Die Generierung einzelner Clips ist gelöst. Was KI-Videos in der Praxis scheitern lässt, ist selten das Modell, sondern die Regie: unklare Dramaturgie, springende Gesichter, willkürliche Kamerawinkel, tonale Brüche zwischen zwei Shots. Genau hier setzt eine KI-gestützte Regie-Assistenz an. Sie ersetzt keine Kreativität, aber sie strukturiert den Weg von der Idee zur fertigen Reel und hält Kontinuität dort, wo Modelle von sich aus nur in Einzelbildern denken.
Dieser Leitfaden beschreibt Storytelling, Shot-Design und Prompting als zusammenhängendes System. Statt Modell-Rankings bekommst du einen Arbeitsablauf, Entscheidungskriterien, Beispiel-Shotlisten und eine Fehlerliste, die du sofort auf dein nächstes Projekt anwenden kannst.
Warum Regie-Assistenz der eigentliche Engpass ist
Text-zu-Video-Modelle liefern inzwischen beeindruckende Einzelaufnahmen. Der Unterschied zwischen einer Reel, die nach drei Sekunden weggewischt wird, und einer, die hängen bleibt, liegt aber nicht in der Bildqualität. Er liegt in Entscheidungen: Was sieht man, wann, aus welcher Distanz, mit welcher Absicht? Diese Entscheidungen sind Regiearbeit, und sie sind der Flaschenhals im gesamten KI-Videoworkflow.
Vom Prompt zur Inszenierung
Ein Prompt beschreibt ein Bild. Eine Regieanweisung beschreibt eine Absicht. Der Unterschied wird deutlich, sobald du zwei Versionen derselben Szene vergleichst. „Frau trinkt Kaffee am Fenster, Regen draußen, weiches Licht“ ergibt eine schöne Aufnahme. „Frau trinkt Kaffee am Fenster, Regen draußen, weiches Licht, Blick geht aus dem Bild heraus, Schultern schief, Tasse wird nicht abgesetzt“ ergibt einen Shot, der Einsamkeit oder Nachdenken transportiert. Dasselbe Modell, dieselbe Auflösung, aber eine völlig andere dramaturgische Funktion.
Regie-Assistenz bedeutet in der Praxis: Du formulierst Absichten und lässt sie in Shots, Prompts und Timing übersetzen. Die Assistenz prüft, ob ein Shot im Kontext noch Sinn ergibt, ob Achsen und Blickrichtungen stimmen, ob Licht und Farbe über Schnittgrenzen hinweg zusammenpassen.
Was eine Regie-Ebene konkret übernimmt
- Übersetzung: Storybeats werden zu Shot-Listen, Prompt-Varianten und Reihenfolgen.
- Kontinuität: Referenzanker für Figuren, Kostüme, Locations und Requisiten werden durchgehend dokumentiert.
- Variantenmanagement: Pro Shot entstehen mehrere Optionen mit klaren Auswahlkriterien statt Bauchgefühl.
- Rhythmus: Schnittlängen werden an Beat und Hook-Logik angepasst, nicht an Clip-Länge.
- Ton-Mapping: Musik, Atmo und Dialogue-Timing werden vor der Animation geplant.
- Qualitätskontrolle: Eine Prüfliste fängt Fehler ab, bevor sie in den Schnitt wandern.
Wer diese Aufgaben manuell schultert, verliert Zeit an Übersetzungsarbeit statt an Kreativität. Genau deshalb lohnt sich eine strukturierte Assistenz.
Die drei Ebenen jeder Reel: Story, Shot, Sound
Die meisten frustrierten KI-Videoprojekte scheitern an einer Vermischung der Ebenen. Figuren werden beim Prompten entschieden, Musik wird am Ende drangehängt, der Schnitt entsteht aus Verlegenheit. Trenne die Ebenen bewusst und arbeite sie nacheinander ab.
| Ebene | Leitfrage | Typisches Artefakt | Häufiger Fehler |
|---|---|---|---|
| Story | Warum schaut man weiter? | Beat-Sheet, Skript, Skizze | Kein Konflikt, nur Stimmung |
| Shot | Was sieht man wie? | Shot-Liste, Prompt-Set | Zufällige Winkel, kein Anschluss |
| Sound | Was hört man wann? | Tonplan, Musikmap | Musik als Notlösung am Ende |
Story-Ebene: das Argument fürs Weiterschauen
Jede Reel braucht mindestens einen Grund, warum der Daumen nicht weiterwischt. Das kann Spannung sein, ein Versprechen, ein Witz, ein visueller Reiz oder eine offene Frage. Ohne diesen Grund hilft die beste Kamera nichts. Definiere diesen Grund in einem Satz, bevor du irgendetwas generierst.
Shot-Ebene: die Grammatik des Films
Shots sind keine Dekoration, sondern Sätze. Eine Totalaufnahme etabliert, eine Naheinstellung betont, ein Detail verrät. Wenn zwei aufeinanderfolgende Shots keinen Bezug zueinander haben, wirkt der Schnitt wie ein Fehler statt wie eine Entscheidung. Plane mindestens drei Shot-Typen pro Minute und variiere Distanz, Höhe und Blickrichtung bewusst.
Sound-Ebene: der unterschätzte Verstärker
Ton entscheidet über Tempo und Emotionalität stärker als Bildqualität. Ein harter Beat kann einen mittelmäßigen Schnitt retten, ein langsamer Ambient kann eine gute Sequenz zerstören. Plane Sound früh: Welcher Beat markiert den Hook? Wo entsteht Stille? Wo setzt eine Sub-Bass-Bewegung den Übergang?
Storytelling für Kurzformate: Dramaturgie in Sekunden
Kurzformate verzeihen keine Einleitungen. Die klassische Drei-Akt-Struktur funktioniert weiterhin, aber komprimiert: Erste zwei Sekunden Aufmerksamkeit, mittlerer Teil Entwicklung, letzter Teil Belohnung oder überraschende Auflösung.
Der Hook muss visuell sein
Ein Hook ist keine Textzeile, die erklärt, was gleich passiert. Er ist ein Bild, das etwas Ungewöhnliches oder Begehrenswertes zeigt. Statt einer Figur, die eine Tür öffnet, zeig eine Hand, die einen Schlüssel zurücklässt. Der Hook sollte außerdem eine Frage aufwerfen: Warum lässt sie den Schlüssel dort?
Beat-Sheet für eine 30-Sekunden-Reel
| Zeit | Beat | Funktion | Shot-Idee |
|---|---|---|---|
| 0–2 s | Hook | Aufmerksamkeit binden | Detailaufnahme mit Bewegung |
| 2–6 s | Setup | Kontext geben | Halbtotale der Figur |
| 6–14 s | Entwicklung | Erwartung aufbauen | Zwei Shots mit Perspektivwechsel |
| 14–22 s | Wendung | Richtung ändern | Nahaufnahme, Achsensprung bewusst |
| 22–27 s | Eskalation | Tempo erhöhen | Schnellere Schnitte, Kamera näher |
| 27–30 s | Pointe | Belohnung liefern | Standbild oder Loop-Anschluss |
Wendung und Pointe planen statt hoffen
Die Wendung entsteht meist dadurch, dass ein Detail aus dem Setup neu gelesen wird. Die Pointe funktioniert, wenn sie im Rückblick logisch erscheint. Schreibe beide Momente explizit ins Beat-Sheet und markiere, welcher frühere Shot dafür verantwortlich ist. So vermeidest du den Klassiker: schöne Bilder, kein Punch.
Shot-Design: vom Storyboard zum verwertbaren Shot-Prompt
Shot-Design heißt, jedem Bild eine Aufgabe zu geben und diese Aufgabe in eine Beschreibung zu übersetzen, die ein Modell zuverlässig umsetzt.
Einstellungsgrößen und ihre dramaturgische Funktion
| Größe | Wirkung | Einsatz |
|---|---|---|
| Weite | Orientierung, Einsamkeit | Einstieg, Ortswechsel |
| Halbtotale | Figur im Kontext | Handlung etablieren |
| Nahaufnahme | Emotion, Detail | Wendepunkt |
| Detail | Information, Symbol | Hinweise, Requisiten |
| Aufsicht | Unterordnung, Distanz | Unsicherheit, Ausgeliefertsein |
| Untersicht | Dominanz, Größe | Konfrontation, Macht |
Kamerabewegung dosieren
Modelle lieben Bewegung, Zuschauer nicht immer. Zu viele Fahreten und Zooms zerstören die Lesbarkeit. Arbeite mit einer Regel: maximal eine starke Bewegung pro drei Shots. Statische Aufnahmen wirken in Kurzformaten oft hochwertiger, weil sie bewusster erscheinen. Bei langsamen Schwenks über ein Gesicht entsteht Nähe, bei hektischen Orbit-Bewegungen eher Effekt ohne Inhalt.
Licht und Farbe als Erzählebene
Licht ist die schnellste Möglichkeit, einen Stimmungswechsel ohne Schnitt zu erzeugen. Setze drei Lichtzustände für dein Projekt fest: Ausgangslicht, Wendelicht, Endlicht. Beschreibe sie konsistent in jedem Prompt, sonst wirkt die Reel wie eine Collage aus verschiedenen Drehtagen.
Beispiel-Shotliste
| # | Shot | Größe | Bewegung | Licht | Dauer | Zweck |
|---|---|---|---|---|---|---|
| 1 | Schlüssel auf Marmor | Detail | statisch | kalt, hart | 1,5 s | Hook |
| 2 | Figur am Fenster | Halbtotale | leicht vorwärts | diffus, warm | 3 s | Setup |
| 3 | Gesicht, Blick weg | Nah | statisch | Seitenlicht | 2,5 s | Spannung |
| 4 | Schatten an der Wand | Detail | Handkamera | hart, gerichtet | 1 s | Bedrohung |
| 5 | Figur wendet sich zu | Nah | minimal | weiches Gegenlicht | 2 s | Wendung |
| 6 | Tür schließt sich | Weite | statisch | kalt, ruhig | 2,5 s | Pointe |
Eine solche Liste ist mehr wert als zwanzig spontane Prompts. Sie macht sichtbar, was fehlt: Übergänge, Reaktionen, ruhige Momente.
Prompting für Regie: der Bauplan eines Shot-Prompts
Ein Regie-Prompt ist strukturierter als ein Motiv-Prompt. Er beschreibt nicht nur, was zu sehen ist, sondern wie es gefilmt wird und welche Wirkung entstehen soll.
Die neun Bausteine
- Subjekt: Wer oder was, mit zwei bis drei prägenden Merkmalen.
- Handlung: Eine einzige, klar erkennbare Bewegung.
- Setting: Ort plus ein Detail, das die Location verankert.
- Licht: Richtung, Qualität, Tageszeit.
- Optik: Brennweite oder Film-Look als Stichwort.
- Kamerabewegung: Genau eine Bewegung, sparsam dosiert.
- Bildkomposition: Wo im Frame steht das Subjekt?
- Stil und Format: Look, Grading, Seitenverhältnis.
- Ausschlüsse: Was auf keinen Fall im Bild sein soll.
Zwei Beispiel-Prompts
Shot 2 aus der Liste: „Halbtotale, Figur im Profil vor hohem Fenster, hält eine Tasse, Regen läuft an der Scheibe, weiches diffuses Morgenlicht von links, 40 mm, langsame Vorwärtsbewegung, Subjekt links im Frame, ruhiger Cinematic-Look, leicht entsättigt, vertikales 9:16-Format, kein Text, kein zusätzliches Personal, keine harten Schatten.“
Shot 5: „Nahaufnahme, Figur wendet den Kopf zur Kamera, Augen leicht geschlossen, Gegenlicht vom Fenster, warmer Randkontrast, 85 mm, statische Kamera, Subjekt mittig, Hauttextur sichtbar, Filmkorn, keine Überschärfung, kein Lächeln, kein Make-up-Glanz.“
Beide Prompts beschreiben Bewegung, Lichtrichtung und Komposition. Das Modell hat dadurch weniger Interpretationsfreiheit — und das ist gewollt.
Negativ-Prompts und Grenzen
Ausschlüsse reduzieren Streuung deutlich, ersetzen aber keine Planung. Wenn ein Modell eine Handlung nicht versteht, hilft meist eine Zerlegung in zwei kürzere Shots statt ein längerer Negativ-Prompt. Grundsatz: Ein Shot, eine Bewegung, eine Information.
Charakter-, Szenen- und Requisitenkonsistenz
Konsistenz ist der teuerste Teil der Nacharbeit. Wer hier vorplant, spart später ganze Arbeitstage.
Referenzanker und Seeds
Erzeuge für jede Figur zuerst zwei bis drei Referenzbilder: frontal, halbprofil, mit neutraler Beleuchtung. Nutze diese Referenzen in jedem Shot-Prompt als Bild-Input, wenn dein Modell das unterstützt. Zusätzlich lohnt sich ein konsistenter Seed für verwandte Einstellungen, damit Look und Farbcharakter nicht springen.
Location- und Wardrobe-Bibel
Führe ein kurzes Dokument mit drei Abschnitten: Figuren (Merkmale, Frisur, Kleidung, Accessoires), Locations (Material, Fenster, Farben, Lichtquellen) und Requisiten (Objekte, die dramaturgisch wichtig sind). Diese Bibel ist deine Prompt-Bibliothek. Kopiere Formulierungen wörtlich, statt sie jedes Mal neu zu erfinden — genau dadurch entsteht Wiedererkennbarkeit.
Kontinuitäts-Checkliste
- Blickrichtung über Schnittgrenzen hinweg stabil?
- Kleidung, Frisur und Requisiten identisch?
- Lichtrichtung im Raum konstant?
- Farblehre des Projekts eingehalten?
- Bewegungstempo zwischen benachbarten Shots stimmig?
- Bildausschnitt nicht zufällig auf derselben Seite wie der vorherige Shot?
Workflow: von der Idee bis zum fertigen Schnitt
Der folgende Ablauf funktioniert für Einzelpersonen und kleine Teams gleichermaßen. Die Reihenfolge ist wichtiger als die Perfektion.
- Idee verdichten. Schreibe die Reel in einem Satz. Wenn du zwei Sätze brauchst, hast du zwei Videos.
- Beat-Sheet bauen. Sechs Zeilen reichen für 30 Sekunden. Markiere Hook, Wendung und Pointe.
- Shot-Liste ableiten. Ein Beat ergibt ein bis zwei Shots. Notiere Größe, Bewegung, Licht und Zweck.
- Tonplan erstellen oder suchen. Beat-Mapping vor der Generierung, damit Schnittlängen später passen.
- Keyframes erzeugen. Plane Standbilder als visuelle Anker, bevor du animierst. Ändere hier zuerst Komposition und Licht, nicht das Modell.
- Animieren. Ein bis zwei Varianten pro Shot, gleiche Kamerasprache. Bewerte nach Zweck, nicht nach Schönheit.
- Auswahl und Schnitt. Baue den Rohschnitt auf dem Tonplan. Kürze jeden Shot, bis er nur noch seine Aufgabe erfüllt.
- Feinschliff. Grading vereinheitlichen, Übergänge reduzieren, Schrift und Untertitel nur wenn nötig.
- Export-Plan. Eine Master-Datei in maximaler Qualität plus eine vertikale Fassung mit angepasstem Bildausschnitt.
Der wichtigste Schritt ist Schritt 5. Wer Keyframes bewusst gestaltet, verbringt weniger Zeit mit Verwerfen und Nachgenerieren.
Werkzeuge und Auswahlkriterien
Die Werkzeugwahl sollte sich an Kontrolle und Wiederholbarkeit orientieren, nicht an Effektvielfalt.
Werkzeugkategorien
- Skript und Beat-Struktur: Klassische Textwerkzeuge, Storyboard-Apps, tabellenbasierte Planung.
- Bildgenerierung und Keyframes: Midjourney, Stable Diffusion, Firefly und ähnliche Systeme.
- Videogenerierung: Runway, Sora, Kling, Luma Dream Machine, Pika, Veo und weitere. Sie unterscheiden sich vor allem bei Bewegungsstabilität, Referenztreue und Ausgabeformaten.
- Audio: Stimmsynthese mit ElevenLabs, Musik mit Suno oder Udio, Atmo aus lizenzfreien Bibliotheken.
- Schnitt und Grading: DaVinci Resolve, Premiere Pro, CapCut, Descript je nach Teamgröße.
- Review: Kommentarbasierte Freigabe-Tools, wenn mehrere Personen beteiligt sind.
Entscheidungskriterien
| Kriterium | Warum es zählt | Prüffrage |
|---|---|---|
| Referenztreue | Figurenkonsistenz | Bleibt das Gesicht über Shots stabil? |
| Bewegungskontrolle | Kamerasprache | Kannst du Bewegung präzise begrenzen? |
| Prompt-Verständnis | Shot-Treue | Setzt es Komposition und Licht wie beschrieben um? |
| Iterationstempo | Durchsatz | Wie schnell entstehen neue Varianten? |
| Ausgabeformate | Distribution | Vertikal, horizontal, Länge, Bitrate? |
| Bedienoberfläche | Teamfähigkeit | Können mehrere Personen damit arbeiten? |
| Datenkontrolle | Rechtliches | Wo liegen Rohmaterial und Ergebnisse? |
Ein schlanker Standard-Stack
Für die meisten Solo-Creator reicht: eine Tabelle für Beat-Sheet und Shot-Liste, ein Bildmodell für Keyframes, ein Videomodell für Bewegung, ein Audiowerkzeug, ein Schnittprogramm. Wechsle Werkzeuge nur, wenn ein konkretes Problem auftritt — nicht, weil ein neues Modell veröffentlicht wurde. Werkzeugwechsel kosten Lernzeit und zerstören Konsistenz.
Häufige Fehler, Qualitätssicherung und Iteration
Die meisten Probleme in KI-Videos sind wiederkehrend und vermeidbar.
Sieben typische Fehler
- Zu viele Ideen in einer Reel. Zwei Themen halbieren die Wirkung beider.
- Hook als Erklärung. Wenn der Hook erklärt, verliert er die ersten Sekunden.
- Shots ohne Funktion. Schöne Aufnahmen ohne dramaturgische Aufgabe.
- Inkonsistente Lichtrichtung. Zwei Aufnahmen wirken wie zwei Filme.
- Bewegungs-Overkill. Jede Einstellung fährt, zoomt, kreist.
- Ton am Ende. Musik wird zum Flickenteppich statt zum Taktgeber.
- Kein QC-Durchlauf. Fehler wandern bis in den Export.
QC vor dem Export
Betrachte die Reel einmal stumm. Wenn die Handlung ohne Ton unklar ist, liegt das Problem im Shot-Design, nicht in der Musik. Höre sie dann ohne Bild. Wenn der Ton allein keine Spannung erzeugt, fehlt ihm Struktur. Prüfe zum Schluss auf einem kleinen Bildschirm mit schlechtem Licht: Bleibt erkennbar, was passiert?
Iteration mit System
Ändere immer nur eine Variable pro Durchlauf: Licht, dann Bewegung, dann Komposition. Wenn du mehrere Dinge gleichzeitig änderst, lernst du nichts über die Wirkung. Führe ein kurzes Log mit Datum, Prompt-Version und Ergebnisnotiz. Nach zehn Projekten ist dieses Log dein wertvollster Regie-Leitfaden.
FAQ
Brauche ich wirklich ein Storyboard für eine kurze Reel?
Für 30 Sekunden reicht eine Tabelle mit sechs Zeilen. Ein aufwendiges Storyboard ist erst nötig, wenn mehrere Personen oder eine Kundschaft mitentscheiden. Die Tabelle erfüllt denselben Zweck: Sie macht Absichten sichtbar.
Wie viele Varianten sollte ich pro Shot generieren?
Zwei bis drei. Mehr Varianten erzeugen Auswahlstress und selten bessere Ergebnisse. Wenn drei Varianten alle unbrauchbar sind, stimmt der Prompt oder die Idee nicht — dann korrigiere den Prompt, statt weiter zu würfeln.
Wie verhindere ich springende Gesichter zwischen Shots?
Arbeite mit Referenzbildern, einem festen Seed und wörtlich übernommenen Formulierungen für Merkmale. Ändere nie Frisur-, Kleidungs- oder Gesichtsbeschreibungen zwischen Shots. Wenn ein Modell die Figur trotzdem verändert, reduziere die Bewegungsintensität und die Zahl der Personen im Bild.
Kann ich mit dem Sound beginnen statt mit dem Bild?
Ja, und für rhythmische Reels ist das oft besser. Wähle einen Track mit klaren Beats, markiere Hook und Wendung auf der Wellenform und baue Shots an diesen Markern. Der Schnitt wird dadurch automatisch musikalischer.
Was mache ich, wenn das Modell ein zentrales Detail ignoriert?
Zerlege den Shot in zwei kürzere Einstellungen. Beschreibe das Detail allein, ohne weitere Handlung. Häufig ist das Modell schlicht überlastet, wenn fünf Informationen in einem Prompt stehen.
Wie lang sollte eine Reel sein?
So lang wie ihr Inhalt trägt. Eine Pointe braucht selten mehr als zwanzig Sekunden, eine Story mit Wendung kann sechzig Sekunden füllen. Prüfe die Rohfassung ohne Ton und kürze die ersten und letzten zwei Sekunden probeweise.
Lohnt sich ein eigener Prompt-Katalog?
Definitiv. Ein Katalog mit geprüften Formulierungen für Licht, Optik, Bewegungslook und Ausschlüsse ist schneller als jede Neuerfindung. Beginne mit zwanzig Bausteinen und erweitere ihn nach jedem Projekt.
Wie viel Zeit sollte ich pro Reel einplanen?
Für eine strukturierte 30-Sekunden-Reel sind drei bis fünf Stunden realistisch, verteilt auf Planung, Generierung, Auswahl und Schnitt. Die Planung braucht davon dreißig bis vierzig Minuten und spart erfahrungsgemäß ein Vielfaches an Generierungszeit.
Wer Regie als Teil des KI-Workflows versteht und nicht als nachgelagerten Feinschliff, produziert schneller und konsistenter. Der Unterschied liegt nicht im Zugang zu Modellen, sondern in der Klarheit der Absicht: Welche Geschichte, welche Shots, welcher Ton — in dieser Reihenfolge.
