Prompt Engineering für Video: Der komplette Praxisleitfaden

Warum Video-Prompting heute eine eigene Disziplin ist

Vor wenigen Jahren genügte ein Satz wie „eine Katze läuft über ein Dach“, um ein brauchbares KI-Video zu erzeugen. Heute liefert derselbe Satz ein Ergebnis, das in jedem Feed sofort als generisch erkennbar ist. Der Grund ist nicht, dass die Modelle schlechter geworden wären – im Gegenteil. Sie folgen längeren Anweisungen, verstehen komplexere Bildsprache und unterscheiden sich gleichzeitig so stark voneinander, dass ein einziger Prompt selten in mehreren Werkzeugen funktioniert.

Video-Prompting ist damit zu einer Übersetzungsarbeit geworden: Du übersetzt eine visuelle Absicht in eine Spezifikation, die ein Modell ausführen kann. Drei Entwicklungen haben diesen Wandel beschleunigt.

Größere Kontextfenster: Modelle behalten Figuren, Requisiten und Lichtstimmungen über mehrere Einstellungen hinweg. Das klingt nach Bequemlichkeit, bedeutet in der Praxis aber auch, dass Widersprüche im Prompt über die gesamte Szene sichtbar bleiben.
Unterschiedliche Modellcharaktere: Ein Werkzeug liefert dokumentarische Hauttexturen bei Tageslicht, ein anderes ornamentale Anime-Ästhetik mit weichen Kanten. Derselbe Prompt erzeugt völlig verschiedene Welten.
Wirtschaftlicher Druck: Jede generierte Sekunde kostet Zeit, Rechenleistung oder Budget. Wer erst nach dem Rendern merkt, dass die Kamerafahrt nicht stimmt, produziert Ausschuss.

Wer diese drei Punkte versteht, behandelt Prompts nicht mehr als kreative Eingebung, sondern als Produktionsmittel. Ein guter Prompt ist reproduzierbar, versionierbar und kommentierbar. Ein schlechter Prompt ist eine vage Hoffnung, die man nicht zweimal identisch erzeugen kann.

Dieser Leitfaden zeigt dir, wie du Prompts systematisch aufbaust, negative Anweisungen sinnvoll einsetzt, Konsistenz über mehrere Einstellungen sicherst und für unterschiedliche Modelltypen die passende Sprache findest. Am Ende steht ein Workflow, den du auf Werbespots, Erklärvideos, Social-Clips und Kurzfilme gleichermaßen anwenden kannst.

Die Anatomie eines belastbaren Video-Prompts

Ein Video-Prompt ist keine Beschreibung, sondern ein Auftrag. Er enthält Rahmenbedingungen, Handlung, Bildsprache und Ausschlüsse. Wer Bausteine weglässt, überlässt dem Modell Entscheidungen – und Modelle entscheiden in solchen Fällen meist nach Durchschnitt. Durchschnitt ist genau das, was du nicht willst.

Die sieben Bausteine

Format und Länge: Seitenverhältnis, Auflösung, Dauer, Bildrate. Ein 9:16-Clip für Kurzformate braucht andere Bildkomposition als eine 2,39:1-Kinoansicht.
Motiv und Figur: Wer oder was ist zu sehen? Alter, Kleidung, Materialien, markante Merkmale. Je konkreter, desto stabiler die Figur.
Handlung: Was passiert in welcher Reihenfolge? Nutze Abfolgen wie „zuerst … dann … schließlich“ statt einer Sammlung von Adjektiven.
Kamera: Position, Bewegung, Brennweite, Höhe. „Langsame Kamerafahrt nach rechts auf Augenhöhe, 50 mm“ ist ausführbar. „Cinematisch“ ist es nicht.
Licht: Tageszeit, Quelle, Richtung, Härte, Farbtemperatur. Licht beschreibt Stimmung, ohne dass du Emotionen behaupten musst.
Stil und Material: Filmkorn, Objektivcharakter, Farbpalette, Referenzepoche, Realismusgrad.
Ausschlüsse: Alles, was nicht vorkommen darf – dazu später mehr.

Vom Satz zur Spezifikation

Vergleiche zwei Formulierungen. Erstens: „Ein Mann steigt aus einem alten Auto und schaut in den Himmel, dramatisch.“ Zweitens:

Format: 16:9, 6 Sekunden, 24 fps
Motiv: Mann, Anfang 40, abgetragene Lederjacke, staubige Jeans
Handlung: Er öffnet die Fahrertür eines verwitterten Kombis, steigt aus,
         bleibt stehen, hebt langsam den Blick zum Himmel
Kamera: Halbnah von links, leichte Untersicht, 35 mm, keine Bewegung
Licht: spätes Nachmittagslicht von rechts hinten, harte Schatten, Staub in der Luft
Stil: analoge Fotografie, leichtes Korn, entsättigte warme Palette
Ausschluss: keine Zeitlupe, keine Lens Flares, kein Text im Bild

Die zweite Version ist länger, aber sie ist entscheidbar. Du kannst einzelne Zeilen ändern, ohne alles neu zu schreiben. Genau das macht Iteration effizient.

Kommentierte Prompt-Bibliothek

Baue dir eine Textdatei mit wiederverwendbaren Bausteinen: eine Kamera-Sektion, eine Licht-Sektion, eine Stil-Sektion. Für neue Projekte kombinierst du vorhandene Bausteine, statt jedes Mal bei null zu beginnen. Nach zehn Projekten hast du ein persönliches Vokabular, das dir niemand nachbauen kann.

Negatives Prompting: Grenzen setzen statt hoffen

Negative Anweisungen sind kein Misstrauen gegenüber dem Modell, sondern eine Kostenbremse. Jeder Render, der wegen eines Artefakts verworfen wird, ist verlorene Zeit. Ein Negativ-Block verhindert die häufigsten drei Fehlerklassen.

Typische Artefakte, die du benennen solltest

Anatomie: zusätzliche Finger, verschmolzene Hände, doppelte Gliedmaßen, schiefe Zähne
Bildinhalt: Wasserzeichen, Untertitel, Logos, lesbarer Text, Rahmen, Collagen
Bewegung: Morphing zwischen Einzelbildern, flackernde Gesichter, springende Requisiten, unlogisches Tempo
Optik: überstrahlte Highlights, extreme Weitwinkelverzerrung, Doppelkonturen, abrupte Farbwechsel

Ein typischer Negativ-Block für ein realistisches Porträt könnte so aussehen:

Vermeide: Text, Wasserzeichen, Logos, zusätzliche Finger, verzerrte Hände,
Gesichtsmorphing, abrupte Schnitte, Zeitlupe, Übersättigung, Lens Flares,
Weichzeichner über das gesamte Bild

Negatives Prompting richtig dosieren

Zwei Regeln verhindern, dass Negativlisten zum Eigentor werden. Erstens: Formuliere Ausschlüsse als Zustände, nicht als Wünsche. „Keine Zeitlupe“ funktioniert, „nicht langsam“ ist interpretationsfähig. Zweitens: Übertreibe nicht. Eine Liste mit vierzig Verboten verwässert den Fokus und kann das Modell dazu bringen, genau die verbotenen Elemente zu betonen.

Wenn ein Artefakt hartnäckig auftritt, liegt die Ursache oft nicht im Negativ-Prompt, sondern im positiven Teil. Flackernde Gesichter entstehen meist aus widersprüchlichen Lichtangaben. Doppelte Gliedmaßen entstehen aus unklarer Handlungsbeschreibung. Behebe zuerst die Ursache, dann ergänze den Ausschluss.

Konsistenz über mehrere Szenen: Kontextketten richtig bauen

Ein einzelner Clip ist selten das Ziel. Du willst eine Sequenz, in der dieselbe Figur dieselbe Jacke trägt, dasselbe Licht durch dasselbe Fenster fällt und die Kameraachse nicht plötzlich kippt. Das gelingt nicht durch Wiederholung, sondern durch Referenzierung.

Figurenkonsistenz mit Merkmalstokens

Definiere pro Figur einen festen Satz von Merkmalen und verwende ihn wortgleich in jeder Szene:

Figur A: kräftige Statur, kurzes graumeliertes Haar, linkes Ohr mit kleiner Narbe,
olivfarbener Wollmantel, dunkelbraune Stiefel

Wortgleichheit ist wichtig. Sobald du „graumeliert“ in einer Szene zu „silbrig“ machst, behandelt das Modell es als neue Information. Verwende zusätzlich Formulierungen wie „dieselbe Person wie in Einstellung 1, gleiche Kleidung, gleiches Licht“.

Licht- und Farbkontinuität

Lege eine Farbpalette mit drei bis fünf dominanten Tönen fest und referenziere sie in jeder Szene. Ergänze eine Zeitangabe für die gesamte Sequenz – etwa „durchgehend späte blaue Stunde“ – damit Übergänge plausibel bleiben. Wenn du einen Schnitt über die Kameraachse planst, kündige ihn explizit an: „Achsensprung gewollt, Gegenschuss von rechts“.

Reihenfolge und Übergänge

Plane Übergänge als eigene Anweisung. Ein harter Schnitt, eine Überblendung und eine Peitschenschwenkung erzeugen völlig unterschiedliche Rhythmen. Wenn du Übergänge dem Modell überlässt, bekommst du meist weiche, beliebige Übergänge – technisch sauber, dramaturgisch belanglos.

Modellspezifisch prompten: Realismus, Stil und Tempo

Jedes Modell hat eine bevorzugte Sprache. Wer das ignoriert, schreibt Prompts, die überall mittelmäßig funktionieren. Die folgenden Muster sind als Richtungen zu verstehen, nicht als starre Regeln – teste sie mit kurzen Clips, bevor du eine ganze Sequenz renderst.

Fotorealistische Modelle

Systeme wie Flux oder Sora belohnen physikalische Genauigkeit. Nenne Materialien, Oberflächenbeschaffenheit, Brennweiten und Lichtquellen. Vermeide Superlative wie „unglaublich detailliert“ und „hyperrealistisch“; sie liefern keine zusätzliche Information. Stattdessen:

Hauttextur sichtbar, feine Poren, trockene Lippen, Staub auf der Schulter,
35-mm-Objektiv, Blende f/2.0, Schärfentiefe auf den Augen

Fotorealistische Modelle reagieren außerdem sensibel auf widersprüchliche Lichtangaben. Zwei Hauptlichtquellen aus verschiedenen Richtungen führen zu flachen, künstlich wirkenden Gesichtern. Arbeite mit einer Hauptlichtquelle plus Aufhellung.

Stilisierte und Anime-orientierte Modelle

Werkzeuge wie Kling oder Vidu blühen bei klarer Formsprache auf. Hier hilft es, Konturen, Linienstärke, Schattierungsart und Farbflächen zu beschreiben: „klare Außenlinien, cel-shading mit zwei Schattierungsstufen, Pastellpalette mit einem gesättigten Akzent“. Nenne außerdem Bewegungskonventionen, etwa „bewusste Posen im Standbild, minimale Zwischenbewegung“.

Ein häufiger Fehler ist, fotorealistische Detailbegriffe in stilisierte Prompts zu mischen. „Sichtbare Poren“ in einem Anime-Prompt erzeugt meist einen weichen Hybridlook, der weder das eine noch das andere ist.

Schnelle und kostengünstige Modelle

Dienste wie Pika oder Hailuo eignen sich für Tests, Konzeptclips und große Mengen an Varianten. Hier gewinnt Kürze. Reduziere auf drei bis vier Zeilen: Motiv, Handlung, ein Kamerabegriff, ein Stilbegriff. Lange Beschreibungen führen bei diesen Systemen oft zu hektischer Bewegung, weil das Modell versucht, alle Details gleichzeitig zu zeigen.

Der praktische Ansatz: Entwickle die Szene mit dem schnellen Modell bis zur richtigen Komposition und Dramaturgie. Erst wenn Timing und Bildaufbau sitzen, übertrage denselben Inhalt in ein hochwertigeres Modell.

Mini-Vergleich der Prompt-Schwerpunkte

Modelltyp	Wichtigste Hebel	Typischer Fehler
Fotorealistisch	Material, Licht, Brennweite	widersprüchliche Lichtquellen
Stilorientiert	Linien, Schattierung, Palette	gemischte Realismus-Begriffe
Schnell und günstig	kurze, klare Handlung	überladene Beschreibungen

Von Text zu Storyboard: der praktische Workflow

Ein Prompt entsteht nicht am Anfang, sondern in der Mitte. Vor ihm steht ein Beat-Sheet, nach ihm steht eine Bewertungsrunde. Die folgenden sieben Schritte halten diesen Zyklus kurz.

Schritt 1: Absicht in einem Satz festhalten

Bevor du irgendetwas generierst, notiere, was der Clip beim Publikum auslösen soll: Neugier, Erleichterung, Spannung, Wiedererkennung. Diese Absicht ist dein Entscheidungskriterium für jede spätere Prompt-Änderung.

Schritt 2: Beat-Sheet mit Sekundenangaben

Teile die Zielänge in Beats. Für einen 20-Sekunden-Clip reichen fünf Beats à vier Sekunden. Jeder Beat bekommt einen Satz Handlung und eine Kamerafunktion. So vermeidest du Prompts, die zu viel in zu kurzer Zeit unterbringen wollen.

Schritt 3: Prompt-Bausteine zusammenstellen

Setze Format, Figur, Kamera, Licht und Stil aus deiner Bibliothek zusammen. Der erste Prompt ist bewusst konservativ: wenig Bewegung, klare Lichtsituation, eine Figur.

Schritt 4: Testlauf in Kurzform

Rendere vier Sekunden statt zwanzig. Prüfe ausschließlich drei Dinge: Ist die Figur korrekt? Ist die Bewegung plausibel? Stimmt die Bildkomposition? Alles andere ist Nebensache.

Schritt 5: Gezielt eine Variable ändern

Ändere pro Iteration genau eine Zeile. Wenn du gleichzeitig Kamera und Licht anpasst, weißt du nie, welche Änderung gewirkt hat. Diese Disziplin fühlt sich langsam an und ist in Summe deutlich schneller.

Schritt 6: Sequenz rendern und Übergänge prüfen

Erst wenn alle Beats einzeln sitzen, rendere die vollständige Sequenz. Prüfe danach die Übergänge separat und in normaler Abspielgeschwindigkeit, nicht im Einzelbildmodus.

Schritt 7: Dokumentieren

Notiere pro Projekt, welche Prompt-Zeilen funktioniert haben und welche nicht. Fünfzehn Minuten Dokumentation sparen dir später mehrere Stunden Trial and Error.

Automatisierung und Regie-Assistenz sinnvoll nutzen

Zahlreiche Werkzeuge bieten inzwischen Funktionen, die aus einem Skript automatisch Shot-Listen, Bildvarianten oder Storyboards ableiten. Das ist nützlich, aber nicht kostenlos im Sinne der Kontrolle: Automatik erzeugt Durchschnitt, wenn du ihr keine Richtung gibst.

Sinnvoll ist Automatisierung an drei Stellen. Erstens bei der Variantenbildung: Lass dir zu einem Beat fünf Kameravorschläge erzeugen und wähle aus, statt selbst zu raten. Zweitens bei der Formatableitung: Aus einem 16:9-Master lassen sich 9:16- und 1:1-Versionen generieren, wenn du die Kompositionsregeln vorgibst. Drittens bei der Textarbeit: Beschreibungen lassen sich automatisch in die Baustein-Struktur überführen, was Tippfehler und Formatinkonsistenzen reduziert.

Weniger sinnvoll ist Automatisierung bei der dramaturgischen Entscheidung. Wann ein Schnitt sitzt, wann eine Einstellung zwei Sekunden länger atmen darf und wann eine Figur den Blick heben sollte, bleibt eine Regieentscheidung. Nutze Automatik als Vorschlagsmaschine, nicht als Regisseurin.

Ein bewährtes Vorgehen: Lass dir pro Szene drei Storyboard-Varianten generieren, wähle eine aus und schreibe sie manuell zu einem detaillierten Prompt um. Der manuelle Schritt zwingt dich, Bewegung und Licht zu durchdenken.

Häufige Fehler und wie du sie behebst

Die meisten Probleme im Video-Prompting haben Ursachen, die sich in wenigen Minuten beheben lassen. Die folgende Liste ordnet Symptome ihren wahrscheinlichsten Auslösern zu.

Figur verändert sich zwischen Einstellungen: Merkmalsbeschreibung nicht wortgleich. Kopiere den Figurenblock unverändert.
Bewegung wirkt hektisch: Zu viele Handlungsschritte pro Sekunde. Reduziere auf einen Beat pro Einstellung.
Bild wirkt flach und künstlich: Zwei Hauptlichtquellen oder gar keine Richtungsangabe. Definiere eine Hauptlichtquelle mit Richtung.
Gesichter flackern: Widersprüchliche Angaben zu Kopfbewegung und Kamerabewegung. Halte eine von beiden ruhig.
Details verschwinden: Prompt zu lang für ein schnelles Modell. Kürze auf drei Zeilen.
Stil kippt ins Plastikhafte: Realismus-Begriffe in einem stilorientierten Prompt. Entferne Begriffe wie „Poren“ oder „Fotorealismus“.
Text erscheint im Bild: Ausschluss fehlt. Ergänze „kein Text, keine Schriftzeichen, keine Untertitel“.
Übergänge wirken beliebig: Übergang nicht spezifiziert. Schreibe ihn als eigene Anweisung mit Richtung und Tempo.

Qualitätskontrolle: ein Bewertungsraster für jeden Clip

Ohne Bewertungsraster wird jede Iteration zum Bauchgefühl. Bewerte jeden gerenderten Clip mit sechs Kriterien auf einer Skala von eins bis fünf und dokumentiere nur die schwächsten zwei Werte.

Figurentreue: Entspricht die Figur der Referenzbeschreibung?
Bewegungslogik: Sind Bewegung und Physik plausibel?
Kameraführung: Ist die Kamerabewegung gewollt und ruhig?
Lichtstimmung: Passt das Licht zur beabsichtigten Stimmung?
Bildkomposition: Trägt der Bildaufbau die Aussage?
Prompt-Treue: Wurden alle wesentlichen Anweisungen umgesetzt?

Alles unter drei Punkten wird sofort nachgebessert. Werte von drei oder vier dürfen in die nächste Iteration mitgenommen werden. Werte von fünf benötigen keine weitere Arbeit – hier wäre jede Änderung ein Risiko.

Wichtiger als das absolute Ergebnis ist der Trend. Wenn zwei aufeinanderfolgende Iterationen denselben schwachen Wert zeigen, liegt das Problem nicht in der Formulierung, sondern in der Struktur. In diesem Fall hilft es, die Einstellung neu zu zerlegen: eine Handlung, eine Kamerabewegung, eine Lichtsituation.

FAQ: kurze Antworten auf wiederkehrende Fragen

Wie lang sollte ein Video-Prompt sein?
So lang wie nötig, so kurz wie möglich. Für schnelle Modelle reichen zwei bis drei Zeilen, für fotorealistische Systeme sind acht bis zwölf klar getrennte Zeilen üblich. Entscheidend ist nicht die Länge, sondern die Eindeutigkeit.

Funktionieren Prompts in mehreren Werkzeugen gleichzeitig?
Selten ohne Anpassung. Behalte die Handlung und die Figurbeschreibung identisch und passe nur die technischen Angaben wie Brennweite oder Stilbegriffe an den jeweiligen Modelltyp an.

Brauche ich negative Prompts überhaupt?
Ja, aber sparsam. Ein Block mit fünf bis zehn Ausschlüssen deckt die meisten Artefakte ab. Alles darüber verwässert den Fokus.

Wie halte ich Figuren über viele Einstellungen stabil?
Verwende einen wortgleichen Merkmalsblock, referenziere die vorherige Einstellung explizit und ändere pro Iteration höchstens eine Variable.

Was sind typische Anfängerfehler?
Zu viele Handlungsschritte pro Sekunde, Superlative statt konkreter Angaben, widersprüchliche Lichtangaben und fehlende Übergangsbeschreibungen.

Wie schnell sehe ich Fortschritte?
Wenn du eine eigene Baustein-Bibliothek aufbaust und pro Projekt dokumentierst, werden deine ersten Entwürfe nach etwa fünf Projekten merklich treffsicherer – weil du dann nicht mehr formulierst, sondern zusammensetzt.

Fazit: Prompting als Handwerk, nicht als Glückssache

Gute Video-Prompts entstehen aus Struktur. Format, Figur, Handlung, Kamera, Licht, Stil und Ausschlüsse bilden ein Gerüst, das sich in jeder Iteration präzise verändern lässt. Wer dieses Gerüst einmal aufgebaut hat, arbeitet schneller, vergleicht ehrlicher und produziert weniger Ausschuss.

Der wichtigste Denkwechsel: Ein Prompt ist kein kreativer Akt, sondern ein Produktionsmittel. Die Kreativität liegt im Beat-Sheet, in der Entscheidung, welche Einstellung wie lange dauern darf, und in der Frage, was das Publikum fühlen soll. Der Prompt übersetzt diese Entscheidungen nur in eine ausführbare Sprache.

Beginne mit einem kleinen Projekt: einem Clip, drei Einstellungen, eine Figur. Baue die Bausteine, rendere Kurztests, ändere jeweils eine Variable und dokumentiere das Ergebnis. Nach wenigen Durchläufen hast du nicht nur ein besseres Video, sondern ein Verfahren, das du auf jedes weitere Projekt anwenden kannst.