Video-Prompting Grundlagen – Von Text zu Bewegtbild

Was ist Video-Generierung mit KI?

Du tippst einen Text ein. Die KI macht daraus einen kurzen Videoclip — 4 bis 60 Sekunden, je nach Tool. Keine Kamera nötig, keine Schauspieler, kein Schnittprogramm. Nur deine Beschreibung und ein KI-Modell, das daraus Bewegtbild erzeugt.

Das funktioniert bereits erstaunlich gut. Nicht perfekt — Hände sehen manchmal seltsam aus, Physik stimmt nicht immer, und bei komplexen Szenen gibt es Artefakte. Aber die Qualität entwickelt sich rasant. Und für Konzepte, Prototypen, Social Media und kreative Projekte ist die Technologie heute schon produktiv einsetzbar.

Warum Video-Prompting eine eigene Disziplin ist

Wenn du schon mit KI-Bildern gearbeitet hast, kennst du das Prinzip: Prompt rein, Ergebnis raus. Bei Video funktioniert das grundsätzlich genauso. Aber es gibt einen entscheidenden Unterschied: Du beschreibst nicht mehr einen eingefrorenen Moment. Du beschreibst einen Ablauf über Zeit. Plötzlich brauchst du Vokabular für Kamerabewegung, Timing und Aktion.

Und auch wenn du noch nie ein KI-Bild generiert hast, kannst du hier einsteigen. Diese Lesson erklärt alles von Grund auf. Erfahrung mit Bild-Prompts hilft, ist aber keine Voraussetzung.

Was du in dieser Lesson lernst

Der mentale Shift: Vom Fotografen zum Filmemacher

Ein Fotograf friert einen perfekten Moment ein. Er denkt in Komposition, Licht und Ausdruck. Ein Filmemacher denkt anders: Er plant einen Ablauf. Was passiert zuerst? Wie bewegt sich die Kamera? Was hört man?

Dieser Shift ist das Wichtigste, was du aus diesem Step mitnimmst. Beim Bild-Prompt beschreibst du, was zu sehen ist. Beim Video-Prompt beschreibst du, was passiert.

Drei neue Dimensionen

Konkret kommen bei Video drei Dimensionen hinzu, die es bei Bildern nicht gibt:

Schau dir den Unterschied an einem konkreten Prompt an:

Schau dir an, was im Video-Prompt neu ist: Die Kamera fährt langsam näher (slow dolly in) — Kamerabewegung. Die Wissenschaftlerin hebt das Glas hoch — Aktion über Zeit. Ihr Gesichtsausdruck verändert sich — emotionaler Verlauf. Und es gibt Sound: Ein elektrisches Summen und geflüsterter Dialog. Alles Dinge, die ein Fotograf nie beschreiben müsste.

Drei Wege zum KI-Video

Es gibt nicht nur einen Weg, ein KI-Video zu erstellen. Je nachdem wie viel Kontrolle du brauchst, hast du drei Optionen:

Bei Text-to-Video beschreibst du alles im Prompt — das ist der Fokus dieser Lesson. Bei Image-to-Video erstellst du erst ein Bild (z.B. mit dem 4K Framework) und lässt es dann animieren. Dein Prompt beschreibt nur noch die Bewegung: "she slowly turns her head, wind catches her hair". Das gibt dir deutlich mehr visuelle Kontrolle.

Die spannendste Variante: Start- und Endframe. Du gibst der KI zwei Bilder — den Anfangszustand und den Zielzustand. Die KI berechnet den Übergang dazwischen. Du kannst zusätzlich per Prompt beschreiben, wie der Übergang aussehen soll, oder die KI frei entscheiden lassen. Tools wie Kling und Runway unterstützen diesen Modus.

Was du von Bild-Prompts übernehmen kannst

Egal welchen Modus du nutzt: Wenn du schon Bild-Prompts schreibst, kennst du etwa 60-70% des Vokabulars. Subjekt-Beschreibungen, Licht-Begriffe, Stil-Angaben und Perspektiven funktionieren identisch. Neu lernen musst du nur die Sprache der Bewegung, des Timings und des Tons.

Jeder gute Video-Prompt besteht aus sechs Bausteinen. Nicht jeder Prompt braucht alle sechs. Aber wenn du sie kennst, weißt du immer, welche Stellschrauben du hast.

Die Reihenfolge hat einen Grund

Cinematography steht bewusst am Anfang. Warum? Weil die Kameraeinstellung den Rahmen für alles andere setzt. Ein extreme close-up braucht eine andere Aktion als ein wide shot. Eine fast whip pan verlangt einen anderen Stil als ein slow dolly in.

Die Formel in Aktion

Hier ein kompletter Prompt, bei dem du jeden Baustein identifizieren kannst:

1. Cinematography: Wide shot → crane down to eye-level (Kamera startet oben, fährt runter)
2. Subject: Barista in schwarzer Schürze (detailliert genug für Konsistenz)
3. Action: Gießt langsam heißes Wasser im Kreis (eine klare, machbare Aktion)
4. Context: Minimalistische Coffee-Shop, Morgenlicht, Holztresen
5. Style: Cinematic, warme Farbgebung, gemütliche Stimmung
6. Audio: Café-Gemurmel, Wasser-Geräusch, Akustikgitarre

Shot Size — Wie viel ist zu sehen?

Die Shot Size bestimmt den Bildausschnitt. Faustregel: Je näher, desto mehr Emotion. Je weiter, desto mehr Kontext.

Camera Angle — Aus welcher Perspektive?

Der Kamerawinkel hat psychologische Wirkung. Ein low-angle lässt das Subjekt mächtig wirken. Ein high-angle macht es klein und verletzlich.

Camera Movement — Was die Kamera tut

Hier wird es spannend. Kamerabewegung gibt es nur im Video. Sie ist das mächtigste Erzählwerkzeug, das du hast.

Kombinationen die funktionieren

Schnelle Stil-Presets

Du brauchst kein Filmstudium. Diese fünf Presets decken die meisten Anwendungsfälle ab:

Stimmung setzen

Stimmung (Mood) ist der emotionale Unterton deines Videos. Sie beeinflusst, wie die KI Farben, Licht und Tempo interpretiert.

Audio — Die unterschätzte Dimension

Audio ist die Dimension, die Video von animierten Bildern unterscheidet. Aktuell unterstützt vor allem Veo 3 (Google) native Audio-Generierung. Andere Tools (Kling, Runway) generieren stilles Video — Audio muss separat hinzugefügt werden.

Zeitliche Elemente

Du kannst auch die Geschwindigkeit der Zeit beeinflussen:

Wir bauen einen Video-Prompt gemeinsam auf. Stück für Stück. Die Szene: Ein Koch in einer Restaurantküche.

Schritt 1: Kamera definieren

Starte immer mit der Kamera. Frag dich: Was soll der Zuschauer sehen? Wie nah? Aus welchem Winkel? Bewegt sich die Kamera?

Schritt 2: Subjekt beschreiben

Je detaillierter das Subjekt, desto konsistenter über alle Frames. Kleidung, Alter, markante Merkmale helfen.

Schritt 3: Aktion hinzufügen

Eine klare, einfache Aktion. Denk dran: Maximal 1-2 Aktionen für 4-8 Sekunden.

Schritt 4: Kontext, Stil und Audio

Jetzt kommt das Setting, die visuelle Atmosphäre und der Sound.

Der Markt für Video-KI bewegt sich extrem schnell. Neue Modelle erscheinen im Wochentakt. Statt auf Versionsnummern zu achten (die morgen schon veraltet sind), lohnt es sich, die Profile der Anbieter zu kennen.

Welches Tool für den Einstieg?

Starte mit einem Tool und lerne es gut kennen. Seedance ist aktuell der stärkste Allrounder (Audio, Start+Endframe, 2K). Veo punktet bei Realismus und ist über ein Gemini-Abo leicht zugänglich. Kling ist unschlagbar für längere Videos. Runway bietet die meiste Kontrolle für Profis.

Typische Clip-Längen und Workarounds

Die meisten Tools generieren kurze Clips (4-16 Sekunden). Für längere Videos arbeitest du mit dem Multi-Shot-Workflow:

1. Storyboard mit einzelnen Shots planen
2. Jeden Shot als eigenen Prompt generieren
3. In einem Video-Editor zusammenfügen (CapCut, Premiere, DaVinci)
4. Übergänge, Color Grading und Audio in Post-Production

Die 6 Regeln

Deine Checkliste für jeden Video-Prompt

• Shot Size definiert? (close-up, medium, wide...)
• Kamerawinkel angegeben? (eye-level, low-angle...)
• Kamerabewegung — oder bewusst static?
• Subjekt detailliert genug für Konsistenz über Frames?
• Aktion machbar in 4-8 Sekunden? (Max 1-2 Aktionen!)
• Ort und Tageszeit etabliert?
• Lichtstimmung passend zum Mood?
• Stil konsistent definiert?
• Audio bedacht? (auch wenn Tool es nicht unterstützt)

Wie geht es weiter?

Du hast jetzt das Grundvokabular für Video-Prompting. Der nächste Schritt ist Praxis: Schreibe Prompts, generiere Videos, vergleiche Ergebnis mit Intention. Mit jeder Iteration wirst du besser.

Wenn du noch kein Bild-Prompting-Framework hast, schau dir die Lesson 4K Framework an. 60-70% des Vokabulars übertragen sich direkt auf Video.

Begriffe aus dieser Lesson

• Text-to-Video — Text-to-Video erzeugt Videoclips aus Textbeschreibungen. Die aktuelle Generation produziert 4 bis 15 Sekunden lange Clips. Stärker in Stimmung und Atmosphäre als in komplexen Handlungen.

Passende Fragen

• Braucht jedes KI-Video Kamerabewegung?
  Nein. Static ist oft die richtige Wahl. Kamerabewegung braucht einen narrativen Grund, nicht nur Optik. Ein stiller, ruhiger Clip wirkt oft stärker als einer mit permanentem Zoom und Schwenk.
• Braucht man ein teures Tool für gute KI-Videos?
  Nein. Alle aktuellen Tools produzieren beeindruckende Ergebnisse. Der Prompt ist wichtiger als das Tool. Wer die Grundprinzipien beherrscht, holt aus günstigen Tools mehr heraus als ein Einsteiger aus dem teuersten.
• Ersetzt KI-Video die traditionelle Videoproduktion?
  Nein. KI-Video ist ein zusätzliches Werkzeug, besonders stark für Konzepte, Prototypen und kurze Clips. Für längere, narrativ komplexe oder qualitativ hochwertige Produktionen bleibt klassische Videoproduktion notwendig.
• Funktioniert Video-KI wie Bildgenerierung?
  Nein. Video ist eine eigene Kategorie und deutlich weniger reif. Die Komplexität ist höher: Konsistenz über Frames, Bewegung, Zeitlogik und Audio sind neue Dimensionen. Wer Video-Prompts wie Bild-Prompts formuliert, bekommt enttäuschende Ergebnisse.
• Macht mehr Aktion ein besseres KI-Video?
  Nein. Bei 4 bis 8 Sekunden Länge sind maximal 1 bis 2 Aktionen realistisch. Weniger ist mehr. Überladene Prompts führen zu Videos, in denen nichts klar passiert, zu viele Dinge gleichzeitig, keine davon überzeugend.
• Sind Video-Prompts wie Bild-Prompts, nur länger?
  Nein. Die drei neuen Dimensionen Bewegung, Zeit und Audio verändern die gesamte Denkweise. Ein Video ist kein bewegtes Bild, es ist eine kleine Erzählung mit Zeitlogik. Video-Prompts brauchen andere Strukturen.