Sora vs. Luma Dream Machine: Text-zu-Video im Praxisvergleich

Warum die Modellwahl heute eine Workflow-Entscheidung ist

Text-zu-Video hat sich in erstaunlich kurzer Zeit von einer experimentellen Spielwiese zu einem Werkzeug entwickelt, das in Agenturen, Marketingabteilungen und Solo-Produktionen täglich genutzt wird. Wer heute ein Erklärvideo, eine Produktsequenz oder eine Serie für soziale Netzwerke plant, trifft die erste richtungsweisende Entscheidung selten am Storyboard, sondern an der Modellauswahl. Zwei Namen prägen diese Diskussion: OpenAI Sora und Luma Dream Machine. Beide erzeugen aus einer Textbeschreibung bewegte Bilder, beide akzeptieren zusätzlich ein Startbild oder einen Referenzclip, und dennoch fühlen sich die Ergebnisse im Alltag unterschiedlich an.

Der entscheidende Unterschied liegt selten darin, welches Modell schönere Einzelbilder rendert. Er liegt darin, welches Modell welche Aufgabe zuverlässig löst. Sora überzeugt bei komplexen Szenen, mehreren Objekten in Interaktion und Einstellungen, in denen physikalische Plausibilität sichtbar wird. Dream Machine punktet mit schneller Iteration, eleganten Kamerabewegungen und einer niedrigen Einstiegshürde für alle, die zuerst experimentieren und erst danach optimieren wollen. Wer beide Werkzeuge gegeneinander antreten lässt, um einen Sieger zu küren, verliert Zeit. Wer sie als Werkzeuge in einem gemeinsamen Prozess begreift, gewinnt Tempo.

Vier Faktoren bestimmen die Qualität jeder Ausgabe, unabhängig vom Anbieter:

• Bewegungskonsistenz: Bleiben Objekte über die gesamte Einstellung stabil, oder verschwimmen Kanten, sobald sich etwas bewegt?
• Physikverständnis: Fallen Gegenstände glaubwürdig, fließt Wasser plausibel, wirken Kollisionen nachvollziehbar?
• Prompt-Treue: Wie viel der Beschreibung landet tatsächlich im Bild – und wie viel erfindet das Modell hinzu?
• Produktionsreife: Lässt sich das Material direkt weiterverarbeiten, oder braucht es mehrere Nachbearbeitungsschritte?

Wer diese vier Punkte getrennt bewertet, kommt schneller zu einer tragfähigen Modellwahl, als wenn nur fertige Demo-Clips verglichen werden. Demo-Clips zeigen kuratierte Best Cases. Sie sagen nichts über den Alltag mit vagen Briefings, engen Deadlines und Kunden, die ihre Meinung in der zweiten Revision ändern.

Ein zweiter Gedanke gehört von Anfang an dazu: Die Modellwahl ist keine einmalige Entscheidung, sondern eine Variable im Prozess. Neue Versionen erscheinen in kurzen Abständen, Limits und Freigaben ändern sich, Funktionen kommen hinzu. Wer sein Projekt so aufbaut, dass die kreative Absicht unabhängig von der Ausführung dokumentiert ist, kann Modelle austauschen, ohne die Arbeit zu verlieren. Genau diese Trennung ist der eigentliche Hebel – nicht die Frage, welches Modell heute zwei Prozent schärfer rendert.

Zwei Architekturen und was daraus für die Praxis folgt

Diffusionsansatz mit Zeitkopplung

Dream Machine gehört zur Familie der Diffusionsmodelle, die auf zeitliche Konsistenz optimiert wurden. Das Grundprinzip: Aus Rauschen wird schrittweise ein Bild – und dieser Prozess wird über mehrere Frames hinweg so gekoppelt, dass sich Motiv, Licht und Farbstimmung nicht von Bild zu Bild neu erfinden. In der Praxis bedeutet das schnelle, ästhetisch ausgewogene Ergebnisse. Kurze Einstellungen mit einer klaren Hauptbewegung funktionieren oft schon beim ersten oder zweiten Versuch.

Die Stärke liegt im Rhythmus. Eine Kamera, die sanft um ein Objekt kreist, eine Figur, die sich durch einen Raum bewegt, ein Produkt, das sich langsam dreht – solche Einstellungen sind das natürliche Habitat dieses Modelltyps. Die Schwäche zeigt sich, wenn eine Szene zu viele gleichzeitige Ereignisse enthält. Dann verliert das Modell die Übersicht und priorisiert die visuell auffälligste Bewegung, nicht die dramaturgisch wichtigste. Wer aus einem komplexen Shot ein Einzelbild braucht, arbeitet mit diesem Modelltyp effizienter, indem er die Szene in zwei oder drei Einstellungen zerlegt und im Schnitt wieder zusammensetzt.

Sequenzmodelle mit Weltverständnis

Sora setzt auf Transformer-Architekturen, die Videos stärker als zusammenhängende Sequenz mit Ursache und Wirkung behandeln. Das Modell hat eine Vorstellung davon, wie sich Dinge in Raum und Zeit verhalten. Deshalb gelingen Szenen, in denen mehrere Objekte miteinander interagieren, Kamerafahrten mit Perspektivwechsel und Einstellungen mit nachvollziehbarer Handlung. Ein Ball, der gegen eine Wand prallt, ein Stoff, der fällt und liegen bleibt, eine Flüssigkeit, die sich in einem Gefäß verteilt – solche Details erhöhen die Glaubwürdigkeit messbar.

Der Preis dafür ist Kontrolle. Ein mächtiges Weltmodell interpretiert Prompts eigenständig und füllt Lücken mit plausiblen, aber nicht immer gewünschten Details. Wer eine exakte Komposition braucht, muss deutlich präziser formulieren und mit Referenzbildern arbeiten. Wer eine überraschende, lebendige Szene sucht, bekommt genau das. Beide Verhaltensweisen sind kein Fehler, sondern eine Eigenschaft, die man einplanen kann.

Was das für Ihre Shot-Liste bedeutet

Aus den beiden Architekturen ergibt sich eine einfache Planungsregel: Zerlegen Sie Ihr Projekt in Einstellungen und markieren Sie jede Einstellung mit ihrem Schwierigkeitstyp.

• Bewegungstyp: eine Hauptbewegung, sanfte Kamera → breit einsetzbar.
• Interaktionstyp: mehrere Objekte, Ursache-Wirkung, Perspektivwechsel → eher dem sequenzstarken Modell zuordnen.
• Sprachtyp: sprechende Figur, Lip-Sync → Spezialwerkzeug einplanen.
• Grafiktyp: Text im Bild, Logos, lesbare Schilder → in die Nachbearbeitung verschieben.

Diese Markierung kostet fünf Minuten pro Projekt und spart später Stunden, weil sie die Diskussion von Geschmacksfragen auf Aufgabenverteilung verschiebt.

Qualität messen: ein Prüfraster für Testclips

Bewegungskonsistenz

Der häufigste Qualitätsverlust entsteht nicht im ruhigen Bild, sondern in der Bewegung. Prüfen Sie deshalb gezielt: Wird eine Hand beim Greifen stabil, oder verschmelzen Finger? Bleibt die Kleidung einer Figur in Form, wenn sie sich dreht? Behält ein Hintergrund seine Struktur, wenn die Kamera schwenkt? Ein schneller Test: Sehen Sie sich den Clip in halber Geschwindigkeit an. Was im normalen Tempo unauffällig wirkt, zeigt in Zeitlupe sofort, wo das Modell rekonstruiert statt simuliert.

Physik und Materialverhalten

Physik ist der zuverlässigste Indikator für die Reife eines Modells. Planen Sie einen kurzen Testshot nur für Materialverhalten ein: Ein Gegenstand fällt auf eine harte Fläche, Flüssigkeit wird eingeschenkt, ein Tuch wird bewegt. Bewerten Sie anschließend drei Dinge: Bleibt das Objekt nach dem Aufprall an einem plausiblen Ort? Verhält sich das Material seiner Art entsprechend – schwer, leicht, elastisch, spröde? Reagiert das Licht konsistent auf die Bewegung? Wer diese Fragen beantwortet, bevor ein ganzes Projekt auf einem Modell aufbaut, vermeidet teure Nacharbeit.

Detailauflösung und Text im Bild

Ein häufiges Missverständnis betrifft die Auflösung. Ein hoher Pixelwert bedeutet nicht automatisch mehr Detailtreue in der Bewegung. Prüfen Sie stattdessen, ob kleine Elemente über die Zeit stabil bleiben: Schriftzüge, Musternähte, Zifferblätter, Blätter im Wind. Lesbarer Text im generierten Bild ist nach wie vor unzuverlässig. Planen Sie Beschriftungen, Logos und Schilder grundsätzlich als Nachbearbeitungsschritt ein – als eingefügte Grafik oder als separat gerenderte Textebene. Das spart Frust und ersetzt keine gestalterische Entscheidung.

Ein Testsetup in dreißig Minuten

Ein belastbarer Modelltest muss nicht aufwendig sein. Bewährt hat sich dieses Vorgehen:

1. Eine einfache Einstellung: Ein Objekt, eine Bewegung, statische Kamera. Dient als Referenz.
2. Eine Interaktionseinstellung: Zwei Objekte, eine klare Ursache-Wirkung.
3. Eine Portraitseinstellung: Eine Figur, mittlere Nähe, ruhige Bewegung.
4. Eine Produkteinstellung: Ein Objekt mit Materialdetail, langsamer Orbit.

Jede Einstellung dreimal generieren, alle Varianten behalten und nebeneinander ansehen. Danach ist klar, welches Modell welche Aufgabe übernimmt – ohne Marktberichte und ohne Testvideos anderer Leute.

Prompting als Spezifikation, nicht als Poesie

Die sechs Bausteine

Ein Text-zu-Video-Prompt ist kein Drehbuch und kein Tagebucheintrag, sondern eine technische Spezifikation. Eine feste Reihenfolge verhindert die meisten Missverständnisse:

1. Motiv: Wer oder was ist zu sehen, wie viele Personen oder Objekte?
2. Handlung: Was passiert in dieser einen Einstellung – nur eine Hauptaktion.
3. Umgebung: Ort, Tageszeit, Wetter, relevante Hintergrunddetails.
4. Kamera: Perspektive, Brennweite, Bewegung, Geschwindigkeit.
5. Licht und Stimmung: Lichtquelle, Farbtemperatur, Kontrast, Atmosphäre.
6. Stil und Technik: Realismusgrad, Filmkorn, Format, Look.

Diese Struktur ist modellunabhängig. Sie reduziert die Interpretationsfreiheit und macht Ergebnisse über mehrere Generierungen hinweg vergleichbar – der wichtigste Hebel überhaupt, wenn Sie aus Einzelversuchen eine reproduzierbare Produktion machen wollen.

Kamera und Motivbewegung trennen

Viele Fehlversuche entstehen, weil Kamera und Motiv in einem Satz vermischt werden. Besser ist es, Kamerabewegung explizit zu benennen und zu dosieren: langsamer Schwenk, Fahrt nach vorn, Orbit um ein Zentrum, statische Aufnahme. Wird Bewegung im Bild und Bewegung der Kamera gleichzeitig beschrieben, produzieren nahezu alle Modelle Artefakte. Formulieren Sie deshalb zuerst das Motiv in Bewegung, dann die Kamera in einem eigenen Satz – und lassen Sie eine der beiden Ebenen bewusst ruhig.

Negative Anweisungen richtig einsetzen

Verbote sind nützlich, aber begrenzt. Ein Prompt, der nur beschreibt, was nicht passieren soll, gibt dem Modell kein neues Ziel. Effektiver ist die Kombination: positives Ziel plus knappe Ausschlussliste. Statt „kein Text im Bild, kein Wasserzeichen, keine zweite Person“ formulieren Sie besser „eine einzige Person, klare Bildmitte, keine zusätzlichen Objekte, unverdeckte Fläche“. Das Modell arbeitet mit dem, was Sie ihm als Bild anbieten – nicht mit dem, was Sie weglassen.

Beispiel: eine Produkteinstellung von roh bis fertig

Motiv: eine Keramiktasse ohne Aufdruck, cremeweiß, auf hellem Holz
Handlung: langsame Drehung um 90 Grad, kein weiteres Objekt
Umgebung: Studio, neutrale Rückwand, weicher Verlauf
Kamera: statische Halbtotale, Objektiv mittlerer Brennweite, keine Fahrt
Licht: großes weiches Seitenlicht, sanfte Schatten, warme Farbtemperatur
Stil: klare Produktfotografie, natürliche Farben, minimales Korn

Nach der ersten Generierung folgt die Feinabstimmung in kleinen Schritten: Reflexion reduzieren, Schatten weicher, Drehung langsamer. Ändern Sie pro Durchlauf nur eine Variable. Wer drei Dinge gleichzeitig verändert, weiß danach nicht, welches Detail den Unterschied gemacht hat.

Zugang, Kontingente und die Rechnung pro brauchbarem Clip

Abrechnungsmodelle im Überblick

Nahezu alle Anbieter kombinieren zwei Elemente: einen Grundzugang und ein Nutzungskontingent für zusätzliche Generierungen. Für die Budgetplanung ist entscheidend, wie das Kontingent verfällt und wie transparent der Verbrauch pro Versuch ist.

Abrechnungslogik	Verhalten	Geeignet für
Nutzungspaket	Verbrauch sinkt mit jeder Generierung	Teams mit schwankendem Volumen
Monatliche Flatrate	feste Obergrenze, gleichmäßige Kosten	planbare Serienproduktion
Abrechnung pro Ergebnis	Zahlung pro fertigem Clip	Projekte mit hoher Ausschussquote
Hybridmodell	Grundgebühr plus Zusatzkontingent	Skalierung nach Bedarf

Für die Kalkulation zählt nicht der Listenpreis, sondern der Preis pro verwendbarem Clip. Wenn ein Modell rechnerisch doppelt so teuer ist, aber in der Hälfte der Versuche brauchbare Ergebnisse liefert, ist es in der Summe günstiger. Eine einfache Auswertung genügt: Generierungen pro Projekt, verwendete Clips, Nacharbeit in Minuten. Drei Projekte später haben Sie eine belastbare Zahl statt eines Gefühls.

Regionen, Wartelisten und Redundanz

Verfügbarkeit ist ein unterschätzter Faktor. Manche Modelle starten in ausgewählten Regionen, andere verlangen eine Verifizierung, wieder andere sind nur über Partnerplattformen erreichbar. Für Teams mit internationalen Standorten bedeutet das: Redundanz einplanen. Wer nur ein Modell im Workflow hat, produziert bei einer Zugangsänderung oder einer Störung sofort Stillstand.

Eine robuste Strategie ist, zwei Hauptmodelle plus ein Spezialmodell vorzuhalten. Der Wechsel zwischen ihnen sollte dokumentiert sein: Welches Modell liefert welche Einstellung, mit welchem Prompt und welcher Referenz? Ohne diese Dokumentation wird jeder Modellwechsel zum Neuanfang, und der vermeintliche Zeitgewinn ist nach zwei Projekten aufgebraucht.

Spezialmodelle als Ergänzung statt Ersatz

Neben den großen Namen etablieren sich Spezialisten wie Kling, MiniMax, Runway oder Pika, die in einzelnen Disziplinen stark sind – etwa bei Figurenbewegung, Sprachsynchronität, Referenzkonsistenz oder schnellen Iterationszyklen. Sie ersetzen kein Hauptmodell, aber sie füllen Lücken. Wer eine sprechende Figur braucht, ist mit einem auf Sprache spezialisierten Werkzeug schneller am Ziel als mit einem Allrounder. Wichtig ist nur, dass die Spezifikation im Regiebuch bleibt und das Werkzeug austauschbar ist.

Der Produktionsworkflow in acht Schritten

1. Briefing verdichten. Ziel, Zielgruppe, Plattform und Länge festlegen. Daraus ergibt sich, ob Hochformat-Kurzclips oder Querformat-Sequenzen gebraucht werden.
2. Regiebuch anlegen. Jede Einstellung in einem Satz beschreiben, danach die sechs Prompt-Bausteine ergänzen. Das Regiebuch ist die zentrale Wahrheit des Projekts, nicht der einzelne Prompt.
3. Schwierigste Einstellung zuerst testen. Zwei bis drei Varianten der anspruchsvollsten Szene produzieren. Wenn diese funktioniert, funktioniert der Rest meist ebenfalls.
4. Modell pro Einstellung zuordnen. Interaktionsszenen zum sequenzstarken Modell, schnelle ästhetische Bewegung zum schnellen Modell, Sprachszenen zum Spezialisten.
5. Serie produzieren. Gleiche Parameter, gleiche Reihenfolge, alles dokumentiert. Erst nach der Serie bewerten, nicht nach jeder einzelnen Generierung.
6. Schnitt und Auswahl. Nicht der spektakulärste Clip gewinnt, sondern der, der der Einstellung dient. Häufig ist die ruhigere Variante die bessere.
7. Nachbereitung. Stabilisierung, Bildanpassung, Farbangleich, Ton, Beschriftungen. KI-Video liefert Bilder, keinen fertigen Film.
8. Archivieren. Prompts, Einstellungen, Referenzbilder und Versionen projektbezogen ablegen. Entscheidend ist nicht die Ablage, sondern die Nachvollziehbarkeit.

Zwischen Schritt drei und fünf sollte niemand ein perfektes Ergebnis erwarten. Eine entspannte Haltung gegenüber Ausschuss ist ein echter Produktionsfaktor: Wer jede Generierung als Bewertung der eigenen Arbeit liest, arbeitet langsamer und mutloser.

Drei Beispielprojekte von Briefing bis Ausgabe

Produktsequenz für einen Onlineshop

Ein Shop braucht sechs Einstellungen für eine Produktseite: Verpackung, Detailaufnahme, Handhabung, Materialoberfläche, Bewegung im Einsatz, Abschlussbild. Vorgehen: Verpackung und Abschlussbild statisch generieren, Handhabung und Bewegung mit dem sequenzstarken Modell, Detailaufnahmen mit ruhiger Kamera und Referenzbild. Ergebnis: sechs brauchbare Clips aus rund zwanzig Generierungen. Kritisch ist die Materialoberfläche – hier lohnt ein eigener Testshot, weil Reflexionen und Textilien modelabhängig stark schwanken. Farbstil erst im Schnitt anwenden, nicht im Prompt erzwingen, sonst lassen sich die Clips unterschiedlicher Modelle nicht angleichen.

Erklärvideo mit Sprecher

Ein Erklärvideo braucht ruhige Bilder unter einer Stimme, dazu zwei oder drei Szenen mit einer Person. Vorgehen: Alle ruhigen Einstellungen mit dem schnellen Modell erzeugen, Sprecher-Szenen mit einem Sprachspezialisten, Übergänge und Grafiken klassisch im Schnitt bauen. Wichtig: Sprecherclips kurz halten, drei bis vier Sekunden, und die Aussage der Stimme über die Bilder tragen, nicht über Bewegung im Bild. Ein häufiger Fehler ist, hier spektakuläre Kamerafahrten einzubauen – sie konkurrieren mit der Stimme und lenken ab.

Social-Reel-Serie mit hoher Frequenz

Zwölf kurze Clips pro Monat, gleiche Bildsprache, hohe Ausschussquote. Vorgehen: ein kurzes Regiebuch mit fünf wiederkehrenden Einstellungsmustern, ein schnelles Modell für die Iteration, ein zweites Modell für die zwei schwierigen Muster. Entscheidend ist hier die Wiederholung: gleiche Lichtbeschreibung, gleiche Farbtemperatur, gleiche Objektivangabe. Nur Motiv und Handlung wechseln. So entsteht Wiedererkennbarkeit bei minimalem Abstimmungsaufwand. Wer stattdessen jede Woche einen neuen Look erfindet, verliert die Serie nach einem Monat.

Typische Fehler und wie Sie sie vermeiden

• Zu viel Handlung pro Einstellung. Wer drei Aktionen in einen Clip packt, bekommt drei halbe Aktionen. Pro Clip eine Hauptaktion.
• Stil mit Inhalt vermischen. „Realistisch“ und „cineastisch“ sind keine Motive. Stilbegriffe gehören in die letzte Zeile des Prompts.
• Widersprüchliche Angaben. Statische Kamera plus dynamische Kamerafahrt führt zu Artefakten. Widersprüche immer auflösen – im Zweifel die Kamera ruhig lassen.
• Zu frühes Upscaling. Erst auswählen, dann hochskalieren. Rechenzeit in eine verworfene Variante zu stecken ist der häufigste Budgetfehler.
• Keine Versionierung. Ohne klare Benennung wird nach zwei Tagen geraten, welche Datei die aktuelle ist. Ein Schema aus Projektkürzel, Einstellungsnummer und Versionsbuchstabe reicht.
• Modellwechsel ohne Dokumentation. Jeder Wechsel benötigt dieselbe Regiebuch-Spezifikation, sonst entstehen stilistische Brüche.
• Referenzbilder mit falscher Perspektive. Ein Referenzbild gibt nicht nur Stil, sondern auch Kamerawinkel vor. Eine falsche Perspektive erzeugt falsche Einstellungen.
• Erwartung von Text im Bild. Beschriftungen, Logos und lesbare Schilder gehören in die Nachbearbeitung.
• Zu viele Köche am Prompt. Wenn drei Personen unabhängig Prompts ändern, ist die Ursache-Wirkung nicht mehr nachvollziehbar. Eine Person verantwortet die Prompt-Version.

Entscheidungshilfe: Modellzuordnung nach Aufgabe

Aufgabe	Besser geeignet	Begründung
Komplexe Interaktion, mehrere Akteure	Sequenzstarkes Modell	stärkeres Ursache-Wirkungs-Verständnis
Schnelle ästhetische Einstellungen	Schnelles Diffusionsmodell	hohe Iterationsgeschwindigkeit
Kamerafahrt um ein Objekt	Schnelles Diffusionsmodell	stabile Orbits, weiche Bewegung
Produktdramaturgie mit Materialphysik	Sequenzstarkes Modell	plausible Material- und Lichtreaktion
Serien mit vielen Varianten	Schnelles Diffusionsmodell	günstige Iteration, breite Auswahl
Sprechende Figuren	Sprachspezialist	auf Sprachsynchronität optimiert
Konsistenz über viele Clips	Hybridansatz	Referenzbild plus Regiebuch

Die Tabelle ist ein Startpunkt, kein Gesetz. Jedes Projekt verschiebt die Gewichtung, und die Modelle entwickeln sich weiter. Wichtiger als die perfekte Zuordnung ist die Fähigkeit, schnell umzuschalten, ohne die Bildidee zu verlieren.

Drei Entscheidungskriterien helfen, wenn Sie zwischen zwei Optionen schwanken:

1. Wie viele Ausschussvarianten verkraftet das Budget? Bei sehr engen Vorgaben gewinnt das Modell mit der höheren Trefferquote, nicht das mit dem niedrigeren Listenpreis.
2. Wie wichtig ist Konsistenz über Einstellungsgrenzen? Wenn ja, ist das Referenzbild entscheidender als die Modellwahl.
3. Wie schnell muss die Rückmeldung beim Kunden sein? Für Previz zählt Geschwindigkeit, für die Endausgabe zählt Detailtreue. Zwei verschiedene Werkzeuge für zwei verschiedene Phasen.

FAQ

Reicht ein Modell für ein ganzes Projekt?
Ja, wenn die Einstellungen homogen sind und keine Sprach- oder Interaktionsszenen vorkommen. Sobald Vielfalt gefordert ist, sinkt die Trefferquote und ein zweites Modell spart Zeit. Ein einzelnes Werkzeug ist kein Nachteil, solange die Bildidee dokumentiert ist und ein Wechsel jederzeit möglich bleibt.

Wie lang sollten generierte Clips sein?
Kurz. Drei bis fünf Sekunden sind für die meisten Modelle der Sweet Spot. Längere Einstellungen entstehen im Schnitt durch Aneinanderreihen oder durch Verlängern einer erfolgreichen Basisgenerierung. Wer lange Einstellungen direkt generieren will, zahlt mit Konsistenzverlust.

Warum sehen Gesichter in Bewegung oft instabil aus?
Weil mehrere Auflösungsebenen gleichzeitig rechnen und kleine Fehler in der Bewegung auffallen. Hilfreich sind ruhige Kamerafahrten, mittlere Nähe statt extremer Close-ups und ein Startbild, das die Figur klar zeigt. Auch eine leichte Unschärfe im Hintergrund reduziert die Rechenlast auf dem Gesicht.

Was bringt ein Startbild im Vergleich zu reinem Text?
Deutlich mehr Kontrolle über Komposition, Licht und Farbstimmung. Text beschreibt Absicht, ein Startbild definiert den Ausgangszustand. Für wiederkehrende Motive ist es der zuverlässigste Weg zur Konsistenz – allerdings nur, wenn die Perspektive des Startbilds zur geplanten Einstellung passt.

Wie viele Versuche sollte man einplanen?
Realistisch sind drei bis sechs Generierungen pro brauchbarer Einstellung, bei schwierigen Motiven mehr. Wer mit einer einzigen rechnet, plant am Bedarf vorbei und gerät in Zeitdruck, genau wenn es auf Sorgfalt ankommt.

Lohnt sich ein Regiebuch auch für kurze Projekte?
Für ein einzelnes Reel selten. Ab etwa fünf Einstellungen oder sobald mehrere Personen beteiligt sind, zahlt sich die Struktur fast immer aus. Der Gewinn entsteht nicht beim ersten Projekt, sondern beim zweiten und dritten, wenn Vorlagen wiederverwendet werden.

Wie geht man mit rechtlichen Fragen um?
Nutzungsrechte, Marken und Personendarstellungen sollten vor der Veröffentlichung geklärt sein. Referenzbilder nur verwenden, wenn die Rechte daran liegen – das gilt auch für Stilreferenzen aus fremden Produktionen. Im Zweifel lieber eine eigene Bildsprache entwickeln, die über das Regiebuch reproduzierbar bleibt.

Wie bleibt man bei schnellen Modell-Updates handlungsfähig?
Indem man die Ebenen trennt: Die Bildidee steht im Regiebuch, die Ausführung im Prompt. Wenn eine neue Version erscheint, ändert sich die Ausführung, nicht die Absicht. Genau diese Trennung macht Teams unabhängig von einzelnen Anbietern und sichert die Qualität über Projekte hinweg.

Woran erkennt man, dass ein Modellwechsel nötig ist?
An drei Signalen: Die Trefferquote für einen Aufgabentyp bleibt über mehrere Projekte niedrig, die Nacharbeit pro Clip steigt, oder eine Einstellung lässt sich mit dem aktuellen Werkzeug grundsätzlich nicht lösen. Dann ist nicht der Prompt das Problem, sondern die Zuordnung – und ein zweites Modell löst mehr als eine weitere Prompt-Variation.

Wie dokumentiert man Prompts sinnvoll?
Kurz und maschinenlesbar. Eine Tabelle mit Einstellungsnummer, Modell, Prompt-Version, Referenzdatei und Bewertung genügt. Entscheidend ist, dass jemand anderes die Einstellung mit diesen Angaben erneut erzeugen kann. Alles, was darüber hinausgeht, wird selten gepflegt und ist damit wertlos.