Wie erstelle ich ein KI-Video? Die komplette Anleitung

• Ziel klären: Szene aus Text, Foto in Bewegung oder fertiger Clip mit Schnitt und Stimme?
• Passendes Tool wählen und gratis anfangen, etwa mit den 50 Credits pro Tag bei Google Veo oder den 30 Tages-Credits bei PixVerse.
• Prompt schreiben oder Startbild auswählen, und zwar so genau wie möglich.
• Kurze Clips erzeugen, prüfen und immer nur eine Sache ändern.
• Clips zusammensetzen, Ton ergänzen und erst für den finalen Export zahlen.

Der erste Schritt entscheidet mehr als jeder Prompt. Eine Filmszene mit Geräuschen baust du in Google Veo, eine Hauptfigur, die über mehrere Clips gleich aussehen soll, in Kling AI, den fertigen Schnitt mit Untertiteln und Musik in CapCut. Wer das vorher klärt, spart sich die Enttäuschung, dass ein Tool etwas nicht kann, wofür es nie gebaut wurde.

Eine Warnung vorweg: Kein Gratis-Plan der Generatoren hier liefert dir ein fertiges Video in hoher Auflösung ohne Wasserzeichen. Google Veo bleibt gratis bei 720p, PixVerse bei 540P, und auch Runway, Kling AI und Hailuo AI setzen gratis ein Wasserzeichen. Gratis-Credits sind zum Üben da, nicht für das Endprodukt.

Dazu kommt die Frage der Nutzung: Bei Kling AI dürfen Gratis-Ergebnisse nicht kommerziell genutzt werden, bei PixVerse gilt das ohne gesonderte Lizenz sogar für alle Ergebnisse. Für ein Video im Job planst du also von Anfang an einen bezahlten Export ein.

Ein Satz wie „Ein Hund am Strand“ lässt dem Modell alles offen. Ein guter Prompt beschreibt dagegen fünf Dinge:

• Motiv: wer oder was im Bild ist, mit zwei, drei prägenden Details.
• Handlung: was sich bewegt, und in welche Richtung.
• Kamera: Nahaufnahme, Totale, langsame Fahrt oder fester Blick.
• Licht und Stimmung: Tageszeit, Wetter, Farbwelt.
• Ton: Geräusche oder ein kurzer Satz Dialog, wenn das Tool Ton erzeugt.

Den letzten Punkt nutzt du nur bei Tools mit Ton. Google Veo liefert mit Veo 3.1 und Gemini Omni Flash nativen Ton mit Dialog und Geräuschen, in Omni Flash sogar mit wählbaren Stimmen. Kling AI und PixVerse erzeugen ebenfalls Dialog im Clip, bei Runway steht Ton erst ab Standard in der Preisliste.

Veo hat noch einen Trick, der viel Zeit spart. Über @Name holst du eigene Figuren in den Prompt, und bis zu 5 Bildreferenzen halten Figuren und Objekte über mehrere Clips hinweg gleich. Wer eine kleine Geschichte in mehreren Szenen erzählen will, sollte damit anfangen. Ohne Referenzen sieht deine Hauptfigur in jedem Clip ein bisschen anders aus, und das fällt beim Zusammenschneiden sofort auf.

Schreib den Prompt so, wie du einem Kameramann eine Szene erklären würdest: kurze Sätze, konkrete Wörter, keine Wunschliste. Adjektive wie „episch“ oder „wunderschön“ helfen dem Modell wenig.

Der zweite Fehler: nach einem schlechten Ergebnis alles umschreiben. Ändere lieber nur einen Teil, zum Beispiel die Kamera, und generiere neu. So lernst du, worauf das Modell reagiert. Jeder misslungene Clip kostet dieselben Credits wie ein gelungener.

Der dritte Fehler: reale Personen beschreiben, die nicht zugestimmt haben. Flow erzeugt keine Videos prominenter Personen, und die Richtlinien aller Anbieter hier verbieten das Ausgeben als eine andere Person. Beschreibe erfundene Figuren oder nutze dein eigenes Foto. Eine Übersicht der Werkzeuge für jede dieser Aufgaben findest du auf meiner Startseite zum Thema KI-Video.

Bei Google Veo lädst du das Foto als Start-Frame hoch. Wenn du zusätzlich ein End-Frame setzt, bestimmst du, wo der Clip aufhört, und das Modell füllt die Bewegung dazwischen. Die Bildgenerierung mit Nano Banana 2 Lite ist in Flow kostenlos. Du kannst also dein Startbild erst erzeugen und dann animieren, ohne das Tool zu wechseln.

Kling AI und PixVerse arbeiten ebenfalls mit Start- und Referenzbildern. Kling legt mit Elements eine Figur aus einem Foto, mehreren Blickwinkeln oder einem kurzen Clip fest, damit sie in jedem Video gleich aussieht, gratis sind 30 Elements erlaubt. Runway nennt das Keyframes, und die 125 Gratis-Credits reichen laut Preisseite für etwa 25 Sekunden Gen-4 Turbo aus einem Bild.

CapCut geht einen einfacheren Weg. CapCut Web macht aus deinen Fotos mit KI-Skript und Voiceover ein Video und exportiert es laut FAQ gratis ohne Wasserzeichen. Echte KI-Bewegung aus einem Bild läuft dort aber über den KI-Videogenerator mit Seedance, und der verbraucht Credits. Für eine Diashow reicht der Gratis-Weg, für eine lebendige Szene nicht.

Welches Foto funktioniert gut? Nimm ein scharfes Bild mit klarem Motiv und etwas Rand um die Person, damit Platz für Bewegung bleibt. Achte auf das Seitenverhältnis: Veo erzeugt Quer- und Hochformat, und ein Hochformat-Foto sollte auch als Hochformat-Clip enden.

Und beschreibe im Prompt nicht noch einmal, was schon auf dem Foto zu sehen ist, sondern nur, was passieren soll. „Kamera fährt langsam heran, Haare bewegen sich im Wind“ bringt mehr als „eine Frau mit roten Haaren“.

Ein Punkt zu Rechten, der mir wichtig ist. Nutze dein eigenes Foto oder eines, für das du die Zustimmung der abgebildeten Person hast. In Deutschland schützt das Recht am eigenen Bild nach § 22 KUG jede Person, und § 201a StGB stellt manche Bildaufnahmen und ihre Verbreitung unter Strafe.

Runway verbietet in seiner Nutzungsrichtlinie ausdrücklich, das Bild einer anderen Person ohne deren Erlaubnis zu verwenden, und laut Gemini-Hilfe musst du die Rechte an jedem hochgeladenen Bild haben.

Welche Generatoren mit Fotos am meisten Kontrolle bieten und was sie kosten, vergleiche ich in meiner Rangliste der besten KI-Video-Generatoren.

Kling VIDEO 3.0 und PixVerse V6 kommen auf 15 Sekunden am Stück, bei Runway sind je nach Modell bis zu 30 Sekunden pro Generierung drin, etwa mit Seedance 2.5 und Wan 3.0.

Ein KI-Video länger als 10 Sekunden entsteht deshalb meistens aus mehreren Teilen. In Flow verlängerst du eine Szene mit Veo 3.1 Lite und setzt Clips zu Szenen zusammen. Kling AI geht am weitesten: Per Video Extension verlängern die bezahlten Pläne einen Clip auf bis zu 3 Minuten. KI-Videos über eine Minute sind also machbar, aber nur mit Abo. Hailuo AI bietet für längere Mehrszenen-Videos einen eigenen Agent.

Bei der Auflösung gilt eine einfache Regel: Gratis ist klein. Google Veo bleibt ohne Abo bei 720p, Hochskalieren auf 1080p ist für Plus-, Pro- und Ultra-Abonnenten kostenlos, 4K gibt es nur für Ultra. PixVerse erlaubt gratis 540P, im Standard-Plan 720P und ab Pro 4K.

Bei Kling AI nennt eine Werbeseite 1080p auch für den Gratis-Plan, 4K bleibt den bezahlten Plänen vorbehalten. CapCut exportiert im Editor gratis bis 1080p, für 4K brauchst du Pro.

Mein Rat: Entscheide die Auflösung nach dem Ziel, nicht nach der Zahl. Für ein Reel oder einen Status reicht 1080p im Hochformat völlig, 4K lohnt sich erst für große Bildschirme. Probiere Prompt und Bewegung in der kleinen Auflösung aus, bevor du Credits für die große Version ausgibst.

Bei Kling AI kostet 4K laut Anbieter 30 Credits pro Sekunde, ein Fehlversuch in 4K ist also teuer.

Wer ein längeres Video baut, sollte außerdem an die Ablage denken. Runway gibt dir gratis 5 GB Speicher und ist laut AGB nicht verpflichtet, hochgeladene Inhalte aufzubewahren. Bei CapCut wird der Cloud-Speicher nach Ende eines Abos gesperrt. Lade Zwischenstände herunter, bevor du am nächsten Teil arbeitest. Ein eigener Ordner mit allen Clips in der richtigen Reihenfolge spart dir beim Zusammensetzen viel Sucherei.

Welche Tools mit ihren Gratis-Plänen am meisten Länge und Auflösung hergeben, steht in meiner Liste, wie du ein KI-Video kostenlos erstellen kannst.

Hailuo AI ist am leichtesten zu rechnen: 25 Credits für 6 Sekunden in 768p, 80 Credits für 6 Sekunden in 1080p. Standard bringt für regulär ca. 13,17 € im Monat 1.000 Credits, also etwa 40 kurze Clips in 768p. Bei Kling AI reichen 660 Credits für ca. 7,73 € laut Anbieter für 33 Videos in 720p.

Runway rechnet pro Sekunde: Gen-4.5 kostet 12 Credits pro Sekunde, und die 625 Credits im Standard-Plan für ca. 13,18 € reichen für etwa 52 Sekunden.

Zwei Regeln gefallen mir: Bei Google Veo und Hailuo AI kosten fehlgeschlagene Generierungen keine Credits. Bei PixVerse verfallen gekaufte Credits nie, die 30 Tages-Credits dagegen am Ende des Tages.

Meine Faustregel: Plane für jeden Clip, den du behalten willst, zwei bis drei Versuche ein. Wer das weiß, kauft das passende Paket und ärgert sich nicht über einen leeren Kontostand nach der ersten Stunde.

Die Ausnahme in dieser Anleitung ist CapCut. Der Editor exportiert gratis ohne Wasserzeichen, solange keine Pro-Vorlagen, Pro-Effekte oder Pro-Materialien im Projekt stecken. Vorlagen hängen allerdings oft einen CapCut-Abspann an, den du vor dem Export prüfen solltest.

Ein Wort zur Versuchung: Versuch nicht, ein Wasserzeichen nachträglich herauszurechnen. Die Bedingungen von Hailuo AI verbieten ausdrücklich, Wasserzeichen oder KI-Kennzeichen zu entfernen, und bei Google steckt mit SynthID ohnehin eine unsichtbare Markierung im Clip. Wenn du ein Video ohne Logo brauchst, ist der kleinste bezahlte Plan der ehrliche Weg.

Welche Anbieter überhaupt eigene Videos erzeugen und welche nur bearbeiten, erkläre ich in meinem Überblick, welche KI Videos erstellen kann.

Kling VIDEO 3.0 erzeugt Dialog mit Lippensynchronität, laut Kling aber auf Englisch, Chinesisch, Japanisch, Koreanisch und Spanisch. Deutsch spricht erst Kling 4.0, und das vorerst nur für Ultra-Jahresabos.

Hailuo AI löst Ton über MiniMax Audio mit Musik, Sprachausgabe und Stimmklon, und Veo 3.1 bringt dort Ton direkt im Clip. Bei Runway stehen Musik, Stimme und Soundeffekte erst ab Standard in der Preisliste. CapCut hat eine Musikbibliothek und eine Sprachausgabe mit über 200 KI-Stimmen, laut CapCut auch auf Deutsch, dazu einen Sprachklon aus einigen eingesprochenen Sätzen.

Mein Rat zum Ton: Entscheide früh, ob die Stimme aus dem Modell kommen soll oder aus einer eigenen Aufnahme. Dialog direkt aus Veo klingt stimmig zur Szene, lässt sich aber schwer nachträglich ändern. Für einen deutschen Sprechertext würde ich die Clips ohne Dialog erzeugen und die Stimme erst im Schnitt ergänzen. So kannst du sie jederzeit austauschen, ohne ein einziges Bild neu zu generieren.

Runway ändert mit Aleph 2.0 Details in einem fertigen Clip per Textanweisung, und der Videoeditor von Kling AI entfernt oder ersetzt Objekte und Hintergründe.

Meine Reihenfolge für das Finish: erst alle Clips im gleichen Format erzeugen, dann zusammensetzen, dann Ton und Musik, ganz zum Schluss Untertitel. Wer Untertitel zu früh setzt, muss sie nach jeder Schnittänderung neu anpassen.

Und prüfe vor dem Veröffentlichen die Nutzungsrechte. Bei Kling AI bringt erst Standard die kommerzielle Nutzung, bei Hailuo AI darfst du laut FAQ nur Downloads ohne Wasserzeichen kommerziell verwenden. Wer Musik ergänzt, nimmt besser Titel aus der Bibliothek des Tools statt eines beliebigen Songs.

Wie du Stimme, Musik und Geräusche im Detail planst und welche Tools dafür am besten passen, steht in meiner Anleitung für ein KI-Video mit Ton und Musik.

In der Gemini App hat Gemini Omni das Modell Veo inzwischen ersetzt, Videos entstehen dort per Chat und nur mit Google-AI-Abo.

Für mich ist Veo der beste Startpunkt, wenn du wissen willst, wie macht man ein KI-Video mit echtem Ton. Beide Modelle erzeugen Dialog und Geräusche direkt im Clip. Dazu kommen Start- und End-Frame, bis zu 5 Bildreferenzen und eigene Figuren per @Name. Ausprobieren kannst du das ohne Abo, denn jedes Konto erhält 50 Credits pro Tag. Das reicht für 5 Clips mit Veo 3.1 Lite oder 2 mit Fast.

Die Haken stehen im Kleingedruckten. Die Gratis-Clips tragen ein sichtbares Veo-Wasserzeichen und bleiben bei 720p, Hochskalieren gibt es ohne Abo nicht. Zu Spitzenzeiten, etwa zwischen 2 und 5 Uhr UTC, sind Videos ohne Abo eventuell gesperrt.

Und die Hilfeseiten widersprechen sich: Eine nennt ein Abo noch als Voraussetzung für Flow, die Guthaben-Seite und die deutsche Abo-Seite führen Flow dagegen im kostenlosen Plan.

In Deutschland fehlen außerdem zwei Funktionen. Hochgeladene Videos lassen sich im EWR nicht bearbeiten, und die Avatar-Funktion von Flow ist hier nicht verfügbar. Für das Konto brauchst du ein bestätigtes Alter ab 18.

Beim Datenschutz würde ich eine Einstellung sofort prüfen. Solange „Helfen, Google Flow zu verbessern“ aktiv ist, darf Google deine Uploads und Ergebnisse zur Verbesserung seiner Produkte nutzen, und Prüfer können Interaktionen sehen. Die Einstellung lässt sich im Dreipunkt-Menü von Flow abschalten.

Mein Urteil zum Preis: Google AI Plus für 4,99 € im Monat bringt 200 Extra-Credits und Videos in der Gemini App, das Wasserzeichen in Flow bleibt aber. Wer nur übt, bleibt beim Gratis-Plan. Erst Ultra ab 99,99 € im Monat zeigt das sichtbare Wasserzeichen nur noch dort, wo es lokal vorgeschrieben ist.

Wie du einen Veo-Clip fürs Hochformat aufbereitest, zeige ich in meiner Anleitung für ein KI-Video für TikTok.

• Gratis-Start: Gratis-Version
• Günstigster Tarif: 4,99 € pro Monat (Google AI Plus)
• Stärken: Text zu Video, Bild zu Video, Ton/Musik im Video
• Plattformen: web, ios, android

Wie erstellt man Videos mit KI, in denen dieselbe Figur mehrfach auftaucht? Hier ist Kling für mich am stärksten. Mit Elements legst du eine Figur aus einem Foto, mehreren Blickwinkeln oder einem kurzen Clip fest, damit sie über mehrere Videos gleich aussieht. Der Basic-Plan erlaubt 30 Elements, Standard 50.

Dazu kommen Motion Control, ein KI-Videoeditor und die Video Extension, mit der bezahlte Pläne Clips auf bis zu 3 Minuten verlängern.

Beim Gratis-Plan wird es unklar, und das stört mich. Basic kostet nichts, doch Videos tragen ein Wasserzeichen und dürfen nicht kommerziell genutzt werden. Wie viele Gratis-Credits du pro Tag oder Monat bekommst, nennen die offiziellen Seiten nicht, tägliche Login-Credits gibt es laut Credits-Richtlinie nur für Abonnenten. Das Lip-Sync-Werkzeug ist bezahlt.

Standard kostet im Web ca. 7,73 € im Monat, Neukunden zahlen im ersten Monat ca. 6,14 €. Dafür gibt es 660 Credits, 1080p, kein Wasserzeichen und kommerzielle Nutzung. Im App Store kostet derselbe Plan 10,00 €, schließ also im Browser ab. Abo-Credits gelten einen Monat, und Credits werden nicht in Geld zurückgetauscht. Eine Erstattung für bezahlte, ungenutzte Leistungen gibt es laut Bedingungen nur, wenn Kling den Dienst einstellt.

Der größte Minuspunkt ist der Datenschutz. Die Bedingungen räumen Kling eine Lizenz an deinen Inhalten ein, die das Training der Modelle umfasst, ohne beschriebenes Opt-out und ohne Ausnahme für bezahlte Konten. Die Daten liegen auf Servern in Singapur, einen eigenen DSGVO-Abschnitt hat die Erklärung nicht. Gesichtsdaten werden laut Kling weder analysiert noch gespeichert. Die Website gibt es auf Deutsch, Web-App und Handy-Apps bleiben englisch.

Für eine kleine Geschichte mit wiederkehrender Hauptfigur würde ich trotzdem zu Kling greifen, aber nur mit Material, das nicht privat ist. Warum Datenschutz bei mir so viel Gewicht hat, steht auf der Seite, wie ich die Tools bewerte.

• Gratis-Start: Gratis-Version
• Günstigster Tarif: 7,73 € pro Monat (Standard)
• Stärken: Face Swap im Foto, Face Swap im Video, Text zu Video
• Plattformen: web, ios, android

Wie kann man mit KI Videos erstellen, wenn man jede Einstellung selbst bestimmen will? Das ist der Fall für Runway. Keyframes mit Start- und Endbild, Referenzbilder, Video zu Video und Aleph 2.0 für gezielte Änderungen per Textanweisung geben dir mehr Regie als die übrigen Tools hier. Aleph 2.0 bearbeitet Clips bis 30 Sekunden in 1080p. Act-Two überträgt eine gefilmte Darbietung auf eine Figur, du spielst die Szene also selbst vor.

Für Einsteiger ist der Gratis-Plan knapp. Du bekommst einmalig 125 Credits, die nicht verfallen, aber auch nicht nachgefüllt werden. Laut Preisseite reicht das für etwa 25 Sekunden Gen-4 Turbo oder 25 Bilder, mit Wasserzeichen. Veo 3.1, Kling 3.0 und Seedance 2.5 gibt es dort erst im Abo.

Standard kostet ca. 13,18 € im Monat oder ca. 10,55 € im Monat bei jährlicher Abrechnung. Die 625 Credits reichen für etwa 52 Sekunden Gen-4.5, dazu kommen Musik, Stimme, Soundeffekte und 4K-Hochskalierung ohne Wasserzeichen. Monatliche Credits verfallen in Standard und Pro, erst Max überträgt bis zu einen Monat. Erstattet wird laut AGB nur, wenn das Gesetz es verlangt oder Runway es nach eigenem Ermessen tut.

Beim Datenschutz bin ich skeptisch. Laut AGB dürfen Eingaben und Ergebnisse ins Training fließen, ein Opt-out für Privatkonten ist nicht beschrieben. Gesichtsscans werden spätestens drei Jahre nach der letzten Interaktion gelöscht. Positiv finde ich, dass Ergebnisse C2PA-Herkunftsdaten tragen und die Nutzungsrichtlinie verbietet, Bild, Video oder Stimme einer anderen Person ohne Erlaubnis zu verwenden. Eine deutsche Oberfläche gibt es nicht.

Mein Fazit: Runway lohnt sich, wenn du schon weißt, was du willst, und für Kontrolle zahlen magst. Ein eigenes Face-Swap-Werkzeug hat Runway nicht. Wie der Gesichtstausch technisch funktioniert und wo die Grenzen liegen, erklärt mein Text darüber, was Face Swapping ist.

• Gratis-Start: Gratis-Version
• Günstigster Tarif: 10,55 € pro Monat (Standard (jährlich))
• Stärken: Bild zu Video, Sprechendes Foto (Lip-Sync), Text zu Video (Nur im Abo)
• Plattformen: web, ios, android