KI-Videos produzieren: Text-zu-Video und Bild-zu-Video Workflow

Warum KI-Videoerstellung heute ein Handwerk ist und kein Zufallsgenerator

Die Werkzeuge sind zugänglich geworden. Jede Person mit einem Browser kann heute aus einem Satz Beschreibung einen bewegten Clip erzeugen. Genau darin liegt das Problem: Weil der Einstieg so leicht ist, entsteht der Eindruck, die Qualität hänge allein vom gewählten Generator ab. In der Praxis ist das Gegenteil der Fall. Der Engpass liegt fast nie beim Modell, sondern beim Briefing, bei der Shotlist, bei der Auswahl der Varianten und bei der Postproduktion.

Drei Beobachtungen aus der täglichen Arbeit erklären, warum das so ist. Erstens: Ein großer Teil der Ergebnisqualität entsteht, bevor die erste Szene gerendert wird. Wer weiß, welche Einstellung welche Funktion im Schnitt erfüllt, produziert weniger Ausschuss. Zweitens: Modelle liefern nur so präzise Ergebnisse, wie die Vorgabe präzise ist. Wage Formulierungen führen zu wagen Bildern, und wagen Bilder landen im Papierkorb. Drittens: Die Glaubwürdigkeit eines fertigen Videos entsteht im Schnitt, im Ton und in der Farbanpassung – nicht im Generator.

Dieser Leitfaden behandelt deshalb den gesamten Weg: die Unterscheidung zwischen Text-zu-Video und Bild-zu-Video, den Aufbau belastbarer Prompts, einen wiederholbaren Produktionsablauf, Techniken für Figurenkonsistenz, die wichtigsten Kamerabegriffe, einen Katalog typischer Fehler und klare Entscheidungskriterien. Wer diesen Ablauf zweimal durchlaufen hat, arbeitet danach deutlich schneller als jemand, der bei jedem Projekt neu improvisiert.

Text-zu-Video und Bild-zu-Video: zwei Werkzeuge, zwei Aufgaben

Text-zu-Video und Bild-zu-Video sind keine konkurrierenden Verfahren, sondern zwei Stationen in derselben Produktionskette. Der Unterschied liegt in der Menge an Kontrolle, die du abgibst.

Beim Text-zu-Video beschreibst du eine Szene, und das Modell entscheidet über Gesichtszüge, Kleidung, Bildaufbau, Farbwelt und Kamerawinkel. Das ist hervorragend für Moodboards, Tempo und Ideenfindung – und riskant, sobald ein Motiv über mehrere Einstellungen hinweg identisch bleiben soll. Beim Bild-zu-Video gibst du einen Keyframe vor. Das Modell ergänzt Bewegung, Lichtverlauf und Kameraarbeit, aber es bleibt an das Ausgangsbild gebunden. Dadurch steigt die visuelle Treue erheblich.

Wann Text-zu-Video gewinnt

Nutze Text-zu-Video, wenn du explorierst. Typische Aufgaben: Stimmungsvarianten für ein Konzept, B-Roll für ein Thema, schnelle Tests, ob eine Idee überhaupt trägt, und Szenen ohne wiederkehrende Figuren. Auch für Landschaften, abstrakte Übergänge und Texturen ist der textbasierte Weg oft der schnellste. Der Vorteil: Du kannst in kurzer Zeit zwanzig Varianten erzeugen und dich dann für eine Richtung entscheiden.

Wann Bild-zu-Video gewinnt

Nutze Bild-zu-Video, sobald Genauigkeit zählt. Produktaufnahmen, Porträts, Architektur, Markenauftritte, wiederkehrende Charaktere und alles, was eine exakte Komposition benötigt, gehören in diese Kategorie. Ein weiterer Vorteil: Du kannst den Keyframe mit klassischen Werkzeugen nachbessern – Retusche, Farbkorrektur, Perspektivkorrektur – und erst dann animieren. Jede Verbesserung im Standbild wirkt sich auf den gesamten Clip aus.

Der Hybrid-Weg in der Praxis

Die meisten professionellen Projekte kombinieren beide Ansätze in einer festen Reihenfolge. Zuerst entstehen mehrere Text-zu-Video-Tests, um Bildsprache und Tempo zu klären. Danach wird der beste Look als Keyframe eingefroren und mit einem Bildgenerator verfeinert. Anschließend wird dieser Keyframe animiert, und alle weiteren Einstellungen bauen auf derselben Referenz auf. Diese Reihenfolge verhindert das häufigste Problem in der KI-Produktion: einen Stilwechsel mitten im Film, der das Publikum aus der Geschichte wirft.

Prompt-Handwerk: der Aufbau eines belastbaren Szenen-Prompts

Ein guter Video-Prompt ist kein Satz, sondern ein kleines Drehbuch. Er beschreibt Motiv, Handlung, Kamera, Licht, Atmosphäre und Stil in einer festen Reihenfolge. Diese Reihenfolge ist kein Dogma, aber sie macht Prompts reproduzierbar – und damit teamfähig.

Die sieben Bausteine

1. Motiv und Subjekt: Wer oder was ist zu sehen? Je konkreter, desto besser. Statt „eine Person“ besser „eine Frau Anfang dreißig in einer gelben Regenjacke“.
2. Handlung: Was passiert genau? Eine klar beschriebene Bewegung funktioniert zuverlässiger als drei gleichzeitige.
3. Setting: Ort, Tageszeit, Wetter, Hintergrunddetails. Auch Kleinigkeiten wie nasser Asphalt oder ein halb geöffnetes Fenster helfen dem Modell.
4. Kameraführung: Stativ, langsamer Dolly-in, seitliche Mitfahrt, Kranfahrt, Handkamera. Ein Begriff pro Einstellung, nicht drei.
5. Licht: Weiches Fensterlicht, Gegenlicht zur blauen Stunde, harte Studioblitze, Neonlicht mit Farbstich.
6. Stil und Look: Dokumentarisch, Werbefilm, 16-mm-Korn, Cel-Shading, fotorealistisch, analoger Look.
7. Technische Rahmung: Seitenverhältnis, Cliplänge, Bildrate, gewünschte Bewegungsunschärfe.

Bewegung dosieren: eine Aktion pro Einstellung

Der häufigste Grund für unbrauchbare Clips ist zu viel gleichzeitige Bewegung. Modelle interpolieren zwischen Zuständen und verlieren Details, wenn sich Figur, Kamera, Licht und Hintergrund gleichzeitig verändern. Reduziere auf eine dominante Bewegung. Brauchst du eine Kamerafahrt, halte die Figur ruhig. Soll die Figur gehen, lass die Kamera stehen. Ein langsamer Zoom auf ein statisches Objekt liefert fast immer ein saubereres Ergebnis als eine komplexe Verfolgungsfahrt mit zwei Personen.

Negativlisten, Seeds und Referenzanker

Viele Modelle akzeptieren Negativbegriffe oder Parameter für unerwünschte Elemente: Text im Bild, zusätzliche Gliedmaßen, Wasserzeichen, doppelte Köpfe, schnelle Schnitte. Nutze sie sparsam und konsistent – widersprüchliche Signale verschlechtern das Ergebnis. Für Wiederholbarkeit hilft ein fester Seed oder eine Referenz-ID, damit Varianten desselben Shots vergleichbar bleiben und du nach zwei Wochen noch weißt, wie eine Einstellung entstanden ist.

Derselbe Shot in drei Ausbaustufen

Schwach: „Ein Mann geht durch eine Stadt.“ Besser: „Ein Mann in einem grauen Mantel geht bei Regen durch eine belebte Stadtstraße, Kamera auf Stativ, weiches diffuses Licht, dokumentarischer Look.“ Sehr gut: „Halbtotale, ein Mann Ende vierzig in einem grauen Wollmantel geht langsam von links nach rechts durch eine regennasse Einkaufsstraße, Regenschirm in der rechten Hand, Reflexionen auf dem Asphalt, Kamera auf Stativ mit minimaler seitlicher Mitfahrt, bedeckter Himmel, weiches diffuses Licht, 35-mm-Look mit leichtem Korn, 16:9, 5 Sekunden.“ Die dritte Version enthält alles, was ein Modell entscheiden müsste – und genau deshalb entscheidet es weniger falsch.

Der Produktionsworkflow in sieben Stationen

Ein wiederholbarer Ablauf schlägt jede Improvisation. Der folgende Ablauf funktioniert für Werbespots, Erklärvideos, Social-Media-Serien und Kurzfilme gleichermaßen.

1. Briefing und Shotlist

Beginne mit einer Shotlist, nicht mit einem Prompt. Notiere pro Zeile: Szene, Dauer, Bildinhalt, Kamerabewegung, Übergang, Ton. Eine Minute fertiges Video besteht schnell aus acht bis zwölf Einstellungen. Die Shotlist zwingt dich, Blickrichtungen und Übergänge vorzudenken, bevor Rechenzeit anfällt. Markiere außerdem, welche Einstellungen eine wiederkehrende Figur oder ein Produkt zeigen – diese bekommen später feste Referenzen.

2. Keyframes bauen

Für jede Einstellung entsteht ein Standbild. Das hat drei Vorteile: Du prüfst Bildaufbau und Licht, du hältst Figuren und Requisiten konsistent, und du kannst mit klassischen Designwerkzeugen nachbessern. Achte auf klare Vordergrund-Hintergrund-Trennung, glaubwürdige Hände und ausreichend Raum in Bewegungsrichtung – sonst muss das Modell den fehlenden Bildraum selbst erfinden, und dort entstehen die meisten Artefakte.

3. Animieren in Varianten

Produziere bewusst drei bis fünf Varianten pro Einstellung mit unterschiedlicher Bewegungsstärke, unterschiedlichen Seeds oder leicht veränderten Kameraangaben. Bewerte sie erst, wenn alle Varianten vorliegen. Sonst gewinnt immer die erste Version, die „ganz okay“ ist. Eine nützliche Regel: Die beste Variante ist nicht die spektakulärste, sondern die, die am wenigsten Aufmerksamkeit auf sich zieht und sich unsichtbar in den Schnitt einfügt.

4. Auswahl mit Bewertungsraster

Bewerte jede Variante mit vier Kriterien: Stabilität über die volle Länge, Figurentreue, Bewegungsqualität und Anschlussfähigkeit an die Nachbareinstellungen. Ein Clip, der isoliert großartig aussieht, aber nicht an die vorherige Einstellung anschließt, ist unbrauchbar. Führe zusätzlich eine einfache Tabelle: Einstellung, Werkzeug, Prompt-Version, Seed, Ergebnis, Problem. Diese Dokumentation ist der eigentliche Produktionswert – nach zwei Projekten weißt du genau, welches Werkzeug welche Aufgabe zuverlässig löst.

5. Schnitt und Rhythmus

KI-Clips sind Rohmaterial. Im Schnittprogramm entsteht daraus ein Film. Ruhige Schnittrhythmen kaschieren kleine Artefakte deutlich besser als hektische. Nutze harte Schnitte, wo Bewegung neu ansetzt, und weiche Übergänge nur, wenn beide Einstellungen dieselbe Lichtsituation teilen. Ein bewährter Trick: Wenn zwei Clips nicht zusammenpassen, schneide auf ein Detail – eine Hand, ein Objekt, einen Schatten – und überbrücke damit den Bruch.

6. Ton, Stimme und Sounddesign

Der Ton entscheidet über die Glaubwürdigkeit. Sprachaufnahmen, synthetische Stimmen, Musikbett, Atmosphären und Effekte sollten dieselbe Sorgfalt erhalten wie das Bild. Ein Raumklang, ein Windgeräusch, ein leises Klicken beim Aufsetzen einer Tasse – diese Details tragen mehr zur Immersion bei als zusätzliche Bildauflösung. Achte außerdem darauf, dass die Stimme zum Sprechtempo des Schnitts passt; oft muss der Schnitt an die Tonspur angepasst werden, nicht umgekehrt.

7. Farbanpassung, Export und Versionierung

Zum Schluss kommen Farbanpassung, Bildformat und Lautheit. Exportiere mindestens zwei Fassungen: eine für große Bildschirme und eine vertikale für Mobilgeräte. Versioniere deine Dateien nach einem festen Schema, etwa Projekt, Szene, Version, Datum. Wer nach drei Wochen eine Änderung einbauen muss, ist dankbar über klare Dateinamen und eine Liste mit den verwendeten Seeds. Plane grundsätzlich mindestens ein Drittel der Gesamtzeit für die Postproduktion ein.

Konsistenz über Szenen: Figuren, Produkte und Markenauftritt

Sobald mehrere Szenen mit derselben Figur oder demselben Produkt entstehen, wird Konsistenz zur Kernaufgabe. Drei Techniken haben sich bewährt.

Erstens: Referenzbilder mit festen Merkmalen. Erstelle ein Charakterblatt mit Front-, Seiten- und Halbprofilansicht. Nutze dieselbe Kleidung, dieselbe Frisur und denselben Lichtcharakter über alle Szenen hinweg. Bei Produkten lohnt ein Hero-Bild mit perfekter Ausleuchtung, weil alle Animationen von derselben Oberfläche, denselben Reflexionen und derselben Perspektive ausgehen.

Zweitens: Stilreferenzen statt Adjektive. Ein Referenzbild transportiert Farbwelt, Kontrast und Materialität präziser als drei beschreibende Sätze. Wenn ein Werkzeug Stil- oder Bildreferenzen akzeptiert, nutze sie konsequent und dokumentiere, welche Referenz zu welchem Look gehört.

Drittens: kurze Clips statt langer Monolithen. Drei Sekunden mit stabiler Figur sind wertvoller als zehn Sekunden mit Gesichtsdrift. Zerlege lange Sequenzen in kurze, sauber gerenderte Einheiten und verbinde sie im Schnitt. Vermeide außerdem extreme Perspektivwechsel, wenn eine Figur zum ersten Mal auftritt – das Publikum braucht eine ruhige Etablierung, bevor es Bewegung akzeptiert.

Ein vierter, oft vergessener Punkt: Konsistenz gilt auch für Licht und Requisiten. Wenn in Szene eins ein blaues Notizbuch auf dem Tisch liegt, sollte es in Szene drei nicht grün sein. Führe eine Requisitenliste, sobald mehr als zehn Einstellungen im Spiel sind.

Kamera, Licht und Bewegung: Filmsprache, die Modelle verstehen

Modelle verstehen Filmsprache besser als viele erwarten – vorausgesetzt, du benutzt die richtigen Begriffe. Viele Werkzeuge reagieren zuverlässiger auf englische Fachausdrücke, deshalb lohnt es, beide Varianten zu kennen.

• Statisch (static shot): feste Kamera, ideal für Porträts, Produkte und Dialoge.
• Dolly-in / Dolly-out: langsame Annäherung oder Entfernung, erzeugt Spannung oder Distanz.
• Tracking Shot: seitliche Mitfahrt, verbindet Bewegung mit Umgebung.
• Kranfahrt / Drohne (crane, aerial): Enthüllung von Raum und Maßstab, sparsam einsetzen.
• Handkamera (handheld): subtile Unruhe für dokumentarische Authentizität.
• Nahaufnahme (close-up) und Makro: Details wie Textilien, Hände, Augen – hier zählt Modellqualität am stärksten.

Beim Licht lohnt es, mit einer klar benannten Hauptlichtquelle zu arbeiten. Modelle interpretieren eine definierte Lichtrichtung zuverlässiger als diffuses Mischlicht. Gegenlicht erzeugt Stimmung, kostet aber Detailtiefe. Bei Nachtaufnahmen brauchst du praktische Lichtquellen im Bild – Laternen, Schilder, Bildschirme –, sonst wirkt die Szene flach und künstlich. Benenne außerdem die Farbtemperatur, wenn sie zur Stimmung beiträgt: warmes Tungsten für Innenräume, kühles Tageslicht für Außenaufnahmen.

Ein weiterer Hebel ist die Bewegungsunschärfe. Action- und Sportszenen profitieren von bewusst gesetzter Unschärfe, ruhige Einstellungen wirken bei hoher Schärfe sauberer. Auch die Brennweite ist ein Steuerinstrument: 24 mm betont Räume und Verzerrung, 50 mm wirkt neutral, 85 mm schmeichelt Gesichtern und trennt das Motiv vom Hintergrund. Wer diese drei Brennweiten bewusst einsetzt, erzeugt visuelle Abwechslung, ohne den Stil zu brechen.

Typische Fehler und wie du sie behebst

Die meisten Fehler entstehen nicht durch schwache Modelle, sondern durch unklare Vorgaben. Die folgenden Probleme tauchen immer wieder auf.

Gesichtsdrift über mehrere Einstellungen

Ursache: Figurenmerkmale weichen mit jeder Generation stärker ab. Lösung: kürzere Clips, feste Referenzbilder, konsistente Kleidung und Lichtsetzung, dokumentierte Seeds. Prüfe die Ähnlichkeit am Keyframe, bevor du animierst – nicht danach.

Zappelnde Hände und Finger

Ursache: hohe Bewegung im Vordergrund, kleine Fläche, wenig Kontrast. Lösung: Hände ruhig halten, Nahaufnahmen mit weniger Bewegung rendern, Details im Standbild lösen statt in der Animation. Wenn Hände im Bild sind, reduziere die Zahl gleichzeitiger Gesten auf eine.

Morphende Objekte und Hintergründe

Ursache: zu viele gleichzeitige Veränderungen oder ein unklarer Hintergrund. Lösung: eine Aktion pro Einstellung, klare Vordergrund-Hintergrund-Trennung, Hintergrund ruhig halten. Bei komplexen Umgebungen hilft es, den Hintergrund im Keyframe weichzuzeichnen, damit das Modell weniger Details erfinden muss.

Flackerndes Licht oder Texturrauschen

Ursache: inkonsistente Lichtbeschreibung oder aggressive Bewegungsstärke. Lösung: Lichtquelle genau benennen, Bewegung reduzieren, gegebenenfalls temporales Denoising im Schnitt einsetzen. Bei wiederkehrenden Einstellungen denselben Seed verwenden und nur einen Parameter ändern.

Unrealistische Physik

Ursache: generative Modelle kennen keine Simulationsregeln, sondern Muster. Lösung: einfache Bewegungen wählen, schwere Objekte langsam bewegen, Wasser, Rauch und Staub eher andeuten als exakt beschreiben. Bei Kollisionen lieber zwei kurze Einstellungen schneiden als eine komplexe Interaktion rendern.

Text, Logos und Schriften im Bild

Ursache: generative Modelle sind keine Satzsysteme. Lösung: Schriften, Logos und grafische Elemente in der Postproduktion als Overlay ergänzen. Das ist schneller, sauberer und markenkonform – und du behältst die volle Kontrolle über Typografie.

Eine gute Qualitätskontrolle arbeitet mit drei Fragen: Sieht die Einstellung in der ersten Sekunde glaubwürdig aus? Bleibt sie bis zur letzten Sekunde stabil? Und würde ein Zuschauer sie überhaupt als besonders bemerken? Wenn nicht, funktioniert sie.

Entscheidungskriterien: Welches Werkzeug für welche Aufgabe?

Nicht jede Aufgabe braucht das aufwendigste Verfahren. Eine einfache Entscheidungsmatrix hilft, Ressourcen sinnvoll zu verteilen.

• Konzeptphase: Text-zu-Video mit niedriger Auflösung, viele Varianten, schnelles Verwerfen.
• Präsentation für Entscheider: Bild-zu-Video mit hochwertigen Keyframes, kurze Clips, klare Kameraführung.
• Serienproduktion mit Markenfigur: feste Charakterreferenzen, konsistente Keyframes, dokumentierte Seeds.
• Produktaufnahmen: statische Kamera, kontrolliertes Licht, hohe Detailauflösung, Makro-Details als separate Einstellungen.
• Social-Schnellformate: kurze Clips, starke erste Sekunde, klare Untertitel, vertikales Format.

Weitere Kriterien sind Iterationsgeschwindigkeit, Steuerungstiefe, Teamfähigkeit und Lizenzfragen. Ein Werkzeug, das in zwei Minuten brauchbare Ergebnisse liefert, ist für die Ideenphase wertvoller als eines, das zwanzig Minuten für ein perfektes Bild benötigt. Umgekehrt gilt: Für die finale Einstellung zählt Qualität, nicht Geschwindigkeit. Plane beide Modi ausdrücklich ein – schnellen Entwurf und langsamen Feinschliff.

Prüfe außerdem, wie sich die Nutzungsrechte gestalten. Für kommerzielle Projekte, Markenauftritte und bezahlte Werbung musst du die Bedingungen des jeweiligen Werkzeugs kennen. Kläre vor Projektbeginn, ob generierte Inhalte kommerziell verwendet werden dürfen und ob Einschränkungen für bestimmte Motive gelten. Diese Frage stellt man besser vor dem ersten Rendering als nach der Freigabe durch den Kunden.

Ein pragmatischer Test spart viel Zeit: Wähle deine drei häufigsten Aufgaben – Porträt, Produkt, Landschaft – und teste sie mit zwei Werkzeugen. Bewerte Stabilität, Bewegungsqualität, Konsistenz und Bearbeitungsgeschwindigkeit. Diese kleine Testreihe ist aussagekräftiger als jede Rangliste, weil sie auf deinem Material und deinem Stil basiert.

Drei Beispielprojekte von der Idee bis zum Export

Beispiel A: 20-Sekunden-Produktclip

Ein Getränkehersteller braucht einen kurzen Clip für eine Anzeige. Ablauf: Zuerst ein Hero-Bild der Flasche mit kontrollierter Ausleuchtung und klarer Reflexion. Dann drei animierte Varianten: langsame Kamerafahrt um das Produkt, Kondenswasser als Detailschuss, eine Hand, die das Produkt aufnimmt. Auswahl nach Stabilität, nicht nach Effekt. Im Schnitt zwei Sekunden Einstieg, zwölf Sekunden Produkt, sechs Sekunden Markenauftritt mit eingeblendetem Logo. Ton: Raumklang, ein leises Zischen, Musikbett. Typischer Fehler: Kondenswasser per Prompt erzwingen wollen. Besser: Tropfen im Standbild setzen und minimal animieren.

Beispiel B: Erklärvideo mit Sprecher

Ein Softwareunternehmen erklärt einen Ablauf in 60 Sekunden. Ablauf: Storyboard mit acht Einstellungen, überwiegend statische oder langsam fahrende Kamera, klare Vordergrund-Hintergrund-Trennung, damit später Text eingeblendet werden kann. Bildschirmaufnahmen werden als Keyframe eingesetzt und leicht bewegt, damit sie lebendig wirken. Sprechertext wird zuerst geschrieben und aufgenommen, danach wird der Schnitt an die Tonspur angepasst. Typischer Fehler: zu viele Kamerabewegungen. Ein Erklärvideo lebt von Klarheit, nicht von Bewegung.

Beispiel C: Social-Serie mit wiederkehrender Figur

Eine Marke produziert sechs kurze Episoden mit derselben Hauptfigur. Ablauf: Charakterblatt anlegen, drei Keyframes für wiederkehrende Umgebungen bauen, pro Episode vier bis sechs Clips mit je drei bis vier Sekunden. Alle Einstellungen mit derselben Figur verwenden denselben Referenzsatz und dokumentierte Seeds. Vertikales Format, Untertitel fest im Layout, starke erste Sekunde als Hook. Typischer Fehler: pro Episode neue Referenzen verwenden. Dadurch driftet die Figur, und das Publikum verliert die Wiedererkennung, die eine Serie überhaupt trägt.

FAQ

Brauche ich für Bild-zu-Video zwingend einen Bildgenerator?

Nein. Du kannst auch Fotos, Renderings, 3D-Ausgaben oder Screenshots verwenden. Wichtig ist, dass das Ausgangsbild scharf, gut ausgeleuchtet und kompositorisch vollständig ist. Ein nachträglich zugeschnittenes Bild mit fehlenden Bildrändern führt häufig zu wackeligen Ergebnissen, weil das Modell den fehlenden Raum selbst erfinden muss.

Wie lang sollten KI-Clips sein?

Für die meisten Produktionen sind drei bis sechs Sekunden pro Einstellung ein guter Richtwert. Diese Länge liefert genug Bewegung, bleibt aber stabil. Längere Sequenzen setzt du aus mehreren kurzen Clips zusammen, was zusätzlich mehr Kontrolle über den Schnittrhythmus gibt. Für Dialog- und Porträtaufnahmen sind zwei bis vier Sekunden oft ausreichend.

Warum sehen meine Ergebnisse trotz guter Prompts künstlich aus?

Meistens liegt es an fehlender Bewegungsdynamik im Vordergrund, an zu gleichmäßigem Licht oder an einer zu sauberen Bildoberfläche. Ergänze glaubwürdige Details: eine leichte Kameraunruhe, einen Windstoß, ein vorbeifahrendes Objekt, etwas Textur im Hintergrund. Kleine Unvollkommenheiten erhöhen die Glaubwürdigkeit stärker als eine höhere Auflösung.

Wie halte ich Figuren über mehrere Szenen identisch?

Arbeite mit festen Referenzbildern, konsistenter Kleidung und dokumentierten Seeds. Erzeuge pro Szene ein Keyframe, prüfe die Ähnlichkeit vor der Animation und rendere lieber kurze Clips als lange. Vermeide starke Perspektivwechsel, wenn eine Figur zum ersten Mal auftritt, und führe eine Requisitenliste für alle wiederkehrenden Objekte.

Welches Werkzeug ist das beste?

Es gibt kein universell bestes Werkzeug, nur passende Zuordnungen. Teste deine drei häufigsten Aufgaben mit je zwei Werkzeugen und bewerte Stabilität, Bewegungsqualität, Konsistenz und Geschwindigkeit. Diese kleine Testreihe ist aussagekräftiger als jede allgemeine Rangliste, weil sie auf deinem Material, deinem Stil und deinem Zeitbudget basiert.

Lohnt sich eine node-basierte Pipeline?

Wenn du wiederkehrende Anforderungen hast – gleiche Figur, gleicher Look, gleiche Abläufe –, ja. Node-basierte Pipelines machen Prozesse reproduzierbar und teamfähig, weil jeder Schritt dokumentiert und wiederholbar ist. Für einmalige Projekte reicht oft die direkte Bedienung der Werkzeuge über ihre jeweiligen Oberflächen.

Was mache ich mit Ausschuss?

Bewahre ihn strukturiert auf. Viele unbrauchbare Clips enthalten brauchbare Fragmente: einen Übergang, eine Lichtstimmung, eine Handbewegung, eine Hintergrundtextur. Ein sauber benanntes Archiv mit Ausschussmaterial ist im nächsten Projekt oft die schnellste Inspirationsquelle – und manchmal genau die B-Roll, die sonst neu gerendert werden müsste.

Wie viel Zeit sollte ich für die Postproduktion einplanen?

Mindestens ein Drittel der Gesamtzeit. Für einen 30-Sekunden-Spot mit zwölf Einstellungen bedeutet das grob: ein bis zwei Stunden Briefing und Shotlist, zwei bis drei Stunden Keyframes, ein bis zwei Stunden Animation, eine Stunde Auswahl, zwei bis drei Stunden Schnitt, Ton und Farbe. Wer KI-Clips als fertige Videos betrachtet, produziert Ergebnisse, die sofort nach KI aussehen. Wer sie als Rohmaterial behandelt, erhält Ergebnisse, die niemand mehr hinterfragt.

Wie gehe ich mit Text im Bild um?

Gar nicht im Generator. Schriften, Zahlen, Logos und grafische Elemente gehören in die Postproduktion. Dort sind sie scharf, korrekt gesetzt, markenkonform und jederzeit änderbar. Wenn ein Modell Text im Bild erzeugt, wirkt er fast immer unscharf oder fehlerhaft – und eine spätere Korrektur ist nur durch Neuberechnung möglich.