KI-Video im Marketing: Workflow, Strategie und Praxis

Bewegtbild ist das Format, das Aufmerksamkeit am zuverlässigsten bindet. Ob Social Feed, Connected TV, Landingpage oder Produktseite: Kurze Videos erklären komplexe Angebote schneller, erzeugen mehr Vertrauen und werden häufiger geteilt als reine Text- oder Bildmotive. Gleichzeitig ist die Erwartungshaltung der Zielgruppen gestiegen. Sie vergleichen jeden Clip mit dem besten Clip, den sie gestern gesehen haben – und entscheiden in den ersten Sekunden, ob sie bleiben.

Genau an dieser Stelle verändert generative Videotechnik das Marketing grundlegend. Teams, die früher zwei bis drei Kampagnenfilme pro Quartal produzieren konnten, liefern heute wöchentlich Varianten für unterschiedliche Kanäle, Sprachen und Zielgruppen. Der Drehtag weicht dem Baukastenprinzip: ein Skript, definierte Referenzen, mehrere Modelle, schnelle Iteration. Der Engpass verschiebt sich vom Budget für Kamera und Crew hin zu Idee, Auswahl und Distribution.

Wer diesen Wandel nur als Kostensenkung versteht, vergibt das größte Potenzial. KI-Video ist kein Ersatz für Strategie, sondern ein Verstärker: gute Botschaften werden schneller getestet, schwache Botschaften fallen schneller auf. Dieser Leitfaden zeigt, wie Marketing-Teams einen belastbaren Workflow aufbauen, welche Entscheidungen wirklich zählen und wo typische Stolperfallen lauern.

Was sich an der Video-Produktion wirklich ändert

Die Veränderung ist weniger spektakulär, als die Oberfläche vermuten lässt. Entscheidend ist nicht, dass ein Modell eine schöne Szene erzeugen kann, sondern dass Produktion, Test und Distribution in denselben Kreislauf wandern.

Vom linearen Dreh zum iterativen Baukasten

Klassische Produktion kennt einen klaren Ablauf: Konzept, Pre-Production, Dreh, Schnitt, Abnahme, Ausspielung. Jede Stufe ist teuer und schwer rückholbar. Generative Produktion bricht diese Kette auf. Ein Skript wird zu einer Shotlist, aus der Shotlist entstehen Varianten, aus den Varianten entsteht eine Auswahl. Verworfenes Material kostet kaum mehr als die Zeit, die man damit verbracht hat.

Das verändert die Rolle des Teams. Statt einer Produktionsfirma braucht es jemanden, der Botschaften schärft, jemanden, der Look und Marke absichert, und jemanden, der Auslieferung und Messung steuert. Diese drei Rollen können in einer Person zusammenfallen – aber sie dürfen nicht unbesetzt bleiben.

Konsistenz ist die neue Währung

Der häufigste Grund, warum KI-Videos im Marketing scheitern, ist nicht die Bildqualität, sondern die Inkonsistenz. Gesichter verändern sich zwischen den Einstellungen, Kleidung wechselt die Farbe, das Logo sitzt mal links, mal rechts, die Lichtstimmung kippt von warm zu kalt. Zuschauer können das oft nicht benennen, aber sie spüren es – und brechen ab.

Konsistenz entsteht nicht durch Glück, sondern durch Referenzmaterial. Wer für jede wiederkehrende Figur ein Set aus klaren Referenzbildern pflegt und diese bei jeder Generierung mitgibt, hält Gesicht, Frisur und Kleidungsstil stabil. Dasselbe gilt für Produkte: Ein Getränk, eine Verpackung oder ein Gerät braucht verbindliche Ansichten, sonst wirkt jede Einstellung wie ein anderes Produkt.

Distribution wird Teil der Produktion

Früher wurde ein fertiger Film an verschiedene Kanäle angepasst. Heute entsteht die Anpassung mit. Hochformat, Querformat, quadratisch, sechs Sekunden, dreißig Sekunden, Untertitel oder nicht – diese Varianten werden bereits bei der Planung mitgedacht, weil ein Modell sie in einem Durchgang liefern kann.

Wer das ignoriert, produziert teuer einen Masterclip und bezahlt danach noch einmal für jede Adaption. Wer es mitdenkt, plant von Anfang an in Formaten und Botschaften statt in Filmen.

Der Workflow in sieben Schritten

Ein Workflow ist dann gut, wenn er auch unter Zeitdruck funktioniert. Die folgenden sieben Schritte sind bewusst schlank gehalten und lassen sich für Kampagnen, Produktvideos, Erklärstücke und Social-Formate gleich nutzen.

Schritt 1: Ziel, Zielgruppe und Kennzahl festlegen

Bevor irgendein Bild entsteht, steht eine Frage: Was soll dieses Video bewirken? Bekanntheit, Klicks, Anfragen, Käufe, Verweildauer? Aus der Antwort folgt alles Weitere. Ein Clip, der auf Abschlüsse zielt, darf länger erklären. Ein Clip, der auf Reichweite zielt, muss in zwei Sekunden einen Grund zum Dableiben liefern.

Formulieren Sie die Kennzahl so, dass sie später messbar ist – also nicht „mehr Sichtbarkeit“, sondern „Anteil der Zuschauer, die nach drei Sekunden weiterschauen“. Diese Präzision spart später mehrere Iterationsrunden.

Schritt 2: Skript und Shotlist

Textmodelle sind hier der schnellste Hebel. Lassen Sie drei Fassungen desselben Skripts schreiben: eine sachliche, eine überraschende, eine emotionale. Vergleichen Sie die Fassungen mit der Zielgruppe oder intern, bevor Sie produzieren. Erst danach entsteht die Shotlist.

Eine gute Shotlist beschreibt pro Einstellung: Was ist zu sehen, welche Kamera, welches Licht, welche Dauer, welcher Text im Bild. Je konkreter diese Beschreibung, desto weniger Zufall landet im Ergebnis. Vage Prompts erzeugen vage Videos – das ist die verlässlichste Regel des ganzen Feldes.

Schritt 3: Look und Referenzen fixieren

Definieren Sie eine visuelle Handschrift, bevor Sie generieren: Farbpalette, Lichtstimmung, Objektivcharakter, Tempo, Grad der Realitätsnähe. Legen Sie ein Referenzboard an, in dem jede Entscheidung mit einem Bild belegt ist.

Das Board ist kein Nice-to-have. Es ist die Grundlage für Freigaben, für Onboarding neuer Teammitglieder und für die Frage, ob ein Ergebnis „richtig“ aussieht. Ohne Board diskutiert jede Person über Geschmack statt über Marke.

Schritt 4: Generieren, bewerten, selektieren

Produzieren Sie in Chargen. Statt eine Einstellung zwanzig Mal einzeln nachzubessern, generieren Sie mehrere Varianten pro Einstellung und bewerten Sie anschließend in einem Durchgang. Das hält den Blick fürs Ganze wach und verhindert, dass sich Zeit in einer einzigen problematischen Szene verliert.

Bewerten Sie nach festen Kriterien: Erkennbarkeit der Botschaft, Bildruhe, Konsistenz mit dem Board, technische Fehler in Händen, Augen und Text. Nicht jede Unschärfe ist ein Problem – manchmal kaschiert Bewegung genau das, was im Standbild stört.

Schritt 5: Konsistenz sichern

Verknüpfen Sie Einstellungen, die zusammengehören. Szenen derselben Figur sollten mit denselben Referenzen und möglichst derselben Einstellungstiefe erzeugt werden. Wechselt die Figur den Ort, halten Sie Kleidung und Frisur konstant und ändern nur Umgebung und Licht.

Prüfen Sie jeden Clip gegen drei Fragen: Ist die Figur erkennbar dieselbe? Ist das Produkt korrekt dargestellt? Passt die Farbstimmung zur vorherigen Einstellung? Wenn zwei der drei Antworten negativ sind, neu generieren statt nachbessern.

Schritt 6: Postproduktion

Selbst gute Generierungen brauchen Feinschliff. Schnitttempo, Musik, Soundeffekte, Untertitel und Farbabgleich entscheiden oft stärker über die Wirkung als das Ausgangsmaterial. Planen Sie für diesen Schritt mindestens so viel Zeit ein wie für die Generierung.

Bewährt hat sich ein zweistufiger Schnitt: erst eine Rohfassung mit Standbildern und Tonspur, um Timing und Dramaturgie zu prüfen, dann der Feinschnitt mit den finalen Clips. So entstehen keine Lücken, die man später mit unpassendem Material füllen muss.

Schritt 7: Auslieferung und Messung

Exportieren Sie Formate und Versionen mit klarer Namenskonvention, damit Kanäle, Sprachen und Varianten nicht verwechselt werden. Dokumentieren Sie, welche Version wann und wo gelaufen ist.

Die Messung schließt den Kreislauf. Interessieren Sie sich für Haltequote nach drei Sekunden, Wiedergabedauer, Klickrate und Konversion – aber bewerten Sie sie im Verhältnis zur Zielsetzung aus Schritt 1. Ein Clip mit schwacher Klickrate, der die Markenbekanntheit stützt, ist kein Fehlschlag.

Konsistenz und Charaktertreue im Detail

Figuren sind der schwierigste Teil der KI-Videoproduktion. Sie tragen Emotion, Geschichte und Wiedererkennung. Deshalb lohnt es sich, ein eigenes kleines System zu pflegen: Für jede wiederkehrende Figur eine Referenzmappe mit vier Ansichten (frontal, Dreiviertel, Profil, Nahaufnahme) sowie verbindlichen Angaben zu Alter, Kleidungsstil und Stimme.

Bei Sprachaufnahmen gilt dasselbe Prinzip. Eine Stimme, die über zwanzig Clips hinweg identisch klingt, wird zum Markenzeichen. Wechselt sie, wirkt die Kampagne zusammengewürfelt. Prüfen Sie deshalb Stimmproben mehrerer Sätze, bevor Sie eine Auswahl treffen.

Ein zweiter Hebel ist die Reihenfolge der Generierung. Erzeugen Sie zuerst die Einstellung mit der anspruchsvollsten Figur oder dem komplexesten Detail und bauen Sie den Rest darum. So wissen Sie früh, ob das Konzept trägt, und verlieren nicht Zeit in einfachen Szenen, die später ohnehin angepasst werden müssen.

Personalisierung ohne Streuverlust

Personalisierung ist mehr als der Name im Intro. Wirksam wird sie, wenn sich Botschaft, Reihenfolge und Bildsprache an ein Segment anpassen. Ein Handwerksbetrieb reagiert auf andere Argumente als eine Agentur, selbst wenn beide dasselbe Produkt kaufen.

Sinnvoll ist eine Matrix aus drei Achsen: Branche, Rolle und Auslöser. Aus dieser Matrix entstehen keine hundert Videos, sondern wenige Basisschnitte mit austauschbaren Bausteinen – Intro, Problemstatement, Beweis, Bewertung, Handlungsaufruf. So bleibt der Aufwand beherrschbar und die Botschaft scharf.

Wichtig ist die Begrenzung. Personalisierung ohne klare Grenzen führt zu einer unüberschaubaren Vielfalt, die niemand mehr prüfen kann. Legen Sie fest, welche Elemente variieren dürfen und welche unantastbar sind. Markenlogos, Farbcodes und Kernversprechen gehören in die unantastbare Kategorie.

Ein weiterer Punkt: Testen Sie Personalisierung immer gegen eine Kontrollversion ohne Anpassung. Oft ist der Unterschied geringer als erwartet, und die Ressourcen sind in besserem Skript oder besserem Schnitt wirksamer investiert.

Lokalisierung und kulturelle Anpassung

Übersetzung ist der kleinste Teil der Lokalisierung. Entscheidend sind Bildsprache, Humor, Tempo und Symbolik. Eine Szene, die in einem Markt selbstverständlich wirkt, kann in einem anderen unpassend, übertrieben oder schlicht unverständlich sein.

Arbeiten Sie mit drei Stufen: Erst die sprachliche Übertragung, dann die inhaltliche Anpassung von Beispielen und Zahlen, dann die visuelle Prüfung durch Personen aus dem Zielmarkt. Diese dritte Stufe wird regelmäßig übersprungen – und ist genau die, die über Akzeptanz entscheidet.

Technisch lohnt sich ein Namensschema, das Sprache, Markt und Version trennt. Untertitel sollten nicht fest ins Bild gebrannt werden, wenn eine Plattform sie nativ unterstützt. So bleiben Varianten flexibel, und eine Änderung am Text erfordert keine Neuproduktion.

Budget, Aufwand und Steuerung

Der größte Kostentreiber ist nicht die Generierung selbst, sondern Nacharbeit. Deshalb gehört an den Anfang eines Projekts eine realistische Einschätzung: Wie viele Varianten brauchen wir wirklich? Wie viele Freigaberunden sind üblich? Wer prüft Qualität, und wie lange dauert das?

Ein einfaches Modell hilft bei der Planung: Teilen Sie das Projekt in Skript, Generierung, Nachbearbeitung und Distribution und verteilen Sie den Aufwand ungefähr zu 25, 30, 30 und 15 Prozent. Die meisten Teams unterschätzen Nachbearbeitung und Distribution deutlich und planen dadurch zu knapp.

Für die laufende Steuerung sind drei Größen ausreichend: Kosten pro fertigem, veröffentlichtem Video, Zeit von Freigabe bis Veröffentlichung und Anteil der Clips, die ohne Neugenerierung durchlaufen. Die dritte Zahl zeigt am schnellsten, ob Referenzen und Skripte gut genug sind.

Sinnvoll ist außerdem ein Regelwerk für Varianten. Ab einer gewissen Menge ist der Nutzen zusätzlicher Versionen gering und der Pflegeaufwand hoch. Wer eine Kampagne mit sechs statt sechzig Varianten betreibt und die gewonnenen Erkenntnisse sauber dokumentiert, kommt meist schneller voran.

Qualitätssicherung und typische Fehler

Die häufigsten Probleme sind wiederkehrend und lassen sich vermeiden. Eine Checkliste vor der Veröffentlichung spart mehr Zeit als jede nachträgliche Korrektur.

Typische Fehler im Überblick:

• Identische Gesichter über Szenen hinweg, wie sie sich mit der Zeit auseinanderentwickeln
• Hände mit falscher Fingerzahl oder unnatürlicher Bewegung in Nahaufnahmen
• Text im Bild, der Buchstabenfehler oder Verschiebungen zeigt
• Sprünge in Lichtfarbe und Weißabgleich zwischen aufeinanderfolgenden Einstellungen
• Markenlogos in falscher Proportion oder an wechselnden Positionen
• Musik oder Voice-over mit unpassendem Tempo zum Schnitt
• Übertriebene Kamerabewegung, die den Inhalt überdeckt
• Fehlende Untertitel für mobile Nutzung ohne Ton

Prüfen Sie jeden Clip stumm und in Originalgröße auf Mobilgerät. Viele Fehler verschwinden auf dem großen Monitor und kehren auf dem Telefon zurück – wo die Mehrheit der Zuschauer sitzt.

Tool-Auswahl und Team-Setup

Die Modelllandschaft ist breit und verändert sich schnell. Für die Auswahl zählen weniger Modellnamen als Eigenschaften: Verfügbarkeit einer Programmierschnittstelle, Umgang mit Referenzbildern, Unterstützung von Formaten, Rechte an den erzeugten Inhalten, Zuverlässigkeit bei längeren Szenen und Nachvollziehbarkeit von Änderungen.

Bewährt hat sich ein Werkzeugkasten aus wenigen Bausteinen: ein oder zwei Videomodelle für unterschiedliche Stile, ein Bildwerkzeug für Referenzen und Keyframes, ein Sprachwerkzeug für Voice-over, ein Schnittprogramm und ein Ablagesystem für Versionen. Für Routineaufgaben wie Export, Benennung und Veröffentlichung helfen Automatisierungsplattformen.

Auf der Teamseite sind drei Fähigkeiten entscheidend: Botschaftsschärfung, visuelle Kontrolle und technische Umsetzung. Kleine Teams besetzen diese Rollen nacheinander, größere parallel. Entscheidend ist, dass jemand die Letztverantwortung für Marke und Aussage trägt.

Ein Punkt, der oft unterschätzt wird: Dokumentation. Halten Sie fest, welche Prompts, Referenzen und Einstellungen zu einem veröffentlichten Video geführt haben. Ohne diese Notizen ist jede Wiederholung ein neues Experiment.

Häufige Fragen

Wie viele Videos sollte ein Marketing-Team pro Monat produzieren?

Es gibt keine allgemeingültige Zahl. Sinnvoll ist eine Menge, die man prüfen und auswerten kann. Zwei bis vier saubere Videos pro Woche mit vollständiger Auswertung sind für die meisten Teams wirksamer als zwanzig Clips ohne Kontrolle. Beginnen Sie klein und erhöhen Sie erst, wenn der Prozess stabil ist.

Braucht man für KI-Video noch eine Kamera?

Für viele Formate nicht. Reale Aufnahmen bleiben dort sinnvoll, wo echte Gesichter, echte Orte oder nachweisbare Authentizität gefordert sind – etwa bei Interviews, Testimonials oder dokumentarischen Formaten. Häufig ist eine Mischung die beste Lösung: realer Ton und reale Menschen, ergänzt durch generierte Zwischenszenen.

Wie verhindert man, dass Figuren zwischen Szenen die Identität wechseln?

Durch feste Referenzmappen und möglichst ähnliche Einstellungsparameter. Reduzieren Sie außerdem die Anzahl unterschiedlicher Figuren pro Video. Je weniger Personen auftreten, desto einfacher bleibt die Konsistenz. Wenn eine Figur in mehreren Kampagnen erscheint, lohnt es sich, sie wie ein Markenelement zu pflegen.

Was ist der häufigste Grund, warum solche Videos schlecht performen?

Nicht die Technik. Die meisten schwachen Ergebnisse haben ein schwaches Drehbuch – unklare Botschaft, langsamer Einstieg, kein Grund zum Dableiben. Prüfen Sie zuerst das Skript, dann die Bildqualität. Ein einfaches Bild mit klarer Aussage gewinnt fast immer gegen ein perfektes Bild ohne Aussage.

Wie geht man mit Sprachen und Untertiteln um?

Planen Sie Sprache als eigenen Bestandteil des Projekts, nicht als Nachtrag. Trennen Sie Text, Ton und Untertitel voneinander, damit sich jede Ebene einzeln austauschen lässt. Lassen Sie Übersetzungen von Muttersprachlern prüfen, insbesondere wenn Humor oder Fachbegriffe im Spiel sind.

Wie viel Zeit sollte man für eine Kampagne einplanen?

Für ein kurzes Produktvideo mit einer Figur und drei Sprachen ist eine Woche realistisch – inclusive Skript, Freigaben und Nachbearbeitung. Komplexere Kampagnen mit mehreren Figuren, Varianten und Märkten benötigen entsprechend länger. Der Zeitanteil für Freigaben wird dabei am häufigsten unterschätzt.

Lohnt sich KI-Video auch für kleine Unternehmen?

Ja, oft sogar stärker als für große. Kleine Teams profitieren vom Wegfall der Produktionshürde und können regelmäßig veröffentlichen, ohne ein Studio zu beauftragen. Entscheidend ist, dass jemand die Botschaft scharf hält und die Qualität prüft – diese Aufgabe verschwindet nicht, sie wird wichtiger.

Welche Kennzahlen gehören in den Report?

Haltequote nach drei Sekunden, durchschnittliche Wiedergabedauer, Klickrate, Konversionsrate und Kosten pro fertiggestelltem Video. Wenn möglich zusätzlich die Markenwahrnehmung über kurze Befragungen. Wenige, konsequent erhobene Zahlen sind nützlicher als ein Dashboard mit fünfzig Werten.

Fazit

KI-Video verschiebt den Wettbewerb von der Produktionsfähigkeit zur Klarheit der Botschaft. Wer weiss, was er sagen will, kann heute schneller, günstiger und variantenreicher liefern als je zuvor – und wer es ungefähr weiss, produziert noch schneller Beliebigkeit. Der Unterschied liegt in einem unspektakulären Set aus Gewohnheiten: definierte Ziele, präzise Shotlisten, gepflegte Referenzen, harte Qualitätskontrolle und ehrliche Auswertung.

Beginnen Sie mit einem einzigen Format, einer Figur und einer Kennzahl. Bauen Sie Referenzen und Dokumentation auf, während Sie produzieren, nicht danach. Erweitern Sie erst dann auf weitere Sprachen, Segmente und Kanäle. Dieser Weg wirkt langsam, ist aber der einzige, der bei steigender Menge stabil bleibt – und genau das ist die eigentliche Fähigkeit, die im Marketing über Ergebnisse entscheidet.