KI-Video-Workflow: Vom Prompt zum fertigen Film meistern

Ein KI-Video wirkt nur dann professionell, wenn Bildsprache, Bewegung, Licht und Ton über alle Einstellungen hinweg zusammenpassen. Genau daran scheitern die meisten Projekte – nicht an fehlender Modellleistung, sondern an einem unklaren Ablauf. Wer jeden Shot einzeln ausprobiert, verliert Zeit, Budget und den roten Faden. Dieser Leitfaden beschreibt einen reproduzierbaren Workflow von der ersten Idee bis zur Auslieferung: sechs Phasen, konkrete Prompt-Muster, Entscheidungskriterien und die typischen Fehler, die man besser vermeidet.

Warum ein klarer Workflow wichtiger ist als das Modell

Die Auswahl eines Generators ist die kleinste Entscheidung im gesamten Prozess. Modelle unterscheiden sich in Stil, Bewegungsqualität, Längenlimit und Steuerbarkeit – aber sie sind austauschbar. Was bleibt, ist die Struktur deines Projekts: eine Shotlist, ein konsistentes Figuren-Design, definierte Lichtstimmungen und ein klarer Schnittplan.

Drei Beobachtungen aus der Praxis:

• Wer ohne Shotlist startet, generiert im Schnitt dreimal so viele Varianten und wählt am Ende trotzdem die schwächste aus.
• Wer Charaktere nur per Textprompt beschreibt, verliert die Ähnlichkeit nach zwei bis drei Shots.
• Wer den Ton erst am Ende einplant, muss Bilder neu generieren, weil Mundbewegung und Schnittlänge nicht zusammenpassen.

Ein Workflow ersetzt nicht die Kreativität, sondern schützt sie. Er sorgt dafür, dass du Variationen gezielt erzeugst statt zufällig. Und er macht Ergebnisse vergleichbar: Wenn du weißt, welche Parameter sich zwischen zwei Varianten geändert haben, kannst du aus einem guten Ergebnis ein reproduzierbares Rezept machen.

Der zweite Grund ist kommunikativ. Sobald mehr als eine Person am Projekt arbeitet, braucht es gemeinsame Referenzen: Welche Figur, welcher Look, welche Bildrate, welche Ausgabegröße. Eine geteilte Shotlist mit Referenzbildern verhindert 80 Prozent aller Nacharbeit – unabhängig davon, welches Werkzeug am Ende rendert.

Die sechs Phasen der KI-Videoproduktion

Jedes Projekt – ob 15-Sekunden-Clip oder dreiminütige Szene – läuft durch dieselben Phasen:

1. Konzept und Shotlist: Was passiert, in welcher Reihenfolge, mit welcher Kamera?
2. Prompting: Beschreibung von Motiv, Bewegung, Licht und Ton in maschinenlesbarer Sprache.
3. Konsistenz: Referenzen, Seeds und Stilanker, die Figuren und Räume stabil halten.
4. Iteration: Auswahl der besten Varianten nach festen Kriterien.
5. Postproduktion: Schnitt, Ton, Farbanpassung, Zwischenbilder, Effekte.
6. Qualitätskontrolle: Technische Prüfung, Formate, Auslieferung.

Die Reihenfolge ist keine Empfehlung, sondern eine Abhängigkeitskette. Ein Fehler in Phase 1 kostet später das Zehnfache an Zeit, weil er sich durch alle folgenden Phasen fortpflanzt. Wer in Phase 3 merkt, dass die Figur nicht definiert ist, muss in der Regel neu generieren – und das betrifft dann jeden betroffenen Shot.

Praktisch bewährt hat sich ein Zeitbudget: rund 15 Prozent Planung, 20 Prozent Prompting, 25 Prozent Generierung und Auswahl, 25 Prozent Postproduktion, 15 Prozent Kontrolle und Ausgabe. Teams, die deutlich weniger Zeit in die Planung stecken, zahlen sie später mit Interesse zurück.

Phase 1: Konzept, Drehbuch und Shotlist

Beginne mit einer Frage: Was soll der Zuschauer nach dem letzten Bild wissen, fühlen oder tun? Alles andere leitet sich davon ab. Erst danach entsteht die Shotlist – eine Tabelle, die jeden Shot technisch beschreibt, bevor irgendein Generator läuft.

Ein brauchbares Raster sieht so aus:

Shot	Inhalt	Kamerabewegung	Dauer	Licht
1	Weite Aufnahme einer Küste bei Sonnenaufgang	langsamer Vorwärtsflug	4 s	warmes Gegenlicht
2	Nahaufnahme der Hauptfigur, Blick nach links	statisch, leichte Handkamera	3 s	weiches Seitenlicht
3	Hände öffnen eine gefaltete Karte	Aufsicht, langsamer Zoom	2 s	neutral, diffuses Licht
4	Figur geht in den Nebel	Rückwärtsfahrt, Kamera auf Augenhöhe	5 s	kalt, bläulich

Diese Tabelle erfüllt drei Zwecke: Sie verhindert Redundanz, sie macht Übergänge planbar, und sie liefert das Gerüst für die Prompt-Struktur. Wenn du für jeden Shot Dauer und Kamerabewegung notierst, kannst du später genau prüfen, ob das generierte Material die Vorgabe erfüllt – statt dich vom Ergebnis leiten zu lassen.

Zwei Regeln helfen in dieser Phase:

• Halte Shots kurz. Die meisten Generatoren liefern über drei bis fünf Sekunden hinweg stabilere Bewegung als über zehn. Plane lieber mehr kurze Shots und füge sie im Schnitt zusammen.
• Plane Übergänge mit. Ein Schnitt auf eine ähnliche Bewegung wirkt flüssig, ein Schnitt zwischen zwei identischen Bildkompositionen wirkt wie ein Sprung.

Phase 2: Prompting für Bild, Bewegung und Ton

Prompting ist Übersetzungsarbeit: Du überträgst eine visuelle Absicht in eine Beschreibung, die ein Modell eindeutig interpretieren kann. Mehr Adjektive helfen dabei nicht – Reihenfolge und Konkretheit helfen. Ein guter Prompt beantwortet vier Fragen: Was ist zu sehen? Wie sieht es aus? Wie bewegt es sich? Was soll nicht passieren?

Der Bild-Prompt: Motiv, Stil, Licht, Technik

Baue den Bildteil immer in dieser Reihenfolge auf:

1. Motiv und Handlung: „Halbnahaufnahme einer Frau Mitte dreißig in einer gelben Regenjacke, sie blickt nach links aus dem Bild“
2. Umgebung und Atmosphäre: „Nieselregen, grau-blaue Stimmung, Straße mit nassem Asphalt“
3. Licht: „weiches diffuses Licht, keine harten Schatten“
4. Technik und Stil: „50 mm, flache Schärfentiefe, Filmkorn, fotorealistisch“

Diese Reihenfolge hat einen praktischen Grund: Modelle gewichten frühe Begriffe stärker. Wenn das Motiv am Anfang steht, bleibt es stabiler, auch wenn du später die Lichtstimmung variierst. Für Vergleiche ändere immer nur eine Komponente auf einmal – sonst weißt du nicht, welche Anpassung gewirkt hat.

Bewegung und Kamera beschreiben

Bewegung ist der häufigste Grund für Ausschuss. Beschreibe sie deshalb explizit und in drei Teilen: Bewegungsart, Tempo, Ziel der Bewegung.

• „langsamer Dolly-in auf Augenhöhe, Motiv bleibt zentriert, endet in einer Halbnahaufnahme“
• „Kamera schwenkt von links nach rechts über den Horizont, gleichmäßiges Tempo“
• „statische Kamera, nur das Motiv bewegt sich: sie hebt langsam die Hand“

Vermeide Kombinationen, die sich widersprechen, etwa gleichzeitig Zoom und Kamerafahrt oder eine Handkamera mit „absolut ruhig“. Modelle lösen solche Konflikte unvorhersehbar auf – meist mit Artefakten.

Negativ-Anweisungen und Ton

Negativ-Anweisungen sind kein Trick, sondern Hygiene. Nützliche Standards: „keine Schrift im Bild, keine zusätzlichen Personen, keine verzerrten Hände, kein Wasserzeichen, keine harten Schnitte im Shot“. Ergänze sie projektbezogen, etwa „kein Schnee“ für eine Sommerszene.

Beim Ton gilt: Entscheide früh, ob du Lippensynchronisation brauchst. Wenn nicht, halte die Figuren im Bild ruhig oder filme sie von hinten – das reduziert die Fehlerquote deutlich. Ambience und Musik gehören in die Postproduktion, nicht in den Prompt, solange das Modell Bild und Ton nicht getrennt steuern kann.

Phase 3: Konsistenz über mehrere Shots sichern

Konsistenz ist die eigentliche Königsdisziplin. Ein einzelner spektakulärer Shot ist einfach; fünf Shots mit derselben Figur im selben Raum sind es nicht. Drei Techniken decken fast alle Fälle ab.

Referenzbild-Methode

Erzeuge zuerst ein Charakterblatt: zwei bis drei Ansichten der Figur – frontal, im Profil, in der Totalen – bei neutralem Licht. Dieses Bild dient später als Referenz für jeden Shot, in dem die Figur auftritt. Bei der Bildgenerierung gilt dasselbe Prinzip: ein Referenzbild, das Licht, Farbwelt und Material definiert, sorgt dafür, dass alle weiteren Shots im gleichen Look bleiben.

Wichtig ist, dass die Referenz selbst sauber ist. Ein Referenzbild mit starker Stilisierung oder ungewöhnlichem Licht überträgt diese Merkmale auf alle folgenden Shots – auch dort, wo sie nicht passen.

Seeds, Stilanker und Wiederverwendung

Wenn dein Werkzeug Seeds unterstützt, notiere sie pro Szene. Ein Seed plus identischer Prompt-Anfang ergibt ähnliche Ergebnisse; das ist die einfachste Form von Reproduzierbarkeit. Zusätzlich hilft ein Stilanker: eine feste Formulierung, die in jedem Prompt derselben Szene vorkommt, etwa „entsättigte Farben, weiches Nordlicht, 35 mm“.

Für den Schnitt heißt das: Änderungen an Licht oder Stil gehören nur in Shots, die bewusst einen Bruch markieren. Alles andere bleibt im Rahmen des Ankers.

Phase 4: Iteration und Auswahl – Entscheidungskriterien

Jetzt entsteht Material. Um nicht in einer Flut von Varianten zu ertrinken, brauchst du feste Kriterien, bevor du auf Play drückst. Bewertet wird in dieser Reihenfolge:

Kriterium	Leitfrage	Ausschluss bei
Motivtreue	Zeigt der Shot, was die Shotlist vorgibt?	Falsche Figur, falscher Ort
Bewegung	Entspricht Tempo und Richtung der Vorgabe?	Ruckeln, Schwebebewegung
Artefakte	Hände, Gesichter, Kanten, Text im Bild?	Sichtbare Verzerrung
Anschlussfähigkeit	Passt Licht und Komposition zum Vorgänger?	Sprung in Farbe oder Achse
Format	Auflösung und Dauer ausreichend?	Zu kurz für den Schnitt

Der wichtigste Punkt: Ausschlusskriterien zuerst anwenden, dann vergleichen. Sonst gewinnt am Ende der schönste Shot, der nicht in die Szene passt. Bewahre zwei Favoriten pro Shot auf – ein Backup rettet jeden Schnitt, wenn sich die Zeitplanung verschiebt.

Plane für jeden Shot drei bis fünf Varianten ein, für Schlüsselbilder mehr. Alles darüber ist meist Zeitverschwendung; wenn drei Varianten alle schlecht sind, liegt das Problem im Prompt oder in der Referenz, nicht im Zufall.

Phase 5: Postproduktion, Schnitt und Sound

Die Postproduktion entscheidet, ob aus Einzelshots ein Film wird. Der erste Schritt ist immer der Rohschnitt ohne Effekte: Shots in Zielreihenfolge, auf Zielzeit gekürzt. Erst wenn der Rhythmus stimmt, lohnt Feinarbeit.

• Schnitt: Beginne mit harten Schnitten. Weiche Übergänge kaschieren keine schwache Dramaturgie, sie betonen sie.
• Bildkorrektur: Vereinheitliche Weißabgleich, Kontrast und Sättigung über alle Shots. Das ist bei KI-Material wichtiger als bei gedrehtem Material, weil die Farbwelt zwischen Generierungen schwankt.
• Zwischenbilder: Wenn Bewegung zwischen zwei Shots zu abrupt wirkt, hilft eine kurze Überblendung oder ein Zwischenbild statt einer Neugenerierung.
• Ton: Ambience unter jede Szene, Musik erst nach dem Rohschnitt, Dialog zuletzt. Achte auf einen hörbaren Übergang bei Szenenwechseln.
• Tempo: Prüfe, ob jeder Shot länger als nötig ist. Die meisten KI-Clips gewinnen durch Kürzen um 20 bis 30 Prozent.

Ein häufiger Fehler ist die Rückkehr in die Generierung nach dem ersten Schnitt. Wenn ein Shot im Kontext nicht funktioniert, ist meist nicht das Bild das Problem, sondern seine Länge. Kürze zuerst, generiere nur, wenn das nicht hilft.

Phase 6: Qualitätskontrolle und Ausgabeformate

Vor der Auslieferung läuft eine technische Prüfung – am besten mit einer schriftlichen Checkliste, damit sie nicht vom Gefühl abhängt:

• Bildstand: Keine Einzelbilder mit Artefakten, kein Flackern in gleichmäßigen Flächen.
• Anschlüsse: Achsensprung, Lichtsprung, Farbdifferenz zwischen Shots.
• Ton: Pegel konsistent, keine Clicks an Schnittstellen, Ambience durchgehend.
• Text im Bild: Schreibfehler, Position, Lesbarkeit auf mobilen Geräten.

Für die Ausgabe gilt: Exportiere das Master in der höchsten verfügbaren Qualität und leite daraus die Zielformate ab.

Ziel	Format	Hinweis
Master	ProRes oder hohe Bitrate H.264	Archiv, Nachbearbeitung
Social horizontal	1920 × 1080, 16:9	Standard für Web und Präsentation
Social vertikal	1080 × 1920, 9:16	Bildmitte prüfen, Text neu setzen
Quadratisch	1080 × 1080	Für Feeds, Motiv zentriert
Präsentation	H.264, moderate Bitrate	Auf Zielgerät testen

Wichtig bei vertikalen Formaten: Ein 16:9-Bild verliert an den Seiten. Wenn Bildinhalt dort wichtig ist, entweder mit sicherer Bildmitte arbeiten oder das Format von Anfang an in der Shotlist mitdenken.

Typische Fehler, Troubleshooting und Ressourcenplanung

Die folgenden Probleme tauchen in fast jedem Projekt auf – und fast immer gibt es eine schnelle Diagnose:

• Figur verändert sich zwischen Shots. Ursache: keine Referenz oder widersprüchliche Beschreibung. Lösung: Charakterblatt anlegen, Referenz in jedem Prompt verwenden, Stilanker setzen.
• Bewegung wirkt künstlich. Ursache: zu lange Shots oder fehlende Bewegungsbeschreibung. Lösung: kürzen, Bewegungsart und Tempo explizit nennen.
• Gesichter und Hände kippen. Ursache: Figur zu klein im Bild oder zu viele Elemente gleichzeitig. Lösung: näher herangehen, Nebensächliches aus dem Prompt entfernen.
• Stil springt. Ursache: unterschiedliche Licht- und Stilbegriffe pro Shot. Lösung: einheitliche Stilanker-Formulierung, nur bewusst variieren.
• Szene wirkt beliebig. Ursache: kein Übergangs- oder Kontrastkonzept. Lösung: pro Szene eine Lichtstimmung und eine Kameradistanz festlegen, die sich klar unterscheiden.

Zur Ressourcenplanung: Kalkuliere pro fertiger Minute mit mehreren Stunden Generierung, Auswahl und Schnitt. Bei Teamarbeit lohnt es sich, Rollen zu trennen – eine Person für Prompts und Konsistenz, eine für Schnitt und Ton. Doppelte Zuständigkeit führt typischerweise zu widersprüchlichen Stilankern, die die Konsistenzarbeit der anderen Person zunichtemachen.

Häufige Fragen (FAQ)

Wie viele Varianten pro Shot sind sinnvoll? Drei bis fünf. Wenn alle unbrauchbar sind, liegt der Fehler fast immer im Prompt oder in der Referenz. Ändere dann eine Struktur, nicht ein Adjektiv.

Brauche ich für jeden Shot eine neue Referenz? Nein. Eine gute Charakterreferenz gilt für alle Shots, in denen die Figur vorkommt. Neue Referenzen brauchst du nur für neue Figuren, neue Räume oder bewusste Zeitsprünge.

Wie lang sollten einzelne Shots sein? Drei bis fünf Sekunden sind ein guter Standard. Längere Shots nur, wenn die Bewegung selbst erzählerisch trägt – etwa eine langsame Kamerafahrt auf ein Ziel.

Kann ich komplett ohne Shotlist arbeiten? Technisch ja, praktisch nicht empfehlenswert. Selbst eine fünfzeilige Tabelle spart mehrere Generierungsrunden und macht Auswahlentscheidungen objektiver.

Was mache ich, wenn der Ton nicht zum Bild passt? Trenne Bild und Ton konsequent. Ambience und Musik gehören in die Postproduktion, Dialog nur dorthin, wo Lippensynchronisation geplant und technisch kontrollierbar ist.

Wie halte ich ein Projekt über mehrere Wochen konsistent? Dokumentiere pro Szene Referenzbild, Seed, Stilanker und Shotlist. Diese vier Angaben reichen aus, um nach einer Pause nahtlos weiterzuarbeiten – und sie sind die Grundlage, wenn neue Personen ins Projekt kommen.

Woran erkenne ich, dass ein Shot fertig ist? Wenn er die Shotlist erfüllt, keine Artefakte zeigt, sich in Farbe und Bewegung in die Nachbarschaft einfügt und im Schnitt funktioniert. Nicht, wenn er einzeln beeindruckend aussieht.

Fazit

Der Unterschied zwischen einem mittelmäßigen und einem überzeugenden KI-Video liegt selten im Generator. Er liegt in der Struktur: eine Shotlist, die vor dem ersten Prompt steht, ein Prompt-Muster, das Motiv, Bewegung und Licht klar trennt, Referenzen für Konsistenz, feste Auswahlkriterien und eine Postproduktion, die Einzelshots zu einer Szene verbindet. Wer diesen Ablauf einmal etabliert, kann Werkzeuge wechseln, ohne das Projekt zu verlieren – und genau das ist der eigentliche Vorteil eines durchdachten Workflows.