--- title: Wir NERFen Euch — Neural Radiance Field, Visual Com-Podcast Ep. 71 description: 'Kai Heddergott und Gerhard Schröder erklären Neural Radiance Fields (NeRF): was es ist, wie es sich von Fotogrammetrie und Laserscanning unterscheidet und warum es für 3D-Content relevant ist.' slug: wir-nerfen-euch-neural-radiance-field-visual-com-podcast-ep-71 date: '2023-04-03' last_updated: 2026-04-25 author: Gerhard Schröder tags: - visual-com-podcast - 3d-visualisierung - ki - spatial-computing primary_tag: visual-com-podcast excerpt: 'Wie eine KI aus Fotos ein 3D-Objekt lernt — inklusive Lichtbrechung und Reflexion: Warum NeRF der fehlende Workflow für skalierbare AR-Inhalte sein könnte, erklärt im Visual Com-Podcast.' canonical: https://visales.de/wir-nerfen-euch-neural-radiance-field-visual-com-podcast-ep-71.html --- „KI, die aus Fotos ein 3D-Objekt lernt — und dabei auch noch Licht und Reflexionen versteht. Das ist kein akademisches Spielzeug. Das ist der fehlende Workflow für skalierbare AR-Inhalte." [Kai Heddergott](https://www.linkedin.com/in/kaiheddergott/) und ich — Audio-Only-Folge, drei Monate Pause, jetzt NeRF: - Was ist ein Neural Radiance Field? Erklärung von Grund auf - Fotogrammetrie, Laserscanning und NeRF: der Vergleich - Warum NeRF glänzende und transparente Objekte kann, Fotogrammetrie nicht - NeRF → 3D-Mesh: der Export-Workflow - Was das für WebAR, USDZ und das 3D-Internet bedeutet
Was ist der Visual Com-Podcast? Der Talk von Kai Heddergott und Gerhard Schröder zu visueller Unternehmenskommunikation. Ep. 71 ist eine Audio-Only-Folge — kein Livestream, nur Stimmen. Erschienen April 2023, mitten im KI-Hype, mit einem technischen Tiefgang, der über „ChatGPT ist toll" hinausgeht. → [Alle Folgen im Archiv](https://visales.de/tag/visual-com-podcast.html)
## Worum es geht Nach drei Monaten Pause — der Winter war grau und dunkel — melden sich Kai und Gerhard zurück. Ohne Kamera, ohne Livestream, nur Stimmen. Das Thema: Neural Radiance Fields, kurz NeRF. Kein ChatGPT-Hype-Recycling, sondern eine konkrete Technologie, die 2023 langsam aus der Forschung in die Praxis kommt. Kai erklärt NeRF von Grund auf: Fotogrammetrie macht viele Fotos und berechnet daraus mathematisch eine 3D-Punktewolke. NeRF macht dasselbe — aber trainiert statt dessen ein neuronales Netz mit den Fotos. Das Netz lernt das Objekt als volumetrischen Körper, inklusive Lichtverhalten. Das Ergebnis: auch reflektierende und transparente Objekte (Glas, Metall, Flüssigkeiten) werden korrekt rekonstruiert — wo klassische Fotogrammetrie versagt. Der Bezug zu Gerhards Arbeit ist direkt: Für AR-Konfiguratoren und WebAR braucht man 3D-Objekte in großer Zahl. Bisher war der Bottleneck: 3D-Modellierung von Hand ist teuer, Scanning von glänzenden Industrieprodukten kaum möglich. NeRF öffnet den Scan-Weg für genau diese Produkte — und der Export in verwendbare 3D-Meshes (USDZ, glTF) war 2023 gerade frisch möglich geworden.
## Kapitel - **0:00** — Intro: Audio-Only-Folge, drei Monate Pause, KI-Elefant im Raum - **5:00** — 3D-Objekte für das 3D-Internet: das Beschaffungsproblem - **10:00** — Fotogrammetrie erklärt: Fotos, Punktewolke, 3D-Mesh - **20:00** — Laserscanning: LIDAR im iPhone, 3D-Abtasten - **25:00** — NeRF: Neural Radiance Field — was KI anders macht - **35:00** — Transparente und reflektierende Objekte: warum Fotogrammetrie scheitert, NeRF nicht - **42:00** — NeRF → 3D-Mesh-Export: der neue Workflow - **48:00** — Bedeutung für WebAR, USDZ und B2B-Konfiguratoren ## Erwähnt - [Neural Radiance Fields (Paper)](https://www.matthewtancik.com/nerf) — Original-Paper „NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis" - [Fotogrammetrie](https://de.wikipedia.org/wiki/Fotogrammetrie) — Verfahren zur 3D-Rekonstruktion aus Fotos - [Apple LIDAR Scanner](https://support.apple.com/de-de/111895) — integrierter Scanner in iPhone Pro und iPad Pro - [USDZ](https://developer.apple.com/augmented-reality/quick-look/) — Apples AR-Dateiformat auf Basis von USD
Transkript (KI-bereinigt) Hallo und herzlich willkommen zu einer neuen Folge von KopfKino, dem Podcast von und mit Kai Heddergott und Gerhard Schröder. Ja, zwei Männer, die sich mal wieder gesagt haben, nach drei Monaten Pause: wir müssen mal wieder reden. Der Winter war so gefühlt lange, weil er wettermäßig so grau war und dunkel. Und jetzt ist es hell und jetzt muss man mal wieder ins Mikro. Aber es gibt ja auch verdammt viel zu besprechen. Seit November ist ein Thema groß geworden. Da kommt man nicht dran vorbei. KI oder AI oder ML. Aber wir machen das nicht mit den üblichen Tools und SEO-Hype. Wir reden heute über eine konkrete Technologie: NeRF. **3D-Objekte: das Beschaffungsproblem** Für das wundervolle 3D-Internet brauchen wir, neben HTML für Texte und MP3 für Audio, ein Dateiformat für 3D-Objekte. Das könnte USD sein. Aber ich brauche vor allem erst mal 3D-Objekte. Wie komme ich ran? Entweder ein 3D-Designer modelliert von Hand — wie ein Maschinenbauingenieur mit CAD. Oder ich scanne reale Objekte. Dafür gibt es drei Verfahren. **Fotogrammetrie** Ich mache ganz viele Fotos von dem Objekt aus vielen verschiedenen Blickwinkeln. Eine Teetasse: vorne, hinten, rechts, links, oben, unten. Mindestens 24 Fotos, alle leicht unterschiedlich. Aus diesen Fotos erstellt ein mathematisches Verfahren über Ähnlichkeitserkennung eine Punktewolke. Daraus wird ein 3D-Modell. Problem: glänzende oder transparente Objekte. Ein Ikea-Wasserglas mit vielen Flächen, Ecken, Winkeln und Wasser drin — das spiegelt. In den Fotos sieht man nicht nur die Tasse, sondern die Raumspiegelung. Der Fotogrammetrie-Algorithmus steigt aus: er kann Lichtbrechung nicht verfolgen. **Laserscanning** Den haben wir alle im iPhone: die Face-ID-Erkennung ist ein kleiner Laserscanner. Größere Einheiten tasten Objekte 3D ab und kombinieren Laserdaten mit Bilddaten. Präziser als Fotogrammetrie, aber teurer. **NeRF: Neural Radiance Field** Jetzt kommen wir zum Thema NERF. Neural Radiance Field — N-E-R-F. Darum nerfen wir euch in dieser Folge. Stellt euch vor, wir nehmen die Fotos von der Fotogrammetrie und schmeißen sie einer KI zum Fraß vor. Nicht nur ein mathematisches Verfahren, das Ähnlichkeit erkennt — sondern wir trainieren eine KI mit diesen Bildern. Dann ist die KI in der Lage, das Objekt von allen Seiten aus ihrer Gedächtnisleistung zu zeigen. Sie hat gelernt, wie das Objekt aussieht — inklusive Lichtverhalten. Das kann auch ein Wasserglas. Weil die KI nicht nur Pixel vergleicht, sondern Lichtstrahlverläufe modelliert. Das ist der Unterschied. Ganz frisch ist auch, dass ich aus der NeRF-Punktewolke wieder ein richtiges 3D-Modell erzeugen kann — ein Mesh, das ich für AR oder Konfiguratoren verwende. Der Kreislauf schließt sich: Smartphone-Fotos → NeRF → USDZ. Das war 2023 noch frisch.