KI-Video-Prompts wie eine Regieanweisung

Denk in Einstellungen, nicht in Geschichten

Videomodelle erzeugen kurze Clips von meist wenigen Sekunden. Ein Prompt, der eine ganze Geschichte erzählt („sie kommt an, streitet, geht, es fängt an zu regnen“), wird in verwirrende Bewegung gepresst. Behandle jeden Prompt als eine Einstellung: ein Ort, eine Haupthandlung, eine Kamerabewegung. Brauchst du eine Abfolge, schreib mehrere Prompts und schneide die Clips anschließend zusammen.

Der Generator fragt genau das ab, was eine Regisseurin für eine Einstellung festlegen würde:

• Szene: Schauplatz, Tageszeit, Wetter.
• Handlung: wer sich wie bewegt – „geht auf die Kamera zu und lächelt“ statt „ist glücklich“.
• Einstellungsgröße: weite Totale, Halbnahe, Nahaufnahme, Detailaufnahme, POV oder Über-die-Schulter.
• Kamerabewegung: statisch, Dolly-in oder -out, Schwenk, Kamerafahrt, Kreisfahrt, Kran, Handkamera, Drohne oder Zoom.
• Look: Stil, Licht und Stimmung.
• Ton und Dialog: für Modelle, die Audio erzeugen.

So ändert sich die Ausgabe je nach Modell

Dieselbe Einstellung wird für jedes Modell anders geschrieben. Mit der Szene „eine regnerische Neonstraße in Tokio bei Nacht“, der Handlung „eine Frau in gelber Regenjacke geht auf die Kamera zu und lächelt“, Halbnaher, langsamem Dolly-in, filmischem Stil, Neonlicht und geheimnisvoller Stimmung:

Hailuo:
[Push in] Eine Frau in gelber Regenjacke geht auf die Kamera zu und lächelt. Setting: eine regnerische Neonstraße in Tokio bei Nacht. Medium shot. Cinematic film still, neon lighting, mysterious mood.

Kling:
Eine Frau in gelber Regenjacke geht auf die Kamera zu und lächelt. Scene: eine regnerische Neonstraße in Tokio bei Nacht. Camera: Medium shot, slow dolly-in. Lighting: neon lighting. Style: cinematic film still, mysterious atmosphere.
Duration: 8s · Aspect ratio: 16:9

Hailuo bekommt Kamerabefehle in eckigen Klammern wie [Push in], [Pan right] oder [Pedestal up] an den Anfang. Runway erhält die Bewegung als vorangestelltes Etikett, Pika einen kompakten Satz plus Negativ-Zeile. Kling und Wan bekommen beschriftete Sätze für Szene, Kamera, Licht und Stil, am Ende Dauer, Format und Negativ-Zeile; Kling zusätzlich eine Zeile „Sound:“. Veo 3 erhält Ton als Audio: SFX: und deinen Dialog mit dem Zusatz „(no subtitles)“, Sora 2 einen gegliederten Aufbau mit Blöcken für Look, Szene, Kameraarbeit, Handlung, Dialog und Ton.

Kamerabewegungen, die Modelle verstehen

Wähle eine Bewegung pro Clip. Mehrere Bewegungen in wenigen Sekunden führen meist zu ruckeligen oder unnatürlichen Kamerawegen. Die Bewegungsbegriffe setzt das Tool automatisch auf Englisch ein, auch wenn du sie hier auf Deutsch auswählst.

Dauer, Ton, Dialog und Sprache

Das Dauer-Menü bietet 5 bis 20 Sekunden, doch jedes Modell und jeder Tarif hat eigene Grenzen. Die Zahl im Prompt ist ein Hinweis; die tatsächliche Länge stellst du in der Oberfläche des Modells ein. Tonbeschreibungen wirken nur bei Modellen, die Audio erzeugen. Ins Vermeiden-Feld gehören konkrete Probleme wie subtitles, text overlays, distorted faces.

Szene und Handlung übernimmt das Tool wörtlich, Kamera- und Stilbegriffe ergänzt es auf Englisch. Für die zuverlässigste Umsetzung lohnt es sich, auch Szene und Handlung auf Englisch einzugeben. Eine Dialogzeile kannst du auf Deutsch lassen, wenn die Figur Deutsch sprechen soll – wie gut ein Modell das umsetzt, unterscheidet sich, also teste es mit einem kurzen Satz. Ein bewährter Ablauf: erst mit dem Bild-Prompt-Generator ein Standbild erzeugen und es dann mit einem Bild-zu-Video-Modell animieren; aus einem vorhandenen Foto macht Bild zu Prompt eine Vorlage. Musik für den Clip planst du mit dem Suno Prompt Generator.