So schreiben Sie KI-Videoaufforderungen, die tatsächlich funktionieren (2026 Pillar Guide)

So schreiben Sie KI-Videoaufforderungen, die tatsächlich funktionieren

Die meisten „KI-Eingabeaufforderungsleitfäden“ werden von Leuten geschrieben, die vielleicht zehn Videos erstellt haben. Sie fordern Sie auf, konkret zu sein. Sie sagen Ihnen, dass Sie „cineastisches 4K“ hinzufügen sollen. Dann bleiben Sie im Stich, sobald sich Ihr Motiv beim dritten Versuch in eine Cronenberg-Skizze verwandelt.

Eine funktionierende KI-Videoaufforderung erledigt vier Dinge gleichzeitig. Es benennt ein klares Thema. Es versetzt dieses Thema in eine Szene mit realer Geographie. Es sagt der Kamera, was sie tun soll. Und es gibt eine Stimmung oder einen Stil vor, an dem sich das Model festhalten kann. Überspringen Sie eines davon und Sie hoffen. Wenn Sie alle vier treffen, führen Sie Regie.

Bei diesem Leitfaden handelt es sich um die Langversion. Wir werden die Anatomie einer guten Eingabeaufforderung aufschlüsseln, die Muster, die in Veo 3.1, Seedance 2.0 und Kling 3.0 funktionieren, die Fehler, die Ihre Ergebnisse ruinieren, die Iterationsschleife, die tatsächlich zusammenhängt, und Vorlagen, die Sie für TikTok-Shorts, Produktheldenaufnahmen, Dialogszenen und B-Roll verwenden können. Keine Floskeln, kein „Kreativität freisetzen“, keine Fake-Beispiele. Genau das, was wir beim Versand von Tausenden von KI-Clips gelernt haben.

Wenn Sie ganz neu sind, beginnen Sie zunächst mit wie man KI-Videos erstellt. Wenn Sie Plattformempfehlungen wünschen, sehen Sie sich unsere Aufschlüsselung der besten KI-Videogeneratoren an. Ansonsten lasst uns loslegen.

CTA-Button: > Muvi.video kostenlos testen

Die Anatomie einer Arbeitsaufforderung

Jede gute KI-Videoaufforderung besteht aus denselben sechs Zutaten. Sie können gelegentlich einen weglassen, aber die stärksten Aufforderungen umfassen alle und ordnen sie ungefähr in dieser Reihenfolge an:

1. Betreff, wer oder was im Bild ist 2. Szene, wo sie sind, was um sie herum ist, die Geographie 3. Aktion/Bewegung, was passiert, wer bewegt sich wie 4. Kamera, Winkel, Entfernung, Bewegung, Objektiv 5. Beleuchtung, Richtung, Farbe, Stimmung 6. Stil, visuelle Referenz oder ästhetisches Signal

Hier ist eine schwache Aufforderung: „Ein Koch kocht.“

Hier ist die gleiche Idee, die aus den sechs Zutaten aufgebaut ist:

„Ein Koch mittleren Alters in einer abgenutzten Marineschürze steht an einem Edelstahlherd in einem schwach beleuchteten Tokioter Izakaya. Er dreht ein kleines Stück Fisch in einer rauchenden Gusseisenpfanne. Der Fisch dreht sich einmal in der Kurve und landet flach. Mittlere Nahaufnahme auf Brusthöhe, die Kamera schiebt sich langsam in die Pfanne. Warmes Wolframlicht von oben vermischt mit dem kühlen blauen Schein eines Fensters hinter ihm. Kinoartige, anamorphotische Linse, leichte Filmkörnung.“

Die erste Version lässt das Modell alles erraten. Im zweiten Teil wird genau erklärt, wo die Kamera angebracht werden soll, wie der Koch beleuchtet wird und wie die Action Schritt für Schritt aussieht. Modelle wie Veo 3.1 belohnen keinen ausführlichen Unsinn, aber sie belohnen diese Art von vielschichtiger Spezifität.

Die 30-80-Wörter-Faustregel

Versuchen Sie für die meisten Aufnahmen 30–80 Wörter. Unter 30 leiten Sie zu wenig. Über 100 beginnen Sie sofort zu ermüden, die Modelle lassen die Elemente weg, die Sie später im Satz geschrieben haben. Wenn Ihre Szene wirklich mehr braucht, teilen Sie sie in zwei Clips auf und fügen Sie sie zusammen.

Eingabeaufforderungsmuster, die bei jedem Modell funktionieren

Einige Eingabeaufforderungsstrukturen verallgemeinern sich. Sie arbeiten an Veo 3.1, sie arbeiten an Seedance 2.0, sie arbeiten an Kling 3.0. Merken Sie sich diese und Sie haben ein Gerüst für 80 % der Aufnahmen, die Sie jemals schreiben müssen.

Muster 1: Motiv, Aktion, Einstellung, Kamera, Stil

Der Allzweck-Standard. Verwenden Sie dies, wenn Sie nicht sicher sind, wo Sie anfangen sollen.

„Ein schwarzer Labrador (Motiv) sprintet eine nasse Kopfsteinpflastergasse hinunter (Action + Setting), niedrige Kamerafahrt von der Seite in Bodennähe (Kamera), Neonreflexionen auf den Pfützen, stimmungsvolle Cyberpunk-Farbpalette (Stil).“

Muster 2: Etablieren, Bewegen, Offenlegen

Am besten, wenn Sie möchten, dass die Kamera Geschichten erzählt.

„Große Luftaufnahme eines schlafenden, verschneiten Bergdorfes im Morgengrauen. Die Kamera senkt sich langsam und bewegt sich vorwärts durch die Hauptstraße, bis sie schließlich ein einzelnes beleuchtetes Fenster freigibt, in dem ein Bäcker Teig knetet. Sanftes rosafarbenes Sonnenaufgangslicht, sanfter Schneefall.“

Muster 3: Halten, Auslösen, Reaktion

Die Dialog-/Charakter-Moment-Formel. Es ist stark auf Veo 3.1, bewältigt Multi-Beat-Szenen gut und generiert neben dem Video nativ Umgebungs- und Dialogaudio (gemäß der Produktdokumentation von Google, auf der Plattform überprüfen).

"Nahaufnahme einer Frau, die an einem hölzernen Küchentisch einen Brief liest. Sie hört mit dem Lesen auf, atmet aus und ihre Augen quellen auf. Warmes Nachmittagslicht durch ein Fenster hinter ihr. Statische Kamera, 35-mm-Objektiv, geringe Schärfentiefe."

Muster 4: Produktheld

Das E-Commerce-Arbeitstier. Funktioniert gleichermaßen gut als Text-zu-Video-Eingabeaufforderung oder als Bild-zu-Video-Eingabeaufforderung mit angehängtem Produktfoto.

„Studioaufnahme eines mattschwarzen kabellosen Ohrhörergehäuses auf einem polierten Betonsockel. Das Gehäuse dreht sich langsam um 90 Grad, während die Kamera in die entgegengesetzte Richtung kreist. Softkey-Licht von oben links, dezentes Randlicht von hinten, tiefer Schattenabfall. Sauber, minimalistisch, erstklassige Ästhetik.“

Muster 5: B-Roll-Textur

Für Ausschnitte und Atmosphärenaufnahmen, die einen längeren Schnitt ausfüllen.

"Makroaufnahme von Espresso, der sich langsam in eine kleine weiße Keramiktasse füllt. Dampf steigt nach oben. Warmes Morgenlicht vom Fenster links. Geringe Schärfentiefe, leichte Filmkörnung, keine Musik."

Muster 6: Stilisiert / Animiert

Wenn Sie kein fotorealistisches Bild möchten.

„Handgezeichnete 2D-Animation im Studio-Ghibli-Stil. Ein junges Mädchen in einem gelben Regenmantel springt in einer Pfütze auf einer verregneten Dorfstraße. Wasser spritzt in Zeitlupe. Sanfte Aquarellhintergründe, gedämpfte Pastellpalette, sanfte handgemalte Textur.“

Muster 7: Dialogue Beat (Audio-fähige Modelle)

Für Veo 3.1 und jedes Modell, das natives Audio unterstützt.

„Zwei Freunde sitzen einander an einer Tischnische im Restaurant gegenüber. Der eine auf der linken Seite sagt leise: ‚Du wirst schon gut sein‘. Der andere nickt, spricht aber nicht. Sanftes, warmes Deckenlicht. Mittelgroße statische Zweibildkamera. Umgebungsgeräusche im Restaurant, leises Geplapper, entferntes Besteckklirren.“

Wählen Sie ein Muster aus, füllen Sie die Lücken aus und erstellen Sie es. Von dort aus iterieren.

Modellspezifische Eingabeaufforderungsnuancen

Muster verallgemeinern. Aber jedes Modell hat seine eigene Persönlichkeit und die Anreize, die es zu großartiger Arbeit antreiben, sind unterschiedlich. Hier ist, was wir aus der intensiven täglichen Nutzung aller drei Geräte gelernt haben.

Veo 3.1 belohnt die Kinematographiesprache

Veo 3.1 wurde anhand einer Menge professionell aufgenommenem Filmmaterial trainiert und das merkt man. Wenn man in kinematografischen Begriffen schreibt: „anamorphotische Linse“, „Rackfokus“, „Dolly in“, „Hauptlicht bei 3/4“, „geringe Schärfentiefe“, übersetzt Veo das überraschend wörtlich. Es ist auch das einzige Mainstream-Modell, das natives Audio gut beherrscht. Wenn Ihre Aufnahme also über ein Sounddesign (Dialog, Ambient, SFX) verfügt, ist Veo die richtige Wahl. Widerstehen Sie dem Drang, die Aufforderung mit Adjektiven zu überladen, Veo bevorzugt eine strukturierte, spezifische Richtung gegenüber einer Wand aus Schwingungen. Ausführliche Informationen zu Veo 3.1 finden Sie in unserem Veo 3.1 Complete Guide.

Seedance 2.0 belohnt längere Daueraufnahmen

Seedance 2.0 unterstützt jede ganzzahlige Clipdauer von 4 bis 15 Sekunden, den größten Bereich im muvi.video-Katalog. Wenn eine Szene einen anhaltenden Bewegungsbogen benötigt, den die 8-Sekunden-Obergrenze von Veo 3.1 nicht bietet, ist Seedance die Lösung. Es unterstützt außerdem sechs Seitenverhältnisse (1:1, 9:16, 16:9, 4:3, 3:4, 21:9) im Vergleich zu Veos nur 16:9/9:16, sodass es für vertikale Plus-, Quadrat- oder Ultrawide-Formate mehr Spielraum für die Komposition bietet. Die Auflösung ist auf 720p (1440p bei der Start-/End-Frame-Variante) begrenzt. Reservieren Sie Seedance daher für Szenen, bei denen Dauer und Flexibilität des Seitenverhältnisses wichtiger sind als die Wiedergabetreue auf Pixelebene. Die Omni-Reference-Variante akzeptiert bis zu neun Bild-, drei Video- und drei Audioreferenzen, was für die Charakterkontinuität über eine Reihe von Clips hinweg nützlich ist.

Kling 3.0 belohnt Kürze und Klarheit

Kling ist schnell und eignet sich daher perfekt für Iterationen. Aber es schneidet schlechter ab als Veo oder Seedance, wenn die Eingabeaufforderungen lang oder technisch werden. Reduzieren Sie den Kinematografie-Vokabular, beschränken Sie Ihre Aufforderungen auf weniger als 50 Wörter und stützen Sie sich auf einfache visuelle Beschreibungen. Kling glänzt besonders bei menschlichen Motiven, ausdrucksstarken Gesichtern und schnellen Clips im sozialen Format. Wenn Ihre Eingabeaufforderung drei Kommas zur Beschreibung der Beleuchtung benötigt, schreiben Sie für Veo und nicht für Kling. Es stehen drei Varianten zur Verfügung: Text-to-Video, Image-to-Video und Kling O3.

Eine Abkürzung: Erstellen Sie einen Prototyp Ihrer Aufnahme auf Kling, denn das ist günstig und schnell. Sobald Rahmen und Bewegung stimmen, generieren Sie die endgültige Version auf Veo 3.1 neu, indem Sie die Eingabeaufforderung verwenden, die Sie jetzt verfeinert haben. Der Zwei-Modell-Workflow spart Ihnen Stunden.

Häufige Fehler beim Schreiben von Eingabeaufforderungen (und wie man sie behebt)

Dies sind die Muster, die wir immer wieder in Eingabeaufforderungen sehen, die nicht funktionieren. Zu jedem gibt es eine schlechte Version und eine Neufassung.

Fehler 1: Vages Thema

Schlecht: „Eine Person, die eine Straße entlang geht.“

Fix: „Eine Frau in den Dreißigern in einem langen beigen Trenchcoat geht eine schmale Pariser Straße entlang, die Hände in den Taschen.“

Das Modell benötigt zum Rendern ein Gesicht. „Eine Person“ gibt ihm nichts, es wählt alles aus, was der Durchschnitt des Datensatzes vorschlägt, und der Durchschnitt ist selten interessant.

Fehler 2: Keine Szenengeographie

Schlecht: „Ein Hund rennt durch einen Park.“

Fix: „Ein Golden Retriever rennt von der linken Seite des Bildes nach rechts, über einen weiten, sonnenüberfluteten Rasen mit Herbstblättern und hohen Bäumen im Hintergrund.“

Wenn das Modell nicht weiß, wo sich das Motiv im Raum befindet, schwebt das Motiv. Geben Sie der Kamera ein Gefühl dafür, wo die Dinge zueinander stehen.

Fehler 3: Keine Bewegungsrichtung

Schlecht: „Das Auto fährt weg.“

Fix: „Das rote Auto fährt von der Kamera weg, beschleunigt in die Ferne, die Straße biegt leicht nach rechts ab.“

„Fahrt weg“ ist mehrdeutig. Zur Kamera? Weg davon? Seitwärts? Teilen Sie dem Modell den Vektor mit.

Fehler 4: Adjektive stapeln statt spezifizieren

Schlecht: „Ein wunderschönes, filmisches, atemberaubendes, professionelles Video eines Sonnenuntergangs.“

Fix: „Eine weite statische Aufnahme der Sonne, die hinter einer Reihe von Kiefern auf einem Hügel untergeht, wobei der Himmel von Gold zu tiefem Magenta wechselt, Zeitraffer, 4K.“

Durch das Stapeln von Adjektiven werden keine Informationen hinzugefügt. Models können „schön“ nicht von „umwerfend“ unterscheiden. Sie können eine Weitwinkelaufnahme von einer Nahaufnahme unterscheiden.

Fehler 5: Widersprüchliche Stilmerkmale

Schlecht: „Fotorealistischer Anime im Noir-Dokumentarfilmstil der 1950er Jahre.“

Fix: Wählen Sie eine aus. Fotoreales Noir. Oder Noir-inspirierter Anime. Mischen Sie keine inkompatiblen Ästhetiken, das Modell mittelt sie und Sie erhalten visuellen Schlamm.

Fehler 6: Seitenverhältnis in der Eingabeaufforderung ignorieren

Schlecht: „Eine vertikale Aufnahme im TikTok-Stil, aber im 16:9-Format erstellt und dann zugeschnitten.“

Fix: Generieren Sie im Seitenverhältnis, in dem Sie veröffentlichen. Das Modell komponiert die Aufnahme für die Leinwand, die Sie ihr geben. Bei einer 16:9-Aufnahme, die auf 9:16 zugeschnitten ist, geht immer das Motiv verloren.

Fehler 7: Keine Audiorichtung (bei audiofähigen Modellen)

Schlecht: „Eine Coffeeshop-Szene.“ (auf Veo 3.1)

Fix: „Eine Szene in einem Café. Geräusche aus der Umgebung, Zischen der Espressomaschine im Hintergrund, leiser Jazz.“

Veo 3.1 generiert Audio, unabhängig davon, ob Sie es steuern oder nicht. Wenn Sie keine Angaben machen, erhalten Sie ein generisches Ambient-Bett. Verbringen Sie zwei Sekunden damit, ihm zu erzählen, wie der Raum klingt.

Die Iterationsschleife (Wie gute Eingabeaufforderungen tatsächlich erstellt werden)

Niemand schreibt beim ersten Versuch eine tolle Eingabeaufforderung. Die Schöpfer, die durchweg gute Ergebnisse erzielen, sind nicht talentierter, sie iterieren mit Disziplin. Hier ist die Schleife, die funktioniert.

Schritt 1: Schreiben Sie Ihre Basisaufforderung

Verwenden Sie eines der Muster aus Abschnitt 3. Optimieren Sie noch nicht. Notieren Sie sich einfach die sechs Zutaten.

Schritt 2: Einmal auf einem schnellen Modell generieren

Verwenden Sie Kling 2.0 oder ein anderes schnelles Modell. Es geht Ihnen nicht darum, den endgültigen Clip zu produzieren, sondern Sie testen, ob das Model die Szene überhaupt verstanden hat.

Schritt 3: Diagnostizieren, nicht umschreiben

Sehen Sie sich die Ausgabe an und fragen Sie: Was hat das Modell falsch gemacht? War es das Thema? Die Kamerabewegung? Die Beleuchtung? Seien Sie konkret. „Es ist nicht das, was ich wollte“ ist keine Diagnose.

Schritt 4: Ändern Sie jeweils eine Variable

Dies ist die Disziplin, die die meisten Menschen überspringen. Wenn die Kamera falsch war, ändern Sie nur die Kamerazeile. Wenn die Beleuchtung falsch war, ändern Sie nur die Beleuchtungslinie. Wenn Sie die gesamte Eingabeaufforderung neu schreiben, können Sie nicht erkennen, welche Änderung das Problem behoben hat, und Sie werden bei der nächsten Aufnahme denselben Fehler erneut machen.

Schritt 5: Halten Sie ein Gerüst stabil

Speichern Sie die funktionierenden Eingabeaufforderungen in einem Dokument, sortiert nach Typ, Produktaufnahmen, Dialogszenen, Landschaften und Charaktermomenten. Wenn später eine ähnliche Aufnahme entsteht, beginnen Sie mit einem bekanntermaßen guten Gerüst und nicht bei Null. Nach ein paar Wochen verfügen Sie über eine zeitnahe Bibliothek, die den Großteil der schweren Arbeit für Sie erledigt.

Schritt 6: Bewerben Sie den Gewinner

Sobald eine Eingabeaufforderung beim schnellen Modell zuverlässig gute Ergebnisse liefert, generieren Sie die endgültige Version auf Veo 3.1 Standard mit derselben Eingabeaufforderung neu. Die Kinematographie bleibt gleich; die Produktionsqualität springt.

Diese Schleife klingt langsam. Das ist es nicht. Sobald Sie drei oder vier Iterationen eines Projekts hinter sich haben, geht es schneller als nur zu raten, und die Qualität verbessert sich, weil Ihr Gerüst jede Woche besser wird.

Formatspezifische Eingabeaufforderungsvorlagen

Unterschiedliche Ergebnisse, unterschiedliche prompte Gerüste. Kopieren Sie diese, ändern Sie die Klammern.

TikTok / Reels (9:16, 5–15 Sek.)

„[Motiv in interessantem Outfit] führt [eine einzelne klare Aktion] in [erkennbarer städtischer oder natürlicher Umgebung] aus. Vertikaler Rahmen im Smartphone-Stil, energiegeladene Atmosphäre, helles Tageslicht, [trendige Farbpalette]. Schnelle Bewegung, keine Zeitlupe.“

Hinweise: Vertikale Modelle lassen sich besser komponieren, wenn Sie das Format explizit benennen. Halten Sie die Aktionen einfach, vertikale Clips bieten keinen Platz für Multi-Beat-Szenen.

YouTube-Heldenaufnahme (16:9, 5–10 Sek.)

„Kinematische Weitwinkelaufnahme von [Motiv] in [Umgebung]. Kamera langsam [hineinschieben / zurückfahren / umkreisen]. Licht der goldenen Stunde, anamorphotische Linse, geringe Schärfentiefe, 4K. Dezentes Umgebungsgeräuschdesign.“

Hinweise: Veo 3.1 glänzt im 16:9-Format. Verwenden Sie dieses Format für Eröffnungen, Heldenaufnahmen und B-Rolls.

Produktheld (1:1 oder 16:9, 5–8 Sek.)

„Studioaufnahme von [Produkt] auf [Oberfläche]. Produkt [dreht sich langsam / hebt sich / leuchtet auf]. Softkey-Licht aus [Richtung], Randlicht von hinten, tiefer Schattenabfall. Premium, minimalistische Ästhetik, keine Menschen, sauberer Hintergrund.“

Hinweise: Referenzbild-zu-Video hier für markengetreue Aufnahmen. Sperren Sie den Hintergrund. Einfache, geschäftige Umgebungen lenken vom Produkt ab.

Dialogszene (16:9 oder 4:3, 5-10 Sek.)

„[Zwei Aufnahmen oder Nahaufnahmen] von [Charakter A] und [Charakter B] in [Einstellung]. Charakter A sagt „[Linie]“. Charakter B [Reaktion]. [Beleuchtung]. Statische Kamera, 35-mm-Objektiv. Umgebung [Raumton].“

Hinweise: Nur Veo 3.1. Andere Modelle täuschen Dialoge schlecht vor. Halten Sie die Leitungen kurz, da lange Leitungen nicht mehr synchron sind.

B-Roll / Textur-Cutaway (beliebiges Verhältnis, 3–5 Sek.)

„Makro-/Nahaufnahme von [texturiertem Objekt oder Detail]. Subtile [Bewegung: Dampf, Wellen, Flackern, Schwanken]. [Tageszeitlicht]. Geringe Schärfentiefe. Keine Musik, nur Umgebungslicht.“

Hinweise: Kurze Clips sehen schärfer aus. Dehnen Sie einen B-Roll-Schuss nicht länger als 5 Sekunden, sonst beginnt die KI, Bewegungen zu erfinden.

Echte Eingabeaufforderungen, echte Ausgaben

Nachfolgend finden Sie fünf Eingabeaufforderungen, die wir auf muvi.video mit Veo 3.1, Seedance 2.0 und Kling 3.0 getestet haben. Ausgabebeschreibungen sind qualitativ, Ihre Generierung variiert je nach Modellversion, Nuance der Eingabeaufforderung und Datum. Betrachten Sie diese daher als Veranschaulichung der Art der Ausgabe, die die Eingabe erzeugt, und nicht als garantierte Ergebnisse.

Beispiel 1, Kinolandschaft (Veo 3.1)

„Große Luftaufnahme eines spiegelglatten Alpensees bei Sonnenaufgang, Nebel zieht tief über das Wasser, schneebedeckte Gipfel spiegeln sich auf der Oberfläche. Die Kamera zieht sich langsam zurück und neigt sich nach oben, um die Bergkette sichtbar zu machen. Sanftes, kühles blaues Licht, das in warmes Rosa übergeht. Kinoartiges 4K, anamorphotisch, keine Musik, Umgebungswind.“

Ergebnistyp: Eine saubere filmische Landschaftsaufnahme. Das Zurückziehen und Hochklappen funktioniert bei Veo normalerweise gut. Die Nebelbewegung sieht natürlich aus.

Beispiel 2, Produktrotation (Kling 2.0, Bild-zu-Video)

„Langsame 360-Grad-Drehung. Studiobeleuchtung, polierte Betonoberfläche, Softkey-Licht von oben links, dezenter Rand von hinten. Keine Kamerabewegung, Produkt-Mittelrahmen.“ (Anbei: Produktfoto einer Uhr)

Ergebnistyp: Eine zuverlässige E-Commerce-Heldenrotation. Kling bewältigt kurze Drehungen sauber, wenn die Eingabeaufforderung kurz ist.

Beispiel 3, Charaktermoment (Veo 3.1)

„Eine junge Frau in einem langen roten Mantel geht nachts über einen verschneiten Stadtplatz, der Schnee fällt heftig. Sie bleibt stehen, schaut auf und lächelt. Sanfter, warmer Straßenlaternenschein, kalter blauer Hintergrund. Mittlere Kamerafahrt von der Seite, dann dreht sie sich um und hält die Kamera. 35-mm-Objektiv, geringe Schärfentiefe.“

Ergebnistyp: Multi-Beat-Charaktermoment. Die 8-Sekunden-Clip-Obergrenze von Veo 3.1 passt zur Sequenz „Gehen, anhalten, nach oben schauen, lächeln“ und bietet Platz, um jeden Schlag zu landen, und der native Umgebungston (leichter Schneefall, entfernter Stadtton) wird ohne separaten Partiturdurchlauf neben dem Video gedruckt.

Beispiel 4, Lebensmittel-Nahaufnahme (Veo 3.1)

„Makroaufnahme geschmolzener dunkler Schokolade, die langsam über eine frische Erdbeere auf weißem Marmor gegossen wird. Warmes Deckenlicht, leichter Dampf steigt auf. Geringe Schärfentiefe, glänzende Reflexion auf der Schokolade. Dezentes Gießgeräusch, keine Musik.“

Ergebnistyp: Crisp-Food-Shot. Bei der Gießbewegung und der reflektierenden Oberfläche der Schokolade zahlt sich die Physik-Engine von Veo 3.1 aus.

Beispiel 5, Stilisierte Animation (Kling 3.0)

„Handgemalte 2D-Animation im Aquarellstil. Ein kleiner Fuchs betritt in der Dämmerung vorsichtig eine Lichtung in einem tiefen Wald. Glühwürmchen treiben um ihn herum. Gedämpfte Farbpalette, weiche Umrisse, sanfte handgezeichnete Textur, Umgebungswind und entfernte Insekten.“

Ergebnistyp: Ein stilisierter Clip mit konsistenter Linienführung. Kling 3.0 beherrscht stilisierte Bewegungsästhetik, die aquarellierte, handgemalte Textur landet hier zuverlässiger als bei den fotorealistischen Modellen.

Ein Hinweis zur Reproduzierbarkeit: KI-Videomodelle ändern sich häufig, und die gleiche Eingabeaufforderung, die im Abstand von sechs Monaten auf demselben Modell ausgeführt wird, kann zu deutlich unterschiedlichen Ergebnissen führen. Behandeln Sie Eingabeaufforderungen als Gerüste, nicht als genaue Rezepte.

Häufig gestellte Fragen zu KI-Videoansagen

F1: Sollte ich KI-Videoansagen auf die gleiche Weise schreiben wie Midjourney-Ansagen? Nein. Midjourney-Eingabeaufforderungen funktionieren als durch Kommas getrennte Tag-Listen („Frau, roter Mantel, Film, 4k, --ar 16:9“). Videomodelle schneiden mit vollständigen Sätzen, die Aktion, Bewegung und Zeit beschreiben, viel besser ab. Schreiben Sie Videoaufforderungen so, wie Sie einem Kameramann eine Aufnahme beschreiben würden, und nicht so, wie Sie ein Standbild markieren würden.

F2: Warum liefert meine Eingabeaufforderung bei jeder Generierung unterschiedliche Ergebnisse? KI-Videomodelle verwenden zufällige Startwerte, sodass jede Generation ein neuer Würfelwurf mit Ihrer Eingabeaufforderung als Einschränkung ist. Sogar die exakt gleiche Eingabeaufforderung, die zweimal ausgeführt wird, führt zu unterschiedlichen Ausgaben. Auf den meisten Plattformen können Sie einen Seed sperren, wenn Sie Reproduzierbarkeit benötigen. Dies ist nützlich, wenn Sie schnelle Änderungen testen möchten, ohne dass Seed-Rauschen im Weg stehen.

F3: Wie lang sollte eine KI-Videoaufforderung sein? 30–80 Wörter reichen für die meisten Models aus. Wenn Sie weniger als 30 Jahre alt sind und Sie zu wenig steuern, füllt das Modell Lücken mit generischen Standardvorgaben. Bei über 100 kommt es zu einer sofortigen Ermüdung, bei der das Modell anfängt, Elemente zu ignorieren (normalerweise die, die Sie zuletzt geschrieben haben). Bleiben Sie für Kling 3.0 eher bei 30–50 Wörtern. Für Veo 3.1 und Seedance 2.0 können Sie in Richtung 80 gehen.

F4: Sollte ich die Kamerasprache in meine Ansagen einbeziehen? Ja, insbesondere auf Veo 3.1. „Dolly in“, „Rack-Fokus“, „niedriger Winkel“, „35-mm-Objektiv“, „anamorph“ – all dies spiegelt das tatsächliche Kameraverhalten wider, das das Modell wiedergeben kann. Kling reagiert weniger auf das Vokabular der Kinematographie, daher bleiben Sie bei Kling bei einfacheren Beschreibungen wie „Die Kamera bewegt sich langsam auf das Motiv zu.“

F5: Funktionieren negative Aufforderungen bei KI-Videomodellen? Manchmal. Veo 3.1 und Seedance 2.0 reagieren auf einfache Verneinung („keine Personen im Hintergrund“, „kein Text auf dem Bildschirm“, „keine Musik“). Sie reagieren nicht zuverlässig auf abstrakte Verneinungen wie „nicht verschwommen“ oder „keine Artefakte“, diese sind erstrebenswert und nicht steuerbar. Verwenden Sie Negative sparsam und für bestimmte Dinge, die Sie benennen können.

F6: Kann ich dieselbe Eingabeaufforderung für verschiedene Modelle wiederverwenden? Meistens ja. Die Muster in Abschnitt 3 sind modellunabhängig. Sie erhalten jedoch bessere Ergebnisse, wenn Sie die einzelnen Modelle optimieren, das Kinematografie-Vokabular für Kling 3.0 entfernen, sich auf die Flexibilität von Dauer und Seitenverhältnis für Seedance 2.0 konzentrieren und Audio-Regie und Kinematografie-Begriffe für Veo 3.1 hinzufügen. Gleiches Gerüst, leichte Änderungen.

F7: Gibt es eine „richtige“ Möglichkeit, Text-zu-Video- und Bild-zu-Video-Ansagen zu kombinieren? Bei der Bild-zu-Video-Umwandlung muss die Eingabeaufforderung nur die gewünschte Bewegung beschreiben, die visuelle Identität ist bereits im Bild vorhanden. Halten Sie die Bild-zu-Video-Eingabeaufforderungen kurz (10–30 Wörter) und konzentrieren Sie sich auf das, was sich ändern oder bewegen soll. Lange beschreibende Aufforderungen zum Bild-zu-Video können dem Referenzbild widersprechen und zu unscharfen Ergebnissen führen.

Erstellen Sie eine Prompt-Bibliothek, nicht einen einzigen großartigen Prompt

Die Ersteller, die zuverlässig großartige KI-Videoausgaben erhalten, schreiben keine magischen Aufforderungen. Sie verwenden dieselben sechs Zutaten, dieselben Muster und die Disziplin, jeweils eine Variable zu ändern. Das ist es. Sobald Sie eine persönliche Eingabeaufforderungsbibliothek und ein paar Dutzend nach Schusstyp geordnete Gerüste aufgebaut haben, müssen Sie nicht mehr bei Null anfangen und die Qualität Ihrer Ergebnisse Woche für Woche verbessern.

Öffnen Sie muvi.video, wählen Sie ein Modell aus, schreiben Sie eine Eingabeaufforderung mit einem der oben genannten Muster und wiederholen Sie den Vorgang. Der erste wird nicht perfekt sein. Der zehnte wird großartig sein. Das Hundertste wird in Ihrer Bibliothek sein und Sie werden es nie wieder von Grund auf neu schreiben.

CTA-Schaltfläche: > Beginnen Sie mit der Erstellung von KI-Videos

Letzte Aktualisierung: Mai 2026. Wir aktualisieren diesen Leitfaden, wenn sich Modelle ändern und wenn wir aus der Produktionsarbeit neue Muster lernen.