KI-Video-Prompts schreiben – Leitfaden für Prompts, die funktionieren

Die meisten KI-Video-Prompts scheitern an der Struktur, nicht an mangelnder Fantasie. Eine Video-Engine liest deinen Text als Beschreibung einer Einstellung; gib ihr ein Moodboard, eine Inhaltsangabe oder einen Haufen Tags, und sie rendert ihre beste Vermutung – meist ein langsames Verschwimmen des ersten Substantivs. Dieser Leitfaden zeigt die Struktur, die wir im Tool „Video“ verwenden, die Fehler, an denen jede unserer Engines scheitert, und wie du einen Prompt in einem Durchgang reparierst.

Die fünf Teile eines Prompts, der funktioniert

Ein funktionierender Video-Prompt ist ein fließender Absatz mit 30 bis 80 Wörtern, der fünf Fragen in ungefähr dieser Reihenfolge beantwortet:

1. Motiv – wer oder was, mit zwei oder drei konkreten visuellen Details. „Eine Frau in einem gelben Regenmantel“ schlägt „eine geheimnisvolle Gestalt“.
2. Bewegung – was das Motiv während des Clips tut. Eine durchgehende Aktion. Engines sind gut bei „geht auf die Kamera zu“ und schlecht bei „geht, bleibt stehen, dreht sich um, winkt“.
3. Kamera – eine Bewegung und ein Bildausschnitt. „Langsame Ranfahrt, halbnahe Einstellung.“ Geschriebene Anweisungen wie „Totalaufnahme“ oder „Kamerafahrt“ werden erkannt und angewendet.
4. Licht – woher es kommt und wie es aussieht. „Späte Nachmittagssonne durch Jalousien, harte Streifen an der Wand.“
5. Stimmung – zwei Wörter am Ende, nie ein Absatz. „Still, erwartungsvoll.“

Zusammengesetzt:

Eine Frau in einem gelben Regenmantel überquert bei Dauerregen einen leeren Parkplatz, um ihre Stiefel kräuseln sich Pfützen, langsame Ranfahrt aus der Untersicht, Natriumdampflaternen färben den nassen Asphalt orange vor einem blaugrauen Himmel, einsam und ruhig.

Sechsunddreißig Wörter. Ein Motiv, eine Aktion, eine Kamerabewegung, eine Lichtquelle, eine Stimmung. Das ist der ganze Trick; alles Weitere zeigt, wie man es trotzdem schafft, ihn kaputtzumachen.

Woran Engines scheitern

Dieselben Fehler tauchen bei jeder Engine im Angebot auf, von Motion One bis zu den Premium-Engines:

• Zwei Motive, die zwei Dinge tun. „Ein Hund jagt einem Ball nach, während ein Mann Zeitung liest“ ergibt einen hundeförmigen Mann, der einen Ball liest. Nimm ein Motiv; das andere wird zum Hintergrund.
• Abfolgen. „Sie öffnet die Tür, setzt sich dann, gießt dann Tee ein“ sind drei Einstellungen. Ein Clip ist eine. Willst du drei, nimm den Filmmodus und schreib drei Szenen.
• Abstrakte Adjektive ohne Bild. „Episch“, „atemberaubend“, „filmisch“ und „hohe Qualität“ beschreiben deine Hoffnungen, nicht das Bild. Ersetz jedes davon durch ein Licht oder ein Objektiv.
• Kamerasalat. „Drohnenaufnahme, Nahaufnahme, Begleitfahrt, Kreisfahrt“ bringt die Engine dazu, aus vier Bewegungen einen wackligen Durchschnitt zu bilden. Eine Bewegung pro Clip.
• Widersprüchliches Licht. „Goldene Stunde mit Neonschildern unter der Mittagssonne“ sind drei Lichtsetups. Entscheide dich für eins.
• Text und Schrift. Schilder, Untertitel und Logos werden zu Buchstabensuppe. Beschreib Form und Farbe des Schilds; lass die Wörter weg.
• Verneinungen im Prompt. „Kein Regen, keine Menschenmenge“ fügt eher Regen und eine Menschenmenge hinzu. Nutz bei Engines, die es unterstützen, das Feld für den Negativ-Prompt („Vermeiden“), und beschreib stattdessen, was da ist.
• Tag-Listen. „masterpiece, 8k, ultra detailed, dramatic“ ist Bildmodell-Dialekt. Video-Engines wollen Sätze.

Vorher und nachher

Drei Prompts aus echten Entwürfen und die Neufassung, die funktioniert hat.

Vorher: „Cyberpunk-Stadt, Regen, Neon, epische Drohnenaufnahme, sehr detailliert, 4k.“

Nachher:

Ein einsamer Kurier auf einem schwarzen Motorrad schlängelt sich durch zähen Nachtverkehr auf einer regennassen Allee, Neonschilder der Läden verschmieren Pink und Cyan über die nasse Fahrbahn, tiefe Kamerafahrt neben dem Motorrad, Scheinwerfer flackern im Dunst, rastlos und elektrisch.

Die Neufassung hat ein Motiv, eine einzige Aktion und eine einzige Bewegung. Aus „episch“ wurde eine Kamerafahrt; aus „Neon“ wurden bestimmte Farben auf einer bestimmten Fläche.

Vorher: „Eine schöne Frau lächelt in die Kamera, geht dann in einen Sonnenuntergang davon, schaut dann zurück, filmisch.“

Nachher:

Eine junge Frau mit windzerzaustem kastanienrotem Haar geht bei Sonnenuntergang langsam am Strand entlang von der Kamera weg und blickt einmal über die Schulter zurück, statische Einstellung, Totalaufnahme, Gegenlicht zeichnet einen goldenen Saum um ihre Silhouette, wehmütig und warm.

Eine durchgehende Aktion mit einem einzigen Moment darin, ein Bildausschnitt, eine Lichtrichtung. Das „dann, dann, dann“ ist weg.

Vorher: „Produktshot eines Parfümflakons, Luxus, elegant, drehend, Studio.“

Nachher:

Ein facettierter Parfümflakon aus Glas dreht sich langsam auf einer schwarz verspiegelten Fläche, ein einzelnes weiches Kreuzlicht fängt nacheinander jede Facette ein, Makroobjektiv, geringe Schärfentiefe, das Etikett wird mal weich, mal scharf, winzige Staubteilchen schweben im Lichtstrahl, gedämpft und kostspielig.

Aus „Luxus“ wurden eine verspiegelte Fläche und weiches Kreuzlicht; aus „drehend“ wurde eine Drehgeschwindigkeit, die die Engine halten kann.

Eine Bewegung, bewusst gewählt

Das Studio bietet 24 Kamerabewegungen als Chips an: Statisch, Langsamer Schwenk, Ranfahrt, Begleitfahrt, Kreisfahrt, Handkamera, Nahaufnahme, Totale, Rückfahrt, Dolly-Zoom, Kranfahrt aufwärts, Kranfahrt abwärts, Reißschwenk, FPV-Drohne, Rückfahrt aus der Luft, POV, Snorricam, Bullet Time, Slider, Rotation, Gekippte Kamera, Vogelperspektive, Crash-Zoom und Steadicam. Nimm eine pro Clip. Wenn du lieber schreibst: Kamerabegriffe im Prompt werden ebenfalls erkannt, „Kreisfahrt um die Statue“ macht also dasselbe wie der Chip.

Eine grobe Zuordnung, die sich bei uns bewährt hat:

• Ruhe und Porträt: Statisch oder Langsamer Schwenk.
• Enthüllen oder Annähern: Ranfahrt, Kranfahrt aufwärts, Rückfahrt.
• Einem Motiv folgen: Begleitfahrt, Handkamera für Nervosität, POV für Immersion.
• Größe: Totale, FPV-Drohne, Rückfahrt aus der Luft.
• Unbehagen: Dolly-Zoom, Snorricam, Reißschwenk (sparsam – er frisst den halben Clip).

Mehr zu jeder Bewegung unter Kamerasteuerung und im Glossareintrag Kamerabewegung.

Länge, Format und Engine-Wahl

Clips laufen auf Motion One, der Engine, die jedes Konto bekommt, 5 oder 10 Sekunden lang, bei den Premium-Engines je nach Engine und Plan 3 bis 30 Sekunden. Kostenlose Konten sind auf 10 Sekunden begrenzt, Hobby auf 15, Creator auf 20, Studio und höher auf 30; die Details stehen auf der Preisseite. Schreib passend zur Länge: Ein 5-Sekunden-Clip ist eine Geste, ein 10-Sekunden-Clip ist eine Geste mit Anfang und Ende.

Die Formate sind 16:9 quer, 9:16 hochkant und 1:1 quadratisch. Hochformat-Clips wollen ein Motiv, das steht; Querformat-Clips eines, das sich seitlich bewegt. Sag es im Prompt („sie geht von links nach rechts“), damit der Bildausschnitt etwas hat, dem er folgen kann.

Wenn du das Bild schon hast, spar dir den halben Prompt: Zieh ein Referenzfoto oder einen Charakter hinein, und die Engine animiert es (Bild-zu-Video). Der Prompt braucht dann nur noch Bewegung, Kamera, Licht und Stimmung; das Motiv ist das Bild.

Der kostenlose Button „Verbessern“

Neben dem Prompt-Feld sitzt Verbessern / Überrasch mich. Das ist eine kostenlose Umformulierung deines Prompts: Füg einen groben Entwurf ein, und du bekommst einen Absatz wie von einer Regisseurin, in der Struktur von oben; lass das Feld leer, und „Überrasch mich“ erfindet einen. Es kostet nichts, also lohnt sich die Gewohnheit: laufen lassen, lesen, was dazugekommen ist, dann bearbeiten. Hat es eine Kamerabewegung erfunden, die du nicht wolltest, tausch den Chip. Ist das Licht zu genau geworden, lockere es. Die Umformulierung bringt dir die Struktur schneller bei als jeder Leitfaden, diesen eingeschlossen. Details auf der Seite zum Prompt-Verbesserer.

Jeder Render landet mit seinem kompletten Rezept in deiner Bibliothek – ein Prompt, der funktioniert hat, ist also nur einen Remix von einer Variante entfernt. Fehlgeschlagene Renders werden automatisch erstattet, ein Prompt, der nicht funktioniert hat, kostet dich also eine Minute, keine Credits.

Häufige Fragen

Wie lang sollte ein KI-Video-Prompt sein?

Zwischen 30 und 80 Wörtern, als ein Absatz. Kürzer, und die Engine füllt die Lücken mit Standardwerten; länger, und sie lässt Details weg – meist genau die, die dir am wichtigsten waren. Länge ist nicht Qualität. Genauigkeit schon.

Sollte ich die Kamera in Worten beschreiben oder die Chips nutzen?

Beides geht. Die Chips sind eindeutig und überstehen Änderungen; geschriebene Anweisungen wie „Totalaufnahme“ oder „Kamerafahrt“ werden im Prompt erkannt und angewendet. Mach nicht beides mit unterschiedlichen Bewegungen, sonst bekommt die Engine zwei Anweisungen.

Kostet „Verbessern“ Credits?

Nein. „Verbessern“ und „Überrasch mich“ sind kostenlose Umformulierungen, und du kannst sie so oft laufen lassen, wie du willst, bevor du irgendetwas für den eigentlichen Render ausgibst.

Fang mit einem funktionierenden Prompt an und ändere jeweils nur einen Teil: Öffne die Regenmantel-Einstellung im Tool „Video“.