KI-gestützte Drehbuchentwicklung: Storytelling-Workflow

Warum KI-Assistenz die Drehbuchentwicklung verändert

Generative Videomodelle liefern heute Sekunden brauchbaren Materials auf Knopfdruck. Wer daraus eine zusammenhängende Sequenz bauen will, merkt schnell: Die Engstelle liegt nicht mehr in der Bilderzeugung, sondern in der Vorarbeit. Logline, Treatment, Szenenliste, Kontinuitätsplan und ein sauber strukturiertes Prompt-Paket entscheiden darüber, ob am Ende ein Film entsteht oder eine Sammlung hübscher Einzelclips.

KI-gestützte Storytelling-Assistenz setzt genau dort an. Sie übernimmt nicht das Schreiben, sondern das Prüfen, Strukturieren und Übersetzen: Aus einer vagen Idee werden dramaturgisch belastbare Beats, aus Beats werden Szenen, aus Szenen werden audiovisuelle Anweisungen, die ein Videomodell zuverlässig umsetzen kann.

Drei Verschiebungen machen den Unterschied.

Text wird zur Produktionsschnittstelle. Ein Drehbuch ist nicht mehr nur ein Dokument für Menschen, sondern ein Zwischenformat, aus dem Prompts, Referenzbilder, Kamerapositionen und Tonanweisungen abgeleitet werden. Wer beim Schreiben schon an diese Weiterverarbeitung denkt, spart später Stunden.

Konsistenz wird zum Planungsproblem. Figuren, Kleidung, Props, Lichtstimmung und Farbwelt müssen über Dutzende Einstellungen hinweg zusammenpassen. Das lässt sich nicht nachträglich retten, sondern nur vorab definieren.

Feedbackschleifen verkürzen sich. Ein Beat-Sheet lässt sich in Minuten umstellen, eine Szene in Sekunden neu formulieren. Das verändert die Dramaturgiearbeit grundlegend: Varianten kosten fast nichts, Entscheidungen werden dadurch mutiger – und zugleich braucht es klarere Abbruchkriterien, damit man sich nicht in Endlosschleifen verliert.

Wer KI als Co-Autor missversteht, bekommt glatte, beliebige Texte. Wer sie als Regieassistenten einsetzt – für Struktur, Prüfung, Übersetzung und Variantenbildung – gewinnt Zeit für das, was nur Menschen leisten: Haltung, Humor, Beobachtung, Timing.

Der Workflow in sieben Etappen

Der folgende Ablauf hat sich für Kurzfilme, Werbespots, Erklärvideos und Social-Serien bewährt. Entscheidend ist die Reihenfolge: Jede Etappe erzeugt das Material für die nächste. Wer Etappen überspringt, bezahlt später mit Nacharbeit.

Etappe 1: Von der Idee zur Logline

Starte mit maximal drei Sätzen, die folgende Fragen beantworten: Wer will was, warum jetzt, und was steht im Weg? Eine brauchbare Logline für ein 90-Sekunden-Video könnte lauten: „Eine Fahrradkurierin in einer überfluteten Stadt muss eine letzte Lieferung zustellen, bevor die Brücken gesperrt werden – und entdeckt, dass der Empfänger ihr früheres Leben kennt.“

Lass die KI fünf Varianten dieser Logline erzeugen und bewerte sie nach drei Kriterien:

Kriterium	Leitfrage
Klarheit	Ist die Situation in einem Satz verständlich?
Spannung	Gibt es einen Widerstand, nicht nur ein Ziel?
Machbarkeit	Lässt sich das mit verfügbaren Mitteln visuell erzählen?

Die dritte Spalte wird oft unterschätzt. Eine Logline, die zwölf Schauplätze und einen Sturm auf hoher See verlangt, ist für ein Drei-Minuten-Video ungeeignet, egal wie gut sie klingt.

Etappe 2: Treatment, Figuren, Welt

Das Treatment ist eine ein- bis zweiseitige Prosaerzählung im Präsens. Hier zahlt sich KI-Assistenz doppelt aus: Sie kann Inkonsistenzen markieren („Figur A kennt Figur B bereits in Szene 3, reagiert in Szene 5 aber überrascht“) und fehlende Informationen abfragen („Was will die Figur in Szene 4 konkret erreichen?“).

Lege parallel ein Figurenblatt an. Für Videomodelle sind sichtbare Merkmale wichtiger als Psychologie:

• Alter, Statur, Frisur, Haarfarbe
• zwei bis drei Kleidungsmerkmale, die in jeder Einstellung wiederkehren
• ein Erkennungszeichen (Narbe, Brille, auffällige Jacke)
• typische Körperhaltung und Gangart
• Licht, in dem die Figur bevorzugt gezeigt wird

Diese Angaben werden später wörtlich in jeden Prompt übernommen. Deshalb lohnt es, sie einmal präzise zu formulieren – nicht „lässig gekleidet“, sondern „abgetragene khakifarbene Jacke mit aufgerissener Schulternaht“.

Etappe 3: Beat-Sheet und Szenenliste

Ein Beat-Sheet zerlegt die Handlung in acht bis fünfzehn Wendepunkte. Bei kurzen Formaten ist das Drei-Akt-Schema meist zu grob; bewährt hat sich eine verdichtete Variante: Ausgangslage (etwa 20 Prozent), Eskalation (60 Prozent), Zuspitzung und Auflösung (20 Prozent).

Aus den Beats entsteht die Szenenliste mit einer Zeile pro Einstellung:

S01 | Aussen | Regennacht | Kurierin steigt vom Rad | Total, statisch | 4s
S02 | Aussen | Regennacht | Blick auf das Paket | Nahaufnahme, Handkamera | 3s
S03 | Innen  | Treppenhaus | Begegnung am Aufzug | Halbnah, Schwenk | 6s

Spalten wie Szene, Innen/Außen, Tageszeit, Handlung, Einstellungsgröße, Kamerabewegung und Dauer sind keine Bürokratie, sondern die Grundlage für konsistente Prompts und eine realistische Zeitplanung. Ein 90-Sekunden-Video besteht selten aus mehr als 18 bis 25 Einstellungen – wer mehr plant, sollte kürzen, nicht hetzen.

Etappe 4: Szenentext in filmischer Grammatik

Jetzt wird aus der Tabelle Dialog und Handlungsbeschreibung. Zwei Regeln helfen:

1. Beschreibe nur, was die Kamera sehen oder hören kann. Gedanken und Gefühle gehören in Handlung übersetzt.
2. Halte Dialog kurz. In KI-generierten Szenen ist Lippensynchronität eine Fehlerquelle; Voice-over, Off-Dialog oder sichtbare Reaktion sind oft die bessere Wahl.

Genau hier ist ein Assistent nützlich, der Regieanweisungen aus dem Fließtext in strukturierte Felder überführt. Statt „Sie wirkt nervös“ entsteht „Hände umklammern den Lenker, Blick wandert dreimal zur Tür“.

Etappe 5: Prompt-Pakete für jede Einstellung

Ein Prompt-Paket enthält für jede Einstellung fünf Blöcke:

• Subjekt und Handlung: wer tut was, in welcher Reihenfolge
• Umgebung: Ort, Wetter, Tageszeit, Hintergrunddetails
• Kamera: Einstellungsgröße, Brennweite, Bewegung, Stativ oder Handkamera
• Licht und Look: Lichtrichtung, Kontrast, Farbtemperatur, Film- oder Digitalanmutung
• Stil- und Negativhinweise: gewünschte Optik sowie Dinge, die vermieden werden sollen

Ein Beispiel:

Regennacht, leere Uferstraße, eine Kurierin um die dreißig mit khakifarbener, aufgerissener Jacke schiebt ihr Rad durch knöcheltiefes Wasser. Halbnah von hinten, leichte Handkamera, warmes Laternenlicht von rechts, kühle Grundstimmung, feiner Filmkorn, kein Text im Bild, keine zusätzlichen Personen.

Diese Struktur ist der wichtigste Hebel überhaupt: Sie macht Prompts reproduzierbar, versionierbar und teamfähig.

Etappe 6: Referenzbilder und Kontinuitätsanker

Erzeuge für jede Figur ein bis drei Referenzbilder und für jeden Schauplatz mindestens eine Übersicht. Diese Bilder sind der Anker gegen das visuelle Auseinanderdriften. Bewährt hat sich ein Referenzblatt pro Szene mit:

• Figuren in ihrer Grundkleidung
• Lichtstimmung als Stimmungsbild
• Farbpalette mit drei bis fünf Werten
• einem Beispielbild für die gewünschte Bildqualität

Bei mehrteiligen Serien gehört zusätzlich ein Serien-Bibel genanntes Dokument dazu, das wiederkehrende Orte, Requisiten und Zeitlinien festhält.

Etappe 7: Schnitt, Ton, Abnahme

KI-Clips kommen selten in der gewünschten Länge. Plane deshalb pro Einstellung zwei bis drei Sekunden Reserve ein. Der Schnitt folgt der Szenenliste; Rhythmus entsteht durch wechselnde Einstellungsdauern, nicht durch einheitliche Zwei-Sekunden-Häppchen.

Definiere vor der Abnahme verbindliche Kriterien: Erzählt jede Einstellung eine Information? Ist die Figur erkennbar dieselbe? Passt das Licht zum Nachbarschnitt? Solche Fragen lassen sich mit einer Checkliste schneller beantworten als mit Diskussionen.

Dramaturgie prüfen: Figuren, Konflikte, Wendepunkte

Klassische Muster sind kein alter Hut, sondern Prüfraster, die man an jedes Treatment anlegen kann. Nützliche Fragen für den KI-gestützten Review:

• Wollen und Widerstand: Was will die Hauptfigur in jeder Szene, und was hindert sie daran?
• Eskalation: Wird der Druck von Szene zu Szene größer oder nur lauter?
• Wendepunkte: Gibt es mindestens zwei Momente, in denen sich die Richtung ändert?
• Entscheidung: Trifft die Figur am Ende eine aktive Wahl – oder passiert ihr nur etwas?
• Kausalität: Folgt jede Szene aus der vorherigen („deshalb“) oder reiht sie sich nur aneinander („und dann“)?

Diesen Kausalitätstest kann ein Sprachmodell sehr zuverlässig durchführen, wenn man es explizit danach fragt. Lass es die Szenenliste durchgehen und für jeden Übergang begründen, warum die nächste Szene unvermeidlich ist. Überall, wo die Begründung bröckelt, sitzt ein Strukturproblem.

Ebenso hilfreich: Perspektivwechsel. Lass dieselbe Szene einmal aus Sicht der Gegenspielerin zusammenfassen. Wenn dabei mehr Interesse entsteht als in der Originalfassung, stimmt die Gewichtung nicht.

Kamerasprache und Regieanweisungen maschinenlesbar notieren

Zwischen Drehbuch und Prompt liegt die Sprache der Kamera. Sie lässt sich standardisieren, ohne die Kreativität zu beschneiden. Ein einfaches Vokabular genügt:

• Einstellungsgrößen: Weit, Total, Halbtotal, Halbnah, Nah, Detail
• Bewegungen: statisch, Schwenk, Fahrt, Handkamera, Drohne, Kran
• Perspektive: Augenhöhe, Aufsicht, Untersicht, Over-the-Shoulder
• Tempo: ruhig, treibend, hektisch

Regieanweisungen im Fließtext sind für Menschen lesbar, aber mehrdeutig. In der Szenenliste werden sie eindeutig. Ein Satz wie „Die Kamera bleibt dicht bei ihr“ wird dort zu „Halbnah, Handkamera, Abstand etwa ein Meter“.

Der Nutzen zeigt sich beim Arbeiten mit mehreren Beteiligten: Textautor, Prompt-Designer und Schnitt arbeiten von derselben Tabelle aus, statt sich über Interpretationen zu verständigen.

Prompt-Bausteine, die in der Praxis funktionieren

Ein wiederkehrendes Problem: Prompts werden immer länger und trotzdem ungenauer. Besser ist eine modulare Bibliothek aus wiederverwendbaren Textbausteinen.

Baustein Licht: „weiches Seitenlicht von links, niedriger Kontrast, kühle Schatten, leicht warmes Highlight auf der Haut“

Baustein Bewegung: „langsame Vorwärtsfahrt, gleichmäßig, kein Ruckeln, Motiv bleibt mittig“

Baustein Umgebung: „nasse Betonflächen mit Reflexionen, Neonreklame unscharf im Hintergrund, Nebel in Bodennähe“

Baustein Negativ: „keine Schrift, kein Logo, keine weiteren Personen, keine verzerrten Hände“

Diese Bausteine bleiben über ein ganzes Projekt stabil. Nur Subjekt und Handlung wechseln. Das reduziert Streuung erheblich und macht Fehlersuche einfacher: Wenn eine Einstellung nicht passt, lässt sich ein einzelner Baustein isoliert austauschen.

Ein weiterer Hebel ist die Reihenfolge. Modelle gewichten den Anfang eines Prompts stärker. Subjekt und Handlung gehören deshalb nach vorn, Stil und Negativhinweise nach hinten.

Kontinuität über Szenen: Checklisten statt Bauchgefühl

Kontinuitätsfehler sind der häufigste Grund, warum KI-Videos amateurhaft wirken. Sie entstehen nicht durch schlechte Modelle, sondern durch fehlende Listen. Eine projektweite Prüfliste sollte mindestens erfassen:

• Kleidung und Frisur jeder Figur pro Szene
• Tageszeit und Lichtrichtung
• Position von Requisiten, die in mehreren Einstellungen auftauchen
• Wetter und Bodenbeschaffenheit
• Farbe und Zustand zentraler Objekte
• Reihenfolge der Handlung innerhalb einer Szene

Ergänzend hilft ein „Kontinuitätsanker“ pro Szene: eine einzige Einstellung, die als visueller Referenzpunkt gilt. Weicht eine neue Einstellung davon ab, wird sie nicht übernommen, sondern neu gebaut. Das ist strenger als bei klassischen Drehs, aber deutlich billiger als ein Drehtag.

Ton, Musik und Sound-Design früh mitdenken

Ton entscheidet über Wahrnehmung mehr als jedes Bilddetail. Plane drei Spuren von Anfang an:

Atmosphäre. Regen, Verkehr, Raumhall. Diese Ebene trägt den Ort und wird oft vergessen, was Szenen künstlich wirken lässt.

Handlungssound. Schritte, Türen, Stoff, Wasser. Solche Geräusche synchronisiert man am besten manuell, weil automatisch generierter Ton selten präzise trifft.

Musik. Sie strukturiert Zeit: Ein Thema für die Ausgangslage, eine Steigerung in der Eskalation, eine kurze Auflösung. Musik sollte nicht jede Einstellung begleiten, sondern Übergänge markieren.

Für Dialog gilt: Wenn Lippensynchronität nicht zuverlässig gelingt, verschiebe den Dialog ins Off. Eine Stimme aus dem Off mit passender Bildspur wirkt professioneller als ein knapp danebenliegender Mund.

Typische Fehler beim KI-gestützten Drehbuch

Zu viel Handlung pro Einstellung. Ein Clip kann selten mehr als eine deutliche Aktion tragen. Zerlege in kleinere Einheiten.

Abstrakte Beschreibungen. „Eine melancholische Stimmung“ ist keine Anweisung. „Grauer Himmel, leerer Parkplatz, eine einzelne Bank, kein Wind“ schon.

Inkonsistente Figurenbeschreibung. Wenn die Jacke in Szene 2 khaki und in Szene 7 schwarz ist, war das Figurenblatt nicht verbindlich genug.

Kein Beat-Sheet. Ohne Struktur entsteht eine Aneinanderreihung hübscher Bilder ohne Spannungskurve.

Prompts ohne Negativliste. Unerwünschte Elemente – Text im Bild, zusätzliche Personen, Logos – tauchen sonst regelmäßig auf.

Endlose Variantenschleifen. Setze vorab ein Limit, etwa drei Iterationen pro Einstellung. Danach wird die Einstellung umgebaut, nicht weiter verfeinert.

Ton als Nachgedanke. Wer Sound erst nach dem Schnitt plant, schneidet oft neu.

Rechte ignorieren. Referenzbilder, Musik und Stimmen brauchen klare Nutzungsrechte, besonders bei Veröffentlichung.

Werkzeuge auswählen: Entscheidungskriterien statt Hype

Die Werkzeuglandschaft verändert sich schnell. Sinnvoller als ein Ranking ist ein Kriterienkatalog, den du auf jedes neue Tool anwenden kannst:

Kriterium	Warum es zählt
Textkontrolle	Lassen sich Prompts per Datei verwalten und versionieren?
Figurenkonsistenz	Gibt es Referenzbild- oder Identitätsfunktionen?
Einstellungslänge	Reichen die erzeugten Cliplängen für deine Szenen?
Tonintegration	Unterstützt das Tool Sprache, Ambience oder Musik?
Exportformate	Passen Auflösung und Bildrate zu deinem Schnittprogramm?
Nachvollziehbarkeit	Bleibt nachvollziehbar, welche Einstellung aus welchem Prompt stammt?

Ein Werkzeug, das nur schöne Einzelbilder liefert, aber keine Kontinuität über Einstellungen hinweg, wird bei längeren Projekten zum Zeitfresser. Umgekehrt gilt: Ein einfaches Modell mit strenger Prompt-Disziplin schlägt oft ein mächtiges Modell ohne Plan.

Für die Textarbeit selbst reicht meist ein Sprachmodell mit langem Kontext plus eine strukturierte Ablage – etwa Tabellen für Szenenliste, Figurenblatt und Prompt-Bibliothek. Der wichtigste „Workflow-Trick“ ist unspektakulär: Alles, was später wiederkehrt, wird einmal sauber formuliert und danach nur noch kopiert.

FAQ: häufige Fragen aus der Praxis

Ersetzt KI-Assistenz das Drehbuchschreiben?
Nein. Sie beschleunigt Strukturierung, Prüfung und Übersetzung. Die Entscheidungen über Figuren, Ton und Aussage bleiben bei dir – und genau diese Entscheidungen machen den Unterschied zwischen einem generischen und einem guten Video.

Wie lang sollte ein Treatment für ein kurzes Video sein?
Eine Seite genügt. Wichtiger als Länge sind Präzision und Machbarkeit: Schauplätze, Figuren, Konflikt, Auflösung.

Wie viele Einstellungen braucht ein 90-Sekunden-Video?
Realistisch sind 18 bis 25. Mehr Einstellungen bedeuten mehr Kontinuitätsarbeit, nicht automatisch mehr Qualität.

Wie oft sollte ich eine Einstellung neu generieren?
Drei Versuche pro Einstellung sind eine gute Regel. Danach liegt das Problem fast immer im Prompt oder in der Szenenplanung, nicht im Zufall.

Was tun, wenn die Figur über Szenen hinweg anders aussieht?
Figurenblatt und Referenzbilder verschärfen, sichtbare Merkmale reduzieren und die Beschreibung wörtlich in jeden Prompt übernehmen. Häufig sind es zu viele Details, die das Modell zu unterschiedlich interpretiert.

Brauche ich mehrere Videomodelle?
Für kurze, abwechslungsreiche Projekte kann ein Zweitmodell helfen, wenn bestimmte Motive oder Bewegungstypen besser funktionieren. Für ein konsistentes Projekt ist ein Modell mit klaren Kontinuitätsfunktionen meist die bessere Wahl.

Wie gehe ich mit Dialog um?
Kurz halten, Off-Stimme bevorzugen, und Reaktionen statt Sprechakte zeigen. Sichtbare Reaktion trägt Information zuverlässiger als ein synchronisierter Mund.

Was ist der häufigste Anfängerfehler?
Mit der Generierung beginnen, bevor Logline, Beat-Sheet und Figurenblatt stehen. Ein Tag Planung spart typischerweise mehrere Tage Nacharbeit.

Wie fange ich konkret an?
Schreibe eine Logline in drei Sätzen, lege ein Figurenblatt mit sichtbaren Merkmalen an, zerlege die Handlung in acht bis zwölf Beats und erstelle daraus eine Szenenliste mit Einstellungsgröße, Bewegung und Dauer. Danach baust du Prompt-Bausteine für Licht, Umgebung, Bewegung und Negativhinweise – und generierst die erste Szene, nicht den ganzen Film. Diese Reihenfolge ist unspektakulär, aber sie ist der Grund, warum manche Projekte nach einer Woche fertig sind und andere nach einem Monat immer noch aus Einzelclips bestehen.