Ein Kurzfilm scheitert selten an fehlender Technik. Er scheitert an einem unklaren Drehbuch, an Szenen, die nicht zueinander passen, und an Figuren, die von Einstellung zu Einstellung ihr Gesicht, ihre Kleidung oder ihre Motivation verlieren. Genau hier setzt KI-Regieassistenz an: als strukturierter Gegenpart zur reinen Videogenerierung, der vor dem ersten Prompt für Ordnung sorgt und nach der letzten Einstellung für Zusammenhang.
Dieser Leitfaden zeigt einen kompletten, werkzeugneutralen Workflow für Kurzfilme – von der Logline über Storyboard und Kameraführung bis zu Ton, Schnitt und Qualitätskontrolle. Du erfährst, welche Aufgaben KI-Assistenz sinnvoll übernimmt, wo menschliche Entscheidungen unverzichtbar bleiben und mit welchen Routinen du vermeidest, dass dein Projekt in der Iterationsschleife verschwindet.
Was KI-Regieassistenz wirklich leistet
Regieassistenz durch KI ist kein Knopf, der aus einer Idee einen fertigen Film macht. Sie ist eine Schicht zwischen Konzept und Generierung, die vier Aufgaben erfüllt: strukturieren, konsistent halten, Varianten erzeugen und bewerten.
Strukturieren. Aus einer vagen Idee wird eine Szenenliste mit klarer Funktion pro Szene. Jede Einstellung bekommt einen Zweck: Figur etablieren, Konflikt eskalieren, Wendepunkt setzen, auflösen. Szenen ohne Funktion werden gestrichen – das ist der unspektakulärste und wirksamste Teil der Arbeit.
Konsistent halten. Figuren, Orte, Requisiten und Lichtstimmung werden als beschreibbare Merkmale hinterlegt und in jeder Einstellung erneut referenziert. So bleiben Gesichtszüge, Kleidung, Frisur, Jahreszeit und Wetter über Dutzende Clips hinweg stabil genug, dass der Schnitt nicht wie eine Collage wirkt.
Varianten erzeugen. Für jede Einstellung entstehen mehrere Ausführungen: andere Brennweite, andere Blickrichtung, andere Tageszeit. Du bekommst Auswahl, ohne improvisieren zu müssen.
Bewerten. KI-Assistenz hilft beim Sichten: Welche Takes passen zur Szenenfunktion? Wo bricht die Figur? Wo ist der Bildausschnitt zu eng für die spätere Montage? Diese Bewertung ist ein Filter, keine Entscheidung.
Die wichtigste Erwartungshaltung: KI beschleunigt Vorbereitung und Produktion, ersetzt aber nicht die dramaturgische Entscheidung. Wer nicht weiß, was eine Szene leisten soll, bekommt auch mit Assistenz keinen funktionierenden Film.
Der komplette Workflow in sieben Phasen
Der folgende Ablauf lässt sich mit jeder Kombination aus Textmodell, Bildgenerator und Videomodell umsetzen. Entscheidend ist die Reihenfolge – nicht das einzelne Werkzeug.
Phase 1: Konzept, Logline und Zielformat
Beginne mit drei Sätzen: Wer will was, was steht im Weg, wie endet es? Ergänze das Format: 60 Sekunden vertikales Video, 5 Minuten horizontal, 90 Sekunden Trailer. Format bestimmt Dramaturgie. Ein 60-Sekunden-Film verkraftet einen Wendepunkt, ein Fünf-Minüter braucht zwei bis drei.
Lege außerdem die Ausgabequalität fest: Seitenverhältnis, Auflösung, Bildrate, gewünschte Tonspur. Diese Werte ändern sich später nur unter Schmerzen, weil generierte Clips nicht beliebig skaliert werden können.
Phase 2: Drehbuch und Szenenliste
Schreibe das Drehbuch in Szenen, nicht in Bildern. Jede Szene erhält eine Zeile Beschreibung, einen Konflikt und einen Ausgang. Danach zerlegst du jede Szene in Einstellungen – im Schnitt drei bis acht pro Szene für einen kurzen Film.
Ein bewährtes Werkzeug ist die Szenentabelle mit den Spalten: Nummer, Ort, Zeit, Figuren, Funktion, geschätzte Dauer, benötigte Einstellungen. Diese Tabelle wird zur einzigen Wahrheitsquelle. Alles Weitere – Storyboard, Prompts, Takes, Schnittfassungen – verweist auf diese Nummern.
Phase 3: Storyboard und visuelle Referenzen
Erzeuge für jede Einstellung ein Standbild. Das Storyboard muss nicht schön sein, es muss Entscheidungen sichtbar machen: Wo steht die Kamera? Wer ist im Bild? Welche Lichtstimmung herrscht?
Arbeite mit Referenzbildern für Figuren und Orte. Ein Figurenblatt mit drei Ansichten – frontal, Halbprofil, Rückansicht – verhindert die häufigste Fehlerquelle überhaupt: wechselnde Gesichter im fertigen Film.
Phase 4: Prompt-Architektur pro Einstellung
Baue Prompts modular statt als einen langen Satz. Ein bewährter Aufbau:
- Figur: Merkmale, Kleidung, Alter, Haltung
- Handlung: was konkret in dieser Einstellung passiert
- Kamera: Brennweite, Höhe, Bewegung, Achse
- Licht und Farbe: Tageszeit, Lichtquelle, Palette
- Ort: Architektur, Hintergrund, Requisiten
- Stil: Realismusgrad, Filmkorn, Kontrast
- Technik: Seitenverhältnis, Dauer, Bildrate
Halte die Module über Szenen hinweg identisch. Ändere pro Einstellung nur Handlung und Kamera. Das ist der eigentliche Konsistenztrick – nicht ein magischer Parameter.
Phase 5: Generierung und Take-Auswahl
Generiere pro Einstellung drei bis fünf Takes. Bewerte sie mit einer kurzen Checkliste: Figur korrekt, Handlung erkennbar, Bildaufbau tragfähig, Bewegung natürlich, Anschlussfähigkeit zum Nachbarn. Sortiere kompromisslos aus. Ein mittelmäßiger Take kostet im Schnitt mehr Zeit als eine neue Generierung.
Phase 6: Montage und Rhythmus
Setze die Takes in Szenenreihenfolge zusammen und schneide auf Handlung, nicht auf Clip-Grenzen. Ein häufiger Fehler: Clips werden in voller Länge verwendet, weil sie so schön sind. Schneide gnadenlos an, sobald die Information angekommen ist.
Prüfe den Rhythmus laut mitzählend. Wo hängt der Film? Wo ist ein Schnitt zu früh? Wo fehlt eine Zwischeneinstellung, damit der Ortswechsel verständlich ist?
Phase 7: Ton, Farbe, Feinschliff
Erst jetzt kommen Musik, Geräusche und Sprachaufnahmen dazu. Lege die Tonspur vor der Farbkorrektur an, sonst passt du zweimal an. Eine einfache Regel: Musik trägt Szenenübergänge, Geräusche tragen Räume, Dialog trägt Konflikte.
Narrative Konsistenz über Dutzende Clips hinweg
Konsistenz ist kein Zufall, sondern ein Datenproblem. Führe ein Projektlexikon mit festen Beschreibungen für alles, was wiederkehrt:
- Figuren: Name, Alter, Gesichtsmerkmale, Frisur, Garderobe, Accessoires, typische Haltung
- Orte: Grundriss, Materialien, Lichtsituation, wiederkehrende Requisiten
- Zeit: Tageszeit, Jahreszeit, Wetter, Lichtrichtung
- Stil: Palette, Kontrast, Linse, Korn, Bewegungstempo
Diese Einträge werden wörtlich in jeden Prompt kopiert. Kreativität fließt in Handlung und Kamera – nicht in die Beschreibung der Garderobe.
Zusätzlich hilft eine visuelle Kontinuitätsprüfung. Lege alle fertigen Takes einer Szene nebeneinander als Kontaktabzug und prüfe: gleiche Lichtrichtung, gleiche Kleidungsdetails, gleiche Position von Requisiten, plausible Achsenverhältnisse. Vier von fünf Kontinuitätsfehlern fallen in dieser Ansicht sofort auf.
Bei Figuren mit viel Bildschirmzeit lohnt sich ein Referenzbild, das in jeder Generierung mitgegeben wird. Bei Nebenfiguren reicht eine textliche Beschreibung. Diese Abstufung spart enorm viel Zeit.
Bildsprache und Kameraführung gezielt steuern
Kameraführung ist die Sprache, in der ein Film seine Beziehung zur Figur verrät. Drei Parameter reichen für den Anfang.
Distanz. Weit bedeutet Kontext und Einsamkeit, mittel bedeutet Handlung, nah bedeutet Emotion. Wechsle die Distanz nicht ohne Grund. Eine Szene, die durchgehend in Halbtotalen spielt, wirkt distanziert – das kann gewollt sein.
Höhe. Augenhöhe ist neutral, Untersicht macht mächtig, Aufsicht macht verletzlich. Zu viele Wechsel wirken unruhig. Wähle pro Szene eine Grundhaltung und brich sie nur am Wendepunkt.
Bewegung. Statisch wirkt beobachtend, Schwenk folgt, Fahrt begleitet, Handkamera nervt – im guten wie im schlechten Sinn. KI-generierte Kamerabewegung ist am überzeugendsten, wenn die Bewegung ruhig und eindeutig ist. Komplexe Kombinationen aus Fahrt, Zoom und Rotation produzieren oft Artefakte.
Ein praktisches Vorgehen: Schreibe für jede Einstellung einen Kamerabefehl in einer Zeile – etwa „statisch, Augenhöhe, 50 mm, Halbtotale, Figur links im Bild“. Diese Zeile kommt wörtlich in den Prompt und zusätzlich in die Szenentabelle. So entsteht eine dokumentierte Bildsprache statt eines Zufallsmixes.
Dialog, Stimme und Sound-Design
Dialog ist bei KI-Video der unterschätzteste Aufwandsposten. Zwei Wege funktionieren zuverlässig.
Weg A: Lippensynchron im Clip. Funktioniert bei ruhigen, frontalen Einstellungen mit kurzen Sätzen. Längere Monologe, schnelle Sprechwechsel und starke Kopfbewegungen führen zu sichtbaren Fehlern. Halte den Dialog hier auf zwei bis drei Sätze pro Einstellung.
Weg B: Voice-over und Off-Ton. Der Sprecher erzählt, das Bild illustriert. Das ist robust, kostengünstig und dramaturgisch oft stärker als Lippenbewegungen. Für Kurzfilme mit knapper Zeit ist Off-Ton fast immer die bessere Wahl.
Für die Tonspur gilt eine einfache Hierarchie: Sprachverständlichkeit vor Musik, Musik vor Atmosphäre, Atmosphäre vor Effekten. Senke die Musik, sobald Dialog läuft, statt den Dialog lauter zu drehen. Achte auf eine durchgehende Raumtiefe: Ein Geräusch ohne Nachhall klingt in einem gefliesten Raum falsch.
Bei generierten Stimmen lohnt sich immer eine manuelle Nachbearbeitung: Atemgeräusche, kleine Pausen und ein leichter Szenen-Hall machen synthetische Sprache deutlich glaubwürdiger.
Technische Pipeline: Dateien, Versionen, Rendering
Professionelle Ergebnisse entstehen aus langweiliger Organisation.
Ordnerstruktur. Ein Ordner pro Projekt, darunter: 01_konzept, 02_drehbuch, 03_storyboard, 04_referenzen, 05_takes, 06_audio, 07_schnitt, 08_export. Takes werden nach Szenen- und Einstellungsnummer benannt, nicht nach Zufalls-IDs.
Versionierung. Jeder Schnitt bekommt eine Versionsnummer und ein Änderungslog in zwei Zeilen: was geändert, warum. Nach spätestens zehn Fassungen rettet dich dieses Log.
Auflösung und Bildrate. Arbeite intern in derselben Bildrate wie im Export. Mischformate erzeugen Ruckler, die im Schnittprogramm nicht sichtbar sind, im Export aber auffallen.
Länge und Speicher. Generierte Clips sind groß. Rendere Vorschauen in niedriger Auflösung und tausche erst am Ende gegen die Originale aus. Das beschleunigt jede Iteration erheblich.
Backups. Sichere Referenzbilder, Projektlexikon und Szenentabelle getrennt vom Videomaterial. Diese drei Dateien sind wichtiger als einzelne Takes, weil sie die Arbeit reproduzierbar machen.
Typische Fehler und wie du sie vermeidest
Zu viele Ideen pro Minute. Fünf Wendepunkte in 90 Sekunden ergeben Hektik, keine Spannung. Kürze auf einen Hauptkonflikt.
Prompts werden unterwegs umformuliert. Sobald Wortwahl variiert, variiert auch das Bild. Nutze kopierte Textbausteine.
Alles wird generiert, nichts wird gedreht. Reale Aufnahmen von Händen, Requisiten oder Landschaften als Zwischenschnitte erhöhen die Glaubwürdigkeit enorm und kosten fast nichts.
Kein Anschluss geplant. Zwischen zwei Einstellungen braucht das Publikum einen Orientierungspunkt: gleiche Lichtrichtung, gleiches Objekt im Bild, gleiche Bewegung. Fehlt er, wirkt der Schnitt wie ein Fehler.
Ton wird zuletzt gedacht. Wer Ton erst nach dem Bildschnitt plant, schneidet zweimal. Skizziere die Tonidee pro Szene schon in der Szenentabelle.
Perfektionismus beim ersten Take. Der erste Durchlauf dient der Struktur. Erst der zweite lohnt Feinschliff. Wer beim ersten Clip um Farbwerte ringt, verliert Tage.
Lizenz- und Rechtefragen ignorieren. Prüfe vor dem Export die Nutzungsbedingungen aller verwendeten Werkzeuge, Modelle, Musikstücke und Stimmen. Das ist kein Bürokratieschritt, sondern der Unterschied zwischen einem Projekt und einem veröffentlichten Film.
Entscheidungshilfe: Wann sich welcher Ansatz lohnt
Nicht jedes Projekt braucht dieselbe Tiefe. Eine grobe Orientierung:
| Projekttyp | Aufwand | Empfehlung |
|---|---|---|
| Social-Clip, 15–30 s | gering | Ein Konflikt, drei bis fünf Einstellungen, Off-Ton |
| Kurzfilm, 1–3 min | mittel | Szenentabelle, Storyboard, Take-Auswahl, Musik |
| Kurzfilm, 5–10 min | hoch | Projektlexikon, Figurenblätter, mehrere Schnittfassungen |
| Serie mit wiederkehrender Figur | sehr hoch | Strikte Referenzbilder, dokumentierter Stil, Archiv |
Die Faustregel: Je länger das Format und je wiederkehrender die Figuren, desto mehr Zeit wandert von der Generierung in die Vorbereitung. Bei kurzen Clips ist Improvisation effizient. Bei allem über einer Minute ist Dokumentation schneller als Improvisation.
Checkliste vor dem finalen Rendern
- Szenentabelle vollständig, alle Einstellungen abgehakt
- Figur, Garderobe und Licht in allen Szenen visuell geprüft
- Achsenverhältnisse plausibel
- Schnittlängen auf Handlung optimiert, keine Reste
- Tonspur mit Sprachen verständlich, Musik angepasst
- Farbwerte über alle Szenen konsistent
- Exportformat, Auflösung und Bildrate korrekt
- Dateien benannt, Projektarchiv gesichert
- Rechte an Musik, Stimmen und Modellen geprüft
Wer diese neun Punkte abarbeitet, hat mehr getan als die meisten KI-Videoprojekte – und das ist im Ergebnis sichtbar.
FAQ zur KI-Regieassistenz
Brauche ich ein eigenes Drehbuch, wenn ich KI nutze? Ja. Ein Drehbuch ist keine Formalität, sondern die einzige Instanz, die entscheidet, welche Einstellung überhaupt nötig ist. Ohne diese Instanz produziert du Material, das du im Schnitt nicht brauchst.
Wie viele Takes pro Einstellung sind sinnvoll? Drei bis fünf. Bei schwierigen Figuren- oder Bewegungseinstellungen bis acht. Mehr als zehn bedeutet meist, dass der Prompt oder die Referenz nicht stimmt.
Wie verhindere ich wechselnde Gesichter? Durch ein Figurenblatt mit mehreren Ansichten, einen wortgleichen Beschreibungstext in jedem Prompt und eine Notiz zu Frisur, Kleidung und Accessoires. Änderungen an diesen Merkmalen nur an dramaturgisch begründeten Stellen.
Funktioniert ein längerer Dialog im generierten Clip? Nur eingeschränkt. Ab etwa drei Sätzen pro Einstellung steigt die Fehlerquote sichtbar. Schnitt-Gegenschnitt mit kurzen Sätzen oder Off-Ton sind zuverlässiger.
Wie lang sollte ein KI-Kurzfilm sein? Für den Einstieg 60 bis 120 Sekunden. Diese Länge lässt sich vollständig durchplanen, und du erkennst Kontinuitätsprobleme früh. Verlängern kannst du danach mit demselben System.
Kann ich reale Aufnahmen mit generierten mischen? Ja, und es ist eine der wirksamsten Techniken. Reale Zwischenschnitte – Hände, Straßen, Landschaften – erden die generierten Szenen. Achte nur auf konsistente Lichtrichtung und Farbtemperatur.
Was ist der häufigste Grund, warum solche Projekte scheitern? Nicht Technik, sondern fehlende Vorbereitung. Wer ohne Szenenliste startet, generiert, verwirft und generiert erneut – bis Motivation oder Zeit aufgebraucht sind. Die Vorbereitung ist der billigste Teil der Produktion und der mit dem größten Hebel.
Wie viel Zeit sollte ich einplanen? Für einen zweiminütigen Kurzfilm mit etwa 20 Einstellungen: mehrere Stunden für Konzept und Szenenliste, ebenso viel für Storyboard und Prompts, die Generierung verteilt über mehrere Durchläufe, und mindestens genauso viel Zeit für Ton und Schnitt wie für die Bildgenerierung selbst.
Fazit: Struktur schlägt Zufall
KI-Regieassistenz ist im Kern eine Disziplin, keine Software. Sie besteht aus einer Szenentabelle, einem Projektlexikon, einer dokumentierten Bildsprache und einem Schnitt, der der Handlung folgt. Alles andere – Modelle, Parameter, Auflösungen – ist austauschbar und wird sich weiter verändern.
Wer diesen Rahmen einmal aufgebaut hat, produziert nicht nur schneller, sondern auch wiederholbar. Das ist der eigentliche Vorteil: Ein Workflow, der beim zweiten, dritten und zehnten Kurzfilm genauso funktioniert wie beim ersten – und der aus einer guten Idee tatsächlich einen fertigen Film macht.
