Warum nicht einfach eine KI die Meshes erzeugen lassen?
Der naheliegende Weg war Bild-zu-3D. Ich habe die Modelle lokal auf meiner GPU installiert und getestet: Hunyuan3D (2, 2.1, 2mv), TRELLIS.2, MeshAnything V2 und DeepMesh.
Sie scheitern genau dort, wo ein Filmset es sich nicht leisten kann. Modelle mit einem einzigen Bild erfinden die Rückseite — ein Straßenschild bekam einen Pfosten statt zwei. Und beim Reduzieren von rund 390.000 auf 2.000 Dreiecke, ein sinnvolles Budget für eine Szene, zerfallen sie.
Die Entscheidung: Orte sind zu 100 % Blender-Code. KI-Meshes kommen nur hinein, wenn das Endmodell von allen Seiten stimmt.
Die Entscheidung: Ein Set ist Code
Jeder Ort ist ein Blender-Python-Skript, geschrieben von Claude-Code-Agenten, in echten Metern. Low-Poly entsteht beim Bauen — flache Farbmaterialien, Boxen und Extrusionen, etwa 100 bis 1.000 Dreiecke pro Objekt — nicht durch nachträgliches Reduzieren. Ein Objekt ändern heißt, eine Zahl ändern.
Daraus sind zwei Pipelines entstanden:
| A · Straßen aus einer Adresse | B · Orte als Code | |
|---|---|---|
| Eingabe | eine Adresse, ein Ortsname oder Koordinaten | Fotos oder belegte Recherche |
| Geometrie | aus Geodaten von einem Blender-Generator erzeugt | ein Blender-Skript pro Ort, von einem Agenten geschrieben |
| Ergebnis | ein Straßenblock in Metern, georeferenziert | ein Set mit offener Vorderseite für die Kamera, gebackenem Licht, Figuren |
Pipeline A: ein Befehl, eine Adresse
- Geokodieren. Nominatim (OpenStreetMap) macht aus Text oder Koordinaten einen Ort mit Land und Ortstyp.
- Straßen und Gebäude. OpenStreetMap — Straßen, Breiten, Spuren, Gebäude, Geschosse, Dachformen, Bäume — über die API, mit drei öffentlichen Overpass-Servern als Rückfallebene.
- Grundrisse und Höhen. Overture Maps, direkt aus dem öffentlichen S3-Bucket als Parquet gelesen. Der langsamste Schritt.
- Amtliche 3D-Gebäude. Berliner LoD2-CityGML — Wände, Dächer, Traufhöhen — in dieselben lokalen Meter wie OSM umgerechnet. Vorrang: LoD2 vor Overture vor OSM, jede Wahl wird mit Begründung protokolliert. Eine erste Fassung des Alexanderplatzes entstand nur aus OpenStreetMap; die amtlichen Daten bringen die echten Dachformen und Gebäudeteile.
- Fassadenfarben, optional. Street View dient nur dazu, pro Fassade einen Median-Farbwert zu nehmen; gespeichert werden nur die Farben, keine Bilder. Standardmäßig aus, weil kostenpflichtig.
- Bauen. Blender 4.5 ohne Oberfläche baut die Szene in 2–3 Sekunden; das Ergebnis geht in den Viewer.
Jeder Schritt wird zwischengespeichert und mit Dauer protokolliert. Eine Hintergrund-Queue nimmt Aufträge an; ein kompletter Lauf von der Adresse zur Szene dauert etwa 2–3 Minuten — etwa der Marktplatz von Breslau mit 221 Gebäuden aus Overture.
Regeln statt Augenmaß
- Eine Architektur-Prüfung bei jedem Build: kein Fenster über der Traufe, nichts an Brandwänden, kein Baum und keine Laterne im Gebäude oder vor einer Tür, kein Auto im Kamerabild. Die abgelehnten Fälle stehen gezählt im Bericht.
- Eine Körpermaß-Prüfung für Sets: Ein Kollisionsraster misst Sitze, Kniefreiheit, den engsten Durchgang und die Kopffreiheit gegen die Körpermaße der Figuren — mit einer Draufsicht als Nachweis.
- Eine Kamera-Prüfung: Einstellungen, in denen die sprechende Figur verdeckt ist, werden verworfen und durch eine Über-die-Schulter-Kamera ersetzt.
- Ein Mensch entscheidet: Jedes Modell wird im Viewer von allen Seiten freigegeben — einen automatischen Vergleich mit den Fotos gibt es nicht.
Pipeline B: ein Café aus zwei Fotos
Innenräume und Wahrzeichen entstehen nicht aus einer Adresse. Ein Agent schreibt pro Ort ein Skript. Das Café in Neukölln entstand aus zwei Fotos: olivgrüne Wände, Fransenlampen, geblümte Sofas, ein lila Samtvorhang, ein großes Schaufenster, die Theke mit Espressomaschine und Kreidetafel — in einem Raum von 9 × 7 m, die Sitzhöhen an die Low-Poly-Figuren angepasst.
Wahrzeichen entstehen aus belegter Recherche, die im Kopf jedes Skripts steht — das Brandenburger Tor mit seinen 12 dorischen Säulen, der U8-Bahnhof Alexanderplatz aus öffentlichen Beschreibungen.
Das Licht wird auf meiner eigenen GPU mit Cycles gebacken (das Café: 71 Sekunden). Eine Falle, die man kennen sollte: Unter WSL2 meldete OptiX die GPU, backte aber im CPU-Tempo.
Ergebnis und ehrliche Grenzen
Über 30 Sets in 10 Tagen — rund zehn Straßenszenen aus Geodaten und 22 als Code geschriebene Orte, darunter 13 Berliner Orte, die in einem einzigen Nachtlauf registriert wurden.
Was es (noch) nicht kann:
- „Adresse zur Szene“ deckt nur Straßen von außen ab; Innenräume werden pro Ort geschrieben.
- LoD2-Kacheln werden von Hand geholt; lokal liegen nur wenige.
- Geschosse und Fassaden folgen Faustregeln (3 m pro Geschoss, Fensterraster, Stilregeln pro Ort); Wahrzeichen sind von Hand codiert.
- Die Dateien sind fürs Web schwer; die Modelle auf dieser Seite sind komprimierte Kopien.