Prompt Engineering für KI-Video: Der komplette Workflow

Warum Prompt-Engineering über die Qualität deiner KI-Videos entscheidet

Wer regelmäßig mit Text-zu-Video-Modellen arbeitet, kennt das Muster: Der erste Entwurf beeindruckt, der zweite wirkt flach, und nach dem zehnten Versuch weiß niemand mehr genau, welche Formulierung den Unterschied gemacht hat. Genau an diesem Punkt beginnt Prompt-Engineering. Es ist keine Sammlung magischer Zauberwörter, sondern eine Disziplin aus Beobachtung, Struktur und Wiederholbarkeit.

Moderne Videomodelle sind längst keine Bildgeneratoren mit Zeitschiene mehr. Sie simulieren Bewegung, Licht und Physik über mehrere Sekunden. Je mehr Zusammenhänge ein Modell selbst herstellt, desto stärker entscheidet die Eingabe darüber, was es für plausibel hält. Ein unklarer Prompt liefert deshalb nicht nur einen unklaren Look, sondern auch unklare Bewegung, springende Details und Figuren, die zwischen zwei Einstellungen ihr Gesicht verändern.

Prompt-Engineering zahlt sich an drei Stellen aus:

Trefferquote: Du brauchst weniger Versuche bis zu einem brauchbaren Clip.
Konsistenz: Figuren, Kleidung, Lichtstimmung und Farbwelt bleiben über mehrere Shots stabil.
Steuerbarkeit: Kamera, Tempo und Komposition folgen deiner Absicht statt dem Zufall.

Wer diese drei Punkte beherrscht, produziert nicht nur schönere Einzelclips, sondern zusammenhängende Sequenzen. Und genau dort liegt der Unterschied zwischen einem hübschen Experiment und einem Video, das in einem echten Projekt funktioniert. Die folgenden Abschnitte bauen ein System auf, das du für jede Art von Clip wiederverwenden kannst — egal ob Produktfilm, Dokumentation oder stilisierte Kurzsequenz.

Die Anatomie eines belastbaren Video-Prompts

Ein Prompt, der zuverlässig brauchbare Clips liefert, ist selten ein einzelner Satz. Er ist ein Bauplan aus mehreren klar getrennten Bausteinen. Wer diese Bausteine bewusst füllt, kann Ergebnisse vergleichen und gezielt nachjustieren, statt bei jedem Versuch alles neu zu würfeln. Bewährt haben sich sechs Bausteine.

Subjekt, Handlung und Figurenzahl

Beschreibe zuerst, wer oder was zu sehen ist und was passiert. Konkret statt poetisch: eine Radfahrerin in gelber Regenjacke funktioniert besser als eine Person. Nenne die Zahl der Figuren explizit, denn Modelle neigen dazu, Nebenfiguren zu erfinden oder Gesichter zu duplizieren. Ergänze Haltung, Blickrichtung und Ziel der Handlung in einem Satz, damit die Bewegung nicht ins Leere läuft.

Umgebung, Zeitpunkt und Wetter

Ort und Tageszeit prägen die Stimmung stärker als jede Farbangabe. Ein loftartiger Innenraum mit hohen Fenstern verhält sich völlig anders als eine Gasse mit Neonschildern. Ergänze Wetter, Luftfeuchtigkeit oder Staub, weil diese Faktoren Streulicht und Kontrast beeinflussen. Je klarer die Umgebung beschrieben ist, desto weniger muss das Modell raten — und desto seltener tauchen unerwünschte Requisiten auf.

Licht und Materialität

Licht ist der stärkste Hebel für Realismus. Statt warm oder schön zu schreiben, beschreibst du die Lichtquelle und ihre Wirkung: weiches Fensterlicht von links, hartes Gegenlicht, praktische Lichtquellen im Hintergrund. Ergänze Materialien, weil Oberflächen das Licht zurückwerfen: gebürstetes Aluminium, nasser Asphalt, Nylon, staubiges Holz. Diese Details erzeugen Tiefe, die kein allgemeiner Look-Begriff liefert.

Kamera, Objektiv und Bewegung

Hier entscheidet sich, ob der Clip cineastisch wirkt. Nenne Brennweite, Kamerahöhe, Abstand und Bewegung: 35 mm, Handkamera, langsame Vorwärtsfahrt oder 85 mm, statisch, leichte Telekompression. Vermeide widersprüchliche Angaben wie gleichzeitig ruhige Statik und dynamische Fahrt — das Modell entscheidet dann zufällig, und du kannst das Ergebnis nicht wiederholen.

Technische Parameter und Ausgabeformat

Seitenverhältnis, Bildrate, Dauer und Schärfentiefe gehören in den Prompt, sofern das Modell sie akzeptiert. Ein 9:16-Format braucht eine andere Komposition als ein breites Kinoformat. Notiere außerdem, ob du einen neutralen Farblook für die Nachbearbeitung willst oder einen fertigen Look direkt aus dem Modell.

Ausschlüsse und Schutzregeln

Formuliere eine kurze Sperrliste: kein Text im Bild, keine Wasserzeichen, keine verzerrten Hände, kein Stil-Mix, kein Kamera-Zittern. Halte sie schlank. Wer zwanzig Verbote stapelt, verwässert die positiven Anweisungen und bekommt oft genau das Gegenteil des Gewünschten.

Ein modulares Prompt-System für konsistente Ergebnisse

Einzelprompts skalieren nicht. Sobald eine Sequenz aus mehreren Einstellungen besteht, brauchst du eine Struktur, die sich wiederholen lässt. Bewährt hat sich ein Drei-Ebenen-Modell.

Ebene 1 — die Projekt-DNA

Die Projekt-DNA beschreibt alles, was über alle Shots hinweg gleich bleibt: Look, Lichtstimmung, Farbpalette, Bildrate, Figuren. Sie wird nicht neu erfunden, sondern kopiert und nur ergänzt. Dadurch entsteht automatisch ein roter Faden, der auch bei wechselnden Motiven erkennbar bleibt.

Ebene 2 — der Shot-Prompt

Der Shot-Prompt beschreibt ausschließlich, was sich von Einstellung zu Einstellung ändert: Bildausschnitt, Handlung, Kamerabewegung, Dauer. Alles, was hier doppelt auftaucht, erzeugt Widersprüche. Wenn in der Projekt-DNA bereits weiches Seitenlicht steht, darf der Shot-Prompt es nicht erneut definieren.

Ebene 3 — Schutzliste und Iterationsschlüssel

Die Schutzliste gilt global. Der Iterationsschlüssel ist der wichtigste Teil: Du änderst pro Durchlauf genau eine Variable und notierst sie. Ohne diese Disziplin verlierst du die Kontrolle darüber, welche Änderung gewirkt hat — und jede Erkenntnis bleibt Zufall.

PROJEKT-DNA
Look: dokumentarisch, leicht entsättigt, feines Korn
Licht: bewölkt, weich, kein direktes Sonnenlicht
Palette: Grau, gedecktes Grün, ein warmer Akzent
Technik: 24 fps, 16:9, flache Schärfentiefe
Figur: Protagonistin, kurze Haare, gelbe Regenjacke

SHOT 03
Ausschnitt: Halbtotale von hinten
Handlung: sie steigt vom Rad ab und schüttelt den Regen ab
Kamera: 35 mm, statisch, minimaler Handkamera-Atem

SCHUTZLISTE
kein Text im Bild, kein Wasserzeichen, keine zusätzlichen Personen,
kein Stil-Mix, keine harten Schnitte innerhalb des Clips

Licht, Materialität und Kameraführung präzise steuern

Licht beschreiben statt bewerten

Wörter wie stimmungsvoll oder hochwertig sind für ein Modell nicht übersetzbar. Beschreibe stattdessen Quelle, Richtung und Qualität des Lichts. Drei brauchbare Beispiele: tiefstehende Sonne von rechts, lange Schatten, warmer Rand am Haar; gleichmäßiges Nordlicht durch ein großes Fenster mit weichen Schatten; eine einzelne Deckenleuchte mit harten Kanten und dunklen Augenhöhlen. Aus diesen Beschreibungen entsteht automatisch eine Stimmung — und sie bleibt über mehrere Shots reproduzierbar.

Bewegung im Bild von Kamerabewegung trennen

Viele unbrauchbare Clips entstehen, weil beide Ebenen vermischt werden. Bewegung im Bild meint, was innerhalb des Rahmens passiert: Rauch steigt auf, Haare bewegen sich, Wasser tropft. Kamerabewegung meint den Rahmen selbst: Schwenk, Fahrt, Kran, Handkamera. Beschreibe beides in getrennten Sätzen und gib an, ob der Rahmen ruhig bleiben oder mitgehen soll. Ein stehender Rahmen mit starker innerer Bewegung wirkt oft lebendiger als eine hektische Kamerafahrt.

Tempo, Objektivsprache und Schnittgefühl

Tempo lässt sich teilweise über Formulierungen steuern: langsame, gleichmäßige Bewegung ohne Eile oder schnelle, kurze Bewegungsimpulse. Für einen dramatischen Look kombinierst du ein längeres Objektiv mit flacher Schärfentiefe und ruhiger Kamera. Für Reportage wirkt eine leichte Handkamera mit kürzerer Brennweite glaubwürdiger. Plane außerdem, wie die Clips später geschnitten werden: Ein ruhiger Clip lässt sich leichter verlängern als ein Clip mit hektischem Ende.

Referenzbilder, Stilanker und visuelle Kontinuität

Wann ein Referenzbild mehr bringt als Worte

Sobald Gesichter, Kleidung oder ein konkretes Produkt stabil bleiben müssen, ist ein Referenzbild die zuverlässigere Lösung. Beschreibe im Prompt nur noch, was sich ändern soll — Bewegung, Licht, Kamerawinkel — und überlasse das Aussehen dem Bild. Das reduziert Streuung deutlich und spart zahlreiche Testdurchläufe.

Stilanker statt Stil-Mix

Ein Stilanker ist ein kurzes Bündel aus maximal drei Beschreibungen, das den Look festhält: analoger Film mit feinem Korn, gedeckte Farben, weiches Licht. Zwei Stile in einem Prompt konkurrieren miteinander und erzeugen Matsch. Wenn du einen Stilwechsel brauchst, mach ihn zu einem eigenen Clip statt zu einer zusätzlichen Zeile im gleichen Prompt.

Kontinuität über mehrere Einstellungen

Notiere für jede Figur drei Merkmale, die nie variieren: Frisur, Kleidungsfarbe, ein Accessoire. Farbwelten hältst du über eine feste Palette stabil. Und wichtig: Ändere zwischen zwei Shots nie gleichzeitig die Kleidung und das Licht. Jede Änderung ist ein eigener Test, sonst weißt du nicht, welcher Faktor den Unterschied verursacht hat.

Der komplette Workflow: Vom Treatment zum fertigen Clip

Treatment in drei Sätzen. Wer, wo, was — inklusive gewünschter Wirkung. Dieser Text ist die Grundlage für alle weiteren Prompts.
Shot-Liste mit Zweck. Jede Einstellung bekommt eine Aufgabe: etablieren, erklären, Emotion erzeugen, Detail zeigen. Shots ohne Zweck kannst du streichen.
Projekt-DNA schreiben. Look, Licht, Palette, Technik und Figuren einmal sauber formulieren und danach nur noch kopieren.
Ersten Shot isoliert testen. Beginne mit dem schwierigsten Motiv, nicht mit dem einfachsten. Wer dort scheitert, scheitert überall.
Eine Variable pro Durchlauf ändern. Notiere jede Änderung. So entsteht aus Zufall ein belastbares Wissen darüber, was wirklich wirkt.
Bestes Ergebnis als Referenz nutzen. Für Folge-Shots dienen die gelungenen Clips als Stil- und Figurenreferenz.
Montage planen. Prüfe, ob Anfangs- und Endbilder der Clips zusammenpassen. Übergänge entstehen oft in der Nachbearbeitung, nicht im Modell.
Nachbearbeitung. Stabilisieren, Farben angleichen, Ton ergänzen. Sauberer Ton hebt mittelmäßige Bilder stärker als teure Effekte.
Archiv pflegen. Prompt, Einstellungen und Ergebnis notieren. Nach einigen Projekten wird diese Sammlung wertvoller als jedes Handbuch.

Modellwahl und Entscheidungskriterien

Welche Eingabe passt zu welcher Aufgabe

Text-zu-Video eignet sich für neue Szenen und schnelle Ideen. Bild-zu-Video liefert die beste Kontrolle über Aussehen und Komposition. Video-zu-Video ist der Weg, wenn du einen bestehenden Clip in einen bestimmten Look bringen willst. Mischformen helfen, wenn du Bewegung aus einem einfachen Testclip übernehmen möchtest, ohne die Figur neu zu erfinden.

Woran du Modelle sinnvoll vergleichst

Bewerte nicht nach einem einzelnen schönen Beispiel, sondern nach diesen Kriterien: Wie genau folgt das Modell dem Prompt? Bleibt die Bewegung physikalisch plausibel? Wie stark streuen Wiederholungen desselben Prompts? Welche Steuerungsmöglichkeiten gibt es — Referenzbilder, Längenangaben, Seitenverhältnisse? Wie schnell sind mehrere Durchläufe machbar? Erst diese Kriterien zeigen, ob ein Modell für dein Projekt oder nur für eine Demo taugt.

Länge, Auflösung und Iterationsgeschwindigkeit

Kurze Clips mit präziser Bewegung sind leichter zu kontrollieren als lange. Wenn du eine längere Sequenz brauchst, plane sie als mehrere Einstellungen und nicht als einen langen Durchlauf. Bei der Auflösung gilt: Erst Struktur und Bewegung klären, dann hochskalieren. Wer früh in maximaler Qualität rendert, verschwendet bei jedem Test wertvolle Zeit.

Typische Fehler und wie du sie behebst

Symptom	Wahrscheinliche Ursache	Gegenmaßnahme
Figur verändert Aussehen	Figur unzureichend beschrieben	Drei feste Merkmale definieren, Referenzbild nutzen
Bewegung wirkt chaotisch	Zu viele Bewegungsanweisungen	Eine Hauptbewegung, eine Kamerabewegung
Bild wirkt flach	Licht nur bewertet statt beschrieben	Quelle, Richtung und Härte angeben
Stil wird matschig	Zwei Stile in einem Prompt	Stilanker reduzieren, Stilwechsel trennen
Fremde Elemente im Bild	Keine Sperrliste vorhanden	Kurze Schutzliste ergänzen
Unruhiger Rahmen	Handkamera-Formulierung zu offen	Ruhigen Rahmen explizit fordern
Ergebnis nicht reproduzierbar	Mehrere Änderungen gleichzeitig	Immer nur eine Variable ändern
Details verschwinden	Bildausschnitt zu weit	Näher herangehen, Hintergrund reduzieren

Zusätzlich lohnt es sich, den Prompt auf Widersprüche zu prüfen. Formulierungen wie ruhig und dynamisch zugleich, minimalistisch mit vielen Details oder realistisch im Stil einer Zeichnung liefern dem Modell keine Entscheidungsgrundlage. Streiche solche Paare konsequent, bevor du weiter testest.

Praxisbeispiele: Drei Prompts für unterschiedliche Aufgaben

Produktclip mit Alltagsbezug

Ziel: ein Getränk oder ein Pflegeprodukt wirkt glaubwürdig. Der Prompt beschreibt einen Küchentisch am Morgen, weiches Seitenlicht durch eine Gardine, eine Hand, die das Produkt aufnimmt, ruhige Kamera auf Stativ, 50 mm, flache Schärfentiefe. Wichtig ist Zurückhaltung: keine schnellen Fahrten, kein Farbwechsel. Die Wirkung entsteht durch Licht und Langsamkeit, nicht durch Effekte.

Naturdokumentation

Ziel: glaubwürdige Aufnahmen einer Landschaft oder eines Tieres. Hier zählt physikalische Plausibilität. Beschreibe Windrichtung, Vegetation, Lichtstimmung und eine einzige Bewegung — etwa eine langsame Fahrt über ein Tal bei tiefstehender Sonne. Verzichte auf dramatische Effekte und halte die Sperrliste kurz, damit das Modell natürliche Details wie Insekten, Staub oder Grashalme ergänzen darf.

Stilisierte Action-Sequenz

Ziel: hohe Energie mit klarer Struktur. Auch hier gilt: ein Hauptmotiv, eine Bewegungsrichtung, ein definierter Look. Statt unzähliger Effekte beschreibst du Tempo, Lichtkontrast und Perspektive. Für schnelle Schnittfolgen erzeugst du besser mehrere kurze Clips mit konsistentem Look als einen langen Clip, der hektisch werden soll. Die Montage übernimmt anschließend den Rhythmus.

Häufige Fragen und Antworten

Wie lang sollte ein Prompt sein?

Lang genug, um alle sechs Bausteine abzudecken, kurz genug, um widerspruchsfrei zu bleiben. In der Praxis liegt der brauchbare Bereich bei etwa 40 bis 120 Wörtern für die Projekt-DNA plus einem kompakten Shot-Prompt. Länge ist kein Qualitätsmerkmal, Klarheit ist es.

Funktioniert dasselbe Prompt-Gerüst bei allen Modellen?

Die Bausteine ja, die Formulierungen nicht. Jedes Modell reagiert unterschiedlich auf technische Angaben und auf Beschreibungen von Bewegung. Behalte das Gerüst und passe die Vokabeln an, nachdem du pro Modell drei Testreihen gefahren hast.

Wie bleiben Figuren über mehrere Clips hinweg gleich?

Drei Wege, in dieser Reihenfolge: erstens eine feste Merkmalsbeschreibung, zweitens ein Referenzbild, drittens das beste Ergebnis als Vorlage für alle weiteren Clips. Zusätzlich solltest du zwischen den Clips nur die Kameraeinstellung ändern und Licht sowie Umgebung konstant halten.

Was mache ich, wenn die Bewegung zu chaotisch ist?

Reduziere die Bewegungsanweisungen auf eine pro Ebene. Ein Motiv darf sich bewegen, die Kamera darf sich bewegen oder ruhen — aber nicht alles gleichzeitig stark. Prüfe außerdem, ob der Bildausschnitt zu weit ist. Nahaufnahmen kontrollieren Bewegung besser als eine Totale.

Lohnt sich Prompt-Engineering, wenn die Modelle immer besser werden?

Ja, aber die Disziplin verschiebt sich. Wenn Modelle mehr Kontext verstehen, wird Struktur wichtiger und das Zauberwort weniger. Gute Prompts bleiben nützlich, weil sie Absichten klären — auch für dich selbst. Ein sauber dokumentierter Prompt ist ein Storyboard in Textform.

Kann ich Prompts aus alten Projekten wiederverwenden?

Ja, und das ist einer der größten Zeitvorteile. Lege eine Bibliothek an, sortiert nach Aufgabe: Produkt, Porträt, Landschaft, Action. Passe dann nur Figuren und Umgebung an. Achte darauf, dass du alte Sperrlisten nicht ungeprüft übernimmst — sie können neue Ideen unnötig blockieren.

Wie viele Varianten sollte ich pro Shot rendern?

Plane mindestens vier bis sechs Durchläufe ein, davon die ersten beiden als Test mit reduzierter Qualität. Wähle danach nicht die schönste Variante, sondern die, die deine Absicht am genauesten erfüllt und sich in die Sequenz einfügt.

Womit sollte ich anfangen?

Wähle einen einzigen Shot, der für dein Projekt typisch ist. Baue die Projekt-DNA, teste in kleinen Schritten und dokumentiere jeden Durchlauf. Nach fünf sauber protokollierten Versuchen erkennst du Muster, die in keiner Anleitung stehen, weil sie aus deinem eigenen Material stammen. Genau das ist der Kern von Prompt-Engineering: ein Handwerk, das durch bewusstes Beobachten wächst.