KI-Filmemachen: Vom Storyboard zur fertigen Szene – Workflow

Warum KI-Filmemachen heute anders funktioniert

Noch vor wenigen Jahren bestand der Reiz der Videogenerierung darin, dass ein Modell aus einem einzigen Satz Text fünf Sekunden bewegtes Bild erzeugen konnte. Das war beeindruckend, aber selten brauchbar. Sobald eine Szene eine Handlung erzählen sollte, zerfiel der Effekt: Gesichter veränderten sich, Kleidung wechselte die Farbe, die Kamera sprang ohne Grund, und die Beleuchtung passte nicht mehr zur vorherigen Einstellung. Kurzclips waren ein Effekt, keine Sprache.

Heute hat sich der Schwerpunkt verschoben. Es geht nicht mehr darum, ob ein Modell überhaupt Bewegung erzeugt, sondern darum, ob es dieselbe Figur über acht Einstellungen hinweg glaubwürdig hält, ob die Kamera dem geplanten Weg folgt, ob Licht und Materiallogik über einen Schnitt hinweg konsistent bleiben und ob sich das Ergebnis in einen Schnitt einfügt, ohne dass man jede Aufnahme dreimal neu erzeugen muss.

Dieser Wandel verändert die Rolle der Person, die das Projekt leitet. Aus dem Prompt-Bastler wird ein Regisseur mit einem sehr konkreten Produktionsplan. Wer KI-Filmemachen ernsthaft betreiben will, braucht deshalb weniger Geheimtipps zu einzelnen Modellen und mehr ein reproduzierbares Verfahren: von der ersten Idee über das Storyboard bis zur fertigen Szene – und darüber hinaus bis zur nächsten Szene, die sich nahtlos anschließt.

Der Workflow im Überblick: sieben Etappen

Professionelles Arbeiten mit generativem Video ist kein linearer Klickpfad, sondern eine Schleife mit klaren Übergabepunkten. Bewährt hat sich eine Aufteilung in sieben Etappen:

1. Prämisse und Szenenziel: Was soll diese Szene leisten? Welche Information braucht das Publikum danach, die es vorher nicht hatte?
2. Beat-Sheet: Die Szene wird in drei bis sechs dramatische Schritte zerlegt, jeder mit einer klaren Funktion.
3. Storyboard: Grobe Skizzen oder Referenzbilder definieren Bildausschnitt, Figur und Lichtstimmung pro Beat.
4. Keyframes: Aus dem Storyboard entstehen Start- und Endbilder in hoher Qualität, die als visuelle Verträge dienen.
5. Prompt- und Referenzaufbau: Für jede Einstellung wird beschrieben, was sich zwischen den Keyframes bewegt, wie die Kamera sich verhält und was ausdrücklich nicht passieren soll.
6. Generierung: Pro Einstellung entstehen mehrere Varianten, aus denen die brauchbarste ausgewählt wird.
7. Fusion, Schnitt und Ton: Takes werden zusammengeführt, Übergänge gebaut, Farbwerte angeglichen, Ton gelegt und das Ergebnis exportiert.

Was sich gegenüber klassischen Dreharbeiten ändert

Die Reihenfolge bleibt vertraut, die Kostenstruktur nicht. Ein zusätzlicher Take kostet keine Drehzeit, sondern Rechenzeit – was bedeutet, dass Varianten billig und Entscheidungen teuer sind. Wer früh zu viel generiert, ertrinkt in Material. Wer zu spät Entscheidungen trifft, merkt erst im Schnitt, dass die Figur in Einstellung vier anders aussieht als in Einstellung zwei.

Was gleich bleibt

Dramaturgie, Rhythmus und Schnittlogik gelten unverändert. Eine schlecht erzählte Szene wird durch perfekte Bildqualität nicht gut. Der häufigste Anfängerfehler ist deshalb nicht ein technischer, sondern ein dramaturgischer: Man erzeugt schöne Bilder und sucht danach eine Geschichte, statt umgekehrt vorzugehen.

Konzeption: Von der Idee zur narrativen Struktur

Die Konzeptionsphase entscheidet über achtzig Prozent des späteren Aufwands. Wer hier sauber arbeitet, verbringt in der Generierung deutlich weniger Zeit mit Reparaturen.

Eine Szene braucht ein Ziel

Formulieren Sie in einem Satz, was sich im Kopf des Publikums verändern soll. Nicht „eine Wüste bei Sonnenuntergang“, sondern „eine Figur erkennt, dass sie den Weg zurück nicht mehr findet“. Diese Formulierung ist der Maßstab für jede spätere Entscheidung: Bildausschnitt, Tempo, Licht, Ton.

Beat-Sheet statt ausformuliertes Drehbuch

Für generierte Szenen ist ein Beat-Sheet praktischer als ein Dialogdrehbuch, weil Modelle stark in Bildern und schwach in Dialoglogik sind. Notieren Sie pro Beat nur drei Dinge: Was sieht man, was verändert sich, wie fühlt sich das an. Vier bis sechs Beats ergeben eine tragfähige Szene von 30 bis 90 Sekunden.

Beispiel: einsamer Wanderer in der Wüste

Ein Beat-Sheet könnte so aussehen:

• Beat 1 – Weite: Totale, Wanderer als kleine Silhouette, harter Wind, gleißendes Licht. Funktion: Einsamkeit etablieren.
• Beat 2 – Nähe: Halbtotale von hinten, Schweiß auf der Haut, ausgetretener Sand. Funktion: körperliche Anstrengung zeigen.
• Beat 3 – Irritation: Der Wanderer bleibt stehen, dreht sich, blickt zurück. Funktion: Zweifel einführen.
• Beat 4 – Verlust: Der Horizont ist leer, keine Fußspuren, Wind verwischt den Boden. Funktion: die Erkenntnis sichtbar machen.
• Beat 5 – Konsequenz: Großaufnahme, Blick, Licht wechselt kälter, Kamera kippt leicht. Funktion: emotionale Wendung.
• Beat 6 – Ausklang: Totale, Figur setzt sich wieder in Bewegung, Bild bleibt offen. Funktion: Spannung halten.

Dieses Beat-Sheet ist zugleich die Einkaufsliste für Keyframes, Prompts und Schnittlängen.

Zeitbudget realistisch planen

Erfahrungswert für eine Szene mit sechs Einstellungen: 20 Prozent Konzeption, 30 Prozent Keyframes und Prompting, 30 Prozent Generierung und Auswahl, 20 Prozent Post. Wer die letzten beiden Phasen unterschätzt, liefert visuell starke Einzelbilder und eine unharmonische Szene.

Prompting mit filmischer Präzision

Prompts sind keine Zaubersprüche, sondern Arbeitsanweisungen. Ein guter Prompt beschreibt nicht, wie ein Bild aussieht, sondern was sich in welcher Reihenfolge verändert.

Die sechs Bausteine

Ein belastbarer Prompt enthält:

1. Subjekt: Figur, Kleidung, Alter, Zustand, erkennbare Merkmale.
2. Handlung: was konkret passiert, in welcher Reihenfolge.
3. Kamera: Brennweite, Höhe, Bewegung, Geschwindigkeit.
4. Licht und Atmosphäre: Tageszeit, Wetter, Staub, Dunst, Kontrast.
5. Stil und Material: Filmkorn, Farbpalette, Objektivcharakter, Aufnahmeformat.
6. Ausschlüsse: was nicht vorkommen darf – zusätzliche Figuren, Text, Wasserzeichen, schnelle Schnitte.

Reihenfolge im Prompt beachten

Viele Modelle gewichten den Anfang stärker. Das Wichtigste gehört deshalb nach vorn: Subjekt und Handlung vor Stil und Ausschlüssen. Bei mehreren Aktionen pro Einstellung sollte man sich auf eine klar erkennbare Bewegung beschränken.

Iteration in kleinen Schritten

Ändern Sie pro Durchlauf nur eine Variable. Wenn Sie gleichzeitig Kamera, Licht und Kleidung anpassen, wissen Sie anschließend nicht, welche Änderung gewirkt hat. Halten Sie eine Prompt-Historie fest, idealerweise in einer Tabelle mit Einstellungsnummer, Variante und Bewertung.

Ausschlüsse nicht übertreiben

Zu viele Verbote führen dazu, dass das Modell genau die verbotenen Konzepte in die Szene holt, weil sie im Text prominent sind. Konzentrieren Sie sich auf drei bis fünf Ausschlüsse, die wirklich häufig auftreten.

Vom Storyboard zu konsistenten Keyframes

Keyframes sind der wichtigste Kontrollhebel im gesamten Prozess. Wer Start- und Endbild einer Einstellung selbst bestimmt, kontrolliert Ausschnitt, Licht und Figur – und überlässt dem Modell nur noch die Bewegung dazwischen.

Referenzbilder und Charakterbögen

Legen Sie für jede wiederkehrende Figur einen Charakterbogen an: drei bis fünf Bilder aus verschiedenen Winkeln, bei unterschiedlichem Licht, mit derselben Frisur, Kleidung und Proportionen. Diese Bilder werden bei jeder Einstellung als Referenz mitgegeben. Ohne diesen Schritt sehen Figuren in jeder Einstellung wie entfernte Verwandte aus.

Seeds und Wiederholbarkeit

Wenn ein Modell Seed-Werte unterstützt, notieren Sie für jede Figur einen funktionierenden Seed. Ein stabiler Seed ist kein Garant für Identität, aber er reduziert Streuung deutlich. Kombinieren Sie ihn mit Referenzbildern, nicht als Ersatz.

Der Keyframe als Vertrag

Behandeln Sie einen abgenommenen Keyframe wie eine Vertragsklausel: Er wird nicht mehr verändert, außer es gibt einen guten Grund. Sobald mehrere Personen an einer Szene arbeiten, verhindert diese Regel, dass Bildstände unbemerkt auseinanderlaufen.

Bildqualität vor Auflösung

Ein gut komponierter Keyframe in mittlerer Auflösung liefert bessere Videoresultate als ein chaotisches Bild in Maximalauflösung. Schärfe lässt sich später nachjustieren, eine schwache Komposition nicht.

Modellwahl: Kriterien statt Hype

Die Landschaft ändert sich schnell, Modellnamen kommen und gehen. Wer in Kriterien denkt, muss bei jedem Wechsel nicht neu lernen. Fünf Kriterien reichen für die meisten Entscheidungen.

1. Bewegungsqualität

Wie überzeugend sind Gehen, Greifen, Drehen, Stoffbewegung? Testen Sie mit zwei oder drei Standardszenen, die Sie immer wieder verwenden – das macht Vergleiche über Monate hinweg belastbar.

2. Prompt-Treue

Erzeugt das Modell die beschriebene Kamerafahrt oder nur eine ähnliche? Achten Sie darauf, wie oft Sie Kamerabewegungen nachkorrigieren müssen.

3. Konsistenz über Einstellungen

Das wichtigste Kriterium für Szenen mit mehr als zwei Einstellungen. Testen Sie mit derselben Figur in drei Umgebungen und vergleichen Sie Gesicht, Kleidung und Licht.

4. Steuerbarkeit durch Keyframes

Unterstützt das Modell Start- und Endbild? Lässt sich Bewegung über eine Referenz choreografieren? Modelle ohne Keyframe-Steuerung eignen sich für B-Roll, nicht für Erzählung.

5. Durchsatz und Workflow-Passung

Ein Modell, das langsamer ist, aber verlässlich konsistente Ergebnisse liefert, ist in einer Szenenproduktion meist wirtschaftlicher als ein schnelles Modell, das ständig Nacharbeit erzeugt. Bewerten Sie Zeit bis zum abgenommenen Take, nicht Zeit bis zum ersten Clip.

Spezialmodelle sinnvoll einsetzen

Neben allgemeinen Video-Modellen gibt es Werkzeuge für Stilisierung, Bildanimation, Hintergrundersetzung, Gesichtsrekonstruktion und Zwischenbildberechnung. Diese Spezialisten sind keine Konkurrenz zur Hauptpipeline, sondern Reparatur- und Veredelungswerkzeuge. Typische Einsatzfälle: ein Gesicht in einer sonst guten Einstellung stabilisieren, eine Figur sauber freistellen, ein statisches Gemälde zum Leben bringen oder eine zu kurze Einstellung mit Zwischenbildern strecken.

Die Werkzeugkette schlank halten

Drei Werkzeuge, die man beherrscht, schlagen acht, die man nur halb bedient. Empfehlenswert ist die Aufteilung: ein Konzept- und Bildwerkzeug für Keyframes, ein Video-Modell für Bewegung, ein Schnittwerkzeug für die Montage. Alles Weitere kommt nur dazu, wenn ein konkreter Engpass auftritt.

Kamera, Licht und Timing

Bewegung wirkt nur dann filmisch, wenn sie einer Absicht folgt. Drei Bereiche verdienen besondere Aufmerksamkeit.

Kamerasprache in Worten

Begriffe wie „langsame Fahrt nach vorn“, „statische Halbtotale“, „Handkamera mit leichtem Schwanken“ oder „Kranfahrt nach oben“ funktionieren in Prompts zuverlässig, wenn man zusätzlich die Geschwindigkeit angibt: langsam, gleichmäßig, abrupt. Vermeiden Sie Kombinationen wie „Fahrt und Zoom gleichzeitig“, wenn Sie ein ruhiges Ergebnis wollen.

Lichtkontinuität

Legen Sie für jede Szene eine Lichtsituation fest: Sonnenstand, Himmelsrichtung, Wetterlage, Farbtemperatur. Notieren Sie diese Werte in jedem Prompt identisch. Wenn sich die Lichtsituation innerhalb einer Szene ändern soll, planen Sie diesen Wechsel als eigenen Beat, nicht als Zufall.

Schnittlängen und Bewegungsübergabe

Generierte Einstellungen sind meist kurz. Planen Sie Schnittlängen von zwei bis fünf Sekunden und darauf, dass ein Take selten länger durchhält. Eine bewährte Technik: Beenden Sie eine Einstellung mit einer Bewegung, die die nächste aufnimmt – ein Blick nach links, eine Handbewegung, ein Kameraschwenk. Solche Übergaben lassen kurze Clips als durchgehende Szene erscheinen.

Ton von Anfang an mitdenken

Rhythmus entsteht im Ton. Wenn Sie bereits beim Storyboard notieren, wo Musik einsetzt, wo Stille herrscht und welches Geräusch den Schnitt trägt, verändert das die Bildplanung zum Positiven. Umgekehrt gilt: Bilder, die im Ton keinen Platz haben, werden im Schnitt gnadenlos aussortiert.

Post-Generierung: Fusion, Schnitt und Ton

Die Postphase entscheidet, ob aus Einzelclips eine Szene wird. Vier Arbeitsschritte sind hier entscheidend.

Auswahl statt Perfektion

Bewerten Sie jeden Take in drei Kategorien: dramaturgisch richtig, technisch sauber, konsistent zur Nachbareinstellung. Alles, was nur zwei Kriterien erfüllt, kommt in die Reserve. Diese Reserve ist Gold wert, wenn eine spätere Einstellung nicht funktioniert.

Takes fusionieren

Häufig ist die beste Lösung nicht ein einzelner Take, sondern eine Kombination: ruhige Kamerafahrt aus Variante A, Figurenanimation aus Variante B, Hintergrund aus Variante C. Moderne Schnitt- und Compositing-Werkzeuge erlauben es, solche Elemente über Masken und Übergänge zusammenzuführen. Wichtig ist, dass die übergangenen Bereiche in Bewegung und Licht zusammenpassen – deshalb sollte die Fusion früh getestet werden, nicht erst am Ende.

Farbkorrektur und Look

Generierte Clips haben oft unterschiedliche Weißabgleiche, Kontraste und Rauschmuster. Eine Farbkorrektur mit einheitlicher Grundstimmung – ein LUT oder eine manuelle Anpassung von Belichtung, Kontrast, Sättigung und Farbtemperatur – verbindet die Einstellungen optisch. Achten Sie besonders auf Schwarzwerte und Hauttöne, weil das Auge dort Inkonsistenzen sofort bemerkt.

Ton, Musik und Raumklang

Legen Sie zuerst Atmosphäre, dann Effekte, dann Musik. Wind, Schritte, Stoff, entfernte Geräusche schaffen Tiefe, die generiertes Bildmaterial allein nicht erreicht. Musik übernimmt, was visuell fehlt: Spannungsbögen und Pausen. Ein harter Schnitt auf einen Tonakzent wirkt oft überzeugender als jede zusätzliche Kamerabewegung.

Export und Formate

Exportieren Sie eine Master-Fassung mit möglichst hoher Bitrate und zusätzlich eine leichte Fassung für Social-Plattformen. Untertitel gehören in die Master-Datei, nicht nur in die Plattformversion. Prüfen Sie am Ende die Szene einmal in voller Länge ohne Ton und einmal nur mit Ton – beide Durchläufe zeigen unterschiedliche Schwächen.

Konsistenz-Checkliste und typische Fehler

Konsistenz ist kein einzelner Arbeitsschritt, sondern eine wiederkehrende Prüfung. Diese Checkliste lässt sich vor jedem Export durchgehen:

• Gesichter: Form, Alter, Frisur, Augenpartie über alle Einstellungen gleich?
• Kleidung: Farbe, Material, Schmutz- und Schweißzustand logisch fortgeführt?
• Licht: Sonnenstand und Farbtemperatur innerhalb der Szene stabil?
• Bewegung: Tempo und Kamerahöhe passen zum vorherigen und nächsten Schnitt?
• Requisiten: Gegenstände bleiben an Ort und Stelle und verändern nicht ihre Form?
• Kontinuität der Handlung: Ist der Zustand am Ende jeder Einstellung mit dem Anfang der nächsten vereinbar?

Fünf häufige Fehler

Erst Bilder, dann Geschichte. Ohne Beat-Sheet entsteht eine Sammlung hübscher Aufnahmen ohne Spannungsbogen.

Zu viele Figuren. Jede zusätzliche Figur multipliziert den Konsistenzaufwand. Szenen mit einer oder zwei Figuren sind deutlich beherrschbarer.

Zu lange Einstellungen erzeugen. Modelle verlieren bei langen Clips an Kohärenz. Kurz generieren und im Schnitt verlängern ist meist stabiler.

Kein Materialarchiv. Wer Takes nicht sauber benennt und ablegt, sucht später länger als beim Neugenerieren.

Ton als Nachgedanken. Ton, der erst nach dem Bildschnitt entsteht, macht jeden Schnitt doppelt so aufwendig.

Praxisbeispiel: 90 Sekunden in vier Tagen

Ein konkretes Beispiel zeigt, wie sich der Workflow in der Praxis anfühlt. Geplant ist eine 90-Sekunden-Szene mit sechs Einstellungen und einer Figur.

Tag 1 – Konzeption und Storyboard. Prämisse, Ziel der Szene, Beat-Sheet mit sechs Beats. Danach grobe Skizzen sowie ein Charakterbogen mit vier Referenzbildern der Figur bei unterschiedlichem Licht. Ergebnis: ein einseitiges Dokument und zehn Referenzbilder.

Tag 2 – Keyframes und Prompts. Für jede Einstellung werden Startbild und Endbild erzeugt, insgesamt zwölf Bilder, von denen zehn nach mehreren Iterationen abgenommen werden. Parallel entstehen sechs Prompt-Vorlagen mit Subjekt, Handlung, Kamera, Licht und Ausschlüssen.

Tag 3 – Generierung. Pro Einstellung entstehen fünf bis acht Varianten. Aus rund vierzig Clips werden sechzehn ausgewählt, davon zehn als Reserve. Auffällig: Einstellung vier bereitet Probleme, weil die Figur dort eine Drehung vollzieht – die Lösung ist, die Drehung auf zwei Einstellungen aufzuteilen.

Tag 4 – Post. Fusion der besten Elemente, Schnitt auf Musik, Farbkorrektur, Atmosphäre und Effekte, Export. Das Ergebnis ist eine Szene, die zu etwa achtzig Prozent aus dem ursprünglichen Storyboard stammt – und die restlichen zwanzig Prozent aus Entscheidungen, die erst durch das Material möglich wurden.

Die wichtigste Erkenntnis: Der größte Zeitgewinn entstand nicht durch ein bestimmtes Modell, sondern durch die Entscheidung, Einstellung vier zu teilen, statt sie mit mehr Varianten erzwingen zu wollen.

FAQ: Häufige Fragen zum KI-Filmemachen

Brauche ich Vorkenntnisse in Filmschnitt? Grundlagen von Bildkomposition, Rhythmus und Schnittlogik helfen enorm, weil sie die Qualität der Entscheidungen bestimmen. Technische Bedienung lässt sich schnell lernen, dramaturgisches Gespür langsamer.

Wie viele Einstellungen sollte eine Szene haben? Für 60 bis 90 Sekunden sind vier bis acht Einstellungen ein guter Richtwert. Weniger Einstellungen erfordern längere Clips, die oft instabil werden; mehr Einstellungen erhöhen den Konsistenzaufwand.

Reicht ein einziges Video-Modell aus? Für einfache Projekte ja. Sobald Figuren wiederkehren oder Kamerabewegungen präzise geplant sind, lohnt sich eine Kombination aus Bildwerkzeug, Video-Modell und Schnittprogramm.

Wie gehe ich mit Dialogen um? In generierten Szenen funktionieren Dialoge am besten über Nachvertonung. Planen Sie Einstellungen so, dass Sprechende nicht in einer Weise zu sehen sind, die eine exakte Lippenbewegung verlangt.

Was mache ich, wenn eine Figur nicht konsistent bleibt? Erst Referenzbilder erweitern, dann Seed fixieren, dann Prompt vereinfachen. Häufig ist ein zu komplexer Prompt die Ursache, nicht das Modell.

Wie lang sollte eine fertige Szene sein? So lang, wie sie trägt. Eine dichte 45-Sekunden-Szene wirkt stärker als eine gestreckte von zwei Minuten. Generierte Szenen profitieren von Verdichtung.

Wann lohnt sich der Aufwand für Postproduktion? Immer. Der Unterschied zwischen einer Abfolge von Clips und einer Szene entsteht fast vollständig in der Post – über Schnittrhythmus, Farbangleich und Ton.

Wie halte ich den Workflow zukunftssicher? Arbeiten Sie mit Kriterien, Referenzbildern und einem Materialarchiv statt mit modellspezifischen Tricks. Wenn Modelle wechseln, bleibt Ihr Verfahren erhalten.