KI-Video-Prompts schreiben: Anleitung mit Beispielen

Wenn du dir nur eine Regel merkst, dann diese Kurzformel aus dem Prompting-Guide von Runway:

[Kamera] von [Motiv] [Handlung] in [Umgebung]. [Licht und Stil].

Ausgefüllt:

Nahaufnahme einer Katze, die sich auf einer Fensterbank streckt, in einer hellen Altbauwohnung. Weiches Morgenlicht, ruhiger, realistischer Look.

Runway betont, dass die genaue Reihenfolge weniger wichtig ist als eine klare, eindeutige Beschreibung. Die Formel hilft vor allem, nichts Wichtiges zu vergessen.

Runway rät, einfach anzufangen und Element für Element zu ergänzen, damit du siehst, was jede Änderung bewirkt. So kann das in vier Durchgängen aussehen.

Durchgang 1: nur Motiv, Handlung, Umgebung.

Eine Radfahrerin fährt durch eine Allee im Herbst.

Durchgang 2: Kamera ergänzen.

Kamerafahrt seitlich neben einer Radfahrerin, die durch eine Allee im Herbst fährt.

Durchgang 3: Details zu Motiv und Licht ergänzen.

Kamerafahrt seitlich neben einer Radfahrerin mit grünem Mantel und Wollschal, die durch eine Allee mit gelben Blättern fährt. Tiefstehende Nachmittagssonne scheint durch die Bäume, Blätter wirbeln auf.

Durchgang 4: Stil und Ton ergänzen.

Kamerafahrt seitlich neben einer Radfahrerin mit grünem Mantel und Wollschal, die durch eine Allee mit gelben Blättern fährt. Tiefstehende Nachmittagssonne scheint durch die Bäume, Blätter wirbeln auf. Realistischer, warmer Filmlook, leichte Unschärfe im Hintergrund.
Ton: Rascheln von Laub, das leise Surren der Fahrradkette.

Erzeuge nach jedem Durchgang einen Clip. Wenn eine Ergänzung das Ergebnis verschlechtert, nimm sie wieder heraus.

Drei Formulierungen aus dem Runway-Guide helfen bei Problemen, die sonst viele Versuche kosten:

• Kamera soll stillstehen: „The locked-off camera remains perfectly still.“ oder auf Deutsch „Die Kamera steht auf einem Stativ und bleibt völlig ruhig.“
• Nur wenig Bewegung: „Minimal subject motion only.“, also „Das Motiv bewegt sich kaum.“
• Keine Schnitte: „Continuous, seamless shot.“, also „Durchgehende Einstellung ohne Schnitt.“ Runway nennt zusätzlich eine längere Cliplänge als Mittel gegen ungewollte Schnitte.

Für Abläufe mit zwei Ereignissen empfiehlt Runway eine natürliche Reihenfolge („X passiert, dann Y“) oder grobe Zeitangaben:

Ein Mann sitzt still auf einer Parkbank und liest Zeitung. Nach etwa drei Sekunden landet eine Taube neben ihm, er senkt die Zeitung und schaut sie an. Statische Kamera, Halbtotale, später Nachmittag.

Tempo steuerst du mit Begriffen wie Zeitlupe (slow motion) und Zeitraffer (time-lapse). Google nennt beides im Veo-Guide als zeitliche Elemente:

Zeitraffer einer Großstadtkreuzung vom Tag in die Nacht, Autoscheinwerfer ziehen Lichtspuren, die Fenster der Hochhäuser leuchten nach und nach auf. Statische Kamera von einem erhöhten Standpunkt.

Modelle wie Google Veo 3.1, Kling 3.0, Wan 3.0, Seedance 2.5 oder Grok Imagine 1.5 erzeugen laut Hersteller Ton zusammen mit dem Bild. Dann lohnt es sich, den Ton ausdrücklich zu beschreiben. Google empfiehlt im Prompt-Guide für Veo, ausdrücklich zu sagen, ob du Ton willst, und den Ton in eigenen Sätzen getrennt von der Bildbeschreibung zu formulieren. Google unterscheidet drei Arten:

• Geräusche: einzelne Klänge in der Szene, „Wellenrauschen, Möwen in der Ferne“
• Atmosphäre: der Klangteppich im Hintergrund, „gedämpftes Stimmengewirr in einem Café“
• Dialog: gesprochene Worte von Figuren oder einer Erzählstimme

Für Musik schreibst du „ruhige Klaviermusik“ oder „keine Musik“.

Bei Dialogen nennst du, wer spricht, und dann den Satz. Googles Beispiel folgt dem Muster „Der Mann mit dem roten Hut sagt: Wo ist das Kaninchen?“. Du kannst den Satz auch in Anführungszeichen setzen, damit er sich klar vom Rest abhebt:

Halbnahe Einstellung einer Frau Anfang 40 mit kurzen dunklen Haaren, die in einer hellen Küche an der Arbeitsplatte steht und in die Kamera schaut. Weiches Tageslicht vom Fenster. Statische Kamera.
Ton: leises Brummen des Kühlschranks, entferntes Vogelzwitschern.
Die Frau sagt: „Heute zeige ich dir mein schnellstes Frühstück.“

Halte Dialoge kurz. In 8 Sekunden passt ein Satz, kein Absatz. Ob deutsche Sprache sauber klingt, ist je nach Modell unterschiedlich. Hör dir das Ergebnis deshalb vor der Veröffentlichung genau an.

Wenn du ein Startbild hochlädst, steht das Aussehen schon fest. Laut Runway wird das Bild zum ersten Frame und legt Komposition, Motiv, Licht und Stil fest. Der Prompt beschreibt dann vor allem die Bewegung und die Kamera, nicht noch einmal das Motiv. Runway formuliert es so, dass sich der Prompt fast ausschließlich auf die Bewegung konzentrieren soll. Die passende Kurzformel lautet:

Die Kamera [Bewegung], während das Motiv [Handlung].

Ein häufiger Fehler ist, das Bild komplett neu zu beschreiben und dabei Details zu nennen, die im Bild nicht vorkommen. Dann versucht das Modell, beides zu vereinen, und das Ergebnis wird unruhig.

Die Frau dreht langsam den Kopf zur Kamera und lächelt. Ihre Haare bewegen sich leicht im Wind. Die Kamera fährt langsam heran. Ruhige, natürliche Bewegung.

Weitere Hinweise aus dem Runway-Guide:

• Nimm ein hochwertiges Ausgangsbild. Verzerrte Gesichter oder Hände werden im Video eher schlimmer.
• Bewegungsunschärfe oder aufgewirbelter Staub im Bild können gegen deinen Prompt arbeiten, weil sie Bewegung andeuten. Entferne solche Spuren, wenn sie stören.
• Beschreibe neue Dinge nur, wenn sie ins Bild kommen sollen, etwa „ein Hund läuft von links ins Bild“.

Einige Tools erlauben zusätzlich ein Endbild, zum Beispiel Midjourney mit dem Parameter --end oder Luma mit Keyframes, laut Luma bei Ray3.2 mit bis zu 16 Keyframes. Das Modell berechnet dann den Übergang zwischen Start und Ende. Midjourney bietet laut Dokumentation außerdem --motion low für ruhige und --motion high für starke Bewegung sowie --loop für Clips, die nahtlos wiederholt werden können. Mehr zur Technik unter Bild-zu-Video und im Ratgeber KI-Bild animieren.

Alle Beispiele folgen dem Aufbau oben. Passe Motiv, Ort und Stil an dein Projekt an.

Produktshot

Detailaufnahme einer mattschwarzen Armbanduhr auf einem dunklen Steinsockel. Langsame Kamerafahrt im Halbkreis um die Uhr. Ein schmaler Lichtstreifen wandert über das Glas. Studiolicht, dunkler Hintergrund, edler, ruhiger Look.

Essen und Trinken

Nahaufnahme: Honig läuft in Zeitlupe von einem Holzlöffel auf einen Stapel Pfannkuchen. Rustikaler Holztisch, Morgenlicht von der Seite. Statische Kamera, geringe Schärfentiefe, warme Farben.

Landschaft und Reise

Drohnenflug über schroffe Klippen an der Atlantikküste, Wellen brechen sich an den Felsen. Bewölkter Himmel, einzelne Sonnenstrahlen. Die Kamera fliegt langsam vorwärts und senkt sich leicht. Realistischer, kühler Look.

Social-Media-Hook im Hochformat

Hochformat 9:16. Ein junger Mann hält ein Smartphone in die Kamera und zieht überrascht die Augenbrauen hoch. Helles Wohnzimmer, Tageslicht. Nahaufnahme, leichte Handkamera. Natürliche Farben, lockerer Look.

B-Roll für ein Erklärvideo

Halbtotale eines hellen Großraumbüros, zwei Kolleginnen besprechen sich an einem Bildschirm und zeigen auf eine Grafik. Die Kamera schwenkt langsam von links nach rechts. Weiches Tageslicht, moderner, sachlicher Look.

Porträt mit Stimmung

Nahaufnahme eines älteren Fischers mit wettergegerbtem Gesicht und grauem Bart, der aufs Meer hinausschaut. Hafen in der Abenddämmerung, leichter Wind. Statische Kamera, Teleobjektiv, geringe Schärfentiefe. Goldenes Gegenlicht, filmischer Look.

Animation

Ein kleiner Roboter im Stil eines 3D-Animationsfilms gießt mit einer winzigen Gießkanne eine Blume auf einem Fensterbrett. Gemütliches Kinderzimmer, Abendlicht. Halbnahe Einstellung, die Kamera fährt langsam heran. Weiche Farben, freundliche Stimmung.

Stilwechsel mit Epoche

Straßenszene in einer Großstadt der 1920er-Jahre, Menschen mit Hüten und Mänteln gehen an einem Zeitungskiosk vorbei, ein Oldtimer fährt durchs Bild. Totale, statische Kamera. Sepia-Töne, leichtes Filmkorn, Stummfilm-Look.

Englische Fassung zum Vergleich

Wenn ein deutscher Prompt nicht trifft, teste dieselbe Beschreibung auf Englisch:

Close-up: honey drips in slow motion from a wooden spoon onto a stack of pancakes. Rustic wooden table, soft morning side light. Locked-off camera, shallow depth of field, warm colors.

Zu viele Handlungen. „Er steht auf, geht zum Fenster, öffnet es, schaut hinaus und winkt“ ist für einen 5-Sekunden-Clip zu viel. Teile das in zwei bis drei Clips.

Widersprüche. „Nachtszene im hellen Sonnenlicht“ oder „statische Kamera, die um das Motiv kreist“ führen zu unvorhersehbaren Ergebnissen. Auch Runway rät, widersprüchliche Anweisungen zu vermeiden.

Text im Bild erwarten. Schrift auf Schildern, Etiketten oder Bildschirmen gerät bei vielen Modellen fehlerhaft. Setze wichtigen Text lieber nachträglich im Editor.

Hände und schnelle Bewegungen. Finger, Instrumente spielen, Kampfszenen oder fallende Gegenstände sind für viele Modelle schwierig. Plane hier mehr Versuche ein oder wähle Einstellungen, in denen Hände weniger im Fokus stehen.

Geschützte Namen und echte Personen. Prompts mit Namen bekannter Personen oder Marken werden von vielen Diensten blockiert. Abgesehen davon kann das rechtlich heikel sein, siehe KI-Videos und Recht.

Nur Adjektive. „Wunderschön, episch, atemberaubend“ sagt dem Modell wenig. Beschreibe lieber sichtbare Dinge: Licht, Farben, Wetter, Material. Runway empfiehlt ebenfalls konkrete, beobachtbare Sprache statt abstrakter Begriffe.

Abstrakte Gefühle. „Ein Gefühl von Freiheit“ lässt sich nicht filmen. Beschreibe stattdessen, was man sehen würde: „Eine Frau breitet auf einem Berggipfel die Arme aus, der Wind zerrt an ihrer Jacke.“

Problem	Lösung im Prompt
Die Figur sieht in jedem Clip anders aus	Figur in jedem Prompt mit exakt denselben Merkmalen beschreiben, zusätzlich Referenzbild nutzen
Die Kamera wackelt oder driftet	„Die Kamera steht auf einem Stativ und bleibt völlig ruhig.“
Es gibt ungewollte Schnitte	eine Handlung pro Clip, „durchgehende Einstellung ohne Schnitt“, längere Cliplänge
Es passiert zu wenig	stärkere Verben („rennt“ statt „geht“), Kamerabewegung ergänzen, bei Midjourney --motion high
Es passiert zu viel	„Das Motiv bewegt sich kaum“, Handlungen streichen, bei Midjourney --motion low
Die Handlung kommt in falscher Reihenfolge	Ablauf mit „dann“ oder groben Sekundenangaben beschreiben
Das Bild-zu-Video-Ergebnis verändert das Motiv	Bildbeschreibung aus dem Prompt löschen, nur Bewegung beschreiben
Der Dialog ist zu lang oder wird abgeschnitten	einen kurzen Satz pro 8 Sekunden, Sprecher klar benennen
Musik taucht auf, obwohl du sie nicht willst	Ton positiv beschreiben, etwa „nur Naturgeräusche: Wind und Vogelstimmen“
Unerwünschte Elemente erscheinen	im Negativ-Feld auflisten, wenn vorhanden, sonst Szene positiv umformulieren

Bei Avatar-Tools wie HeyGen oder Synthesia schreibst du ein Sprechskript statt eines Bildprompts. Dafür gelten andere Regeln:

• Kurze Sätze, ein Gedanke pro Satz.
• Zahlen, Abkürzungen und Fremdwörter vorher testen und notfalls ausschreiben („zwanzig Prozent“ statt „20 %“).
• Pausen mit Satzzeichen oder Absätzen steuern.
• Etwa 130 bis 150 Wörter ergeben eine Minute gesprochenen Text. Das ist ein Richtwert, je nach Stimme und Tempo weicht es ab.

Ein kurzes Beispielskript für eine 20-Sekunden-Begrüßung:

Hallo und willkommen im Team.
In diesem kurzen Video zeige ich dir, wo du alles für deinen ersten Arbeitstag findest.
Zuerst schauen wir uns dein Postfach an.
Danach zeige ich dir, wie du deinen Urlaub einträgst.
Los geht's.

Vorlagen findest du in den Avatar-Skripten, Hintergründe im Ratgeber KI-Avatar erstellen.

Du kannst einen Chatbot bitten, aus einer groben Idee mehrere Video-Prompts im Aufbau oben zu formulieren. Gib dabei Format, Länge pro Clip und gewünschten Stil vor. Prüfe das Ergebnis trotzdem selbst: Chatbots schreiben gern zu lange Prompts mit mehreren Handlungen. Eine Anweisung, die du kopieren und anpassen kannst:

Schreibe mir 3 Prompts für einen KI-Videogenerator. Thema: [deine Idee]. Format: 9:16, je Clip 5 bis 8 Sekunden.
Regeln: pro Prompt nur eine Handlung, 2 bis 4 Sätze, Reihenfolge Motiv, Handlung, Umgebung, Kamera, Licht, Stil. Kamerabegriffe aus der Filmsprache verwenden. Keine Wertungen wie "wunderschön", nur sichtbare Details. Gib jeden Prompt auf Deutsch und auf Englisch aus.

Wie du das konkret machst, steht in KI-Videos mit ChatGPT und KI-Videos mit Gemini und Veo.

1. Starte mit einem einfachen Prompt aus Motiv, Handlung und Umgebung.
2. Ergänze Kamera und Licht und vergleiche.
3. Ändere pro Durchgang nur einen Baustein.
4. Notiere, welcher Prompt bei welchem Tool funktioniert hat. Was bei einem Modell gut klappt, kann bei einem anderen anders aussehen.

Ein einfaches Prompt-Logbuch, das du in einer Tabelle oder Notiz-App führen kannst:

Datum	Tool und Modell	Prompt (gekürzt)	Geändert gegenüber vorher	Ergebnis
…	…	…	Kamera von Schwenk auf Ranfahrt	Bewegung ruhiger, Gesicht stabil

Nach ein paar Wochen hast du so eine eigene Sammlung von Formulierungen, die bei deinem Lieblingstool zuverlässig funktionieren.

• Steht genau eine Handlung im Prompt?
• Sind Motiv, Umgebung und Licht mit sichtbaren Details beschrieben?
• Ist die Kamera klar benannt, inklusive „statisch“, wenn sie sich nicht bewegen soll?
• Widersprechen sich Angaben im Prompt oder Prompt und Kameraregler?
• Steht der Ton in eigenen Sätzen, falls das Modell Ton erzeugt?
• Bei Bild-zu-Video: Beschreibt der Prompt nur die Bewegung?
• Ist das Seitenverhältnis im Tool richtig eingestellt?
• Kommen Namen echter Personen oder Marken vor, die blockiert werden könnten?

Welche Modelle es gibt und was sie laut Hersteller können, steht in der Übersicht nach Anwendungen und in der Kategorie Text-zu-Video. Wie aus einzelnen Clips ein fertiges Video wird, erklärt die Anleitung KI-Videos erstellen.