Ein Erklärvideo aus sieben Sätzen
Du brauchst kein Storyboard und keine Animation. Du brauchst ein Skript, das in die Zeit passt, und einen Stil, der zu deinem Thema gehört. Hier steht der Bauplan für beides.
Die Arbeit steckt im Text, nicht im Bild
Ein klassisches Erklärvideo entsteht aus Skript, Storyboard, Illustration, Animation und Vertonung. Hier fallen die mittleren Schritte weg. Du lieferst zwei Dinge, den Text und den Stil, und bekommst ein fertig vertontes Video zurück. Das verschiebt den ganzen Aufwand dahin, wo er ohnehin hingehört: in die Frage, was du eigentlich sagen willst.
Was du lieferst
Sieben Sätze, die einen Bogen bilden, und die Entscheidung, wie das Ganze aussehen soll. Mehr nicht. Keine Szenenliste, keine Kameraangaben, keine Bildbeschreibungen pro Satz.
Was zurückkommt
Ein vertontes Video mit Stimme und Musik, im gewählten Format, in einem durchgehenden Kamerazug. Im Beispiel auf dieser Seite waren das 30 Sekunden ohne einen einzigen Schnitt.
Der eine Merksatz: Schreib Dinge, keine Begriffe. „Millionen Pixel tanzen wild durcheinander" kann das Modell bebildern. „Ein komplexer Prozess" kann es nicht, und dann erfindet es irgendetwas.
Fünf Schritte, in dieser Reihenfolge
Die Reihenfolge ist nicht beliebig. Wer mit dem Stil anfängt, schreibt danach das Skript zum Bild statt zum Thema.
Thema auf einen Satz bringen
Was soll der Zuschauer am Ende wissen? Wenn du dafür zwei Sätze brauchst, sind es zwei Videos.
Länge festlegen und Wörter zählen
Erst die Länge, weil sie den Preis bestimmt. Dann das Skript darauf zuschneiden, rund zweieinhalb Wörter pro Sekunde.
Skript in sieben Sätzen schreiben
Nach dem Bauplan weiter unten. Sieben Sätze tragen von 20 Sekunden bis zu einer Minute, sie werden nur länger oder kürzer.
Stil wählen
Erst jetzt, und passend zum Thema. Sieh dir die Vorschau an, bevor du dich festlegst.
Format, Stimme und Untertitel einstellen
Hochformat, wenn das Ergebnis in ein Reel soll. Untertitel nur an, wenn das Video so bleiben darf, wie es herauskommt.
Generieren und im Ganzen ansehen
Nicht in Ausschnitten beurteilen. Ein Erklärvideo funktioniert oder scheitert an seinem Bogen, nicht an einzelnen Bildern.
Sechs Felder, und eines kostet richtig Geld
Im Bedienfeld stehen sechs Einstellungen. Fünf davon sind Geschmacksfragen. Eine entscheidet, wie viel dich dasselbe Video kostet.
Stil
Wird aus dem Raster gewählt und oben links als Vorschau angezeigt. Lässt sich jederzeit über „Change" tauschen.
Thema
Hier kommt dein Skript hinein. Du kannst stattdessen auch eine Datei anhängen oder einen Link angeben.
Aspect Ratio
Querformat oder Hochformat, frei wählbar. Für Reels und Shorts das Hochformat, sonst schneidest du hinterher Bild weg.
Duration
Der Punkt, an dem das meiste Geld liegt. Voreingestellt ist eine Minute. Siehe die Rechnung weiter unten.
Voice
Mehrere fertige Stimmen zur Auswahl, dazu die Möglichkeit, eine eigene anzulegen.
Subtitles
Untertitel an oder aus. Sind sie an, stehen sie fest im Bild und lassen sich hinterher nicht mehr abschalten.
Was die meisten übersehen
Überall liest man, so ein Clip koste rund 200 Credits. Das stimmt, ist aber nur die Voreinstellung von einer Minute. Bezahlt wird nach Sekunden. Wer die Länge herunterstellt, zahlt sofort weniger, und für ein Reel braucht fast niemand eine ganze Minute.
| Länge | Credits | Anmerkung |
|---|---|---|
| 20 Sekunden | ~72 | ein Gedanke, ein Reel-Einschub |
| 30 Sekunden | ~104 | ein Thema mit Anfang und Ergebnis |
| 1 Minute | ~200 | die Voreinstellung |
| 3 Minuten | 584 | gerechnet, nicht abgelesen |
| 5 Minuten | 968 | gerechnet, nicht abgelesen |
| 10 Minuten | 1928 | gerechnet, nicht abgelesen |
Die drei abgelesenen Werte liegen exakt auf einer Geraden: 8 Credits Grundgebühr plus 3,2 Credits pro Sekunde. 20 Sekunden ergeben 72, 30 Sekunden 104, eine Minute 200. Die längeren Werte in der Tabelle sind damit gerechnet und nicht abgelesen. Die Oberfläche schreibt eine Tilde davor, es sind also Schätzwerte.
Der praktische Schluss: Drei Zwanzig-Sekunden-Versuche kosten zusammen weniger als ein einziger Minutenversuch. Teste kurz, und generier erst lang, wenn Skript und Stil sitzen.
Diese Längen stehen zur Wahl
- 20 Sekunden
- 30 Sekunden
- 1 Minute
- 3 Minuten
- 5 Minuten
- 10 Minuten
- Manuell
Stimmen zur Auswahl
- KAI-2
- EMILY
- JOHN
- NAOMI
- CALLUM
- ONYX
- BRAH
- PIXIE
Dazu lässt sich eine eigene Stimme anlegen.
Sieben Sätze, sieben Aufgaben
Jeder Satz hat genau eine Aufgabe. Die Beispiele darunter stammen aus dem Video, das dieser Seite zugrunde liegt, und stehen hier in derselben Reihenfolge wie dort.
Der Ausgangszustand
Ein Satz, der sagt, wo die Sache anfängt. Kein Vorwort, keine Begrüßung.
„Jede KI-Videosekunde startet als reines Rauschen.“
Der Ausgangszustand im Bild
Derselbe Zustand noch einmal, aber sichtbar. Dieser Satz gibt dem Modell das Motiv.
„Millionen Pixel tanzen wild durcheinander, ohne Bild, ohne Bewegung, völlig sinnlos.“
Die Zuspitzung
Ein kurzer Satz, der den Zustand auf den Punkt bringt. Er baut die Spannung auf, die der Wendepunkt einlöst.
„Reines Chaos, das am Anfang steht.“
Der Wendepunkt
Was passiert jetzt. Hier steht das Verb, um das sich das ganze Video dreht.
„Dann beginnt das Modell, Schritt für Schritt, das Rauschen zu entfernen.“
Warum das funktioniert
Die eine Erklärung, die dein Zuschauer mitnehmen soll. Nur eine, nicht drei.
„Es wurde auf Milliarden Videoclips trainiert und erkennt, wie sich Dinge in der echten Welt bewegen.“
Das Ergebnis
Was am Ende dasteht. Dieser Satz bekommt im Bild das schönste Motiv.
„Was übrig bleibt, ist flüssige Bewegung, eine Videosequenz, die nie existiert hat.“
Die Einordnung
Ein Satz, der den Anfang noch einmal aufgreift. Damit schließt sich der Kreis, und das Video wirkt fertig statt abgebrochen.
„Das Rauschen war nur der Rohstoff, aus dem das Modell etwas Neues erschaffen hat.“
Weil der letzte Satz den ersten aufgreift. Ohne diesen Rückgriff hört ein Erklärvideo einfach auf, statt zu enden, und genau das merkt der Zuschauer, ohne sagen zu können, woran es lag.
Die Vorlage und ein ausgefülltes Beispiel
Erst die leere Form, dann dieselbe Form ausgefüllt. Die Platzhalter allein bleiben sonst abstrakt.
1. [Wo die Sache anfängt, ein nüchterner Satz.] 2. [Derselbe Zustand, aber sichtbar beschrieben. Nenne Dinge, keine Begriffe.] 3. [Die Zuspitzung in einem kurzen Satz.] 4. [Der Wendepunkt. Was passiert jetzt, mit einem klaren Verb.] 5. [Die eine Erklärung, warum das funktioniert.] 6. [Das Ergebnis, das der Zuschauer sehen soll.] 7. [Die Einordnung, die den ersten Satz noch einmal aufgreift.] Ton: ruhig erklärend, keine Werbesprache, keine Begrüßung, kein Abschiedsgruß.
Die eckigen Klammern ersetzen, die drei Zeilen am Ende so stehen lassen.
Jede KI-Videosekunde startet als reines Rauschen. Millionen Pixel tanzen wild durcheinander, ohne Bild, ohne Bewegung, völlig sinnlos. Reines Chaos, das am Anfang steht. Dann beginnt das Modell, Schritt für Schritt, das Rauschen zu entfernen. Es wurde auf Milliarden Videoclips trainiert und erkennt, wie sich Dinge in der echten Welt bewegen. Was übrig bleibt, ist flüssige Bewegung, eine Videosequenz, die nie existiert hat. Das Rauschen war nur der Rohstoff, aus dem das Modell etwas Neues erschaffen hat. Ton: ruhig erklärend, keine Werbesprache, keine Begrüßung, kein Abschiedsgruß.
76 Wörter, daraus wurden 30 Sekunden. Nimm es als Maßstab für deine eigene Länge.
Du schreibst lieber mit System?
Der Prompt-Builder führt dich durch dieselbe Logik, nur für Text-Prompts: erst die Aufgabe, dann der Ton, dann das Format.
Zum Prompt-BuilderZähl die Wörter, bevor du generierst
Die Länge stellst du selbst ein, dein Text muss dazu passen. Passt er nicht, wird es entweder hektisch oder es entsteht Leerlauf. Die Sprechgeschwindigkeit liegt fest: Im Beispielvideo waren es 76 Wörter in 30,04 Sekunden, also rund zweieinhalb Wörter pro Sekunde. Damit lässt sich jede eingestellte Länge in eine Textmenge übersetzen.
| Ziellänge | Textmenge | Trägt was |
|---|---|---|
| 20 Sekunden | rund 51 Wörter | ein einziger Gedanke, ein Reel-Einschub |
| 30 Sekunden | rund 76 Wörter | ein Thema mit Anfang, Wende und Ergebnis |
| 1 Minute | rund 152 Wörter | ein Thema plus Gegenargument und Einordnung |
| 3 Minuten | rund 455 Wörter | schon ein kleiner Vortrag, selten die richtige Wahl |
Streich zuerst die Adjektive. Sie kosten Sprechzeit und tragen im Erklärvideo am wenigsten, weil das Bild sie ohnehin liefert. Danach die Nebensätze. Verben bleiben stehen, die halten das Video zusammen.
24 Stile, vier Familien
Die Namen stehen so in der Auswahl. Sortiert sind sie hier nach der Frage, was sie mit deinem Thema machen, denn danach entscheidest du, nicht nach Geschmack.
Wirkt handgemacht
Material, das man anfassen möchte. Stark, wenn dein Thema trocken ist und Wärme braucht.
- Fluffy Toy(gefilzte Wolle, im Beispiel auf dieser Seite benutzt)
- Claymotion
- 3D Papercraft
- Paper Diorama
- Paper collage
- Watercolor Chronicle
- Hand Drawn
- Mixed Media
Grafisch und flach
Nah an klassischem Erklärvideo. Gut für Prozesse, Zahlen und Vergleiche.
- Editorial Motion Graphics
- Dynamic Motion Design
- Pastel Flat 2D
- Poster Vector
- Isometric Flat Vector
- 2D Illustrator
- Whiteboard Doodle
- Stickman Cartoon
Dreidimensional
Räumlich und produktnah. Trägt gut, wenn ein Gegenstand die Hauptrolle spielt.
- Colorful 3D
- 3D Mix
- Studio 3D
- Low Poly
- Mannequin
Eigener Ton
Sofort wiedererkennbar, aber nicht für jedes Thema. Vorher die Vorschau ansehen.
- Pixel Art
- Vintage Documentary
- Fairy Tale & Myth
Vier Dinge, die sich hinterher nicht mehr ändern lassen
Diese vier Punkte sind am fertigen Video festgeschrieben. Wer sie überspringt, generiert zweimal.
Die Länge zuerst, nicht zuletzt
Sie ist eine Einstellung und bestimmt den Preis. Voreingestellt ist eine Minute. Wenn du 20 Sekunden brauchst, stell 20 Sekunden ein, bevor du irgendetwas anderes machst.
Format vor dem Start festlegen
Quer- und Hochformat stehen beide zur Wahl. Für ein Reel oder einen Short gleich hochkant generieren. Aus Querformat nachträglich Hochformat zu schneiden kostet dich rund ein Fünftel des Bildes.
Untertitel bewusst schalten
Der Schalter sitzt direkt über dem Generieren-Knopf. Sind die Untertitel an, sind sie danach Teil der Pixel. Wenn du das Video später weiterschneiden willst, lass sie aus und setz eigene darüber.
Es kommt ein durchgehender Zug, kein Schnitt
Im Beispielvideo gibt es über 30 Sekunden keinen einzigen Schnitt, die Kamera zieht in einem Stück durch. Für die Weiterverwendung ist das gut, du kannst an jeder Stelle schneiden. Für dich als Autor heißt es: Schreib das Skript als einen Gedanken, nicht als Szenenliste.
Wenn etwas schiefgeht
Problem, Ursache, Lösung. Die meisten dieser Fälle entstehen vor dem Generieren, nicht danach.
Jeder Clip kostet mich rund 200 Credits.
Ursache: Die Länge steht auf der Voreinstellung von einer Minute, und bezahlt wird nach Sekunden.
Lösung: Länge runterstellen. 30 Sekunden kosten rund 104, 20 Sekunden rund 72. Die meisten brauchen für ein Reel ohnehin keine Minute und zahlen sie trotzdem.
Das Video ist fertig, aber der Text sitzt fest im Bild.
Ursache: Der Untertitel-Schalter war an, und eingebrannter Text ist danach Teil der Pixel.
Lösung: Neu generieren mit ausgeschalteten Untertiteln. Wenn das Video bleiben soll, oben oder unten abschneiden. Im Beispielvideo lag das Textband auf den unteren 19 Prozent der Bildhöhe, so viel kostet der Beschnitt.
Das Skript passt nicht in die eingestellte Länge.
Ursache: Die Sprechgeschwindigkeit liegt fest, dein Text ist zu lang oder zu kurz.
Lösung: Vor dem Generieren zählen. Rund zweieinhalb Wörter pro Sekunde, also etwa 76 Wörter für 30 Sekunden. Streich Adjektive zuerst, sie kosten Zeit und tragen nichts.
Das Video sieht schön aus, erklärt aber nichts.
Ursache: Im Skript stehen Begriffe statt Dinge. Das Modell kann Begriffe nicht bebildern.
Lösung: Jeden Satz durchgehen und fragen, was man dabei sehen würde. „Millionen Pixel tanzen durcheinander" ist bebilderbar, „ein komplexer Prozess" nicht.
Der Stil passt nicht zum Thema.
Ursache: Der Stil wurde nach Geschmack gewählt, nicht nach Aufgabe.
Lösung: Erst das Skript schreiben, dann den Stil wählen. Ein warmes Material rettet ein trockenes Thema, ein verspielter Stil zerlegt ein ernstes.
Kurz beantwortet
Mehr davon gefällig?
Folg @ki_agenten_werkstatt auf Instagram oder TikTok für neue KI-Tricks jede Woche, oder hol dir Kais KI-Radar mit News und Tipps direkt ins Postfach.
Newsletter abonnierenKein Spam, jederzeit mit einem Klick abbestellbar.
Alle Angaben auf dieser Seite wurden an einem selbst erzeugten Beispielvideo gemessen. Genannte Marken gehören ihren jeweiligen Inhabern, diese Seite ist ein unabhängiges Angebot der KI Agenten Werkstatt. Funktionsumfang, Stilauswahl und Tarife ändern sich regelmäßig, prüf den aktuellen Stand in deinem eigenen Konto. Veröffentlichte KI-Videos gehören gekennzeichnet, siehe unsere Checkliste zum EU-KI-Gesetz.