KI-Video-Marketing: Workflow für planbare Content-Produktion

Warum KI-Video-Marketing ein Prozessproblem ist

Die meisten Teams, die mit generativen Video-Tools arbeiten, scheitern nicht an der Technik. Sie scheitern an der Reihenfolge. Ein Clip entsteht, sieht gut aus, wird veröffentlicht – und beim nächsten Mal beginnt die Suche von vorn: Welches Modell war das nochmal? Welcher Prompt hat funktioniert? Warum sah die Figur im dritten Shot plötzlich anders aus?

Generative Videogenerierung ist inzwischen ein Commodity-Baustein. Was knapp ist, ist nicht der Zugang zu einem bestimmten Modell, sondern ein reproduzierbarer Ablauf, der aus einer Idee zuverlässig einen veröffentlichungsfähigen Clip macht – in einer Qualität, die zur Marke passt, und zu einem Aufwand, der sich kalkulieren lässt.

Dieser Leitfaden beschreibt einen solchen Ablauf. Er ist bewusst tool-neutral gehalten: Die konkreten Namen ändern sich schneller als die Prinzipien. Wer versteht, warum ein Shot funktioniert, kann die Werkzeuge wechseln, ohne die Qualität zu verlieren.

Drei Beobachtungen aus der Praxis helfen beim Einstieg:

• Generierung ist ein Schritt von sechs. Wer 80 Prozent der Zeit in die Bild- und Videogenerierung steckt und je 4 Prozent in Skript, Ton, Schnitt, Prüfung und Distribution, bekommt hübsche Clips, die nicht konvertieren.
• Konsistenz schlägt Brillanz. Ein Zuschauer verzeiht einen etwas weicheren Look, aber keine Figur, die zwischen zwei Einstellungen die Gesichtszüge wechselt.
• Volumen verändert die Planung. Zwei Clips pro Monat kann man handwerklich bauen. Zwanzig Clips pro Monat brauchen Vorlagen, Benennungskonventionen und eine Freigaberoutine.

Der Produktionsrahmen: sechs Stationen von Idee bis Upload

Der folgende Rahmen hat sich für kurze Marketingvideos bewährt – Reels, Shorts, vertikale Anzeigen, Produktteaser. Er gilt für Einzelpersonen genauso wie für Teams, nur mit anderer Taktung.

Station 1: Briefing und Zieldefinition

Bevor irgendein Prompt geschrieben wird, stehen drei Angaben fest: Zielgruppe, gewünschte Reaktion, Verbreitungskanal. Ein Clip, der auf einer Produktseite eingebettet wird, darf erklärend und ruhig sein. Ein Clip für einen Feed braucht in den ersten zwei Sekunden einen visuellen Bruch.

Notiere außerdem die technischen Randbedingungen: Seitenverhältnis, maximale Länge, ob Ton vorausgesetzt werden kann, ob Untertitel Pflicht sind. Diese Angaben steuern später die Modellwahl stärker, als man denkt.

Station 2: Skript und Shotlist

Ein Skript für Kurzformat ist keine Erzählung, sondern eine Abfolge von Beats. Vier bis acht Beats reichen für 20 bis 45 Sekunden. Jeder Beat hat eine Aufgabe: Aufmerksamkeit, Problem, Lösung, Beweis, Handlungsaufforderung.

Aus dem Skript entsteht die Shotlist – die eigentliche Produktionsgrundlage. Jede Zeile enthält:

• Shot-Nummer und Dauer in Sekunden
• Beschreibung von Subjekt, Handlung, Umgebung
• Kameravorgabe (Totale, Halbnah, Nahaufnahme, Bewegung)
• Lichtstimmung und Farbtemperatur
• Tonhinweis (Sprecher, Musik, Geräusch, Stille)

Wer die Shotlist ernst nimmt, spart später doppelt: bei der Generierung, weil Prompts direkt daraus abgeleitet werden, und im Schnitt, weil die Reihenfolge schon feststeht.

Station 3: Generierung

Hier entstehen Bilder und Videosequenzen. Bewährt hat sich eine Aufteilung: zuerst Standbilder für jede Einstellung erzeugen und auswählen, dann aus den besten Standbildern kurze Bewegungssequenzen ableiten. Dieses Vorgehen – Bild zu Video statt Text zu Video – liefert deutlich konsistentere Ergebnisse, weil die Komposition bereits festgelegt ist.

Pro Einstellung lohnt es sich, drei bis fünf Varianten zu erzeugen. Nicht, um die beste zu raten, sondern um zu sehen, welche Richtung stabil reproduzierbar ist.

Station 4: Ton, Schnitt, Untertitel

Bild ohne Klang ist stumm, nicht still. Die Tonspur trägt mindestens die Hälfte der wahrgenommenen Qualität. Reihenfolge: Rohschnitt auf die Beat-Struktur, dann Sprecher oder Voice-over, dann Musik, dann Geräusche, zuletzt Untertitel.

Station 5: Qualitätskontrolle

Ein standardisierter Prüfdurchlauf vor jeder Veröffentlichung. Details weiter unten – wichtig ist, dass diese Station nicht übersprungen wird, weil sie sich „schnell erledigen lässt“.

Station 6: Distribution und Iteration

Nach dem Upload beginnt die eigentliche Arbeit: Welcher Beat hat getragen? Wo ist die Abbruchquote gestiegen? Diese Zahlen fließen zurück in Station 1. Erfolgreiche Formate werden zur Vorlage, nicht neu erfunden.

Modellwahl: Entscheidungskriterien statt Marken-Hopping

Es gibt keine „beste“ VideokI. Es gibt Modelle, die für bestimmte Aufgaben besser geeignet sind. Wer nach Stimmung wählt, zahlt mit Zeit. Wer nach Kriterien wählt, kommt schneller ans Ziel.

Die Kriterien-Matrix

Bewerte jedes verfügbare Modell entlang dieser Achsen:

• Bewegungsrealismus: Wie überzeugend sind Gehen, Gestik, Kamerafahrten, Wasser, Rauch, Haare?
• Motivtreue: Wie exakt folgt das Ergebnis dem Prompt und dem Referenzbild?
• Länge und Kohärenz: Wie viele Sekunden bleiben stabil, bevor Details zerfallen?
• Text im Bild: Kann das Modell lesbare Schrift oder Logos erzeugen – oder vermeidet man das besser?
• Stilkontrolle: Lässt sich ein konsistenter Look über mehrere Shots halten?
• Kosten pro Sekunde: Nicht Listenpreis, sondern Kosten pro brauchbarem Clip.
• Durchlaufzeit: Wie lange dauert eine Iteration – Sekunden, Minuten, Stunden?
• Rechte und Nutzung: Kommerzielle Verwendung, Trainingsdaten, Weitergabe.

Wann welches Modell passt

Als grobe Orientierung, unabhängig von konkreten Anbietern:

• Realistische Personen und Produkte: Modelle mit starkem Fotorealismus-Fokus, oft aus dem Bildgenerierungs-Umfeld abgeleitet. Ideal für Testimonials, Fashion, Food.
• Dynamische Bewegung und Action: Modelle, die auf physikalisch plausible Bewegung optimiert sind. Gut für Sport, Technik, Fahrzeuge.
• Stilisierte und animierte Looks: Spezialisierte Modelle oder Bildgeneratoren mit nachgelagerter Animation. Gut für Marken mit illustrativem Look.
• Landschaften und Atmosphäre: Modelle mit starkem Verständnis für Licht und Weite. Gut als Establishing-Shots und Hintergründe.
• Schnelle Konzeptiteration: Leichte, günstige Modelle für Storyboards und Animatics – nicht für das Endprodukt.

Ein pragmatischer Ansatz für Teams: Lege zwei Hauptmodelle und ein Reserve- oder Spezialmodell fest. Zwei reichen, um jede Aufgabe abzudecken; jede zusätzliche Option kostet Entscheidungszeit.

Testreihe statt Bauchgefühl

Beurteile neue Modelle immer mit demselben Testset: eine Person in Halbnahaufnahme, eine Handbewegung, ein Establishing-Shot, ein Shot mit Bewegung quer durchs Bild. Vier Prompts, immer gleich. Nach drei Testreihen weißt du, wo dein Hauptmodell schwächelt – und ob sich ein Wechsel lohnt.

Prompting für Video: Struktur, Konsistenz, Kontrolle

Text-Prompts für Video brauchen eine andere Grammatik als Bild-Prompts. Ein Bildprompt beschreibt einen Moment. Ein Videoprompt beschreibt eine Veränderung.

Die sechs Bausteine

Ein zuverlässig funktionierender Videoprompt enthält:

1. Subjekt – konkret, nicht abstrakt. „Eine Frau Anfang dreißig im grauen Mantel“ statt „eine Person“.
2. Handlung – eine einzige, klar benannte Bewegung. „Sie hebt langsam die Hand und dreht den Kopf zur Kamera.“
3. Umgebung – Ort, Tageszeit, Hintergrundelemente.
4. Kamera – Perspektive, Objektivwirkung, Bewegung. „Halbnah, leichte Handkamera, langsamer Push-in.“
5. Licht und Stil – Lichtrichtung, Stimmung, Farblook, Referenzrichtung.
6. Ausschlüsse – was nicht passieren soll: keine Verzerrungen, kein Text im Bild, keine Doppelglieder.

Halte jeden Prompt unter 60 Wörtern. Überladene Prompts erzeugen mittelmäßige Kompromisse.

Bild zu Video als Anker

Der stärkste Hebel für Konsistenz ist, mit einem Referenzbild zu starten. Erzeuge oder wähle zunächst ein Standbild, das exakt die gewünschte Komposition zeigt, und animiere es anschließend. Für mehrere Shots derselben Figur: dasselbe Gesichtsreferenzbild oder denselben Charakter-Prompt verwenden, dazu identische Licht- und Stilangaben.

Konsistenz über mehrere Shots

Drei Techniken haben sich bewährt:

• Style-Lock: Einmal einen Stilblock formulieren (Licht, Farben, Objektiv, Grading) und wörtlich in jeden Prompt kopieren. Nicht paraphrasieren.
• Kontinuitäts-Anker: Ein Objekt oder Farbakzent, das in jedem Shot vorkommt – eine Jacke, ein Getränk, ein Logo-Detail. Der Zuschauer liest das als Zusammenhang.
• Szenen-Splits: Lange Sequenzen in 3-Sekunden-Einheiten zerlegen und einzeln generieren. Kurze Clips bleiben stabiler.

Negative Anweisungen richtig einsetzen

Negativ-Prompts sind kein Wunschzettel. Fünf bis acht Ausschlüsse sind sinnvoll – mehr verwässert. Typische Kandidaten: verzerrte Hände, doppelte Personen, lesbarer Text, Wasserzeichen, unruhige Bildränder, abrupte Kamerabewegung.

Kamera, Schnitt und Rhythmus im Kurzformat

Die Kamerasprache ist der Teil, den Anfänger am stärksten unterschätzen. Generative Modelle liefern dann gute Ergebnisse, wenn die Kamera eine klare Absicht hat.

Grundregeln für vertikale Formate:

• Eine Bewegung pro Shot. Entweder Push-in oder Schwenk oder Stativ – nicht alles gleichzeitig.
• Schnitt auf Bewegung. Wenn sich im Bild etwas bewegt, kaschiert der Schnitt die Naht.
• Einstellungswechsel alle 1,5 bis 3 Sekunden. Länger wirkt statisch, kürzer hektisch.
• Totale für Orientierung, Halbnah für Emotion, Nahaufnahme für Details und Beweise. Pro 20 Sekunden mindestens zwei Perspektivwechsel.

Rhythmus und Beat-Struktur:

• Sekunde 0–2: visueller Bruch oder klare Aussage. Kein Logo-Intro.
• Sekunde 2–6: Problem oder Kontext, in einem Satz.
• Sekunde 6–15: Kernbotschaft mit einem Beweis – Produkt in Aktion, Vorher/Nachher, Zahl.
• Sekunde 15–25: Verdichtung, Wiederholung der Kernbotschaft in anderer Form.
• Letzte 3 Sekunden: Handlungsaufforderung plus Endbild.

Musik als Taktgeber: Wähle die Tonspur früh, nicht am Ende. Der Schnitt folgt dann den Beats statt umgekehrt.

Ton, Stimme und Untertitel: der unterschätzte Hebel

Wenn ein Clip im Test schlecht abschneidet, liegt es selten am Bild. Meistens am Ton.

Voice-over: Generative Stimmen sind inzwischen brauchbar, aber nicht unsichtbar. Drei Regeln: kurze Sätze, ein Gedanke pro Satz, natürliche Betonung durch Kommasetzung. Tempo bewusst variieren – generierte Stimmen laufen sonst monoton durch.

Wer selbst spricht, sollte trotzdem ein Skript lesen und in kurzen Abschnitten aufnehmen. Ein fehlerhafter Satz wird wiederholt, nicht korrigiert.

Musik und Geräusche: Musik trägt die Stimmung, Geräusche tragen die Glaubwürdigkeit. Ein Produktclip ohne Schritte, Klicks oder Materialgeräusche wirkt auffällig künstlich. Schon ein einzelnes Geräusch pro Shot hebt die Wahrnehmung deutlich.

Untertitel: Pflicht. Rund die Hälfte der Feed-Nutzung erfolgt ohne Ton. Untertitel müssen in der sicheren Zone liegen – Abstand zu den Rändern, keine Überlappung mit Plattform-UI. Zeilenlänge maximal 32 Zeichen, zwei Zeilen pro Einblendung, Wort-für-Wort-Hervorhebung nur sparsam.

Lautheit: Zielwert für Sprachverständlichkeit liegt deutlich über dem Musikbett. Prüfe die Mischung auf einem Telefonlautsprecher, nicht auf Studiokopfhörern.

Qualitätskontrolle: Prüfliste vor dem Upload

Diese Liste in dreißig Sekunden durchgehen. Sie verhindert die meisten peinlichen Fehler.

Technisch

• Hände, Finger, Zähne, Brillen in jeder Einstellung geprüft?
• Text im Bild korrekt, wenn überhaupt vorhanden?
• Übergänge ohne Sprünge in Licht oder Farbtemperatur?
• Untertitel vollständig, korrekt, im sicheren Bereich?
• Seitenverhältnis und Auflösung passend zum Kanal?

Inhaltlich

• Kernbotschaft in den ersten fünf Sekunden erkennbar?
• Ein Beweis vorhanden – visuell, nicht nur behauptet?
• Handlungsaufforderung eindeutig?
• Marken-Assets korrekt, Logo nicht verzerrt?

Ethisch und rechtlich

• Keine realen Personen ohne Zustimmung dargestellt?
• Nutzungsrechte der Werkzeuge und der Musik geklärt?
• Kennzeichnung generierter Inhalte, wo erforderlich?
• Keine irreführenden Behauptungen über Produkteigenschaften?

Punkt drei wird häufig unterschätzt. Wer generierte Szenen mit Testimonial-Charakter zeigt, sollte klarstellen, dass es sich um eine Darstellung handelt.

Budget, Volumen und Skalierung im Team

Sobald mehr als ein paar Clips pro Monat entstehen, entscheidet nicht mehr das Werkzeug, sondern die Struktur.

Kosten realistisch rechnen: Die Generierung ist selten der größte Posten. Zeit für Skripting, Auswahl, Nachbearbeitung und Freigabe übersteigt die reinen Generierungskosten meist um ein Mehrfaches. Kalkuliere Kosten pro veröffentlichtem Clip, nicht pro Generierung.

Ausschuss einplanen: Rechne mit dem Faktor drei bis fünf – drei bis fünf Varianten für jede verwendete Einstellung. Wer mit Faktor eins plant, produziert unter Zeitdruck schlechte Auswahl.

Rollen trennen: Eine Person für Skript und Shotlist, eine für Generierung und Auswahl, eine für Schnitt und Ton. Bei kleinen Teams können das zwei Personen sein, aber nicht dieselbe Person im selben Arbeitsschritt. Die Selbstprüfung ist zu nachsichtig.

Wiederverwendung organisieren: Jeder Clip produziert Material, das weiterverwendbar ist – Hintergründe, Establishing-Shots, Stimmaufnahmen, Untertitelstile. Lege eine Bibliothek an und benenne sie konsistent: Datum, Kampagne, Modell, Prompt-Referenz. Nach drei Monaten ist das der wertvollste Teil deines Setups.

Batch-Produktion: Prompts für einen ganzen Block in einer Sitzung schreiben, generieren, dann in einer zweiten Sitzung auswählen und schneiden. Kontextwechsel kostet mehr Zeit als die Arbeit selbst.

Formatversionen: Ein Konzept, drei Ausgaben – vertikal für Feed, quadratisch für Anzeigen, horizontal für Einbettung. Nicht neu generieren, sondern neu schneiden. Das ist der günstigste Hebel für Reichweite.

Typische Fehler und wie du sie vermeidest

Fehler 1: Zu viel im ersten Prompt. Anfänger beschreiben eine ganze Szene in einem Satz. Besser: Subjekt und eine Handlung, dann erweitern.

Fehler 2: Das falsche Modell für die Aufgabe. Ein auf Realismus optimiertes Modell wird keinen guten animierten Look liefern – und umgekehrt. Kriterien vor Marke.

Fehler 3: Konsistenz nachträglich erzwingen wollen. Konsistenz entsteht bei der Planung, nicht im Schnitt. Style-Lock und Referenzbilder von Anfang an.

Fehler 4: Ton am Ende. Wer erst schneidet und dann vertont, schneidet zweimal.

Fehler 5: Kein Ausschuss eingeplant. Führt zu Kompromissen und sichtbarer Qualitätsstreuung.

Fehler 6: Zu viele Iterationen an einem Shot. Nach drei Versuchen ohne Fortschritt: Prompt vereinfachen oder Komposition ändern. Nicht weiter drehen.

Fehler 7: Nur ein Kanal. Dasselbe Material in verschiedenen Formaten zu verwerten ist günstiger als neue Produktionen.

Fehler 8: Kein Archiv. Ohne Benennungskonvention ist der erfolgreiche Prompt in vier Wochen verloren.

FAQ: häufige Fragen zum KI-Video-Workflow

Wie viele Modelle brauche ich wirklich?
Zwei für die Produktion, eines als Spezialist. Mehr Modelle erhöhen nicht die Qualität, sondern die Entscheidungszeit.

Kann ich generative Videos kommerziell nutzen?
Das hängt vom jeweiligen Werkzeug und Tarif ab. Prüfe die Nutzungsbedingungen pro Werkzeug und dokumentiere, welche Einstellung mit welchem Werkzeug entstanden ist.

Wie lang sollten Clips sein?
Für Feed und Shorts 15 bis 35 Sekunden. Für Anzeigen oft kürzer. Die Länge folgt der Botschaft, nicht umgekehrt.

Brauche ich Filmkenntnisse?
Nein, aber Grundverständnis von Einstellungsgrößen und Schnitt auf Bewegung hebt die Ergebnisse sofort sichtbar an. Ein Wochenende Einarbeitung reicht.

Wie vermeide ich den typischen KI-Look?
Drei Maßnahmen: weniger Bewegung pro Shot, mehr Geräuschebene, mehr Bilddetails in der Vordergrundebene. Der künstliche Eindruck entsteht meist durch zu glatte Flächen und zu viel gleichzeitige Bewegung.

Was mache ich bei enttäuschenden Ergebnissen?
Prompt vereinfachen, Komposition ändern, Modell wechseln – in dieser Reihenfolge. Meist liegt es am Prompt, nicht am Werkzeug.

Wie skaliere ich auf zwanzig Clips pro Monat?
Mit Vorlagen: feste Beat-Struktur, feste Shot-Anzahl, feste Untertitelstile, feste Benennung. Die inhaltliche Idee bleibt variabel, die Produktionshülle nicht.

Fazit: Vom Werkzeug zum Ablauf

KI-gestütztes Video-Marketing funktioniert, wenn man es als Produktionsprozess behandelt und nicht als Werkzeugsuche. Die sechs Stationen – Briefing, Skript, Generierung, Ton und Schnitt, Qualitätskontrolle, Distribution – sind der eigentliche Hebel. Die konkrete Auswahl der Modelle ist eine austauschbare Variable innerhalb dieses Rahmens.

Ein praktischer Start: Nimm ein Konzept, das bereits funktioniert, und baue es mit dem beschriebenen Ablauf nach. Schreib eine Shotlist, erzeuge Standbilder, animiere die besten, vertone früh, prüfe mit der Liste, veröffentliche in drei Formaten. Danach entscheide, was du wiederholst und was du ersetzt. Nach drei Durchläufen hast du, was den Unterschied macht: einen Ablauf, der unabhängig vom nächsten Modell funktioniert.