KI-Video-Prompts schreiben: Die ultimative Anleitung

Was einen effektiven KI-Video-Prompt ausmacht

Ein Prompt für die Videogenerierung mit künstlicher Intelligenz funktioniert, wenn er beschreibt, was passiert – nicht nur, was zu sehen ist. Video-Modelle wie Sora, Kling, Runway Gen-3, Veo und Pika reagieren auf Sätze mit vier Elementen: ein klares Subjekt, eine spezifische Aktion, eine definierte Kamerabewegung und ein erkennbarer visueller Stil. Fehlt auch nur eines davon, entstehen generische, verwackelte oder inkohärente Clips.

Die Grundregel: Je präziser die Bewegung beschrieben ist, desto stabiler das Ergebnis. Ein Videomodell interpretiert Atmosphäre nicht wie ein Sprachmodell: Es interpretiert Verben, Richtungen und Geschwindigkeiten.

Die Prompt-Struktur in 5 Bausteinen

Ein effektiver Video-Prompt folgt fast immer dieser Reihenfolge, weil Modelle die ersten Wörter stärker gewichten:

1. Subjekt: wer oder was zu sehen ist, mit konkreten physischen Details („eine Frau Anfang dreißig mit roten Haaren und einem beigefarbenen Mantel“).
2. Aktion: nur eine Hauptbewegung pro Clip („geht langsam auf die Kamera zu“). Mehrere Aktionen in einem Prompt erzeugen Artefakte.
3. Kamera: Bildausschnitt und Bewegung (siehe nächster Abschnitt).
4. Umgebung und Licht: Ort, Tageszeit, Beleuchtung („nasse Straße bei Sonnenuntergang, warmes streifendes Licht“).
5. Stil: ästhetische Referenz („cinematografisch 35mm“, „Dokumentarfilm“, „Anime der 90er“).

Schreibe den Prompt wie eine Clapperboard-Beschreibung: Subjekt, Aktion, Kamera, Licht, Objektiv. Wenn ein Regisseur die Beschreibung nicht genau so drehen könnte, wird das Modell sie nicht gut generieren.

Die Kamera-Sprache: Das Vokabular, das wirklich zählt

Die Kamerabewegung ist der Baustein, an dem die meisten Prompts scheitern. Nutze die Filmsprache, denn die Modelle wurden mit Daten trainiert, die diese Begriffe tragen:

Gib immer die Geschwindigkeit an: „slow“, „gentle“, „fast“ sind Wörter, die die Modelle respektieren. Ein „Dolly-in“ ohne Adjektiv erzeugt oft eine zu ruckartige Bewegung für einen 5–10-Sekunden-Clip.

Unterschiede zwischen den Modellen: Denselben Prompt anpassen

Es gibt keinen universellen Prompt. Jedes Modell hat eigene Präferenzen und Syntax:

• Sora und Veo: bevorzugen lange, beschreibende Prompts, fast erzählerische Absätze. Details zu Licht und Atmosphäre funktionieren gut.
• Runway Gen-3: funktioniert besser mit schlankeren Prompts – Subjekt + Aktion + Kamera. Zu lange Beschreibungen verwässern die Aktion.
• Kling: sehr empfindlich für Bewegungsverben und Gesichtsausdrücke; hervorragend für komplexe physische Aktionen.
• Pika und leichtgewichtige Modelle: hier lohnt sich ein einziges starkes Konzept pro Clip, ohne komplexe Nebensätze.

Die richtige Strategie: Schreibe einen neutralen Master-Prompt und passe ihn dann an – für Sora erweiterst du ihn zur Erzählung, für Runway kürzt du ihn aufs Wesentliche. Teste dasselbe Konzept auf zwei Modellen, bevor du eine Idee verwirfst: Oft ist der Prompt nicht falsch, sondern nur mit dem Modell inkompatibel.

Praktischer Workflow: Vom Konzept zum nutzbaren Clip

1. Definiere nur eine Aktion pro Clip: 5–10 Sekunden Video tragen nur eine Bewegung. Wer mehrere Aktionen braucht, plant mehrere Clips.
2. Schreibe den Master-Prompt mit den 5 Bausteinen in der richtigen Reihenfolge.
3. Generiere 3–4 Varianten, ohne den Prompt zu ändern: Bewerte erst die natürliche Varianz des Modells, bevor du korrigierst.
4. Diagnose nach Symptom: deformiertes Subjekt → Aktion vereinfachen; unkontrollierte Kamera → „static shot“ verwenden; inkonsistenter Stil → explizite Referenzen ergänzen („shot on 35mm film, shallow depth of field“).
5. Iteriere nur einen Baustein gleichzeitig: Ändere Kamera oder Licht oder Aktion. Alles gleichzeitig zu ändern macht es unmöglich nachzuvollziehen, was das Ergebnis verbessert oder verschlechtert hat.
6. Fixiere den Seed, wenn das Modell es erlaubt, um Konsistenz zwischen Iterationen zu wahren.

Häufige Fehler, die du vermeiden solltest

• Lange Negative Prompts: Ein kurzes „no text, no distortion“ ist besser als Listen mit zehn Ausschlüssen.
• Zusammengesetzte Aktionen: „steht auf, nimmt die Tasse und lächelt“ erzeugt fast immer fehlerhafte Gliedmaßen. Teile es in drei Clips auf.
• Unmögliche Physik: Modelle kämpfen mit Flüssigkeiten, Händen, die Objekte manipulieren, und komplexen Reflexionen. Beschreibe Aktionen, die die Physik der Trainingsdaten unterstützt.
• On-Screen-Text: Titel oder Schriften im Video zu verlangen, erzeugt fast immer unlesbare Zeichen. Füge Text in der Postproduktion hinzu.
• Den ersten Frame ignorieren: Wenn das Modell es erlaubt, nutze ein Startbild (Image-to-Video). Ein guter erster Frame halbiert die Prompt-Arbeit.

Das Wichtigste zusammengefasst

Ein effektiver KI-Video-Prompt ist keine Poesie: Er ist eine technische Spezifikation. Subjekt, einzelne Aktion, explizite Kamera, Licht und Stil – diese fünf Bausteine in der richtigen Reihenfolge sind mehr wert als jeder evokative Adjektiv-Reigen. Iteriere einen Baustein nach dem anderen, passe die Prompt-Länge an das Modell an und nutze Image-to-Video, wann immer möglich. Wer die Kamera-Sprache beherrscht und nach Symptomen diagnostiziert, produziert in 2–3 Iterationen nutzbare Clips statt in zehn.