Category: Media Design

Fair warning: this post is a bit of a confession. Because finding a skill that actually made sense for me to learn this semester was harder than I expected, and the path I took to land on the one I eventually chose was not exactly a straight line.

Let me explain.

The brief was to learn a new practical skill over the course of the semester and document the process. Which sounds straightforward enough, until you actually sit down and try to figure out what that skill should be, and suddenly every option feels either too random or too disconnected from anything you’re already working on. I really wanted it to tie back to my research topic somehow because if I’m going to spend a significant chunk of time learning something, it might as well be useful beyond just checking a box.

The AI Detour (And Why I Dropped It)

My first thought was to look into AI tools – specifically generative AI techniques for character creation. It would’ve been topically relevant, there’s no shortage of tutorials, and the output would’ve been visually interesting. And I spent maybe two or three hours going down that road before I realized I genuinely just didn’t want to do it.

I’ll be honest: I’m not a fan of AI-generated imagery in general. That’s a whole separate conversation I probably owe a blog post at some point, but the short version is that it didn’t feel like learning something so much as learning how to prompt something else into doing the work. Which just wasn’t what I was looking for here. So I dropped it and went back to my original idea.

The Actual Plan: Blender

The original idea was 3D character animation in Blender – specifically learning enough to model, rig, and animate a character from scratch, or close to it.

Here’s the logic: my framework is essentially designed to identify patterns across sympathetic antagonists. What traits do they have in common? What does a character look like – in terms of personality profile, visual presence, symbolic meaning – when it scores high on all the right dimensions? At some point, the obvious next step is to try and create a character that fits that profile. Not just describe what such a character would look like theoretically, but actually build one.

My first instinct was to do this with live action. Find an actor, write a brief, have them portray the character I had in mind. But the more I thought about it, the more that approach fell apart. Getting the right performance out of someone is genuinely difficult. You’d be dependent on another person’s interpretation, their availability, their range. And the gap between what I imagined and what ended up on screen could easily be enormous. That felt like a variable I didn’t want in the equation.

3D sidesteps most of that. Every choice is mine. The character looks exactly as designed, moves exactly as animated, expresses exactly what I intend. It’s a more direct translation from concept to output.

There’s also a personal reason. In all the time I’ve spent learning about video, film, and motion design, 3D is the one area I’ve basically never touched. I’ve always worked with real-life footage and After Effects, and somehow 3D just never made it into the picture. This felt like the right moment to fix that.

Why Patata School

The platform I’m using is Patata School, which is run by Cabeza Patata – a Barcelona-based creative studio known for their distinctive 2D/3D hybrid aesthetic. The thing that sets their teaching apart is the approach: they call it podcast-style, meaning you’re not memorizing menus and keyboard shortcuts from the start. You’re creating something in the first few hours and learning the tools through the process of actually using them. For someone like me who learns much better by doing than by studying, that’s exactly the right format.

Their course library covers modelling, rigging, facial animation, Grease Pencil work, and a lot more. I found several courses that looked genuinely exciting – especially the ones that mix 2D aesthetics with 3D construction, which aligns well with the kind of stylized, expressive character I have in mind.

What I’m Actually Aiming For

Realistically? I want to end up with a short animation – around ten seconds, nothing cinematic – featuring a custom character with facial animation and voice acting (yes, I’m doing the voice myself, we’ll see how that goes).

Is that optimistic? Absolutely. But I’d rather aim for something concrete and land somewhere slightly short of it than aim for nothing and have nothing to show at the end. The posts going forward will track the actual progress: what I tried, what broke, what somehow worked, and how far I got by the end.

In the worst case I still learned Blender. That’s not a bad outcome.

See ya!

It’s been a really long time since I last wrote one of these posts. Honestly, I barely did any further research on my topic during the break, and I’m not going to pretend otherwise. But the time off wasn’t entirely wasted. In the context of Design & Research 2, I had to do a more structured reflection on the work I’ve already done – and that turned out to be surprisingly useful. Not because it revealed anything radically new, but because it gave me some distance. And distance, it turns out, is exactly what you need to notice the things that have been quietly bothering you for a while.

So before I move on to my plan for learning a new skill this semester, I want to take one more look at where my research actually stands – what I built, what I think works, and what I’d do differently if I were starting today.

What I’ve Built So Far

For anyone who hasn’t read the previous posts: I’ve been working on a systematic framework for analyzing fictional antagonists and antiheroes. The goal is to create a method that’s fast enough to scale across large numbers of characters and rigorous enough to produce results you can actually compare statistically.

The framework has four layers:

Observable Traits – the character as an artefact. Drawing from the ACIS framework by Linke and Prommer, this layer looks at what you can directly see and hear on screen: screentime, spoken dialogue, visual identity, movement, and physical presence. No outside context, no assumptions – only what the viewer actually experiences.

Personality Profile – the character as a represented being. This is the Big Five layer. I developed a custom 20-item coding sheet (4 items per trait, rated on a 1–7 scale) that lets me score any character on Extraversion, Agreeableness, Conscientiousness, Neuroticism, and Openness – purely from on-screen behavior. To make it trustworthy, I also built in a coder agreement check: two people code the same character independently, and we measure how closely their scores correlate. Anything above 0.70 is considered acceptable.

Symbolism & Motivation – what the character represents beyond their actions. A looser, more qualitative layer that captures the central symbol, lead motif, and thematic meaning the character carries. Harder to quantify, but important for explaining why a character resonates, not just how they behave.

Creation & Cultural Context – when and by who the character was made. Demographics of creators and directors, year of release, cultural background. This layer contextualizes everything else and helps explain effects like nostalgia or the influence of the specific era a character was born in.

The theoretical backbone behind all of this is Jens Eder’s Character Clock – though I consciously dropped the Symptom dimension to keep the analysis scalable. Covering all four of Eder’s dimensions in depth per character would take forever. I’d rather analyze 100 characters at a useful level of depth than analyze 5 at an impractical one.

What I’d Actually Change

Here’s the thing that’s been nagging at me since the reflection exercise: the scope is too narrow.

My entire research focus up to this point has been on villains – or more specifically, sympathetic villains. And when I actually look at what my framework does, I realize that framing never made much sense as a hard boundary. The coding sheet doesn’t know whether it’s rating a villain or an antihero. The ACIS-based observable traits layer doesn’t care. The Big Five certainly doesn’t. These tools work on any fictional character.

Restricting the framework to villains feels kind of arbitrary at this point. More than that: it actually limits the analytical value of the whole thing. One of the main goals was always to find out what makes a sympathetic villain different from a clear-cut hero or a straightforward one-dimensional antagonist. But if I only ever analyze the villains, I have nothing to compare them against. That’s a pretty obvious problem.

What I think makes more sense going forward is to broaden the scope to fictional antagonists and morally complex characters in general and then use the framework to actually compare them across the full spectrum. Heroes, antiheroes, villain protagonists, secondary antagonists, the whole range. The patterns only become interesting when you can see the contrast.

There’s also something I want to tighten up on the qualitative side. The Symbolism & Motivation layer is the weakest link in terms of consistency. Right now it’s mostly free-form notation, which makes it almost impossible to compare across characters in any structured way. I haven’t figured out the right solution yet – whether it should be a fixed set of categories, a tagging system, something else entirely – but it’s the one part of the framework that still feels unfinished.

And finally: the coder agreement is still untested in practice. I have the method, I know the threshold, but I haven’t actually run the test with a second coder on a real sample. That’s the most important thing to validate before I start building any kind of database seriously.

So that’s where things stand. A solid structure that needs a wider lens, a qualitative layer that needs more rigidity, and one empirical test that still needs to happen.

Next up: what I’m planning to learn this semester, why I chose it, and – more interestingly – what it actually has to do with all of this.

See ya!

Warum erzeugen gerade Hybridanimationen wie Klaus so gezielt eine nostalgische Wirkung ?

Dafür lohnt sich ein Blick in Helen Haswells Aufsatz über die “organische Ästhetik” in Pixars und Disneys hybriden Kurzfilmen zu werfen.

Haswell zeigt am Beispiel von Pixars La Luna und Disneys Paperman, dass die Kombination aus digitaler 3D-Technik und handgezeichneten, unregelmäßigen Texturen kein technisches Kompromissprodukt ist, sondern eine bewusste ästhetische Entscheidung. Sie beschreibt, wie La Luna gescannte Aquarellhintergründe und bewusst unperfekte, “handgemachte” Oberflächen mit hochentwickelter Computeranimation verbindet, um einen analogen, warmen Bildeindruck zu erzeugen. Bei Paperman wurde eigens ein hybrides Zeichen- und Animationssystem namens “Meander” entwickelt, das die Ausdruckskraft der handgezeichneten Linie mit der Stabilität der 3D-Animation verbindet.

Zentral an Haswells Argument ist: Diese “Unperfektheit” wird gezielt eingesetzt, um dem digitalen Bild eine menschliche, warme Qualität zu verleihen. Genau hier trifft sich Haswells Beobachtung mit meiner Fragestellung: Wenn ein hoher Grad an ikonischer, “unperfekter” 2D-Stilisierung als wärmer und menschlicher wahrgenommen wird, dann ist zu erwarten, dass er auch die wahrgenommene Glaubwürdigkeit und Intensität emotionaler Ausdrücke steigert nicht nur, weil er leichter Identifikation ermöglicht, sondern weil er zusätzlich eine nostalgische, vertrauensstiftende Bildsprache erzeugt.

Quellenangabe:

Haswell, H. (2014). To infinity and back again: Hand-drawn aesthetic and affection for the past in Pixar’s pioneering animation. Alphaville: Journal of Film and Screen Media, 8, 24–40. https://doi.org/10.33178/alpha.8.02

Wenn ich mir Filme wie Klaus oder Paperman ansehe, fällt mir immer wieder auf, wie sehr diese Werke mit vertrauten, fast schon “erinnerten” Bildwelten arbeiten, handgezeichnete Linien, warme Lichtstimmungen, eine Ästhetik, die an klassische 2D-Animation erinnert, kombiniert mit den räumlichen und dynamischen Möglichkeiten von 3D.

Juhl und Biskas beschreiben Nostalgie als ein sentimentales Sehnen nach der eigenen Vergangenheit, eine überwiegend positive, Emotion, die durch Erinnerungen an Ereignisse wie Familientreffen oder die eigene Kindheit ausgelöst wird. Ausgelöst wird sie häufig durch sensorische Reize wie Musik, Gerüche oder Geschmäcker, aber auch durch unangenehme Zustände wie Einsamkeit, Kälte oder das Gefühl von Sinnlosigkeit.

Nostalgie in ihrem Kern ist eine soziale Emotion. Nostalgische Erinnerungen beinhalten fast immer andere Menschen, zum Beispiel Familie, Freunde oder auch gemeinsame Erlebnisse. Diese soziale Ausrichtung erzeugt ein Gefühl von Verbundenheit, das wiederum eine ganze Reihe positiver psychologischer Effekte nach sich zieht: gesteigertes Sinnerleben, ein stärkeres Gefühl von Selbstkontinuität (also die Verbindung zwischen dem eigenen früheren und gegenwärtigen Selbst), mehr Optimismus und Inspiration.

Nostalgie steigert nachweislich Empathie und prosoziales Verhalten. In mehreren Experimenten von Juhl und Kollegen führte induzierte Nostalgie dazu, dass Versuchspersonen empathischer reagierten und eher bereit waren, anderen zu helfen oder zu spenden. Auch die physische und emotionale Nähe zu anderen Menschen nimmt zu. Probanden rückten in Studien buchstäblich näher zusammen, wenn sie zuvor an ein nostalgisches Ereignis gedacht hatten.

Hier schließt sich für mich der Kreis zu meinem Thema. Wenn Nostalgie tatsächlich Empathie und emotionale Nähe verstärkt, liegt die Vermutung nahe, dass Animationsstile, die bewusst an vertraute, “klassische” Bildsprachen erinnern genau diesen nostalgischen Mechanismus aktivieren könnten. Der ikonische, reduzierte Stil klassischer 2D-Animation ist für viele Zuschauer:innen mit eigenen Kindheitserinnerungen an Zeichentrickfilme verknüpft.

Quellenangaben:

Juhl J, Biskas M. Nostalgia: An impactful social emotion. Curr Opin Psychol. 2023 Feb;49:101545. doi: 10.1016/j.copsyc.2022.101545. Epub 2022 Dec 20. PMID: 36641833.

Die Wahrnehmung von Emotionen in visuellen Medien ist kein passiver Vorgang. Das menschliche Gehirn ist evolutionär darauf ausgelegt, soziale Signale blitzschnell zu verarbeiten und zu bewerten, lange bevor das bewusste Denken einsetzen kann. Dabei spielen mehrere neuronale Systeme zusammen.

Amygdala

Schnelle emotionale Erstbewertung; reagiert auf Gesichtsausdrücke noch vor bewusster Wahrnehmung

Spiegelneuronen

Simulation beobachteter Emotionen im eigenen Körper – Grundlage für Empathie

Fusiformer Gesichtsbereich

Spezialisiertes Areal zur Gesichtserkennung; auch bei stilisierten Gesichtern aktiv

Präfrontaler Kortex

Kognitive Bewertung und Kontextualisierung (“ist das wirklich echt?”)

Auch relevant für meine Forschungsfrage ist die Frage, was passiert, wenn eine Figur nicht realistisch aussieht. Hier kommt die Theorie der ikonischen Reduktion ins Spiel, die der Comictheoretiker Scott McCloud bereits 1993 formuliert hat: Je stärker ein Gesicht vereinfacht ist, desto leichter projizieren Betrachterinnen und Betrachter eigene Emotionen darauf.

Dieses Prinzip hat neurobiologische Entsprechungen: Studien zeigen, dass stilisierte Gesichter den Fusiformen Gesichtsbereich (FFA) aktivieren, solange sie grundlegende Gesichtsmerkmale aufweisen. Das Gehirn verarbeitet auch einen Smiley als “Gesicht”.

Indem 3D Elemente mit stylisierten Figuren kombiniert werden, vermeidet sie das Uncanny Valley auf der Figurenebene und nutzt gleichzeitig den Realismus der Umgebung für emotionale Glaubwürdigkeit.

Dies lässt sich auch neurophysiologisch erklären: Die stilisierte Figur aktiviert das Spiegelneuronensystem, weil sie emotional eindeutige Signale sendet, ohne die Dissonanz, die ein hyperrealistisches, aber “nicht ganz stimmendes” Gesicht auslöst.

Quellenangabe:

McCloud, S., & Martin, M. (1993). Understanding comics: The invisible art (Vol. 106). Northampton, MA: Kitchen sink press.

LeDoux, J. (1996). The emotional brain: The mysterious underpinnings of emotional life. Simon & Schuster.

Pessoa, L. (2008). On the relationship between emotion and cognition. Nature Reviews Neuroscience, 9(2), 148–158. https://doi.org/10.1038/nrn2317

Inspiriert durch das Blender-Projekt „House of Chores“, habe ich eine Konzeptionsphase für meine eigene Szene mit ersten Skizzen gestartet. Mein Ziel war es, eine kurze, atmosphärische Szene zu kreieren, die ohne menschliche Charaktere auskommt und stattdessen die Umgebung selbst ins Zentrum rückt. Die Szenerie sollte durch Vegetation und organische Architektur eine ruhige, nostalgische Stimmung transportieren und gleichzeitig einen subtilen Fantasy-Vibe haben.

Die „Stadt“ wurde aus simplen geometrischen Grundformen zusammengesetzt. Den surrealen Touch erzielt das Konzept durch die asymmetrische Schachtelung der Gebäude, die sich zu einem verschachtelten Cluster formieren. Dieses gesamte Konstrukt thront auf einem großen Baum und ist ausschließlich über eine Steintreppe zugänglich, die sich organisch um den Stamm windet.

Im Folgenden ist meine Skizze zu sehen nach der ich mich beim Modellieren richten werde.