Ein Leitfaden Video Prompts: KI Video zum Schreiben von Video Prompts: Text-zu-Bild, Text-zu-Video, Bild-zu-Video und „visuelle Regie“ führen

unserTRAINING.de, September 2025

Wir leben längst in einer Welt, in der die Kreativität zunehmend aus dem Dialog zwischen Mensch und KI erwächst. – Martin Laeger

Du kennst das: Du sitzt da und stellst dir irgendetwas vor, das du mithilfe der KI generieren möchtest. Also erstellst du einen Prompt und die KI-Maschine antwortet darauf.

Egal, ob du eine Film-Sequenz entwirfst oder eine Landing-Page mithilfe der KI erstellst – der Prompt, den du formulierst, ist der Bauplan für alles, was daraus entsteht und generiert wird.

Aber genau hier liegt auch meist das Problem: Das Schreiben von Prompts fühlt sich oft wie ein Ratespiel an. Du gibst ein paar Wörter ein, hoffst auf Magie und Zauber, und dann … die KI gibt Dir etwas, das „fast richtig“ ist, aber nie ganz passt. Es ist, als würdest du jemandem einen Traum beschreiben und dabei zusehen, wie er etwas leicht Abweichendes malt.

Zugegeben: … auch ich habe mir schon oft die Zähne an Details ausgebissen. Versuche doch einmal, einen Hasen bei der Leichtathletik-Olympiade über eine Hochsprungstange springen zu lassen. Aber oftmals nehmen wir uns auch zu wenig Zeit, um so lange an unserem Prompt zu feilen, bis dieser exakt das ausdrückt, was uns im Kopf vorschwebt.

Gutes Prompten will gelernt sein

Warum das so ist? Weil Prompting nicht nur bedeutet, zu tippen, was du haben willst. Es geht darum, deinen Wunsch und die Aufgabe so zu strukturieren, dass das KI-Modell sie versteht — wie ein Drehbuch für eine Szene, und nicht nur eine Einkaufsliste voller Ideen. Du dirigierst die Bewegung. Du erschaffst Stimmung und Textur mit deinem Prompt.

Wenn du jemals das Gefühl hattest, dass dein KI-generiertes Bild, dein Video oder deine Animation das Ziel verfehlt haben, kann dir unser Blogbeitrag dabei helfen, zukünftig zielsicher zu prompten. Die hier vorgestellte Matrix kann dir helfen, dass deine Ideen so aussehen und sich so anfühlen, wie sie in deinem kreativen Kopf einmal geplant waren.

In diesem Artikel präsentieren wir dir unseren Leitfaden KI Video, um effektive Video-Prompts zu erstellen und die Möglichkeiten der KI optimal zu nutzen.

In unserem Leitfaden für KI Video Prompts zeigen wir dir, wie du gute Video-Prompts erstellen kannst, um die Möglichkeiten der KI voll auszuschöpfen.

Wir werden hier folgende Themen behandeln:

• Die Anatomie eines guten Prompts
• Strukturen für verschiedene Prompt-Typen (Text-zu-Bild, Text-zu-Video, Bild-zu-Video)
• Viele Beispiele und „Formeln“
• Tipps zur Verbesserung deiner Prompts
• Und schließlich, wie du mit Kamera-Settings und visuellen Effekten das Finetuning und Finishing realisierst.

Let`s go … alle Prompts wurden übrigens auf englisch eingegeben (das ist auch eine Empfehlung von Google).

Die Prompt-Struktur verstehen

Bevor wir uns mit Formaten und Tools befassen, sprechen wir erst einmal über die Anatomie eines starken Prompts.

Jeder gute Prompt besteht aus fünf Bausteinen:

Prompt-Struktur: Hauptobjekt + Bewegung + Szene + Umgebungsdetails + Künstlerischer Stil

• Hauptobjekt und Thema: Wer oder was steht im Mittelpunkt?
• Bewegung: Was passiert oder verändert sich?
• Szene: Wo geschieht es?
• Umgebungsdetails: Zeit, Stimmung, Objekte, Wetter
• Künstlerischer Stil: Ästhetik, Zeit-Epoche, Textur, Medium

Ein guter Prompt ist wie ein Filmregisseur, der einem Kameramann eine Einstellung beschreibt. Es geht dabei nicht nur darum, was du haben möchtest — es geht darum, wie es sich anfühlen soll, wo es passiert und welcher visuellen Grammatik es folgen soll. Du setzt durch deinen Prompt Dinge in Bewegung, wählst einen Hintergrund, definierst eine Atmosphäre und wählst einen bestimmten Look dafür aus.

Beispiel:

1. Einfacher Prompt:

A gorilla runs through a jungle.

Key Details:

• Main Subject / Scene: Gorilla
• Motion: Running
• Scene: Jungle

2. Erweiterte Struktur:

A gorilla walks slowly through the jungle, on a narrow jungle path through a dense forest, surrounded by tall trees, hanging vines, and the soft rustling of leaves underfoot.

Key Details:

• Main Subject / Scene: Gorilla
• Motion: Slowly Walking
• Scene: Jungle on a narrow path through a dense forest
• Environmental Details: surrounded by tall trees, hanging vines and the soft rustling of leaves underfoot

3. Volle Struktur mit künstlerischem Stil:

A gorilla slowly walks through a lush, dense Jungle along a winding jungle path, above which ancient trees tower and cast patchy shadows on the moss-covered ground. The camera gradually zooms in as he passes beneath towering, dense vines hanging from the branches, with birds of paradise occasionally fluttering through the canopy. The scene opens in sweeping cinematic detail — the wilderness bathed in deep green hues and earthy textures. Light drifts gently through the canopy, wrapping the landscape in a tranquil, dreamlike atmosphere, as if nature itself were holding its breath.

Key Details:

• Main Subject / Scene: Gorilla
• Motion: Slowly Walking
• Scene: Jungle along a winding jungle path, above which ancient trees tower and cast patchy shadows on the moss-covered ground
• Environmental Details: The camera gradually zooms in as he passes beneath towering, dense vines hanging from the branches, with birds of paradise occasionally fluttering through the canopy.
• Artistic Style: The scene opens in sweeping cinematic detail — the wilderness bathed in deep green hues and earthy textures. Light drifts gently through the canopy, wrapping the landscape in a tranquil, dreamlike atmosphere, as if nature itself were holding its breath.

Wie man für verschiedene Anwendungsfälle promptet

Verschiedene Medienformate benötigen leicht unterschiedliche Schwerpunkte.

Es gibt keinen universellen Prompt. Verschiedene Ziele und Anforderungen erfordern verschiedene Strategien. Verschiedene Medienformate benötigen leicht unterschiedliche Schwerpunkte. Hier ist eine Aufstellung der Techniken:

1. Text-zu-Bild: Mit Wörtern malen

Eine stille visuelle Szene

Schließe die Augen und stelle dir einen einzigen Moment vor — eine laternenbeleuchtete Straße in Paris, eine Frau unter einer Weide, ein Boot, das im Himmel schwebt.

Das ist das Herz des „Text-zu-Bild“-Promptings: eine Szene so lebendig zu erfassen, dass sie sich wie eine Erinnerung anfühlt.

Deine Worte sind nicht nur Beschreibungen — sie sind wie Pinselstriche aus Stimmung, Licht und Geschichte. Die KI fragt nicht nur, was Du sehen willst, sondern wie es sich anfühlen soll.

Die stärksten Prompts öffnen den Blick über den bloßen Bildausschnitt hinaus – sie erschaffen Standbilder, die von Bewegung, Emotion und Bedeutung erfüllt sind und pulsieren.

Beispiel

Hinweis: die Beispiel-Prompts wurden in Midjourney in englischer Sprache eingegeben, um die Beispielbilder zu generieren; Version 7, Style Raw.

Prompt-Struktur: Hauptobjekt + Bewegung + Szene + Umgebungsdetails + Künstlerischer Stil

Diese sich entwickelnde Prompt-Struktur macht es für generative Tools einfacher, sowohl die Geschichte als auch die Ästhetik zu generieren, die Du anpeilst.

Tipps zur Umsetzung:

• Anstatt mit „eine Person“ zu beginnen → frage dich: „Wer ist sie? Welche Stimmung hat sie? In welchen Moment erwischen wir sie dabei?“
• Anstatt „ein offenes Feld“ → frage dich: „Welche Jahreszeit ist es? Tageszeit? Wie fühlen sich die Bäume an — dicht und gespenstisch, oder sonnenbeschienen und sicher?“
• Anstatt bei „ein Mädchen, das einen Drachen steigen lässt“ aufzuhören → frage dich: „Welchen Moment möchten wir erfassen? Was passiert dort? Schauen wir von oben auf die Szene oder gehen wir hindurch? Welche Geräusche, Lichter und Texturen definieren wir? Was lässt diese Szene lebendig werden?“

2. Text-zu-Video: Für die Bewegung schreiben

Bewegung und Fortschritt

Wenn es bei „Text-zu-Bild“ darum geht, die Zeit und den Moment einzufrieren, geht es bei „Text-zu-Video“ darum, diese freizusetzen.

Stelle dir vor, du beobachtest, wie sich eine kurze Szene entfaltet — es sind nur einige Sekunden, die eine Geschichte erzählen. Ein einsamer Wanderer klettert einen verschneiten Berg hinauf, während der Wind heult. Ein Straßenverkäufer wendet brutzelnde Nudeln im neonbeleuchteten Bangkok. Ein Kind rennt durch ein Sonnenblumenfeld oder jagt Seifenblasen in der Dämmerung.

„Text-zu-Video“-Prompting dreht sich um das Momentum. Du erfasst nicht nur einen stillen Rahmen, du erschaffst eine lebendige Sequenz — etwas, das sich entwickelt. Das bedeutet auch, dass dein Prompt nicht nur beschreiben muss, was da ist, sondern was da passiert.

Deine Worte müssen die Aktion choreografieren, Emotion erzeugen und Rhythmus suggerieren. Die überzeugendsten Video-Prompts beinhalten Spannung, Fluss und Veränderung.

Beispiel

1. Einfacher Prompt:

An old woman sitting on a park bench.

Key Details:

• Main Subject: A old woman
• Motion: Sitting (static pose)
• Scene: on a park bench

2. Beschreibe die Umgebung:

An old woman sitting on a park bench in autumn. Fallen leaves surround her as golden sunlight filters through the trees. The park is quiet, and the wind gently rustles the leaves

Key Details:

• Main Subject / Scene: A old woman
• Motion: Sitting
• Scene: on a park bench in a quiet park
• Environmental details: Fallen leaves, golden sunlight, rustling wind, quiet atmosphere
• Artistic Style & Medium: Not explicitly stated, but natural warm tone implied

3. Beschreibe die Kamera-Bewegung:

An old woman sits on a park bench in autumn. Fallen leaves lie around her as golden sunlight filters through the trees. The park is quiet, and the wind rustles gently in the leaves. She looks up at the sky and then slowly reaches into her coat pocket to take out an old photograph. The camera starts with a wide shot showing the empty park and then slowly zooms in on the woman. As she looks at the photo, the camera switches to a over the shoulder perspective and shows the picture in her hands. Then it pans with shallow focus gently around her to capture the emotions on her face, using a soft depth of field to blur the background.

Key Details:

• Main Subject / Scene: A old woman
• Motion: Gazing, reaching into pocket, holding photo
• Scene: Autumn park bench
• Environmental details: Fallen leaves, filtered sunlight, quiet atmosphere, soft wind
• Artistic Style & Medium: Realistic cinematic style, with soft depth of field
• Camera Movement: Wide shot → zoom-in → over-the-shoulder → pan with shallow focus

Die Struktur für die „Text-to-Video“ Formel:

Prompt-Struktur: Hauptobjekt + Bewegung + Szene + Umgebungsdetails + Künstlerischer Stil/Medium + Kamerabewegung

Mit jeder Schicht wechselst du von einer plumpen, flachen Beschreibung zu einem filmischen Moment mit Bewegung.

3. Bild-zu-Video: Einem stillen „Rahmen“ Leben einhauchen

Entwicklung ausgehend von einem bestimmten Punkt

„Bild-zu-Video“ ist wie ein Foto herzunehmen und sich zu fragen: „Was passiert dann als Nächstes?“

Du beginnst also mit einem Bild — einem eingefrorenen Moment — und erweiterst es um die Komponente Zeit. Es geht um Bewegung aus einem Anfangspunkt heraus, also nicht nur um die Bewegung in ihm selbst. Ein Mädchen steht an einem Bahnsteig, und plötzlich kommt der Zug an. Ein Fuchs blinzelt im Schnee, dann springt er plötzlich weg. Eine Kerze flackert in einem ruhigen Raum und wirft lange Schatten, die sich verschieben, als jemand zur Tür hereinkommt.

Der Schlüssel hierfür? Kontinuität! Das erste Bild ist dein Anker — das Setup. Der Rest des Prompts erzählt, wie sich dieses Bild in eine kurze, fließende Geschichte verwandelt.

Beispiel

Ausgangsbild (mit Midjourney erstellt):

Prompt: A classic yellow New York City taxi speeds down a neon-lit Broadway at night

1. Einfacher Prompt:

A classic yellow New York City taxi speeds down a neon-lit Broadway at night.

Key Details:

• Main Subject /Scene: A classic yellow New York City taxi
• Motion: speeds down a neon-lit Broadway at night

2. Präziser Prompt:

A classic yellow New York City taxi drifts to the left and to the right on a rain-slick, speeds down a neon-lit Broadway at night, reflections shimmering on wet asphalt, towering billboards glowing in vibrant colors, capturing the cinematic energy of the city in a cyberpunk-film, with the camera changing as it moves.

Key Details:

• Main Subject / Scene: A classic yellow New York City taxi
• Motion: drifts to the left and to the right on a rain-slick, speeds down a neon-lit Broadway at night
• Artistic Style & Medium: in a cyberpunk-film, with the camera changing as it moves.

Prompt für ein anderes Beispiel (mit einem anderen Ausgangsbild, das in Midjourney V7 generiert wurde):

A thrilling night chase unfolds on Broadway, where a ferraria aggressively is driving beside a hummer jeep. The camera follows closely, executing a dynamic tracking shot that captures the rain-soaked streets reflecting colorful city lights. Tires squeal as the vehicles maneuver through the bustling nightlife, creating an electrifying atmosphere filled with tension and excitement.

Prompt-Struktur: Hauptobjekt und Szene + Bewegung/Veränderung + Künstlerischer Stil/Medium

Das Ziel ist es, die Emotion und Geschichte des ursprünglichen Bildes zu erweitern und die Szene natürlich entwickeln zu lassen.

Tipps für das Erstellen reichhaltiger und präziser Prompts

Gute Prompts sind nicht lang — sie sind geschichtet, aus verschiedenen Ebenen aufgebaut. Einen guten Prompt zu definieren und zu schreiben ist 75% Beobachtung und 25% Übersetzung. Ja, es empfiehlt sich auch hier, die Prompts in englischer Sprache einzugeben.

Prompts sind wie Rezepte: Sie benötigen die richtigen Zutaten, die in der richtigen Reihenfolge hinzugefügt werden, mit einer Prise Absicht obendrauf. Das Ziel ist nicht, den Prompt mit Details zu stopfen, sondern ein klares, lebendiges mentales Bild zu formen — eines, das die KI „versteht“ und umsetzen kann.

Hier sind einige Schlüsseltechniken, um dein Prompting zu verbessern:

Sei spezifisch

Wenn du nur in allgemeinen Worten sprichst, erhältst du auch nur Allgemeines. Schau genauer hin und entdecke die visuellen Feinheiten.

Einfacher Prompt: Ein Mann, der durch einen Wald geht.

Spezifischer Prompt: Ein müder Wanderer in einer roten Jacke geht durch einen mysthischen Pinienwald, seine Stiefel knirschen auf gefallenen Nadeln.

Warum? Spezifität schärft das Bild. „Mann“ wird zu „müder Wanderer in Rot“, „Wald“ wird zu „mysthischer Pinienwald mit Nadeln.“

Verwende starke Verben

Verben sind dort, wo sich das Leben abspielt.

Einfacher Prompt: Ein Mädchen, das im Regen steht.

Prompt mit stärkeren Verben: Ein Mädchen stemmt sich gegen den Wind, während Regen um sie herum prasselt.

Warum? „Steht“ ist passiv. „Stemmt sich gegen“ fügt Spannung hinzu. Starke Verben = visuelles Momentum.

Füge sensorische Details hinzu, betone Stimmung und Wahrnehmung

Lasse den Betrachter den Moment spüren und fühlen:

• Integriere Sinneseindrücke
• Beschreibe Atmosphäre mit allen Sinnen
• Ergänze visuelle, akustische und taktile Details
• Betone Stimmung und Wahrnehmung
• Verstärke das Erlebnis durch Sinnesbeschreibungen
• Bereichere den Prompt mit multisensorischen Eindrücken
• Lass den Prompt sehen, hören, fühlen, riechen
• Verleihe der Szene sensorische Tiefe

Beispiel:

Einfacher Prompt: Eine Straße bei Nacht.

Prompt mit sensorischen Details: Eine ruhige Straße bei Nacht, schwach beleuchtet von Straßenlaternen, die Schatten auf das nasse Pflaster werfen und ein Gefühl der Isolation schaffen. Die ruhige Straße führt ins Leere.

Warum? Du siehst nicht nur die Szene — du fühlst sie. Sensorische Details (Geruch, Klang, Textur) verankern den Prompt in der Realität.

Denke in „Schichten“, nicht in Listen

Beispiel:

Reihe nicht nur Substantive aneinander. Komponiere stattdessen eine Szene.

Einfacher Prompt: Ein Roboter, Wüste, Sonnenuntergang, filmisch.

Prompt mit Schichtdetails: Ein einsamer Roboter stolpert durch eine staubige Wüste bei Sonnenuntergang und wirft lange Schatten auf die rissige Erde — aufgenommen in einem filmischen Weitwinkel-Stil.

Warum? Es liest sich wie eine Szene aus einem Film, nicht wie ein Keyword-Dump.

Verleihe Emotionen oder Hintergrundgeschichte

Füge unbedingt einen Hinweis hinzu, warum die Szene genau so existiert.

Beispiel:

Einfacher Prompt: Ein Ritter auf einem Hügel.

Prompt mit Emotion/Hintergrundgeschichte: Ein müder Ritter ruht sich auf einem Hügel in der Dämmerung aus und beobachtet, wie Rauch vom fernen Schlachtfeld aufsteigt.

Warum? Du generierst nicht nur ein Bild; du erzählst den Moment aus einer größeren Geschichte.

Diese Tipps helfen dir dabei, von der Beschreibung einer Szene zur Regie überzugehen. Wenn deine Worte spezifisch, dynamisch und immersiv sind — „hört die KI besser zu“.

Feinabstimmung mit Kamera und visuellen Effekten

Sobald deine Szene gesetzt und die Charaktere platziert sind, kommt am Ende der letzte Schliff. Wie möchtest du, dass das Publikum die Szene sieht und empfindet? Hier kommen nun Kamerasprache und visueller Ton ins Spiel — genau wie bei einem Regisseur, der die finale Einstellung eines Films formt.

Es geht nicht nur darum, was du zeigst, sondern wie du es zeigst.

Kamerabewegung: Bewegung, Emotion & Perspektive hinzufügen

Kamerabewegungen können Stimmung suggerieren, Geschichtsdetails enthüllen oder einfach eine Szene filmischer machen. Der Prompt sollte Bewegungsbegriffe wie „tracking“, „zooming“ oder „panning“ enthalten, um zu definieren, wie die Szene im Auge des Betrachters ablaufen soll.

Beispiel:

Einfacher Prompt: Ein junges Mädchen rennt durch ein Sonnenblumenfeld bei Sonnenuntergang.

A young girl runs through a field of sunflowers at sunset.

Prompt mit Kamerabewegung: Ein junges Mädchen rennt fröhlich durch ein weites Sonnenblumenfeld zur goldenen Stunde. Die Szene öffnet sich mit einer schwungvollen Drohnenaufnahme, die über die Blumen gleitet, dann taucht sie hinter ihr hinab in eine sanfte Tracking-Aufnahme, während Blütenblätter in der leichten Brise flattern. Die Kamera schwenkt sanft zur Seite und erfasst ihr lächelndes Gesicht, während sie rennt.

A young girl runs happily through a vast field of sunflowers at golden hour. The scene opens with a sweeping drone shot gliding over the flowers, then dips behind her into a gentle tracking shot as petals flutter in the breeze. The camera pans gently to the side, capturing her smiling face as she runs.

Hier ist eine Übersicht häufig verwendeter Kamerabewegungen inkl. Tipps:

Prompt-Tipp: Verwende Wörter wie „Tracking-Shot“, „Slow Zoom“, „Orbiting (umkreisend)“ oder „handheld calm style (ruhiger Handheld-Stil)“, um die Kamera-Bewegungen der KI Generierung zu steuern.

Visueller Stil & Ton: Den emotionalen Filter setzen

Visueller Stil und Ton sind wie die Farbkorrektur und der Soundtrack deines Bildes oder Videos. Sie beeinflussen, wie dein Publikum empfindet, was es sieht.

Beispiel:

Einfacher Prompt: Ein Mädchen sitzt unter einem Baum und schreibt in ihr Tagebuch.

Prompt mit visuellem Stil und Ton: Ein Mädchen sitzt unter einem Baum und schreibt in ihr Tagebuch. Die Szene ist in goldenes Licht getränkt, mit einem weichen, träumerischen Ton. Die Farben sind warm und leicht entsättigt und rufen eine nostalgische, Coming-of-Age-Film-Ästhetik hervor.

Prompt-Tipp: Mische Ton + Stil mit Umgebung für die besten Ergebnisse.

Du promptest nicht nur, du führst Regie!

Was du aus diesem kleinen Leitfaden mitnehmen solltest: Ein Prompt ist nicht nur eine Anweisung — es ist eine Szene. Ein Moment. Eine kreative Zusammenarbeit zwischen Dir und der KI-Maschine.

Die überzeugendsten KI-Ergebnisse kommen nicht davon, Wörter einfach an die Wand zu werfen — sie kommen davon, wie ein Drehbuchautor zu schreiben, wie ein Kameramann zu sehen und wie ein Poet zu fühlen.

• Also keine unnötige Eile!
• Definiere die Stimmung.
• Rahme den Moment ein.

Prompte genau so, wie du es empfinden möchtest und du dir deine Szene vorstellst.

Prompting ist nicht nur eine technische Disziplin – es ist auch etwas Emotionales. Jede Zeile, die du schreibst, ist ein kleines Drehbuch: ein kreativer Dialog zwischen dir und dem KI-Modell. Und wie bei jedem guten Script gilt: Je klarer es formuliert ist, desto stärker entfaltet es seine Wirkung.

Prompting ist also die Kunst, die richtigen Eingaben zu formulieren.

Also, wenn du das nächste Mal feststeckst und versuchst, „es filmisch aussehen zu lassen“, denke daran: du tippst nicht nur Wörter — du führst Regie für einen Moment.

Setze die Szene. Führe die Kamera. Spreche eine visuelle Sprache.

Und die KI-Maschine? Sie wird dann (meist) deiner Regie folgen …

Und wenn du eine professionelle Einführung in aktuelle Bild- und Video-KI-Tools suchst, bietet Dir unserTRAINING.de eine Vielzahl an Schulungen und jetzt auch Intensiv-Kursen und Workshops an. Wir stellen selbstverständlich auch individuelle Schulungen für Dich und dein Team zusammen. Denn meist sind es dann doch verschiedene Tools, um eine Produktion professionell zu produzieren. Bild, Video & Audio zu kombinieren, die Lippensynchronisation beherrschen, eigene Avatare, Konsistenz, Text-to-Speech, Text-to-Image, Text-to-Video … und dann noch die richtige Prompt-Technik … Viele Herausforderungen begegnen uns und die Entwicklung ist höchst rasant. Wir setzen in unseren Trainings stets die neuesten und besten Tools dafür ein und schulen dich flexibel, angepasst und an deine Anforderungen abgestimmt.

unserTRAINING.de freut sich auf deine Anfrage.

In diesem Beitrag wurden folgende KI Video-Modelle und KI-Tools eingesetzt, die wir selbstverständlich auch schulen:

• Freepik
• Google Veo 3
• Runway Gen 4
• Kling 2.1 Master
• Midjourney V7
• ChatGPT 5
• Eleven Labs
• Übersetzer: DeepL