Video-Prompts für Marketing: Struktur, Stil und Workflow

Warum Video-Prompts ein eigenes Handwerk sind

Wer zum ersten Mal ein Standbild mit einem Textmodell erzeugt, kennt das Gefühl: ein Satz, ein Ergebnis, fertig. Bei Bewegtbild funktioniert diese Logik nicht. Ein Clip muss über Zeit stabil bleiben – Gesichter dürfen nicht wandern, Hände nicht verschmelzen, Licht und Farbtemperatur nicht von Einstellung zu Einstellung springen. Gleichzeitig trägt jede Sekunde Information: Bewegung, Perspektive, Tempo, Schnittlogik.

Ein Video-Prompt ist deshalb weniger eine Beschreibung als eine Regieanweisung. Er sagt nicht nur, was zu sehen ist, sondern auch, wie sich das Motiv verhält, wie die Kamera sich bewegt und welche Stimmung das Bild transportieren soll. Aktuelle Modelle interpretieren kurze Sätze durchaus sinnvoll, füllen Lücken aber mit ihrer eigenen Wahrscheinlichkeitslogik. Genau dort entstehen die Ergebnisse, die im Rohschnitt unbrauchbar wirken: ein zufälliger Kameraschwenk, ein unpassender Hintergrund, ein Motiv, das mitten in der Bewegung die Proportionen verliert.

Der Unterschied zwischen brauchbaren und unbrauchbaren Clips liegt selten am Werkzeug, sondern an der Präzision der Anweisung. Wer regelmäßig Clips für Kampagnen produziert, merkt schnell: Gute Prompts sind keine Inspiration, sondern Infrastruktur. Sie lassen sich dokumentieren, wiederverwenden und im Team teilen. Ein Prompt, der nur im Kopf einer Person existiert, ist kein Asset – er ist ein Glückstreffer.

Wo Prompting an Grenzen stößt

Es wäre falsch, alles über den Prompt lösen zu wollen. Manche Aufgaben gehören in die Nachbearbeitung: Textüberlagerungen, Tonmischung, Farbkorrektur, Schnittrhythmus. Modelle liefern Rohmaterial, keine fertigen Spots. Wer das akzeptiert, plant anders: Statt einen perfekten Clip zu erwarten, produziert man bewusst überlappendes Material und wählt aus.

Die drei Ebenen der Steuerung

Videoarbeit mit Textmodellen läuft immer auf drei Ebenen gleichzeitig. Erstens die inhaltliche Ebene: Was passiert? Zweitens die visuelle Ebene: Wie sieht es aus? Drittens die zeitliche Ebene: Wie verändert sich beides innerhalb der Einstellung? Die meisten schwachen Prompts beschreiben nur die erste Ebene und überlassen die anderen beiden dem Zufall.

Die Anatomie eines belastbaren Video-Prompts

Ein stabiler Prompt besteht aus wenigen, klar getrennten Bausteinen. Die Reihenfolge ist weniger wichtig als die Vollständigkeit – fehlt ein Baustein, entscheidet das Modell selbst, und diese Entscheidung ist oft nicht die, die du wolltest.

Die fünf Bausteine

1. Subjekt und Szene: Wer oder was ist zu sehen, wo befindet es sich, zu welcher Tageszeit, in welcher Umgebung.
2. Aktion und Bewegung: Was passiert innerhalb der Einstellung – gehen, greifen, lachen, sich drehen, stillstehen. Bewegung ist die wichtigste Information, die ein Standbild-Prompt nicht braucht.
3. Kamera und Optik: Totale, Halbtotale, Nahaufnahme, Makro; statische Kamera, langsamer Schwenk, Dolly-in, Handkamera. Dazu Brennweite und Schärfentiefe.
4. Licht und Farbwelt: weiches Fensterlicht, hartes Sonnenlicht, Neon, Studioblitz, Goldene Stunde. Farbpalette und Kontrast beeinflussen die Markenwirkung stärker als die meisten anderen Parameter.
5. Stil und Format: fotorealistisch, dokumentarisch, animiert, Retro-Film, 3D-Render. Dazu Seitenverhältnis und gewünschte Clip-Dauer.

Ein Beispiel zeigt den Unterschied sofort:

Schwach: Eine Frau trinkt Kaffee in einem Café.

Stark: Halbtotale, eine Frau Ende dreißig sitzt an einem
Fensterplatz in einem ruhigen Café, sie hebt langsam eine
Tasse zum Mund, Dampf steigt auf, Kamera fährt minimal nach
vorn, weiches Seitenlicht, warme Brauntöne, flache
Schärfentiefe, fotorealistisch, 9:16, 6 Sekunden.

Warum Wortwahl mehr zählt als Reihenfolge

Modelle reagieren sensibel auf Substantive und konkrete Adjektive, weniger auf Floskeln wie „hochwertig“ oder „professionell“. Solche Wörter klingen im Briefing nützlich, sagen dem Modell aber nichts Sichtbares. Ersetze sie durch Merkmale: „weiches Seitenlicht“ statt „schöne Beleuchtung“, „ruhige Handkamera“ statt „dynamisch“, „entsättigte Brauntöne“ statt „warmer Look“. Je klarer das Bild im Kopf der schreibenden Person, desto näher liegt das Ergebnis am Ziel.

Zwei weitere Regeln sparen viel Zeit. Erstens: ein Prompt, ein Gedanke. Wenn eine Einstellung gleichzeitig Nähe, Weite und einen Kameraflug zeigen soll, entsteht Matsch. Zweitens: keine Synonymketten. „Eine Frau, eine Person, eine Dame“ verwirrt mehr, als es präzisiert.

Negative Anweisungen und Parameter dosieren

Negative Anweisungen sind nützlich, aber kein Allheilmittel. Wer zwanzig Verbote auflistet, verwirrt das Modell eher, als dass er es lenkt. Setze sie sparsam und konkret ein: unerwünschte Objekte, unerwünschte Bildfehler, unerwünschte Stilrichtungen. Drei bis fünf klare Ausschlüsse wirken meist besser als eine lange Liste.

Sinnvolle Ausschlüsse sind beispielsweise: keine Textüberlagerungen, keine zusätzlichen Personen im Hintergrund, keine schnellen Schnitte, kein Weitwinkel-Verzerren, kein übersättigtes Grün. Unsinnige Ausschlüsse sind vage Begriffe wie „nicht schlecht“ oder „keine Fehler“ – damit kann ein Modell nichts anfangen, weil der Zielzustand nicht beschrieben ist.

Parameter wie Seitenverhältnis, Dauer und Bildrate gehören in den Prompt oder in die Einstellungen der Oberfläche, aber immer nur an eine Stelle. Halte beides synchron: Wenn du im Werkzeug ein Hochformat einstellst, im Prompt aber eine Kino-Totale beschreibst, entsteht ein Konflikt, den das Modell irgendwie auflöst – meistens nicht zu deinen Gunsten.

Die Bewegungsintensität ist der am häufigsten unterschätzte Parameter. Zu viel Bewegung führt zu Verwischung und Identitätsverlust, zu wenig wirkt wie ein Standbild mit Atmen. Für Produktaufnahmen funktioniert oft eine ruhige Kamera mit einer einzigen klaren Objektbewegung am besten. Für Energie im Social-Feed brauchst du nicht mehr Bewegung im Bild, sondern mehr Bewegung im Schnitt – also kürzere Einstellungen, nicht wildere Kameras.

Vom Briefing zum Szenenpaket: der Workflow

Professionelle Produktion beginnt nicht am Prompt, sondern am Briefing. Der folgende Ablauf lässt sich für Kampagnen, Social-Clips und Erklärvideos gleichermaßen nutzen.

1. Ziel und Kanal festlegen. Wo läuft der Clip, wie lange, mit oder ohne Ton, welche Handlung soll danach folgen? Ein kurzer Feed-Clip und eine Website-Szenenfolge brauchen unterschiedliche Bildsprachen.
2. Botschaft in einen Satz fassen. Wenn die Kernaussage nicht in einen Satz passt, wird der Clip sie nicht transportieren.
3. Szenenliste bauen. Drei bis sechs Einstellungen pro Clip sind ein guter Richtwert. Jede Einstellung bekommt eine Aufgabe: Kontext, Produkt, Reaktion, Abschluss.
4. Look definieren. Zwei Referenzbilder oder ein Stil-Satz, der Licht, Palette und Textur beschreibt. Dieser Look bleibt über alle Szenen identisch.
5. Prompts schreiben. Pro Szene ein Block aus den fünf Bausteinen, mit identischem Stil- und Lichtteil.
6. Erst testen, dann skalieren. Eine Szene in drei Varianten generieren, die stärkste auswählen, danach die restlichen Szenen produzieren.
7. Dokumentieren. Prompt, Einstellungen und Ergebnis notieren. Nur so wird aus einem Glückstreffer ein wiederholbarer Prozess.

Der wichtigste Schritt ist der letzte. Ohne Dokumentation beginnt jedes Projekt wieder bei null, und dieselben Fehler tauchen jedes Quartal erneut auf. Eine einfache Textdatei oder Tabelle genügt: Szenennummer, Prompt, Einstellungen, Bewertung, verwendete Datei.

Ein durchgerechnetes Beispiel

Ein Hersteller von Mehrwegflaschen will einen Clip für eine Produktseite und einen kürzeren Ausschnitt für Social Media. Die Kernaussage lautet: „Diese Flasche hält kalt und sieht gut aus.“ Daraus entstehen vier Einstellungen. Erstens: Nahaufnahme der Flasche auf einer Steinplatte, Morgensonne, leichte Kondensation, ruhige Kamera. Zweitens: Hand hebt die Flasche, Bewegung von links nach rechts, gleiche Lichtrichtung. Derselbe Stilblock wird wortgleich in alle vier Prompts kopiert. Ergebnis: eine Szenenfolge, die im Schnitt nicht wie vier fremde Clips aussieht.

Ohne diesen Stilblock hätte jede Einstellung eine andere Farbtemperatur, eine andere Schattenhärte und einen anderen Bildausschnitt. Genau das ist der häufigste Grund, warum KI-Material im Schnitt auseinanderfällt.

Konsistenz über mehrere Einstellungen sichern

Konsistenz ist das schwierigste Problem im KI-Video. Ein einzelner schöner Clip ist wenig wert, wenn die Figur im nächsten Schnitt anders aussieht.

Referenzmaterial als Anker

Nutze nach Möglichkeit Bildreferenzen für Figuren, Produkte und Räume. Beschreibe dieselbe Person in jedem Prompt mit denselben Worten – Alter, Haarfarbe, Kleidung, Körperhaltung. Veränderst du die Formulierung, verändert das Modell das Gesicht. Ein praktischer Trick: Lege eine Figurenkarte an und kopiere sie Zeichen für Zeichen.

Stilanker wiederholen

Formuliere einen kurzen Stilblock und setze ihn wortgleich in jeden Prompt:

Stilanker: warme, entsättigte Farbpalette, weiches Seitenlicht,
flache Schärfentiefe, ruhige Kamera, körnige Textur,
fotorealistisch, keine harten Schatten.

Dieser Block ist dein Markenlook in Textform. Er sollte sich während eines Projekts nicht ändern. Wenn er sich ändern muss, ändert er sich für alle Szenen gleichzeitig – sonst entsteht ein Bruch.

Übergänge mitdenken

Plane am Ende jeder Szene, wie sie in die nächste übergeht: Bewegung in dieselbe Richtung, gleiche Lichtrichtung, ähnlicher Bildausschnitt. Ein harter Wechsel von Nahaufnahme zu Totale mit entgegengesetzter Lichtrichtung wirkt im Schnitt wie ein Fehler, auch wenn beide Clips einzeln überzeugen. Ein einfaches Mittel ist die „Bewegungsachse“: Wenn sich das Motiv in Szene zwei nach rechts bewegt, sollte Szene drei diese Richtung aufnehmen.

Was Konsistenz wirklich kostet

Konsistenz kostet Zeit, nicht Werkzeuge. Wer drei Varianten pro Szene produziert und die beste auswählt, braucht länger als jemand, der den ersten Treffer nimmt. Dafür sinkt die Wahrscheinlichkeit, dass ein Projekt kurz vor dem Schnitt neu aufgesetzt werden muss. Plane deshalb von Anfang an Ausschuss ein: Bei Figuren im Bild sind zwei bis drei Versuche pro Einstellung normal, bei reinen Produkt- oder Umgebungsaufnahmen oft nur einer.

Storytelling und Emotion in kurzen Formaten

Kurze Clips verzeihen keine unklare Struktur. Ein Acht-Sekunden-Clip braucht denselben dramaturgischen Kern wie ein längerer Film, nur komprimierter.

Der Drei-Takt-Aufbau

Erster Takt: Zustand. Wir sehen die Ausgangslage – eine Person, ein Produkt, eine Situation. Zweiter Takt: Veränderung. Etwas passiert, eine Bewegung, ein Wechsel von Licht oder Perspektive. Dritter Takt: Ergebnis. Der Zustand ist neu, ruhiger oder intensiver.

Diese Struktur lässt sich direkt in Prompt-Sprache übersetzen: „beginnt als ruhige Halbtotale, dann langsamer Dolly-in, endet in Nahaufnahme mit weicherem Licht“. Modelle folgen einer zeitlichen Beschreibung oft erstaunlich gut, solange die Schritte erkennbar geordnet sind.

Emotion über technische Mittel steuern

Stimmung entsteht nicht durch Adjektive wie „emotional“, sondern durch Licht, Tempo und Distanz. Weiches Licht und langsame Bewegungen wirken ruhig und vertrauenswürdig. Harte Kontraste, kurze Brennweiten und schnelle Bewegungen erzeugen Energie. Große Distanz schafft Kontext, Nähe schafft Bindung. Entscheide zuerst, welche Emotion der Clip auslösen soll, und wähle dann die technischen Mittel – nicht umgekehrt.

Ein Nebeneffekt dieser Denkweise: Du kannst denselben Inhalt in zwei völlig unterschiedliche Markenwelten übersetzen, ohne das Motiv zu ändern. Eine Tasse auf einem Tisch wirkt in weichem Morgenlicht anders als unter hartem Studio-Spot – und beide Varianten sind für unterschiedliche Zielgruppen richtig.

Prompt-Muster für typische Marketingformate

Verschiedene Formate brauchen unterschiedlich aufgebaute Prompts. Die folgenden Muster haben sich in der Praxis bewährt.

Produktdemo

Ein Objekt, eine klare Bewegung, ruhige Kamera, kontrolliertes Licht, neutraler Hintergrund. Vermeide schnelle Kamerafahrten, weil sie Details zerstören. Nahaufnahmen mit langsamer Drehung des Produkts liefern die brauchbarsten Ergebnisse. Wenn das Produkt glänzt oder transparent ist, beschreibe Reflexionen ausdrücklich, sonst entstehen unruhige Flächen.

Markenwelt und Atmosphäre

Hier zählt Kohärenz mehr als Detailtreue. Beschreibe Umgebung, Tageszeit, Wetter und Farbpalette ausführlich und halte Personen im Hintergrund minimal. Solche Clips funktionieren gut als Zwischenschnitte oder als Hintergrund für Textüberlagerungen. Ein Vorteil: Sie sind deutlich fehlerresistenter als Szenen mit Gesichtern.

Testimonial und Gesicht

Gesichter sind die anspruchsvollste Disziplin. Halte die Einstellung kurz, die Bewegung gering und die Kamera stabil. Beschreibe Blickrichtung, Kopfbewegung und Mundbewegung knapp und widerspruchsfrei. Wenn Sprache im Bild sichtbar sein soll, plane eine getrennte Tonspur – das ist fast immer die günstigere Lösung als der Versuch, Lippen synchron zu erzeugen.

Erklärvideo und Prozess

Prozesse profitieren von einer festen Kamera und klar getrennten Schritten. Statt eine Handlung in einer Einstellung zu zeigen, teile sie in einzelne Momente und beschreibe jeden mit einem eigenen Verb. Ein Clip, der eine einzige Handlung sauber zeigt, ersetzt drei Clips, in denen jeweils zwei Handlungen gleichzeitig passieren.

Social-Clip mit Textfläche

Wenn im Nachhinein Text eingeblendet wird, brauchst du freie Flächen. Beschreibe den Bildaufbau so, dass das Motiv nicht die Mitte blockiert: „Motiv links im Bild, rechte Bildhälfte ruhiger Hintergrund mit weichem Verlauf“. Das klingt nach einem Detail, spart im Schnitt aber regelmäßig Nacharbeit.

Testen, versionieren und vergleichen

Wer nur einen Prompt pro Szene schreibt, arbeitet mit einer Stichprobe von eins. Besser ist ein kleines, strukturiertes Testverfahren.

Die Ein-Variablen-Regel

Variiere pro Durchlauf nur eine Variable – Kamerabewegung, Licht, Perspektive – und halte alles andere konstant. So lernst du, welcher Baustein welchen Effekt hat. Wer gleichzeitig Licht, Bewegung und Bildausschnitt ändert und dann ein gutes Ergebnis erhält, weiß nicht, warum es funktioniert hat, und kann es nicht wiederholen.

Bewertung nach drei Kriterien

Bewerte jeden Ausschnitt nach technischer Qualität, Markenpassung und Verwendbarkeit im Schnitt. Ein Clip, der schön aussieht, aber nicht in die Szenenfolge passt, ist kein Erfolg. Diese Trennung verhindert, dass das hübscheste Bild gewinnt und die Erzählung verliert.

Prompt-Bibliothek aufbauen

Versioniere deine Prompts wie Code. Eine Tabelle mit Szene, Prompt-ID, Einstellungen und Bewertung reicht aus. Nach einigen Projekten entsteht daraus eine Bibliothek, die drei Dinge enthält: wiederverwendbare Stilblöcke, bewährte Kamerafahrten und bekannte Fehlerquellen. Diese Bibliothek ist der eigentliche Wettbewerbsvorteil – mehr als der Zugang zu einem bestimmten Modell.

Messe außerdem am Ende, nicht in der Mitte. Die Wirkung eines Clips zeigt sich in der Kampagnenauswertung, nicht im Generierungsfenster. Notiere, welche Prompt-Varianten zu den stärksten Ergebnissen geführt haben, und übernimm die Muster in deine Standardbibliothek.

Toolauswahl nach Entscheidungskriterien

Nicht jedes Werkzeug passt zu jedem Workflow. Achte auf sechs Kriterien: Kontrolle über Kamerabewegung, Unterstützung für Bildreferenzen, maximale Clip-Länge, Konsistenz über mehrere Generierungen, Exportformate und Reproduzierbarkeit identischer Einstellungen. Für Marketingteams ist außerdem wichtig, ob mehrere Personen mit demselben Stil arbeiten können.

Teste neue Werkzeuge immer mit derselben Referenzszene. Nur so sind Vergleiche aussagekräftig. Ein Modell, das spektakuläre Einzelbilder liefert, aber keine stabile Figur über drei Einstellungen halten kann, ist für Kampagnenarbeit ungeeignet – unabhängig davon, wie beeindruckend die Demo aussieht.

Ein zweiter Vergleichstest lohnt sich für Ton und Text im Bild. Manche Modelle erzeugen überzeugende Bewegung, aber unruhige Details in Flächen wie Kleidung, Schrift oder Wasser. Wenn dein Produkt solche Flächen hat, gehört das in den Test.

Kalkuliere außerdem die Nacharbeit ein. Ein Werkzeug, das schnellere Rohclips liefert, aber mehr Farbkorrektur und Stabilisierung erfordert, ist in der Gesamtzeit oft langsamer als ein langsameres Werkzeug mit saubererer Ausgabe.

Typische Fehler und wie du sie vermeidest

Zu viele Informationen in einem Prompt. Wenn ein Clip fünf Handlungen gleichzeitig zeigen soll, wirkt er zerfahren. Teile ihn in zwei Einstellungen.

Widersprüchliche Angaben. „Statische Kamera mit dynamischem Schwenk“ ergibt kein klares Bild. Prüfe jeden Prompt auf innere Logik, bevor du generierst.

Stil pro Szene neu erfinden. Ohne Stilanker wirkt die Szenenfolge wie eine Sammlung fremder Clips.

Bewegung überschätzen. Mehr Bewegung bedeutet nicht mehr Energie, sondern häufig mehr Fehler. Reduziere Bewegung auf das, was die Aussage trägt.

Ergebnisse nicht sichern. Wer gute Prompts nicht dokumentiert, verliert wertvolles Wissen beim nächsten Projektwechsel.

Direkt in Serienproduktion gehen. Erst testen, dann skalieren. Ein Fehler im Grundprompt multipliziert sich sonst über alle Szenen.

Nur auf das Bild achten. Format, Dauer und Beschnitt entscheiden darüber, ob ein Clip überhaupt einsetzbar ist. Ein hervorragender Clip im falschen Seitenverhältnis ist Ausschuss.

Feedback nicht einbauen. Teams, die nach jedem Projekt eine kurze Retrospektive machen und zwei Prompt-Regeln festhalten, werden schneller besser als Teams, die jedes Mal neu improvisieren.

FAQ und Startcheckliste

Wie lang sollte ein Video-Prompt sein? Lang genug, um alle fünf Bausteine abzudecken, kurz genug, um widerspruchsfrei zu bleiben. Drei bis sechs Sätze sind ein guter Rahmen.

Funktionieren Prompts aus anderen Projekten? Stilblöcke und Kameraformulierungen lassen sich gut übertragen. Motivbeschreibungen musst du anpassen, sonst entstehen Mischbilder.

Warum sehen Gesichter in Bewegung unscharf aus? Meist liegt es an zu viel Bewegung, zu geringer Distanz oder widersprüchlichen Angaben zur Kopfbewegung. Reduziere die Bewegung und halte die Kamera stabil.

Brauche ich für jede Szene einen neuen Prompt? Ja, aber nur der Motivteil ändert sich. Licht, Stil und Kamerasprache bleiben über das gesamte Projekt identisch.

Wie viele Varianten sollte ich generieren? Drei pro Szene sind ein guter Kompromiss zwischen Aufwand und Auswahl. Bei Schlüsselmotiven lohnen sich fünf.

Kann ich Prompts im Team standardisieren? Ja, und das ist der größte Hebel überhaupt. Eine gemeinsame Vorlage mit festen Bausteinen sorgt dafür, dass alle Beteiligten denselben Look erzeugen.

Was mache ich, wenn das Modell Anweisungen ignoriert? Zerlege den Prompt, streiche Widersprüche und teste die Anweisung isoliert. Häufig liegt das Problem in einer überladenen Beschreibung.

Wie gehe ich mit Markenrichtlinien um? Übersetze sie in sichtbare Merkmale: Farbwerte, Lichtcharakter, Textur, Distanz. Formulierungen wie „markenkonform“ oder „premium“ haben im Prompt keine Wirkung.

Startcheckliste

Formuliere Ziel und Kanal in einem Satz. Baue eine Szenenliste mit drei bis sechs Einstellungen. Definiere einen Stilblock, der während des Projekts unverändert bleibt. Schreibe pro Szene Subjekt, Aktion, Kamera, Licht und Format. Teste eine Szene in drei Varianten, bevor du die Serie produzierst. Dokumentiere Prompts, Einstellungen und Bewertungen in einer Tabelle. Prüfe am Ende, ob alle Clips dieselbe Lichtrichtung und denselben Farbton tragen.

Wer diese Routine einmal aufgebaut hat, produziert KI-Video nicht mehr als Experiment, sondern als planbaren Teil der Content-Produktion – mit Ergebnissen, die sich wiederholen lassen.