Niemand startet mehr bei null. Wer heute mit Tools wie Runway, Sora oder Kling Videos erzeugt, merkt schnell, dass der Text, den man eintippt, über den Unterschied zwischen einem verwaschenen Clip und einer brauchbaren Szene entscheidet. Die Modelle sind unglaublich stark, aber sie bleiben buchstabengetreu: Was du nicht beschreibst, erfinden sie aus dem Bauch heraus – und das ist selten das, was du wolltest. Dieser Leitfaden gibt dir ein System an die Hand, mit dem du Prompts nicht mehr aus dem Gefühl, sondern aus einer klaren Struktur heraus baust. Du erfährst, woraus ein guter Prompt besteht, wie du Stil, Szene und Kamera getrennt steuerst, wie du Charaktere über mehrere Clips hinweg konsistent hältst, und wo die Unterschiede zwischen Runway, Sora und Kling liegen. Wir arbeiten mit konkretem Beispielmaterial, nicht mit abstrakten Versprechen.
Warum der Prompt den Unterschied macht
Die meisten Frustrationen mit Text-zu-Video-Tools haben weniger mit der Qualität der Modelle zu tun als mit der Art, wie Beschreibungen geschrieben werden. Ein Prompt wie „ein Hund läuft im Park" liefert dir einen zufälligen Hund in einem zufälligen Park mit zufälliger Kamera. Technisch ist das kein Fehler – es ist nur ein Prompt ohne Informationen. Die Modelle interpretieren jede fehlende Angabe als Freiheit. Je präziser du den Kontext setzt, desto näher kommt das Ergebnis an deine Vorstellung.
Das heißt aber nicht, dass du haufenweise Füllwörter anhäufen solltest. Es geht um gerichtete Präzision: Du gibst die Variablen an, die für deine Szene wirklich zählen, und lässt den Rest bewusst offen, damit das Modell natürlich wirken kann. Überladene Prompts erzeugen oft widersprüchliche Anweisungen, und das Ergebnis wirkt dann gekünstelt. Ein guter Prompt ist wie eine klare Regieanweisung: knapp, eindeutig und mit einer visuellen Vorstellung gefüllt.
Die Anatomie eines wirkungsvollen Prompt-Aufbaus
Wenn du dich an eine feste Reihenfolge hältst, verlierst du nie den Überblick. Bewährt hat sich, den Prompt in drei Blöcke zu gliedern, die jeweils eine eigene Aufgabe erfüllen.
Szene und Umgebung zuerst
Beginne mit dem Was und dem Wo. Beschreibe den Ort, die Tageszeit, das Wetter und die wichtigsten Bildelemente. „Eine neblige Straße einer Kleinstadt im Morgengrauen, ein einzelnes Fahrrad an einer Laterne lehnend" setzt sofort eine klare Bühne. Ohne diese Basis schwebt das Motiv im Leeren und wirkt wie eine schlecht platzierte Collage.
Subjekt und Aktion
Danach kommt das Subjekt: das Individuum, das Objekt oder das Tier, das im Mittelpunkt steht, dazu seine Bewegung und seine Intention. Statt „ein Mann geht" schreibst du „ein Fußgänger im langen Mantel dreht sich um und blickt zum Himmel, während der Wind seinen Kragen aufstellt". Bewegung mit Absicht erkennen die Modelle deutlich zuverlässiger als eine bloße Zustandsbeschreibung.
Kamera und Perspektive
Zum Schluss steuerst du die Kamera. Wide Shot, Nahaufnahme, Vogelperspektive, langsame Fahrt oder statische Einstellung – diese Angabe verändert den Gesamteindruck stärker als jedes andere Detail. Viele Modelle reagieren zuverlässig auf Begriffe wie „Tracking-Shot", „dolly in" oder „Handheld-Ästhetik". Wir kommen darauf ausführlich zurück.
Stil, Szene und Kameraführung sauber trennen
Die größte Fehlerquelle ist es, alles in einen Topf zu werfen. Wenn du schreibst „cinematic, düster, Close-up, Regen, nachtblau", weiß das Modell nicht, welche Angabe wofür gilt. Bewährt ist, den Prompt in klar getrennte Abschnitte zu zerlegen, die du mit Klammern oder Schlagwortblöcken abgrenzt.
Ein Beispiel für eine saubere Trennung:
- Szene: verlassene U-Bahn-Station, späte Nacht, kaltes Neonlicht
- Subjekt: eine Frau im gelben Regenmantel wartet am Bahnsteig, sieht zum Ausgang
- Kamera: statische Einstellung, leicht erhöht, 35mm, flache Schärfentiefe
- Stil: cinematisch, leicht körnig, gedämpfte Farben
So bleibt jede Information zuordenbar, und das Modell kann die Ebenen getrennt verarbeiten. Du kannst einzelne Blöcke austauschen, ohne den Rest umzuschreiben. Das macht dein Prompting systematisch und wiederholbar – perfekt, wenn du eine Serie mit gleichbleibendem Look produzieren willst.
Konsistenz und Charakterbindung über mehrere Clips hinweg
Das hartnäckigste Problem bei KI-Video ist Persistenz: Derselbe Charakter sieht in der zweiten Aufnahme plötzlich anders aus. Es gibt mehrere Hebel, mit denen du das abfedern kannst, auch wenn kein Tool das vollständig garantiert.
Eine feste Beschreibung als Anker
Definiere den Charakter einmal präzise und verwende dieselbe Wortwahl in jedem Prompt. Statt „eine Frau" immer wieder anders zu beschreiben, legst du einen festen Textbaustein an: „eine Frau um die 30, kastanienbraunes Haar im Bob, grüne Augen, beiger Trenchcoat". Je identischer die Formulierung, desto stabiler das Ergebnis. Auch Details wie Proportionen und Kleidung solltest du beibehalten.
Referenzbilder als starker Hebel
Sowohl Runway als auch Kling erlauben es, ein Startbild mitzugeben. Das ist der zuverlässigste Weg, einen Look festzunageln. Wenn du einen Charakter erst einmal in einer Keyframe-Zeichnung oder einem gerenderten Porträt hast, leite daraus deine Clips ab. Kombiniere das Referenzbild mit der gleichen Beschreibung im Text, um das Modell zusätzlich zu stützen.
Konsequente Beleuchtung und Farbwelt
Charaktere wirken auch dann unverändert, wenn die Beleuchtung gleich bleibt. Ein warmer, golden-stündiger Look verbindet alle Clips seriell, selbst wenn die Kleidung minimal abweicht. Leg die Farbpalette einmal fest und behalte sie bei.
Prompts für Runway, Sora und Kling gezielt anpassen
Die drei Modellfamilien sind nicht austauschbar. Je nachdem, welches Tool du nutzt, solltest du bestimmte Stärken in den Vordergrund stellen.
Runway: Kontrolle durch präzise Bewegung
Runway-Modelle, insbesondere neuere Generationen, sind stark, wenn es um gezielte Kamerabewegung und Objektphysik geht. Nutze hier eindeutige Kamerabegriffe und beschreibe Bewegungsabläufe Schritt für Schritt. Runway reagiert gut auf Angaben wie „die Kamera zieht sich zurück, während die Tür aufschwingt" und belohnt klare, sequenzielle Aktionen. Auch Elemente wie Spiegelungen und Oberflächen können gezielt angesprochen werden.
Sora: Natürlichkeit und lange Sequenzen
Sora ist bekannt für seine Fähigkeit, Szenen physikalisch stimmig und über längere Zeiträume konsistent wirken zu lassen. Hier lohnt es sich, auf die Mikro-Physik zu achten: interagierende Elemente, sich bewegende Haare, Stoff, Staub. Sora erzeugt oft beeindruckend lebensechte Ergebnisse, wenn du die Aktion stimmig beschreibst, statt dich nur auf Stile zu verlegen. Gleichzeitig solltest du dir bewusst sein, dass Prompts zu erzählerischen Sequenzen tendieren – beschreibe also einen zusammenhängenden Moment, keinen statischen Schnappschuss.
Kling: Stilbewusstsein und kontrollierte Ästhetik
Kling ist sehr zugänglich und liefert mit der richtigen Formulierung einen ausgeprägten, oft cinematischen Stil. Die Kling-Generationen zeigen bei klar formulierten visuellen Anweisungen starke Resultate, insbesondere bei Licht- und Farbdramaturgie. Beschreibe den gewünschten Look explizit („dunstige Silhouette, goldenes Gegenlicht, satte Schatten"), denn Kling übersetzt solche Stilvorgaben zuverlässig in den Look der Szene.
Kinoqualität: Licht, Farbe und Filmkorn steuern
Cinematic Look ist eine Frage von kontrollierten Variablen, nicht von Zufall. Drei Bausteine tragen die Qualität: Beleuchtung, Farbpalette und Texturempfinden.
Licht mit Absicht
Bestimme Art und Richtung des Lichts explizit. „Weiches, diffuses Morgenlicht von links" erzeugt etwas anderes als „hartes Gegenlicht, das Silhouetten formt". Auch Begriffe wie „Rim Light", „Practical Light" oder „Volumenlicht durch Fenster" helfen dem Modell, eine stimmige Ausleuchtung zu bauen.
Eine begrenzte Farbpalette
Kinoqualität entsteht oft durch Zurückhaltung. Statt jede Farbe zu erwähnen, lege eine Palette fest, etwa „gedämpfte Ocker- und Blautöne mit einzelnen grünen Akzenten". Eine begrenzte Palette wirkt absichtsvoll und verhindert das bunte Durcheinander, das viele KI-Clips entwertet.
Filmkorn und Textur
Leichtes Korn und eine dezente Textur geben dem Bild analoge Wärme und verbergen die oft sterile Digitalklacke. Formulierungen wie „leichtes 35mm-Filmkorn, weiche Highlights, dezentes Glow" erzeugen einen deutlich angenehmeren Eindruck. Übertreibe es nicht – ein Hauch genügt.
Kamerabewegung und Motion Control verstehen
Kameraarbeit ist der unsichtbare Regisseur deiner Szene. Lerne die Grundbegriffe und übersetze sie direkt in deine Prompts.
- Dolly: Die Kamera fährt körperlich heran oder zurück.
- Pan: Die Kamera schwenkt horizontal, ohne ihren Standort zu ändern.
- Tilt: Die Kamera neigt sich vertikal nach oben oder unten.
- Tracking-Shot: Die Kamera folgt einem Subjekt seitlich.
- Crane/Höhenfahrt: Bewegung nach oben oder unten aus der Distanz.
- Handheld: absichtlich unruhige, dokumentarische Bewegung.
Kombiniere zwei Bewegungen sparsam: „Dolly-in kombiniert mit leichtem Tilt nach unten" wirkt dramatisch, drei oder mehr Bewegungen verwirren das Modell oft. Für statische Szenen sagst du es auch: „statische Einstellung, fixierte Kamera". Manche Modelle erzeugen sonst ungewollte Kamerastürme.
Referenzbilder und Multi-Referenz nutzen
Ein Bild sagt mehr als tausend Prompt-Parameter. Startbilder geben dem Modell Komposition, Farben und Subjekt direkt vor. Wenn du mehrere Referenzen verwenden darfst, trenne Aufgaben klar: eine Referenz für den Charakter, eine für die Location, eine für die Stimmung. Vermeide, zwei widersprüchliche Layouts zu mischen – das Ergebnis wird zu einer unlesbaren Kreuzung.
Beschreibe zusätzlich, was das Referenzbild NICHT vollständig zeigt. Ein Porträt als Referenz braucht noch Angaben über die Umgebung und die geplante Bewegung, damit das Ergebnis nicht nur eine animierte Version des Fotos wird.
Narrative Sequenzen und Timing strukturieren
Bewegung braucht einen Anfang, eine Mitte und ein Ende. Statt „ein Auto fährt" beschreibst du einen kleinen dramaturgischen Bogen: „Ein Auto hält am Straßenrand, einen Moment Stille, dann springt eine Person aus und rennt auf das Gebäude zu". So arbeitet das Modell sequenziell und erzeugt einen stimmigen Verlauf statt eines unspezifischen Clips.
Greife dabei auf Zeitbegriffe zurück (dann, daraufhin, während, plötzlich), um die Phasen zu verklammern. Für lange Einstellungen hilft es, die Bewegung in Etappen zu beschreiben, mit klaren Übergängen statt eines endlosen Satzes. Und denke ans Filmmaterialformat: 16:9 für Breitbild, 9:16 für vertikale Formate auf Social Media – gib die Seitenverhältnisvorstellung mit in die Komposition ein.
Zu vermeidende Prompt-Fallen
Selbst erfahrene Nutzer tappen in immer wiederkehrende Fallen. Hier die wichtigsten:
- Widersprüche: „ruhige Szene" und „hektische Kamerabewegung" gleichzeitig ergibt Chaos. Kläre Prioritäten.
- Unbestimmte Mengen: „viele Menschen" ist offen. Sag stattdessen „eine Gruppe von fünf Passanten".
- Zu viele Adjektive: Ein Stapel unvernetzter Reizwörter verwässert. Verbinde sie über die Szene, nicht über eine Liste.
- Negativ-Anweisungen, die Zweifel säen: „kein Auto im Bild" ist oft wirkungslos. Benenne stattdessen positif, was im Bild ist.
- Fehlendes Seitenverhältnis: Wirkt sich massiv auf Komposition und Nutzung aus.
Ein durchgängiger Workflow für konstant gute Ergebnisse
Der Trick hinter einer konstanten Qualität ist Wiederholbarkeit. Baue einen Ablauf auf, den du bei jeder Serie wiederholst.
- Lege ein Stilmoodboard fest und beschreibe den gemeinsamen Look in einem Textbaustein.
- Definiere Charaktere als wiederverwendbare Beschreibungsblöcke.
- Erstelle pro Szene einen sauberen Prompt aus Szene, Subjekt, Kamera und Stil.
- Generiere mehrere Varianten und wähle gezielt aus.
- Nutze Referenzbilder aus erfolgreichen Clips als Basis für die nächste Einstellung.
So entsteht eine Serie mit stimmiger Ästhetik, statt eines Flickenteppichs aus Einzelversuchen. Der anfängliche Aufwand für Bausteine zahlt sich bei jedem weiteren Clip doppelt aus.
Häufige Fragen zu Text-zu-Video-Prompts
Wie lang sollte ein Prompt sein?
So lang wie nötig, so kurz wie möglich. Ein Absatz mit klar getrennten Blöcken ist meist ideal. Mehr als drei bis vier Angaben pro Kategorie verwässern die Wirkung.
Muss ich die Modelle unterschiedlich anschreiben?
Ja, es lohnt sich, die Stärken zu nutzen. Runway liebt präzise Bewegung, Sora schätzt physikalisch stimmige Sequenzen, Kling übersetzt Stilvorgaben besonders gut. Ein Grundgerüst kann aber für alle funktionieren.
Wie halte ich einen Charakter über mehrere Clips konsistent?
Nutze einen festen Beschreibungsblock, ein Referenzbild und eine gleichbleibende Beleuchtung. Kein Ansatz ist perfekt, aber die Kombination reduziert Abweichungen deutlich.
Was mache ich gegen ungewollte Kamerabewegung?
Schreibe „statische Einstellung" explizit dazu. Wenn das nicht hilft, reduziere die Anzahl bewegter Elemente im Prompt.
Helfen englische Prompts mehr als deutsche?
Viele Trainingsdaten sind englischsprachig, weshalb englische Prompts oft verlässlicher sind. Bei Bedarf übersetze deine Bausteine nach Englisch – die Struktur bleibt gleich.
Gutes Prompting ist kein Talent, sondern ein Handwerk mit klaren Regeln. Wenn du Szene, Subjekt, Kamera und Stil konsequent trennst, Persistenz durch feste Bausteine erzeugst und die Stärken deiner Modellwahl ausspielst, bewegst du dich schnell von Frustration zu reproduzierbarer Qualität.
Eigene Prompt-Bibliothek aufbauen
Sobald du einige funktionierende Prompts hast, musst du sie nicht bei jeder Gelegenheit neu erfinden. Lege eine persönliche Bibliothek an, in der du bewährte Bausteine, ganze Prompts und Look-Definitionen sammelst. Was funktioniert, wandert in die Bibliothek; was nicht, wird verworfen. So entsteht im Laufe der Zeit ein persönlicher Fundus, der dein Stilgedächtnis ersetzt. Du musst nicht mehr bei null anfangen, und du kannst für jedes neue Projekt auf geprüfte Bausteine zurückgreifen.
Für eine strukturierte Bibliothek trennst du am besten drei Ebenen: einzelne Kurzformeln, komplette Szenen-Prompts und finale Look-Vorlagen. Kurzformeln sind wiederverwendbare Adjektive wie „neblige Morgendämmerung, satte Schatten", Szenen-Prompts kombinieren mehrere Bausteine zu einer ausformulierten Anweisung, und Look-Vorlagen beschreiben den gemeinsamen Stil einer ganzen Serie. Je sauberer du trennst, desto flexibler kannst du kombinieren.
Versionieren statt löschen
Generative Modelle entwickeln sich schnell, und ein Prompt, der heute ein perfektes Ergebnis liefert, kann sich beim nächsten Update anders verhalten. Deshalb ist es sinnvoll, Prompts zu versionieren und zu notieren, mit welchem Modell und welcher Stimmung sie funktioniert haben. So kannst du bei einer Verschlechterung auf die letzte funktionierende Version zurückgreifen, statt auf gut Glück neu zu tüfteln. Ein simples Protokoll mit Datum, Modell und Ergebnis reicht für den Anfang völlig aus.
Häufige Fehlerquellen bei Bewegung und Physik
Selbst mit einem sauberen Aufbau scheitern viele Clips an den physikalischen Details. Haare, Stoff und Wasser verhalten sich in der Realität nach komplexen Gesetzen, die Modelle nur annähernd beherrschen. Wenn du schnell bewegliche Elemente beschreibst, ohne ihr Verhalten zu präzisieren, neigen die Ausgaben zu unrealistischen Ausschlägen, Formverzerrungen oder einer unnatürlichen Geschmeidigkeit.
Ein bewährter Kniff ist, die Intensität der Bewegung zu drosseln und den Bezug zu benennen: Statt „der Mantel flattert im Wind" lieber „der Mantel wird vom Wind sachte abgehoben, der Saum wippt leicht". So schwebend die Formulierung wirkt, so stabil ist das Ergebnis. Auch die Interaktion mit Oberflächen solltest du ankündigen: Ein Schritt, der mit dem Boden in Berührung kommt, wirkt dann überzeugender, wenn du „der Schuh trifft den Boden mit einem leisen Knirschen" in den Prompt aufnimmst.
Die Bedeutung von Konstanten für den Zeitablauf
Bewegung spielt sich in der Zeit ab, und eine konstante Geschwindigkeit ist schwerer zu erzeugen, als es aussieht. Modelle tendieren dazu, Aktionen zu starten und abrupt zu stoppen oder im Mittelteil zu beschleunigen. Um das zu mildern, beschreibe die Bewegung nicht nur, sondern gib auch ihren Charakter vor: „ein gleichmäßiger, bedächtiger Schritt" oder „eine schnelle, abgehackte Bewegung". Diese zeitliche Information ergänzt die räumliche und gibt dem Modell eine klarere Vorstellung davon, wie sich die Szene über die Frames entfaltet.
Kombination mit Bild-zu-Video und erweiterten Modi
Viele Text-zu-Video-Workflows sind in Wirklichkeit hybrid: Sie starten mit einem Bild und lassen den Prompt die Bewegung bestimmen. Bild-zu-Video ist besonders vielversprechend, weil das Modell Komposition und Motiv nicht mehr erraten muss. Die Stärke des Textes liegt dann darin, die Bewegung, die Kamera und die Dynamik zu steuern, während das Bild die Statik liefert.
Nutze diesen Hybrid, um gezielt Übergänge zu erzeugen: ein Standbild, das zu einem langsamen Zoom ausgeschrieben wird, oder ein Porträt, das aus einer festen Kadrierung in eine fluide Kamerafahrt übergeht. Für Aufbau-Bewegungen beschreibst du analytisch, wie sich neue Bildelemente am Rand offenbaren. Diese Modi geben dir eine Kontrolle, die reines Text-zu-Video selten erreicht, und sind eine natürliche Erweiterung deiner Prompt-Fähigkeiten.
