Warum KI-Regie mehr ist als Prompting
Ein Kurzfilm entsteht nicht in dem Moment, in dem ein Textfeld ausgefüllt und ein Generieren-Knopf gedrückt wird. Er entsteht in der Vorbereitung: in der Entscheidung, worum es geht, welche Figur sich verändert und welche Bilder diese Veränderung tragen. KI-Videomodelle liefern heute beeindruckende Einzelbilder und kurze Bewegungen, doch sie kennen keine Absicht. Absicht muss von außen kommen – aus einer Regiehaltung, die weiß, was eine Einstellung leisten soll.
Genau hier trennt sich saubere Arbeit von Zufallstreffern. Wer ohne Plan generiert, bekommt schöne Fragmente, die sich nicht zu einer Geschichte fügen. Wer mit Plan arbeitet, nutzt dieselben Werkzeuge und erhält einen Film: eine Szene, die auf die nächste aufbaut, Figuren, die wiedererkennbar bleiben, und eine Kamera, die nicht wahllos schwenkt, sondern führt. Die folgenden Abschnitte zeigen, wie du diese Regiehaltung systematisch aufbaust – von der Logline über das Storyboard bis zur fertigen Tonspur.
Dabei geht es ausdrücklich nicht um ein einzelnes Produkt oder eine bestimmte Plattform. Die Prinzipien sind werkzeugunabhängig: Sie funktionieren mit generativen Videodiensten, mit Bildmodellen für Storyboards, mit klassischer Kamera oder mit einer Mischung aus allem. Was zählt, ist die Reihenfolge der Entscheidungen und die Disziplin, sie einzuhalten.
Vom Konzept zum Drehbuch: die Erzählstruktur
Die meisten kurzen Filme scheitern nicht an der Technik, sondern an einer fehlenden dramatischen Achse. Bevor du also irgendeinen Prompt schreibst, formuliere in drei Sätzen, was passiert: Wer will was, was steht im Weg, und was ist am Ende anders als zuvor? Diese drei Sätze sind deine Logline. Wenn sie nicht funktioniert, funktioniert auch kein noch so schöner Shot.
Figur, Ziel, Hindernis, Wendepunkt
Ein Kurzfilm hat wenig Zeit, also braucht er eine klare Figur mit einem klaren Ziel. Das Ziel muss sichtbar sein, nicht nur behauptet. Wenn die Figur eine Nachricht überbringen will, muss das Publikum in der ersten Einstellung erkennen, dass eine Nachricht existiert. Das Hindernis darf nicht zu spät auftreten; üblicherweise zeigt man es spätestens nach einem Drittel der Laufzeit. Der Wendepunkt ist der Moment, in dem die Figur eine Entscheidung trifft, die sie nicht mehr zurücknehmen kann. Alles davor ist Vorbereitung, alles danach ist Folge.
Ein Beispiel: Eine Botin will ein Paket zustellen, ein Sturm blockiert die Straße, und am Ende entscheidet sie sich, das Paket zu öffnen, statt es abzugeben. Das ist ein Film in fünf Einstellungen. Es ist außerdem ein Film, den ein KI-Modell tragen kann, weil jede Einstellung klar benennbar ist.
Beat-Sheet statt Fließtext
Schreibe dein Drehbuch in Beats, nicht in Seiten. Ein Beat ist eine Zustandsänderung. Für einen drei- bis fünfminütigen Kurzfilm reichen acht bis zwölf Beats. Jeder Beat bekommt eine Überschrift, einen Satz Handlung und einen Satz Bildidee. Diese Struktur hat einen praktischen Vorteil: Du kannst später jede Einstellung einzeln generieren und weißt immer, welchen Zweck sie erfüllt. Nichts ist schlimmer, als mitten in der Produktion festzustellen, dass zwei Szenen dasselbe erzählen.
Dialoge sparsam, Bilder sprechend
KI-generierte Stimmen sind heute brauchbar, aber sie verzeihen wenig. Dialog, der erklären muss, wirkt sofort hölzern. Verschiebe Information lieber in Bilder: Ein zerknitterter Brief, ein leerer Stuhl, ein abgewandtes Gesicht transportiert mehr als zwei Sätze Exposition. Wenn du Dialog brauchst, halte ihn kurz, konkret und mit einer Absicht pro Zeile. Eine gute Regel: maximal zwei Sprechakte pro Beat, und jede Antwort verändert die Situation.
Shot-Design: die visuelle Grammatik des Kurzfilms
Shot-Design ist die Kunst, aus einer Handlung eine Abfolge von Bildern zu machen, die sich gegenseitig kommentieren. Ein sauber gesetzter Schnitt erklärt nicht, was passiert – er erzeugt Bedeutung. Deshalb lohnt es, die Grundvokabeln bewusst einzusetzen, auch wenn ein KI-Modell sie am Ende rendert.
Einstellungsgrößen und ihre Wirkung
Die Totale zeigt Orientierung: Wo sind wir, wie groß ist die Welt, wie klein ist die Figur darin? Die halbnahe Einstellung zeigt Handlung und Beziehung. Die Nahaufnahme zeigt Entscheidung. Die Detailaufnahme zeigt Bedeutung – Hände, Augen, ein Objekt. Ein typischer Rhythmus für den Einstieg ist Totale, halbnahe, Nahaufnahme: Erst verstehen wir den Raum, dann die Handlung, dann die Figur. Wer diese Reihenfolge bewusst umstellt, erzeugt Irritation, und Irritation ist ein legitimes Werkzeug – solange sie gewollt ist.
Kamerabewegung mit Absicht
Bewegung ist teuer, auch in der Generierung. Ein Modell, das eine lange, komplexe Kamerafahrt simulieren soll, produziert häufig Artefakte. Wähle deshalb pro Einstellung genau eine Bewegung: langsam heranfahren, seitlich mitführen, leicht nach oben neigen, oder still stehen. Der klassische Anfängerfehler ist die Kombination aus Schwenk, Zoom und Figurenbewegung in einem Clip. Wenn du Bewegung brauchst, um Spannung zu erzeugen, reicht oft eine minimale Verschiebung um wenige Prozent – das Auge liest sie als Aufmerksamkeit.
Eine nützliche Faustregel: Stillstand für Reflexion, Annäherung für wachsende Spannung, Rückzug für Verlust, Mitfahrt für Reise und Übergang. Wenn du diese Zuordnung einmal aufschreibst, hast du für jeden Beat sofort eine passende Bewegungsidee.
Komposition, Licht und Farbe
Komposition ist die Verteilung von Aufmerksamkeit. Drittelteilung, führender Raum in Blickrichtung, klare Vordergrund-Mittelgrund-Hintergrund-Schichtung: Diese Regeln gelten im generierten Bild genauso wie im fotografierten. Licht definiert Zeit und Stimmung – hartes Seitenlicht für Konflikt, diffuses Licht für Sicherheit, Gegenlicht für Geheimnis. Farbe arbeitet am besten in Kontrasten: Ein warmer Innenraum gegen einen kalten Außenraum erzählt bereits eine Geschichte, bevor jemand spricht.
Beschreibe Licht und Farbe in deinem Prompt immer konkret. Nicht „schön“, sondern „warmes Lampenlicht von rechts, blaue Abenddämmerung durchs Fenster, weiche Schatten“. Je präziser die Beschreibung, desto weniger muss das Modell raten – und desto konsistenter bleiben aufeinanderfolgende Einstellungen.
Preproduktion mit KI: der praktische Workflow
Die Vorproduktion ist der Teil, in dem KI am meisten Zeit spart. Nicht, weil sie Ideen ersetzt, sondern weil sie Varianten erzeugt, die du schnell bewerten kannst. Der folgende Ablauf hat sich in der Praxis bewährt.
Schritt 1: Logline und Themenkern
Formuliere die Logline und dazu ein Thema in einem Satz, etwa „Nähe entsteht durch Verzicht“. Das Thema ist dein Filter: Jede Bildidee, die dazu passt, bleibt, jede andere fliegt raus. Dieser Filter verhindert, dass du dich in schönen, aber beliebigen Aufnahmen verlierst – das häufigste Problem bei generativen Projekten.
Schritt 2: Beat-Sheet und Szenenliste
Baue das Beat-Sheet und gruppiere die Beats zu Szenen. Eine Szene ist eine Einheit aus Ort, Zeit und Ziel. Notiere für jede Szene: Ort, Tageszeit, Wetter, beteiligte Figuren, emotionale Ausgangslage, emotionale Endlage. Diese Matrix ist später dein Konsistenzanker.
Schritt 3: Storyboard und Shot-Liste
Erzeuge Standbilder für die wichtigsten Einstellungen. Ein Bildmodell, das du mit derselben Figurenbeschreibung und derselben Lichtsetzung fütterst, liefert dir ein visuelles Skript. Sortiere die Bilder in der Reihenfolge der Beats und prüfe: Erzählt die Abfolge die Geschichte auch ohne Ton? Wenn nicht, fehlt eine Einstellung – meist eine Reaktion oder ein Detail.
Schritt 4: Prompt-Bibliothek pro Einstellung
Lege für jede Einstellung einen Prompt an, der vier Bausteine enthält: Subjekt und Handlung, Umgebung und Zeit, Kamera und Bewegung, Licht und Stil. Diese Reihenfolge hilft dem Modell, Prioritäten zu erkennen. Halte die Formulierungen über Einstellungen hinweg möglichst identisch und ändere nur, was sich ändern muss. So entsteht ein visueller Faden statt einer Sammlung von Einzelbildern.
Konsistenz über Einstellungen hinweg
Konsistenz ist das größte Problem generativer Kurzfilme. Gesichter, Kleidung, Frisuren und Räume verändern sich unbemerkt. Es gibt drei wirksame Gegenmaßnahmen.
Figurenkonsistenz
Erstelle ein Referenzbild deiner Hauptfigur und beschreibe sie anschließend immer mit denselben fünf Merkmalen: Alter, Haarfarbe und -länge, Kleidung, eine Besonderheit, Körperhaltung. Verwende nach Möglichkeit eine Bild-zu-Video-Funktion mit Referenzbild, statt die Figur rein über Text zu beschreiben. Achte darauf, dass Accessoires nur dann wechseln, wenn die Handlung es verlangt – ein Schal, der in Szene zwei verschwindet, ist ein Kontinuitätsfehler, den das Publikum sofort bemerkt.
Orts- und Lichtkontinuität
Ein Raum muss in jeder Einstellung gleich aussehen. Definiere für jeden Ort drei Ankerpunkte: eine Wandfarbe, ein Möbelstück, eine Lichtquelle. Wiederhole diese Anker in jedem Prompt. Bei Außenaufnahmen kommt die Lichtrichtung hinzu: Steht die Sonne links oder rechts? Wenn du dieselbe Lichtrichtung über eine Szene hältst, wirkt der Schnitt ruhig, auch wenn die Einstellungen stark variieren.
Kontinuitätsprüfung vor dem Rendern
Bevor du in die teure Phase gehst, prüfe drei Dinge: Sind Figuren und Orte über alle Einstellungen identisch beschrieben? Passen Blickrichtungen und Bewegungen zusammen – schaut Figur A nach rechts, sollte Figur B in der nächsten Einstellung nach links schauen? Und bleibt die Kleidung logisch? Diese fünfminütige Prüfung spart Stunden Nacharbeit.
Modellwahl und Werkzeug-Entscheidungen
Verschiedene generative Videomodelle haben unterschiedliche Stärken. Einige eignen sich besonders für realistische Gesichter, andere für stilisierte Bewegung, wieder andere für kurze, sehr kontrollierte Kamerafahrten. Statt dich auf ein einziges Modell festzulegen, ist ein Baukasten-Ansatz sinnvoll: Wähle pro Einstellung das Werkzeug, das ihre Aufgabe am besten erfüllt, und halte die visuelle Sprache über Schnitt, Farbkorrektur und Ton zusammen. Der Schnitt ist am Ende die Klammer, die unterschiedliche Quellen vereinheitlicht.
Entscheidungskriterien für die Praxis:
- Kontrollierbarkeit: Wie gut folgt das Modell einer präzisen Kameravorgabe?
- Konsistenz: Unterstützt es Referenzbilder oder feste Figurenprofile?
- Länge: Welche Clipdauer ist zuverlässig nutzbar?
- Auflösung und Seitenverhältnis: Passt das Format zu deinem Ausspielweg?
- Iterationsgeschwindigkeit: Wie schnell kannst du Varianten erzeugen und vergleichen?
- Nachbearbeitbarkeit: Lassen sich Ergebnisse gut freistellen, stabilisieren und graden?
Plane außerdem immer mehr Rohmaterial ein, als du brauchst. Rechne mit drei bis fünf Varianten pro Einstellung. Wer nur eine Variante erzeugt, schneidet am Ende Kompromisse.
Ton, Schnitt und Rhythmus
Bild ist die Hälfte. Der Ton entscheidet, ob dein Kurzfilm professionell wirkt. Beginne mit einer Atmosphärenspur: Raumhall, Wind, Verkehr, Regen. Sie verbindet Einstellungen, die sonst zusammenhanglos wirken. Danach kommen konkrete Geräusche – Schritte, Türen, Papier – und erst zuletzt Musik. Musik erklärt Emotion, Geräusche erzeugen sie.
Beim Schnitt gilt: Schneide auf Bewegung, nicht auf Stillstand. Ein Schnitt während einer Handbewegung wirkt flüssig, ein Schnitt im Stillstand wirkt wie ein Stolperer, wenn er nicht bewusst gesetzt ist. Halte Einstellungen so kurz wie möglich und so lang wie nötig. Ein Kurzfilm von vier Minuten sollte nicht mehr als sechzig bis achtzig Einstellungen haben; mehr deutet meist auf fehlende Klarheit hin.
Und: Lass dir Zeit für den letzten Schliff. Eine dezente Farbkorrektur, die alle Einstellungen auf eine gemeinsame Farbtemperatur bringt, macht aus Einzelclips einen Film. Das ist der Moment, in dem das Publikum aufhört, Technik zu sehen.
Typische Fehler und wie du sie vermeidest
Anfängerfehler wiederholen sich, und sie sind erfreulich gut vermeidbar.
- Zu viel Handlung: Ein Kurzfilm ist nicht ein Spielfilm in klein. Reduziere auf eine Entscheidung, eine Wendung, einen Schluss.
- Kein visuelles Ziel: Wenn deine Figur nur redet, hat die Kamera nichts zu tun. Gib ihr eine körperliche Aufgabe.
- Überladene Prompts: Fünf Adjektive pro Bild sind besser als zwanzig. Zu viele widersprüchliche Angaben erzeugen Matsch.
- Inkonsistente Figuren: Ohne Referenzbild und Merkmalsliste driftet jede Einstellung.
- Bewegung ohne Grund: Kamera, die sich ständig bewegt, ermüdet. Setze Bewegung als Erzählmittel ein.
- Ton als Nachgedanke: Ohne Atmosphärenspur klingt jeder Schnitt hart.
- Zu spätes Testen: Rendere früh eine Rohfassung mit Standbildern und Ton. So erkennst du Strukturprobleme, bevor Rechenzeit entsteht.
Übungen und Mini-Projekte für den Einstieg
Praxis schlägt Theorie. Drei kleine Aufgaben, die viel lehren:
Erstens, der Ein-Einstellungs-Film: Erzähle eine Veränderung in einer einzigen Einstellung. Das zwingt dich, Bewegung, Licht und Komposition bewusst zu setzen.
Zweitens, die Drei-Beat-Übung: Figur will etwas, Hindernis, Entscheidung. Drei Einstellungen, keine mehr. Wenn die Geschichte funktioniert, hast du Struktur verstanden.
Drittens, die Kontinuitätsübung: Generiere dieselbe Figur in fünf Umgebungen mit identischer Beschreibung und prüfe, ob sie erkennbar bleibt. Notiere, welche Merkmale stabil bleiben und welche nicht – so lernst du die Eigenheiten deiner Werkzeuge kennen.
FAQ
Wie lang sollte ein KI-gestützter Kurzfilm sein?
Für den Einstieg sind zwei bis vier Minuten ideal. Diese Länge erlaubt eine vollständige dramaturgische Kurve, bleibt aber in der Produktion beherrschbar. Kürzere Filme von sechzig bis neunzig Sekunden eignen sich gut als Format für soziale Kanäle.
Brauche ich ein Drehbuch, wenn ich mit KI arbeite?
Ja, aber ein knappes. Ein Beat-Sheet mit acht bis zwölf Zustandsänderungen plus Shot-Liste ersetzt ein ausformuliertes Drehbuch. Wichtiger als Dialog ist die Klarheit darüber, was jede Einstellung leisten soll.
Wie bekomme ich konsistente Figuren über mehrere Einstellungen?
Arbeite mit Referenzbildern und einer festen Merkmalsliste aus fünf Punkten, die du in jeden Prompt kopierst. Vermeide unnötige Änderungen an Kleidung und Frisur. Prüfe zusätzlich Lichtrichtung und Ortsanker pro Szene.
Welche Kamerabewegung ist am zuverlässigsten?
Eine einzige, langsame Bewegung pro Einstellung. Langsames Heranfahren oder eine leichte seitliche Mitfahrt liefern die stabilsten Ergebnisse. Kombinationen aus Schwenk, Zoom und Figurenbewegung erzeugen häufig Artefakte.
Wie gehe ich mit Ton um, wenn das Modell keinen liefert?
Baue die Tonspur manuell in drei Schichten: Atmosphäre, konkrete Geräusche, Musik. Beginne immer mit der Atmosphäre, weil sie die Einstellungen verbindet. Dialog sparsam einsetzen und lieber Information ins Bild verlagern.
Was mache ich, wenn die Struktur nicht funktioniert?
Gehe zurück zum Beat-Sheet, nicht zu den Prompts. Wenn die Rohfassung mit Standbildern schon unklar wirkt, rettet kein Rendering sie. Meist fehlt eine Reaktionseinstellung oder ein Detail, das die Entscheidung der Figur sichtbar macht.
Wie viele Varianten sollte ich pro Einstellung erzeugen?
Plane drei bis fünf. Die erste Variante trifft selten die Absicht. Bewerte Varianten zuerst nach Funktion – erzählt die Einstellung das Richtige? – und erst danach nach Ästhetik.
Eignet sich der Ansatz auch für längere Formate?
Prinzipiell ja, aber steigere schrittweise. Verlängere zunächst auf sechs bis acht Minuten mit zwei Figuren und zwei Orten. Mehr Schauplätze, Figuren und Zeitsprünge vervielfachen den Konsistenzaufwand erheblich.
Mit diesen Werkzeugen – klare Logline, Beat-Sheet, bewusstes Shot-Design, konsistente Prompts und eine durchdachte Tonspur – wird aus einer Sammlung schöner Clips ein Kurzfilm, der tatsächlich erzählt. Die Technik beschleunigt deine Arbeit, aber die Entscheidungen bleiben bei dir.
