Wie man mit künstlicher Intelligenz ein Video macht

Unser erstes KI-Video war ein Chaos. Es gab keine Tutorials, und wir haben wochenlang experimentiert und oft danebengelegen, nur um eine Szene von wenigen Sekunden hinzubekommen. Unsere heutige Methode ist damals entstanden und hat sich seitdem kaum verändert.

Man beginnt immer beim Skript, nie beim Prompt

Die Arbeit beginnt nie mit der Generierung eines Clips oder eines Bildes. Sie beginnt viel früher. Der erste Schritt, bei jedem Video, das wir machen, ist ein Skript zu schreiben, in dem wir das Ziel skizzieren, das Warum dahinter, und für wen das Video ist. Vor dem Was und dem Wie denken wir über das Warum nach und darüber, wo wir hinwollen.

Daran hat die künstliche Intelligenz nichts geändert. Wir gehen immer von unserer Erfahrung aus, von dem, was wir täglich sehen und erleben, und verarbeiten es dann mit KI zu einer neuen Form.

Warum wir nicht an komplizierte Prompts glauben

Wir haben nie an komplexe Prompts von 14 Word-Seiten geglaubt, und das tun wir bis heute nicht. Unsere bestehen aus wenigen Zeilen: Wir sagen nur die Bewegung oder die Einstellung, die wir erwarten. Unserer Erfahrung nach gilt: Je komplizierter der Prompt, desto größer die Gefahr, dass die Anfrage missverstanden wird oder Halluzinationen entstehen.

Das ist keine Faulheit: Eine einfache Anweisung lässt dem Modell weniger Spielraum, sich zu verwirren, und uns mehr Kontrolle darüber, was wir verwerfen und was wir behalten. Für ein einziges Produktvideo haben wir mehr als 27.000 Bilder generiert.

Was einfach aussieht, ist meistens am schwierigsten

Etwas, worüber selten gesprochen wird: Man sieht das Ergebnis, nie die vielen Versuche davor. Die Szenen, die am einfachsten aussehen, etwa ein Mensch, der geht, eine Flüssigkeit, die fließt, oder der Wechsel von einem Raum in den anderen, machen fast immer die meiste Arbeit.

In einem unserer ersten Videos haben wir versucht, eine Drohne in einen Bergbach hineinfliegen zu lassen, bis zu einem Krug, der Wasser in eine Moka-Kanne gießt. Eine Idee, die ich unbedingt wollte. Es war ein totaler Fehlschlag, was Zeit und Kosten betrifft. Wir haben sie trotzdem behalten, weil uns das Ergebnis gefiel.

Konsistenz ist das eigentliche Problem

Mit generativer AI hat man nicht die Möglichkeit, gleichzeitig fünf oder sechs konsistente Blickwinkel derselben Szene zu haben. Ein Produkt kann bei jeder Generierung Form und Größe ändern. Eine Landschaft tut sich schwer, identisch zu bleiben, wenn man nur das Licht ändert, von Sonne zu Regen. Das ist die konkreteste Grenze, mit der wir jeden Tag arbeiten, kein nebensächliches technisches Detail.

Wenn die AI nicht ausreicht, geht es zurück zu den klassischen Werkzeugen

Ein generiertes Bild kann wunderbar filmisch aussehen und trotzdem das falsche Produkt zeigen, eines, das seine Form verändert oder Markendetails verliert. Dann machen wir den letzten Schritt von Hand, in Photoshop. Zu erkennen, wann man mit KI aufhört und zur klassischen Arbeit zurückkehrt, gehört genauso zum Handwerk wie ein guter Prompt.

Man fängt oft wieder bei null an

Neun von zehn Mal kommt ein Video bis 70 Prozent und fängt dann wieder bei null an, weil ein Setting, ein Ton oder eine Figur uns nicht mehr überzeugt. Das passiert immer und gehört zur Arbeit.

Die Werkzeuge ändern sich, die Methode nicht

In einem einzigen Projekt haben wir mindestens fünf oder sechs verschiedene KI-Werkzeuge eingesetzt, für Bildgenerierung, Upscaling, Videogenerierung und Schnitt. Unsere bevorzugten Werkzeuge wechseln alle paar Monate. Was wir oben geschrieben haben, gilt unabhängig davon, welches Modell nächstes Jahr erscheint.

Wenn Sie ein Unternehmensvideo in Erwägung ziehen und wissen möchten, was Sie von dem Prozess erwarten können, sehen Sie sich an, wie wir bei Unternehmensvideos arbeiten. Wenn Sie hingegen die Methode vollständig erlernen möchten, mit Übungen an Ihrem eigenen Material, finden Sie den kompletten Kurs in der

NNZN Academy.