WISSEN · PRAXIS-BREAKDOWN

KI-Video erstellen: Workflow aus der Praxis, Schritt für Schritt

Ein KI-Video entsteht nicht mit einem Prompt, sondern in sechs Schritten: Storyline, Song, Bild-Assets, Video-Assets, Stimme und Final Edit. Am Beispiel eines Konferenz-Clips von Michael Schirnhofer zeigt dieser Breakdown, welche Modelle für welchen Schritt zum Einsatz kamen und warum aus über 100 Generierungen erst im Schnitt ein stimmiges Video wird.
Von Michael Schirnhofer, KI-Content-Trainer & Speaker · Aktualisiert am 24. Oktober 2026 · Lesezeit ca. 8 Minuten

Worum geht es in diesem Beispiel?

Für die AllSocial Marketing Conference in München hat Michael Schirnhofer einen kurzen Social-Clip produziert: ein Deutsch-Rap über die Konferenz, er selbst vor dem Kongressgebäude, ein riesiges Hashtag als Skulptur, Kamerafahrten, Lip-Sync und Motion Graphics. Dafür entstanden über 100 Bilder und Videos mit verschiedenen Modellen. Ein Kamerateam oder ein 3D-Studio war nicht nötig.
Michael Schirnhofer auf der Bühne der AllSocial Marketing Conference München

Schritt 1: Warum beginnt der Workflow mit dem Song?

„Musik ist die halbe Miete.“ Der Song gibt Vibe und Richtung vor, die Ideen kommen schneller, und wenn der Text genau zum Thema gepromptet ist, weißt du konkreter, was du visuell verstärken musst. Der Ablauf: Claude oder ChatGPT bekommt Idee, Kontext, Ziel und Links zur Konferenz, dazu den Stil (Deutsch-Rap, BPM, Trap-Elemente). Songtext und Musikstil kommen per Copy-and-paste in Suno.

Schritt 2: Wie entstehen die Bild-Assets?

Aus einem echten Foto vor dem Kongressgebäude. In Magnific verändert Nano Banana Pro mit einem detaillierten Prompt die Szene: Vor dem Gebäude steht nun ein riesiges Hashtag-Symbol. In weiteren Iterationen entstehen Varianten mit Michael selbst im Bild, aus anderen Blickwinkeln und Distanzen. Diese Standbilder sind später Start- und Endframes für die Videos.

Schritt 3: Welche Video-Techniken kommen zum Einsatz?

  • Start- und Endframe: Totale als Start, Nahaufnahme als Ende, Kling 2.5 in Higgsfield berechnet die Kamerafahrt dazwischen.
  • Single-Image-to-Video: Ein einzelnes Bild ohne Endframe wird mit detailliertem Prompt bewegt, mit Kling oder Seedance.
  • Mehrere Kamerafahrten hintereinander: Mehrere Start- und Endframe-Paare, bei denen jedes Endbild zum nächsten Startbild wird, mit Kling, Seedance oder Hailuo.
  • Special Effect und Motion Graphic: Der Endframe wird in Canva als Grafik vorbereitet, Seedance 1.5 animiert den Übergang vom Foto in die Grafik.
  • Freigestellte Motion Graphic: Ein Referenzbild mit App-Logos wird in Higgsfield mit Grok Imagine vor Green-Screen animiert und im Schnittprogramm per Chroma Key freigestellt.

Schritt 4: Wie funktioniert der Lip-Sync?

Aus zwei Kamerawinkeln. Die Audio-Spur stammt aus ElevenLabs Text-to-Speech oder direkt aus dem Song, dazu kommt ein Prompt mit Beschreibung der Szene, etwa „ein Mann steht selbstbewusst vor einem modernen Glas-Konferenzgebäude und spricht klar in ein Mikrofon“. Das Higgsfield-Modell Infinite Talk erzeugt daraus das lippensynchrone Video. Für Formate mit eingeblendeter Person wird das Querformat-Foto per KI in 9:16 umgewandelt, ein Green-Screen hineingepromptet und das Ergebnis im Schnitt freigestellt.

Schritt 5: Was passiert im Final Edit?

Aus losen Einzelteilen entsteht ein stimmiges Video mit richtigem Timing, Übergängen und Effekten. Der Schnitt läuft auf den Song, die Clips werden nach Beat gesetzt, Motion Graphics und Texte ergänzt. Michael schneidet je nach Projekt in CapCut oder Premiere Pro. Genau dieser Schritt trennt brauchbaren KI-Content von einer Sammlung netter Clips.

Was lässt sich aus dem Beispiel lernen?

  • Echtes Material als Basis macht KI-Videos glaubwürdig. Ein echtes Foto schlägt jeden Text-Prompt.
  • Kein Modell kann alles. Kling für Kamerafahrten, Seedance für Effekte, Grok Imagine für freistellbare Grafiken, Infinite Talk für Lip-Sync.
  • Iteration ist normal. 100 Generierungen für einen Clip sind kein Zeichen von Scheitern, sondern Teil des Prozesses.
  • Der Mensch bleibt Regisseur. Idee, Story, Auswahl und Schnitt entscheiden über die Qualität.
Die einzelnen Modelle vergleicht der Artikel zu den KI-Video-Generatoren, alle Methoden stehen in den 27 Methoden der KI-Content-Generierung.
Making-of PROMPT.AKTUELL: KI-Video-Workflow an einem fertigen TV-Beitrag
AUS DER PRAXIS

Der Workflow an einem fertigen Beitrag

Wie die Schritte oben zusammenspielen, siehst du am satirischen TV-Beitrag PROMPT.AKTUELL: Szenen und Flyer aus Nano Banana Pro, Bewegung mit Seedance 2.5, Stimme mit ElevenLabs, Lippensynchronität mit Lipsync 2.0 und Veed Sync. Echt sind nur der Saal und die Fotos. Das Making-of zeigt den Beitrag Szene für Szene.
Making-of ansehen

Häufige Fragen zum KI-Video-Workflow

Wie lange dauert es, ein KI-Video zu erstellen?
Welches Schnittprogramm brauche ich für KI-Videos?
Warum entstehen so viele Generierungen für einen Clip?
Muss ich so ein Video als KI-generiert kennzeichnen?

Weiterlesen

Leitfaden: KI-Content erstellen

Modelle, Methoden, Plattformen und Workflow im Überblick.
Zum Leitfaden

KI-Video-Generatoren im Vergleich

Kling, Seedance, Veo und Co. im Detail.
Artikel lesen

KI-Audio: Stimme, Musik, Sound

Suno, ElevenLabs und Lyria für Song, Voice-over und Jingle.
Artikel lesen

KI-Content nicht nur lesen, sondern selbst bauen

Im KI Content Workshop in Graz setzt du an einem Tag eigene Bilder, Videos und Ad-Creatives mit KI um, mit maximal zwölf Teilnehmer:innen. Für ganze Teams kommt Michael auch inhouse.
Zum KI Content WorkshopInhouse-Schulung für Teams
Mobile Wizard · Michael Schirnhofer
KI-Content-Trainer & Speaker. „Mobile Wizard“ ist eine Marke der Denkwerk Collective GmbH, Zeltweg, Steiermark.
Startseite · Über Michael · KI Content Workshop · Inhouse-Schulung · Speaker · Wissen
info@mobile-wizard.at · LinkedIn · Instagram
Impressum · Datenschutz