KI-generierte Videos gehören inzwischen zu fast jedem Projekt, das über meinen Schreibtisch geht: Promo-Video für eine Referenz, Video für die Website eines Kunden, Lernvideo für meine Studierenden an der Zuyd Hogeschool. Was mich dabei gerade mehr beschäftigt als die Technik selbst: wo diese Videos anfangen, alle gleich auszusehen.
Wo ich KI-generierte Videos wirklich einsetze
Bei mir laufen KI-generierte Videos an mehreren Stellen gleichzeitig. Für Kunden entstehen Promo-Videos zu Referenzprojekten, dazu Videos, die direkt auf Webseiten landen, als Ersatz für klassische Imagefilme. Bei meinen Studierenden setze ich sie anders ein: als Lernvideos, die neben den klassischen Unterrichtsmaterialien stehen.
Das hat einen einfachen Grund. Nicht jeder liest gerne ein PDF durch, um sich Unterrichtsinhalte anzueignen. Manche hören lieber eine Podcast-Version, andere schauen sich ein Video an. Also biete ich seit einer Weile beides an, weil ich das technisch inzwischen einfach hinbekomme.
Was meine Studierenden dazu sagen
Die Reaktion hat mich gefreut. Meine Studierenden mögen es sichtlich, Inhalte nicht mehr nur als Text lesen zu müssen. Die Video-Versionen kommen an, gerade weil sie sich das Material auch nebenbei anschauen können, unterwegs oder zwischen zwei Terminen. Das passt zu dem, was ich schon in Was meine Studierenden mir beibringen beschrieben habe: Diese Generation konsumiert Inhalte anders, und ich muss mein Format daran anpassen, nicht umgekehrt.
Die Tools, mit denen ich arbeite
Für die Videos selbst nutze ich aktuell Higgsfield, Runway, Seedance, Kling & Co. Alle sind inzwischen so gut, dass ich vor zwei Jahren nicht gedacht hätte, sowas käme mal aus einem Prompt. Kombiniert mit Claude oder ChatGPT für Skripte und Abläufe, wird daraus ein Workflow, der mir tatsächlich Zeit spart. Wie sich dadurch mein Briefing-Prozess verändert hat, beschreibe ich an anderer Stelle in Prompt Design ist das neue Briefing. Bei Videos ist es genauso: Das Skript entsteht zuerst als Text, bevor überhaupt ein Bild generiert wird.
Das klingt nach einem glatten Prozess. Ist es aber nur, solange ich genau weiß, was ich will.
Wo die generischen Videos anfangen
Genau da werde ich vorsichtig. Wenn ich ein Video ohne konkrete Anweisungen generieren lasse, sieht es aus wie tausend andere Videos, die ich täglich auf TikTok oder Instagram sehe: gleiche Kamerafahrten, gleiche Schnitte, gleiche Farbstimmung. Kein Wunder, die Tools wurden mit genau diesen Massen an Content trainiert. Ohne genaue Instruktion greifen sie auf den größten gemeinsamen Nenner zurück, und der ist eben generisch.
Für ein Studio, das Kunden individuelle Ergebnisse verkauft, ist das ein echtes Problem. Ein Video, das aussieht wie jedes zweite auf Instagram, bringt einem Kunden keinen Wiedererkennungswert. Es füllt zwar die Website, unterscheidet ihn aber nicht von der Konkurrenz.
Wie ich generische Ergebnisse vermeide
Meine Lösung dafür ist unspektakulär: mehr Customizing, genauere Instruktionen. Statt der KI zu sagen, sie soll ein Video zu einem Thema erstellen, gebe ich ihr Stil, Bildsprache, Tonalität vor, oft sogar konkrete Referenzen, an denen sie sich orientieren soll. Das kostet mehr Zeit in der Vorbereitung. Aber genau da entsteht der Unterschied zwischen einem austauschbaren Clip und einem Video, das zum Projekt passt.
Das deckt sich mit meiner Erfahrung im Umgang mit KI generell: Je genauer ich weiß, was ich will, desto weniger generisch wird das Ergebnis. Bei Videos ist das nicht anders als bei Text oder Bild, nur dass der Aufwand für ein gutes Briefing hier höher liegt, weil mehr gleichzeitig stimmen muss: Bewegung, Ton, Timing, Bildsprache.
Ich beobachte das Feld weiter, ehrlich gesagt auch, weil sich die Tools gerade alle paar Monate spürbar verändern. Was wahrscheinlich bleibt: Ohne genaue Instruktion bekomme ich Durchschnitt. Mit genauer Instruktion bekomme ich etwas, das zu meinem Projekt passt.