Mercedes-AMG in Los Angeles – immersiver Ton für eine Weltpremiere

Am 20. Mai 2026 sperrte Mercedes-AMG die Sixth Street Bridge in Los Angeles und machte für einen Abend eine Autobahn daraus. Anlass war die Weltpremiere des neuen AMG GT 4-Türer Coupé. Brad Pitt, Gesicht der Kampagne, saß im Wagen, Formel-1-Fahrer George Russell ebenfalls, und am Ende spielte Blink-182 auf der Brücke.

Der Abend wurde nicht nur für Fernsehen und Social Media aufgezeichnet, sondern zusätzlich als Apple Immersive Video, also für ein Headset, in dem man mitten auf der Brücke steht. Die Anfrage kam von Awesome Pixels, für die ich bei den Mercedes-Projekten den immersiven Ton mache, und zwar mitten im laufenden Schnitt: Fine Cut Anfang Juni, wenige Tage später das Finish Screening beim Kunden. Ich habe die Tonfassung dafür gebaut.

Warum eine Sendesumme im Headset nicht funktioniert

Eine Liveshow wird für eine Regie gemischt. Alles läuft auf eine Summe zusammen, die vorne liegt, in einem Stereobild, das für einen Bildschirm gedacht ist. Das ist richtig so, solange das Bild schneidet und der Zuschauer nach vorne guckt.

Im Headset gibt es kein Vorne. Der Zuschauer dreht sich, und der Ton muss sich mitdrehen, sonst hängt der ganze Abend an einer unsichtbaren Wand. Die Sendesumme ist damit nicht die Lösung, sondern das Problem: Sie ist bereits fertig gemischt und lässt sich nicht mehr auseinandernehmen.

Dazu kommt, dass ein Event eine Geografie hat. Die Bühne steht an einer Stelle, das Auto fährt an einer anderen, das Publikum steht dazwischen, und die Brücke selbst wirft alles zurück. Wer auf dieser Brücke steht, hört nicht ein Konzert und ein Auto, sondern ein Konzert dort drüben und ein Auto hier vorne. Genau diese Zuordnung ist das, was eine immersive Fassung liefern muss und eine Sendefassung nicht kann.

Wie aus sechsundneunzig Spuren ein Ort wurde

Angeliefert wurde der komplette Mitschnitt der Show. Die Programmsumme und eine Sicherheitsspur, vier Kanäle vom Auftritt der Band, zwölf Funkstrecken für alles, was auf der Brücke gesprochen wurde, dazu zwei aus dem Fahrzeug, acht Spuren aus der Showsteuerung für Zuspieler, Effektmikrofone von drei Kamerapositionen und der Steadicam, dazu eine Timecodespur, an der das Ganze hängt.

Das klingt nach viel und ist trotzdem nicht dasselbe wie Material für ein Headset. Keine einzige dieser Spuren war für immersives Audio gedacht, alle wurden für eine Fernsehregie aufgenommen. Die Funkstrecken liefern Sprache, die Bandkanäle liefern Musik, aber keine dieser Quellen weiß, wo sie im Raum steht. Am nächsten dran sind ausgerechnet die Effektmikrofone an den Kameras, weil sie tatsächlich dort standen, wo etwas passiert ist. Sie sind die einzige Auskunft darüber, wie der Abend an einem bestimmten Punkt der Brücke geklungen hat.

Ein zweiter Block kam vom Fahrzeug selbst, aufgenommen getrennt von der Show: Standgas, Beschleunigen, Beschleunigen mit Applaus, Beschleunigen mit Passagieren. Solche Aufnahmen braucht man, weil in einem Showmitschnitt nie ein sauberer Motor liegt. Dort ist immer alles gleichzeitig, Musik, Publikum, Ansagen. Und ein Wagen, der auf einer Betonbrücke steht, klingt anders als einer auf offener Straße, weil der Beton unter ihm alles zurückwirft, was der Motor nach unten abgibt.

Bei einem Live-Event gibt es dazu eine Einschränkung, die man vorher wissen muss. Man kann nichts nachholen. Ein Konzert lässt sich nicht noch einmal spielen, damit eine Position stimmt, und ein Auto fährt nicht ein zweites Mal über eine gesperrte Brücke, weil eine Spur übersteuert war. Alles, was an dem Abend nicht aufgenommen wurde, fehlt in jeder Fassung, die daraus entsteht. Deshalb ist die wichtigste Entscheidung bei solchen Produktionen nicht die Mischung, sondern die Liste der Positionen, die überhaupt mitlaufen.

Warum eine Brücke mehrere Räume braucht

Die eigentliche Arbeit begann, als klar war, dass sich aus diesem Material kein einzelner, durchgehender Raum bauen lässt. Wer acht Minuten lang an einem Punkt der Brücke steht und alles gleich klingt, hört nach drei Minuten nicht mehr hin. Der Abend würde vor sich hin dümpeln, so groß er in Wirklichkeit war.

Also habe ich viel mit Perspektiven gespielt und Teilräume gebaut. Mal steht man nah an der Band, mal näher am Wagen, mal mitten im Publikum, und jeder dieser Abschnitte hat seine eigene räumliche Logik. Die Band bekommt ihre Richtung, das Publikum liegt um einen herum statt vorne, das Auto bewegt sich, und die Sprache bleibt verständlich, ohne mittig festzukleben. So gibt es immer wieder etwas Neues zu hören, ohne dass der Ort auseinanderfällt.

Ein Problem kam dabei immer wieder hoch. Auf einer Brücke dieser Länge sind die Distanzen groß, und die Funkstrecken hatten immer wieder Aussetzer. Bei einer Fernsehmischung fällt das unter Musik und Kamerawechseln kaum auf. Im Headset hört man jedes Loch, weil die Stimme an einem festen Ort im Raum steht und plötzlich weg ist. Diese Lücken habe ich selbst nachgebaut, damit die Sprache durchläuft. Der Bezug zum Bild lief über AAF aus dem Bildschnitt, damit die Tonfassung genau auf der Fassung sitzt, die geschnitten wurde.

Was dabei herauskam

Die Timecode-Spur verdient eine eigene Erwähnung, obwohl sie kein Geräusch macht. Sie ist die einzige gemeinsame Referenz zwischen Kameras, Rekordern und Show-Control. Ohne sie sortiert man sechsundneunzig Dateien von Hand, und das nicht einmal, sondern bei jedem neuen Schnitt erneut. Bei einem Projekt dieser Größe ist Timecode kein technisches Detail, sondern die Bedingung dafür, dass das Ganze bezahlbar bleibt.

Das Ergebnis ist eine immersive Fassung von rund acht Minuten im Apple-Immersive-Format, mit 4320 mal 4320 Bildpunkten pro Auge, dazu ein kürzerer Schnitt. Die Rückmeldung von Joshua Park von Awesome Pixels war kurz: „Alter geil, Sound ist richtig fett.“

Die immersive Kameraproduktion lag bei der Kovert Immersive Group, gedreht wurde mit einer immersiven Kamera von Blackmagic Design, Partner vor Ort war die Awesome Pixels GmbH & Co. KG, zusätzliche Kameras kamen über das Team von Rogue Labs. Für die immersive Tonfassung war ich zuständig, unabhängig von der Bildseite.

Produktionen wie diese sind der Grund, warum ich Formatfragen so früh stelle. Ein Event wird einmal gefilmt, und wenn dabei nur eine Broadcast-Summe herauskommt, ist die immersive Fassung hinterher eine Reparatur und keine Mischung. Kameramikrofone, ein paar eigene Raumpositionen und getrennte Aufnahmen der Hauptquelle kosten am Drehtag wenig und entscheiden hinterher alles. Wie so eine Kette aussieht, wenn sie von Anfang an geplant ist, zeigt der Fall Apple Immersive Video aus einer Geländeproduktion.

Eine Abgrenzung gehört hierher. Bei diesem Projekt habe ich die immersive Tonfassung gebaut, nicht die Beschallung des Events und nicht die Fernsehmischung. Das sind drei verschiedene Aufgaben mit drei verschiedenen Zielen, und bei großen Veranstaltungen werden sie regelmäßig verwechselt. Für einen Raum zu mischen heißt, gegen diesen Raum zu arbeiten. Für eine Übertragung zu mischen heißt, für einen Bildschirm zu arbeiten. Für ein Headset zu mischen heißt, den Raum wieder aufzubauen, in dem die anderen beiden gearbeitet haben.

Was mich an diesem Projekt gereizt hat, ist der Widerspruch im Anlass. Ein Auto auf einer gesperrten Brücke ist ein Ereignis, das von Lautstärke lebt. Im Headset kippt Lautstärke aber schnell in Anstrengung, weil niemand einen Schritt zur Seite gehen kann. Die eigentliche Aufgabe war deshalb nicht, den Abend groß klingen zu lassen, sondern ihm einen Ort zu geben, an dem man acht Minuten lang stehen möchte.

Häufige Fragen zum Ton bei immersiv gefilmten Events

Kann man aus dem Mitschnitt einer Liveshow eine immersive Tonfassung machen? Ja, aber nur aus den Einzelspuren, nicht aus der Sendesumme. Die Summe ist fertig gemischt und lässt sich nicht mehr im Raum verteilen. Bei Mercedes-AMG in Los Angeles kam der komplette Mitschnitt mit Band, Funkstrecken, Showsteuerung und Kameramikrofonen.

Was sollte beim Dreh eines Events zusätzlich aufgenommen werden? Kameramikrofone, ein paar eigene Raumpositionen und die Hauptquelle getrennt, bei einem Autoevent also das Fahrzeug selbst. Das kostet am Drehtag wenig. Was am Abend nicht aufgenommen wird, fehlt in jeder späteren Fassung.

Warum wird eine immersive Fassung schnell langweilig? Weil ein einziger Raum über acht Minuten eintönig wird. Die Lösung sind Perspektivwechsel und Teilräume, mal näher an der Bühne, mal am Fahrzeug, mal im Publikum, ohne dass der Ort auseinanderfällt.

Was passiert mit Funkaussetzern im Headset? Im Headset steht eine Stimme an einem festen Ort, deshalb hört man jedes Loch. Aussetzer, die in einer Fernsehmischung untergehen, müssen in der immersiven Fassung nachgebaut werden.

Event geplant, das später immersiv gezeigt wird?

Was am Abend nicht aufgenommen wird, fehlt in jeder späteren Fassung. Lass uns vorher klären, welche Positionen laufen müssen.