Offene vs. geschlossene KI-Video-Architektur im Vergleich

Warum die Architekturfrage vor der Modellfrage kommt

Wer heute Videomaterial mit generativer KI produziert, stößt schnell auf eine Flut von Modellnamen. Jede Woche erscheint ein neues System, jede Plattform verspricht bessere Bewegungen, schärfere Details oder längere Einstellungen. Die eigentliche Entscheidung liegt jedoch eine Ebene tiefer: Wer darf das Modell betreiben, wer darf es verändern, wo laufen die Daten und was passiert, wenn der Anbieter morgen seine Bedingungen ändert?

Diesen Fragen widmet sich die Architekturentscheidung. Sie unterscheidet zwischen zwei Grundmodellen. Geschlossene Systeme werden von einem Anbieter betrieben, der Gewichte, Trainingsdaten und Infrastruktur unter Verschluss hält und den Zugriff über eine Schnittstelle oder ein Abonnement verkauft. Offene Systeme stellen die Modellgewichte oder zumindest die Trainings- und Inferenzwerkzeuge bereit, sodass Teams die Verarbeitung selbst hosten, feinjustieren und in bestehende Pipelines einbetten können.

Diese Unterscheidung klingt technisch, hat aber unmittelbare Konsequenzen für Budget, Recht und Kreativität. Ein Studio, das wöchentlich hunderte Clips für Social-Media-Kampagnen rendert, braucht andere Eigenschaften als ein Produktionsteam, das vertrauliche Vorstandsinterviews in animierte Szenen überführt. Beide arbeiten mit derselben Technologieklasse, ziehen aber unterschiedliche Schlüsse.

Dieser Artikel ist als Entscheidungshilfe gedacht. Er erklärt die Unterschiede, vergleicht Betriebsrealitäten, zeigt konkrete Workflows und liefert Kriterien, mit denen Sie die passende Architektur für Ihr Team bestimmen können. Der Fokus liegt auf der Struktur der Entscheidung, nicht auf kurzfristigen Modell-Rankings, die nach wenigen Wochen veralten.

Die fünf Dimensionen, die den Unterschied ausmachen

Bevor Sie einzelne Werkzeuge vergleichen, lohnt sich ein Blick auf die Dimensionen, in denen sich Architekturen tatsächlich unterscheiden. Wer diese fünf Punkte getrennt bewertet, vermeidet den häufigsten Fehler: ein System nach einem einzelnen Merkmal auszuwählen und die Nebenwirkungen zu übersehen.

Kontrolle über die Ausführung. Bei einem geschlossenen Dienst bestimmt der Anbieter, welche Version des Modells läuft, wann sie aktualisiert wird und welche Parameter verfügbar sind. Ein Update kann das Aussehen Ihrer Bildserie verändern. Bei einem selbst gehosteten Modell frieren Sie eine Version ein und reproduzieren ein Ergebnis Monate später exakt.

Datenhoheit. Selbst gehostete Verarbeitung bedeutet, dass Rohmaterial, Prompts und Zwischenergebnisse das eigene Netzwerk nicht verlassen. Das ist kein theoretischer Vorteil, sondern in vielen Vertragswerken eine Voraussetzung.

Anpassbarkeit. Offene Modelle lassen sich mit eigenen Referenzbildern, Charakterbögen oder Stil-Loras spezialisieren. Geschlossene Systeme bieten Anpassung meist nur über die vom Anbieter vorgesehenen Regler.

Kostenlogik. Geschlossene Zugänge werden pro Nutzung oder über Abonnements abgerechnet. Offene Modelle verursachen keine Nutzungsgebühr, dafür aber Rechenzeit, Wartung und Personaleinsatz.

Verfügbarkeitsrisiko. Ein Dienst kann eingestellt, umbenannt, verteuert oder regional gesperrt werden. Ein Modell auf eigener Hardware läuft weiter, solange die Maschine läuft.

Diese fünf Dimensionen sind nicht unabhängig. Wer Datenhoheit maximiert, erhöht automatisch den Betriebsaufwand. Wer die höchste Bildqualität mit minimalem Aufwand sucht, akzeptiert meist Abhängigkeit von einem Anbieter. Die Kunst besteht darin, die Gewichtung an den eigenen Produktionsrealitäten auszurichten statt an allgemeinen Vorlieben.

Geschlossene Architekturen: Was sie stark macht und wo die Grenzen liegen

Geschlossene Videomodelle sind in der Regel die schnellste Route zu beeindruckenden Ergebnissen. Sie laufen auf optimierter Infrastruktur, sind über eine API in wenigen Minuten angebunden und liefern eine gleichbleibend hohe Grundqualität, ohne dass jemand im Team sich mit GPU-Treibern beschäftigen muss.

Die Stärken liegen auf der Hand:

• Sofortige Nutzbarkeit. Ein Schlüssel, eine Bibliothek, ein erster Clip. Kein Beschaffungsprozess, keine Installation, keine Kapazitätsplanung.
• Konsistente Qualität. Die Anbieter betreiben aufwendiges Feintuning und Sicherheitsfilter. Ergebnisse sind berechenbar, was für Kundenprojekte mit festen Abgabeterminen hilft.
• Skalierung ohne Vorleistung. Für eine Kampagne mit 400 Clips mieten Sie Kapazität für eine Woche und geben sie danach zurück.
• Gepflegte Werkzeugketten. Post-Processing, Upscaling, Zeitlupe und Audio liegen oft im selben Ökosystem.

Diesen Vorteilen stehen strukturelle Grenzen gegenüber, die sich nicht durch bessere Prompts beheben lassen. Die wichtigste ist die fehlende Reproduzierbarkeit über Zeit. Wenn ein Anbieter ein Modell aktualisiert, kann derselbe Prompt ein anderes Ergebnis liefern. Für eine Serie, die über mehrere Monate ausgerollt wird, ist das ein echtes Risiko.

Hinzu kommt die Frage der Datenverarbeitung. Viele Dienste erlauben das Training auf hochgeladenem Material zumindest optional. Ob und wie das im eigenen Fall zutrifft, muss juristisch geprüft werden, bevor vertrauliche Inhalte in einen externen Dienst wandern.

Ein weiteres Muster: Preismodelle für geschlossene Systeme skalieren mit der Nutzung. Bei kleinen Stichproben wirkt das günstig, bei Dauerbetrieb kann die Summe die Kosten einer eigenen Maschine deutlich übersteigen. Diese Rechnung ist der Kern der späteren Kostenanalyse.

Offene Architekturen: Transparenz, Anpassung und eigener Betrieb

Offene Videomodelle verschieben die Verantwortung ins eigene Haus. Sie laden Gewichte herunter, richten eine Laufzeitumgebung ein und betreiben die Inferenz selbst. Der erste Arbeitstag ist länger, die langfristige Kontrolle dafür deutlich höher.

Die entscheidenden Vorteile:

• Reproduzierbarkeit. Versionen werden eingefroren. Ein im März erzeugter Look lässt sich im Oktober identisch wiederholen.
• Echte Anpassung. Eigene Feinabstimmungen, Stil-Adapter und Charakterreferenzen sind ohne Genehmigung eines Anbieters möglich.
• Kontrolle über die Pipeline. Jeder Schritt, von der Bewegungsinterpolation bis zur Farbanpassung, ist ein Baustein, den Sie ersetzen können.
• Keine Abhängigkeit von Geschäftsentscheidungen Dritter. Ein eingestellter Dienst trifft Sie nicht, wenn die eigene Umgebung läuft.

Die Kehrseite ist Betriebsarbeit. Sie brauchen geeignete Hardware, eine Laufzeitumgebung, Monitoring, Updates und jemanden, der bei einem Speicherfehler um zwei Uhr morgens erreichbar ist. Bei Modellen mit hohem Speicherbedarf kommen Ausweichstrategien wie Quantisierung oder aufgeteilte Verarbeitung hinzu, die Ergebnisse leicht verändern können.

Ein häufiges Missverständnis betrifft die Kosten. Offene Modelle sind nicht kostenlos; sie sind nur anders abgerechnet. Statt einer Gebühr pro generiertem Clip zahlen Sie für Strom, Kühlung, Abschreibung und Arbeitszeit. Ab einer gewissen Auslastung wird diese Rechnung sehr günstig, darunter eher ungünstig.

Ein zweiter Punkt betrifft Qualität. Offene Modelle liegen in vielen Benchmarks dicht hinter den besten geschlossenen Systemen, besonders bei kurzen Einstellungen und stilisierten Looks. Bei langen, physikalisch anspruchsvollen Szenen mit mehreren Objekten ist der Abstand in der Praxis oft noch sichtbar. Die Lücke schließt sich jedoch mit jedem Modelljahrgang weiter.

Betriebsrealität im Vergleich: Tagesarbeit, nicht Theorie

Die folgenden Beobachtungen stammen aus dem typischen Produktionsalltag und beschreiben, worin sich beide Ansätze tatsächlich unterscheiden.

Wenn ein neues Modell erscheint, beginnt bei geschlossenen Systemen eine Testphase von Minuten. Prompt eingeben, Ergebnis prüfen, entscheiden. Bei offenen Systemen folgt zuerst die Frage nach der Hardware: Reicht der Speicher? Läuft die Umgebung? Welche Abhängigkeiten sind zu aktualisieren? Erst danach beginnt der kreative Teil.

Bei der Fehlersuche zeigt sich der zweite große Unterschied. Ein geschlossener Dienst liefert eine Fehlermeldung und häufig wenig Kontext. Bei einem selbst gehosteten Modell können Sie Protokolle lesen, Parameter verändern, Seed-Werte fixieren und die Ursache isolieren.

Ein dritter, oft unterschätzter Punkt ist der Umgang mit Spitzenlast. Ein Team, das vier Wochen im Jahr sehr viel rendert und sonst wenig, fährt mit flexibel abgerechneten Diensten meist günstiger. Ein Team, das täglich mehrere Stunden rechnet, amortisiert eigene Hardware schneller, als die meisten erwarten.

Und schließlich die Frage der Zusammenarbeit. Geschlossene Werkzeuge sind auf gemeinsame Oberflächen ausgelegt: Kommentare, Freigaben, Versionsverlauf. Offene Pipelines sind stärker auf einzelne Fachleute zugeschnitten. Wer im Team arbeitet, muss diese Schicht bewusst nachrüsten, etwa über ein eigenes Auftragsverwaltungssystem oder eine geteilte Ablage mit klaren Namensregeln.

Wann hybride Setups die bessere Wahl sind

In der Praxis ist die Frage selten binär. Die meisten professionellen Teams landen bei einer Mischung. Ein bewährtes Muster:

1. Exploration offen. Stiltests, Moodboards und Experimente laufen auf einem selbst gehosteten Modell. Kein Budgetdruck, volle Kontrolle, freies Ausprobieren.
2. Freigabe geschlossen. Die finalen, terminkritischen Einstellungen entstehen auf einem gepflegten Dienst mit hoher Erfolgsquote pro Versuch.
3. Nachbearbeitung lokal. Upscaling, Stabilisierung, Farbkorrektur und Schnitt bleiben im eigenen Haus, wo ohnehin die Projektdateien liegen.
4. Archivierung versioniert. Fertige Szenen werden mit Modellversion und Parametern dokumentiert, damit spätere Ergänzungen konsistent bleiben.

Ein solches Setup senkt das Risiko an beiden Enden: Sie hängen nicht vollständig von einem Anbieter ab, verzichten aber auch nicht auf dessen Zuverlässigkeit bei den Lieferterminen, die Ihren Ruf bestimmen.

Für hybride Arbeit sind drei Voraussetzungen hilfreich. Erstens eine einheitliche Benennung von Clips, Szenen und Versionen. Zweitens ein Prompt-Protokoll, in dem festgehalten wird, welches Modell mit welchen Einstellungen einen Look erzeugt hat. Drittens eine klare Regel, welches Material überhaupt extern verarbeitet werden darf. Ohne diese drei Punkte wird aus einem hybriden Setup schnell ein unübersichtliches Nebeneinander.

Entscheidungskriterien: Ein Ablauf für Ihr Team

Die folgende Reihenfolge hat sich in der Praxis bewährt, weil sie die teuren Fehlentscheidungen zuerst ausschließt.

Schritt 1: Datenklassifizierung. Listen Sie auf, welche Arten von Material Sie verarbeiten. Öffentliche Werbeclips, internes Schulungsmaterial und nicht veröffentlichte Produktdesigns gehören in unterschiedliche Kategorien. Alles, was vertraulich ist, sollte die eigene Umgebung nicht verlassen.

Schritt 2: Auslastung schätzen. Zählen Sie realistisch, wie viele Minuten Videomaterial pro Monat entstehen. Diese Zahl entscheidet über die Kostenlogik stärker als jede Qualitätsdebatte.

Schritt 3: Reproduzierbarkeitsbedarf prüfen. Müssen Ergebnisse über Monate identisch wiederholbar sein, etwa für eine Serie mit wiederkehrender Bildsprache? Dann ist Versionskontrolle entscheidend.

Schritt 4: Kompetenz im Haus bewerten. Gibt es jemanden, der eine Laufzeitumgebung betreiben und überwachen kann? Wenn nicht, ist ein offener Betrieb ein Projekt, kein Werkzeug.

Schritt 5: Qualitätsanspruch konkretisieren. Definieren Sie vor dem Test, was ein gutes Ergebnis ausmacht: Gesichtskonsistenz, Bewegungstreue, Detailstabilität, Lippen-Synchronität. Bewerten Sie dann beide Ansätze an denselben fünf Clips.

Schritt 6: Ausstieg mitplanen. Für jeden externen Dienst sollte dokumentiert sein, wie ein Wechsel abläuft: Exportformate, Prompt-Bibliothek, Archivstruktur. Wer den Ausstieg vorbereitet, verhandelt später gelassener.

Wer diese sechs Schritte durchgeht, stellt fest, dass die Antwort selten „entweder oder“ lautet. Meist ergibt sich eine Gewichtung: offene Verarbeitung für vertrauliches und experimentelles Material, geschlossene Dienste für terminkritische Endausgaben.

Typische Fehler, die Sie vermeiden sollten

Fehler 1: Architektur nach Benchmark auswählen. Spitzenwerte in Testtabellen sagen wenig über Ihren konkreten Anwendungsfall. Ein Modell, das in fremden Tests dominiert, kann bei Ihren Produktaufnahmen schwächeln.

Fehler 2: Betriebsaufwand ignorieren. Offene Systeme wirken in der Kalkulation günstig, solange die Arbeitszeit nicht eingerechnet wird. Rechnen Sie Wartung, Updates und Störungsbehebung mit echten Stundensätzen.

Fehler 3: Versionen nicht festhalten. Ohne dokumentierte Modellversion und Parameter ist ein Look nicht reproduzierbar. Führen Sie ein schlichtes Protokoll: Datum, Modell, Einstellungen, Referenzbilder.

Fehler 4: Datenschutz nachträglich klären. Wer erst nach dem Upload prüft, ob Material extern verarbeitet werden durfte, hat bereits ein Problem. Klären Sie vorher, nicht hinterher.

Fehler 5: Alles auf einen Anbieter setzen. Ein einziger externer Dienst bedeutet ein einzelnes Ausfallrisiko für die gesamte Produktion. Halten Sie mindestens eine Alternative betriebsbereit.

Fehler 6: Zu früh standardisieren. Teams, die nach zwei Wochen eine endgültige Pipeline festschreiben, blockieren sich selbst. Lassen Sie Raum für Nachjustierung, solange die Produktion läuft.

Qualität prüfen: Ein Bewertungsraster für Videomodelle

Ein wiederkehrendes Bewertungsraster spart Zeit und macht Diskussionen sachlicher. Bewerten Sie jeden Kandidaten auf einer Skala von eins bis fünf in diesen Kategorien:

• Motivtreue. Bleibt das beschriebene Motiv über die gesamte Einstellung erkennbar?
• Bewegungsplausibilität. Wirken Gewicht, Trägheit und Richtungswechsel natürlich?
• Gesichtskonsistenz. Bleibt eine Figur über mehrere Einstellungen hinweg dieselbe?
• Texttreue. Erscheinen eingebettete Schriften korrekt und stabil?
• Detailstabilität. Flimmern Kanten, verschwimmen Muster, zerfallen Hände?
• Kontrolle. Lassen sich Kamera, Tempo und Übergang gezielt steuern?
• Durchsatz. Wie lange dauert eine Einstellung bei brauchbarer Qualität?

Testen Sie immer mit demselben Materialsatz. Fünf Prompts genügen, wenn sie die kritischen Fälle abdecken: eine Person in Bewegung, eine Produktaufnahme, eine Landschaft mit Kameraschwenk, eine Nahaufnahme mit Text und eine Einstellung mit mehreren Objekten. Nur der Vergleich identischer Eingaben liefert belastbare Aussagen.

Ein konkreter Workflow für ein gemischtes Setup

Das folgende Beispiel beschreibt einen Ablauf, der sich in gemischten Teams bewährt hat.

Vorbereitung. Das Kreativteam erstellt ein Storyboard mit sechs bis zehn Einstellungen und legt fest, welche davon vertraulich sind. Vertrauliche Einstellungen werden von Anfang an für den lokalen Betrieb markiert.

Stilphase. Auf der eigenen Maschine entstehen zehn Varianten pro Einstellung. Die Einstellungen, die den Kern der Bildsprache definieren, werden mit fixiertem Seed und dokumentierten Parametern gespeichert. Diese Referenz dient später als Maßstab.

Freigabephase. Die finalen Einstellungen werden auf einem gepflegten Dienst erzeugt, um die Erfolgsquote pro Versuch zu erhöhen. Jedes Ergebnis wird gegen die lokale Referenz geprüft. Weicht es zu stark ab, wird die Einstellung neu erzeugt oder in der Nachbearbeitung angeglichen.

Nachbearbeitung. Schnitt, Stabilisierung, Farbkorrektur und Ton entstehen im eigenen Haus. An dieser Stelle zahlt sich die offene Nachbearbeitung aus, weil alle Werkzeuge auf dieselben Rohdaten zugreifen.

Archivierung. Fertige Szenen wandern mit einem Metadatensatz ins Archiv: Projekt, Szene, Modell, Version, Parameter, Datum. Ein halbes Jahr später lässt sich damit eine Ergänzung produzieren, die optisch exakt anschließt.

Qualitätskontrolle. Vor der Auslieferung prüft eine zweite Person Ton, Text und Bildkohärenz. Ein kurzer, fest definierter Check verhindert die meisten Reklamationen.

Kosten und Skalierung ohne Milchmädchenrechnung

Kostenvergleiche scheitern häufig daran, dass nur der offensichtliche Posten betrachtet wird. Eine belastbare Rechnung enthält auf der einen Seite Nutzungsentgelte, Abonnements und Kosten für zusätzliche Werkzeuge. Auf der anderen Seite stehen Anschaffung oder Miete der Hardware, Strom und Kühlung, Wartungszeit, Ausfallzeiten und die Einarbeitung neuer Teammitglieder.

Ein praktikabler Ansatz ist die Betrachtung pro fertiger Minute ausgelieferten Materials. Teilen Sie die monatlichen Gesamtkosten durch die Anzahl der Minuten, die es tatsächlich in die Auslieferung geschafft haben. Diese Kennzahl macht sichtbar, was der Betrieb wirklich kostet, und sie zeigt, wo Ausschuss entsteht.

Interessant ist dabei der Auslastungsverlauf. Bei niedriger Auslastung gewinnt der flexible, extern abgerechnete Betrieb, weil keine Leerkosten entstehen. Bei hoher, gleichmäßiger Auslastung kippt die Rechnung zugunsten eigener Infrastruktur, weil der größte Kostenblock dann fix ist. Der Wendepunkt liegt je nach Team unterschiedlich, häufig aber niedriger, als die intuitive Schätzung vermuten lässt.

Ein zweiter Skalierungseffekt betrifft den Durchsatz. Eigene Hardware erweitert sich durch zusätzliche Rechenkarten, aber nur bis zur Grenze des Gehäuses und der Stromversorgung. Externe Dienste skalieren kurzfristig sehr stark, dafür aber nur innerhalb der verfügbaren Kapazität und zu Konditionen, die sich jederzeit ändern können. Für Großprojekte ist deshalb wichtig zu wissen, wie viel Vorlauf der jeweilige Anbieter für Reservierungen benötigt.

Rechtliche und organisatorische Randbedingungen

Die Architekturentscheidung ist auch eine Governance-Entscheidung. Drei Punkte sollten vor dem ersten produktiven Einsatz geklärt sein.

Erstens die Frage der Nutzungsrechte an erzeugtem Material. Offene Modelle bringen häufig permissive Lizenzen mit, was die kommerzielle Verwendung erleichtert. Bei geschlossenen Diensten regeln die Nutzungsbedingungen, welche Verwertung zulässig ist, und diese Bedingungen können sich ändern.

Zweitens die Frage der Herkunft des Trainingsmaterials. Bei eigenen Feinabstimmungen tragen Sie die Verantwortung dafür, dass die verwendeten Referenzen rechtlich einwandfrei sind. Bei externen Modellen verlagert sich diese Frage auf den Anbieter, bleibt aber relevant, wenn Sie Ergebnisse für sensible Zwecke einsetzen.

Drittens die Dokumentation. Für Kundenprojekte ist es zunehmend üblich, anzugeben, mit welcher Art von Werkzeug Material erzeugt wurde. Ein internes Register, das Modell, Version und Bearbeitungsschritte festhält, beantwortet solche Anfragen in wenigen Minuten statt in zwei Tagen Recherche.

Häufige Fragen zur Architekturwahl

Sind offene Videomodelle grundsätzlich günstiger? Nein. Sie haben keine Nutzungsgebühr, verursachen aber Betriebskosten. Bei geringer Auslastung ist ein externer Dienst meist günstiger, bei konstanter hoher Auslastung kippt das Bild zugunsten eigener Infrastruktur.

Verlieren geschlossene Dienste an Qualität, wenn ich sie lange nutze? Nicht zwangsläufig, aber die Ergebnisse können sich nach Updates ändern. Wer Reproduzierbarkeit über Monate braucht, sollte Versionen dokumentieren und Referenzergebnisse archivieren.

Reicht eine einzelne Rechenkarte für den offenen Betrieb? Für kurze Einstellungen in moderater Auflösung häufig ja. Für längere Szenen, hohe Auflösungen oder mehrere gleichzeitige Aufträge steigt der Speicherbedarf deutlich. Prüfen Sie den Bedarf anhand eines echten Testclips, nicht anhand von Herstellerangaben.

Wie viele Modelle sollte ein Team parallel betreiben? Für die tägliche Produktion sind zwei bis drei ausreichend, jeweils mit dokumentierten Stärken. Mehr Modelle bedeuten mehr Einarbeitung, höhere Betriebskosten und uneinheitliche Ergebnisse.

Eignet sich ein offener Betrieb für Teams ohne technische Betreuung? Nur mit Einschränkungen. Wenn niemand Umgebung und Hardware betreuen kann, ist ein externer Dienst die pragmatischere Wahl. Eine Mischung, bei der nur die vertraulichen Arbeiten lokal laufen, ist oft der gangbare Kompromiss.

Wie prüfen wir die Datenverarbeitung eines Dienstes? Lesen Sie die Nutzungsbedingungen und die Datenschutzerklärung, und prüfen Sie, ob hochgeladenes Material für Modellverbesserungen verwendet wird. Klären Sie offene Punkte schriftlich mit dem Anbieter, bevor Sie sensible Inhalte verarbeiten.

Wann sollte eine Entscheidung überprüft werden? Mindestens einmal pro Quartal oder immer dann, wenn die eigene Auslastung um mehr als die Hälfte steigt oder fällt. Architekturentscheidungen sind keine Einmalentscheidungen, sondern laufende Kalibrierungen.

Fazit: Die Architektur folgt der Produktion

Die Wahl zwischen offener und geschlossener KI-Video-Architektur ist keine Frage von Ideologie, sondern von Produktionsrealität. Geschlossene Systeme liefern schnell hohe Qualität und übernehmen den Betrieb. Offene Systeme liefern Kontrolle, Reproduzierbarkeit und Datenhoheit, verlangen dafür technische Betreuung.

Die meisten professionellen Teams fahren am besten mit einer bewussten Mischung. Vertrauliche und experimentelle Arbeiten laufen lokal, terminkritische Endausgaben auf gepflegten Diensten, und jede Einstellung wird mit Modellversion, Parametern und Datum dokumentiert. Diese Dokumentation ist der eigentliche Kern: Sie macht Ergebnisse reproduzierbar, unabhängig davon, wo sie entstanden sind.

Wer die sechs Entscheidungskriterien einmal durchgeht und ein einfaches Bewertungsraster für die Qualität etabliert, trifft die Wahl in wenigen Tagen statt in mehreren Wochen. Und wer die Entscheidung vierteljährlich neu kalibriert, bleibt handlungsfähig, wenn sich Modelle, Preise oder Anforderungen verschieben.