Regie führen mit KI: Rollenklärung statt Prompt-Denken
Wer zum ersten Mal mit generativen Videowerkzeugen arbeitet, verwechselt Regie fast immer mit Prompting. Man beschreibt eine schöne Landschaft, eine dramatische Figur, eine Verfolgungsjagd – und hofft, dass daraus ein filmischer Moment entsteht. Das Ergebnis sieht oft beeindruckend aus, fühlt sich aber selten wie ein Film an. Der Grund ist nicht das Werkzeug, sondern die fehlende Entscheidungsebene: Ein Prompt beschreibt ein Bild, Regie beschreibt eine Absicht.
Regie bedeutet, Entscheidungen zu treffen, die über das einzelne Bild hinausreichen. Welche Perspektive erzählt diese Information am besten? Wie lange darf eine Einstellung dauern, bevor Spannung in Langeweile kippt? Wann darf die Kamera sich bewegen, wann muss sie still halten? Wie verändert sich die Lichtstimmung, wenn die Figur ihre Haltung ändert? Diese Fragen beantwortet kein Modell von selbst. Sie sind deine Aufgabe.
Wenn du KI als virtuellen Regisseur einsetzt, übernimmst du die Rolle der kreativen Leitung. Die Modelle liefern Bild, Bewegung und Stil. Du lieferst Struktur, Kontinuität und emotionale Richtung. Das klingt nach einer Selbstverständlichkeit, ist in der Praxis aber der entscheidende Unterschied zwischen einer losen Sammlung schöner Clips und einer Sequenz, die trägt. Wer diese Rollenteilung akzeptiert, plant anders: nicht clipweise, sondern szenenweise.
Dieser Leitfaden zeigt dir einen vollständigen Workflow für Story-Design und Shot-Planung. Er beginnt bei der dramaturgischen Idee, führt über die Einstellungsliste und das Prompt-Design bis zur Iteration und Nachbearbeitung. Dazu kommen Entscheidungskriterien für die Modellwahl, typische Fehler, ein durchgerechnetes Praxisbeispiel und Antworten auf häufige Fragen.
Story-Design: die unsichtbare Architektur
Story-Design ist die Phase, in der du festlegst, was das Publikum fühlen, verstehen und erinnern soll. Bei generativen Videos ist sie besonders wichtig, weil Modelle keine dramaturgische Intuition besitzen. Sie erkennen Muster in Trainingsdaten, aber sie kennen keine Absicht. Was nicht explizit formuliert ist, existiert für das Modell nicht.
Logline, Ziel und Gegenkraft
Beginne mit einer Logline. Sie besteht aus vier Elementen: Figur, Ziel, Widerstand und Einsatz. Ein Beispiel: Eine einsame Forscherin empfängt ein Signal ihrer verschollenen Schwester und muss entscheiden, ob sie ihre Mission abbricht, um ihm zu folgen. Dieser Satz enthält bereits alles, was du für die weitere Planung brauchst – Figur, Wunsch, Konflikt und den Preis des Scheiterns.
Prüfe deine Logline auf zwei Dinge. Erstens: Ist das Ziel konkret genug, um es im Bild zu zeigen? „Sie sucht Sinn“ ist visuell nicht darstellbar. „Sie sucht eine Koordinate auf einer Sternenkarte“ ist es. Zweitens: Ist der Widerstand aktiv? Ein Sturm ist ein Hindernis, aber kein Gegner mit Absicht. Eine zweite Figur mit entgegengesetztem Ziel erzeugt mehr Spannung.
Die emotionale Kurve planen
Notiere für Anfang, Mitte und Ende, welche Stimmung dominieren soll. Ein Trailer braucht vielleicht Staunen, Bedrohung und Triumph. Eine Charakterstudie braucht Nähe, Zweifel und Erkenntnis. Diese Kurve ist kein Dekor, sie ist eine Produktionsanweisung: Sie bestimmt Einstellungsgrößen, Lichtstimmungen, Schnitttempo und Musik.
Ein nützliches Hilfsmittel ist die Drei-Punkte-Notiz. Schreibe drei Sätze: „Am Anfang fühlt sich das Publikum unsicher, weil es den Ort nicht kennt. In der Mitte fühlt es Beklemmung, weil die Figur allein ist. Am Ende fühlt es Hoffnung, weil ein Licht aufgeht.“ Solche Sätze klingen banal, verhindern aber, dass du später nur nach Optik entscheidest.
Thema und Subtext
Ein häufiger Fehler ist, nur spektakuläre Bilder zu planen. Epische Sequenzen wirken leer, wenn sie kein Thema haben. Worum geht es wirklich – Verlust, Freiheit, Vergebung, Ehrgeiz? Wenn du das Thema kennst, kannst du jede Einstellung darauf prüfen. Eine Nahaufnahme auf zitternde Hände sagt oft mehr über Angst als eine Explosion. Ein leerer Stuhl im Hintergrund erzählt eine ganze Vorgeschichte.
Subtext entsteht durch Auslassung. Zeige die Reaktion, nicht die Ursache. Der Schnitt auf ein Gesicht, das etwas begreift, ist wirkungsvoller als die Erklärung, was begriffen wird. Plane bewusst mindestens eine Einstellung pro Sequenz, die nur über Andeutung arbeitet.
Figuren- und Weltkonsistenz als Produktionsregel
Konsistenz ist die größte technische Hürde. Figuren wechseln Gesichtszüge, Kleidung oder Proportionen. Welten verändern Stil, Farbpalette oder Architektur. Um das zu kontrollieren, brauchst du ein Regelwerk – eine visuelle Bibel mit Referenzbildern, Farbcodes, Kleidungsdetails, Frisuren, Accessoires und typischen Kamerawinkeln.
Beschreibe jede Figur mit wiederkehrenden Merkmalen. Statt „Frau mit Mantel“ schreibst du: schmale Frau Ende dreißig, rotes Haar zu einem tiefen Zopf, grauer Wollmantel mit Messingknöpfen, kleine Narbe über der linken Augenbraue. Je spezifischer die Merkmale, desto stabiler bleiben sie über viele Generierungen. Verwende für zentrale Merkmale immer dieselben Wörter. Wenn die Figur im ersten Prompt rotes Haar hat, schreibe später nicht kastanienbraune Mähne – das Modell könnte daraus eine andere Person machen.
Für die Welt legst du Palette und Lichtlogik fest. Eine Science-Fiction-Szene könnte kaltes Blau, hartes Seitenlicht und nasse Oberflächen nutzen. Ein Fantasy-Epos könnte warmes Gold, weiches Gegenlicht und weite Horizonte verwenden. Diese Regeln gelten für jede Einstellung, unabhängig davon, welches Werkzeug du gerade benutzt.
Vom Skript zur Shot-Liste
Shot-Planung ist die Brücke zwischen Dramaturgie und Technik. Du übersetzt Szenen in einzelne Einstellungen, und jede Einstellung bekommt genau eine Aufgabe: Orientierung geben, Emotion verdichten, Information zurückhalten, Bewegung zeigen oder einen Übergang vorbereiten.
Einstellungsgrößen und ihre Funktion
Die klassischen Größen helfen auch hier. Die weite Einstellung zeigt Ort, Größe und Isolation. Die halbnahe zeigt Beziehung zwischen Figur und Umgebung. Die nahe zeigt Emotion. Das Detail zeigt Bedeutung. Kombiniere sie so, dass ein Rhythmus entsteht: Ein Wechsel von weit zu nah wirkt wie ein Gedanke, der sich verdichtet.
Ein praktischer Trick: Notiere hinter jeder Einstellung in Klammern die Funktion, zum Beispiel (Orientierung), (Zweifel), (Enthüllung), (Ausklang). Wenn eine Einstellung keine solche Notiz bekommt, ist sie wahrscheinlich überflüssig und kann gestrichen werden.
Kamerabewegung motivieren
Bewegung muss einen Grund haben. Ein langsamer Push-in verstärkt Spannung, weil er Nähe erzwingt. Ein Mitfahrt-Bewegung folgt einer Figur und erzeugt Dynamik. Ein Orbit zeigt ein Objekt als bedeutsam. Stillstand wiederum signalisiert Ruhe, Beobachtung oder Bedrohung.
Bei generativen Modellen gilt: weniger ist mehr. Zu viele Bewegungen in einem Clip führen zu Verzerrungen, weil das Modell gleichzeitig Bewegung, Perspektive und Identität stabil halten muss. Ein Clip mit einem langsamen, klaren Kameraweg schlägt fast immer einen Clip mit drei gleichzeitigen Bewegungen.
Keyframes als visuelle Anker
Keyframes sind Einzelbilder, die du vor der Videogenerierung festlegst. Sie definieren Anfang, Mitte und Ende einer Einstellung. Viele Werkzeuge erlauben Start- und Endbild. Dadurch bleibt die Figur stabiler und die Bewegung berechenbarer. Wenn du mit mehreren Modellen arbeitest, sind Keyframes der gemeinsame Nenner – sie machen Ergebnisse vergleichbar.
Erstelle Keyframes für alle dramaturgisch wichtigen Momente: erste Enthüllung, Wendepunkt, emotionale Reaktion, finaler Blick. Dieselben Bilder dienen später als Referenz für Farbkorrektur und Schnitt.
Format einer belastbaren Shot-Liste
Eine Shot-Liste enthält pro Einstellung: Nummer, Dauer, Einstellungsgröße, Kamerabewegung, Beschreibung der Handlung, Dialog oder Sound, beteiligte Figuren, Requisiten, Lichtstimmung und technische Hinweise wie Bildrate oder Seitenverhältnis. Eine Tabelle genügt; wichtiger als das Format ist die Disziplin, jede Einstellung auf ihre Funktion zu prüfen.
Ergänze eine Spalte für Emotion. Sie ist beim Prompt-Design Gold wert, weil sie dir sagt, welche Wörter du betonen musst. „Unsicherheit“ führt zu anderen Formulierungen als „Triumph“ – auch bei identischem Bildinhalt.
Der Produktionsworkflow in sechs Phasen
Ein stabiler Ablauf verhindert, dass du dich in hundert Varianten verlierst. Die folgenden sechs Phasen haben sich bewährt.
Phase 1: Konzept und Treatment. Schreibe ein Treatment von einer Seite. Es beschreibt Handlung, Figuren, Konflikt und visuellen Stil. Halte es kurz genug, um es in zehn Minuten umzuschreiben. Das Treatment ist dein Vertrag mit dir selbst: Was nicht hineinpasst, fliegt raus.
Phase 2: Szenenzerlegung. Teile das Treatment in Szenen und dann in Einstellungen. Achte auf Übergänge. Ein harter Schnitt betont Konflikt, eine Überblendung lässt Zeit vergehen, ein Match Cut verbindet zwei Orte über eine Form oder Bewegung.
Phase 3: Prompt-Design. Ein guter Video-Prompt enthält Motiv, Handlung, Kamerawinkel, Bewegung, Licht, Stil, Stimmung und technische Parameter. Beispiel: weite Einstellung, neblige Bergkette bei Sonnenaufgang, eine einsame Figur in rotem Mantel geht langsam einen Grat entlang, Kamera fährt seitlich mit, kaltes blaues Licht, filmischer Look, 24 Bilder pro Sekunde, ruhige Bewegung.
Phase 4: Modellwahl und Test. Wähle Werkzeuge passend zur Aufgabe und teste sie mit derselben kurzen Szene. So erkennst du, welches System bei Gesichtern, Landschaften, Action oder Animation zuverlässig liefert.
Phase 5: Generierung und Iteration. Generiere zuerst kurze Clips. Ändere bei jedem Durchlauf nur eine Variable, sonst weißt du nicht, was den Unterschied gemacht hat. Speichere jede Version mit Nummer und Notiz.
Phase 6: Schnitt, Sound, Finish. Der Schnitt macht aus Clips einen Film. Beginne mit einer Rohfassung ohne Effekte, prüfe Tempo und emotionale Kurve. Danach folgen Farbkorrektur, Sounddesign und Musik. Sound ist bei generativen Videos besonders wichtig, weil er fehlende Details überdeckt und die wahrgenommene Qualität stark beeinflusst.
Modellwahl und Ressourcenplanung
Viele Produktionen scheitern nicht an Ideen, sondern an unübersichtlicher Planung. Sobald du mit mehreren Werkzeugen arbeitest, brauchst du eine einfache Übersicht: Welches System erledigt welche Aufgabe? Welche Auflösung, Länge und Bildrate werden unterstützt? Wo entstehen Engpässe?
Baue eine Testmatrix mit vier Kriterien: Figurenkonsistenz, Bewegungstreue, Stilvielfalt und Geschwindigkeit. Bewerte jedes Werkzeug auf einer Skala von eins bis fünf, indem du dieselbe fünfsekündige Testszene generierst. Das beste System ist selten das mit den spektakulärsten Demos, sondern das, das deine wiederkehrenden Aufgaben zuverlässig löst.
Eine bewährte Aufteilung: ein Hauptmodell für Figuren und Emotion, ein Zweitmodell für Umgebungen oder Action. Das Hauptmodell liefert Kontinuität, das Zweitmodell erweitert die Welt. Wichtig ist, dass beide mit denselben Keyframes und Farbregeln gefüttert werden.
Plane auch Rechenzeit und Speicher realistisch. Hohe Auflösungen und lange Clips kosten Zeit. Für Testläufe reichen kurze Sequenzen in reduzierter Qualität. Erst wenn Komposition, Licht und Bewegung stimmen, gehst du in die finale Auflösung. Reserviere außerdem Zeit für Exportvarianten: verschiedene Seitenverhältnisse, Untertitelversionen und stille Fassungen für spätere Vertonung.
Konsistenz über mehrere Szenen sichern
Konsistenz entsteht durch Wiederholung und Kontrolle, nicht durch Glück. Arbeite mit Charakter-Sheets: Bilder, die die Figur von vorn, seitlich und hinten zeigen. Manche Werkzeuge können solche Referenzen direkt verwenden. Wenn nicht, nutze Keyframes als visuelle Anker und beschreibe die Figur mit identischen Formulierungen.
Für Orte erstellst du ein Location-Sheet mit Grundriss, Lichtstimmung und Materialien. So bleibt die Welt glaubwürdig, auch wenn die Kamera neue Winkel zeigt. Notiere, welche Seite des Raums das Fensterlicht hat und in welche Richtung Schatten fallen – sonst springt die Lichtrichtung zwischen zwei Einstellungen.
Zwei weitere Regeln helfen. Erstens: Etabliere jede Figur zuerst in einer neutralen Pose, bevor du Action generierst. Zweitens: Reduziere Merkmale auf maximal drei prägende Details. Figuren mit zwölf beschriebenen Eigenschaften verlieren schneller ihre Identität, weil das Modell die Informationen nicht gleichmäßig gewichtet.
Tempo, Rhythmus und visuelle Dynamik
Tempo ist nicht nur Schnittfrequenz. Es ist die Art, wie sich Information und Emotion entfalten. Ein langsamer Anfang mit weiten Einstellungen erzeugt Ehrfurcht. Ein plötzlicher Wechsel zu kurzen Nahaufnahmen erzeugt Panik. Du steuerst Tempo über Einstellungsdauer, Kamerabewegung, Musik und Soundeffekte.
Visuelle Dynamik entsteht durch Kontraste: hell gegen dunkel, weit gegen nah, still gegen bewegt, warm gegen kalt, Ordnung gegen Chaos. Plane diese Kontraste bewusst. Wenn jede Einstellung gleich aussieht, wirkt selbst eine spektakuläre Szene flach.
Ein nützliches Verfahren ist der Rhythmus-Check. Lege alle Clips auf eine Timeline und markiere die emotionalen Höhepunkte mit Farbmarkern. Liegen zwei Höhepunkte zu nah beieinander, schwächst du einen ab oder verschiebst ihn. Herrscht zu viel Leerlauf, kürze oder füge eine visuelle Wendung ein – etwa eine neue Perspektive oder ein Detail, das neue Fragen aufwirft.
Achte zusätzlich auf Atempausen. Nach einer dichten Sequenz braucht das Publikum einen Moment, um das Gesehene zu verarbeiten. Eine ruhige Einstellung, ein Landschaftsbild oder ein langsamer Schwenk kann diese Funktion übernehmen.
Praxisbeispiel: eine 45-sekündige Eröffnung
Angenommen, du planst die Eröffnung einer Kurzgeschichte: Eine Forscherin betritt eine verlassene Sternwarte und findet ein Signal, das von einer längst vergangenen Expedition stammt. Die emotionale Kurve lautet Neugier, Beklemmung, Staunen, Entschlossenheit.
Shot 1: weite Einstellung, Sternwarte auf einem Hügel, Nacht, Nebel, langsamer Push-in, 6 Sekunden. Funktion: Ort und Isolation. Shot 2: halbnah von hinten, Forscherin geht durch eine Tür, Lichtkegel der Taschenlampe, ruhige Kamera, 5 Sekunden. Funktion: Eintritt in die Welt. Shot 3: Detail, Staub auf einem Kontrollpult, Finger wischt darüber, warmes Licht, 4 Sekunden. Funktion: Vergangenheit und Berührung. Shot 4: Nahaufnahme, Augen weit geöffnet, Reflexion eines blauen Lichts, 3 Sekunden. Funktion: Emotion. Shot 5: weite Einstellung, riesiges Teleskop erwacht zum Leben, Lichtstrahlen, langsamer Orbit, 8 Sekunden. Funktion: Staunen und Größe.
Shot 6: halbnah, Forscherin tritt vor einen Bildschirm, Hände zittern, kühle Farben, 6 Sekunden. Funktion: Konflikt. Shot 7: Detail, Signalwellen auf dem Bildschirm, flackernde Zahlen, 4 Sekunden. Funktion: Information. Shot 8: Nahaufnahme, Entschlossenheit, warmes Gegenlicht, 4 Sekunden. Funktion: Wendepunkt. Shot 9: weite Einstellung, sie verlässt die Sternwarte, Morgenlicht, Kamera zieht zurück, 8 Sekunden. Funktion: Ausklang und Hoffnung.
Für jeden Shot erstellst du Keyframes, einen Prompt und Soundnotizen. Die Forscherin bleibt konsistent durch rotes Haar, grauen Mantel und eine Narbe über der Augenbraue. Die Sternwarte bleibt konsistent durch runde Architektur, Messingdetails und blaues Licht. Das Tempo steigt zwischen Shot 4 und Shot 7 und fällt in Shot 9 bewusst ab.
Häufige Fehler und ihre Korrekturen
Fehler 1: Zu viele Details in einem Prompt. Das Modell gewichtet alle Angaben gleich und verliert die wichtigen. Korrektur: Reduziere auf drei prägende Merkmale, verteile Details auf mehrere Einstellungen.
Fehler 2: Keine einheitliche Farbpalette. Jede Einstellung wirkt wie aus einem anderen Film. Korrektur: Definiere drei Hauptfarben plus eine Akzentfarbe und prüfe jeden Clip dagegen.
Fehler 3: Figuren verändern sich. Korrektur: Charakter-Sheets, Keyframes, identische Formulierungen, kürzere Segmente.
Fehler 4: Kamerabewegung ohne Motivation. Korrektur: Frage bei jeder Bewegung, was sie dem Publikum sagt. Fällt dir keine Antwort ein, lass sie weg.
Fehler 5: Sound wird vergessen. Korrektur: Plane Atmosphäre, Geräusche und Musik von Anfang an. Ein dünner Ton macht ein gutes Bild unglaubwürdig.
Fehler 6: Alles wird gleich lang. Acht gleich lange Einstellungen erzeugen Monotonie. Korrektur: Variiere bewusst zwischen drei und zehn Sekunden.
Fehler 7: Fehlende Übergangslogik. Korrektur: Notiere bei jedem Schnitt, warum er genau hier sitzt – wegen einer Bewegung, eines Blicks oder eines Klangs.
Fehler 8: Keine Versionierung. Korrektur: Nummeriere Durchläufe und notiere die geänderte Variable. Sonst wiederholst du Fehler unbemerkt.
FAQ und Entscheidungshilfen
Woran erkenne ich, welches Werkzeug das richtige ist?
Teste nach vier Kriterien: Figurenkonsistenz, Bewegungstreue, Stilvielfalt und Geschwindigkeit. Generiere mit jedem System dieselbe Testszene und vergleiche nebeneinander. Entscheide dich für das zuverlässigste, nicht für das spektakulärste.
Wie lang sollten einzelne Clips sein?
Beginne mit drei bis fünf Sekunden. Kurze Clips sind stabiler und leichter zu korrigieren. Ruhige Landschaften funktionieren auch in acht bis zehn Sekunden, sofern die Bewegung gering bleibt.
Brauche ich ein visuelles Storyboard?
Ein Storyboard hilft, ist aber nicht zwingend. Eine textliche Shot-Liste mit Keyframes reicht häufig. Entscheidend ist, dass du vor der Generierung weißt, welche Funktion jede Einstellung hat.
Wie vermeide ich Wiederholung im Bildaufbau?
Variiere Einstellungsgröße, Lichtrichtung, Perspektive und Bewegungsrichtung. Zwei aufeinanderfolgende Clips mit gleicher Größe und Bewegung lassen die Szene statisch wirken. Ein Seitenwechsel der Kamera kann einen Perspektivwechsel markieren.
Was tue ich bei schlechter Konsistenz?
Reduziere die Zahl der Merkmale, verwende Referenzbilder, arbeite mit kürzeren Segmenten und etabliere die Figur zuerst in neutraler Pose. Oft hilft es, die Umgebung separat zu generieren und die Figur erst danach einzufügen.
Wie gehe ich mit Dialogen um?
Plane Dialoge sparsam und schneide auf Reaktionen. Die Kamera muss nicht auf dem Sprecher bleiben. Ein Schnitt auf die Zuhörerin sagt oft mehr. Vertone Dialoge separat und nutze die generierten Bilder als Bildspur.
Wie viele Durchläufe sind normal?
Drei bis fünf Durchläufe pro Einstellung sind realistisch, bei komplexen Bewegungen mehr. Plane diese Zeit von Anfang an ein, statt sie als Scheitern zu interpretieren.
Wie dokumentiere ich eine Produktion sinnvoll?
Führe ein Projektdokument mit Logline, emotionaler Kurve, Figurenregeln, Farbpalette, Shot-Liste und Versionsnotizen. Wenn du nach zwei Wochen zurückkehrst, rettet dich dieses Dokument vor dem Neuanfang.
Fazit in drei Sätzen
Behandle generative Videoproduktion als Filmemachen, nicht als Prompt-Spiel. Story-Design, Shot-Planung, Konsistenzregeln und ein klarer Ablauf sind wichtiger als der nächste spektakuläre Einfall. Wer Absicht, Struktur und Wiederholung ernst nimmt, verwandelt einzelne Clips in eine Geschichte, die das Publikum tatsächlich fühlt.
