Die Männer stürmen in den Raum, wobei diese Bewegung und die Rettung weiter in verschiedene Einstellungen zerlegt wird. So wird Dynamik erzeugt, die allerdings vom Sujet, vom eigentlichen erzählerischen Inhalt wegführt. Dies muss nicht negativ sein. Kämpfe in einem Kung-Fu-Film, einem Eastern, werden in solch Dynamiken zerlegt. Sie erzählen ja auch keine Geschichte, sondern sollen choreographierte Handlung filmisch präsentieren. Orson WELLS zeigt diese Szene in einzigen Einstellunge, weil er so die Aufmerksamkeit des Zuschauers auf die Stimmung der Geschichte lenkt. WELLS zeigt dies alles in einer einzigen Einstellung mit starrer Kamera. Allein durch die schauspielerische Aktion und die Bildkomposition, die von einer geschickten Beleuchtung unterstützt wird, erzählt WELLS diese Szene fast traumhaft. Die durchgehende Schärfentief, die Weite des Blickfeldes wird durch das spezielle Weitwinkelobjektiv erst ermöglicht.

Andere Besonderheiten von Citizen Kane ist die völlig durchbrochene Narration. Man müsste schon eher von einer zerbrochenen und zersplitterten Erzählweise reden, die duch Rückblenden, durch Erinnerungen von Personen und einer nicht chronologisch erzählten Geschichte - sie beginnt ja mit dem Tod der Hauptperson - das Hauptgewicht auf die Psycholgie der Personen legt. Diese Psychologisierung mag auch die Vielzahl der Überblendungen und der Spiegelungen (Personen spiegeln sich sehr oft) erklären.

Citizen Kane ist insgesamt ein Film, der den Expressionismus als Norm ablehnt ohne aber selber in dieser Ablehnung zur Norm zu werden. Er gebraucht den Expressionismus des Bildes und der Montage im Bild, um die Erzählung zu unterstützen ohne selber theaterhaft, unfilmisch zu werden. Dies ist die Ursache für die bis heute ungebrochene visuelle Kraft des Films. Ob diese Geschichte heute so gedreht werden würde ist eine andere Frage. Es gab französiche Regisseure wie RENOIR und MELVILLE, die Plansequenzen in ihren Filmen verwendeten und einen Hang zur Montage im Bild hatten, in der durch Ausleuchtung, Arrangement der Objekte also der gesamten Bildkomposition, die Szene filmisch erzählt wird.