KI-Videoproduktion: Von der Idee zur fertigen Szene planen

Ein fertiges Video entsteht selten in einem einzigen Schritt. Zwischen der ersten Idee und der Einstellung, die tatsächlich im Schnitt landet, liegen Dutzende kleiner Entscheidungen: Welche Aussage trägt der Film? Wie sieht die Figur aus, wenn sie in der dritten Szene wieder auftaucht? Welche Kamera bewegt sich wohin – und warum? Generative Werkzeuge haben diese Kette nicht abgeschafft, sondern verschoben. Sie übernehmen einen großen Teil der Ausführung und verlangen dafür eine präzisere Vorbereitung. Wer weiß, an welchen Stellen die Automatisierung trägt und an welchen sie kippt, produziert schneller und mit deutlich weniger Ausschuss.

Warum generative Werkzeuge die Planung wichtiger machen

Klassische Produktion war linear und teuer: Drehbuch, Drehplan, Drehtag, Material, Schnitt. Jede Änderung nach dem Dreh bedeutete einen neuen Termin. Diese Reihenfolge ist aufgelöst. Eine Einstellung kann heute entstehen, nachdem der Schnitt bereits steht – als Lückenfüller, als Variante, als Korrektur einer misslungenen Aufnahme. Daraus folgen fünf Verschiebungen:

• Iteration wird billig, Entscheidungen werden teuer. Zehn Varianten einer Einstellung kosten Minuten. Die Arbeit liegt darin, zu wissen, welche Variante zur Dramaturgie passt.
• Beschreibung ersetzt die Anweisung am Set. Statt „Kamera etwas nach links“ heißt es: Motiv, Blickwinkel, Lichtstimmung, Bewegung, Tempo und Bildcharakter in einem Text, der reproduzierbar sein muss.
• Konsistenz wird zum Hauptproblem. Ein beeindruckendes Einzelbild ist einfach. Fünf Einstellungen mit derselben Figur, demselben Licht und derselben Farbwelt sind die eigentliche Herausforderung.
• Ton wächst mit dem Bild. Sprachsynthese, Musik und Geräusche entstehen parallel und beeinflussen die Schnittlänge.
• Ein Master, viele Formate. Dieselbe Szene wird vertikal, quadratisch und breit gebraucht. Das gehört in die Planung, nicht in den Export.

Ein typisches Beispiel: Ein Team produziert 14 Einstellungen für einen 60-Sekunden-Clip, neun davon sind brauchbar. Die Ursache liegt selten im Modell. Meist fehlt eine Shot-Liste, oder der Stilbegriff wurde zwischen zwei Sitzungen geändert. Vor dem ersten Prompt lohnt deshalb ein kurzer Check: Ist die Kernaussage in einem Satz formuliert? Existiert eine feste visuelle Referenz? Steht die Einstellung in einer Liste mit Dauer und Bewegung? Dreimal ja – dann kann generiert werden.

Konzeptphase: Vom Einfall zum belastbaren Treatment

Die konzeptionelle Phase bleibt die wichtigste, weil sich Strukturfehler später nicht durch bessere Prompts reparieren lassen. Ein Treatment von einer Seite genügt für die meisten Kurzformate.

Kernaussage in einem Satz

Formuliere einen Satz, der die Aussage beschreibt, und prüfe jede geplante Szene gegen diesen Satz. Szenen, die nichts beitragen, kosten Generierungszeit und Aufmerksamkeit im Schnitt. Für Social-Formate kommt eine zweite Festlegung dazu: Welches Bild stoppt in den ersten zwei Sekunden das Scrollen? Diese Einstellung wird zuerst produziert, nicht zuletzt.

Szenenkarte mit klaren Funktionen

Zerlege das Treatment in drei bis acht Szenen mit je einer Aufgabe: Einstieg, Problem, Wendepunkt, Beleg, Abschluss. Notiere pro Szene Ort, Zeit, Figur und emotionale Richtung. Diese Notizen werden später zu Prompts, sind aber zu diesem Zeitpunkt reine Dramaturgie. Ein nützlicher Test: Erzähle die Szenenfolge jemandem in 30 Sekunden. Wer stockt, hat eine Lücke in der Struktur.

Format und Länge zuerst festlegen

Vertikale Formate verlangen mehr Großaufnahmen, kürzere Einstellungen und weniger Nebenhandlung im Bild. Wer später aus einem 16:9-Master auf 9:16 umstellt, verliert häufig Bildinformation an den Rändern. Wer umgekehrt plant, behält mehr Freiheit. Entscheide also vor der Shot-Liste, welches Format der Master ist.

Visuelle Blaupause: Stil, Palette, Charakteranker

Bevor der erste bewegte Clip entsteht, braucht das Projekt eine visuelle Sprache. Das ist keine Kosmetik, sondern eine Kostenbremse: Wer den Look einmal definiert, referenziert ihn später nur noch.

Referenzboard und Stilbegriffe

Sammle sechs bis zwölf Referenzbilder, die Licht, Palette und Textur zeigen. Verdichte sie auf drei bis fünf beschreibende Begriffe, etwa „weiches Gegenlicht, entsättigte Grüntöne, feine Filmkörnung“. Diese Begriffe werden zu festen Bestandteilen jedes Prompts. Zwei bis vier reichen; jeder zusätzliche Begriff erhöht die Streuung der Ergebnisse.

Farbskript anlegen

Halte fest, welche Farbtemperatur Einstieg, Wendepunkt und Abschluss haben. Farbe trägt Bedeutung, und Modelle treffen ohne Vorgabe zufällige Entscheidungen, die einen Film beliebig wirken lassen. Ein Farbskript von fünf Zeilen verhindert, dass die Szene in der Mitte plötzlich in eine andere Welt kippt.

Charakteranker definieren

Für Figuren gilt: erst definieren, dann animieren. Erstelle pro Hauptfigur ein Referenzset aus mindestens drei Ansichten – frontal, Halbprofil, Ganzkörper – plus eine Aufnahme in anderer Lichtsituation. Notiere Merkmale, die sich nicht verändern dürfen: Frisur, Augenfarbe, Kleidungsdetails, Alter, Statur. Diese Merkmale gehören in einen festen Textbaustein, der in jedem Prompt unverändert wiederholt wird. Variiert wird nur die Handlung, nie die Beschreibung der Figur.

Shot-Liste statt Drehbuch

Ein Drehbuch beschreibt, was passiert. Eine Shot-Liste beschreibt, was zu sehen ist. Generative Modelle interpretieren keine Handlung – sie setzen Bildbeschreibungen um. Deshalb ist die Shot-Liste das zentrale Arbeitsdokument.

Bildgrößen, Achse und Rhythmus

Plane pro Szene mindestens eine Totalen-Einstellung, eine halbnah und ein Detail. Der Wechsel der Bildgröße erzeugt Rhythmus, auch bei wenigen Sekunden Laufzeit. Achte auf die Achse: Figuren sollen über den Schnitt hinweg auf derselben Bildseite bleiben. Bei generierten Aufnahmen ist die Blickrichtung oft zufällig, deshalb gehört sie explizit in den Prompt – „Figur links im Bild, Blick nach rechts“.

Kamerabewegung in drei Varianten

Drei Bewegungen decken die meisten Projekte ab: langsamer Push-in, kontrollierter Schwenk, ruhige Aufnahme ohne Bewegung. Beschreibe Richtung, Tempo und Ziel: „langsamer Push-in auf das Gesicht, gleichmäßig, ohne Ruckeln“. Vermeide Kombinationen wie gleichzeitiger Zoom und Schwenk; sie führen in generierten Clips häufig zu Verzerrungen.

Dauer und Beispielzeile

Generierte Einstellungen verlieren bei langer Laufzeit an Konsistenz. Arbeite mit kurzen Clips und setze sie im Schnitt zusammen. Ein Auszug aus einer Shot-Liste:

Einstellung	Inhalt	Größe	Bewegung	Dauer
3	Figur öffnet Laptop	halbnah	Push-in, langsam	3 s
4	Gesicht, Reaktion	nah	statisch	2 s
5	Raum, Fensterlicht	total	Schwenk rechts	4 s

Drei Angaben sind Pflicht: Dauer, Bildinhalt, Bewegung. Alles andere ist Zusatz.

Prompting als Handwerk

Ein Prompt ist eine Produktionsanweisung, kein Wunschzettel. Er trägt mehr, wenn er in fester Reihenfolge aufgebaut ist, weil Fehler dann isolierbar bleiben.

Ein wiederverwendbares Gerüst

1. Motiv und Handlung – wer oder was ist zu sehen, was tut es?
2. Bildgröße und Perspektive – total, halbnah, nah, Aufsicht, Froschperspektive.
3. Licht und Tageszeit – weiches Fensterlicht, hartes Mittagslicht, blaue Stunde.
4. Farbe und Material – Palette, Textur, Filmkörnung, Objektivcharakter.
5. Bewegung – Kameraführung und Bewegung im Bild, inklusive Tempo.
6. Technische Vorgaben – Seitenverhältnis, Bildrate, Dauer, Stilreferenz.

Blocks eins bis drei wechseln pro Einstellung, vier bis sechs bleiben über das Projekt stabil. So entsteht ein konsistenter Look, ohne jeden Prompt neu zu erfinden.

Negativliste kurz halten

Verbiete explizit, was du nicht willst: verzerrte Hände, zusätzliche Gliedmaßen, Text im Bild, Wasserzeichen, Doppelbelichtung. Halte die Liste kurz. Zu viele Einschränkungen machen die Ausgabe instabil und schwer nachvollziehbar.

Reproduzierbarkeit sichern

Notiere zu jedem gelungenen Clip Prompt, Seed und Modellversion. Ohne diese Notizen ist eine gelungene Einstellung später nicht wiederholbar, und genau das kostet die meiste Zeit. Eine einfache Textdatei mit einer Zeile pro Einstellung genügt.

Prompt-Debugging: wenn das Ergebnis nicht passt

Ändere pro Durchlauf immer nur eine Variable. Stimmt die Komposition, aber nicht das Licht, variiere ausschließlich Block drei. Weicht die Figur ab, prüfe zuerst, ob der Beschreibungsblock wirklich unverändert ist. Ruckelt die Bewegung, entferne Kombinationen und reduziere das Tempo. Diese Methode kostet drei bis vier Durchläufe, spart aber den Nachbau ganzer Szenen. Notiere nach jedem Versuch in einem Satz, was sich verändert hat – sonst wiederholst du denselben Fehler am nächsten Tag.

Konsistenz über Szenen und Stilbrüche hinweg

Sobald ein Projekt mehr als eine Szene hat, treten drei Brüche auf: Figur verändert sich, Licht kippt, Farbe driftet. Jeder Bruch hat eine Gegenmaßnahme.

• Figur: Referenzbild plus unveränderter Beschreibungsblock; bei starken Abweichungen ein Zwischenbild erzeugen und als Startframe nutzen.
• Licht: Lichtsituation pro Szene im Treatment festlegen und nur innerhalb einer Szene variieren.
• Farbe: Farbkorrektur in der Postproduktion, aber Palettenbegriffe im Prompt konstant halten.

Ein bewusster Stilwechsel ist etwas anderes als ein Bruch. Wenn der Film von Realszene zu Animation wechselt, sollte der Übergang inszeniert sein – durch einen harten Schnitt auf einen ungewöhnlichen Winkel oder ein Geräusch, das die neue Welt einleitet. Unbeabsichtigte Brüche wirken dagegen wie Fehler.

Ton, Stimme und Musik

Ton entscheidet stärker über die wahrgenommene Qualität als viele Bilddetails. Zuschauer verzeihen eine unscharfe Einstellung eher als eine unsynchronisierte Stimme.

Sprache. Bei synthetischer Stimme gilt: kurze Sätze, klare Betonung, keine verschachtelten Nebensätze. Lies den Text vor der Generierung laut – Stolperstellen werden in der Vertonung hörbar. Für Erklärformate lohnt eine feste Stimmreferenz, damit alle Folgen gleich klingen.

Musik. Wähle die Musik vor dem finalen Schnitt. Der Rhythmus bestimmt, wo Schnitte sitzen, nicht umgekehrt. Ein 90-Sekunden-Stück mit klarem Aufbau liefert kostenlos eine Dramaturgie.

Geräusche. Drei Ebenen genügen: Atmosphäre (Raumton, Wind, Stadt), Akzente (Schritte, Tür, Tastatur) und Übergänge (Whoosh, Impuls). Sie heben generierte Bilder aus der Unwirklichkeit.

Synchronisation. Sprachspur und Bild müssen nicht sekundengenau deckungsgleich sein, aber Betonungen sollten auf Bildwechsel fallen. Schneide die Bilder auf die Sprachspur statt umgekehrt. Das wirkt ruhiger, auch wenn der Schnitt dadurch unregelmäßiger wirkt.

Mischung. Sprache um −6 dB Spitze, Musik deutlich darunter, Geräusche als Textur. Ein Kompressor auf der Sprachspur, Verhältnis etwa 3:1, plus ein sanfter Hochpass um 90 Hz machen den Ton auch auf Handylautsprechern verständlich.

Postproduktion in vier Schritten

Die Postproduktion macht aus Clips einen Film. Vier Schritte in dieser Reihenfolge:

1. Rough Cut. Nur Handlung und Rhythmus, ohne Farbkorrektur. Ziel ist die Länge.
2. Feinschnitt. Kürzen auf den Punkt, Übergänge setzen, Ton angleichen.
3. Bildbearbeitung. Farbanpassung, Belichtung, leichte Schärfung. Generierte Clips haben unterschiedliche Kontrastkurven; ein einheitlicher Look-Ansatz über alle Einstellungen gleicht das aus.
4. Finish. Untertitel, Tonhöhen, Export in alle vorgesehenen Formate.

Plane Ersatzclips ein: Zwei Alternativen pro kritischer Einstellung sparen die Neugenerierung. Nach dem Export hilft ein Testdurchlauf auf kleinem Bildschirm und auf dem Telefon – Timing- und Tonfehler zeigen sich dort am schnellsten.

Versionierung. Lege vor dem Feinschnitt eine Projektdatei als Ausgangsstand ab und arbeite danach mit fortlaufenden Versionen. Generierte Produktionen verleiten zu vielen kleinen Änderungen; ohne Versionsstand ist eine frühere Fassung schnell verloren. Notiere außerdem, welche Einstellung aus welchem Prompt stammt.

Workflow in acht Schritten für einen 60-Sekunden-Clip

Ein konkretes Beispiel: Erklärvideo mit einer Figur und vier Szenen.

1. Kernaussage in einem Satz formulieren, drei Szenen plus Abschluss festlegen.
2. Referenzboard mit acht Bildern und vier Stilbegriffen anlegen.
3. Figurenset mit drei Ansichten erstellen und den Beschreibungsblock einfrieren.
4. Shot-Liste mit zwölf Einstellungen schreiben, inklusive Dauer und Bewegung.
5. Einstiegseinstellung dreimal generieren, die stärkste Variante als Maßstab nutzen.
6. Restliche Einstellungen in Blöcken von zwei bis drei Stück produzieren und sofort prüfen.
7. Vertonung aufnehmen oder generieren, Musik wählen, Geräusche schichten.
8. Schnitt, Farbkorrektur, Untertitel und Export – danach einige Stunden Pause und ein letzter Feinschliff.

Der Zeitaufwand liegt bei sorgfältiger Planung überwiegend in den Schritten eins bis vier. Rechne für einen 60-Sekunden-Clip mit etwa einem Drittel der Zeit für Konzept und Shot-Liste, einem Drittel für Generierung und Prüfung und einem Drittel für Ton und Schnitt. Wer diese Verteilung kennt, plant realistisch und gerät nicht unter Druck.

Typische Fehler, Entscheidungshilfen und FAQ

Fünf Fehler, die immer wieder auftreten:

• Zu viele Stile in einem Projekt. Jeder zusätzliche Stilbegriff erhöht die Streuung. Zwei bis vier reichen.
• Szenen zu lang planen. Kurze Einstellungen schneiden, nicht lange generieren.
• Erst generieren, dann nachdenken. Ohne Shot-Liste entstehen Reihen von Einzelbildern, die sich nicht zu einer Szene fügen.
• Ton zuletzt. Wer den Ton erst am Ende beginnt, schneidet zweimal.
• Formatfrage vergessen. Vertikale Ausgabe braucht größere Motive und kürzere Einstellungen.

Entscheidungshilfe: Reale Aufnahme oder generierte Einstellung? Reale Aufnahmen liefern Vertrauen bei Personen, Händen und Produkten, generierte Einstellungen liefern Bilder, die sonst unmöglich oder zu teuer wären. Mische beide, aber gleiche Farbkurve und Körnung an.

FAQ

Brauche ich spezielle Hardware? Für reine Cloud-Werkzeuge nicht. Lokale Bildgenerierung profitiert von einer aktuellen Grafikkarte mit ausreichend Speicher.

Kann ich ohne Budget starten? Ja. Die begrenzende Ressource ist meist Zeit, nicht Geld. Plane die Vorarbeit sorgfältig, dann sind weniger Generierungsversuche nötig.

Wie viele Varianten pro Einstellung sind sinnvoll? Drei: eine sichere, eine mutigere und eine Reserve für den Schnitt.

Wie lang sollten Einstellungen sein? Zwei bis vier Sekunden im Durchschnitt, einzelne Haltebilder bis sechs Sekunden. Längere Clips verlieren an Konsistenz.

Wie prüfe ich Qualität vor dem Schnitt? Sieh dir jede Einstellung einmal stumm an. Wenn die Handlung ohne Ton verständlich bleibt, trägt das Bild. Danach prüfe Hände, Gesicht und Bildränder auf Fehler.

Woran erkenne ich, dass ein Projekt aus dem Ruder läuft? Wenn du mehr Zeit mit Nachbessern als mit Produzieren verbringst, fehlt eine stabile visuelle Referenz. Gehe einen Schritt zurück, friere Stil und Figur ein und beginne die Szene neu, statt sie weiter zu reparieren.

Kann ich eine Szene nachträglich umbauen? Ja, das ist der Vorteil generativer Produktion. Erzeuge die Ersatz-Einstellung mit identischem Stilblock und tausche sie im Schnitt. Konsistenz entsteht dabei über den Beschreibungsblock, nicht über das Modell allein.