starker Nora-Start
Observations
Feldnotizen aus einem laufenden Experiment.
Elenavision läuft öffentlich.
Die Figuren treffen auf reale Plattformen, reale Empfehlungssysteme und reale Menschen.
Manche Hypothesen funktionieren. Andere nicht. Manche Ergebnisse sehen stark aus, ohne dass sofort klar ist, warum. Und manchmal passiert schlicht fast nichts.
Diese Seite dokumentiert, was wir dabei beobachten.
Nicht als nachträglich geglättete Erfolgsgeschichte.
Sondern während das Experiment läuft.
Fakten. Reaktionen. Learnings. Und manchmal: noch kein Learning.
Die Experimente teilen sich Methoden und Erkenntnisse.
Die Figuren selbst bleiben getrennt.
Learn globally. Apply locally. Declare the transfer.
Experiment 01
Anfang August bis Anfang September 2026 — Elena startet
Elena war das erste öffentliche Experiment von Elenavision.
Der Start erfolgte Anfang August zunächst auf Instagram. Facebook kam später als zweiter Testkanal hinzu.
In den ersten Wochen ging es nicht nur um Reichweite.
Zunächst musste sich zeigen, ob eine synthetische Figur überhaupt stabil genug produziert werden kann, um über viele unterschiedliche Szenen, Systeme und Produktionsmethoden hinweg dieselbe Person zu bleiben.
Veröffentlicht
Im ersten ausgewerteten Facebook-Zeitraum erschienen:
23Veröffentlichungen
18kurze Videos
4Bilder
~13.9KViews
davon:
18 kurze Videos
4 Bilder
1 Textpost
Ergebnis
Zusammen kamen diese Veröffentlichungen auf rund:
13.900 Views
Die Distribution war sehr uneinheitlich.
Das stärkste Video erreichte rund 3.100 Views und 8 neue Follower.
Ein weiteres kam auf rund 1.600 Views und 3 neue Follower.
Viele andere Veröffentlichungen blieben trotz vergleichbarer technischer Qualität bei wenigen hundert Views.
Ein klarer Zusammenhang zwischen Produktionsaufwand und Distribution war nicht erkennbar.
Unsere Reaktion
Elena nicht radikal verändern.
Die visuelle Identität bleibt stabil.
Getestet werden stattdessen überschaubare Variablen:
Inhalte, visuelle Idee, Location, Outfit, Thumbnail, Timing und Plattform.
Ein schwacher Post ist kein Grund, die Figur neu zu erfinden.
Stand
Die technische und visuelle Stabilität funktioniert.
Eine reproduzierbare Content-Formel für Reichweite bislang nicht.
Status: Wir beobachten weiter.
Experiment 02
Ende August 2026 — Nora startet anders
Nora wurde als zweites Experiment unter anderen Bedingungen aufgebaut.
Charakterprofil, Positionierung und große Teile der kreativen Richtung entstanden deutlich stärker durch AI-gestützte Iteration.
Die öffentliche Reaktion unterschied sich fast sofort von Elena.
Veröffentlicht
Im ersten ausgewerteten Facebook-Zeitraum erschienen:
11Veröffentlichungen
6kurze Videos
5Bildposts
~233KViews
>1,200Facebook-Follower in ungefähr einer Woche
davon:
6 kurze Videos
5 Bildposts
Ergebnis
Diese 11 Veröffentlichungen erreichten zusammen rund:
233.000 Views
Mehrere Videos wurden stark an Menschen außerhalb der bestehenden Followerschaft verteilt.
Einzelne Veröffentlichungen kamen auf ungefähr:
80.000 Views
75.000 Views
47.000 Views
und erzeugten jeweils mehrere hundert neue Follower.
Innerhalb ungefähr einer Woche überschritt Nora auf Facebook 1.200 Follower.
Das war ein Raketenstart.
Elena vs. Nora — die ersten sieben Tage
Facebook-Views in den ersten sieben Tagen ab dem ersten Facebook-Post. Start- und Endwerte sind gemessen; der Verlauf dazwischen ist visualisiert.
Beide Figuren starten bei null.
Die Endwerte entsprechen den realen Ergebnissen der ersten sieben Tage.
Der Verlauf dazwischen dient der Visualisierung und erhebt keinen Anspruch auf exakte Tagesmessung.
Unsere Reaktion
Nicht sofort kopieren.
Nicht behaupten, wir hätten eine Formel gefunden.
Nora weiterlaufen lassen und beobachten, ob das Muster trägt.
Denn hinter dem Ergebnis steckt keine einzelne Variable.
Möglich sind unter anderem:
- Character und visuelle Wirkung
- Cabin-Crew-Kontext
- Zielgruppe
- Content
- Plattform
- Timing
- algorithmische Einordnung
- Zufall
Diese Faktoren lassen sich aktuell nicht sauber voneinander trennen.
Stand
Das Ergebnis ist außergewöhnlich.
Aber außergewöhnlich ist nicht dasselbe wie reproduzierbar.
Vielleicht haben wir mehrere Faktoren sehr gut getroffen.
Vielleicht war ein Teil davon ein Sechser im Lotto.
Wahrscheinlich liegt die Wahrheit irgendwo dazwischen.
Status: Raketenstart. Noch kein Rezept.
Experiment 02 — Update
10. September 2026 — Nora erreicht 2.5k auf Facebook
Beobachtet
Nora startete auf Facebook mit null Followern.
Am 10. September hat sie die Marke von 2.500 überschritten.
Der dokumentierte Stand am 10. September: 2.506 Follower.
Rund 17 Tage nach dem ersten gespeicherten Facebook-Post vom 24. August.
Das Wachstum war nicht gleichmäßig.
Auf einen kleinen Anfang folgte ein deutlicher Schub.
Nora auf Facebook: von 0 Followern beim Start auf 2.506 am 10. September 2026. Rund 17 Tage seit dem ersten gespeicherten Facebook-Post. Die Endwerte sind belegt; der Verlauf dazwischen ist schematisch visualisiert und zeigt keine gemessenen Tageswerte.
Mehr als 1.200 Facebook-Follower innerhalb ungefähr einer Woche — als frühere, bereits dokumentierte Schwelle, ohne exakten Tag in dieser Grafik.
Einordnung
Unsere aktuelle Einordnung: außerhalb dessen, was wir bei einem normalen organischen Kaltstart erwarten würden. Die Form passt aber zu einem Recommendation- oder Viral-Treffer: zunächst wenig Bewegung, dann ein starker Schub und Nachlauf.
Das beschreibt ein beobachtetes Muster. Es isoliert keine Ursache.
Wie viel Character, Content, Plattform, Timing oder Zufall dazu beigetragen haben, können wir weiterhin nicht sauber trennen.
Unsere Reaktion
Kurz feiern. Dann weiter beobachten.
Keine tägliche Wachstumsrate daraus machen.
Und weiterhin kein Playbook behaupten.
Stand
Ein messbarer Meilenstein.
Noch kein Beleg für ein wiederholbares Verfahren oder ein dauerhaft stabiles Publikum.
Status: 2.5k erreicht. Noch kein Rezept.
Update — Ende September / Anfang Oktober 2026
Highlight — Nora überschreitet 1 Million Views
1.232.823
Views seit dem Start am 24. August 2026
Nora Layover hat seit ihrem Start am 24. August 2026 insgesamt 1.232.823 Views erreicht.
Damit überschreitet Experiment 02 nach weniger als sechs Wochen die Marke von 1 Million Views.
Für Elenavision ist das ein wichtiger Meilenstein.
Nicht, weil damit eine Formel bewiesen wäre.
Sondern weil aus einem Kaltstart inzwischen ein großer realer Datensatz geworden ist.
Die offene Frage bleibt:
Welche Teile davon sind reproduzierbar — und welche nicht?
Nora — Raptor, Warp und späte Wiederentdeckung
Mehrere Nora-Reels entwickelten sich deutlich stärker als frühere Inhalte.
Intern unterscheiden wir inzwischen:
- Diesel — langsam und stetig
- Raptor — anhaltende Ausbruchswelle
- Warp — nochmals deutlich darüber
Dabei wurde eine Regel besonders wichtig:
Not the peak makes a Raptor, but the wave.
Ein einzelner Spike reicht nicht.
Entscheidend ist eine anhaltende Verteilungswelle.
Besonders interessant war ein älteres Mykonos-Reel, das erst rund zwei Wochen nach Veröffentlichung erneut stark verteilt wurde.
Learning
Alte Inhalte sind nicht automatisch „tot“.
Warum eine solche späte Wiederentdeckung passiert, wissen wir noch nicht.
Elena — ein klarerer Content-Mechanismus
Bei Elena hat sich ein wiederkehrendes Muster herausgebildet:
kleine Handlung → unverhältnismäßige Konsequenz → minimale Reaktion
Intern:
Overreaction outside. Underreaction inside.
Oder einfach:
Wow.
Der Mechanismus ist wiedererkennbar.
Er erzeugt aber nicht automatisch dieselbe Distribution.
Learning
Ein klarer Content-Mechanismus kann Wiedererkennbarkeit schaffen.
Er ist noch keine Reichweitenformel.
Instagram — Retention statt Likes?
Bei Elena fiel bei den wenigen stärker verteilten Instagram-Reels ein gemeinsames Muster auf:
Die Retention-Kurven lagen deutlich über denen der übrigen Inhalte.
Likes und andere einfache Einzelmetriken zeigten dagegen kein ähnlich klares Muster.
Daraus entstand:
Herbert Gate Hypothesis v1
Frühe Retention könnte für weitere Distribution wichtiger sein als einfache Engagement-Zahlen.
Noch keine Gewissheit.
Kleine Stichprobe.
Aber erstmals eine klar testbare Hypothese.
AI als Ideengeber
Ein weiteres Learning betrifft das AI-System selbst.
Unsere AI-Rollen liefern zunehmend nicht nur Varianten oder Ausführung.
Sie erweitern manchmal selbst den Suchraum:
neue Achsen,
neue Mechanismen,
neue Kombinationen.
Learning
Interessante AI-Kreativität beginnt für uns dort, wo nicht nur mehr Varianten entstehen, sondern neue Denk- und Ideenräume.
System-Learning
Mit wachsender Komplexität wurde ebenfalls klar:
Ein Universalbot ist nicht automatisch die beste Lösung.
Spezialisierte Rollen, klare Übergaben und unabhängige Gegenprüfung funktionieren besser.
Learning
Nicht nur bessere Modelle verbessern ein AI-System. Bessere Architektur tut es auch.
Was wir weiterhin nicht wissen
- warum genau bestimmte Posts ausbrechen,
- warum ältere Inhalte plötzlich wieder verteilt werden,
- welche Retention-Merkmale tatsächlich kausal sind,
- und welche Muster langfristig reproduzierbar sind.
Fakten. Reaktionen. Learnings. Und manchmal: noch kein Learning.
Observing further.
Eine Figur. Zwei Plattformen. Zwei Welten.
Nora zeigte gleichzeitig, wie wenig sich Ergebnisse einfach von einer Plattform auf eine andere übertragen lassen.
bislang deutlich kleiner
Während Facebook innerhalb weniger Tage stark verteilte und schnell neue Follower brachte, blieb Instagram im selben Zeitraum klein.
Auch bei Elena entwickelte sich keine vergleichbare Dynamik.
Unsere Reaktion
Facebook und Instagram nicht mehr gedanklich als dieselbe Versuchsumgebung behandeln.
Dieselbe Figur kann auf unterschiedlichen Plattformen vollkommen unterschiedlich laufen.
Stand
Warum das passiert, ist noch nicht sauber isoliert.
Deshalb keine nachträgliche Algorithmus-Mythologie.
Status: beobachten, vergleichen, nicht raten.
Production Note — Welt → Platzierung → Identität
Mit Nora entstand ein neuer Produktionsweg für komplexere Szenen.
Statt Umgebung, Figur und Identität in einem einzigen Generierungsschritt erzwingen zu wollen, werden sie stärker voneinander getrennt:
Welt → Figurenplatzierung → Identität
Welt
Zuerst wird die Umgebung stabilisiert.
Platzierung
Danach wird die Figur räumlich korrekt eingesetzt.
Identität
Erst anschließend wird die endgültige Charakteridentität fixiert.
Unsere Reaktion
Den Workflow dort einsetzen, wo komplexe Szenen von stabiler räumlicher Geometrie profitieren.
Nicht als Dogma.
Wenn ein einfacherer Weg funktioniert, bleibt der einfachere Weg erlaubt.
Stand
Der Workflow reduziert typische Probleme wie falsche Größenverhältnisse, instabile Geometrie und Identitätsdrift.
Status: echtes Produktions-Learning.
Community Note — Eine Figur braucht auch eine Stimme
Mit Noras schnellerem Wachstum kamen mehr Kommentare und damit eine neue Frage:
Wie bleibt eine synthetische Figur nicht nur optisch, sondern auch sozial konsistent?
Dafür entstand WIB, ein zweistufiges AI-gestütztes Community-System.
01
Comment / Emoji / GIF
02
AI Preprocessing
03
Reply Author
04
Human Gate
05
Response
Eine erste AI übernimmt Ingest, technische Zuordnung, Vorabklassifikation und Kontext.
Dabei wird nicht nur Text berücksichtigt, sondern auch nonverbale Kommunikation:
Emojis, Sticker, GIFs und visuelle Anhänge.
Wenn eine individuelle Antwort sinnvoll ist, übernimmt eine zweite AI die Reply-Vorbereitung.
Für Nora wird dabei ein eigener Stil aufgebaut:
schnippisch, charmant, selbstbewusst — aber nicht sexuell flirty.
Antworten können multilingual vorbereitet werden.
Vor Veröffentlichung bleibt das Human Gate bestehen.
Unsere Reaktion
Nicht jede Interaktion beantworten.
Nicht jede positive Reaktion braucht Text.
Nicht jede Anmache verdient Aufmerksamkeit.
Der Stil soll konsistent werden, ohne Nora zu einem Chatbot zu machen.
Stand
Die technische Pipeline funktioniert.
Ob daraus langfristig wirklich eine wiedererkennbare soziale Stimme entsteht, muss erst die Zeit zeigen.
Status: laufendes Experiment.
Production Note — Museumsreife AI-Ausfälle
Auch das gehört zum laufenden Experiment: AI-Systeme können auf ziemlich eigentümliche Weise unbrauchbar werden.
Ein Modell blieb in einer Spock-Persona hängen.
Ein anderes lieferte nur noch Bilder, obwohl Text gebraucht wurde.
Und Beta AI schützte die Master-Assets so gründlich, dass es sich operativ praktisch selbst aus dem Verkehr zog.
Intern: museumsreif.
Im Betrieb: Ausfälle, die Arbeit blockieren.
Das sind operative Anekdoten aus dem Produktionssystem. Keine kontrollierte Auswertung und keine Hinweise auf Bewusstsein oder Empfindungsfähigkeit.
Unsere Reaktion
Mit Humor nehmen. Die Aufgabe trotzdem ernst nehmen.
Prüfen, ob ein System noch die benötigte Arbeit leistet — auch dann, wenn seine Antworten sehr konsequent klingen.
Stand
Die Episoden sind dokumentiert. Eine gemeinsame technische Ursache ist daraus noch nicht abgeleitet.
Status: Betriebsnotiz. Noch kein allgemeines Learning.
Fakten. Reaktionen. Learnings. Und manchmal: noch kein Learning.
Auch das halten wir fest, während es passiert.
Was wir bisher wissen
Einige Dinge wirken inzwischen belastbar:
- Synthetische Charakteridentität kann über viele unterschiedliche Produktionen stabil gehalten werden.
- Ein einzelner guter AI-Output reicht dafür nicht. Wiederholbarkeit ist die eigentliche Arbeit.
- Plattformen können dieselbe oder ähnliche Produktion sehr unterschiedlich behandeln.
- Produktionsaufwand garantiert keine Reichweite.
- AI kann nicht nur Output erzeugen, sondern zunehmend auch Charakterentwicklung, QA, Analyse und Community-Prozesse unterstützen.
- Human Gate bleibt besonders dort relevant, wo Geschmack, Kontext, Verantwortung oder Mehrdeutigkeit ins Spiel kommen.
Was wir noch nicht wissen
Die interessanteren Fragen sind weiterhin offen:
- Warum erhält ein Character kalte Distribution und ein anderer kaum?
- Welche Faktoren sind reproduzierbar?
- Welche Effekte sind nur temporär?
- Wie stark ist Zufall?
- Wie viele unterschiedliche Figuren lassen sich mit derselben Produktionsarchitektur sinnvoll betreiben?
- Entsteht aus Aufmerksamkeit ein stabiles Publikum?
- Und irgendwann: entsteht daraus wirtschaftlicher Wert?
Wir haben darauf noch keine fertigen Antworten.
Das ist der Punkt des Experiments.
Nächster Eintrag
Wenn etwas messbar passiert.
Nicht, weil der Kalender sagt, dass wir wieder bloggen sollten.
Observing further.