Warum Dramaturgie und Shot-Design über den Erfolg von KI-Kurzvideos entscheiden
Generative Videomodelle sind in den letzten Jahren erstaunlich gut darin geworden, einzelne Einstellungen zu erzeugen: ein Gesicht im Gegenlicht, eine Straße bei Regen, eine Hand, die eine Tür öffnet. Was sie nicht von allein liefern, ist eine Geschichte. Genau hier liegt die eigentliche Arbeit. Wer KI für Kurzvideos nutzt, produziert selten einzelne Clips, sondern eine Sequenz, die zusammen eine Wirkung entfaltet – Spannung, Humor, Information oder Emotion.
Das bedeutet: Die Qualität deines Ergebnisses hängt weniger vom gewählten Modell ab als von drei Dingen, die du selbst kontrollierst. Erstens die Dramaturgie: Was passiert in welcher Reihenfolge und warum? Zweitens das Shot-Design: Welche Kameraeinstellung transportiert welche Information? Drittens die Konsistenz: Bleiben Figuren, Kleidung, Licht und Stil über alle Einstellungen hinweg erkennbar gleich?
In der Praxis sieht man häufig das Gegenteil: schöne Einzelclips, die aneinandergeschnitten wie eine Sammlung von Postkarten wirken. Der Zuschauer verliert nach drei Sekunden die Orientierung, weil räumliche Logik, Blickrichtungen und Lichtrichtung zwischen den Einstellungen springen. Dieser Leitfaden zeigt einen Workflow, der dieses Problem strukturell löst – vom Treatment über die Shot-Liste bis zum fertigen Schnitt.
Die Produktionskette im Überblick: Vom Treatment zum fertigen Clip
KI-Videoproduktion ist kein einstufiger Vorgang, sondern eine Kette mit klaren Übergaben. Wer die Kette kennt, kann Fehler früh und billig korrigieren, statt spät und teuer.
Vom Treatment zur Shot-Liste
Am Anfang steht ein Treatment von einer halben bis einer ganzen Seite: Prämisse, Hauptfigur, Konflikt, Wendepunkt, Auflösung. Daraus entsteht ein Drehbuch oder zumindest ein Beat-Sheet mit den entscheidenden Momenten. Erst danach wird in Einstellungen zerlegt. Eine Einstellung ist die kleinste Einheit, die du separat generierst – und jede Einstellung braucht einen Job: Sie etabliert Ort, zeigt Reaktion, erklärt Handlung oder erzeugt Druck.
Prompt-Bau als Übersetzungsarbeit
Jede Einstellung wird in einen Prompt übersetzt, der vier Informationsblöcke enthält: Motiv und Handlung, Kameraführung, Licht und Farbstimmung, technische Parameter wie Seitenverhältnis, Bewegungsintensität und Dauer. Diese Blöcke bleiben über alle Einstellungen hinweg gleich aufgebaut. Das ist der wichtigste Trick für Konsistenz: gleiche Struktur, variierende Inhalte.
Generierung, Auswahl, Schnitt
Generiere pro Einstellung mehrere Varianten – nicht eine. Drei bis sechs Versuche sind normal, bei schwierigen Bewegungen mehr. Danach folgt eine harte Auswahl nach vier Kriterien: Erkennbarkeit der Figur, Plausibilität der Bewegung, Lichtkontinuität zur Voreinstellung und emotionale Treffsicherheit. Erst wenn die Auswahl steht, wird geschnitten. Ton, Musik und Voice-over kommen zuletzt, weil sie das Tempo bestimmen und gelegentlich dazu führen, dass eine Einstellung kürzer oder länger sein muss.
Narrative Struktur für Kurzformate: Spannung in 45 Sekunden aufbauen
Kurzvideo bedeutet nicht „weniger Geschichte“, sondern „verdichtete Geschichte“. Die klassische Dreiaktstruktur funktioniert weiterhin, nur mit anderen Zeitanteilen.
Hook, Eskalation, Auflösung
Die ersten zwei Sekunden entscheiden. Ein Hook kann eine ungewöhnliche Bewegung sein, eine Frage im Bild, ein Geräusch, ein Blick in die Kamera oder ein visueller Bruch. Danach folgt die Eskalation: Die Figur trifft auf Widerstand, eine Information fehlt, ein Hindernis wächst. Die Auflösung muss nicht spektakulär sein – sie muss befriedigend sein. Ein kleiner Perspektivwechsel, ein gelöstes Rätsel oder ein trockener Schnitt auf ein Detail reicht oft aus.
Praktisch heißt das für ein 45-Sekunden-Video: zwei bis drei Sekunden Hook, rund 25 bis 30 Sekunden Eskalation, sechs bis zehn Sekunden Auflösung, zwei Sekunden Nachhall. Plane diese Zeitanteile bewusst, bevor du Einstellungen generierst. Sonst entstehen Clips, die technisch brillant, aber dramaturgisch leer sind.
Tempo als dramaturgisches Werkzeug
Tempo entsteht nicht nur durch Schnittfrequenz, sondern durch Informationsdichte. Ein langsamer Push-in auf ein Gesicht kann spannender sein als fünf schnelle Schnitte, wenn das Gesicht etwas verbirgt. Nutze lange Einstellungen für Unsicherheit und Erwartung, kurze Einstellungen für Entscheidungen und Wendepunkte. Wenn du KI-Clips generierst, plane das Tempo bereits im Prompt mit: Ein ruhiger Kamerafahrts-Prompt erzeugt anderes Material als ein hektischer Handkamera-Prompt – und erspart dir späteren Zeitlupen- oder Beschleunigungs-Trick.
Shot-Design-Praxis: Kamerawinkel, Bewegung und Licht als Prompt-Bausteine
Shot-Design ist die Sprache, in der du dem Zuschauer Bedeutung vermittelst. In der KI-Produktion wird diese Sprache zu Text. Deshalb lohnt es sich, die wichtigsten Vokabeln zu kennen und bewusst einzusetzen.
Distanz und Wirkung
Weite Einstellungen etablieren Ort und Einsamkeit. Halbtotale zeigt Beziehungen zwischen Figur und Umgebung. Nahaufnahme erzeugt Nähe und Emotion. Detailaufnahme lenkt Aufmerksamkeit auf ein Objekt, das gleich wichtig wird. Eine einfache Regel: Beginne eine Sequenz eher weit und werde schrittweise näher, wenn die emotionale Bindung wachsen soll. Umgekehrt funktioniert es, wenn du Nähe zuerst aufbaust und dann durch eine weite Einstellung Isolation zeigst.
Kamerabewegung mit Absicht
Statische Kamera wirkt beobachtend und distanziert, Push-in wirkt zugewandt, Pull-out wirkt loslassend, Orbit erzeugt Dynamik und Handkamera Authentizität. Jede Bewegung sollte einen Grund haben. Ein häufiger Fehler in KI-Videos: In jeder Einstellung bewegt sich die Kamera, wodurch der Zuschauer keine Ruhe findet und die Bewegung an Bedeutung verliert. Setze bewusst Kontrapunkte – drei ruhige Einstellungen, dann eine Bewegung.
Licht und Farbpalette
Licht ist der stärkste Konsistenzanker überhaupt. Lege eine Lichtlogik fest: Tageszeit, Lichtrichtung, Härte, Farbtemperatur und Kontrastverhältnis. Wenn Figur A von links beleuchtet wird, sollte das in der nächsten Einstellung am gleichen Ort weiterhin so sein. Auch die Farbpalette gehört ins Treatment: zwei Hauptfarben, eine Akzentfarbe. Diese Vorgabe wiederholst du in jedem Prompt – in identischer Formulierung.
Figurenkonsistenz über mehrere Einstellungen und Episoden sichern
Nichts zerstört den Eindruck eines professionellen Videos schneller als eine Figur, die zwischen zwei Schnitten ihr Gesicht, ihre Frisur oder ihre Jacke wechselt. Konsistenz ist deshalb kein Detail, sondern Grundvoraussetzung.
Der zuverlässigste Weg ist ein Charakterblatt, das du einmal erstellst und dann immer wieder verwendest. Es enthält eine feste Beschreibung: Alter, Gesichtsform, Haarstruktur und -farbe, Kleidung mit Material und Farbton, besondere Merkmale wie Narben, Brillen oder Schmuck. Diese Beschreibung wird wortgleich in jeden Prompt kopiert. Variiere nur, was sich innerhalb der Szene ändern darf.
Zusätzlich hilft es, Referenzbilder zu erzeugen und als Stil- oder Bildvorlage in den Generierungsprozess zu geben, sofern das verwendete Werkzeug das unterstützt. Achte darauf, dass Referenzen immer dieselbe Lichtsituation zeigen. Ein Referenzbild mit hartem Mittagslicht hilft nicht, wenn die Szene in der Dämmerung spielt.
Für Serien mit mehreren Folgen lohnt sich ein kleines Kontinuitätsprotokoll: Pro Folge dokumentierst du Kleidung, Tageszeit, Wetter, Orte und Gegenstände. So kannst du in Folge fünf nachsehen, welche Uhr die Figur trug – und vermeidest unfreiwillige Brüche.
Umgebungen, Requisiten und räumliche Logik planen
Räume müssen sich wie Räume verhalten. Wenn eine Figur in einer Küche steht und nach links blickt, sollte die nächste Einstellung nicht zeigen, dass sich links eine Außenwand mit Meer befindet, sofern das nicht die Pointe ist. Erstelle deshalb einen einfachen Grundriss pro Drehort: Wo steht die Tür, wo das Fenster, wo die Lichtquelle, wo die Kamera?
Requisiten sind erzählerische Werkzeuge. Eine Tasse, ein Regenschirm, ein Brief – sie werden interessant, wenn sie in mehreren Einstellungen auftauchen und ihre Bedeutung sich verändert. Plane Requisiten bewusst und beschreibe sie mit konsistenten Adjektiven (Farbe, Material, Zustand). Wenn ein Gegenstand im Verlauf der Szene beschädigt wird, muss dieser Zustand in allen späteren Einstellungen wiederholt werden – ein häufiger Kontinuitätsfehler in generierten Videos.
Auch Hintergrunddetails verdienen Aufmerksamkeit: Passanten, Fahrzeuge, Pflanzenbewegung. Sie dürfen nicht zwischen Schnitten ihre Richtung oder Geschwindigkeit ändern, sonst wirkt der Schnitt unruhig. Ein Trick ist, den Hintergrund bewusst ruhig zu halten: weniger Bewegung im Hintergrund, mehr Klarheit im Vordergrund.
Praxis-Workflow: In sieben Schritten vom Konzept zum fertigen Kurzvideo
Schritt 1: Konzept und Zieldefinition
Notiere in einem Satz, was der Zuschauer nach dem Video denken, fühlen oder tun soll. Lege Plattform, Format und Ziellänge fest. Horizontale Formate erzählen anders als vertikale, weil der Bildraum schmaler ist – vertikal bedeutet mehr Nähe und weniger Umgebung.
Schritt 2: Skript und Beat-Sheet
Schreibe das Skript knapp und dialogarm. Markiere die dramatischen Punkte. Verteile sie auf die geplanten Zeitanteile.
Schritt 3: Shot-Liste in Tabellenform
Eine Spalte pro Information: Nummer, Beschreibung der Handlung, Distanz, Kamerabewegung, Licht, Dauer, Ton. Diese Tabelle ist dein Produktionsplan und deine Checkliste beim Schnitt.
Schritt 4: Prompt-Templates bauen
Baue für jede Einstellung den Prompt nach demselben Muster: Motiv und Handlung, Kamerasprache, Licht, Stil, technische Parameter, Negativliste. Halte Wortwahl und Reihenfolge konstant.
Schritt 5: Generieren und brutal auswählen
Generiere mehrere Varianten pro Einstellung, möglichst in kurzen Blöcken, damit du den Überblick behältst. Bewerte direkt gegen die Nachbareinstellung, nicht isoliert. Markiere gute Ergebnisse sofort, denn späteres Wiederfinden kostet mehr Zeit als die Auswahl selbst.
Schritt 6: Schnitt, Ton, Feinschliff
Schneide auf den Rhythmus der Musik oder des Voice-overs. Achte auf Blickrichtungen, Bewegungsrichtungen und Lichtkontinuität. Ergänze Geräuschebene: Atmosphäre, Foley, Akzente. Oft heilt guter Ton einen kleinen visuellen Bruch.
Schritt 7: Versionieren und archivieren
Speichere pro Einstellung die Endergebnisse mit sprechenden Dateinamen sowie die zugehörigen Prompts und Einstellungen. Wenn eine Figur später wieder auftauchen soll, ist dieses Archiv Gold wert.
Werkzeugwahl: Kriterien statt Markenglauben
Die Auswahl passender Werkzeuge ist weniger eine Frage des Rufs als der Passung. Prüfe diese Kriterien:
- Kontrolle über Kamerabewegung: Kannst du Bewegung präzise beschreiben oder gibt das Modell nur eine grobe Richtung vor?
- Länge und Stabilität: Wie lang sind die erzeugten Einstellungen und wie stark driften Details über die Dauer?
- Referenzsteuerung: Lassen sich Bildvorlagen für Figur und Stil nutzen?
- Audiofähigkeit: Wird Ton synchron erzeugt oder musst du separat vertonen?
- Iterationsgeschwindigkeit: Wie schnell kannst du Varianten erzeugen?
- Lizenz- und Nutzungsbedingungen: Passen sie zu deinem Veröffentlichungskontext?
- Exportformate: Seitenverhältnisse, Auflösungen und Codecs für deinen Schnitt-Workflow.
Für ruhige, emotionale Szenen ist Detailtreue in Gesicht und Licht entscheidend. Für Action brauchst du Bewegungsstabilität und kurze, klar definierte Einstellungen. Für erklärende Inhalte sind konsistente Umgebungen und Requisiten wichtiger als spektakuläre Kamerafahrten. Wähle also pro Projekt, nicht pauschal.
Typische Fehler und wie du sie vermeidest
Zu viel Handlung pro Einstellung. Wenn in vier Sekunden eine Person geht, spricht, sich umdreht und eine Tür öffnet, entstehen Fehler. Teile die Handlung auf mehrere Einstellungen auf.
Widersprüchliche Lichtangaben. „Golden Hour“ und „Neonlicht bei Nacht“ gleichzeitig erzeugt Matsch. Entscheide dich pro Szene.
Wechselnde Beschreibungen. „kurze schwarze Haare“, dann „dunkles Haar“, dann „Bob-Frisur“ – drei Ergebnisse. Nutze ein festes Charakterblatt.
Überladene Prompts. Zu viele Adjektive verwässern die Wirkung. Sechs bis zehn präzise Angaben wirken besser als dreißig vage.
Kein Negativ-Prompt. Fehlende Ausschlüsse führen zu Wasserzeichen, Text im Bild, zusätzlichen Gliedmaßen oder unerwünschten Objekten.
Schnitt ohne Blickrichtungsprüfung. Zwei Figuren, die beide nach links schauen, wirken, als würden sie aneinander vorbeireden.
Ton zu spät. Musik und Voice-over bestimmen das Tempo. Wer erst danach schneidet, arbeitet doppelt.
Kein Backup der Prompts. Ohne Dokumentation ist eine gelungene Einstellung nicht reproduzierbar.
Qualitätsprüfung: Eine kurze Checkliste vor der Veröffentlichung
- Sind Figur, Kleidung und Frisur in allen Einstellungen identisch?
- Stimmen Lichtrichtung und Farbtemperatur über Schnittgrenzen hinweg?
- Bleiben Bewegungsrichtungen und Blickachsen logisch?
- Hat jede Einstellung eine Funktion, oder ist sie Dekoration?
- Trägt das Tempo die Dramaturgie?
- Ist der Ton auf Mobilgeräten verständlich?
- Funktioniert der Hook in den ersten zwei Sekunden stumm?
- Ist der Text im Bild lesbar und nicht zu schnell?
FAQ: Häufige Fragen zur KI-Produktion von Kurzvideos
Wie lang sollten KI-generierte Einstellungen sein?
Kurz: zwei bis sechs Sekunden. Das reduziert Drift-Fehler und erleichtert den Schnitt. Längere Einstellungen nur, wenn die Bewegung ruhig und die Figur statisch ist.
Brauche ich ein Storyboard?
Freiwillig, aber hilfreich. Eine Shot-Liste in Tabellenform reicht in den meisten Fällen und ist schneller zu ändern.
Wie verhindere ich, dass Figuren ihr Gesicht verändern?
Feste Charakterbeschreibung, Referenzbilder mit identischer Lichtsituation und möglichst wenige Szenenwechsel pro Figur.
Was mache ich, wenn eine Bewegung unbrauchbar ist?
Zerlege sie: Statt einer komplexen Aktion zwei einfache Einstellungen generieren und im Schnitt verbinden. Alternativ die Bewegung reduzieren und durch Schnittrhythmus ersetzen.
Wie wichtig ist Musik?
Sehr. Sie trägt Tempo und Emotion und kaschiert kleine visuelle Unsauberkeiten. Wähle sie früh, nicht erst am Ende.
Kann ich Dialog mit KI erzeugen?
Ja, aber Lippensynchronität bleibt anspruchsvoll. Alternativ: Voice-over über Bildern, Dialog ohne sichtbaren Sprecher oder kurze Reaktionsaufnahmen, die den Dialog tragen.
Wie viele Einstellungen braucht ein 45-Sekunden-Video?
Meist zehn bis achtzehn. Bei ruhigen, atmosphärischen Inhalten eher acht bis zehn, bei schnellen Formaten bis zu fünfundzwanzig.
Wie gehe ich mit mehreren Episoden um?
Führe ein Kontinuitätsprotokoll mit Figuren, Orten, Requisiten und Zeitangaben. Es spart später viel Nacharbeit.
Fazit: Erst Regie, dann Generierung
KI-Videowerkzeuge verschieben die Arbeit, sie ersetzen sie nicht. Die Entscheidungen, die ein Video gut machen – Was ist der Konflikt? Welche Einstellung erzählt ihn? Wie bleibt die Figur glaubwürdig? – bleiben beim Menschen. Wer mit Skript, Shot-Liste, Charakterblatt und konsistenten Prompt-Templates arbeitet, produziert schneller und mit deutlich weniger Ausschuss.
Der praktische Einstieg: Nimm ein 30-Sekunden-Konzept, das du bereits im Kopf hast, und baue die komplette Kette einmal durch. Schreibe das Beat-Sheet, fülle die Shot-Tabelle, generiere drei Einstellungen, schneide sie mit Ton zusammen und prüfe die Checkliste. Nach diesem einen Durchlauf weißt du, wo deine Engpässe liegen – und kannst sie gezielt beheben, statt jedes neue Projekt wieder bei Null zu beginnen.
