Decision Intelligence für Content · Deutschland, Österreich, Schweiz
Die anbieterunabhängige Software bewertet Film-, Serien- und Showprojekte im frühesten Stadium des Development, datenbasiert und auf den DACH-Raum trainiert. Statt rückwärts über Vergleichswerte und Erfahrung zu entscheiden, liest Greenlight, wohin sich Publikum und Markt bewegen – und macht das Marktpotenzial jedes Projekts vergleichbar, bevor Kosten entstehen.
Warum Greenlight?
Als First Mover im DACH-Raum sind wir die ersten, die sie anbieten. Seit jeher wird über Stoffe mit Erfahrung und Branchenexpertise entschieden – das bleibt und ist unersetzlich. Was bis dato gefehlt hat, ist die zweite Hälfte im Entscheidungsprozess: eine Grundlage, die den Markt vollständig screent, sich vergleichbar machen lässt und vor einem Gremium, Vorständen oder internen Entscheidungsrunden standhalten kann. Vier Dinge machen Greenlight zu dieser Grundlage.
39 externe Quellen, sieben eigene Bestände und zwei eigene Datenpipelines – zusammen 48 einzeln angebundene Bausteine. Darunter über 10.000 händisch kuratierte Titel mit belegtem Ausgang, 20 Jahre Box-Office Deutschland und mehr als 17.000 Förderfälle.
Kein Sender oder Produzent steht hinter uns. Wir haben kein Interesse daran, dass ein bestimmtes Projekt ein Greenlight bekommt. In unseren Augen ist das die Voraussetzung für eine seriöse Marktanalyse.
Greenlight rechnet mit einem Stacking-Ensemble aus Random Forest, Gradient Boosting und Ordinal GBM gegen ein händisch kuratiertes Korpus. Sprachmodelle interpretieren anschließend die berechneten Ergebnisse, aber sie erheben sie nicht.
Greenlight führt dieses Feld im deutschsprachigen Markt an. Gemeinsam mit Development-Verantwortlichen aus Sendern und Produktionshäusern haben wir über ein Jahr die Plattform gebaut, zahlreiche Feedbackschleifen gedreht und uns immer wieder selbst hinterfragt.
It’s all about the Data
Wie Greenlight die Trends von morgen erkennt
Während eine klassische Bewertung danach sucht, wie vergleichbare Titel historisch performt haben – downstream –, fragt Greenlight zusätzlich, was das Publikum und der Markt jetzt signalisieren, und berücksichtigt dabei die Trendfähigkeit jeder neuen Idee. Durch unsere Mustererkennung – etwa welche Signale einem erfolgreichen Format vorausgegangen sind – können wir tagesaktuell erkennen, wie die Signale für ein noch nicht veröffentlichtes Projekt einzuordnen sind, und dessen Performance antizipieren.
Live-Signale aus den polarisierendsten Social-Media-Kanälen, unter anderem TikTok, YouTube, X, Instagram, Twitch, Meta und weiteren, werden on the fly erfasst und interpretiert. Sie zeigen, welche Stoffe, Themen und Gesichter sich in Bewegung befinden.
Unser ML-Ensemble wurde auf über 10.000 reale Fälle mit belegtem Ausgang trainiert. Es erkennt, welche Signalmuster in der Vergangenheit einem Erfolg vorausgingen.
Aus der Kombination von Live- und historischen Daten wird sichtbar, welche Themen gerade im Trend liegen – und daraus entstehen Handlungsempfehlungen, maßgeschneidert auf Ihr Projekt.
Marktpotenzial wird damit nicht nur datentechnisch belegbar, sondern antizipiert. Das ist gleichzeitig die Grundlage dafür, Stoffe wesentlich früher und gezielter zu greenlighten.
Zwei Wege
Beide Angebote stehen auf derselben Datengrundlage. Der Unterschied liegt darin, ob ein Projekt vollständig analysiert werden soll – oder ob Sie eine einzelne Frage schnell beantwortet brauchen.
Der Greenlight Index verdichtet sechs Dimensionen zu einem Wert von 0 bis 100 und mündet in eine klare Empfehlung. Darunter liegt ein rund 60-seitiger Report mit über 20 Analysesektionen – iterativ weiterentwickelbar und von Ihnen kommentierbar.
Registrieren Sie sich kostenlos und warten Sie kurz auf die Freischaltung. Danach können Sie sieben vollständige Analysen zu Personen, Themen, Titeln, Ensembles und Vergleichsformaten direkt im Browser durchführen – ohne Vertrag und ohne automatische Verlängerung.
Datengrundlage
Jede Quelle ist ausgewählt, überwacht und in jedem Ergebnis nachvollziehbar. Das ist das Fundament unserer Arbeit und macht Decision Intelligence für Content überhaupt erst möglich.
Grau hinterlegt sind die eigenen Bestände. Sie sind der Teil, der sich nicht zukaufen lässt: über ein Jahr händisch kuratiert, gelabelt und trainiert.
Inhalte aus Wikipedia und Wikidata werden unter den Bedingungen der jeweiligen Lizenz verwendet (CC BY-SA bzw. CC0). Förderdaten stammen von der Filmförderungsanstalt. Such- und Nachrichtendaten beziehen wir über lizenzierte Datenanbieter. Alle genannten Marken gehören ihren jeweiligen Inhabern; eine Partnerschaft, Empfehlung oder Zertifizierung ist damit nicht verbunden.
Methodik
Zum Zeitpunkt der Abfrage werden die Quellen tatsächlich abgefragt und nicht aus einem Zwischenspeicher beantwortet. Jede Antwort wird mit Zeitstempel und Herkunft abgelegt.
Fällt eine Quelle aus oder liefert sie nichts Relevantes, wird das transparent gemacht und dokumentiert.
Das Stacking-Ensemble aus Random Forest, Gradient Boosting und Ordinal GBM rechnet die erhobenen Daten gegen das händisch kuratierte Korpus: Genre-Fit, Momentum, Vergleichbarkeit und Risiko. Das ist reines Machine Learning.
Erst zuletzt interpretiert ein Konsens aus GPT, Claude und Gemini die gerechneten Ergebnisse nach Mehrheitsprinzip (2:1) und formuliert den Bericht. Alle Modelle laufen über ein privates Gateway – die Datenhoheit bleibt jederzeit gewahrt.
Kein Modell erfindet bei uns eine Zahl. Es wird mit dem gerechnet, was wir gemessen haben.
Sender und große Produktionshäuser bekommen die vollständige Prüfung ihrer Formate auf Markttauglichkeit, auf Wunsch mit einem Modell auf der eigenen Historie. Produktionsfirmen bekommen dieselbe Datengrundlage als Werkzeug für den Alltag.