neues Gerät im Einsatz wirken könnte, und eine Geschäftsführung bekommt eine bessere Vorstellung als von einem Textkonzept.
Realistische Erwartungen sind entscheidend. Nicht jeder Clip gelingt, und oft braucht es mehrere Durchläufe, bis eine brauchbare Einstellung entsteht. Wer das einplant und generierte Inhalte als Rohmaterial versteht, wird von der Technik positiv überrascht sein. Wer dagegen fertige Werbespots auf Knopfdruck erwartet, wird enttäuscht.
Self-Hosting eines Video-Modells lohnt sich vor allem für Unternehmen, die entweder regelmäßig Bewegtbild benötigen, besonders schutzbedürftige Bildinhalte verarbeiten – etwa unveröffentlichte Produkte – oder ohnehin eine eigene KI-Infrastruktur aufbauen. Für gelegentliche Einzelclips ohne vertrauliche Inhalte kann ein kommerzieller Dienst mit sauberer Vertragslage wirtschaftlicher sein. Häufig ist die beste Lösung hybrid: offene Modelle für vertrauliche und wiederkehrende Aufgaben, ein geprüfter Cloud-Dienst für Spitzenqualität bei unkritischen Motiven.
Der Satz „das Modell ist kostenlos“ führt in die Irre. Die Gesamtkosten setzen sich aus Rechenleistung, Betrieb und Arbeitszeit zusammen. Bei gemieteter GPU-Kapazität fallen Kosten pro Nutzungsstunde an; wie viele Clips pro Stunde entstehen, hängt von Modellversion, Auflösung, Länge, Optimierung und Hardware ab und muss im Pilot gemessen werden. Bei eigener Hardware kommen Anschaffung, Strom, Kühlung, Wartung und Abschreibung hinzu. Für die meisten Mittelständler ist der Einstieg über Miete bei einem EU-Anbieter wirtschaftlich sinnvoller, weil sich Auslastung und Nutzen zunächst schwer abschätzen lassen.
Mindestens ebenso wichtig ist die Arbeitszeit: Einrichtung und Pflege der Umgebung, Lizenz- und Sicherheitsprüfung, Prompt-Arbeit, Auswahl, Nachbearbeitung und Freigabe. Eine ehrliche Rechnung vergleicht die Kosten pro verwendbarem Clip mit den Alternativen – klassischer Dreh, Stock-Material oder ein kommerzieller Cloud-Dienst mit sauberer Vertragslage. Der Mehrwert von HunyuanVideo liegt dabei nicht unbedingt im niedrigsten Preis, sondern in Datenhoheit, Anpassbarkeit und Unabhängigkeit von einzelnen Plattformen.
Wer HunyuanVideo über Web-Oberflächen, Apps oder Cloud-Schnittstellen von Tencent nutzt, übermittelt Prompts, Referenzbilder und gegebenenfalls weitere Daten an einen chinesischen Konzern. Für China besteht kein Angemessenheitsbeschluss der EU-Kommission; ein Drittlandtransfer bräuchte also geeignete Garantien wie Standardvertragsklauseln und eine Transferfolgenabschätzung. Gerade diese ist schwer positiv zu begründen, weil chinesische Gesetze – etwa zur nationalen Sicherheit, zur Nachrichtendienstarbeit und zur Datensicherheit – staatlichen Stellen weitreichende Zugriffsmöglichkeiten auf Daten bei Unternehmen einräumen können. Hinzu kommen Unsicherheiten, ob und wie Eingaben zum Training weiterer Modelle verwendet werden.
Unsere Empfehlung ist deshalb eindeutig: Tencents gehostete Angebote sind für personenbezogene Daten, vertrauliche Produktinformationen und Geschäftsgeheimnisse nicht geeignet. Allenfalls für Experimente mit vollständig unkritischen, öffentlich verfügbaren Inhalten und ohne Anmeldung mit Unternehmensdaten kommen sie in Betracht – und auch dann sollte das in einer internen Richtlinie bewusst entschieden sein. Diese Bewertung gilt sinngemäß auch für andere chinesische Cloud-Dienste für Video-KI.
Ganz anders sieht es beim Betrieb der offenen Gewichte auf eigener Hardware oder bei einem europäischen Cloud-Anbieter aus. Das Modell ist dann eine Software, die im eigenen Verantwortungsbereich läuft; Daten fließen nicht an Tencent. Die Herkunft des Modells aus China ist datenschutzrechtlich in diesem Szenario nicht der entscheidende Punkt – entscheidend ist, wo und unter wessen Kontrolle die Verarbeitung stattfindet. Wir empfehlen daher ausdrücklich, HunyuanVideo, wenn überhaupt, on-premises oder in einer EU-Cloud selbst zu hosten. Technisch sinnvoll sind dabei ein abgeschottetes Netzsegment, Modelldateien aus offiziellen Quellen in sicheren Formaten, geprüfte Prüfsummen und eine Umgebung ohne unnötige ausgehende Verbindungen.
Auch beim Self-Hosting bleibt das Unternehmen für die rechtmäßige Verarbeitung verantwortlich. Werden personenbezogene Daten verarbeitet – etwa Fotos von Mitarbeitenden als Referenzbild oder für eine Feinabstimmung –, braucht es eine Rechtsgrundlage, Informationen für die Betroffenen, einen Eintrag im Verarbeitungsverzeichnis und gegebenenfalls eine Datenschutz-Folgenabschätzung. Mit dem Hoster ist ein Auftragsverarbeitungsvertrag zu schließen.
Neben dem Datenschutz stehen zwei weitere Rechtsfragen. Erstens die Lizenz: Wie in Kapitel 07 beschrieben, kann die Tencent Hunyuan Community License territoriale Einschränkungen enthalten, die unter anderem die EU betreffen könnten. Ein Einsatz ohne Prüfung birgt das Risiko, lizenzwidrig zu handeln – mit möglichen Unterlassungs- oder Schadensersatzansprüchen. Lassen Sie die aktuelle Lizenz deshalb vor einem Einsatz in der EU juristisch prüfen.
Zweitens die Kennzeichnung: Die europäische KI-Verordnung sieht Transparenzpflichten für KI-generierte oder manipulierte Bild-, Audio- und Videoinhalte vor, die realen Personen, Gegenständen, Orten oder Ereignissen ähneln und fälschlicherweise als echt erscheinen könnten. Für realistisch wirkende generierte Clips ist eine Offenlegung deshalb regelmäßig geboten; für erkennbar künstlerische oder fiktionale Inhalte können Erleichterungen gelten. Wer Personen in generierten Videos darstellt, die realen Menschen ähneln, braucht zusätzlich deren Einwilligung – Persönlichkeitsrechte und das Recht am eigenen Bild gelten unabhängig von der Technik. Konkrete Anwendungsfristen und Ausnahmen klären Sie bitte mit Ihrer Rechtsberatung. Daneben verpflichtet die KI-Verordnung Unternehmen, für ausreichende KI-Kompetenz der Beschäftigten zu sorgen, die mit solchen Systemen arbeiten.
Unterm Strich ist HunyuanVideo ein gutes Beispiel dafür, dass Datenhoheit bei KI vor allem eine Frage des Betriebsmodells ist. Dasselbe Modell kann – über eine chinesische Cloud genutzt – ein erhebliches Datenschutzrisiko darstellen und – selbst gehostet in Deutschland – eine der datenschutzfreundlichsten Möglichkeiten sein, generative Video-KI zu nutzen. Vorausgesetzt, die Lizenzfrage ist sauber geklärt.