Warum der Prompt über die Videoqualität entscheidet
KI-Videogeneratoren sind 2025 aus reinen Technologiedemos zu echten Produktionswerkzeugen geworden. Studios, Marketingagenturen und unabhängige Creator nutzen Modelle wie OpenAI Sora, Runway Gen-4 oder die Flux-Serie für Kampagnen, Musikvideos und Social-Media-Clips. Doch zwischen einem durchschnittlichen und einem beeindruckenden Ergebnis liegt oft kein besseres Modell, sondern ein besserer Prompt. Das Modell übersetzt deine Anweisungen in Bilder, Bewegung und Licht. Wer die Sprache dieser Modelle versteht, bekommt konsistente, filmisch ansprechende Ergebnisse – wer nur Stichworte eingibt, erhält Zufall. Dieser Leitfaden zeigt, wie du Video-Prompts systematisch aufbaust, für verschiedene Modelle anpasst und typische Fehler vermeidest.
Die gute Nachricht: Prompting ist keine Zauberei, sondern eine strukturierte Disziplin. Es gibt inzwischen erprobte Syntax-Muster, die über verschiedene Modelle hinweg funktionieren. Sobald du diese Muster beherrschst, kannst du Kameraführung, Beleuchtung, Stil und Bewegung präzise steuern – und das Modell liefert genau die Szene, die du im Kopf hast.
Die vier Bausteine eines starken Video-Prompts
Ein zuverlässiger Video-Prompt lässt sich in vier Säulen zerlegen. Wer alle vier abdeckt, vermeidet die häufigsten Fehlerquellen: mangelnde Konsistenz und fehlende filmische Qualität.
Die erste Säule ist die Szene. Beschreibe, was zu sehen ist: Ort, Zeit, Wetter, Objekte, Personen. Statt „ein Mann geht durch eine Stadt“ schreibe „ein Mann in einem dunkelblauen Mantel geht durch eine regennasse Altstadtgasse am frühen Abend, Neonlichter spiegeln sich im Asphalt“.
Die zweite Säule ist die Kameraführung. Benenne Perspektive und Bewegung: „langsame Kamerafahrt von links nach rechts“, „Nahaufnahme“, „Weitwinkelaufnahme aus niedriger Höhe“, „Handkamera mit leichtem Wackeln“. Diese Angaben steuern die Dramaturgie massiv.
Die dritte Säule ist die Beleuchtung und Stimmung. Wörter wie „goldene Stunde“, „harte Schatten“, „weiches Studiogegenlicht“, „düstere Stimmung“ verändern die Bildwirkung stärker als jeder Filter. Beschreibe zuerst die Lichtquelle, dann die Atmosphäre.
Die vierte Säule ist Bewegung und Timing. Was passiert in der Szene, in welcher Reihenfolge, mit welcher Geschwindigkeit? „Der Mann bleibt stehen, dreht sich langsam um, ein Lächeln breitet sich aus“ erzeugt eine völlig andere Sequenz als „der Mann rennt“.
Ein vollständiger Prompt kombiniert alle vier Säulen in einem oder zwei Sätzen. Länger ist nicht automatisch besser, aber gezielter ist immer besser.
Prompt-Vorlagen für die wichtigsten Szenarien
Für den schnellen Einstieg helfen konkrete Vorlagen, die du an dein Thema anpasst.
Für ein Produktvideo: „[Produkt] auf einem minimalistischen weißen Tisch, weiches Fensterlicht von links, langsame Kamerafahrt um das Produkt, Nahaufnahme der Oberfläche, dezente Schatten, Premium-Werbeästhetik“.
Für eine Charakterszene: „[Charakter], [Kleidung], [Ort], [Tageszeit], mittlere Nahaufnahme, 35-mm-Objektiv, flache Schärfentiefe, sanfte Gegenlichtkante, der Charakter schaut zur Kamera und lächelt langsam“.
Für eine Landschaftsaufnahme: „weite Drohnenaufnahme über [Landschaft], Morgennebel über den Hügeln, warmes goldenes Licht, ruhige Kamerabewegung, filmische Farbgebung, keine Personen“.
Für einen Loop oder Hintergrund: „nahtloser Loop, [Motiv], [Stimmung], gleichmäßige Bewegung, keine abrupten Schnitte, 4 Sekunden“.
Für einen Stiltransfer: „im Stil von [Referenzbeschreibung], [Motiv], [Kameraführung], [Licht], konsistente Textur“.
Diese Vorlagen ersetzen keine Kreativität, aber sie geben dem Modell genug Struktur, um in die richtige Richtung zu arbeiten. Notiere dir deine funktionierenden Vorlagen und baue eine kleine persönliche Bibliothek auf.
Modelle gezielt ansprechen: Sora, Runway, Flux und Co.
Nicht jedes Modell reagiert gleich auf dieselben Wörter. Wer mehrere Modelle nutzt, sollte die Stärken kennen.
Sora und vergleichbare Modelle mit starkem physikalischem Verständnis eignen sich für lange Sequenzen und komplexe Interaktionen. Beschreibe hier ruhig mehrere aufeinanderfolgende Aktionen, denn das Modell behält die Logik über mehrere Sekunden.
Runway-Modelle sind stark bei Stimmungswechseln und Stilvariationen. Sie reagieren gut auf atmosphärische Begriffe und auf Referenzbilder, die den gewünschten Look verankern.
Die Flux-Serie glänzt bei Stil- und Texturkonsistenz. Wenn du einen bestimmten Look über viele Clips hinweg brauchst, formuliere einen stabilen Stilanker und wiederhole ihn wörtlich in jedem Prompt.
Modelle aus dem asiatischen Raum wie Kling oder Hailuo haben oft eigene Konventionen für Bewegung und Kameraführung. Teste, welche Begriffe das jeweilige Modell zuverlässig interpretiert, und passe deine Formulierungen an, statt alle Modelle gleich zu behandeln.
Ein nützlicher Trick ist die Kombination aus kurzem Grund-Prompt und ergänzenden Details. Beginne mit der Szene, füge dann Kameraführung und Licht hinzu. Wenn das Ergebnis nicht passt, ändere jeweils nur einen Baustein – so lernst du, welche Wörter welche Wirkung haben.
Mindestens genauso wichtig wie das, was du schreibst, ist das, was du weglässt. Vage Superlative wie „wunderschön", „episch" oder „atemberaubend" verwirren Modelle eher, als dass sie helfen, weil sie keine beobachtbare Information liefern. Gleiches gilt für widersprüchliche Angaben wie „ruhige Szene, hektische Kameraführung" oder „Tageslicht, dunkle Nachtstimmung". Prüfe jeden Prompt auf innere Widersprüche, bevor du renderst – ein Satz mit widersprüchlichen Anweisungen kostet dich eine Iteration, die du dir sparen kannst.
Auch der Umgang mit Negativ-Angaben will gelernt sein. „Keine Personen" oder „ohne Text" funktioniert in vielen Modellen, aber zu viele Negativ-Formulierungen lenken die Aufmerksamkeit auf genau die Elemente, die du vermeiden willst. Formuliere bevorzugt positiv: statt „kein überladenes Bild" schreibe „minimalistische Komposition, viel freier Raum".
Referenzbilder und Stilanker für Konsistenz
Text allein reicht für echte Konsistenz oft nicht aus. Referenzbilder sind der zuverlässigste Weg, um Charaktere, Orte und Stile über mehrere Clips stabil zu halten. Lade ein oder mehrere Bilder des Charakters oder des Schauplatzes hoch und beschreibe im Prompt, was gleich bleiben soll: Gesicht, Kleidung, Lichtstimmung, Kameraperspektive.
Stilanker sind kurze, feste Formulierungen, die in jedem Prompt einer Serie wiederkehren, zum Beispiel „dokumentarischer Stil, natürliche Hauttexturen, gedämpfte Farben“. Sie wirken wie ein visuelles Gedächtnis für das Modell und verhindern, dass jeder Clip anders aussieht.
Achte auf die Reihenfolge im Prompt. Referenzinformationen zuerst, dann Bewegung, dann Licht. Viele Modelle gewichten die ersten Beschreibungen stärker.
Von der Idee zum Storyboard: Szenenübergänge steuern
Ein einzelner Clip ist leicht, eine ganze Sequenz ist die eigentliche Herausforderung. Plane vor dem Generieren, welche Szenen du brauchst: Einstieg, Entwicklung, Wendepunkt, Auflösung. Schreibe für jede Szene einen eigenen Prompt, aber behalte Stilanker und Charakterbeschreibung konstant bei.
Für Übergänge zwischen Szenen gibt es zwei bewährte Muster. Das erste ist der Bewegungs-Cut: Beide Szenen enden beziehungsweise beginnen mit derselben Bewegung, etwa einer Kamerafahrt nach links oder einer Drehung des Charakters. Das zweite ist der Motiv-Cut: Ein Element aus Szene A taucht in Szene B wieder auf, etwa dieselbe Farbe, dasselbe Objekt oder dieselbe Lichtstimmung.
Schnittkontrolle gehört ebenfalls in den Prompt. Wenn du möchtest, dass eine Sequenz wie ein einziger Take wirkt, schreibe „ein kontinuierlicher Take, keine Schnitte“. Wenn du einen schnellen Wechsel möchtest, beschreibe die Schnittfrequenz: „schnelle Schnitte im Rhythmus der Musik“.
Technische Parameter: Auflösung, Framerate und Bewegung
Viele Modelle erlauben Parameter, die außerhalb des Textes liegen: Auflösung, Seitenverhältnis, Framerate, Dauer, Sampler-Einstellungen. Diese Werte beeinflussen, wie dein Prompt interpretiert wird.
Höhere Auflösung ist nicht immer besser. Für Social-Media-Clips reicht oft eine moderate Auflösung, die schneller rendert und weniger Fehler zeigt. Für Kinoprojekte brauchst du dagegen die höchste verfügbare Einstellung.
Das Seitenverhältnis sollte schon im Prompt stehen, nicht nur im Export. Schreibe „vertikales 9:16-Format“ oder „breites 21:9-Format“, damit das Modell die Komposition entsprechend plant. Ein späteres Zuschneiden kostet Bildqualität und zerstört oft die Komposition.
Bei der Framerate gilt: 24 fps für einen filmischen Look, 30 oder 60 fps für Bewegung, die weicher wirken soll. Ruckelige Bewegungen entstehen häufig, wenn das Modell mit einer niedrigen Framerate für schnelle Aktionen arbeitet.
Häufige Fehler und wie man sie behebt
Die meisten enttäuschenden Ergebnisse lassen sich auf wenige Ursachen zurückführen.
Zu vage Formulierungen. „Ein schönes Video“ ist kein Prompt. Ersetze Wertungen durch Beobachtbares: „eine Frau, die durch ein Feld läuft, Gegenlicht, Weitwinkel“.
Zu viele Elemente in einem Prompt. Mehr Details können das Modell überfordern und zu Kompromissen führen. Reduziere auf die drei wichtigsten visuellen Informationen und ergänze erst dann.
Inkonsistente Stilanker. Wenn du zwischen „filmisch“, „realistisch“ und „fotorealistisch“ wechselst, erhältst du unruhige Ergebnisse. Wähle eine Sprache und bleib dabei.
Fehlende Bewegungsspezifikation. Ohne Bewegungsangabe erzeugt das Modell oft statische oder unlogische Bewegungen. Beschreibe immer, was passiert.
Ungeduldige Iteration. Ein Prompt selten beim ersten Versuch perfekt. Plane zwei bis drei Iterationen ein und dokumentiere, welche Änderung welche Wirkung hatte.
Ein persönliches Prompt-Workflow aufbauen
Langfristig lohnt sich ein kleiner, strukturierter Workflow. Sammle deine besten Prompts in einem Dokument, sortiert nach Szenentyp. Notiere zu jedem Prompt, mit welchem Modell er funktioniert hat und welche Parameter du verwendet hast. Erstelle für Serienprojekte eine Prompt-Vorlage, die nur noch die variablen Teile enthält: Charakter, Ort, Tageszeit.
Teste neue Formulierungen in kleinen Schritten. Ändere jeweils einen Baustein und vergleiche das Ergebnis. Mit der Zeit entwickelst du ein Gefühl dafür, welche Wörter ein Modell wirklich versteht – und deine Trefferquote steigt deutlich.
Drei komplette Prompts durchdekliniert
Theorie hilft, aber Beispiele bleiben hängen. Hier sind drei vollständige Prompts, aufgebaut nach den vier Säulen, mit einer kurzen Erklärung, warum sie funktionieren.
Beispiel eins, ein Naturdokumentar-Stil: „Ein Fuchs läuft langsam über eine schneebedeckte Lichtung im Morgengrauen, Weitwinkelaufnahme aus niedriger Höhe, weiches diffuses Licht, leichter Nebel zwischen den Bäumen, die Kamera folgt dem Fuchs mit ruhiger seitlicher Bewegung, die Pfoten hinterlassen deutliche Spuren im Schnee". Die Szene liefert Ort und Tier, die Kamera liefert Perspektive und Bewegung, das Licht liefert die Stimmung, und die letzte Angabe erdet die Bewegung im Detail.
Beispiel zwei, ein Produkt-Fokus: „Ein Smartphone liegt auf einem grauen Granittisch, weiches Fensterlicht von links, langsame Kamerafahrt um das Gerät, Nahaufnahme des Displays mit dezenten Reflexionen, minimalistische Werbeästhetik, keine Personen im Bild". Hier ist der Stilanker „minimalistische Werbeästhetik" entscheidend, weil er das gesamte Bild auf eine einheitliche Sprache festlegt.
Beispiel drei, ein emotionaler Charaktermoment: „Eine junge Frau in einem roten Mantel steht an einem Bahnsteig im Regen, mittlere Nahaufnahme, 50-mm-Objektiv, flache Schärfentiefe, blaugraue Farbpalette, sie dreht sich langsam zur Kamera und lächelt traurig, Regentropfen auf dem Objektiv". Der Prompt kombiniert Kleidung, Ort und Emotion zu einer klaren filmischen Idee und gibt dem Modell genug Anker, um eine stimmige Performance zu erzeugen.
Nimm dir diese Beispiele als Vorlage: Struktur zuerst, Details gezielt, Stilanker am Ende.
Emotionen und Performance gezielt steuern
Ein guter Prompt erzeugt nicht nur ein Bild, sondern eine Performance. Die Wortwahl steuert, wie lebendig sich eine Figur anfühlt und wie stark die Szene wirkt.
Beschreibe Emotionen über beobachtbare Handlungen statt über Gefühlsbegriffe. Statt „die Frau ist traurig" schreibe „die Frau senkt den Blick, ihre Schultern sacken langsam nach unten, sie atmet tief aus". Modelle übersetzen sichtbare Handlungen zuverlässiger in Bilder als abstrakte Gefühle.
Nutze Tempo-Wörter für die Dramaturgie: „langsam", „zögernd", „plötzlich", „sanft", „hektisch". Sie steuern, wie schnell sich Bewegung und Schnitt anfühlen. Ein „plötzlich" vor einer Aktion erzeugt einen anderen Rhythmus als ein „sanft".
Steuere den Blickkontakt. Ob eine Figur in die Kamera schaut, an ihr vorbei oder auf einen Gegenstand, verändert die Beziehung zum Publikum komplett. Schreibe es ausdrücklich in den Prompt, statt es dem Zufall zu überlassen.
Und vergiss die Mikro-Performance nicht: Hände, Atmung, ein Zögern vor dem Sprechen. Diese Details machen den Unterschied zwischen einem generischen Clip und einem Moment, der sich echt anfühlt. Wenn das Modell eine bestimmte Geste nicht trifft, beschreibe die Geste in zwei Schritten: Ausgangsposition und Zielposition.
Häufig gestellte Fragen
Wie lang sollte ein Video-Prompt sein? Zwischen 20 und 80 Wörtern ist ein guter Richtwert. Wichtiger als die Länge ist, dass die vier Bausteine abgedeckt sind.
Brauche ich für jeden Clip ein Referenzbild? Nicht zwingend, aber bei Charakteren und Serien lohnt es sich. Ein gutes Referenzbild spart viele Iterationen.
Warum ignoriert das Modell manche Wörter? Modelle gewichten verschiedene Begriffe unterschiedlich. Teste Synonyme und verschiebe wichtige Begriffe an den Anfang des Prompts.
Kann ich Prompts zwischen Modellen übertragen? Grundsätzlich ja, aber jedes Modell hat Eigenheiten. Passe Kamerabegriffe und Stilwörter an das jeweilige Modell an.
Ist Prompting mit ChatGPT oder anderen Sprachmodellen sinnvoll? Ja. Ein Sprachmodell kann deine grobe Idee in einen strukturierten Video-Prompt erweitern. Nutze es als Vorfilter: Beschreibe deine Idee, lass sie in die vier Bausteine übersetzen und verfeinere das Ergebnis manuell.
Was tun, wenn das Modell hartnäckig denselben Fehler macht? Ändere nicht den ganzen Prompt, sondern isoliere die fehlerhafte Stelle. Schreibe die problematische Beschreibung in einfachere, konkretere Wörter um und teste sie allein. Wenn der Fehler bleibt, wechsle die Reihenfolge der Angaben oder probiere ein anderes Modell für genau diesen Baustein. Oft ist es ein einzelnes Wort, das das Modell missversteht.
Prompting ist eine Fähigkeit, die mit Übung exponentiell besser wird. Die Werkzeuge ändern sich schnell, aber die Prinzipien – klare Szenen, präzise Kameraführung, konsistente Stilanker, bewusste Iteration – bleiben stabil. Wer diese Prinzipien beherrscht, ist unabhängig vom nächsten Modell-Update.
